Диссертация (1137684), страница 36
Текст из файла (страница 36)
ликвид. активови счетов и депозитовКонстантаЧисло наблюденийЗначение логарифма функции правдоподобия(Log likelihood)P-значение теста Вальда на (не)значимостьуравнения в целомН0: суммарное воздействие компонент, связанных свременным трендом, незначимоЗначения SFA-индекса в:Примечание: Модели ПМ1.1-ПМ1.2 оценивались с помощью метода максимального правдоподобия (maximum likelihood estimation technique) в рамках анализа стохастической границы эффективности (SFA, Stochastic Frontier Analysis) банков, входящих в выборку.
В модели ПМ1.1 предполагается, чтокомпоненты неэффективности издержек банков распределены в соответствии с полунормальным распределением в положительной области, в модели ПМ1.2 – в соответствии с усеченным в нуле нормальным распределением в положительной области.***, ** и * – оценка коэффициента значима на 1%, 5% и 10% уровне. В скобках под коэффициентами указаны их робастные стандартные ошибки.‡ — совокупные доходы за вычетом процентных доходов и отрицательных переоценок ценныхбумаг и средств в иностранной валюте, а также расходов по начислению резервов под возможные потерие.192Моделью ПМ1.1 предсказывается, что (не)эффективность госбанковв меньшей степени подвержена волатильности, чем (не)эффективность референтной группы, в качестве которой были выбраны частные столичныебанки-резиденты.
Это отражает повышенную устойчивость госбанков кшокам — специфическая черта российской банковской системы. Напротив, как это ни странно, (не)эффективность дочерних банков нерезидентовболее волатильна, чем в референтной группе. Это может отражать факт того, что существенная часть таких банков вошла на российский рынокнепосредственно перед кризисом — в 2007 г., т.е. не в самое удачное времядля развития бизнеса, и стали развивать розничное направление (более доходное), а не корпоративное (которое традиционно более понятно для иностранцев). Часть таких банков, столкнувшись с убытками во время кризиса, утратила интерес к развитию бизнеса в России и была вынуждена покинуть рынок в пост-кризисных условиях (Барклайс банк, Сведбанк, HSBCи др., см. Евгеньев, 2011).
Далее, из трех переменных риска значимое воздействие на волатильность (не)эффективности оказывает лишь одна — отношение собственного капитала к совокупным активам. Эта переменнаявошла в состав уравнения с отрицательным знаком (чем выше такое отношение и, соответственно, меньше финансовый рычаг, тем менее волатильны показатели (не)эффективности). Другими словами, мы не нашли подтверждений тому, что доля просроченных кредитов или ликвидность может влиять на волатильность (не)эффективности.Динамика построенных SFA-индексов в различных процентилях выборки банков за период 2005-2012 гг.
представлена на Рисунках П1.1.а (дляслучая полунормального распределения компонент неэффективности) иП1.2.а (для случая усеченного в нуле нормального распределения). Интересно, но в первом случае практически не наблюдается каких-либо трендовв динамике эффективности медианного банка в периоды до, во время и после кризиса 2008-2009 гг. Можно было ожидать, например, сокращенияэффективности перед кризисом (на фоне перегрева кредитного рынка и193общей волны оптимизма, в том числе, среди банкиров, проявляющегося вповышении их склонности к завышенным издержкам на содержание аппарата управления). Напротив, во время кризиса можно было ожидать повышения эффективности (за счет сокращения зарплат сотрудников и прочихрасходов). Однако, в кризис этого не наблюдалось: SFA-индекс медианного банка сократился с 74% до 72% в первом из двух случаевб) Гистограмма распределения банковпо SFA- индексуа) Динамика индекса SFA в различныхпроцентилях выборки банковРисунок П1.1. Динамика и гистограмма распределения банков по SFAиндексу в предположении полунормального распределения компонентнеэффективности банков (в среднем за период 2005-2012 гг.)а) Динамика индекса SFA в различныхпроцентилях выборки банковб) Гистограмма распределения банковпо SFA-индексуРисунок П1.2.
