Класифікація підходів, моделей і методів діагностики банкрутства банків

Підстави відкликання ліцензій у російських банків

Станом на 1 липня 2015 р Росії діє 797 кредитних організацій. За період з 2006 по липень 2015 р ліцензії на здійснення банківської діяльності були відкликані у 403 кредитних організацій [1] . Відповідно до федерального закону № 395-1 «Про банки і банківську діяльність» від 02.12.1990 (далі - Закон № 395-1-ФЗ) повноваженнями відкликання ліцензій у кредитних організацій на здійснення банківських операцій наділений Банк Росії. Підстави, за яких Банк Росії або може, або повинен відкликати ліцензію у банку, представлені в статті 20 Закону № 395-1-ФЗ.

Малюнок 1. Підстави відкликання ліцензій у російських банків

У превалирующем більшості випадків причини відкликання ліцензій у російських банків за останні 10 років пов'язані з порушенням банківського законодавства, в тому числі в області легалізації доходів. Пік відгуків ліцензій, пов'язаних з порушенням Федерального закону від 07.08.2001 № 115-ФЗ «Про протидію легалізації (відмиванню) доходів, одержаних злочинним шляхом, і фінансуванню тероризму» (далі - Закон № 115-ФЗ) припадав на 2006, 2007 і 2014 роки. У 2006 році з 60 банків в 51-ом підстави для відкликання ліцензії були пов'язані з легалізацією доходів, в 2006 - з 49 випадків у 44-х, в 2014 - з 86 банків в 36-ти. Якщо подивитися на цифри, то можна відзначити, що порушення банківського законодавства та порушення вимог Закону № 115-ФЗ як підстава для відкликання ліцензії зустрічається набагато частіше, ніж втрата поточної платоспроможності або недостатність капіталу (див. Малюнок 1).

У дослідженні Буздалін А. [2] (А. Буздалін, 2014 року) аналізувалася залежність ризиків банкрутства банків від загальної економічної ситуації в країні. І нього випливає, що частота відгуків ліцензій у банків починаючи з 2000 року має лінійну залежність з темпами зростання ВВП. Скорочення темпів зростання ВВП на 1 п. П. В середньому тягне зростання ймовірності банкрутств банків на 0,25 п. П. Виділено два періоди, в яких спостерігалася деяка тимчасова неузгодженість: це в 2007 і 2011-2012 рр. У першому випадку криза ще не торкнулася реальний сектор економіки, але банківський сектор, залежний від іноземного фондування, вже почав відчувати фінансові труднощі. Після кризи 2008 року спостерігалася зворотна ситуація, коли Банк Росії штучно стримував відгуки ліцензій у банків. В результаті накопичилася велика кількість проблемних банків, що спричинило підвищену частоту банківських банкрутств починаючи з кінця 2013 року. В цей час регулятор взяв курс на очищення банківського ринку від недобросовісних гравців і поки зупинятися не збирається. Значна частина відгуків ліцензій стала підсумком накопичених у кредитних організацій фінансових проблем. Банки, перебуваючи в точці вибору між ринковими антикризовими стратегіями і кримінальними, найчастіше вибирають останні, що призводить до втрати капіталу і недостовірності звітності. Ці фактори необхідно враховувати при виборі адекватних моделей прогнозування банкрутства банків.

Підходи до раннього виявлення проблемних банків

Розгляд безпосередньо моделей і методів прогнозування банкрутства банків доцільно починати з аналізу загальних підходів. Такі підходи були сформульовані в дослідженні Sahajwala R., Bergh P. [3] (R. Sahajwala, P. Van den Bergh, 2000), яке присвячене системам оцінки ризиків та раннього попередження банкрутства банків, які використовуються органами банківського нагляду різних країн. У цьому документі сказано, що проблемні банки можуть бути виявлені або за допомогою методів, які використовують в основному кількісну інформацію, або в результаті оцінки, проведеної наглядовими органами. Перша група методів по своїй суті є методами дистанційного аналізу, друга - з використанням виїзних перевірок, які в більшості випадків доступні тільки регуляторам фінансового ринку. На практиці більшість органів банківського нагляду, в тому числі і Банк Росії, використовують комбінацію різних якісних і кількісних методів, і виставляють свої рейтинги як за результатами дистанційного аналізу, так і актів перевірок на місцях.

