Диссертация (1138188), страница 2
Текст из файла (страница 2)
Методы стресстестированияширокоприменяютсярегуляторамииотдельнымифинансовыми институтами с конца 1990-х годов. В последние годы всебольшее число Центральных банков (более 40, в том числе Австрии, Чехии,Дании, Германии, Великобритании) проводят макроэкономические стресстесты и публикуют их результаты в докладах о финансовой стабильности.Обзоры методологии стресс-тестирования в целях анализа макрофинансовойстабильности приведены в работах Blaschke W. Jones M., Majnoni G., Peria S.;Sorge M.; Quagriariello M.; Borio C., Drehmann M., Tsatsaronis K.; Foglia A.;Henry J., Kok C.; Cihak M. и др.Стресс-тестированию устойчивости финансового сектора на данныхроссийской экономики посвящены работы Андриевской И.К., АлескероваФ.Т., Пеникаса Г.И., Солодкова В.М., Моисеева С.Р., Фунгачевой З. и др.Ядром стресс-тестирования является модель, связывающая индикаторыриска с макроэкономическими условиями и динамикой финансового сектора.4Данные по крупным ссудам.
Источник: IMF (2011). Russian Federation: Financial System StabilityAssessment. IMF Country Report No. 11/291.5Банк России (2012). Отчет о развитии банковского сектора и банковского надзора в 2012 году.7Моделированию кредитных рисков на макро-уровне посвящены работыHoggarth G., Sorensen S., Zicchino L.; Pesola J.; Nkusu M. и др.Использование дистанционных методов оценивания рисков банков,предлагаемое в работе, чревато потерей точности оценивания, посколькуотсутствуетвзаимодействиеиндивидуальныепрофилисбанками,рисков.детальноеПоэтомудляпогружениевобеспеченияработоспособности этих методов важным является их усовершенствование,подразумевающее решение ряда проблем.
В данной работе предлагаютсяспособы смягчения этих проблем на основе опыта существующейлитературы, в том числе из смежных областей.Перваяпроблема.Процикличность(сильнаяисторическаяобусловленность) закладываемых в стрессовые сценарии шоков. Вслед заBorio C., Drehmann M., Tsatsaronis K. в работе предлагается использоватьмодели раннего оповещения (опережающие индикаторы) о приближениифинансовой и макроэкономической нестабильности при разработке стресссценариев с целью снижения процикличности закладываемых шоков иобеспечение более точного их прогнозирования с учетом фактическогоуровня риска. Методология опережающих индикаторов представляет собойоценку вероятности реализации кризисного события (или отдельного риска)наосновеколичественногоанализаиндикаторов,демонстрирующиханомальное поведение до наступления шока, на основе сигнального подхода,используемого в работах Kaminsky G., Reinhart K.; Alessi L., Detken C., илиэконометрического – см.
работы Demirguc-Kunt A., Detragiache E.; BussiereM. Fratzscher M.; Lo Duca M., Peltonen T.; Babecky J., Havranek T., Mateju J.,Rusnak M., Smidkova K., Vasicek B. В вышеприведенных работах акцентделается на индикаторах финансовой нестабильности. Помимо этого,существует целый ряд работ, анализирующих факторы приближениямакроэкономических кризисов (рецессий). Здесь методология включаетэконометрические модели c дискретной зависимой переменной – см. работыStock J., Watson M.; Estrella A., Mishkin F.; Moneta F.; Kauppi H., Saikkonen P.;8Ng E.; эконометрические модели с непрерывной зависимой переменной –Stock J., Watson M.; Forni M., Hallin M., Lippi M., Reichlin L.; и немодельныйподход к анализу поворотных точек бизнес-цикла – см. OECD.
В Россииработыпоопережающиминдикатораммакроэкономическихрисковпредставлены исследованиями Smirnov S., Demidov O., Styrin K,, Potapova V.,по финансовым – Трунин П., Улюкаев А.В данной работе предлагается модификация моделей опережающихиндикаторов поворотных точек бизнес-цикла c дискретной зависимойпеременной: используются межстрановые данные, более широкий переченьиндикаторов-предикторов,включаяконтрциклические,выборпорогов«отсечения» моделей осуществляется на основе оптимизации функциипотерь регулятора и др.Втораяпроблема.Недоучетобратныхсвязеймеждумакроэкономическими переменными и показателями финансового сектора.Существующая литература указывает на необходимость учета обратныхсвязей (feedback effects) – влияния стрессовой ситуации в финансовойсистеме на макроэкономические переменные 6 – в случае если временнойгоризонт стресс-тестировании достаточно длинный.
