Диссертация (1138188), страница 21

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

Текст из файла (страница 21)

netputs - показателимасштаба деятельности банка на забалансовых счетах и динамикасобственного капитала банка; TREND - временной тренд (для учетанемонотонногохарактераидиосинкратический шок;техническогоu it ~ N  0,  u2прогресса),vit ~ i.i.d .N (0,  v2 )- - компонента неэффективности.Для учета ненейтральности технического прогресса, отражающейся вразличнойзатратоемкоститехилииныхвыпусковилифакторовпроизводства банков на разных стадиях цикла, в состав уравнения быливключены также попарные произведения соответствующих переменных итренда.26Операционные издержки рассчитывались как общие издержки за вычетомпроцентных расходов, расходов на резервирование по ссудам и положительнойпереоценки активов, номинированных в иностранной валюте.117Предполагается, что обе компоненты регрессионной ошибки vit  uitмогутбытьподверженынеоднородностигетероскедастичностироссийскихбанков.Задаетсяиз-зазначительнойлинейнаяформагетероскедастичности, где в качестве факторов выступают показатели формысобственности и институциональной принадлежности банков, а также тримеры риска: доля просроченных кредитов в совокупных кредитах, доляабсолютно ликвидных активов в совокупных активах и отношениесобственного капитала к совокупным активам.

Включение переменных рискавуравнениядисперсиикомпоненты(не)эффективностиотражаетпредположение о том, что более рискованные бизнес-модели банковсопровождаются,какправило,болееволатильнымипоказателямиэффективности издержек банков. В этом предположении используется опытработы Karas et al. (2010), в которой также переменные риска и типасобственности инкорпорируются в транслогарифмическую функцию27.На функцию издержек налагается стандартное условие постояннойотдачи от масштаба стоимостей факторов производства:33333m1r 1u 1r 1m1  m  1,   rq  0  q  1...3, su  0  s  1,2,  rg  0  g  1,2,  m  0(11)Параметры эмпирической функции издержек российских банковоценивались с помощью метода максимального правдоподобия (ML,Maximum Likelihood) в рамках подхода SFAВ качестве индикатора эффективности деятельности банка с точкизрения затрат используется индекс эффективности, рассчитанный по методустохастической границы.

Спецификация транслогарифмической функциииздержек аналогична приведенному выше уравнению (10), только в качествезависимой переменной используются не операционные издержки, а общиезатраты. Тогда индексы общей эффективности банков SFA могут бытьрассчитаны по следующей формуле:27Были также проведены расчеты в предположении гомоскедастичностирегрессионной ошибки. Результаты не претерпели качественных изменений.118SFAit  e  uˆit  0, 1Факторы(12)устойчивостибанковккредитномурискуаппроксимировались отклонением доли непроцентных доходов банка вдоходах от среднего значения этого показателя по банковской системе.Предполагается, что большая вовлеченность в некредитные операции посравнению со средним по системе уровнем является фактором меньшейуязвимости банка к кредитному риску, поскольку позволяет зарабатыватьдоходы, не связанные с кредитным риском, что снижает стимулы длякредитования рискованных проектов (с целью зарабатывания доходов).Другой используемый в работе индикатор защищенности от кредитныхрисков - размера банка (в качестве прокси – доля банка в совокупных активахбанковскойсистемы).Предполагается,чтокрупныебанкиимеютвозможность кредитовать диверсифицированный пул заемщиков, тем самымснижая уязвимость к отдельно взятому дефолту и, соответственно,поддерживая более высокое качество ссуд.

Включение показателя размерабанка соответствует опыту работы Espinoza, Prasad (2010), в которойобнаружено значимое отрицательное воздействия размера банка на долюнеобслуживаемых кредитов.Показатели институциональной среды и регулирования не используютсяв данном разделе, т.к. в рамках одной страны за ограниченный периодвремени они меняются весьма медленно, поэтому не удается выявить ихэффекты.В уравнение кредитного риска российских банков вводились такжепрочиеконтрольныесобственностиипеременные–фиктивныеинституциональнойпеременныепринадлежностиформыбанков:государственные банки, дочерние банки нерезидентов, частные столичныебанки-резиденты и частные региональные банки-резиденты.

В ряде работпоказывается, что качество менеджмента и профиль рисков банковразличается в зависимости от формы собственности. Например, в работеBoudriga et al. (2009) показано, что банки с иностранной собственностью в119среднем имеют более высокое качество кредитных портфелей ввиду болееквалифицированного персонала, внедрения лучших управленческих практик,а также вследствие доступа к более дешевому фондированию намеждународных рынках капитала и от материнской компании. В работеMicco (2004) сравнивается поведение банков в 119 странах и делается выводо том, что государственные банки в развивающихся странах имеют болеевысокую долю проблемных кредитов на балансах.

