Повышение экономической безопасности коммерческих банков на основе внутреннего контроля операционного риска

Полный текст

Введение В российской банковской практике качество системы внутреннего контроля определяется по методике, установленной в рекомендациях Банка России от 18 декабря 2017 г. № 32-МР «По проверке внутреннего контроля в кредитной организации». Для оценки используются качественные показатели, которые рассчитываются с помощью балльно-весового метода на основе проведенных опросов. Балльные оценки формируются на основе мотивированного суждения экспертов, исходя из рассмотрения нормативно-правовой базы внутреннего контроля в кредитной организации, а также информации, полученной в ходе инспекционных проверок. Можно с уверенностью сказать, что обеспечение экономической безопасности банка во многом зависит от эффективности работы системы риск-ориентированного внутреннего контроля. Данный вопрос поднимался у различных исследователей, однако на данный момент определенность в содержании понятия отсутствует. Это во многом объясняется спецификой деятельности каждой конкретной организации, в результате чего «эффективность» будет зависеть от различных факторов, которые могут быть диаметрально противоположными для разных банков. На наш взгляд, довольно обоснованной выступает точка зрения Е.А. Касюк (Касюк, 2015), согласно которой термин «эффективность» подразумевает определенную результативность процесса и выражается в соотношении конечного результата к средствам, затраченным на его достижение. Таким образом, эффективность работы системы риск-ориентированного внутреннего контроля выступает в качестве видимого финансового эффекта, который измеряется посредством соотношения потерь от риска к затратам на его управление. Данный критерий позволяет без особых усилий оценить работу внутреннего контроля операционного риска в контексте экономической безопасности коммерческого банка. Основным преимуществом данного критерия является обобщение всего массива операционных потерь и расходов на управление, что позволяет сконцентрироваться на общей картине. Операционный риск имеет «тяжелый» хвост операционных потерь, поэтому определить конкретное событие зачастую не представляется возможным. Несомненно, возможны определенные репрезентативные искажения, возникающие, в первую очередь, по причине стохастичности в наступлении и интенсивности операционных убытков. Кроме того, кредитные организации заинтересованы в том, чтобы внедрять более продвинутые методы внутреннего контроля с целью отражения реальной структуры бизнес-процессов и учета особенностей функционирования отдельного банка, однако использование предложенного нами критерия эффективности позволяет сформировать основу риск- ориентированного внутреннего контроля. Нами было принято решение использовать балльно-весовую систему для оценки эффективности, разработав индикаторы, позволяющие отразить изменение операционных потерь и затрат на управление операционным риском. Построение индикативной системы осуществляется на числовых показателях официальной отчетности, агрегированной для выборки из пяти системно значимых банков. В качестве первого индикатора было решено использовать долю потерь от реализации операционных рисков в операционных расходах: И1 = LOR/OE, где LOR - потери от реализации операционного риска; OE - операционные расходы банка. Данный индикатор позволяет отразить уровень потерь от риска в сравнении с другими расходами банка, то есть узнать, какое влияние оказывает операционный риск на банковскую деятельность кредитной организации. Для расчета потерь от реализации операционных рисков нами были использованы данные из официальной отчетности кредитных организаций, а именно определенные статьи из отчета о финансовых результатах за год, которые мы сгруппировали по трем направлениям: 1) неустойки (штрафы, пени) по различным операциям (47401, 4702, 48601 - наименование статей расходов в форме 0409102); 2) расходы от списания недостач имущества, денежной наличности и активов (48604, 48605, 48606); 3) различные издержки и платежи в возмещение причиненных убытков (48602, 48603, 48609). Следует отметить, что основные потери от реализации операционного риска приходятся на такие категории расходов, как «платежи в возмещение