Данная формула позволяет определить, насколько изменится показатель Дпр при заданных изменениях показателей Сст и Снст.

Если полученное значение показателей ΔДпр умножить на запланированный объем кредитных ресурсов банка, то получим прогнозную величину объема просроченной задолженности банка.

При реализации данного подхода к определению прогнозного значения доли просроченной задолженности банка, на наш взгляд, необходимо учитывать следующие основные условия, в которых может оказаться банковское учреждение, осуществляющее кредитную деятельность. Во-первых, когда практически не изменяется объем кредитных ресурсов банка (Собщ=const). Во-вторых, когда уровень нестандартных кредитов либо стандартных на протяжении нескольких периодов остается на прежнем уровне.

На наш взгляд, Дпр должно принадлежать интервалу [0; 0,10], т.е. банк должен поставить перед собой задачу удержания просроченной задолженности до 10%.

Следует отметить, что у банка активно занимающегося кредитованием Дпр min не может равняться 0. Вместе с тем стремление к «нулевой отметке» вполне достижимое, т.е. Дпр min принадлежит интервалу [0; 0 + Δ]. Оптимальное значение Δ, на наш взгляд, от 3 до 5%.

Для кредитного работника, осуществляющего планирование кредитной деятельности банка, важно знать, какое изменение стандартных и нестандартных кредитов приведет к намеченному изменению показателя Дпр или как повлияет на последнее изменение стандартных кредитов, допустим, на 5%, а нестандартных - на 2%.

Чтобы определить зависимость изменения уровня совокупного кредитного риска от объема просроченной задолженность в кредитном портфеле банка необходимо построить функцию регрессии. Поскольку уровень просроченной кредитной задолженности непосредственно увеличивает кредитный портфельный риск банка и уровень просроченной задолженности практически не изменяется во времени, воспользуемся уравнением линейной регрессии. Линейная регрессия является инструментом статистического анализа, используемого для предсказания будущих значений по имеющимся данным. Данный метод предполагает построение линии тренда, которая показывает равновесное значение объема просроченной задолженности банка.

Пусть переменная у (риск кредитного портфеля) зависит от одной переменной х (объем просроченной задолженности). При этом предполагается, что переменная х принимает заданные фиксированные значения, а зависимая переменная у имеет случайный разброс из-за ошибок измерения, влияния неучтенных факторов и т.д. Каждому значению х соответствует некоторый закон распределения вероятностей случайной величины у. Формула линейной регрессии имеет следующий вид:

, (2.2.5)

где: у – уровень риска кредитного портфеля банка;

а – постоянный коэффициент регрессии;

b – переменный коэффициент регрессии;

х – доля просроченной задолженности.

Для определения параметров регрессии (коэффициентов регрессии) а и b воспользуемся методом наименьших квадратов. Для этого следует решить следующую систему уравнений:

(2.2.6)

(2.2.7)

Из данных уравнений можно вывести, что

(2.2.8)

(2.2.9)

где: хi – уровень просроченной задолженности в і-ом периоде;

уi – уровень риска кредитного портфеля банка в і-ом периоде;

n – количество периодов наблюдения, i = 1, n.

Подставив в полученное уравнение ожидаемый уровень просроченной задолженности можно определить прогнозное значение рискованности кредитного портфеля банка.

Таким образом, представленная регрессионная модель прогнозирования кредитного портфельного риска банка строится на прогнозе изменения объема просроченной ссудной задолженности. При определении законов изменения стандартных и нестандартных кредитов, а также удельного веса просроченной задолженности в кредитном портфеле банка с учетом изменения заемщиками качества обслуживания долга и их кредитного рейтинга использовали уравнение полного дифференциала функции. Использование предложенного подхода к прогнозированию риска кредитного портфеля позволяет также планировать структуру кредитного портфеля, что немаловажно при управлении ликвидностью банковского учреждения.

Прогнозирование и планирование уровня кредитного портфельного риска и доли просроченной задолженности осуществляется в долгосрочном и краткосрочном периоде, однако задачи, возникающие в каждом их них различны по уровню сложности, применяемому математическому аппарату и достигаемой точности решения. При прогнозировании на долгосрочную перспективу показатель доли просроченной задолженности является не линейной функцией. В краткосрочном периоде в ряде случаев удается осуществить более точный прогноз изменения уровня совокупного кредитного риска.