Диссертация (1137810), страница 12

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (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».

Характеристики

Список файлов диссертации