Автореферат (1138187), страница 2
Текст из файла (страница 2)
Количественные расчетыосуществлялись в статистическом пакете Stata и MS Excel.Информационной базой исследования являются статистические данныеМВФ International Financial Statistics и Financial Soundness Indicators, базыданных Мирового Банка - World Development Indicators и Global FinancialDevelopment, данные ОЭСР – OECD.Stat, сайты Центральных банков истатистических агентств России и других стран.
Также базой исследованияявляются данные оборотных ведомостей по счетам бухгалтерского учета(форма 101) и отчеты о прибылях и убытках (форма 102) российских банков,публикуемые на сайте Банка России за период 2004-2013 гг.Научнаяновизнадиссертационногоисследованиясостоитвследующем:Разработана схема дистанционного стресс-тестирования кредитного рискароссийскогобанковскогосектора,учитывающегонеопределённостьбудущей фазы бизнес-цикла при разработке сценариев и неоднородностьриск-стратегий банков при расчете чувствительности качества портфелейотдельных игроков к общесистемным шокам;Разработана межстрановая модель агрегированного кредитного риска,учитывающая более широкий спектр переменных по сравнению симеющейся литературой. В модели решена проблема эндогенности рядаобъясняющихпеременных,игнорируемаявбольшинстверабот.Применены методы оценивания динамических моделей на панельныхданных, позволяющие моделировать качество ссуд в уровнях, а неприростах(SystemGMM),темсамым,достигаяболеевысокойобъясняющей силы моделей.
Модель агрегированного кредитного рискабыла применена как для ретроспективного анализа кредитного рынка8России, так и для дистанционного тестирования устойчивости российскогобанковского сектора в среднесрочном периоде;В работе впервые оценены модели вероятности смены фаз бизнес-цикла наоснове панельных данных. Это позволило учесть историю бизнес-цикловпо широкому кругу стран, что существенно повышает качество иобоснованность моделей и сделанных выводов.
Поведение опережающихиндикаторов рецессий, полученное на основе этих моделей, было принятово внимание при разработке стрессовых сценариев для анализа рисковбанковского сектора;При разработке моделей входа в рецессию и выхода из нее была впервыеучтена проблема посткризисного смещения, что позволило значимоповысить предсказательную силу модели и при этом снизить уровень«зашумления». Для данных моделей был применен анализ пороговотсечения на основе оптимизации функции потерь регулятора. Этот метод,широко применяемый в исследованиях по финансовым кризисам, былвпервые применен для моделей опережающих индикаторов резкихизменений макроэкономической конъюнктуры.Был впервые поставлен и исследован вопрос об относительной значимостимакроэкономических переменных и факторов рискованности бизнесстратегий банков при объяснении качества их ссуд.
Были выявленыгруппыбанков,обладающиеповышеннойустойчивостьюилиуязвимостью к макроэкономическим шокам. Результаты данного анализабыли использованы при проведении стресс-тестирования, они обеспечилиболее точный расчет потерь банковского сектора с учетом неодинаковойчувствительности игроков к общим для системы стрессам.Теоретическая и практическая значимость результатов исследования.Результаты диссертационного исследования могут быть использованы приразработке макропруденциальной и контрциклической политики в России.Разработанные методы дистанционного стресс-тестирования кредитного рискабанковского сектора могут использоваться для взаимной верификациирезультатов top-down стресс-тестов, проводимых Банком России.
Регулярное9проведение дистанционного анализа устойчивости банков к реализациикредитныхуязвимостейрисковприможетбытьусловииинструментомодновременногораннейидентификациизадействованиямоделейопережающих индикаторов поворотных точек бизнес-циклов, разработанных вдиссертационном исследовании.Разработанные модели опережающихиндикаторов точек входавмакроэкономический кризис и выхода из него могут быть использованы припроведении контрциклической политики, разработки и имплементации мер,предотвращающих или смягчающих последствия кризисов.Результаты проведенного в диссертационном исследовании анализа вкладамакро- и микроэкономических факторов в ухудшение качества кредитныхпортфелейроссийскихбанковпозволяютобосноватьнеобходимостьконтрциклического регулирования российского банковского сектора. Былиполучены доказательства ключевой роли макроэкономических факторов вобъяснении роста доли просроченных кредитов большинства банков в периодкризиса 2008-2009 гг.Результаты диссертации применены в научно-исследовательской работе погранту Консорциума экономических исследований и образования (EERC) в2011-2013 гг., а также в отчетах Центра макроэкономического анализа икраткосрочного прогнозирования в 2010-2013 гг.Структура диссертации.