В ряде работ для учетаобратных связей при моделировании показателей рисков банковскогосектораспецификациямоделибылазаписанавформевекторнойавторегрессии (VAR) – см. Hoggarth G., Sorensen S., Zicchino L.; Espinoza R.,Prasad A.; Nkusu M.; Klein N. и др. В данной работе предлагается провестианализ необходимости учета обратных связей при помощи теста Грейнджерана панельных данных.
Его результаты используются для обоснования моделиагрегированногокредитногориска–инструментальнойосновымакроэкономического стресс-тестирования.6В рамках традиционных методов стресс-тестирования оценивается зависимость уровня рискасистемы от макроэкономических параметров. В самых простых моделях кризисный импульс следует тольков направлении макропеременные → финансовый сектор, в результате чего не учитываются эффектывлияния кризиса в финансовой сфере на реальный сектор.
Последнее приводит к недоучету последствийразвития «кризисной спирали».9Третьяпроблема.Недоучетмикро-факторовповышеннойустойчивости или уязвимости к макро-стрессам отдельных банков.Вэмпирическихработахпомоделированиюкредитногорискаотдельных банков отмечается, что при включении в уравнение общих длявсех банков факторов (систематических или макроэкономических), вариациякредитного риска в значительной степени зависит от рискованности бизнесстратегий отдельных банков. Действительно, даже находясь в одинаковоймакросреде, банки кредитуют заемщиков различного качества в зависимостиот их рыночной власти и доступных меню условий кредитования.
Крометого, реализовавшийся уровень кредитного риска банка зависит от темповроста выдачи кредитов на повышательной фазе бизнес-цикла, которыеотражают рискованность бизнес-стратегии, качество скрининга и т.д.Неравномерность качества кредитов банков становится особенно очевиднойв периоды кризисов: например, в работе Salas V., Saurina J. показано, чторазброс доли проблемных кредитов испанских банков существенновозрастает на понижательной фазе деловой активности. Среди работ,посвященных моделированию кредитных рисков на уровне отдельныхбанков, отметим исследования Jimenez G., Saurina J.; Espinoza R., Prasad A.;Quagliariello M.; Glogowski A., по данным российских банков – работыМамонова М.
Ни одна из известных работ не ставит целью разделитьвлияние факторов на группы макро- и микроэкономических. В данной работепоказывается, что учет индивидуальных факторов устойчивости илиуязвимостикмакро-шокамведеткповышениюкачествастресс-тестирования, в частности, обеспечивает более точный расчет потерьбанковского сектора с учетом гетерогенности игроков.Объектипредметисследования.Объектдиссертационногоисследования — банковский сектор России. Предмет исследования –системные и индивидуальные кредитные риски российских банков, ихфакторы и последствия реализации.10Цель данного исследования — разработка методов дистанционногостресс-тестирования кредитного риска российского банковского сектора сучетом неопределённости будущей фазы бизнес-цикла и неоднородностириск-стратегий банков.Для выполнения данной цели поставлены следующие задачи:1.Построение моделей агрегированного кредитного риска банковскогосектора;2.Разработка моделей опережающих индикаторов поворотных точекбизнес-цикла;3.Построение модели кредитного риска отдельных российских банков;4.ПрименениемоделейпотенциалакредитногокредитногорынкарискаканализукризисногоРоссииистресс-тестированиюроссийского банковского сектора в среднесрочной перспективе.Методологической основой исследования являются методы стресстестирования кредитных рисков банковского сектора и отдельных банков.Данные методы включают анализ уязвимостей банковского сектора,построение макроэкономических сценариев (в основном остается за рамкамиданного исследования), а также построение эконометрических моделейсистемных и индивидуальных кредитных рисков банков в зависимости отфакторов макросреды и состояния финансового сектора.В качестве инструментария в работе используются эконометрическиемодели с дискретной зависимой переменной, сигнальный подход к анализукризисных эпизодов, методы оценивания динамических моделей напанельныхданных,методыфакторнойдекомпозициивариации.Количественные расчеты осуществлялись в статистическом пакете Stata иMS Excel.Информационной базой исследованияявляются статистическиеданные МВФ International Financial Statistics и Financial Soundness Indicators,базы данных Мирового Банка - World Development Indicators и GlobalFinancial Development, данные ОЭСР – OECD.Stat, сайты Центральных11банков и статистических агентств России и других стран.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
