Автореферат (Влияние структуры российского рынка межбанковского кредитования на управление Центральным банком ликвидностью банковской системы), страница 3

Она заключается вневозможности на основе небольшого количества данных идентифицироватьфункции спроса отдельных кредитных организаций. Действительно, в условияхперехода к структурному дефициту ликвидности, в котором находится российскаябанковская система с сентября 2011 г., Банк России располагал лишь небольшимобъемом статистики сделок с отдельными кредитными организациями.Чтобыпродемонстрироватьнесоответствиеприведенныхвышерассуждений действительности предлагается простая модель оценки спроса13банковской системы, предполагающая наличие нескольких групп банков сразличным по своей природе спросом на инструменты рефинансирования.Дляидентификациигруппбанковиспользованаагломеративнаякластеризация. Банки представлялись в качестве точек, координаты которых былизаданы объемами спроса за период с июня 2012 г. по конец сентября 2011 года.Был использован метод Уорда5.

Из 126 банков, допущенных к участию в аукционеРЕПО с Банком России и использовавших данное право хотя бы единожды впериод с 1 августа 2010 г. по 15 ноября 2011 г, были выделены 2 банка, которыеследует рассматривать отдельно от остальных, и 2 однородные группы банков.Состав групп был проверен на логичность и однородность и они были условнообозначены «Постоянные гости» и «Случайные посетители», что соответствует внекоторой мере характеру их поведению на аукционе.Была построена модель оценки спроса групп на аукционе РЕПО с БанкомРоссии, которая представляет собой комбинацию логистической регрессии,оценивающей вероятность ненулевого спроса на аукционе, и линейной модели,оценивающей условный объем спроса.

Алгоритм прогноза использует оценкидвух моделей, которые делят задачу оценки спроса на два простых вопроса:Какова вероятность того, что данный банк/группа банков предъявитненулевой спрос на аукционе РЕПО с Банком России?Какова была бы величина спроса банка/группы банков, если бы он/онапредъявил спрос на аукционе РЕПО с Банком России?Действительно, пусть вероятность участия банка на аукционе в условияхравнаоценивается, спрос банка в условиях, в случае его участия в аукционе,.

Поскольку спрос банка в случаях, когда он не принимает5Данная комбинация была выбрана путем сравнения результатов использования различных комбинаций методовкластеризации и мер близости как способная производить наиболее устойчивые и логичные результаты.14участие в аукционе, всегда равен 0, то математическое ожидание спроса состороны банка равно:где,,,и- векторыоценок параметровсоответствующих моделей.А.

Банк 1Б. Банк 2В. Кластер 3Г. Кластер 4Рис. 2. Пошаговый алгоритм оценки спроса на аукционе РЕПОИсточник: собственные расчеты. Черной линией показан фактическийобъем РЕПО, пунктирной – оценка.При этом моделиине обязательно используют один и тот женабор данных об окружающем мире , но это верно в данном случае. Параметрылогистической регрессии оцениваются на всех данных обучающей выборки, в тоже время линейная модель, оценивающая объем спроса, обучается только на технаблюдениях, когда спрос банковской системы/сегмента был положительным.15Оценка осуществляется на скользящем окне с закрепленной левой границей.Знакикоэффициентовнедельного/месячногоприиспользуемыхРЕПО,признакифакторах(бинарныеналоговыхдней,признакиостаткинакорреспондентских счетах в Банке России, ставки межбанковского депозитногорынка при открытии, минимальные ставки по РЕПО с Банком России, изменениястоимости валютной корзины) совпадают с априорными ожиданиями и поддаютсяэкономической интерпретации.Результаты оценок наглядно приведены на рис.

2. Сравнение результатовоценки модели и фактического объема неудовлетворенного спроса на аукционахговорит о том, что возможно добиться снижения ошибки оценки спроса на основеподхода, учитывающего различия в поведение отдельных групп кредитныхорганизаций. Такой вывод является аргументом в пользу модификации подхода кпараметризации аукционов РЕПО, пересмотра предположений об однородности иэффективности рынка МБК и перехода к более реалистичным предположениям.Во второй главе «Оценка уровня напряженности на рынке МБК на основеиндикаторов его структуры» рассматривается проблема оценки уровня стресса нарынке МБК.

В частности, предложено краткое изложение текущего состояниянаправления исследования подходов к идентификации режима функционированиярынка МБК. Кроме того, предлагается подход к тестированию прогнозной силы«сигнальной» модели, опирающейся на статистку открытых краткосрочныхсделок на рынке МБК.Тестирование проводится следующим образом. Во-первых, на основемодификацииподходаксегментированиюноминальнаяпеременная-индикаторвременныхсостояниярынкарядовМБК.строитсяАлгоритмсегментирования предполагает последовательное деление временного ряда начасти, которые наиболее отличны друг от друга следующим образом.16НаборXR[X1наблюдений, , XN ] .разделяетсяXнадвечастииXL [ X1 , , X ]Рассчитывается расстояние Дженсена–ШеннонаlnP2 ( )P1функция правдоподобия) между распределением, оцененным на всей выборке( –X,исмесью двух нормальных распределений X L и X R , оцененных на частях выборкиXсправа и слева от .