Работа состоит из введения, 4 глав, заключения,приложения, списка литературы из 126 наименований. Общий объем работы —160 страниц основного текста и 32 страницы приложений и библиографии.Апробация результатов исследования. Результаты диссертации былиапробированы на следующих конференциях и научных семинарах:1. XII, XIII, XIV, XV Международная научная конференция по проблемамразвития экономики и общества. НИУ ВШЭ, Москва, 6 апреля 2011 г.; 4 апреля2012 г.; 4 апреля 2013 г.; 2 апреля 2014 г.2.
Семинар «Банки и предприятия: модели и рейтинги». РЭШ, Москва, 17 мая2011 г.103. Семинар «Макроэкономические исследования». Экономический факультетМГУ им. Ломоносова, Москва, 26 мая 2011 г.4. Исследовательские семинары №31, 32 и 34 Консорциума экономическихисследований и образования (EERC Research workshop). Киев, Украина, 17декабря 2011 г.; Одесса, Украина, 8 июля 2012 г.; Киев, Украина, 28 июня 2013г.5.
Совместный научный семинар кафедры математической экономики иэконометрики и лаборатории макроструктурного моделирования экономикиРоссии. НИУ ВШЭ, Москва, 19 апреля 2012 г.6. 32nd International Symposium on Forecasting. Бостон, США, 26 июня 2012 г.7. Second CInSt Banking Workshop «Banking in Emerging Markets: Challengesand Opportunities». НИУ ВШЭ, Москва, 16 ноября 2012 г.8. Второй Российский экономический конгресс. Суздаль, 19 февраля 2013 г.9. Международная научная конференция студентов, аспирантов и молодыхучёных «Ломоносов-2013».
МГУ им. Ломоносова, Москва, 10 апреля 2013 г.10. 10th Eurasia Business and Economic Society Conference. Стамбул, Турция, 24мая 2013 г.11. 17th International Conference on Macroeconomic Analysis and InternationalFinance. Ретимно, Греция, 1 июня 2013 г.12. КонференцияАНЦЭА«Проблемыроссийскойэкономики:политико-экономический взгляд». Москва, 30 сентября 2013 г.Публикации. Основные результаты диссертационного исследованияопубликованы в 11 работах общим объемом 13,5 п.л. (вклад автора 6,2 п.л.).Шесть из них опубликованы в российских рецензируемых журналах,рекомендованных ВАК Министерства образования и науки РФ.ОСНОВНЫЕ ПОЛОЖЕНИЯ ДИССЕРТАЦИИПервая глава диссертации «Моделирование кредитного риска банковскойсистемы: макроэкономический аспект» посвящена построению комплексамоделей агрегированного кредитного риска банковского сектора.Перваякредитногопостроеннаярискамодельбанковскогоописываетсектора11динамикунаосновеагрегированногомежстрановыхмакроэкономических и финансовых данных за 1997–2012 гг.
по 37 странамОЭСР. Зависимая переменная - доля необслуживаемых кредитов (NPL) всовокупном кредитном портфеле банковской системы5.Использование панельных данных для моделирования качества ссуд вРоссии обусловлено малым числом кризисов «плохих долгов» (роста доли NPLкредитах) в нашей стране: данные события наблюдались в 1998 и 2008 гг.
Припостроении моделей на панельных межстрановых данных предполагается, чтофакторы реализации кредитных рисков в данной группе стран одинаковы. Учетиндивидуальных особенностей стран в данных моделях происходит за счетвключения индивидуальных ненаблюдаемых эффектов (см. далее).Уравнение качества ссуд было специфицировано в виде динамическоймодели на панельных данных, т.е. в число регрессоров включалось прошлоезначение зависимой переменной (причина – инертность доли необслуживаемыхкредитов):KNPLit NPLit 1 k X it( k ) it(1)k 1где NPLit – зависимая переменная (доля NPL в совокупном кредитномпортфеле банковского сектора), X it – набор объясняющих переменных, –векторкоэффициентов,подлежащийоцениванию, it i it–суммаиндивидуального (странового) эффекта и идиосинкратического шока, i - номеробъекта (страны), t – период времени (год).В качестве объясняющих переменных модели использовались факторымакроэкономических условий, динамики цен активов, рисков кредитногорынка, конкуренции / концентрации банковского сектора и его эффективности,устойчивости банков к кредитному риску, качества институтов кредитногорынка, регулирования и банковского надзора (выявлены на основе анализасуществующих эмпирических работ).Модель (1) оценивалась методом «System GMM» (предожен в работеBlundell, Bond, 1998).