Динамика и гистограмма распределения банков по SFAиндексу в предположении усеченного в нуле нормального распределениякомпонент неэффективности банков (в среднем за период 2005-2012 гг.)194(причем дальше — на посткризисном этапе — он практически не восстановился) и с 78% до 69% во втором случае (правда, с восстановлением затем до 75% к концу 2012 г.). Сокращение эффективности в кризис можетбыть объяснено необходимостью нести дополнительные издержки, связанные с ростом просроченной задолженности населения и нефинансовыхпредприятий по ранее взятым кредитам (начисление дополнительных резервов под потери, работа с коллекторами и др.).Динамики эффективности в более эффективных банках (например, в75-ом процентиле) и в менее эффективных банках (например, в 25-ом процентиле) в обоих случаях демонстрируют схожие тенденции.
В первомслучае это плавный тренд на рост эффективности в промежутке 2005-2012гг. с небольшим «проседанием» в период кризиса, во втором — рост докризиса, сильное сокращение в период кризиса, небольшой «отскок» вначале посткризисного этапа, сменившийся дальнейшим ухудшением эффективности к концу 2012 г. Это говорит о том, что менее эффективнымбанкам труднее восстанавливать эффективность и, тем более, догонять более эффективных игроков по качеству корпоративного управления. Вопределенном смысле, это является значимым «тормозом» для развитиятаких банков (эффект «консервации отсталости»).С точки зрения плотностей распределения банков по SFA-индексамзначимых отличий выявлено не было (Рисунки П1.1.б и 1.2.б).Полученные оценки эффективности российских банков оказались на5-10 проц. п. ниже аналогичных оценок в работах Belousova (2009) иKumbhakar, Peresetsky (2013).
Причина — в сальдировании переоценкисредств в валюте при расчете границы эффективности, что не было учтеноавторами указанных работ.195П1.2 Уравнение дохода банков и Н-статистика Панзара-РоссаТаблица П1.2. Результаты оценки воздействия цен входных ресурсов надоходы (за период 1 кв. 2005 – 4 кв. 2012)Зависимая переменная (в логарифмах):Учет факторамасштаба банкаОбъясняющие переменные (в логарифмах)Процентные доходыбанканетдаСовокупные доходыбанканетдаПМ1.3ПМ1.4ПМ1.5ПМ1.60.359***(0.029)–0.333***(0.034)0.169***(0.020)0.231***(0.012)0.290***(0.016)0.100***(0.009)0.214***(0.029)–0.429***(0.034)0.720***(0.019)0.084***(0.005)0.205***(0.006)0.650***(0.004)0.030***(0.006)0.006(0.022)–0.023*(0.013)–0.051**(0.025)0.030(0.021)–0.039***(0.014)0.030***(0.003)0.002(0.013)0.002(0.007)0.059***(0.012)–0.057***(0.013)–0.023***(0.009)0.010*(0.005)–0.003(0.018)–0.041***(0.012)–0.060(0.022)–0.003(0.019)0.049***(0.016)0.010***(0.001)–0.006(0.005)–0.015***(0.004)0.051***(0.004)–0.091***(0.007)0.064***(0.009)0.093***(0.014)0.199***(0.021)–0.043***(0.007)–0.041**(0.017)0.014**(0.007)–0.400***(0.030)0.011(0.031)–0.059***(0.014)–0.151***(0.033)–0.016(0.015)0.025***(0.006)0.010(0.006)–0.008***(0.003)–0.004(0.006)–0.002(0.003)Цена входящих ресурсов:Привлеченные средстваПерсоналФизический капиталПерекрестные эффекты цен входящих ресурсов:Привлеченные средства (в квадрате)Привлеченные средства × ПерсоналПривлеченные средства × Физический капиталПерсонал (в квадрате)Персонал × Физический капиталФизический капитал (в квадрате)Факторы гетерогенности эффекта цен входящих ресурсов на доход:Отношение собственного капиталак совокупным активамКредитная нагрузкана активыСоотношение абс.
