8.2. Выявление и измерение рисков

и его бизнес-окружения.

Выявление рисков предполагает проведение преимущественно качественно­го анализа. При этом используются различные методы. Одним из таких методов является метод проведения структурно-функционального анализа деятельности предприятия или его отдельного подразделения. Этот анализ проводится на осно­ве предварительно составленной карты бизнес-процессов предприятия. В процес­се такого анализа выделяются функциональные цепочки по всем подразделениям предприятия и связываются в единую структуру, так чтобы были очевидными все причинно-следственные связи и факторы, и выделялись области неопределенно­сти, создающие риски. Фрагмент карты бизнес-процессов компании сотовой свя­зи представлен на рис. 8.1.

Управленческие процессы

Процессы развития и модернизации

Производственные процессы (биллинг)

При выявлении рисков довольно широко используется экспертный анализ, ко­торый предполагает привлечение специалистов по отдельным областям деятель­ности предприятия и систематизацию их экспертных суждений по возникнове­нию того или иного риска, по возможным последствиям реализации этого риска и частоте его возникновения.

Выявление сфер возникновения рисков и его параметров возможно и на осно­вании проведения анализа прошлых неудач предприятия и его аналогов. Компа­нии, использующие современные подходы к управлению и имеющие развитый риск-менеджмент, постоянно формируют базу данных по реализовавшимся ри­скам. Подобные базы данных оказываются особенно полезными, когда наступает момент дать количественные оценки рисков и их последствий.

Довольно широко, особенно при выявлении рисков стратегического характера, применяется сценарный подход. Он реализуется путем моделирования возмож­ных вариантов будущего развития событий, что позволяет не только выявить воз­можные риски, но и дать количественные оценки их параметров.

Полезным при выявлении рисков может оказаться и SWOT-анализ. SWOT- анализ — это метод определения сильных и слабых сторон, возможностей и угроз для компании, для подразделения, для конкретной ситуации или инвестиционно­го проекта. Он проводится обычно в группах специалистов, которые коллегиаль­но отвечают на ряд заранее сформулированных вопросов. Эти ответы позволяют выявить факторы, моменты, на которые следует обратить наибольшее внимание при реализации стратегии компании.

Возможно при выявлении рисков применение матричного анализа, который по­зволяет компании оценить, насколько хорошо ее товары, услуги и бизнес-единицы отвечают рыночным требованиям, и выявить связь между долей рынка, денежны­ми поступлениями и товарами и услугами, которые компания продает. Такой под­ход базируется на трех концепциях. Во-первых, на выявлении жизненного цикла товара (этапы появления товара на рынке, роста спроса на него, зрелости, спада и исчезновения).

В дальнейшем при проведении количественных оценок может применяться ме­тод имитационного моделирования Монте-Карло, который позволяет провести анализ чувствительности и тестирование влияния изменения различных факто­ров на результаты бизнес-процессов.

На основе анализа карты бизнес-процессов с помощью различных совокупно­стей перечисленных методов выявляются элементы рисков, определяются объек­ты, факторы риска, описываются последствия реализации риска, предварительно на качественном уровне оцениваются значимость и величина потерь и вероятность их возникновения. Вся полученная информация сводится в реестр рисков. При­мер такого реестра приведен в табл. 8.1.

Реестр рисков — результирующий документ процедуры выделения рисков, имеющий преимущественно качественный характер. Далее необходимо дать ко­личественные оценки рисков. Риск принято описывать с помощью двух параме­тров: последствия и вероятность.

Для измерения последствий применяются показатели, характеризующие фи­нансовые потери для предприятия, например такие, как убыток, потеря доли рынка, падение годового объема продаж, снижение стоимости акций, увели­чение срока реализации инвестиционного проекта и др. Вне зависимости от типа выбранного показателя он должен отражать возможные убытки в случае реализации риска.

Проявление риска имеет вероятностный характер, поэтому очень важно оце­нить степень вероятности реализации риска. В большинстве случаев для оценки вероятности риска используется качественная шкала: высокий, средний, низ­кий, или шкала с более детальными градациями. Но если имеется возможность собрать необходимые статистические данные, то вероятность может быть оцене­на и количественно с применением методов теории вероятностей и математиче­ской статистики.