У дослідженні Sahajwala R., Bergh P. [4] механізми раннього виявлення проблемних банків розділені на чотири категорії:

Малюнок 2. Підходи до раннього виявлення проблемних банків

1. Аналіз фінансової звітності використовує традиційні методи горизонтального, вертикального, коефіцієнтного і порівняльного аналізу, включає порівняння фінансових показників окремих банків з показниками групи аналогічних банків і вивчення тенденцій у змінах показників. Якщо певні коефіцієнти виходять за попередньо встановлений критичний рівень, банку виносяться приписи і попередження.

2. Системи раннього попередження (EWS) ґрунтуються на застосуванні різних статистичних моделей оцінки ризику банкрутства. У них на підставі емпіричних даних робиться спроба оцінити ймовірність банкрутства або фінансових труднощів банку протягом фіксованого часового інтервалу, виходячи з поточного профілю ризиків банку [5] . Зазвичай статистичні моделі спрямовані на прогнозування майбутніх подій і своєчасне виявлення потенційних ризиків у проблемних банків. Основні недоліки цих моделей пов'язані з тим, що вони не здатні враховувати такі фактори, як ризик несумлінності, шахрайства і фальсифікації бухгалтерської звітності банку. Крім цього, в них не закладається оцінка інших якісних показників, наприклад, якості управління, механізмів внутрішнього контролю, систем управління ризиками, впливу чинників конкуренції і зовнішнього середовища.

3. Рейтингові системи наглядових органів (CAMELS, CAEL (США та ін.), PATROL (Італія) і ORAP (Франція) та ін.) Поєднують методи дистанційного аналізу і перевірок на місцях. Це дозволяє досягати структурованості і комплексності в проведенні дослідження, висновки робляться на підставі як кількісних, так і якісних показників. Контролюючими органами США рейтингові системи визнані найбільш ефективними серед усіх наявних підходів.

4. Комплексні системи оцінки банківських ризиків є механізми, розроблені для здійснення ризик-орієнтованого нагляду. Банк або банківську групу ділять на істотні господарські одиниці і кожну одиницю оцінюють на предмет всіх комерційних ризиків. Далі критеріям оцінки привласнюють бали, які узагальнюють на більш високому рівні, з тим щоб в результаті отримати результуючий показник по банку.

В рамках кожного підходу до раннього виявлення проблемних банків використовується комплекс методів і моделей, які будуть розглянуті нижче по тексту. Ті з них, які засновані тільки на показниках, розрахованих на базі даних фінансової звітності банків, не можуть давати точний прогноз. Достовірність звітності російських банків знаходиться на дуже низькому рівні. Частка кримінальних банкрутств варіюється в районі 80% - це банки, активи яких були свідомо виведені [6] . Виведення активів з банків завжди супроводжується заміщенням реальних активів на технічні активи, що призводить до недостовірності звітних даних. У більшості банків-банкрутів, де встановлений кримінальний характер банкрутства, фактична вартість активів становить менше 10% їх балансової вартості [7] . Тому будь-який аналіз, зроблений на недостовірних даних, нехай навіть і з використанням найсучасніших моделей, не матиме практичного значення.

