Прикладная эконометрика, 2009, №2 (14)
Покупка
Основная коллекция
Тематика:
Эконометрика
Издательство:
Синергия ПРЕСС
Наименование: Прикладная эконометрика
Год издания: 2009
Кол-во страниц: 144
Дополнительно
Тематика:
ББК:
УДК:
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА ^2 №2(14) 2009 БАНКИ А. А. Пересецкий Измерение компоненты внешней поддержки рейтингов агентства Moody's........3 МАКРОЭКОНОМИКА В. И. Малюгин, М. В. Демиденко, Д. Л. Калечиц, А. Ю. Миксюк, Т. В. Цукарев Разработка и применение эконометрических моделей для прогнозирования и анализа вариантов денежно-кредитной политики.......24 РЕГИОНЫ С. А. Мицек, Е. Б. Мицек Эконометрические и статистические оценки инвестиций в основной капитал в регионах России.....................................39 МЕНЕДЖМЕНТ Е. Д. Копнова, О. М. Розенталь Анализ эффективности водно-экологического менеджмента в условиях интенсивной антропогенной нагрузки............................47 ОБЩЕСТВО А. В. Захаров, Деан Фантаццини Экономические факторы в модели голосования: пример Нидерландов, Великобритании и Израиля.............................57 К. К. Фурманов Об измерении средней продолжительности безработицы по данным Российского мониторинга экономики и здоровья...................74 КОНСУЛЬТАЦИИ Деан Фантаццини Эконометрический анализ финансовых данных в задачах управления риском...100 НАУЧНАЯ ЖИЗНЬ Программа международной юбилейной сессии научного семинара «Многомерный статистический анализ и вероятностное моделирование реальных процессов».128 CONTENTS................................................................135 ABSTRACTS...............................................................136 СВЕДЕНИЯ ОБ АВТОРАХ.....................................................137 1 ф Читайте в номере
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14) 2009 ----
В 2006 году журнал «Прикладная эконометрика» включен в список периодических изданий ВАК, рекомендованных для публикации результатов диссертационных исследований.
Главный редактор
Айвазян Сергей Артемьевич — д-рфиз.-мат наук, профессор, заслуженный деятель наукиРоссии, академикАН Армении, заместитель директора Центрального экономико-математического института РАН (ЦЭМИ РАН), заведующий кафедрой эконометрики Московской финансово-промышленной академии (МФПА).
Заместитель главного редактора
Слуцкин Лев Наумович — Ph. D. по математике, научный сотрудник Института экономики РАН (ИЗ РАН).
Ответственный секретарь
Славова Виктория Валерьевна — канд. физ.-мат. наук, доцент МГУ.
Члены редколлегии
Бродский Б. Е.—д-рфиз.-мат. наук,заведующий Ситуационным центром ЦЗМИ РАН,профессор Государственногоуниверсите-та — Высшая школа экономики (ГУ ВШЭ).
Денисова И. А. — Ph. D. по экономике, ведущий экономист Центра экономических и финансовых исследований и разработок (ЦЭФИР), научный сотрудник ЦЭМИ РАН.
Елисеева И. И. — чл.-корр. РАН, заведующий кафедрой статистики и эконометрики Санкт-Петербургского университета экономики и финансов.
Ершов Э. Б. — канд. экон. наук, ординарный профессор ГУ ВШЭ.
Иванова C. C. — канд. экон. наук, главный специалиступравления исследований и бизнес-аналитики банка «Русский Стандарт». Канторович Г. Г. — проректор ГУ ВШЭ, профессор, заведующий кафедрой математической экономики и эконометрики ГУ ВШЭ. Карлеваро Фабрицио (Швейцария)—доктор наук, ординарный профессор кафедры эконометрики Женевскогоуниверситета. Макаров В. Л. — академик РАН, директор ЦЭМИ РАН, президент Российской экономической школы.
Максимов А. Г. — канд. физ.-мат. наук, первый заместитель директора Нижегородского филиала ГУ ВШЭ.
Мхитарян В. С. — д-р экон. наук, профессор, заведующий кафедрой прикладной статистики МФПА, заведующий кафедрой статистических методов ГУ ВШЭ.
Рубин Ю. Б. — д-р экон. наук, профессор, ректор МФПА.