По результатам качественной оценки риска строится карта риска. Пример та­кой карты приведен на рис. 8.2.

Карта риска, с одной стороны, позволяет сгруппировать риски по их значимо­сти и вероятности наступления, с другой — формирует общую картину рисков, которым подвержена деятельность компании.

При проведении количественной оценки величины последствий реализации риска используют прямые и косвенные способы. Прямые способы позволяют на­прямую оценить величину возможных потерь, а косвенные способы основаны на оценке различных сопутствующих величин. Рассмотрим косвенные методы оцен­ки риска. Среди них выделим следующие: спред доходности, коэффициент бета, дюрация, волатильность.

Рассмотрим измерение риска на основе спреда доходности. Показатель до­ходности, как было показано в предыдущих главах, позволяет оценить эффек­тивность вложения средств для инвестора и стоимость привлечения средств для реципиента капитала. Особенно широко показатель доходности применяется на

рынке долговых инструментов. Применение теоремы Шарпа к процессу фор­мирования доходности или процентной ставки доказывает справедливость сле­дующей модели:

Котируемая процентная ставка = Безрисковая процентная ставка + + Инфляционная премия + Премия за риск невозврата + Премия за срок + + Премия за ликвидность + Премия за риск банкротства.

Поскольку все факторы, определяющие величину риска, можно разделить на глобальные (обусловленные общемировыми или страновыми тенденциями и дей­ствующие на все инструменты) и на локальные (обусловленные корпоративными особенностями, действующие только на конкретные инструменты), то рассмо­тренная выше модель котируемой процентной ставки подсказывает, как можно оценить риск, обусловленный локальными факторами. Для этого необходимо взять в качестве эталона инструмент, не обладающий локальным (корпоратив­ным) риском, и производить оценку разницы (спреда) доходности оцениваемого инструмента по сравнению с этим эталоном. Полученный спред будет характери­зовать величину премии за корпоративный (локальный) риск. Чем выше премия, тем выше риск конкретного объекта оценки.

Рис. 8.2.

5 — катастрофический)

Таким образом, премия за риск или спред доходности позволяет косвенным способом судить о величине риска без его прямого измерения. Оценки, основан­ные на спредах доходности, получили довольно широкое распространение. На их основе строятся специальные индексы, позволяющие оценить рискованность вло­жений в тот или иной инструмент. В качестве примера можно привести семейство

фондовых индексов EMBI+, рассчитываемых по доходностям еврооблигаций раз­вивающихся стран.¹

Значения этого индекса для РФ приведены на рис. 8.3.

Рис. 8.3. Индекс EMBI + Russia c начала 1998 г до конца 2009-го (по данным агентства Cbonds)2

Индекс EMBI+Russia рассчитывается путем вычитания из средневзвешенной доходности российских суверенных еврооблигаций доходности по облигациям Казначейства США. Это позволяет отделить страновой риск от общего (глобаль­ного) рыночного риска. По рис. 8.3 видим, что в период кризиса 2008-2009 гг. величина спреда для российских суверенных облигаций резко повысилась, что свидетельствовало о возросшем суверенном риске.

Применение бета-коэффициента для косвенной оценки риска основывается тоже на теории Шарпа. Бета-коэффициент, подобно показателю спреда доходно­сти, позволяет отделить локальный (корпоративный) риск от глобального, только делает это не в абсолютном виде, а в относительном (вспомним, что бета является угловым коэффициентом). Появление бета-коэффициента связано с особенно­стями рынка акций, где в качестве главного эталона используется усредненный показатель в виде фондового индекса. На рынке долевых инструментов теория построена на основе фондового индекса, поэтому для косвенного измерения вели­чины риска долевого инструмента удобнее использовать угловой коэффициент. Бета-коэффициент показывает, во сколько раз быстрее (медленнее) изменяется доходность оцениваемого инструмента по сравнению с фондовым индексом. Дру-

EMBI+ (Emerging Markets Bond Index Plus) — семейство индексов, рассчитываемое инве­стиционным банком JPMorgan. Используются для косвенного измерения странового ри­ска для суверенных еврооблигаций, выпущенных правительствами развивающихся стран. По российским суверенным еврооблигациям рассчитывается индекс EMBI+Russia.