Класифікація моделей діагностики банкрутства банків

Розробки й аналізу моделей прогнозування банкрутства присвячено безліч праць як російських, так і зарубіжних вчених. Найбільш повне узагальнення методів і моделей оцінки кредитних ризиків банків, в тому числі і раннього попередження банкрутства, можна знайти в дослідженні Bluhm C., Overbeck, L, Wagner, C. [8] . Докладний аналіз рейтингових моделей, що застосовуються наглядовими органами різних держав, наведено в Sahajwala R., Bergh P. [9] . В роботі Пугановской Т.І., Галямін А.В. (Пугановская, Галямін, 2008) аналізуються зарубіжні дослідження в області моделювання банкрутства компаній, представлені дані про моделі та їхніх авторів за період з 1968 по 2006 рік, дано огляд досліджень, які порівнюють ефективність методів, виділені істотні проблеми застосування класичних статистичних методів, наведені альтернативні методи моделювання банкрутства. У дисертації (Кошелюк, 2008) проведено аналіз емпіричних досліджень з оцінки надійності російських банків. Докладний аналіз моделей ймовірності дефолту з виділенням сильних і слабких сторін кожної з класифікаційних груп представлений в роботі Тотьмяніної К.М. (Тотьмяніна, 2011). На думку автора, моделі оцінки ймовірності дефолту можуть відрізнятися в залежності від використовуваного математичного апарату; вихідних даних або класів позичальників; критерію дефолту, що лежить в основі; передумов, на яких модель ґрунтується, і інших ознак.

Серед російських вчених, впритул займаються моделюванням банкрутства банків, слід виділити групу вчених з ГУ ВШЕ і РЕШ. У дослідженні Персецкого А.А. [10] розглянуті основні підходи до економетричного моделювання надійності банків на основі публічно доступної інформації, проведено аналіз причин відкликання ліцензії та впливу як макроекономічних, так і мікроекономічних чинників на відкликання ліцензії за ринковими підставах і в зв'язку з порушенням Федерального закону № 115-ФЗ. За підсумками роботи зроблені висновки про те, що застосування моделей множинного вибору з трьома наслідками (ліцензія не відкликана, відкликана за ринковими обставинами, відкликана у зв'язку з «відмиванням грошей») не підвищує точність прогнозу відкликання ліцензії, в порівнянні з застосуванням моделей бінарного вибору. У дослідженні Кармінського А.М., Кострова А.В., Мурзенкова Т.Н. [11] проведена оцінка впливу макроекономічних та інституційних чинників, а також фактора часу на ймовірність дефолту банку. Проаналізовано ефективність отриманої в ході дослідження моделі ймовірності дефолту (для розрахунку була використана logit-модель) в порівнянні з альтернативними моделями (використання панельних даних, Z-індексу, нейронної мережі, а також деяких ін.), Застосування яких в результаті не привело до істотного поліпшенню моделі.

Значне відображення в працях російських вчених отримала тема використання зовнішніх і внутрішніх рейтингів для аналізу кредитних ризиків банків. На засіданні Експертної-аналітичної ради АСВ Кармінський А.М. [12] була сформульована концепція єдиного рейтингового простору, позначені основні обмеження, які стримують ефективність рейтингової діяльності, представлені перспективи використання економетричних моделей для статистичного прогнозування рейтингів і моделювання ризиків банкрутства банків. На думку автора, такі моделі можуть застосовуватися в системах раннього попередження банкрутства банків для цілей нагляду і моніторингу фінансової стійкості системи, при IRB-підходу в системі внутрішніх рейтингів, рекомендованої Базель II і Базель III, для побудови моделей ймовірності дефолту і скорингових моделей в роздрібному бізнесі . У тому ж документі можна знайти вичерпний перелік праць російських вчених в області створення економетричних моделей ймовірності дефолту і рейтингів, адаптованих до російських умов ведення бізнесу. Також хочеться відзначити роботу Василюк А. і ін. [13] , В якій наведено порівняння методологій російських і зарубіжних рейтингових агентств, дані різні визначення дефолту банків, виділені фактори, що визначають значення рейтингу:

- фактори середовища, в якому функціонує банк;

- внутрішні кількісні і якісні фактори, що визначають стійкість самого банку;

- фактори зовнішньої підтримки, з боку держави або власників.