Рудзкис Римантас (Литва) — доктор наук, заведующий отделом Института математики и информатики Литвы, профессор Каунасского университета.
Суслов В. И. — чл.-корр. РАН, д-р экон. наук, профессор, заместитель директора Института экономики и организации промышленного производства СО РАН.
Харин Ю. С. (Республика Беларусь) — чл.-корр. Национальной академии наук Беларуси, д-р физ.-мат. наук, профессор Белорусского государственного университета, заведующий кафедрой математического моделирования и анализа данных БГУ
2
Редакционная коллегия Ф
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14)2009
А. А. Пересецкий
Измерение компоненты внешней поддержки рейтингов агентства Moody’s
В статье представлен эконометрический анализ рейтингов банков агентства Moody's Investors Service. Согласно методологии агентства рейтинг долгосрочных банковских депозитов в иностранной валюте присваивается на основе рейтинга финансовой устойчивости банков с поправкой на «факторы внешней поддержки». Моделирование этих двух рейтингов позволяет строить модели (ненаблюдаемого) фактора внешней поддержки. Модели позволяют выяснить, какую часть информации, содержащейся в рейтингах, можно получить из публично доступной информации. Прогнозы, построенные по моделям, дают достаточно хорошее приближение рейтингов. Показано наличие особого подхода агентства Moody's к развивающимся странам, в частности, к России.
Введение
Ведущая роль в оценке кредитных рисков принадлежит трем крупнейшим международным рейтинговым агентствам: Moody's, Standard and Poor's и Fitch. Значение этих агентств особенно возрастает в связи с новым Базельским соглашением, которое предполагает наличие системы оценок кредитного риска партнеров банка.
Особенно велика роль этих рейтинговых агентств в развивающихся странах, поскольку в них отсутствует длительная история рыночной экономики и у экономических агентов нет достаточного опыта оценки рисков. Однако именно в этих странах лишь небольшое количество фирм имеют рейтинги международных рейтинговых агентств. Например, в конце 2007 г. только 120 из 1135 российских банков имели рейтинг хотя бы одного из трех рейтинговых агентств.
В данной работе построим модели банковских рейтингов агентства Moody's, которое занимает ведущее положение в рейтинговании российских банков и на конец 2007 г. присвоило рейтинги 84 российским банкам. Модели строятся на основе публично доступной информации, что позволяет выяснить, какую часть информации, содержащейся в рейтингах, можно получить на основе публично доступной информации и какая доля информации получена экспертами агентства при анализе конфиденциальной информации банка.
Поскольку для моделирования рейтингов российских банков невелики количество наблюдений и разброс рейтингов, мы строим модели рейтингов по международным данным (включая российские банки). Идея состоит в том, что, выбрав функциональную форму модели по международным данным, можно настроить ее на сравнительно небольшом наборе данных по российским банкам.
Согласно методологии агентства Moody's, введенной в 2007 г. (см. [Moody's (2007a, b)], [Карминский и др. (2008)]), рейтинг долгосрочных депозитов в иностранной валюте (РД) присваивается банку на основе рейтинга финансовой устойчивости банка (Bank Financial
3
ф Банки
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
Измерение компоненты внешней поддержки рейтингов агентства Moody's
№2(14) 2009 —
Strength Rating) —РФУБ с учетом размера и вероятности внешней поддержки (например, со стороны государства, промышленной или финансовой группы), а также риска обменного курса. Эта методология, сравнительно недавно введенная Moody's (чтобы сделать процесс присвоения рейтинга более прозрачным), называется JDA (Joint Default Analysis — анализ совместных дефолтов).
Построим эконометрические модели обоих рейтингов. Какова цель построения моделей по публичным данным? Подобные модели могут быть использованы для ответов на следующие вопросы:
• Насколько точно рейтинги могут быть приближены моделями, использующими только публично доступную информацию? Какова прогнозная сила моделей?
• Существует ли тенденция к ужесточению («деградация») рейтинговых оценок Moody's на самом деле?
• Верно ли, что Moody's использует особый подход к присвоению рейтингов банкам в развивающихся странах (в частности, в России)?
• Возможно ли построить модель ненаблюдаемого «фактора внешней поддержки», который Moody's принимает во внимание, присваивая РД? Какие финансовые индикаторы банков и макроэкономические факторы важны для фактора поддержки?