гими словами, бета-коэффициент характеризует чувствительность доходности инструмента к глобальному риску.

Показатель дюрации тоже косвенным способом характеризует величину риска при работе с разнообразными инструментами долгового характера. Важно осозна­вать, что показатель дюрации описывает временную составляющую риска и по­зволяет оценить, как скоро действия на рынке долговых инструментов приведут к точке безубыточности. Если проводить параллель с инвестиционными действия­ми в области реальных активов, то показатель дюрации можно считать некоторым аналогом срока окупаемости инвестиционного проекта.

Волатильность — это показатель, характеризующий тенденцию изменчиво­сти во времени для рыночной цены, доходности или любой другой финансовой величины.^[60]

Волатильность оценивается количественно. Для этого применяется множество мер. Рассмотрим три из них: среднеквадратичное отклонение, простая скользящая средняя и экспоненциально взвешенная скользящая средняя.

Обозначим Р_{ значение изменяющегося во времени ценового показателя в мо­мент времени й Среднеквадратичное отклонение показателя Р, рассчитываемое стан­дартным способом, в данном случае является мерой его волатильности.

Мера волатильности в виде простой скользящей средней рассчитывается сле­дующим образом:

^И ^ тЬ ■ -^{х )2},

где SHV означает простую скользящую среднюю,^[61] Т — период, в течение которого произведены наблюдения случайной величины Р_{ (й = 0, ..., Т), а средние значения Х и X рассчитываются следующим образом:

Мера волатильности в виде экспоненциально взвешенной скользящей средней рассчитывается как:

ЕИУ = ^(1 -X). £ X'^-1- (X, -X)².

Здесь EHV означает экспоненциально взвешенную скользящую среднюю,^[62]X — коэффициент сглаживания. От значения коэффициента сглаживания зави­сит, как сильно будут влиять далеко отстоящие от момента расчета наблюдения. Обычно его значение принимается равным 0,94.

Все перечисленные меры волатильности имеют один и тот же смысл. Это не­который показатель, характеризующий отклонение оцениваемого показателя от некоторой средней величины или, другими словами, характеризующий величи­ну разброса значений оцениваемого показателя. Величина разброса косвенным образом характеризует риск, создаваемый колебанием значений оцениваемого показателя. Чем больше разброс, тем выше риск отклонения его значения от ожи­даемого.

Рассмотрим теперь прямые методы измерения риска. К прямым методам отно­сятся методы, позволяющие оценить величину потерь, возникающих при реали­зации риска. К ним относится семейство методов, основанных на концепции VaR.^[63]

Впервые концепция рисковой стоимости (VaR) стала использоваться крупны­ми банками в конце 1980-х — начале 1990-х гг. для измерения совокупного риска торгового портфеля. Принято считать, что идея VaR принадлежит Д. Везерстоу- ну, председателю совета директоров банка J. P. Morgan, который хотел каждый день в 16:15 получать отчет о максимальных потерях по всем торговым позици­ям в банке. Этот отчет должен был умещаться на одной странице и быть понятен совету директоров банка. Его форма была разработана в начале 1990-х гг., и он получил известность как «Отчет 415». В 1993 г. термин VaR впервые появился в докладе, подготовленном J. P. Morgan по заказу «Группы тридцати» (G30), не­коммерческой организации, объединяющей крупнейшие финансовые учрежде­ния США. В октябре 1994 г. банк J. P. Morgan разработал и опубликовал систему RiskMetrics™, на основе которой был разработан и программный пакет по вычис­лению VaR. Методика и программа быстро завоевали популярность среди финан­совых учреждений.^[64]

Распространению VaR среди нефинансовых корпораций способствовало решение американской Комиссии по ценным бумагам и биржам,^[65] принятое в 1997 г. В соответ­ствии с этим решением все компании, подотчетные SEC, обязаны были раскрывать информацию о рыночной стоимости используемых деривативов и финансовых ак­тивов, чувствительных к колебаниям финансовых рынков. В результате возникла потребность в создании корпоративной версии VaR, отражающей специфику ри­сков в нефинансовых корпорациях. В дальнейшем концепция VaR была рекомендо­вана к применению Базельским комитетом по банковскому надзору.

