Автореферат (Моделирование взаимосвязи между макроэкономическими переменными и показателями кредитного рынка для целей стресс-тестирования российского банковского сектора)

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫАктуальность темы исследования. Опыт недавнего финансового имакроэкономического кризиса конца 2000-х гг., а также рост рисков спадароссийской экономики в 2014 г. вкупе с текущими предкризиснымитенденциямиактуализируютвотдельныхсегментахнеобходимостьроссийскогорегулярногоикредитногокачественногорынкастресс-тестирования российского банковского сектора.СогласноопределениюБанкамеждународныхрасчетов,стресс-тестирование — это способ оценки уязвимости портфелей инструментов,финансовых институтов или финансовой системы в целом к исключительным,но возможным шокам1. Концепция стресс-тестирования состоит в оценке мерырисков при условии реализации неблагоприятного (стрессового) события. Приэтом стресс-тест не отвечает на вопрос: «какова вероятность неблагоприятного(стрессового) события», он отвечает на вопрос «что будет, если оно случится?».Следуя целям стресс-тестирования, потери, возникающие в результатереализации негативных сценариев, сопоставляются с имеющимся «запасомпрочности» системы.Проведение регулярного стресс-тестирования является важной составнойчастью внутреннего риск-менеджмента банков, а также через регулированиедостаточности капитала в соответствие с подходом Базель II стимулируетсяЦентральными банками2.Вчастиобеспечениядовериякрезультатамстресс-тестированияфинансовых посредников ключевую роль играет прозрачность методологии,оперативность публикации результатов и независимость оценивающего рискиинститута от оцениваемых игроков.

К сожалению, существующие стресс-тестыне всегда удовлетворяют этим требованиям. Поэтому актуальной является12Sorge M. (2004). Stress-testing Financial Systems: An Overview of Current Methodologies. BIS Working Paper № 165.Basel Committee on Banking Supervision (2009). Principles for sound stress testing practices and supervision.3разработкаметодовдистанционного3(удаленного)стресс-тестирования,которые обладают указанными характеристиками.В рамках стресс-тестирования анализу подвергается, как правило, всясовокупность рисков банковской деятельности: кредитный риск, рискликвидности, рыночный риск, риск «заражения» на межбанковском рынке и др.В работе обосновывается, что наиболее существенным риском банковскогосектора России является кредитный риск (высокая доля кредитных операций вактивах банков, низкое качество выданных ссуд и др.).

Все вышесказанноеобосновывает актуальность разработки методов дистанционного стресстестирования кредитных рисков банковского сектора и их применения канализу устойчивости российских банков.Степеньнаучнойразработанностипроблемы.Методыстресс-тестирования широко применяются регуляторами и отдельными финансовымиинститутами с конца 1990-х годов.

В последние годы все большее числоЦентральных банков (более 40, в том числе Австрии, Чехии, Дании, Германии,Великобритании) проводят макроэкономические стресс-тесты и публикуют ихрезультаты в докладах о финансовой стабильности. Обзоры методологиистресс-тестированиявцеляханализамакрофинансовойстабильностиприведены в работах Blaschke W. Jones M., Majnoni G., Peria S.; Sorge M.;Quagriariello M.; Borio C., Drehmann M., Tsatsaronis K.; Foglia A.; Henry J., KokC.; Cihak M. и др. Стресс-тестированию устойчивости финансового сектора наданных российской экономики посвящены работыАндриевской И.К.,Алескерова Ф.Т., Пеникаса Г.И., Солодкова В.М., Моисеева С.Р., Фунгачевой З.и др.Ядром стресс-тестирования является модель, связывающая индикаторыриска с макроэкономическими условиями и динамикой финансового сектора.Моделированию кредитных рисков на макро-уровне посвящены работыHoggarth G., Sorensen S., Zicchino L.; Pesola J.; Nkusu M.

и др.3При проведении дистанционного стресс-тестирования, в отличие от недистанционного (регулятивного),обеспечивается большая прозрачность расчетов, оперативность и независимость оценки и трактовкирезультатов.4Использование дистанционных методов оценивания рисков банков,предлагаемое в работе, чревато потерей точности оценивания, посколькуотсутствуетвзаимодействиеиндивидуальныепрофилисбанками,рисков.детальноеПоэтомудляпогружениевобеспеченияработоспособности этих методов важным является их усовершенствование,подразумевающее решение ряда проблем. В данной работе предлагаютсяспособы смягчения этих проблем на основе опыта существующих работ, в томчисле из смежных областей.Перваяпроблема.Процикличность(сильнаяисторическаяобусловленность) закладываемых в стрессовые сценарии шоков.

Вслед за BorioC., Drehmann M., Tsatsaronis K. в работе предлагается использовать моделираннего оповещения (опережающие индикаторы) о приближении финансовой имакроэкономической нестабильности при разработке стресс-сценариев с цельюснижения процикличности закладываемых шоков и обеспечение более точногоих прогнозирования с учетом фактического уровня риска.

