Разработка скоринговой рейтинговой модели на основе методологии международных рейтинговых агентств

Обложка

Цитировать

Полный текст

Аннотация

Целью настоящей статьи является изучение взаимосвязи между различными финансовыми и нефинансовыми (качественными) факторами эффективности нефинансовых компаний и их кредитными рейтингами. Мы разработали скоринговую рейтинговую модель нефинансовых компаний на основе методологий международных и российских рейтинговых агентств. Смоделированные рейтинги нефинансовых компаний за 2018–2020 гг. сравнивали с фактическими рейтингами, присвоенными рейтинговыми агентствами, и объясняли расхождения. В выборку входят компании из розничной торговли, сельскохозяйственной, сталелитейной и нефтегазовой отраслей России, США, Люксембурга, Англии, Канады, Индии, Украины и Бразилии. Статья доказывает, что в результате добавления коммерческих и экологических, социальных факторов и факторов корпоративного управления качество скоринговых моделей повысилось по сравнению с моделями, включающими только финансовые метрики. В полученных рейтингах компаний в некоторых отраслях обнаружены сильные закономерности. Розничные компании ассоциируются с высокими показателями продаж, в то время как сталелитейные фирмы имеют высокие коэффициенты покрытия затрат на проценты. Нефтегазовые компании в основном демонстрируют высокие результаты по коэффициентам запасов.
В исследовании разработан инструмент прогнозирования кредитного рейтинга, имитирующий работу аналитиков рейтинговых агентств и, следовательно, обладающий высокой предсказательной силой. Разработанную модель могут использовать субъекты финансового рынка для прогнозирования кредитных рейтингов российских компаний в условиях, когда международные рейтинговые агентства отказываются присваивать рейтинги российским эмитентам.

