Диссертация (Влияние индивидуальных характеристик российских банков на работу канала банковского кредитования в российской экономике), страница 12

При описании схемы работы второго канала внимание, чаще всего,концентрируется на влиянии инструмента центрального банка на объем банковских кредитовфирмам. По сути, данные каналы с разных сторон (цены и объемов) описывают то, какимпульсы денежно-кредитной политики отражаются на равновесии на корпоративномкредитном рынке.Важность и актуальность изучения именно этого сегмента российской экономикиобусловлена следующими причинами.Первая причина заключается в том, что банковское кредитование в настоящее времяявляется одним из основных источников заемных средств для отечественных компаний,работающих в реальном секторе. Так, согласно данным Росстата19, в последнее времябанковские кредиты являются вторым после бюджетных средств источником заемных средств,направляемых на финансирование инвестиций в основной капитал.

Доля кредитов банков среди17См. Доклад о денежно-кредитной политике Банка России, выпуски № 4 (16) и №1 (17).Под нефинансовыми организациями здесь и далее понимаются организации, реализующие товары и услуги и неотносящиеся к финансовому сектору экономики.19См. сборник «Россия в цифрах» за 2014 год, табл. 25.4 (Росстат).18- 46 всех источников в период с 2010 по 2014 гг. составляла 8–10%, а среди заемных средств —около 15%, поднявшись до 18% в 2014 году.Вторая причина логически вытекает из первой.

Являясь одним из основных источниковинвестицийвроссийскойэкономике,кредитыбанковнефинансовыморганизациямстимулируют совокупный выпуск. В связи с этим, можно говорить о том, что кредиты банковпервичны по отношению к доходам населения: в конечном итоге, из выручки, полученнойпредприятием от продажи произведенного товара или оказания услуги, выплачиваетсязаработная плата работников.Такимобразом,анализфункционированияканалабанковскогокредитования,связывающего импульсы денежно-кредитной политики с динамикой кредитования, в первуюочередь, нефинансовых организаций, необходим для понимания механизма денежнойтрансмиссии в российской экономике. Следовательно, его результаты будут полезны, в первуюочередь,БанкуРоссиидляпроведенияэффективнойденежно-кредитнойполитики,направленной на создание условий для долгосрочного экономического роста.Прежде чем перейти к описанию результатов данного анализа, подробно остановимся натом, какой именно статистический показатель, отражающий динамику кредитования, былвыбран.

В российской экономической статистике существует два основных показателя, спомощью которых отражаются объемы кредитования как на уровне всего банковского сектора,так и на уровне отдельных кредитных организаций (последнее особенно важно для настоящегодиссертационного исследования). Такими показателями являются объем корпоративногокредитного20портфелябанков (-а)иобъемвыданныхбанками (-ом)нефинансовыморганизациям новых кредитов за определенный период (чаще всего, один месяц).В качестве показателя для анализа был выбран объем кредитного портфеля, а не объемвыданных за период новых кредитов по нескольким причинам. Во-первых, такой выбор связанс доступностью данных для анализа.

Показатель объема кредитного портфеля, в отличие отобъема вновь выданных кредитов, находится в свободном доступе за весь рассматриваемый вданном исследовании период времени с января 2004 по декабрь 2016 года. Во-вторых, объемновых кредитов может быть сильно волатилен, если, например, один и тот же заемщик беретодну и ту же сумму сначала на первые полгода, а потом оформляет новый кредитный договорна оставшуюся половину года.

В такой ситуации обороты объемов вновь выданных кредитовбудут в два раза больше суммы фактически взятых в кредит денежных средств, однакосущественного экономического смысла полученное значение иметь не будет. Показательсовокупной задолженности по кредитам не подвержен подобным колебаниям и поэтому лучше20Кредиты и прочие размещенные средства, предоставленные кредитными организациями нефинансовыморганизациям (включая индивидуальных предпринимателей).- 47 характеризует основные принципы взаимодействия между банками и заемщиками.