Важливим в оцінці фінансової стійкості банків є методологічний підхід: чи використовує рейтингове агентство методологію through-the-cycle, коли оцінка носить довгостроковий характер (3-5 років) або методологію point-in-time, коли значення рейтингу відображає поточну кредитоспроможність банку. Російські агентства в основному використовують останню. У таблиці подано класифікацію моделей прогнозування банкрутства банків в залежності від різних критеріїв.

Традиційні та спеціальні методи діагностики банкрутства банків

Традиційні методи фінансового аналізу описані в будь-якому підручнику з фінансів. До них відносяться методи горизонтального, вертикального, коефіцієнтного, факторного, порівняльного аналізу, а також методи узагальнення результатів - коригування, зведення, угруповання, систематизація.

Необхідність використання спеціальних методів, як в дистанційному аналізі, так і проведенні перевірок регуляторами, пов'язана з високою часткою кримінальних банкрутств банків. Причинно-наслідкові зв'язки при шахрайстві в банках такі, що результатом протиправних дій контролюючих осіб банків завжди буде поява на балансі банку технічних активів і фальсифікація звітності.

Таблиця

Класифікація моделей прогнозування банкрутства банків

критерій класифікації

приклади

Підхід до аналізу

- дистанційний аналіз;

- перевірка на місцях.

використовуваний
в моделі математичний апарат

- класичні статистичні моделі (моделі одновимірного аналізу, моделі індексу ризику, моделі множинного дискримінантного аналізу, моделі логіт-аналізу, моделі пробитий-аналізу);

- альтернативні моделі (декомпозиційний аналіз, нейросетевой аналіз, теорія наближених множин, багатовимірне шкалювання, древо рішень, самоорганізуються карти, експертні системи, змішаний логит-аналіз, лінійне програмування, аналіз виживання і ін.).

Вихідні дані

- на основі історичних даних про банківські дефолти;

- на основі даних рейтингових агентств;

- шляхом опитування експертів;

- аналіз процентних ставок за депозитами фізичних осіб;

- оцінка технічної ефективності банків;

- аналіз ринкової інформації про котирування акцій або боргових зобов'язань банків;

- на основі макроекономічних показників.

клас позичальників

- скорингові моделі (для позичальників фізичних осіб).

підсумковий результат

- модель оцінює тільки ймовірність дефолту (probability of default, PD);

- модель показує рівень очікуваних втрат (expected loss, EL).

критерій дефолту

- несвоєчасна виплата процентних платежів і / або основного боргу, включаючи відкладені платежі, за якими передбачено пільговий період;

- банкрутство, призначення конкурсного керуючого, інші юридичні заборони на своєчасну виплату процентних платежів і суми основного боргу;

- примусовий обмін зобов'язань, при якому кредиторам пропонуються цінні папери з менш сприятливими структурними або економічними умовами в порівнянні з наявними зобов'язаннями або який явно спрямований на уникнення дефолту позичальника;

- перший випадок неплатежу по будь-яким з фінансових зобов'язань (виняток становлять процентні платежі, за якими передбачено пільговий період);

- підстави для відкликання ліцензії, пов'язані з втратою капіталу та поточної платоспроможності (Н1 менше 2%, капітал менший від статутного капіталу, банк не привів в термін у відповідність до вимог ЦБ РФ величину КК, банк не здатен відповідати за поточними зобов'язаннями);

- банк був схильний до санації.

горизонт планування

- методологія through - the - cycle (кредитний рейтинг являє собою оцінку фінансової стабільності банку в довгостроковому періоді 3-5 років);

- методологія point - in - time, (значення рейтингу відображає поточну кредитоспроможність).

Розробник моделі

- моделі рейтингових агентств (Standard & Poors, Moody 's, Fitch Ratings, Експерт РА, Національне рейтингове агентство, RusRating. І ін.);

- моделі регуляторів (CAMELS, CAEL (США та ін.), PATROL (Італія) і ORAP (Франція));

- моделі IT компаній (ІНЕК, Evabeta і ін.);

- інші моделі (методика В.С. Кромонова, турбо-аналіз М.А. Герасимової і ін.).