VaR — это выраженная в денежных единицах оценка величины потерь по за­данному показателю, которая не будет превышена в течение заданного периода времени с заданной вероятностью. Для расчета VaR используется следующая об­щая модель:

VaR =V(P) -a-R(P).

Здесь приняты обозначения: VaR — стоимостная оценка величины потерь; V(P) — оцениваемый стоимостной показатель (выручка, прибыль, денежный по­ток и др.), зависящий от фактора Р; Р — фактор, создающий риск (валютный курс, цена на товары или услуги, инфляция и др.); а — коэффициент, соответствующий конкретному доверительному интервалу; R(P) — показатель относительной во- латильности фактора Р.

Относительная волатильность в предположении, что случайная величина Р име­ет нормальное распределение, может быть вычислена так:

Е(Р) =-^СТ(Р>

AV (P)

где а(Р) — среднеквадратичное отклонение фактора Р за предыдущие Т временных периодов; AV(P) — среднее значение фактора Р за предыдущие Т временных пе­риодов.

Содержательная интерпретация величины VaR может быть следующей: VaR — это величина возможных потерь, которая в следующие Т временных периодов не бу­дет превышена по показателю V(P) с вероятностью, соответствующей доверитель­ному интервалу а.

На основе концепции VaR построены другие аналогичные показатели, пред­назначенные для оценки различных рисков компаний нефинансового сектора. К ним можно отнести показатели EaR, и CFaR.

EaR (Earning at Risk) — максимально возможный размер потерь по доходу (при­были) в рамках заданного временного горизонта с установленной вероятностью.

CFaR (Сash Flow at Risk) — максимально возможный размер потерь по денеж­ному потоку в рамках заданного временного горизонта с установленной вероят­ностью.

Вычисление этих показателей производится аналогично вычислению VaR, с той лишь разницей, что в качестве подверженной риску потерь величины в первом слу­чае выступает прибыль, а во втором — денежный поток.

Существует еще один, широко распространенный в современной практике как финансовых, так и нефинансовых компаний способ измерения риска, называе­мый стресс-тестингом. Стресс-тестинг — это анализ влияния экстремальных дви­жений рынка на различные стоимостные показатели, в том числе и показатели группы VaR. Стресс-тестинг применяется в основном для анализа рыночных ри­сков. При его проведении оцениваются реакции на различные варианты развития событий. Проведение стресс-тестирования было рекомендовано международны­ми финансовыми организациями в конце 1990-х гг. и стало регулярно проводить­ся в начале XXI в.

Стресс-тестирование может проводиться как для отдельной компании, так и в агрегированном варианте. Так, в период кризиса 2008-2009 гг. стресс-тестирование проводилось на регулярной основе не только в отдельных компаниях, но и для оценки рисков банковской системы США.

Существуют две группы подходов к проведению стресс-тестирования. Первая группа — однофакторные стресс-тесты. В этом случае в качестве неопределенного фактора, создающего риск, рассматривается один фактор. Однофакторные стресс- тесты достаточно давно используются в практике управления рисками предприя­тий и финансовых компаний. Они известны как методы оценки чувствительности.

Российские предприятия довольно широко применяют анализ чувствительности при оценке инвестиционных проектов, в финансовом менеджменте, например при проведении факторного анализа прибыли.

Вторая группа подходов к стресс-тестированию основана на многофакторных моделях или анализе сценариев. В таких моделях присутствует более одного фак­тора, создающего риски. В этом случае применяется множество вариантов стресс- тестовых сценариев. Возможно рассмотрение так называемых исторических сце­нариев, которые соответствуют реальным ситуациям, возникавшим в прошлом. Применяются и гипотетические сценарии, под которыми понимается искусствен­но сформированная ситуация. Очень популярны так называемые наихудшие сце­нарии, которые соответствуют наихудшему варианту развития событий. Иногда применяются варианты формирования сценариев, основанных на применении методов Монте-Карло.