Причины - несостоятельность оценок моделей с5Межстрановые данные по доле NPL в совокупном кредитном портфеле банковской системы имеются с 1997 г.12фиксированными и случайными эффектами, а также высокая вероятностьнерелевантности инструментальных переменных в случае использованияметода Difference GMM, предложенного в работе Arellano, Bond (1991)вследствие высокой степени инерции зависимой переменной.
Для эндогенных ипредетерминированныхпеременныхиспользовалисьдополнительныевнутренние инструментальные переменные (их прошлые значения). Числоинструментальных переменных ограничивалось при помощи свертки матрицыинструментальных переменных - «collapsing method», см. Roodman (2006).В ряде исследований отмечается, что динамика кредитного риска банковявляется эндогенным фактором по отношению к макроэкономическимусловиям.
Признание этого факта означает необходимость формулировкимодели NPL в виде векторной авторегрессии (VAR). Для обоснованияодномерной модели кредитного риска в форме (1), в отличие от многомернойVAR, применяемой в большинстве работ на макроуровне, проводится анализвзаимовлияния зависимой переменной – доли NPL – и переменной, наиболееполно отражающей макроэкономические условия – темпов прироста реальногоВВП – при помощи теста Грейнджера на панельных данных. В данной работетест специфицируется следующим образом:NPLit 1 NPLit 1 2 NPLit 2 1GDPgrit 1 2 GDPgrit 2 it(2)GDPgrit 1GDPgrit 1 2 GDPgrit 2 1 NPLit 1 2 NPLit 2 it(3)Тестируемые гипотезы: 1) 1 2 0 ; 2) 1 2 0 .
Учет только первыхдвух лагов в тесте обуславливается незначимостью прочих.Модели (2) и (3) были оценены при помощи метода «System GMM».Результаты оценивания свидетельствуют о том, что динамика ВВП являетсяпричиной поГрейнджеру качества совокупногокредитного портфелябанковской системы, в то время как лаги NPL не помогают в предсказаниитекущих значений темпов прироста ВВП. Это позволяет отказаться отспецификации модели в виде VAR и ограничиться оцениванием одномерногоуравнения (1).13Результатыэконометрическогоанализафакторовагрегированногокредитного риска банковского сектора позволили выявить высокую степеньинерции качества ссуд. Было выявлено значимое влияние темпов приростареального ВВП и уровня безработицы, что свидетельствует о сонаправленностибизнес- и кредитных циклов. Ослабление курса национальной валюты втекущем году значимо и негативно влияет на финансовое положение компанийи домохозяйств, имеющих валютную задолженность при ограниченныхисточниках валютных доходов, что, в свою очередь, ведет к ухудшениюкачества выданных ссуд.
Показатель отношения кредитов банков к депозитамвходитвуравнение«плохих»долговнезначимо.Низкоезначениедифференциала процентных ставок по кредитам и депозитам и процентноймаржи банков ведет к обострению проблемы морального риска заемщиков(облегчение доступа к кредитам низкодоходных групп заемщиков) и с лагом - кросту доли проблемных кредитов. Более высокая прибыльность банковскогобизнеса отражает также и более качественное управление рисками, в т.ч.кредитными, что ведет к снижению доли NPL (подтверждение гипотезы«плохого менеджмента»). Более высокое покрытие резервами «плохих» ссудотражаетконсервативностьменеджментавуправлениирисками,чтоотражается в более высоком качестве кредитных портфелей.Вторая модель агрегированного кредитного риска банковского секторабыла построена на основе сигнального подхода6 по данным только российскойэкономикивотличиеотмежстрановойэконометрическоймоделиагрегированного кредитного риска, изложенной выше.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