Про необходимость проведення тесту на фальсіфікацію звітності при дістанційному аналізі банків детально викладу в статті Буздалін А.В. [14] . Якась критична маса ознака недостовірності звітності может буті стоп-Показники для подальшої роботи з банком-контрагентом. Критерії «надмірності» ознака недостовірності звітності могут буті віроблені з використаних спеціальніх методів експертного АНАЛІЗУ, а такоже Шляхом использование, например, логіко-імовірнісніх методів [15] . Стоп-показником називають показник і / або факт виробничо-господарську діяльність аналізованого банку, виявлення якого в процесі аналізу свідчить про високий ступінь ризику проведення операцій з даним банком. Досить часто цей метод використовується для оцінки як діючих міжбанківських операцій, так і планованих. У більшості внутрішніх методик оцінки банків-контрагентів зазначено, що при виявленні стоп-показника за чинним міжбанківському ліміту аналітичним працівником повинна бути ініційовано призупинення ліміту на банк-контрагент.

І комерційні банки, і регулятор, проводячи дистанційний аналіз банків, використовують статистичні методи і методи багатовимірного аналізу для виявлення ознак фальсифікації звітності та знаходження аномальних «викидів». Для цього вводиться класифікація схемних операцій банків, і закладаються ознаки їх проведення, які можна побачити, виходячи зі зміни залишків і оборотів за рахунками другого порядку. За допомогою таких методів можна досліджувати кредитно-вексельні операції, ознаки маніпулювання прибутком, ознаки рефінансування проблемних або технічних позик, регулювання обов'язкових нормативів банків і т. Д. Найчастіше всю сукупність таких операцій називають «регулювальними» схемами. Підсумком такого аналізу може бути результуючий показник ймовірності використання банком регулювальних схем, сукупний показник ступеня довіри до банку або кількісна сума коригування ключових показників оцінки діяльності банку і обов'язкових нормативів.

Для вирішення завдання пошуку дисбалансів в звітності банків можуть використовуватися метод аналізу на підставі «ящічковой» діаграми Тьюки і цифровий аналіз на основі методу Бенфорда. Графік «ящик з вусами» (англ. Box-and-whiskers diagram or plot, box plot) був розроблений Джоном Тьюки в 1970-х роках. Цей метод являє собою швидкий спосіб вивчення одного або декількох наборів даних в графічному вигляді. Така діаграма показує медіану, нижній і верхній квартили, мінімальне і максимальне значення вибірки і викиди. Кілька таких ящиків можна намалювати пліч-о-пліч, щоб візуально порівнювати одне розподіл з іншим; їх можна розташовувати як горизонтально, так і вертикально. Відстані між різними частинами ящика дозволяють визначити ступінь розкиду (дисперсії) і асиметрії даних і виявити викиди [16] . Закон Бенфорда або закон першої цифри говорить про те, що в таблицях чисел, заснованих на реальних даних, цифра 1 на першому місці зустрічається набагато частіше, ніж всі інші (приблизно в 30% випадках). Такі методи аналізу забезпечує автоматизацію функції виявлення аномалій і ознак фальсифікації звітності банків.

Спеціальні методи аналізу при проведенні перевірок на місцях детально представлені в статті (Єгорова, 2012). Ці методи можуть бути розрахунково-аналітичними і документарними і відрізнятися, виходячи з видів проведеного аналізу (дистанційний аналіз звітності, аналіз операцій і угод, аналіз якості активів, документарний аналіз). Аналогічні методи використовуються при проведенні фінансово-економічних експертиз. Зведені дані про методи представлені на малюнку 3.