На практике подобные модели могут использоваться банками в рамках внедрения предложенного соглашением «Базель-2» внутреннего подхода к оценке риска (IRB approach). Также эконометрические дистанционные модели рейтингов могут использоваться органами банковского надзора (в России — ЦБ РФ) как часть систем раннего предупреждения (Early Warning System — EWS), особенно в развивающихся странах, в которых органы надзора еще не имеют достаточного опыта, а большинство банков не имеет рейтингов.
Существует обширная литература по эконометрическому моделированию рейтингов. Работа [Altman, Saunders (1998)] содержит обзор подходов к моделированию кредитных рисков. В фундаментальной работе [Altman, Rijken (2004)] модели рейтингов используются для прояснения наблюдаемой стабильности рейтингов, которую рейтинговые агентства декларируют как методологию, ориентированную на среднесрочную (5-7 лет) перспективу (through the cycle methodology). Авторы работы [Blume et al. (1998)], используя модели рейтингов, приходят к выводу о «деградации» рейтингов, т.е. в рамках построенной модели показано, что рейтинговые стандарты становятся более строгими. В то же время в работе [Amato, Furfine (2004)] была предложена другая интерпретация полученных результатов, состоящая в том, что происходят системные изменения в мерах риска, связанные с развитием экономики и банковской системы.
В работе [Карминский, Пересецкий (2007)] были построены эконометрические модели рейтинга долгосрочных депозитов (РД), в которых использовались как финансовые индикаторы банков, так и макроэкономические переменные. Рейтинг финансовой устойчивости банка (РФУБ) выражает мнение агентства Moody's о надежности банка, взятого отдельно, без учета внешних факторов¹. Присвоение банку РФУБ является первым шагом в рейтинговом процессе. РФУБ не принимает во внимание вероятность того, что банк в случае кризиса может получить внешнюю поддержку.Также не принимаются во внимание внешние риски, свя
¹ Автор благодарен М. Ю. Матовникову (генеральный директор компании «Интерфакс Бизнес Сервис»),указавшему, что РФУБ должен лучше поддаваться эконометрическому моделированию, чем РД, поскольку содержит меньше неформализуемых факторов.
4 >
Банки Ф
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14)2009
занные с действиями правительства, которые могут повлиять на способность банка выполнять свои обязательства перед внутренними или внешними кредиторами. РД является мнением агентства о кредитном риске и включает как РФУБ, так и мнение экспертов Moody's о различных возможностях внешней поддержки. Работа [Карминский и др., (2008)] посвящена моделям РФУБ.
В данной статье модели, построенные по методологии, аналогичной работам [Карминский, Пересецкий (2007)] и [Карминский и др. (2008)], используются для изучения того, какая публично доступная информация значима для прогноза «фактора внешней поддержки» банка.
А. А. Пересецкий
1. Данные
Набор данных состоит из финансовых показателей банков 42 развитых (DEV = 0) и развивающихся (DEV = 1) стран за 2002-2005 гг. Рейтинги Moody's этих банков известны за 20032006 гг. соответственно. Всего имеется около 1000 наблюдений примерно за 380 банками. На рис. 1 представлено распределение банков, имеющих РФУБ, в выборке по регионам. Это распределение схоже с распределением всех банков в мире, за исключением того, что банки Северной Америки не представлены в выборке.
Количество наблюдений
Распределение банков из выборки, имеющих РФУБ, по рейтинговым градациям представлено на рис. 2. Две моды распределения объясняются неоднородностью развития стран. Большинство банков в развитых странах имеют высокие значения рейтинга, для таких банков сомнительна выгода от публикации низкого рейтинга. Напротив, в развивающихся странах наличие любого рейтинга от международного рейтингового агентства является положительным сигналом рынку. Кроме того, в связи с тем что рейтинг банка не может превышать рейтинг страны, большинство банков развивающихся стран имеют рейтинг не выше D+.
В табл. 1 показано соответствие между градациями РФУБ (от E до A) и РД (от B3 до Aaa) по всем банкам на январь 2007 г. Каждая клетка таблицы содержит число, равное количеству банков, имеющих соответствующую пару рейтинговых градаций. Большая часть банков сосредоточена вокруг диагонали, это соответствует тому, что РД определяется на основе РФУБ. Многие банки, особенно с невысокими рейтингами, расположены над диагональю. Это соответствует тому, что при присвоении им РФУБ были учтены факторы внешней поддержки. Возможно, такие банки представляют развивающиеся страны.
