В статье рассматривается возможность использования метода управления по слабым сигналам для целей превентивного антикризисного управления и диагностики финансового состояния коммерческого банка.
Ключевые слова: диагностика финансового состояния, управление по слабым сигналам, коммерческий банк, превентивное антикризисное управление.
Ошибки в управлении рисками коммерческого банка влекут за собой значительные потери кредиторов этой кредитной организации, что в свою очередь, генерирует волну неплатежей в экономике, возникновение финансовых потерь за счет сокращения коммерческого и банковского кредита, массовых изъятий вкладов [1]. Исследователи отмечают корреляцию последствий банковского кризиса в разных по уровню развития экономиках — страны с развитой экономикой, как правило, несут бОльшие потери в сравнении со странами с развивающейся экономикой [2]. Это одна из главных причин, по которой банковские кризисы являются объектом регулирования [3].
Принято различать превентивное и реактивное антикризисное управление. В рамках настоящей статьи мы сконцентрируемся на некоторых аспектах превентивного антикризисного управления, основанного на прогнозировании вероятностей возникновения кризисных ситуаций, опасностей и обеспечения готовности коммерческого банка к таковым кризисным ситуациям. При наличии сбалансированной системы мониторинга потенциальных угроз предотвращение кризиса является значительно менее затратным вариантом по сравнению с устранением наступивших последствий этого кризиса.
Любой вид банковских рисков, будь то невозврат кредитов, потери из-за курсовых разниц и снижения стоимости ценных бумах, потери ликвидности из-за оттоков вкладов и другие, можно описать в терминах вероятности его возникновения. Таким образом величина вероятности наступления того или иного нежелательного события будет соответствовать величине потенциального риска.
Успешное кризисное управление банком в этих условиях будет напрямую зависеть от способности системы управления оценить риски и иметь достаточные резервы капитала или ликвидности для их покрытия. Решение данной задачи призваны обеспечить современные методики превентивной диагностики финансового состояния банков, такие как методика Кромонова или CAMELS. Например, генеральному коэффициенту надежности по методики Кромонова соответствует риск невозврата определенной доли рисковых активов, коэффициенту мгновенной ликвидности соответствует риск оттока определенной доли обязательств до востребования и т. д.
Одним из эффективных механизмов оценки и принятия решений на основе вероятностных величин является использование механизма управления по слабым сигналам. Огромное количество информационной энтропии приводит к искажению, неполноте и низкому вероятностному уровню получаемой информации, необходимой для использования в системе превентивной диагностики. Аналитикам все чаще приходится иметь дело с незавершенными по содержанию, недостаточно четкими и понятными сообщениями и данными, требующими адекватного распознавания, обработки и интерпретации. Речь идет о так называемых слабых сигналах, сигнализирующих о возникновении потенциальных явлений в среде функционирования коммерческого банка.
Качественная идентификация слабых сигналов, их дальнейшего развития относительно конкретных явлений и количественной оценки влияния идентифицированных событий по слабым сигналам на эффективность функционирования банка, позволяет значительно повысить уровень подготовки системы управления к возможным изменениям условий деятельности. В современных условиях особую актуальность приобретает формирование и использования метода идентификации и оценки слабых сигналов потенциальных явлений в деятельности коммерческого банка. С учетом перспективных разработок в области управления по слабым сигналам [4] метод перспективной диагностики слабых сигналов предлагается реализовывать по следующим этапам:
1) Мониторинг среды функционирования на предмет определения сигналов, характеризующихся вероятностным и незавершенным содержательным наполнением о возможном возникновении потенциальных явлений в среде функционирования коммерческого банка. На этом этапе реализуется процесс комплексного мониторинга внутренней и внешней среды банка с целью качественного распознавания и идентификации слабых сигналов потенциальных явлений. Слабые сигналы потенциальных явлений-это начальные признаки возможности угроз условий функционирования, которые на вероятностных принципах сообщают о возникновении потенциальных изменений и возможность их дальнейшего влияния на деятельность банка. При мониторинге среды необходимо учитывать, что слабые сигналы передают информацию лишь о возможности возникновения условий функционирования и источнике их возникновения, а потому нуждаются в дальнейшей обработке и интерпретации с целью формирования завершенного видения будущей ситуации [4].
2) Определение уровня энтропии зарегистрированных сигналов как определяющего параметра силы сигналов и приоритетное идентифицирование сигналов с энтропийными значениями как слабых сигналов потенциальных явлений. Результаты мониторинга среды функционирования на предмет определения слабых сигналов потенциальных явлений, полученных на предыдущем этапе на основе экспертных суждений и заключений, могут характеризоваться определенным уровнем субъективности, неточности, а потому требуют количественного обоснования. С этой целью необходимо определять уровень информационной энтропии для каждого зарегистрированного сигнала как предвестника возможного возникновения определенных изменений в деятельности банка. В зависимости от уровня информационной энтропии происходит отбор слабых сигналов.