Методологияопережающих индикаторов представляет собой оценку вероятности реализациикризисного события (или отдельного риска) на основе количественного анализаиндикаторов, демонстрирующих аномальное поведение до наступления шока,на основе сигнального подхода, используемого в работах Kaminsky G., ReinhartK.; Alessi L., Detken C., или эконометрического – см. работы Demirguc-Kunt A.,Detragiache E.; Bussiere M. Fratzscher M.; Lo Duca M., Peltonen T.; Babecky J.,Havranek T., Mateju J., Rusnak M., Smidkova K., Vasicek B. В вышеприведенныхработах акцент делается на индикаторах финансовой нестабильности. Помимоэтого, существует целый ряд работ, анализирующих факторы приближениямакроэкономических кризисов (рецессий).

Здесь методология включаетэконометрические модели c дискретной зависимой переменной – см. работыStock J., Watson M.; Estrella A., Mishkin F.; Moneta F.; Kauppi H., Saikkonen P.;Ng E.; эконометрические модели с непрерывной зависимой переменной – StockJ., Watson M.; Forni M., Hallin M., Lippi M., Reichlin L.; и немодельный подход канализу поворотных точек бизнес-цикла – см. OECD. В России работы поопережающиминдикатораммакроэкономических5рисковпредставленыисследованиями Smirnov S., Demidov O., Styrin K,, Potapova V., по финансовым– Трунин П., Улюкаев А., Солнцев О.В данной работе предлагается модификация моделей опережающихиндикаторов поворотных точек бизнес-цикла c дискретной зависимойпеременной: используются межстрановые данные, более широкий переченьиндикаторов-предикторов,включаяконтрциклические,выборпорогов«отсечения» моделей осуществляется на основе оптимизации функции потерьрегулятора и др.Втораяпроблема.Недоучетобратныхсвязеймеждумакроэкономическими переменными и показателями финансового сектора.Существующая литература указывает на необходимость учета обратных связей(feedback effects) – влияния стрессовой ситуации в финансовой системе намакроэкономические переменные4 – в случае если временной горизонт стресстестировании достаточно длинный.

В ряде работ для учета обратных связей примоделировании показателей рисков банковского сектора спецификация моделибыла записана в форме векторной авторегрессии (VAR) – см. Hoggarth G.,Sorensen S., Zicchino L.; Espinoza R., Prasad A.; Nkusu M.; Klein N. и др. Вданной работе предлагается провести анализ необходимости учета обратныхсвязей при помощи теста Грейнджера на панельных данных. Его результатыиспользуются для обоснования модели агрегированного кредитного риска –инструментальной основы макроэкономического стресс-тестирования.Третья проблема. Недоучет микро-факторов повышенной устойчивостиили уязвимости к макро-стрессам отдельных банков.В эмпирических работах по моделированию кредитного риска отдельныхбанков отмечается, что при включении в уравнение общих для всех банковфакторов (систематических, или макроэкономических), вариация кредитногориска в значительной степени зависит от рискованности бизнес-стратегийотдельных банков.

Моделированию кредитных рисков на уровне отдельных4В рамках традиционных методов стресс-тестирования оценивается зависимость уровня риска системы отмакроэкономических параметров. В самых простых моделях кризисный импульс следует только в направлениимакропеременные → финансовый сектор, в результате чего не учитываются эффекты влияния кризиса вфинансовой сфере на реальный сектор. Последнее приводит к недоучету последствий развития «кризиснойспирали».6банков посвящены исследования Jimenez G., Saurina J.; Espinoza R., Prasad A.;Quagliariello M.; Glogowski A., по данным российских банков – работыМамонова М.

Ни одна из известных работ не ставит целью разделить влияниефакторов на группы макро- и микроэкономических. В данной работепоказывается,чтоучетиндивидуальныхфакторовустойчивостиилиуязвимости к макро-шокам ведет к повышению качества стресс-тестирования, вчастности, обеспечивает более точный расчет потерь банковского сектора сучетом гетерогенности игроков.Объектипредметисследования.Объектдиссертационногоисследования — банковский сектор России. Предмет исследования –системные и индивидуальные кредитные риски российских банков, их факторыи последствия реализации.Цель данного исследования — разработка методов дистанционногостресс-тестирования кредитного риска российского банковского сектора сучетом неопределённости будущей фазы бизнес-цикла и неоднородности рискстратегий банков.Для выполнения данной цели поставлены следующие задачи:Построение моделей агрегированного кредитного риска банковскогосектора;Разработка моделей опережающих индикаторов поворотных точек бизнесцикла;Построение модели кредитного риска отдельных российских банков;Применение моделей кредитного риска к анализу кризисного потенциалакредитного рынка России и стресс-тестированию российского банковскогосектора в среднесрочной перспективе.Методологической основой исследования являются методы стресс-тестирования кредитных рисков банковского сектора и отдельных банков.Данныеметодывключаютанализуязвимостейбанковскогосектора,построение макроэкономических сценариев (в основном остается за рамкамиданного исследования), а также построение эконометрических моделей7системных и индивидуальных кредитных рисков банков в зависимости отфакторов макросреды и состояния финансового сектора.В качестве инструментария в работе используются эконометрическиемодели с дискретной зависимой переменной, сигнальный подход к анализукризисных эпизодов, методы оценивания динамических моделей на панельныхданных, методы факторной декомпозиции вариации.