причиненных убытков» и «неустойки (штрафы, пени) по прочим (хозяйственным) операциям». Таким образом, банкам необходимо разработать соответствующие регламенты по данным направлениям, чтобы выстроить процессы и отладить внутренний контроль. Под операционными расходами будем понимать показатель, равный сумме всех статей расходов части 4 отчета о финансовых результатах по форме 0409102, что позволит нам исключить из анализа расходы на банковские сделки и операции, оставляя только расходы, связанные с обеспечением работы коммерческого банка и внутрибанковскими операциями. Следующий индикатор представляет собой соотношение потерь от реализации операционных рисков в коммерческом банке к затратам на информационные системы: И2 = LOR/IT, где LOR - потери от реализации операционного риска; IT - затраты на информационные системы. Отметим, что в настоящее время в российском банковском секторе отсутствуют верифицированные данные по затратам на информационную безопасность конкретных кредитных организаций. Исходя из этого, для оценки развития информационных технологий в конкретном банке нами было принято решение использовать общий показатель «затрат на информационные системы», который публикуется в официальной форме отчетности на сайте ЦБ РФ. В соответствии с Положением Банка России № 716-П от 08.04.2020 «О требованиях к системе управления операционным риском в кредитной организации и банковской группе» информационная инфраструктура в кредитной организации выступает как один из элементов предотвращения и (или) снижения вероятности событий операционного риска, ограничения размера потерь от его реализации. Таким образом, затраты на обеспечение функционирования и развития цифровых систем можно рассматривать как средства, выделяемые на управление операционным риском. Высокое значение индикатора свидетельствует о низкой цифровизации кредитной организации в контексте текущих операционных потерь. Третий индикатор акцентируется на персонале кредитной организации и рассчитывается следующим образом: И3 = LOR/ERE, где LOR - потери от реализации операционного риска; ERE - затраты на персонал банка. Под затратами на персонал мы будем понимать сумму расходов на оплату труда персонала организации, включая компенсационные и стимулирующие выплаты (символ 48101 части 4 отчета о финансовых результатах по форме 0409102) и расходы на подготовку и переподготовку кадров (символ 48112 части 4 отчета о финансовых результатах по форме 0409102). Согласно методике, установленной в рекомендациях Банка России от 18 декабря 2017 г. № 32-МР, значительное место в организации внутреннего контроля уделяется наличию соответствующих структурных подразделений в коммерческом банке и назначенных сотрудников, обеспечивающих контроль за отдельными операциями. Многие исследователи справедливо отмечают, что главной особенностью операционного риска является «единство фактора риска и субъекта управления риском» (Миронова, 2012), в отличие от, например, кредитного риска, где основная угроза исходит от заемщика. В случае с операционным риском все не так однозначно. Данный риск тесно связан с поведением персонала кредитной организации. Неверно принятые решения, различные ошибки в проведении операций и сделок, механические ошибки, которые могут носить как умышленный, так и неумышленный характер, выступают в качестве серьезных источников операционного риска и даже могут косвенно провоцировать смежные риски (кредитный, рыночный и т.д.). Несомненно, что высокая заработная плата снижает угрозу умышленных противоправных действий со стороны персонала кредитной организации, а хорошая подготовка и переподготовка кадров улучшает операционную деятельность, снижая количество ошибок. Предложенный индикатор позволяет расширить методику оценки эффективности внутреннего контроля, добавив к ней количественную оценку средств, затраченных на содержание и повышение квалификации кадрового аппарата. Следующим индикатором выступает соотношение потерь от реализации операционного риска к чистой прибыли банка: И4 = LOR/P, где LOR - потери от реализации операционного риска; P - чистая прибыль банка. При увеличении прибыли риски банковской деятельности, как правило, возрастают, однако высокая прибыль позволяет покрыть часть потерь от реализации