ф Банки
5
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14)2009
Количество наблюдений
Рис. 2. Распределение банков из набора данных по градациям РФУБ
Совместное распределение РФУБ и РД
Измерение компоненты внешней поддержки рейтингов агентства Moody's
Таблица 1
РД РФУБ A A- B+ B B- C+ C C- D+ D D- E+ E
Aaa 6 1 1 2 3 2 1 1
Aa1 8 2 4 2 3 3 2 1
Aa2 28 16 2 2 6 2 1 1
Aa3 2 48 18 15 11 9 8
A1 36 15 13 11 16 1 1
A2 2 83 23 19 16 6 7
A3 1 72 15 17 10 10 2
Baal 1 4 24 13 6 5 1
Baa2 18 10 14 12 11
Baa3 8 5 4 3 1
Ba1 3 5 6 2
Ba2 4 4 11 6 6
Ba3 1 2 2 9 3 24 10 1
B1 1 9 7 5 26 3
B2 1 2 39 3
B3 1 3 16
6
Банки Ф
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
- №2(14) 2009
Чтобы оценивать модели, рейтинговым градациям были присвоены числовые значения от 12 до 0 для РФУБ и от 15 до 0 для РД. Ноль соответствует самой высокой градации рейтинга.
Финансовые показатели банков, содержащиеся в наборе данных, их описательные статистики и корреляции приведены в табл. 5-7. Финансовые показатели сгруппированы в табл. 6 в соответствии с методологией Moody's [Moody's (2007a)]. Основными группами показателей являются: размер банка, достаточность капитала, рентабельность, эффективность, качество активов. Внутри каждой группы показатели высококоррелированны, поэтому в модели включается, как правило, один показатель из группы.
Кроме финансовых показателей банка, в модели включаются также следующие регрессоры:
• фиктивные переменные — индикаторы принадлежности банка развивающимся странам (DEV = 1) и России (RUS = 1);
• фиктивные переменные D03 — D05 — индикаторы того, что наблюдения финансовых показателей принадлежат к 2003-2005 гг. соответственно;
• индекс коррупции страны (Corruption Perceptions Index)² — TI CPI, поданным международного агентства Transparency International, 2007. Малые значения индекса соответствуют высокому уровню коррупции;
• индекс волатильности экономического роста страны, которой принадлежит банк, — VOLAT, он принимает значения от 1 до 5. Индекс рассчитан по методологии Moody's по стандартному отклонению номинального годового прироста ВВП страны за последние 20лет.
2. Модели
Поскольку рейтинг является качественной ординальной переменной, естественно использовать модель упорядоченного выбора (ordered logit). Впервые такая эконометрическая модель применялась для моделирования рейтингов в работе [Kaplan, Urwitz (1979)].
Кратко опишем модель упорядоченного выбора ordered logit (см., например, [Магнус и др. (2007)]. Пусть есть порядковая зависимая переменная yₜ, принимающая значения 0,1, ..., к (в нашем случае — численные значения рейтинговых градаций). Пусть есть также ненаблюдаемая (латентная) переменная у*, удовлетворяющая уравнению
у i = xi р + е i, ⁽¹⁾
где xi — вектор значений регрессоров, соответствующих объекту i.
Все ошибки еi независимы, имеют нулевое математическое ожидание и функцию распределения F(z). Пусть у ₜ зависит от у * следующим образом:
'у $ = 0, если у* < c0,
-yi= r ,если Cr -< у¹* < Cr, 1< r < к, (2)
_у = к, если у* > Ск-1.
А. А. Пересецкий
² Transparency International. Corruption Perceptions Index, 2007. URL: http://www.transparency.org/policy_research/ surveys_indices/cpi/2007
ф Банки
7
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14)2009
Предполагая, что выполняется (1), получаем:
P(Yi= 0) = F(cо -x’ₜ$),
P(Yi = r) = F(Cr-i -x'ₜ$)-F(Cr -x'ₜ$), 1<r <k, P (Yi= k) = 1-F (Ck-i- xjp).
