Автореферат (1138187), страница 4
Текст из файла (страница 4)
2008 г. – 2 кв. 2010 г. (данный вывод устойчив к изменению спецификациимодели – см. рис. 1а).Сравнение факторной декомпозиции по различным процентилям выборкибанков показало, что около 20% банков столкнулись с ростом долипросроченных кредитов в последний кризис во многом вследствие выбораболее рискованных бизнес-стратегий (вклад микрофакторов превышает вкладмакро – см. рис.
1б). При этом около 10% банков обладают повышеннойустойчивостью к макрошокам (способностью им противостоять, по критерию20отрицательного вклада микрофакторов, сопоставимого по модулю с макро – см.рис. 1б).Проведенный анализ факторной декомпозиции вариации качества ссудотдельных банков позволил выявить группы, обладающие повышеннойустойчивостью или уязвимостью к макроэкономическим шокам. Результатыэтого анализа были использованы при проведении дистанционного top-downстресс-тестирования.Рисунок 1.
Факторная декомпозиция прироста доли просроченныхкредитов банков за период 2 кв. 2008 г. – 2 кв. 2010 г.а) Различные спецификации моделей,б) Различные процентили выборкимедианный банкбанков, модель FE-4МакроМикроМикроP90P80P70P60P50P40P30P20100%80%60%40%20%0%-20%-40%-60%P10GMM-3GMM-2GMM-1FE-4FE-3FE-2FE-1100%80%60%40%20%0%-20%МакроЧетвертая глава диссертации «Анализ устойчивости российскогобанковского сектора к кредитному риску при помощи разработанных моделейкредитного риска» посвящена применению построенных в главах 1-3 моделейна российских данных.Во-первых, построенные сигнальные модели агрегированного кредитногориска российского банковского сектора были применены к анализу кризисногопотенциалакредитногорынкаРоссииисреднесрочнойустойчивостироссийского банковского сектора. Было показано, что период 2013 - начало2014 гг.
характеризовался повышенной вероятностью реализации кредитныхрисков. Анализ показал, что основным источником роста кредитных рисковбанков являлась несбалансированность доходов и расходов населения в 2011212012 гг. В соответствии с предсказаниями сигнальной модели, в 2013 – начале2014 гг. наблюдался рост доли просроченной задолженности в кредитах банков.Для оценки среднесрочных перспектив развития ситуации на российскомкредитном рынке были применены методы стресс-тестирования. При помощимоделиагрегированныхсреднесрочныхкредитныхсценариевЦентрарисковбанковскогомакроэкономическогосектораианализаикраткосрочного прогнозирования был рассчитаны прогноз доли NPL пороссийскому банковскому сектору в целом на год вперед в рамках трехмакроэкономических сценариев: высокого, наиболее вероятного и кризисного7Далее при помощи построения стилизованных балансов отдельных банков(эмуляции расчета основных показателей) был проведен стресс-тест по двумнаихудшим из рассмотренных сценариев.
При расчете прогноза качества ссудотдельных банков в одном случае учитывались индивидуальные уязвимости кмакрострессам,полученныеврезультатерасчетавкладамикро-имакрофакторов в рост доли просроченных кредитов банков в 2008-2010 гг. («скоррекцией»), во втором – нет (в последнем случае динамика качества ссудотдельных банков на прогнозном периоде повторяла аналогичный показательпо сектору в целом, «без коррекции»).
Количественные результаты стресстестирования приведены на рис. 2.В случае сонаправленной динамики качества ссуд всех банков в наиболеевероятномсценариикредитныморганизациямможетпонадобитьсядополнительная капитализация со стороны финансовых властей в объеме 338млрд. руб. (около 5,1% собственного капитала банковской системы). Вкризисном сценарии размер поддержки существенно выше - 514 млрд. руб.(7,8% капитала). Во всех сценариях учет гетерогенности банков по уязвимостик макрошокам приводит к снижению потерь банков и спроса на поддержку состороны государства (до 272,2 и 368,6 млрд.
руб. соответственно). Этообъясняется переоценкой уровня риска крупных государственных банков,7Рассмотрение кризисного сценария наряду с другими при стресс-тестировании обусловлено поведениемопережающих индикаторов смены фаз бизнес-цикла, которые указывают на приближающуюся к пороговомузначению вероятность входа российской экономики в рецессию в перспективе года. Российские министерстваи ведомства не публиковали в открытом доступе кризисные макроэкономические сценарии. Сценарии ЦМАКПдоступны по ссылке http://www.forecast.ru/_ARCHIVE/Monitoring/2014/2014Forecast.pdf22обладающих повышенной устойчивостью к макрострессам, в расчетах безуказанной коррекции.Рисунок 2.
Результаты стресс-тестирования кредитного риска российскогобанковского сектора, горизонт – 2014 г.КризисныйКризисныйПотребность банков в дополнительныхвливаниях в капитал со стороныгосударства, млрд. руб.Число банков, которым потребуютсядополнительные вливания в капиталсо стороны государства (прав. шк.)С коррекциейБезкоррекции100%80%60%40%20%0%С коррекциейС коррекциейБезкоррекции250200150100500Безкоррекции600.0500.0400.0300.0200.0100.00.0Наиб. вероятн.БезкоррекцииНаиб. вероятн.б) Структура спроса на поддержку капиталасо стороны государства, %С коррекциейа) Число банков с дефицитом капитала иобъем господдержкиЧастные региональные банкиЧастные столичные банкиГосударственные банкиДочерние банки нерезидентовОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ РАБОТЫ1.