Малюнок 3. Спеціальні методи аналізу ознак банкрутства банків

Цікавим видається підхід турбо-аналізу [17] , Спрямований на вивчення причин виникнення невизначеності (турбулентності) в бізнес-процесах банків. При побудові аналітичної моделі поточної оцінки фінансової стійкості застосований підхід до діагностики фінансової стійкості через систему рівнянь. При побудові аналітичної моделі прогнозної оцінки - метод експертних оцінок в додатку до математичного опису комплементарної взаємозв'язку показників фінансової стійкості. Для отримання кількісної оцінки для кожного показника системи встановлюється интервальное значення, де нижня межа відображає нестійкий фінансовий стан, а верхня - стійке. У підсумку на базі 24-х показників фінансової стійкості банку розраховується інтегральний показник, значення якого прагне до мінімуму у банку з високим ступенем фінансової стійкості. Метод турбо-аналізу цікавий саме з позиції раннього попередження неспроможності банків. Економічні системи в турбо-аналізі розглядаються як природні, схильні до самоорганізації, і, застосовуючи до них теорію турбулентності, аналітик може виявити приховані дестабілізуючі процеси, а також намітити шляхи подолання кризових явищ ще до появи їх явних ознак.

Узагальнена інформація про методи діагностики банкрутства банків представлена на малюнку 4.

Малюнок 4. Методи діагностики банкрутства банків

Висновок

Велика частина банкрутств російських банків носить кримінальний характер. Тому в діагностиці банкрутства банків до тих пір, поки з ринку не підуть недобросовісні гравці, значна увага слід приділяти спеціальним розрахунково-аналітичним та документарних методів аналізу, а також моделям, що дозволяє враховувати нефінансові фактори і НЕ-фактори, такі як неповнота, неточність, невизначеність , некоректність, нечіткість і ін.

Дуже важливо розвивати такий напрямок, як тестування бізнес-моделі банку, так як саме неефективні схеми бізнесу поступово з'їдають капітали банків і сприяють переходу банків на неринкові (кримінальні) стратегії ведення бізнесу.

[1] Про ліквідацію кредитних організацій (за станом на 01.01.2015) (2015). Режим доступу: http://www.cbr.ru/credit/likvidbase/information_01012015.pdf

[2] Буздалін, А. (2014 року, 24 липня). Ризики банкрутств російських банків недооцінені приблизно в три рази . Режим доступу: http: // bosfera .ru / bo / riski -bankrotstv -rossiyskih -bankov

[3] Sahajwala, R., Van den Bergh, P. (2000). Supervisory Risk Assessment and Early Warning Systems (BCBS Working Paper № 4). Retrieved from: http://www.bis.org/publ/bcbs_wp4.pdf

[4] Sahajwala, R., Van den Bergh, P. (2000). Supervisory Risk Assessment and Early Warning Systems (BCBS Working Paper № 4). Retrieved from: http://www.bis.org/publ/bcbs_wp4.pdf

[5] Supervisory Guidance on Dealing with Weak Banks: Report of the Task Force on Dealing with Weak Banks (2002). Retrieved from: http://www.fsb.org/wp-content/uploads/r_0203a.pdf

[6] Тегин, М. (2014 року). «80% банкрутств банків носять повністю кримінальний або навколокримінальних характер» - інтерв'ю генерального директора АСВ Юрія Ісаєва агентству «Банкі.ру» . Режим доступу: http://www.asv.org.ru/agency/appearance/322554/

[7] Зубова, Е. (2014 року). «Зачистка банків: як згоріли вклади у мільйони росіян» - інтерв'ю першого заступника генерального директора АСВ Валерія Мірошникова журналу Forbes . Режим доступу: http://www.asv.org.ru/agency/appearance/326141/

[8] Bluhm C., Overbeck, L, Wagner, C. (2010). An introduction to credit risk modeling (2nd ed.). Boca Raton: CRC Press.