В-третьих,если после повышения ключевой ставки Банком России некоторые фирмы приняли решениедосрочно погасить кредит, то такое поведение можно считать результатом сдерживающейденежно-кредитной политики. Погашения кредитов скажутся на размере кредитного портфеля вцелом, но никак не отразятся на показателе вновь выданных кредитов. Получается, что вданном случае объем кредитного портфеля несет в себе больше информации о влиянииполитики Банка России на кредитование реального сектора, т.е.

о работе денежнойтрансмиссии.2.3 Канал банковского кредитования в России: оценка с помощью TVP-FAVAR моделиНесмотря на возможность подробного описания канала банковского кредитования втеоретических работах (см. например, Mishkin, (1996), Disyatat (2011)), в эмпирическихисследованиях невозможно отделить эффекты со стороны предложения кредитов от эффектовсо стороны спроса на заемные средства (Kashyap, Stein (2000)). В распоряжении исследователейреальных экономик чаще всего имеются лишь статистические данные об уже заключенных(равновесных) кредитных договорах, на объем которых повлияли как спрос, так и предложение.Поэтому, подобно Kashyap, Stein (2000), в настоящем диссертационном исследовании подканалом банковского кредитования подразумевается влияние денежно-кредитной политикиБанка России (ключевой ставки Банка России) на равновесные объемы кредитования накорпоративном кредитном рынке.2.3.1 Модель TVP-FAVARДля того чтобы учесть максимально возможный объем информации, в VAR-модель быливключены ненаблюдаемые переменные — факторы.

Такая спецификация впервые былапредложена в работе Bernanke et al. (2005), получив название FAVAR-модель (Factor AugmentedVAR). Можно сказать, что FAVAR-модель позволяет учесть информацию о состоянииэкономики в целом, включая даже ситуацию на внешних рынках. Благодаря этому проблемаэндогенности, вызванная отсутствием значимых переменных, становится менее выраженной.Для получения ненаблюдаемых факторов, учитывающих информацию обо всей экономике,используется большое число показателей, имеющих отношение к различным секторамэкономики (реальному, финансовому, государственному и внешнему).

Будем называть этотнабор показателей информационным множеством. Далее на основе метода главных компонентиз большого набора данных вычленяются факторы, которые включаются в VAR-модель вкачестве эндогенных переменных.В оцениваемой в данном разделе модели учитывается, что взаимосвязи междупеременнымимогутпостепенноменятьсясовременем.Подобноепредположениепредставляется обоснованным в случае с российской экономикой. Даже за относительно- 48 небольшой промежуток времени, 15 лет, в экономике России произошли существенныеизменения: от бурного экономического роста в 2000–2007 годов и финансового кризиса 2008–2009 годов до последнего экономического кризиса 2015–2016 годов, сопровождавшегосясильным обесценением национальной валюты.

Возможное наличие структурных сдвиговучитывается в модели через введение предпосылок о динамике коэффициентов VAR-модели вовремени и наличии стохастической волатильности случайных ошибок VAR-модели. Подобныепредпосылки характерны для моделей класса TVP-VAR (Time varying parameters VAR),методология оценки которых разработана в исследованиях Primiceri (2005), Cogley, Sargent(2005) и Carter, Kohn (1994).Таким образом, модифицированная указанными способами VAR-модель принадлежит кклассу TVP-FAVAR моделей.

В данном исследовании для оценки подобной векторнойавторегрессии используется методология, предложенная в работах Korobilis (2013) иEllis et al. (2014). Насколько известно автору, такой подход к анализу канала банковскогокредитования в России ранее не применялся.В общем виде TVP-FAVAR модель может быть записана с помощью следующей системыуравнений: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1 H t ( 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,- 49 - 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.Заметим, что уравнения (1) и (2) вместе представляют собой модель «состояние–наблюдение».