Автореферат (Влияние индивидуальных характеристик российских банков на работу канала банковского кредитования в российской экономике), страница 3

Среди наиболее значимых событий,кроме кризиса 2008–2009 годов, следует назвать (в хронологическом порядке): переход от- 11 -структурного профицита к структурному дефициту ликвидности в 2011 году, введениесистемы процентных инструментов Банка России в рамках перехода к режимуинфляционного таргетирования в сентябре 2013 года, начало введения требованиймакропруденциальногорегулированиясогласноБазелюIIIвянваре2014года,окончательный переход Банка России к режиму инфляционного таргетирования в ноябре2014 года путем отказа от интервенций на внутреннем валютном рынке, смена циклаповышения на цикл снижения ключевой ставки Банком России в феврале 2015 года, новыйэтап в процессе внедрения требований Базеля III в России с января 2016 года,характеризующийся введением одного из основных нормативов Базеля III (нормативакраткосрочной ликвидности) и фактическим ужесточением требований к достаточностикапитала банков.

Все вышеуказанные события были учтены при построении моделей воизбежание искажения результатов оценивания.Впараграфепредставлено2.3обоснованиезначимостиканалабанковскогокредитования для трансмиссионного механизма денежно-кредитной политики в России, атакже обоснование выбора основной переменной анализа. Анализ реакции корпоративногокредитного портфеля российских банков на импульсы денежно-кредитной политикипредставляется актуальным и значимым по причине того, что, согласно данным Росстата, всовременной российской экономике банковское кредитование является вторым послебюджетных средств источником заемных средств, направляемых на финансированиеинвестиций в основной капитал.

В связи с этим, ситуация на кредитном рынке отражается ина выпуске в экономике, а следовательно, и на доходах экономических агентов иблагосостоянии общества.В начале параграфа 2.4 дано определение канала банковского кредитования,используемое в настоящем диссертационном исследовании. Несмотря на возможностьподробногоописанияканалабанковскогокредитованиявтеоретическихработах(Mishkin (1996), Disyatat (2011)), в эмпирических исследованиях невозможно отделитьэффекты со стороны предложения кредитов от эффектов со стороны спроса на заемныесредства. В распоряжении исследователей реальных экономик чаще всего имеются лишьстатистические данные об уже заключенных (равновесных) кредитных договорах, на объемкоторых повлияли как спрос, так и предложение. Поэтому, подобно Kashayp, Stein (2000) внастоящем диссертационном исследовании под каналом банковского кредитованияподразумевается влияние денежно-кредитной политики Банка России (ключевой ставкиБанка России) на равновесные объемы кредитования на корпоративном кредитном рынке.Также в параграфе 2.4 построена байесовская модель векторной авторегрессии, спомощью которой оценена работоспособность канала банковского кредитования на уровне- 12 -всего банковского сектора, а также на уровне отдельных групп банков.

По результатамданного анализа выдвинута гипотеза о значимом влиянии неоднородности российскихбанков на эффективность функционирования канала банковского кредитования, котораязатем протестирована в третьей главе.Для ответа на вопрос о наличии причинно-следственной связи между импульсамиденежно-кредитной политики Банка России и корпоративным кредитованием построенымодели векторных авторегрессий с изменяющимися во времени коэффициентами,расширенные с помощью факторов. Используемая в настоящем диссертационномисследовании TVP-FAVAR спецификация была предложена Эллисом, Мумтазом и Забчикомв 2014 году (Ellis et al.

(2014)). Данный инструментарий позволяет учесть большой объеминформации о динамике всей экономики (благодаря чему решается проблема потенциальнонеучтенных значимых переменных), а также принять во внимание, что взаимосвязи междупеременными могут постепенно меняться со временем (что может быть особенноактуальным в случае с российской экономикой).В общем виде оцениваемые TVP-FAVAR модели можно записать с помощьюследующей системы уравнений:L  Ft  Ft l  constl ,t      t ,l 1  Yt  Yt l  (1) Xt  Ft         et , Yt  Yt (2)l ,t  l ,t 1  t ,(3)t  At1Ht ( At1 ) ,(4) h1,tHt   0 0000 0 ,hK  M ,t  1 a21,tAt   aK  M 1,t01aK  M K  M 1,t00 ,1(5)ln(hi ,t )  ln(hi ,t 1 )   i ,t ,(6)aij ,t  aij ,t 1   i ,t ,(7)где Yt — (M 1) - вектор ключевых (наблюдаемых) переменных,Ft — ( K 1) - вектор ненаблюдаемых факторов,X t — ( N 1) - вектор переменных, представляющих собой информационное множество,l ,t и  — матрицы коэффициентов размерности ( K  M )  ( K  M ) и ( N  M )  ( K  M )соответственно,- 13 - t и et — нормальные случайные векторы с нулевыми математическими ожиданиями инекоторыми ковариационными матрицами,t — ( K  M )  ( K  M ) - ковариационная матрица вектора vt ,t — случайная матрица, имеющая матричное нормальное распределение с нулевымматематическим ожиданием, i ,t и  i ,t — нормальные случайные ошибки с нулевыми математическими ожиданиями.Построенные модели оценивались байесовскими методами, в основе которых лежаталгоритм Гиббса и алгоритм Картера–Кона (Carter, Kohn (1994)).