(3)
Если £/ имеет логистическое распределение, модель (1)—(3) называется моделью упорядоченного выбора. Оценивание параметров модели, вектора р и набора пороговых значений (c₀, ..., cₖ₋₁) проводится методом максимума правдоподобия.
Выбираем один и тот же набор объясняющих переменных для моделей двух рейтингов — РД, РФУБ — из финансовых показателей банка, фиктивных переменных по времени наблюдения и переменных, характеризующих страну. При выборе модели главными критериями являются экономическая интерпретируемость, а также статистические критерии: критерий Акаике, псевдо-R² и t-статистики коэффициентов. Конечно, используется также опыт моделирования рейтингов РД в [Карминский, Пересецкий (2007)] и РФУБ в [Карминский и др. (2008)]. В частности, взят временной лаг 18 месяцев между наблюдением финансовых показателей банка и наблюдением его рейтинга, указанный как оптимальный в работе [Карминский и др. (2008)].
В табл. 2 представлены результаты оценивания двух моделей для каждого рейтинга. Выбран один набор регрессоров для моделей двух рейтингов, поскольку далее эти модели используются для оценки фактора внешней поддержки. Финансовые показатели банков, включенные в модели, показывают лучшие результаты в рамках своей группы из табл. 6. Включать несколько показателей из одной группы нецелесообразно, так как они сильно коррелированы (табл. 7).
Измерение компоненты внешней поддержки рейтингов агентства Moody's
Таблица 2
Модели РД и РФУБ
Моделируемый рейтинг Модель 1 Модель 2 Модель 3 Модель 4
РД РД РФУБ РФУБ
Регрессоры Обозначение Абсолютная Квантильная Абсолютная Квантильная
шкала шкала шкала шкала
2003 г. D03 0,586*** 0,192 0,571*** 0,005
(0,153) (0,154) (0,158) (0,156)
2004 г. D04 0,660*** -0,011 0,869*** -0,059
(0,151) (0,145) (0,162) (0,151)
2005 г. D05 1,332*** 0,162 1,552*** 0,133
(0,320) (0,319) (0,321) (0,364)
Принадлежность DEV -0,078 -0,342 2,058*** 2,322***
к развивающимся странам (0,263) (0,277) (0,350) (0,312)
Принадлежность RUS 0,256 0,261 2,827*** 2,176***
к российским банкам (0,232) (0,208) (0,394) (0,341)
Волатильность VOLAT -0,036 0,059 -0,034 -0,014
экономического роста (0,074) (0,073) (0,068) (0,065)
8
Банки Ф
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
№2(14)2009
Окончание табл. 2
Моделируемый рейтинг Модель 1 Модель 2 Модель 3 Модель 4
РД РД РФУБ РФУБ
Регрессоры Обозначение Абсолютная Квантильная Абсолютная Квантильная
шкала шкала шкала шкала
Индекс коррупции TI CPI -0,588*** -0,647*** -0,610*** -0,598***
(0,045) (0,046) (0,047) (0,047)
Логарифм активов LTA -0,734*** -4,576*** -1,159*** -7,419***
(0,052) (0,412) (0,067) (0,418)
Средства клиентов/ D_EQ 0,144*** 3,094*** 0,103*** 1,419***
Собственный капитал (0,015) (0,295) (0,016) (0,329)
Собственный капитал/ EQ_TA 0,088*** 2,980*** 0,031 0,255
Активы (0,022) (0,455) (0,023) (0,473)
Просроченная PL_GL 0,012 0,596* 0,087*** 1,941***
задолженность/ (0,010) (0,313) (0,025) (0,336)
Вся задолженность
Расходы на персонал/ PE_OI 1,451** 0,019 4,737*** 1,159***
Операционный доход (0,615) (0,239) (0,910) (0,292)
Стоимость процентных CIBL 0,386*** 1,753*** 0,407*** 2,960***
обязательств, % (0,074) (0,622) (0,101) (0,788)
Рентабельность YAEA -0,035 -0,410 -0,119*** -1,657***
приносящих процентный (0,037) (0,518) (0,038) (0,639)
доход активов, %
Процентные расходы/ IE_II -0,0070 1,020** 0,0058 0,599
Процентные доходы (0,0058) (0,518) (0,0088) (0,590)
Псевдо-R2 0,254 0,242 0,385 0,367
А. А. Пересецкий
* Значимость на 10%-м уровне.