На основе построенных моделей агрегированного кредитного рискабанковского сектора было выявлено, что основными факторами качества ссудна макро-уровне являются: динамика реального ВВП (фаза бизнес-цикла),устойчивостькурсанациональнойвалюты(наличиеилиотсутствиедевальвации и ее масштаб), динамика кредитного рынка (сбалансированностьразмещенных и привлеченных банками средств), рыночная стоимость залоговпо кредитам (жилья и акций), показатели защищенности от рисков(капитализация, уровень резервирования по ссудам и др.). Построеннаямежстрановаямодельагрегированногокредитногорискасталаинструментальной основой для проведения дистанционного top-down стресстестирования российского банковского сектора.2.
В рамках повышения точности дистанционного стресс-тестинга былиразработаны модели опережающих индикаторов смены фаз бизнес-цикла. Учет23показаний этих моделей при разработке стрессовых сценариев позволяетсмягчить одну из острых проблем стресс-тестирования – процикличность(сильную историческую обусловленность) закладываемых в сценарии шоков.Количественный анализ индикаторов бизнес-цикла выявил ключевую рольпеременных финансового сектора, отвечающих за внутренние финансовыеперегревы, в объяснении начала и окончания макроэкономических кризисов.Учет финансовых переменных позволяет существенно повысить качествомоделей поворотных точек бизнес-цикла (наблюдается снижение уровня«шума» либо рост предсказательной силы).3. Для более полного учета гетерогенности банков в части уязвимости кмакроэкономическим шокам была разработана модель кредитного рискаотдельных российских банков.
Данная модель показала, что, наряду с общимидля всех банков трендами, качество ссуд отдельных игроков в значительнойстепени зависит от рискованности индивидуальных бизнес-стратегий. Наоснове проведенного анализа удалось выявить группу «повышенного риска»:банки, ухудшение качества ссуд которых во время кризиса 2008-2009 гг. более,чем на 50% объяснялось микроэкономическими факторами.
Численность этойгруппы составляет примерно 20% от числа кредитных организаций. При этомдля большинства банков основным фактором реализации кредитных рисков вуказанный период было ухудшение макроэкономических условий. Полученныерезультаты используются при дистанционном стресс-тестировании.4. Построенные модели кредитного риска были успешно применены к анализукризисного потенциала кредитного рынка России и устойчивости российскогобанковскогосекторавсреднесрочнойперспективе.Среднесрочныеперспективы российского кредитного рынка были оценены при помощи стресстестирования, которое показало, что в двух наихудших сценариях стабильностибанковского сектора угрожают кредитный кризис и потеря до 8 % собственногокапитала банков.24Список публикаций по теме диссертацииРаботы, опубликованные автором в ведущих рецензируемых научныхжурналах, рекомендованных ВАК Министерства образования и науки РФ:1.
Пестова А.А. Предсказание поворотных точек бизнес-цикла: помогают липеременные финансового сектора? // Вопросы экономики, 2013. – №7. – С. 63–81 (1 п.л.).2. Пестова А.А. Оценка системных эффектов от ужесточения пруденциальногорегулирования банковского сектора: результаты стресс-теста // Вопросыэкономики, 2012. – №8. – С. 4-32 (1,2 п.л.) (в соавторстве с Мамоновым М.Е.,Солнцевым О.Г., вклад автора — 0,1 п.л.).3.
Пестова А.А. Опыт разработки системы раннего оповещения о финансовыхкризисах и прогноз развития банковского сектора на 2011-2012 гг. // ЖурналНовой экономической ассоциации, 2011. – №12. – С. 41-76 (1,5 п.л.) (всоавторстве с Мамоновым М.Е., Магомедовой З.М., Солнцевым О.Г., вкладавтора — 0,4 п.л.).4. Пестова А.А. Банковская система России на выходе из кризиса //Банковское дело, 2011. – №5. – С. 21-31. (0,75 п.л.) (в соавторстве с МамоновымМ.Е., Солнцевым О.Г., вклад автора — 0,35 п.л.).5.
Пестова А.А. Стресс-тест: потребуется ли российским банкам новаяподдержка государства? // Вопросы экономики, 2010. – №4. – С. 61–81 (1 п.л.)(в соавторстве с Мамоновым М.Е., Солнцевым О.Г., вклад автора — 0,4 п.л.).6. Пестова А.А. Ситуация на кредитном рынке: промежуточные итоги кризисаи контуры среднесрочного прогноза // Банковское дело, 2010. – №4. – С. 19–22(0,3 п.л.) (в соавторстве с Мамоновым М.Е., Солнцевым О.Г., вклад автора —0,1 п.л.).Другие работы, опубликованные автором по теме диссертации:7.
Пестова А. А. Опережающие индикаторы рецессии: анализ панельныхданных стран ОЭСР и России. В кн.: XIV Апрельская международная научнаяконференция по проблемам развития экономики и общества: в 4-х книгах.Книга 1. – Отв. ред.: Е. Г. Ясин. – М.: Издательский дом НИУ ВШЭ, 2014. – С.193—206 (0,5 п.л.).25.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