ликвид. активови счетов и депозитовДоля счетов и депозитовв привлеченных средствахДоля кредитов населениюв кредитах–0.325***(0.030)0.200***(0.042)–0.093***(0.016)–0.186***(0.036)0.0004(0.0163)Перекрестные эффекты цен входящих ресурсов и факторов гетерогенности их эффекта на доходыОтношение собственного капиталак совокупным активам × Цена привлеченных средствОтношение собственного капиталак совокупным активам × Цена персоналаОтношение собственного капиталак совокупным активам × Цена физического капитала196–0.114***(0.022)–0.048(0.032)0.011(0.020)–0.066***(0.011)0.008(0.017)0.040***(0.011)–0.067***(0.020)–0.056*(0.030)–0.032(0.022)–0.020***(0.006)–0.001(0.007)–0.002(0.006)Зависимая переменная (в логарифмах):Процентные доходыбанканетдаСовокупные доходыбанканетдаПМ1.3ПМ1.4ПМ1.5ПМ1.60.055***(0.020)0.009(0.043)–0.030(0.023)0.006(0.012)–0.040(0.026)0.011(0.016)0.063***(0.013)0.053*(0.028)–0.054***(0.028)0.014***(0.004)0.005(0.007)–0.013***(0.004)Соотношение абс.
ликвид. активови счетов и депозитов × Цена привлеченных средствСоотношение абс. ликвид. активови счетов и депозитов × Цена персоналаСоотношение абс. ликвид. активови счетов и депозитов × Цена физического капитала–0.006(0.018)–0.013(0.018)0.011(0.013)0.007(0.008)–0.004(0.010)0.009(0.008)–0.016(0.013)–0.003(0.013)0.008(0.011)–0.003(0.004)0.006(0.004)0.006*(0.003)Доля счетов и депозитов в привлеченных средствах× Цена привлеченных средствДоля счетов и депозитов в привлеченных средствах× Цена персоналаДоля счетов и депозитов в привлеченных средствах× Цена физического капитала–0.047**(0.019)–0.059*(0.032)0.005(0.027)–0.017(0.011)–0.006(0.020)–0.009(0.017)–0.033*(0.018)–0.052**(0.026)0.026(0.023)–0.003(0.006)0.002(0.006)0.012*(0.007)0.005(0.013)–0.022(0.017)0.009(0.011)–0.005(0.006)–0.008(0.007)–0.004(0.006)0.016(0.010)–0.016(0.015)0.010(0.011)0.005**(0.002)–0.0003(0.0032)–0.003(0.003)–0.984***(0.025)1.012***(0.015)–2.601***(0.026)0.223***(0.023)1.029***(0.006)–1.416***(0.010)0.1090.2190.31125431(1104)0.9620.5590.6260.68525431(1104)0.9890.4190.5270.62325436(1104)0.9730.9260.9410.95425436(1104)0.998Учет факторамасштаба банкаОбъясняющие переменные (в логарифмах)Кредитная нагрузка на активы× Цена привлеченных средствКредитная нагрузка на активы× Цена персоналаКредитная нагрузка на активы× Цена физического капиталаДоля кредитов населению в кредитах× Цена привлеченных средствДоля кредитов населению в кредитах× Цена персоналаДоля кредитов населению в кредитах× Цена физического капиталаМасштаб банка (доля в совокупных активахбанк.
системы)КонстантаЗначение Н-статистики в:25-м процентиле50-м процентиле75-м процентилеЧисло наблюдений (банков)R2 (LSDV)Фикисированные эффектыпопопопообъекту,объекту,объекту,объекту,по временипопо временипоПримечания: ***, ** и * – значимость оценки коэффициента на времени1%, 5% и 10% соответственно. времениВскобках под коэффициентами указаны их робастные стандартные ошибки. Оценки проводились с помощью метода наименьших квадратов (OLS) в рамках модели с двунаправленными фиксированными эффектами.197П1.3 Согласованность альтернативных индикаторов рыночнойвласти банковТаблица П1.3.
Оценки коэффициентов парных корреляций между различными версиями общеотраслевых индикаторов рыночной властиИндекс Лернера1Индикатор Буна–0.011-Н-стат0.380.221Индекс микро концентр.0.11–0.42–0.0434.818.72.2Индекс микроконцентр.-Н-статИндикатор БунаБанковская система без учетаСбербанкаИндекс ЛернераИндекс микроконцентр.-Н-статИндикатор БунаИндекс ЛернераБанковская система всего1–0.1710.46–0.53110.290.420.47110.726.819.23.58.5Справочно:Стандартное отклонение (в% к среднему)Приложение 2. Меры устойчивости банков и результатыих оценок на российских данныхОдним из наиболее распространенных показателей устойчивостибанков в современной литературе является Z-индекс, предложенный Артуром Роем в 1952 г. в статье «Безопасность прежде всего и владение активами», опубликованной в журнале Econometrica (Roy, 1952).
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