Общее число итераций валгоритме Гиббса составило 8000, первые 3000 из которых были отброшены как «burn-in».Оставшиеся 5000 итераций были использованы для расчета параметров апостериорныхраспределений и построения функций импульсного отклика на единичный шок ставкиMIACR — операционного ориентира процентной политики Банка России с сентября 2013года. Идентификация шоков денежно-кредитной политики проводилась с помощьюразложения ковариационной матрицы t вектора  t по Холецкому. Для оцениванияпараметров модели были использованы месячные данные с января 2004 по декабрь 2015года.В целом, построенные функции импульсных откликов переменных информационногомножества на шок (прирост) ставки денежного рынка MIACR на один процентный пунктсвидетельствуют о том, что рост ставок денежного рынка оказывает сдерживающее влияниена российскую экономику.

А именно, повышение ставки MIACR вызывает сокращениеденежной массы, снижение темпов инфляции, инвестиций в основной капитал и выпуска восновных отраслях экономики. При этом лаг денежно-кредитной политики в большинствеслучаев составляет около полугода. Кроме того, подтверждена эффективность работыпроцентного канала трансмиссионного механизма денежно-кредитной политики. В то жевремя статистически значимой реакции рублевого и валютного корпоративного портфелейроссийских банков на шок ставки MIACR в случае использования агрегированных данных необнаружено. Другими словами, на уровне банковского сектора в целом работоспособностьканала банковского кредитования не была обнаружена.Поскольку российский банковский сектор обладает высокой степенью неоднородности,была выдвинута гипотеза о том, что неоднородность структуры российского банковскогосектора может быть основной причиной разнородности их реакции на политику БанкаРоссии и, следовательно, причиной отсутствия значимых результатов при анализеагрегированных данных.

Для проверки данной гипотезы российские банки были разделенына три группы («большая шестерка» крупнейших государственных банков, прочие крупные- 14 -банки, а также средние и мелкие банки), а индивидуальные данные банков разных группбыли агрегированы для получения показателя по каждой группе в целом. Для каждой из трехгрупп банков была оценена отдельная TVP-FAVAR модель.Согласно полученным результатам, статистически и экономически значимую реакциюна шок ставки денежного рынка (следовательно, ключевой ставки Банка России)демонстрируют только корпоративные кредитные портфели крупных банков, в то время какработоспособность канала банковского кредитования через «большую шестерку» и средниеи малые банки не нашла подтверждения.

Такой результат может быть связан с тем, чтокредитная политика банков «большой шестерки» может быть слабо связана с процентнойполитикой Банка России из-за их большой рыночной власти и тесной взаимосвязи сгосударством, а средних и малых банков — из-за их тесной взаимосвязи с заемщиками,определяющей выживаемость таких банков на рынке. В целом, полученные во второй главерезультаты позволили выдвинуть гипотезу об определяющей роли индивидуальныххарактеристик российских банков в эффективности функционирования канала банковскогокредитования в российской экономике.Таким образом, основные результаты, полученные во второй главе, следующие:Продемонстрирована нецелесообразность анализа российского банковского секторакак одного «мега-банка». Показано, что агрегирование российских банков приведетк смещению результатов оценивания и получению неверных выводов, посколькуразличные банки могут по-разному реагировать на импульсы денежно-кредитнойполитики.Получен результат об определяющей роли размера и структуры собственностироссийских кредитных организаций для реакции их кредитных портфелей наизменения ключевой ставки Банка России — основного индикатора денежнокредитной политики в России в условиях действия режима инфляционноготаргетирования.В третьей главе с помощью панельного анализа подробно изучено влияниеиндивидуальныххарактеристикроссийскихбанковнаработоспособностьканалабанковского кредитования с учетом изменений в институциональной среде, в которойфункционировали российские кредитные организации.В параграфе 3.2 делается вывод о значимом влиянии уровня ликвидности активовроссийских кредитных организаций на работу канала банковского кредитования в условияхструктурного дефицита ликвидности.

При этом проведенные расчеты позволили выявить иобъяснить два типа эффектов, связанных с указанной взаимосвязью. Первый типпредставляет собой «классический» эффект ликвидности Кашьяпа и Штейна: в условиях- 15 -сдерживающей денежно-кредитной политики банки с наиболее ликвидными активами могутпозволить себе продать часть этих активов и выдавать эти средства в кредит, тем самымподдерживая кредитование нефинансового сектора в условиях удорожания денег вэкономике. Вторым типом эффекта является впервые обнаруженный на российских данных«антиэффект»ликвидности,действиекоторогопрямопротивоположнодействию«классического» эффекта ликвидности Кашьяпа и Штейна.