Approaches to Building Default Probability Models for Financial Instruments of Project Financing at Long Time Horizons

Обложка

Цитировать

Полный текст

Аннотация

Project financing is one of the priority tools for stimulating the country's economic growth around the world, which allows the implementation of large-scale and capital-intensive projects, providing favorable credit conditions with insufficient creditworthiness of the project beneficiaries [1].

As a rule, project financing instruments are long-term (10-30 years, depending on the type of transaction), so this asset class is interesting for the implementation of the task of building long-term models for assessing credit risk associated with the introduction in 2018 of the new international financial reporting standard IFRS 9 "Financial Instruments".

The new standard requires financial institutions to calculate their expected credit loss (ECL) at the time of granting loans and other banking products exposed to credit risk [2], taking into account different time horizons, which significantly changes the traditional approaches to assessing credit risk by commercial banks [3], [4].

As part of this work, a model was built to assess the long-term probability of default for the portfolio of assets of a Russian commercial bank belonging to the project finance segment in accordance with the requirements of the International Financial Reporting standard IFRS 9 "Financial Instruments". At present, the topic of this work is extremely relevant and may be of interest both for commercial banks that are faced with the problem of improving credit risk assessment models

 

Об авторах

A. Vasilieva

Analytical Credit Rating Agency (ACRA)

Автор, ответственный за переписку.
Email: alfiavaf@mail.ru

Associate Director of the Project and Structured Finance Ratings Group

Список литературы

  1. Prokofiev S.E., Murar V.I., Rashkeeva I.V., Elesina M.V. Project finance: The nature and significance. Internet-zhurnal Naukovedenie. 2014;(6):2. (In Russ.). http://dx.doi.org/10.15862/02EVN614
  2. Cohen B.H., Edwards G.A. Jr. The new era of expected credit loss provisioning. BIS Quarterly Review. 2017;(March). URL: https://www.bis.org/publ/qtrpdf/r_qt1703f.pdf
  3. Vasilyeva A.F., Zhevaga A.A., Morgunov A.V. Methods of credit risk management for corporate clients under variability of the requirements of financial reporting standards. Upravlenie finansovymi riskami = Financial Risk Management Journal. 2017;(4):258–268. (In Russ.).
  4. Bank of Russia Regulation of 06.08.2015 No. 483-P. On the procedure for calculating the amount of credit risk based on internal ratings. URL: http://www.consultant.ru/document/cons_doc_LAW_186639/ (In Russ.).
  5. Sorge M. The nature of credit risk in project finance. BIS Quarterly Review. 2011;(December). URL: https://www.bis.org/publ/qtrpdf/r_qt0412h.pdf
  6. Hainz C., Kleimeier S. Project finance as a risk-management tool in international syndicated lending. SSRN Electronic Journal. 2006. http://dx.doi.org/10.2139/ssrn.567112
  7. Wilson R. Risk measurement of public projects. In: Lind R.C. Discounting for Time and Risk in Energy Policy. Washington, DC: Resources for the Future, Inc.; 1982:205–249.
  8. Vasilyeva A.F., Jorge Trujillo Cesar Augusto et al. Infrastructure investment and PPP: How will credit ratings help attract new players? Research by the Analytical Credit Rating Agency. Moscow: ACRA; 2020. 33 p. URL: https://www.acra-ratings.ru/upload/iblock/a30/osnriwpqczjm43txih1646uhgjddg38g.pdf (In Russ.).
  9. Vasilyeva A., Frolova E. Methods of calculation of expected credit losses under requirements of IFRS 9. Korporativnye finansy = Journal of Corporate Finance Research. 2019;13(4):74–86. https://doi.org/10.17323/j.jcfr.2073-0438.13.4.2019.74-86
  10. Guidance on credit risk and accounting for expected credit losses. Basel: Bank for International Settlements; 2015. 36 p. URL: https://www.bis.org/bcbs/publ/d350.pdf
  11. Vasilieva A., Frolova E. Development of the ‘inner assessment model’ of long-term default probability for corporate borrowers in the trade segment of the economy in accordance with IFRS 9. Korporativnye finansy = Journal of Corporate Finance Research. 2020;14(1):91–114. https://doi.org/10.17323/j.jcfr.2073-0438.14.1.2020.91-114
  12. International Financial Reporting Standard (IFRS) 9: Financial instruments. 2018. URL: http://www.consultant.ru/document/cons_doc_LAW_201982/ (In Russ.).
  13. Guidelines on the application of the definition of default under Article 178 of Regulation (EU) No 575/2013. EBA/GL/2016/07. URL: https://www.eba.europa.eu/sites/default/documents/files/documents/10180/1721448/052c260f-da9a-4c86-8f0a-09a1d8ae56e7/Guidelines%20on%20default%20definition%20%28EBA-GL-2016-07%29_EN.pdf?retry=1
  14. Marshall J. An introduction to reliability and life distributions. Coventry: The University of Warwick; 2018. URL: https://studylib.net/doc/13322936/an-introduction-to-reliability-and-life-distributions-obj
  15. Kuznetsova Yu.I., Zhuravlev I.B. Application of the Bayesian estimate of the probability of a rare event to determining the probability of default of a counterparty. Upravlenie finansovymi riskami = Financial Risk Management Journal. 2013;(2):94–102. (In Russ.).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Vasilieva A., 2021

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».