| Аннотация | Прогнозирование банковских дефолтов представляет собой важную задачу для всей экономики. Раннее выявление проблемных банков помогает предотвратить надвигающиеся банкротства либо минимизировать связанные с ними потери. В статье обсуждается современное состояние инструментальных методов и данных, используемых для этой цели. Последовательно рассматриваются теоретические предпосылки, эволюция методологических подходов, применяемых для прогнозирования банковских дефолтов, особенности работы с данными, а также перечни предикторов, которые включают в модели раннего оповещения. Делается вывод, что в литературе до сих пор наблюдаются существенные противоречия в отношении как методов, так и переменных, которые следует использовать в прогнозных моделях. Методы машинного обучения демонстрируют лучшую по сравнению с традиционными статистическими моделями способность выявлять нелинейные зависимости и работать с большими выборками. Их преимущества часто нивелируются при вневыборочной оценке. Другие ограничения подобных методов связаны с риском переобучения и сложностью интерпретации результатов. Списки потенциальных предикторов банковских дефолтов также разнятся от страны к стране. Чаще всего в прогнозных моделях используют данные банковских балансов и финансовые коэффициенты. Однако есть исследования, которые показывают для отдельных стран повышение точности прогнозов при включении рыночных, макроэкономических и нефинансовых показателей. Перспективы дальнейших исследований в этой области заключаются в поиске оптимального сочетания параметрических и непараметрических подходов, исследовании потенциала нефинансовых показателей в качестве факторов банковских банкротств, а также в проведенииm исследований на больших выборках, включающих как развитые, так и развивающиеся страны. |
|---|