Значениерассчитывается для всех[ ,1,,N],иопределяется временная координата первого структурного сдвига, такая что.Затемприведенныйалгоритмпоследовательноприменяетсядлясегментирования полученных сегментов до соблюдения одного из критериевостановки, например, до тех пор, пока сегменты достаточно «различны», то естьрасстояние между распределением переменной на неразделенном сегменте исмесью из распределений при его сегментировании достаточно велико.В качестве переменной, указывающей на состояние рынка МБК, был выбранспред между минимальной ставкой на аукционе РЕПО и ставкой RUONIA, нарис.

3 приведен результат сегментирования временного ряда и классификациисегментов.Изучение полученной кластеризации позволяет интерпретировать первыйсегмент как период избытка ликвидности (отсутствие стресса на рынке МБК),второй — краткосрочные всплески в уровне спреда, для которых характернывысокие уровни волатильности (повышенный уровень стресса на рынке МБК),третий — периоды близкого к целевому уровня процентной ставки (низкийуровень стресса), четвертый — дефицит ликвидности (умеренный уровеньстресса). Алгоритм верно выделил многие ключевые особенности временногоряда: переход от профицита ликвидности к дефициту в середине сентября 2011 г.,период низких ставок в первом квартале 2012 г.

и другие.17ДополнительноиндикатороввструктурынастоящейрынкаглавеМБК,предлагаетсякоторыеобзорхарактеризуютосновныхположениеотдельных банков на межбанковском рынке кредитования и отдельныеособенностиконцентрацииучастниковвсистеме,закономерностейееформирования. Часть из перечисленных индикаторов доступна в статистическомприложении к «Обзору денежного рынка», публикуемом Банком России.Рис. 3. Выделение кластеров сегментов показателя «спред междуминимальной ставкой на аукционе РЕПО с Банком России и RUONIA»Источник: расчеты автора.В современной литературе получили распространение исследования,направленные на идентификацию связи между состоянием межбанковского рынкаи индикаторами его структуры, например, в современной работе С.Р.

Моисеева6предлагается идентифицировать «красную», «желтую» и «зеленую» зоны наоснове логистической регрессии.Во второй части второй главы тестируется наличие связи междустатистикой краткосрочных сделок на межбанковском рынке и уровнем егонапряженности.существеннойРезультатыспособностипозволяютпараметровсделатьструктурывыводоботсутствиимежбанковскогорынкасигнализировать об изменениях в уровне стресса. На основе полученныхрезультатов делается вывод о том, что подход к идентификации структурымежбанковскогорынкавсовременных6работах,направленныхнаМоисеев, С. Р., Пантина, И. В. Сигнальная модель идентификации финансового стресса на рынке междилерскогоРЕПО, Банковское дело, 2012.18совершенствования аналитических инструментов финансовой стабильности, не доконца учитывает природу открытых позиций на рынке МБК. Так, большинствократкосрочных сделок отражает лишь текущие, реализовавшиеся разрывыликвидностикредитных организаций.

Делается вывод о целесообразностипоиска альтернативных подходов к определению структуры межбанковскогорынка для целей анализа финансовой стабильности, в частности перспективнымнаправлениемпредставляетсяидентификациядвустороннихлимитовнамежбанковском рынке.В третьей главе «Идентификация структуры рынка МБК и управлениеликвидностью»впервыеформальноидентифицируетсясвязьмеждукорректностью предположений центрального банка о структуре рынка МБ испособностью Банка России достигать операционных целей.Рассматривается базовая модель рынка МБК, который состоит из kодинаковых сегментов-«островов», вслед за В. Гаспаром 7 , содержащих по nкредитных организаций, внутри каждого из которых происходит эффективноеперераспределение ликвидность.

При этом члены сегментов взаимодействуютисключительно внутри сегмента. Такое предположение о структуре лимитов непретендует на реалистичность, а приводится в качестве крайнего случаясегментирования - противоположности эффективного межбанковского рынка.В отличие от модели В. Гаспара кредитные организации испытываютслучайные притоки и оттоки средств с корсчета не только внутри банковскогосектора, но и направленные вовне (т.н. «автономные факторы»). В рамках моделиБанк России оценивает спрос в соответствии с текущей практикой. Тогдапогрешность оценки спроса регулятором будет равна разнице между фактическимспросом на аукционе по предоставлению ликвидности и простой суммой избыткови недостатков ликвидности.

Наглядно результаты симулирования ошибки оценки7V. Gaspar, G. Perez Quiros and G. R. Mendizabal, «Interest rate determination in the interbank market», ECB, 2004.19спроса в зависимости от среднего значения распределения шоков ликвидности всистеме приведены на рис. 4.Рис. 4.