рисковых событий. Высокое значение индикатора будет свидетельствовать о том, что банк подвергается значительным рискам, при этом не получая никакой компенсации за них в качестве дополнительного дохода. На наш взгляд, использование данных количественных показателей позволит объединить экспертную оценку, проводимую регулятором, что в полной мере соответствует поставленной задаче, а именно оценке эффективности системы внутреннего контроля для более успешного противодействия угрозе криминализации. Отметим, что важную роль играет не только сам индикатор, но и его пороговое значение, которое позволит определить, насколько система внутреннего контроля справляется со своими функциями в контексте обеспечения экономической безопасности коммерческого банка. Рис. 1. Механизм линейной трансформации пороговых значений индикаторов в балльную оценку Источник: составлено автором на основе данных официальной отчетности кредитных организаций с сайта ЦБ. URL: https://www.cbr.ru/ (дата обращения: 03.10.2022) Figure 1. Mechanism for linear transformation of thresholds of the indicators into points assessment Source: compiled by the author, based on official reporting data of credit institutions from the website of the Central Bank. Retrieved November, 3, 2022, from https://www.cbr.ru/ В качестве критического порогового значения для индикатора будет выступать 90-процентная граница максимальных показателей, а транзитивное пороговое значение было решено установить на медиане значений индикатора в нашей выборке по исследуемому банку. Трансформация индикаторов в балльную оценку для определения весовых коэффициентов проводилась линейно на основе вышеуказанных пороговых значений (рис. 1). Оценка каждого индикатора проводится по 25-балльной системе, при этом чем выше присвоенный балл, тем ниже значение индикатора. На последнем этапе банк получает итоговую оценку посредством сложения баллов по каждому из индикаторов (табл. 1). Интерпретация балльной оценки производится на основе медианного значения (38 баллов), а также десятипроцентной границы худшего (70 баллов) и лучшего значения (4 балла) по выборке. Таким образом, значение итогового балла менее 38 свидетельствует о высокой эффективности системы риск-ориентированного внутреннего контроля. Среди банков, включенных в выборку, безусловным лидером выступает ПАО «Сбербанк России». Методика позволяет также провести интерпретацию оценочных значений отдельных индикаторов, чтобы определить направления по совершенствованию системы внутреннего контроля. Так, например, Банк ВТБ (ПАО) показал самое большое значение индикатора И2 в 2019 г. Анализ индикатора показывает, что затраты на цифровизацию значительно ниже, чем потери от реализации операционного риска. Однако кредитная организация предприняла ряд мер, направленных на устранение данного недостатка, и уже в 2020 г. ВТБ уже занял первое место в рейтинге банков по уровню цифровизации. Кроме того, в 2021 г. И4 показал самое худшее значение по всей выборке. Чистая прибыль группы ВТБ за 2021 г. достигла своих рекордных значений (327 млрд руб., что соответствует возврату на капитал 16,5 %), однако потери от реализации операционного риска возросли еще значительнее, на 544 % по сравнению с предыдущим периодом. Таким образом, можно говорить о низкой эффективности службы внутреннего контроля. Таблица 1 Балльно-весовая оценка системы внутреннего контроля в 2014-2021 гг. Год Наименование кредитной организации И1 И2 И3 И4 Значение индикатора Балл Значение индикатора Балл Значение индикатора Балл Значение индикатора Балл Итоговый балл 2014 Сбербанк 0,0002649 12 0,619 11 0,04706 2 0,02876173 12 37 ВТБ 0,0000049 1 0,116 3 0,00318 1 0,0063 4 9 Газпромбанк 0,0000052 1 0,051 1 0,00141 1 0,0021 2 5 Райффайзенбанк 0,0000642 4 0,265 5 0,01519 1 0,0067 4 14 Альфа-банк 0,0022359 12 6,220 15 0,23824 5 0,1039 15 47 2015 Сбербанк 0,0002403 11 0,934 12 0,08378 2 0,0763 14 39 ВТБ 0,0000594 3 0,075 2 0,00231 1 0,0009 1 7 Газпромбанк 0,0000101 1 0,103 2 0,00277 1 0,0008 1 5 Райффайзенбанк 0,0001175 6 0,615 11 0,04574 2 0,0252 12 31 Альфа-банк 0,0002905 12 1,318 12 0,05396 2 0,0242 12 38 2016 Сбербанк 0,0000294 2 0,113 3 0,01263 1 0,0056 4 10 ВТБ 0,0000337 2 0,532 9 0,01575 1 0,0061 4 16 Газпромбанк 0,0000039 1 0,021 1 0,00066 