* * Значимость на 5%-м уровне.
* ** Значимость на 1%-м уровне.
Примечание. В скобках приведены стандартные ошибки.
Модели 1 и 2 являются моделями рейтинга депозитов РД. Модель 1 использует исходные финансовые показатели банков, модель 2 — квантильные шкалы для этих показателей. То есть вместо значения финансового показателя x в модели 2 используется доля банков в выборке данного года t со значениями показателя x меньшими, чем значение xᵢₜ для данного банка i. Таким образом в регрессиях в квантильных шкалах вместо xᵢₜ используется xᵢₜ = P(X < xᵢₜ | year = t). В этих регрессиях вместо абсолютных значений показателей используются их квантили, отражающие относительное положение банка в банковской системе поданному показателю в данный год.
ф Банки
9
ПРИКЛАДНАЯ ЭКОНОМЕТРИКА
Измерение компоненты внешней поддержки рейтингов агентства Moody's
№2(14) 2009 —
Модели 3 и 4 являются моделями рейтинга финансовой устойчивости РФУБ соответственно в абсолютных и квантильных шкалах.
Как и в работе [Карминский, Пересецкий (2007)], фиктивные переменные по времени оказались незначимы в квантильных регрессиях. Это означает, что, по-видимому, эффект «деградации» рейтингов отсутствует. В моделях 1 и 3 в абсолютных шкалах коэффициенты при фиктивных переменных по времени возрастают. Это означает, что банк с теми же абсолютными показателями получает, например, в 2005 г. рейтинг ниже, чем в 2002 г. Эти эффекты можно объяснить тем, что рейтинговое агентство обращает внимание скорее на относительное положение банка в банковской системе, а не на его абсолютные показатели. Например, банк, размер которого был большой в 2002 г., возможно, не будет казаться большим в 2005 г., если его размер останется тем же, а размеры остальных банков вырастут. Однако показатель качества подгонки модели, псевдо-R², выше в моделях 1 и 3 с абсолютными шкалами, чем в моделях 2 и 4 с квантильными шкалами, поэтому в дальнейшем используем модели в абсолютных шкалах.
Рассмотрим влияние различных факторов на рейтинги. Коэффициенты при размере банка (логарифм активов) отрицательные, это означает, что при прочих равных большие банки получают более высокие рейтинги. Банки с высокими значениями отношения средств клиентов к собственному капиталу получают более низкие рейтинги, поскольку берут на себя больший риск. Неэффективность (высокие расходы на персонал) снижает рейтинги. Высокая капитализация понижает рейтинг депозитов и незначима для РФУБ. Возможно, это связано с влиянием внешней поддержки.
При прочих равных, РФУБ ниже для банков развивающихся стран по сравнению с банками развитых стран и еще ниже для российских банков. Это означает, что при присвоении рейтинга финансовой устойчивости Moody's принимает во внимание политические и структурные риски. Влияние этих двух факторов (DEV, RUS) незначимо для рейтинга депозитов, очевидно, оно сглаживается факторами внешней поддержки, более ярко выраженной в развивающихся странах. Этот вывод согласуется с выводами работы [Somerville, Taffler (1995)], авторы которой, изучив Institutional Investor, страновой кредитный рейтинг, и частоту задержек выплат по внешнему долгу, пришли к выводу, что банкиры излишне пессимистичны относительно кредитоспособности менее развитых стран.
Банки стран с высоким уровнем коррупции получают более низкие рейтинги (напомним, что малые значения индекса TI CPI означают высокий уровень коррупции).
Качество подгонки модели — псевдо-R² — существенно выше для рейтинга финансовой устойчивости (0,36-0,38), чем для рейтинга депозитов (0,24-0,25). Это неудивительно, поскольку РД по построению включает больше экспертных мнений (например, «факторы внешней поддержки») и, следовательно, в меньшей степени может быть воспроизведен только по публичной информации, чем РФУБ, который является оценкой самого банка, без учета его окружения (stand alone) рейтингом.
3. Модели «факторов внешней поддержки банка»
Logit-модель упорядоченного выбора имеет следующий вид (см. формулу (1)):
,л = x 'ip + ei, (4)
P(rating i = r) = P(Cr-1 < y* < Cr),
10
Банки Ф