[9] Sahajwala, R., Van den Bergh, P. (2000). Supervisory Risk Assessment and Early Warning Systems (BCBS Working Paper № 4). Retrieved from: http://www.bis.org/publ/bcbs_wp4.pdf

[10] Пересецького, А.А.. (2010). Моделі причин відкликання ліцензій російських банків (Препринт # WP / 2010/085). М .: Російська економічна школа.

[11] Кармінський, А.М., Костров, А.В., Мурзенко, Т.Н. (2012). Моделювання ймовірності дефолту російських банків з використанням економетричних методів (Препринт WP7 / 2012/04). М .: ІД Вищої школи економіки.

[12] Кармінський, А.М. (2011). Використання інформації незалежних рейтингових агентств для аналізу ризиків банків - учасників системи страхування вкладів [Доповідь]. Режим доступу: https://www.asv.org.ru/upload/medialibrary/74b/110926.doc

[13] Василюк, А., Кармінський, А., Сосюрко, В. (2011). Система моделей рейтингів банків в інтересах IRB-підходу: порівняльний і динамічний аналіз (Препринт WP7 / 2011/07). М .: ІД Вищої школи економіки.

[14] Буздалін, А.В. (2004). Секрети дистанційного аналізу банку . Бізнес і банки, 36. Режим доступу: http://www.buzdalin.ru/text/Distans.pdf

[15] Соложенцев, Е.Д. (2006). Сценарне логіко-імовірнісний управління в бізнесі і техніці
(2-е изд., Испр. І доп.). СПб: Бізнес-преса.

[16] Ящик з вусами . Режим доступу: https://ru.wikipedia.org/wiki/Ящик_с_усами .

[17] Герасимова, Е. Б. (2010). Турбо-аналіз банку . М .: Форум.

Буздалін, А.В. (2004). Секрети дистанційного аналізу банку. Бізнес і банки, 36. Режим доступу: http://www.buzdalin.ru/text/Distans.pdf
Василюк, А., Кармінський, А., Сосюрко, В. (2011). Система моделей рейтингів банків в інтересах IRB-підходу: порівняльний і динамічний аналіз (Препринт WP7 / 2011/07). М .: ІД Вищої школи економіки.
Герасимова, Е. Б. (2010). Турбо-аналіз банку. М .: Форум.
Єгорова, О.Ю. (2012). Спеціальні методи виявлення обставин банкрутства банків. Гроші і кредит, 7, 57-60.
Кармінський, А.М. (2011). Використання інформації незалежних рейтингових агентств для аналізу ризиків банків - учасників системи страхування вкладів [Доповідь]. Режим доступу: https://www.asv.org.ru/upload/medialibrary/74b/110926.doc
Кармінський, А.М., Костров, А.В., Мурзенко, Т.Н. (2012). Моделювання ймовірності дефолту російських банків з використанням економетричних методів (Препринт WP7 / 2012/04). М .: ІД Вищої школи економіки.
Кошелюк, Ю.М. (2008). Формування рейтингів для російських банків (дис. ... к.е.н .: 08.00.10). Москва.
Пересецького, А.А. (2010). Моделі причин відкликання ліцензій російських банків (Препринт # WP / 2010/085). М .: Російська економічна школа.
Пугановская, Т.І., Галямін, А.В. (2008). Аналіз зарубіжних досліджень в області моделювання банкрутства компанії. Проблеми регіональної економіки, 3, 46-61.
Соложенцев, Е.Д. (2006). Сценарне логіко-імовірнісний управління в бізнесі і техніці (2-е изд., Испр. І доп.). СПб: Бізнес-преса.
Тотьмяніна, К.М. (2011). Огляд моделей ймовірності дефолту. Управління фінансовими ризиками, 1, 12-24.
Bluhm C., Overbeck, L, Wagner, C. (2010). An introduction to credit risk modeling (2nd ed.). Boca Raton: CRC Press.
Sahajwala, R., Van den Bergh, P. (2000). Supervisory Risk Assessment and Early Warning Systems (BCBS Working Paper № 4). Retrieved from: http://www.bis.org/publ/bcbs_wp4.pdf