1 0,0002 1 4 Райффайзенбанк 0,0002566 12 0,811 12 0,06588 2 0,0259 12 38 Альфа-банк 0,0005444 12 1,809 13 0,05492 2 0,2707 21 48 2017 Сбербанк 0,0000255 2 0,069 2 0,00056 1 0,0024 2 7 ВТБ 0,0000270 2 0,292 5 0,00500 1 0,0030 2 10 Газпромбанк 0,0000104 1 0,034 1 0,00087 1 0,0006 1 4 Райффайзенбанк 0,0004002 12 0,772 12 0,05158 2 0,0228 12 38 Альфа-банк 0,0006227 12 0,989 12 0,03353 2 0,0283 12 38 2018 Сбербанк 0,0010718 12 0,052 2 1,10742 13 0,0015 2 29 ВТБ 0,0000193 2 3,945 14 1,66436 14 0,0558 13 43 Газпромбанк 0,0117283 12 4,206 14 1,66765 14 0,1356 16 56 Райффайзенбанк 0,0031232 12 0,479 8 1,81287 14 0,0179 10 44 Альфа-банк 1,0008913 18 12,500 18 1,68365 14 0,0205 11 61 2019 Сбербанк 0,0016644 12 0,122 3 1,10280 13 0,0034 3 31 ВТБ 0,0000641 4 25,994 25 1,70704 14 0,0968 15 58 Газпромбанк 0,0447775 12 9,040 16 7,77703 25 0,1615 17 70 Райффайзенбанк 0,0000384 2 0,457 8 1,77537 14 0,0122 7 31 Альфа-банк 2,0034013 25 3,062 13 1,64136 14 0,1092 15 67 2020 Сбербанк 0,0008516 12 0,073 2 1,10249 13 0,0024 2 29 ВТБ 0,0000129 1 2,638 13 1,68005 14 0,2727 21 49 Газпромбанк 0,0018952 12 6,668 15 1,54609 14 0,1042 15 56 Райффайзенбанк 0,0000338 2 0,927 12 1,59228 14 0,0283 12 40 Альфа-банк 0,3914640 15 0,803 12 1,61766 14 0,0100 6 47 2021 Сбербанк 0,0062482 12 0,045 1 1,12538 13 0,0012 2 28 ВТБ 0,0001383 7 1,206 12 1,67028 14 0,3743 25 58 Газпромбанк 0,0028701 12 6,082 15 1,46540 13 0,0750 14 54 Райффайзенбанк 0,0028660 12 0,440 8 1,71382 14 0,0141 8 42 Альфа-банк 0,0146317 12 2,643 13 1,23965 13 0,0440 13 51 Источник: составлено автором на основе данных официальной отчетности кредитных организаций с сайта ЦБ. URL: https://www.cbr.ru/ (дата обращения: 03.10.2022). Table 1 Internal control scorecard, 2014-2021 Year Name of credit institution I1 I2 I3 I4 Indicator value Point Indicator value Point Indicator value Point Indicator value Point Final Score 2014 Sberbank 0,0002649 12 0,619 11 0,04706 2 0,02876173 12 37 VTB 0,0000049 1 0,116 3 0,00318 1 0,0063 4 9 Gazprombank 0,0000052 1 0,051 1 0,00141 1 0,0021 2 5 Raiffeisenbank 0,0000642 4 0,265 5 0,01519 1 0,0067 4 14 Alfa-Bank 0,0022359 12 6,220 15 0,23824 5 0,1039 15 47 2015 Sberbank 0,0002403 11 0,934 12 0,08378 2 0,0763 14 39 VTB 0,0000594 3 0,075 2 0,00231 1 0,0009 1 7 Gazprombank 0,0000101 1 0,103 2 0,00277 1 0,0008 1 5 Raiffeisenbank 0,0001175 6 0,615 11 0,04574 2 0,0252 12 31 Alfa-Bank 0,0002905 12 1,318 12 0,05396 2 0,0242 12 38 2016 Sberbank 0,0000294 2 0,113 3 0,01263 1 0,0056 4 10 VTB 0,0000337 2 0,532 9 0,01575 1 0,0061 4 16 Gazprombank 0,0000039 1 0,021 1 0,00066 1 0,0002 1 4 Raiffeisenbank 0,0002566 12 0,811 12 0,06588 2 0,0259 12 38 Alfa-Bank 0,0005444 12 1,809 13 0,05492 2 0,2707 21 48 2017 Sberbank 0,0000255 2 0,069 2 0,00056 1 0,0024 2 7 VTB 0,0000270 2 0,292 5 0,00500 1 0,0030 2 10 Gazprombank 0,0000104 1 0,034 1 0,00087 1 0,0006 1 4 Raiffeisenbank 0,0004002 12 0,772 12 0,05158 2 0,0228 12 38 Alfa-Bank 0,0006227 12 0,989 12 0,03353 2 0,0283 12 38 2018 Sberbank 0,0010718 12 0,052 2 1,10742 13 0,0015 2 29 VTB 0,0000193 2 3,945 14 1,66436 14 0,0558 13 43 Gazprombank 0,0117283 12 4,206 14 1,66765 14 0,1356 16 56 Raiffeisenbank 0,0031232 12 0,479 8 1,81287 14 0,0179 10 44 Alfa-Bank 1,0008913 18 12,500 18 1,68365 14 0,0205 11 61 2019 Sberbank 0,0016644 12 0,122 3 1,10280 13 0,0034 3 31 VTB 0,0000641 4 25,994 25 1,70704 14 0,0968 15 58 Gazprombank 0,0447775 12 9,040 16 7,77703 25 0,1615 17 70 Raiffeisenbank 0,0000384 2 0,457 8 1,77537 14 0,0122 7 31 Alfa-Bank 2,0034013 25 3,062 13 1,64136 14 0,1092 15 67 2020 Sberbank 0,0008516 12 0,073 2 1,10249 13 0,0024 2 29 VTB 0,0000129 1 2,638 13 1,68005 14 0,2727 21 49 Gazprombank 0,0018952 12 6,668 15 1,54609 14 0,1042 15 56 Raiffeisenbank 0,0000338 2 0,927 12 1,59228 14 0,0283 12 40 Alfa-Bank 0,3914640 15 0,803 12 1,61766 14 0,0100 6 47 2021 Sberbank 0,0062482 12 0,045 1 1,12538 13 0,0012 2 28 VTB 0,0001383 7 1,206 12 1,67028 14 0,3743 25 58 Gazprombank 0,0028701 12 6,082 15 1,46540 13 0,0750 14 54 Raiffeisenbank 0,0028660 12 0,440 8 1,71382 14 0,0141 8 42 Alfa-Bank 0,0146317 12 2,643 13 1,23965 13 0,0440 13 51 Source: compiled by the author, based on official reporting data of credit institutions from the website of the Central Bank. Retrieved November, 3, 