Моделирование риска дефолта кредитных организаций из-за потери ими капитала

В данной работе проводится анализ отзывов лицензий у российских банков в связи с нехваткой капитала за период с января 2007 г. по декабрь 2018г. На основе общедоступной макроэкономической статистики и разглашаемой внутрибанковской информации строится предсказательная модель вероятности наступления подобных отзывов в будущем. Изначально моделирование происходит при использовании стандартных моделей бинарного выбора таких как логистическая регрессия, модель случайного леса и анализ ROC кривых. Использование данных методов позволяет ранжировать значимость факторов для предсказательной силы модели, а также качественно интерпретировать результаты. Однако данное исследование показывает, что стандартные модели неплохо предсказывают вероятность банкротства банков не фальсифицирующих предоставляемую отчетность но, хуже справляются с такой задачей для банков с недостоверной отчетностью. В связи с этим впоследствии вводятся более специфичные методы, как классификация тренировочной выборки и модель выявления признаков (trait recognition model). Классификация тестовой выборки с последующим применением отдельных моделей к каждому классу привела к снижению общей точности модели, но росту предсказательной силы модели на подвыборке банков с фиктивной отчетностью. Переход от стандартных интерпретируемых переменных к их производным дал положительный результат в предсказательной силе моделей. Благодаря использованию модели распознавания признаков достигается как общий рост предсказательной способности как внутри классов банков с фальшивой и с правдивой отчетностью, так и значительное сокращение разрыва в предсказательной силе модели между объявленными классами банков, что позволяет одинаково хорошо предсказывать дефолт как банков с правдивой отчетностью, так и с фиктивной.