Возможное объяснение –подверженность банков с государственным участием проблеме «слишкомбольшой, чтобы обанкротиться» (too big to fail), когда в результате наличиявозможности обратиться в случае проблем за финансовой помощью кгосударству эти банки могут вовлекаться в более рискованные кредитныеоперации.Вэмпирическихработахотмечается,чтоизменениемакроэкономических условий достаточно быстро сказывается на показателяхкредитногориска.Поэтомувданнойглавевсепоказателимакроэкономических условий и цен активов включаются в уравнениекачества ссуд российских банков без лага.

Факторы кредитных рисков,рассчитываемые на уровне банков, включаются в уравнение с лагом какминимум в один период во избежание проблемы эндогенности с зависимойпеременной. Следуя работе Louzis et al. (2011), показатели на уровнеотдельных банков включались с лагом от одного до четырех кварталов(кроме показателей размера, формы собственности и институциональнойпринадлежности банков, которые включаются без лага). Такая лаговаяспецификация позволяет учесть запаздывание между изменением политикибанка и его влиянием на качество ссуд.

Исключением является показательинтенсивности кредитования (в данной главе – отношение кредитов банков ких депозитам). В работах Salas, Saurina (2002) и Jimenez, Saurina (2006) лагмежду динамикой кредитования и качеством ссуд выбирается 2 и более года.Это связано с значительным периодом времени между выдачей ссуды(которая, скорее всего происходит на повышательной фазе бизнес-цикла) и120дефолтом по ней (который более вероятен на стадии рецессии). Поэтомупоказатель интенсивности кредитования на уровне отдельных банков бралсяс лагами от 5 до 8 кварталов (вплоть до 2 лет).Лист переменных,отражающих деятельность банков, и их описательные статистики приведеныв табл.

П6 в Приложении.3.2. Описание методологии и данныхСтатистической базой исследования являются поквартальные данныеБанкаРоссиипобалансовымпоказателямроссийскихкредитныхорганизаций (форма 101) и по отчетам о прибылях и убытках (форма 102), атакже данные Росстата и Банка России по макроэкономическим ифинансовым показателям за период 2004-2013 гг. Все показатели,рассчитываемые на базе 102 формы (процентные доходы, процентные,операционные и общие расходы) были взяты в годовом выражении, т.е. каксумма значений за предшествующие 4 квартала во избежание проблемысезонности.Объясняемой переменной в модели качества ссуд на уровне отдельныхбанков является показатель доли просроченных кредитов 28 в кредитномпортфеле. Данный показатель является наиболее близким заменителемпринятого в международной практике показателя доли необслуживаемыхкредитов 29 (NPL), который, однако, не доступен в открытом доступе поотдельным российским банкам.

На рис. 16 проиллюстрирована высокаякорреляция между этими двумя показателями.28Просроченные ссуды включают только просроченные платежи по ссуда (1 иболее дней просрочки). Объем основного долга не включается в расчет показателя.29Необслуживаемые ссуды – объем кредитов, по которым имеются просроченныеплатежи долга или процентов более, чем на 90 дней.121Рисунок 16 – Доля необслуживаемых и просроченных кредитов всовокупном кредитном портфеле российских банков20.018.016.014.012.010.08.06.04.02.0Jul-98Mar-99Nov-99Jul-00Mar-01Nov-01Jul-02Mar-03Nov-03Jul-04Mar-05Nov-05Jul-06Mar-07Nov-07Jul-08Mar-09Nov-09Jul-10Mar-11Nov-11Jul-120.0Nonperforming loans to total loansOverdue loans to total loansИсточник: данные Банка России, расчеты автора.Раскрытие финансовой отчетности банков на сайте Центрального банкане является обязательным в России.

Поэтому размер выборки банков можетзначительно меняться от квартала к кварталу. В частности, в начале 2004 г.отчетность раскрывали 704 кредитные организации, к концу 2012 г. – уже940.В российском банковском секторе широко распространена проблемапредоставлениябанкаминедостовернойинформациисцельюсоответствовать нормативам регулятора.

Банки зачастую скрывают реальныймасштаб некачественных ссуд путем реструктуризации, пролонгации и др. Вработе предложена процедура, нацеленная на идентификацию таких банков иих исключение из выборки.Во-первых, исключаются банки, для которых кредитные операции неявляются основной деятельностью. В частности, в выборку не включалисьбанки, попадавшие в нижний 5-й процентиль по показателю доли кредитов вактивах.

Во-вторых, сравнивается доля просроченной задолженности вкредитах для каждого банка на пике недавнего кризиса (2 кв. 2010 г.) с еепредкризисным (нормальным) уровнем (2 кв. 2008 г.). Идея состоит в122следующем:еслибанкнеиспытывалростадолипросроченнойзадолженности в кредитном портфеле за период 2 кв. 2008 - 2 кв. 2010 гг., тоон скорее всего предоставлял недостоверную информацию. Это правило неприменяется к банкам, у которых перед кризисом доля просроченныхкредитов была выше медианной 30 .

Характеристики

Список файлов диссертации