Моделирование вероятности дефолта в строительном секторе: факторы корпоративного построения

Аннотация

В данной работе оценка вероятности дефолта крупных строительных компаний России осуществлялась на основе классического для этих целей метода - логистической регрессии. Главный вопрос исследования: улучшит ли прогнозную силу модели включение факторов корпоративного построения и последующая регуляризация модели (Lasso и Ridge)? В качестве зависимой переменной нами было опробовано четыре определения дефолта и проведено их сравнение. Моделирование производилось на основе информации базы данных СПАРК, Росста- та и Банка России за период 2007-2015 гг. - анализируемая выборка после устранения выбросов включала 4761 строительную компанию. В целях разработки прогнозной модели и последующего тестирования ее предсказательной силы подготовленные годовые данные были разделены на две выборки: обучающую (2007-2013 гг.) и контрольную (2014-2015 гг.). Одним из параметров модели является годовой временной лаг, что соответствует рекомендациям Базельского комитета по банковскому надзору. Изменение прогнозного качества модели при последовательном включении факторов корпоративного построения проверяется на основе площади под ROC-кривыми (AUC) и ошибок I и II рода. На основе международного и отечественного опыта был сформирован ряд гипотез, некоторые из них получили свое статистическое подтверждение. В частности, при прочих равных вероятность дефолта строительной компании ниже, если ее генеральный директор является также совладельцем (имеет долю в уставном капитале). Если компания является дочерней (т.е. блокирующий пакет находится у юридического лица) - вероятность ее дефолта выше. С финансовыми трудностями (отрицательной рентабельностью активов по итогам года) в строительном бизнесе России лучше справляются небольшие по численности советы директоров. Не получила устойчивого подтверждения гипотеза о том, что чем дольше существует компания, тем меньше у нее вероятность дефолта. Результаты показывают, что учет корпоративного построения компании улучшает прогностическую способность модели, а методы регуляризации подтвердили их устойчивость. С помощью теста на переобучаемость (cross-validation) подтверждена робастность коэффициентов финальной спецификации. Результаты работы в большей степени могут представлять интерес для банков, коммерческих инвесторов и партнеров-подрядчиков.