3) Установление и обоснование слабого сигнала как начального признака возникновения изменений в среде функционирования банка. На основании полученных результатов выбирается конкретный слабый сигнал, характеризующийся самым высоким рейтингом (относительно уровня энтропии и/или уровня весомости), и идентифицируется как начальный признак вероятного возникновения потенциального явления в деятельности предприятия. На этом этапе необходимо тщательно исследовать и охарактеризовать слабый сигнал по таким признакам, как: источник возникновения слабого сигнала; наличие аналогов слабых сигналов и пути их развития в прошлых периодах наблюдения, наличие первопричин возникновения слабого сигнала и тому подобное.
4) Формирование и интерпретирование вероятностных траекторий развития слабого сигнала к альтернативным сильным сигналам, свидетельствующих о возникновении потенциальных явлений в деятельности предприятия на уровне установления логических причинно-следственных связей между событиями. Применения причинно-следственной связи позволяет учитывать логику развития событий (от слабого сигнала к сильным сигналам) посредством установления связи между одним событием, которое является причиной, и другим событием, являющимся его следствием. На этом этапе на основе характеристики слабого сигнала следует обоснованно продумать и последовательно сформулировать все альтернативные варианты его развития до сильных сигналов, сообщающих о возникновении возможности или угрозы в среде функционирования банка.
5) Определение всех возможностей и угроз, которые могут возникать по идентифицированным сигналами в деятельности банка. На основе установленных сильных сигналов, четко указывающих на возникновение определенного события, определяют все возможности, угрозы или состояния деятельности банка, влияющие на показатели диагностических методик.
6) Вероятностное оценивание влияния возможностей и угроз по слабым сигналам на ключевые показатели деятельности банка на принципах имитационного моделирования с использованием метода Монте-Карло. Наиболее адекватным решением проблемы оценки влияния потенциальных явлений, идентифицированных по слабым сигналам, на результативность деятельности банка является применение метода статистических испытаний, или метода Монте-Карло.
7) Формирование структурированных выводов по конечными потенциальными явлениями с позиции отражения вероятности их перспективного возникновения и количественного влияния на результативность определенного показателя оценки финансового состояния банка. По результатам диагностики слабых сигналов формируется обобщенный структурированный вывод, отражающий упорядоченное расположение конечных потенциальных явлений, идентифицированных по выходным слабым сигналам, по вероятности их возникновения. В конце целесообразно указать на конкретную конечную угрозу условий функционирования банка из дерева событий, соответствующую самому высокому уровню вероятности возникновения, и отобразить диапазон наиболее вероятных значений показателя результативности определенного диагностического коэффициента финансового состояния банка как следствие потенциального воздействия этого явления.
Предложенный метод перспективной диагностики слабых сигналов по параметрам оценки финансового состояния банка направлен на идентификацию, обработку и рейтинговое упорядочение слабых сигналов, интерпретирование дальнейшего развития приоритетных слабых сигналов применительно к конкретным явлениям и вероятностное оценивание влияния определенных событий по слабым сигналами на общую результативность, оценивающую уровень финансового состояния коммерческого банка. Реализация этого метода позволяет значительно повысить уровень системы диагностики банка на основе разработанных и внедренных мер по определению возможностей и угроз среды функционирования.
Литература:
1. Костянская М. Р. Ключевые подходы к управлению рисками и особенности банковского риск-менеджмента // Финансово-кредитные отношения и механизм их реализации: сборник статей Национальной научно-практической конференции (седьмое заседание) (1 июля 2019) / под ред. Е. Ф. Сысоевой. Воронеж: Научная книга, 2020. С. 115–120.
2. Musdholifah M., Hartono U., Wulandari Y. Banking Crisis Prediction: Emerging Crisis Determinants in Indonesian Banks // International Journal of Economics and Financial Issues, Econjournals, 2020. Vol. 10, no. 2. P. 124–131. DOI: 10.32479/ijefi.9113
3. Nakatani R. Macroprudential policy and the probability of a banking crisis // Journal of Policy Modeling, 2020. DOI: 10.1016/j.jpolmod.2020.05.007.
4. Руденский Р. А. Антисипативное управление сложными экономическими системами: модели, методы, инструменты: [монография] / Р. А. Руденский; [научн. ред. проф. Ю. Г. Лысенко]. — Донецк: Юго-Восток, 2009. — 257 с