2022, from https://www.cbr.ru/ Среди «аутсайдеров» в нашей выборке можно выделить Банк ГПБ (АО) в основном по причине значительного превышения И3 транзитивных значений в 2019 г. (25 баллов). Следует отметить, что кредитная организация предприняла ряд мер, направленных на решение данной проблемы. Банк увеличил фокус на развитие своего персонала, запустив в 2020 г. трансформационную программу «Управление человеческим капиталом», в рамках которой разработана стратегия бренда работодателя, реализован план мероприятий по повышению удовлетворенности сотрудников. Реализация данной стратегии принесла результаты, и индикатор достиг своих минимальных значений. Заключение Предложенная методика позволяет оценить эффективность риск-ориентированной системы внутреннего контроля в рамках экономической безопасности коммерческого банка. Ее основными преимуществами выступают универсальность и относительная легкость в использовании, что обусловлено построением индикативной системы на основе данных официальной отчетности. В первую очередь следует отметить, что создание высокоэффективной системы внутреннего контроля операционного риска, ориентированной не только на количество проверяемых событий, но, прежде всего, на повышение качества проведения мероприятий за счет определения приоритетов и фокусировки на своевременном выявлении и устранении ошибок, которые наиболее критичны для конкретного банка. Ресурсы кредитной организации ограничены, и создание системы тотального контроля серьезно повлияет на операционную деятельность, снижая ее конкурентоспособность. Кроме того, даже такая система не обеспечит стопроцентную безопасность, так как внешние события операционного риска по-прежнему находятся за пределами контроля организации. Исходя из этого, показатели оценки внутреннего контроля должны учитывать не только наличие определенных элементов системы внутреннего контроля и субъективную оценку выполнения регламентов в соответствии с методикой, установленной ЦБ РФ, но и совокупность количественных показателей внутреннего контроля, отражающих достижение кредитной организацией поставленных перед ней целей. Кроме того, основными преимуществами использования количественных показателей выступают возможность организации постоянного мониторинга операционной деятельности кредитной организации, а также реализация превентивных мер по устранению возможной угрозы криминализации. Разработанные нами индикаторы не в полной мере отвечают поставленным требованиям, так как между чистой прибылью, затратами на информационные системы, расходами на персонал банка и качеством работы системы внутреннего контроля имеется лишь опосредованная зависимость через реализацию факторов операционного риска. Поэтому кредитной организации необходимо сосредоточиться на разработке собственных индикаторов, которые в том числе будут базироваться на внутренней информации. Кроме того, целесообразным представляется внедрение в информационную систему общих стандартов, позволяющих проводить анализ системы экономической безопасности в кредитной организации. К ним, в частности, должны относиться формулы по расчету индикаторов и утвержденные пороговые значения. В качестве основного недостатка предложенной методики, на наш взгляд, выступает слабая детализация в рамках бизнес-процессов конкретной кредитной организации. Несомненно, что оценка финансового эффекта от реализации операционных рисков позволяет устранить основные пробелы в экономической безопасности коммерческого банка, однако данный процесс будет более результативным, если проводить ее на основе внутренней информации банка, касающейся его операционной деятельности. Исходя из этого, коммерческий банк должен самостоятельно определить набор индикаторов, опираясь на эмпирическое исследование операционных событий и принимая во внимание операционную среду, в которой ему приходится функционировать.

Об авторах

Михаил Сергеевич Веретин

Московский университет МВД России имени В.Я. Кикотя

Автор, ответственный за переписку.
Email: verbep@yandex.ru
ORCID iD: 0000-0003-3090-8389

майор полиции, оперуполномоченный НЦБ Интерпола МВД России, адъюнкт Московского университета МВД России имени В.Я. Кикотя

Российская Федерация, г. Москва, 117997, ул. Академика Волгина, д. 12

Список литературы