Об авторах

А. Астахова

Банк России, Москва, Россия

Автор, ответственный за переписку.
Email: astakhovaaa@cbr.ru

С. Гришунин

Национальное рейтинговое агентство, Москва, Россия

Email: sergei.v.grishunin@gmail.com

Г. Поморцев

Национальное рейтинговое агентство, Москва, Россия

Email: pomortsev@ra-national.ru

Список литературы

  1. Zaidi D. The indisputable role of credit ratings agencies in the 2008 collapse, and why nothing has changed. Truthout. Mar. 19, 2016. URL: https://truthout.org/articles/the-indisputable-role-of-credit-ratings-agencies-in-the-2008-collapse-and-why-nothing-has-changed/ (accessed on 10.07.2021).
  2. Glushenkova M. Intermediaries of ruin. Kommersant Den’gi. Jun. 01, 2009. URL: https://www.kommersant.ru/doc/1179079 (accessed on 12.11.2021). (In Russ.).
  3. Factors behind the growing popularity of ESG investing. Nasdaq. Apr. 24, 2021. URL: https://www.nasdaq.com/articles/factors-behind-the-growing-popularity-of-esg-investing-2021-04-24
  4. Bodnar G.M., Consolandi C., Gabbi G., Jaiswal‐Dale A. Risk management for Italian non‐financial firms: Currency and interest rate exposure. European Financial Management. 2013;19(5):887-910. https://doi.org/10.1111/j.1468-036X.2012.00659.x DOI: https://doi.org/10.1111/j.1468-036X.2012.00659.x
  5. Lehmann B. Is it worth the while? The relevance of qualitative information in credit rating. SSRN Electronic Journal. 2003. https://doi.org/10.2139/ssrn.410186 DOI: https://doi.org/10.2139/ssrn.410186
  6. Grunert J., Norden L., Weber M. The role of non-financial factors in internal credit ratings. Journal of Banking & Finance. 2005:29(2):509-531. https://doi.org/10.1016/j.jbankfin.2004.05.017 DOI: https://doi.org/10.1016/j.jbankfin.2004.05.017
  7. Kiesel F., Lücke F. ESG in credit ratings and the impact on financial markets. Financial Markets, Institutions & Instruments. 2019;28(3):263-290. https://doi.org/10.1111/fmii.12114 DOI: https://doi.org/10.1111/fmii.12114
  8. Zadorozhnaya T.M. The credit ratings of emitters defined by rating agencies. Rossiiskoe predprinimatel'stvo = Russian Journal of Entrepreneurship. 2012;(14):85-89. (In Russ.).
  9. Singal M. Firm credit rating as a measure of organizational and financial performance. Journal of Business & Financial Affairs. 2013;2(3):1-2. https://doi.org/10.4172/2167-0234.1000e135 DOI: https://doi.org/10.4172/2167-0234.1000e135
  10. Karminsky А.М. Corporate rating models for emerging markets. Korporativnye finansy = Journal of Corporate Finance Research. 2011;5(3):19-29. (In Russ.). https://doi.org/10.17323/j.jcfr.2073-0438.5.3.2011.19-29 DOI: https://doi.org/10.17323/j.jcfr.2073-0438.5.3.2011.19-29
  11. Karminsky A.M. Credit ratings and their modeling. Moscow: LitRes; 2020. 305 p. (In Russ.).
  12. Bergrem B.H. The determinants of creditworthiness: An empirical study of the relationship between credit ratings and financial ratios in the E&P industry. Master thesis in financial economics. Bergen: Norwegian School of Economics; 2014. 94 p. URL: https://openaccess.nhh.no/nhh-xmlui/bitstream/handle/11250/218454/Masterthesis.pdf?sequence=1&isAllowed=y
  13. Rybalka А.I. Modeling the probability of default in the construction sector: Factors of corporate governance. Korporativnye finansy = Journal of Corporate Finance Research. 2017;11(3):79-99. (In Russ.). https://doi.org/10.17323/j.jcfr.2073-0438.11.3.2017.79-99 DOI: https://doi.org/10.17323/j.jcfr.2073-0438.11.3.2017.79-99
  14. Karminsky A.M., Polozov A.A. Handbook of ratings: Approaches to ratings in the economy, sports, and society. Cham: Springer-Verlag; 2016. 356 p. https://doi.org/10.1007/978-3-319-39261-5 DOI: https://doi.org/10.1007/978-3-319-39261-5
  15. Dyachkova N.F. The comparison of rating scales of Russian and foreign agencies: An empirical study for industrial and financial companies. Korporativnye finansy = Journal of Corporate Finance Research. 2018;12(2):153-170. (In Russ.). https://doi.org/10.17323/j.jcfr.2073-0438.12.2.2018.153-170 DOI: https://doi.org/10.17323/j.jcfr.2073-0438.12.2.2018.153-170
  16. Curtis A.B., Lundholm R.J., McVay S.E. Forecasting sales: A model and some evidence from the retail industry. Contemporary Accounting Research. 2014;31(2):581-608. https://doi.org/10.1111/1911-3846.12040 DOI: https://doi.org/10.1111/1911-3846.12040
  17. Banerjee A., De A. Determinants of corporate financial performance relating to capital structure decisions in Indian iron and steel industry: An empirical study. Paradigm: A Management Research Journal. 2014:18(1):35-50. https://doi.org/10.1177/0971890714540365
  18. Retail industry methodology. Moody’s. 2018. URL: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1120379 (accessed on 10.07.2021).
  19. Steel industry methodology. Moody’s. 2017. URL: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1074524 (accessed on 10.07.2021).
  20. Protein and agriculture industry methodology. Moody’s. 2019. URL: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1113389 (accessed on 10.07.2021).
  21. Oil and gas industry methodology. Moody’s. 2017. URL: https://www.moodys.com/researchdocumentcontentpage.aspx?docid=PBC_1056808 (accessed on 10.07.2021).
  22. Government support methodology. ACRA. 2020. URL: https://www.acra-ratings.ru/storage/content/attachments/7756/20201002_ACRA_GRI_ru.pdf (accessed on 10.07.2021). (In Russ.).
  23. Group belonging methodology. ACRA. 2019. URL: https://www.acra-ratings.ru/storage/content/attachments/7604/20200724_Group_Support_Methodology_ru.pdf (accessed on 10.07.2021). (In Russ.).
  24. ESG rating methodology. Expert RA. 2021. URL: https://raexpert.ru/docbank/5f1/4a8/b0f/3b42bf669a9bbfd305249a6.pdf (accessed on 10.07.2021). (In Russ.).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Астахова А., Гришунин С., Поморцев Г., 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».