Высшая школа экономики в нижнем новгороде современные проблемы





НазваниеВысшая школа экономики в нижнем новгороде современные проблемы
страница3/36
Дата публикации11.04.2015
Размер4.61 Mb.
ТипДокументы
100-bal.ru > Экономика > Документы
1   2   3   4   5   6   7   8   9   ...   36

Результаты эмпирического моделирования

  1. Выявлена отрицательная связь между уровнем левериджа и самоуверенностью и оптимизмом менеджеров.

  2. Получено подтверждение следствий традиционных теорий, согласно которым растущие и высокоприбыльные компании характеризуются меньшим уровнем долговой нагрузки.

  3. Выявлено несоответствие теории компромиссов, вопреки которой, компании с высокой долей материальных активов, характеризуются меньшим уровнем левериджа.

  4. Несмотря на выявленную значимость, не удалось выявить однозначной зависимости между размером компании и уровнем долга.

  5. Выявлено влияние временного эффекта, согласно которому финансовый кризис оказал отрицательное влияние на уровень долговой нагрузки компании.

По результатам работы получено свидетельство того, что поведенческие мотивы менеджеров, в частности, оптимизм и самоуверенность, могут быть использованы в качестве детерминантов структуры капитала фирмы. Также, в ходе исследования, выявлено, что теория иерархий и теория компромиссов не дают полного и абсолютно достоверного описания принципов формирования капитала компании.

Таким образом, данную работу можно использовать в качестве доказательства того, что на сегодняшний день, в рамках реальной действительности, традиционные теории требуют возможного переосмысления и дополнения. В контексте решения данной проблемы далеко не последнее место могут занять поведенческие финансы, которые, основываясь на богатом инструментарии, в состоянии оказать существенную помощь, как при анализе, так и при прогнозировании структуры капитала компании.
Д.Н. Малов, С.Ю. Хасянова
Макроэкономическая модель стресс тестирования с использованием VAR подхода
Разработка макроэкономических стресс тестов финансовой системы всё более популярна в последние годы1. Данные тесты предназначены для оценки уязвимости банковской системы, а также для всей финансовой системы, для анализа влияния экстремальных, но правдоподобных неблагоприятных макроэкономических потрясений. Стресс тесты очень важны, в особенности для Центрального Банка. В силу своей гибкости они дают полезную информацию для оценки рисков финансовой системы2.

В последнее время в качестве части финансовой оценки МВФ, стресс тесты проводятся для проверки финансовой устойчивости банковской системы России. Из полученных в результате данной оценки выводов мы можем узнать, является ли банковская система России устойчивой к ряду вероятных неблагоприятных макроэкономических потрясений.

На сегодняшний день, стресс-тестирование становится все более распространенным методом анализа рисков в финансовых организациях, поскольку банковское регулирование предписывает использование стресс тестирования при применении банками внутренних рейтингов. В соответствии с Базельским комитетом по банковскому надзору «банки, использующие модель внутренних рейтингов, должны осуществлять тщательное стресс-тестирование для оценки достаточности капитала»1.

Суть стресс тестирования заключается в том, чтобы понять, что может случиться, какие убытки может понести банк в той или иной неожиданной ситуации. Стресс-тестирование используется и для оценки всей финансовой системы, ее уязвимости по отношению к неожиданным событиям.

Международный Валютный Фонд определяет стресс-тестирование как «методы оценки чувствительности портфеля к существенным изменениям макроэкономических показателей или к исключительным, но возможным событиям».

Любая экономика подвержена колебаниям уровней занятости, безработицы, промышленного производства, ВВП, ВНП. В отдельные годы наблюдается стремительное падение производства и взлет безработицы, в другие, напротив, - рост производства и резкое снижение уровня безработицы. Экономические колебания уже в течение длительного времени составляют центральную проблему макроэкономики. Наиболее значительными колебания были во времена Великой депрессии, когда уровень безработицы в совокупной рабочей силе промышленно развитых стран достиг отметки выше 20%. Величайшим вкладом в понимание причин и механизма Великой депрессии стала книга Джона Мейнарда Кейнса «Общая теория занятости, процента и денег».

Эконометрические модели можно условно разделить на анализ временных рядов и анализ панельных данных.

В своей модели я попытался рассчитать влияние различных макроэкономических показателей на уровень собственного капитала банковской системы. За основу была взята модель стресс тестирования Британских банков. То есть VAR модель. Что касается спецификации, то в качестве зависимой переменной был взят уровень собственного капитала банковской переменной, а в качестве регрессоров:

sob2 – уровень собственного суммарного капитала банков всей системы;

infl1 – уровень инфляции в стране (как макроэкономическая переменная); в %

kurs5 – курс доллара США по отношению к рублю (количество рублей за 1 доллар);

urals1 – цена на нефть сорта urals (долларов за 1 баррель нефти).

Ежемесячные темпы изменения розничных цен (без учета выплат по ипотечным кредитам) используются в качестве показателя инфляции. Также в качестве объясняющей переменной используется цена на нефть сорта Urals, так как в зависимости от неё формируется резервный фонд и основные доходы государства.

Также следует упомянуть, что прежде чем анализировать собранные данные, сперва необходимо проверить их стационарность и избавиться от «случайного блуждания». Для его обнаружения проводятся специальные тесты, такие как unit root test и по мере необходимости для приведения ряда к стационарному, необходимо взятие последовательных разностей значений ряда.

Далее мы построили векторную авторегрессию и оценили влияние переменных на регрессант. Результаты представлены в таблице 1.
Таблица 1.

Модель 1 векторной авторегрессии.

 Vector Autoregression Estimates

 Date: 01/27/13 Time: 19:02

 Sample (adjusted): 4 60

 Included observations: 57 after

        Adjustments

 Standard errors in ( ) & t-statistics in [ ]
















SOB2













SOB2(-1)

 2.742963




 (0.04145)




[ 66.1797]

SOB2(-2)

-2.591757




 (0.07986)




[-32.4551]

SOB2(-3)

 0.842278




 (0.03973)




[ 21.2010]

C

 0.034493




 (0.01100)




[ 3.13604]





URALS1

 2.22E-05




 (1.2E-05)




[ 1.80644]

INFL1

-0.002712




(0.00081)




[-3.33774]

KURS5

 0.036123




 (0.01334)




[ 2.70694]













 R-squared

 0.999995

 Adj. R-squared

 0.999994

 Sum sq. resids

 2.36E-05

 S.E. equation

 0.000686

 F-statistic

 1563664.

 Log likelihood

 338.0374

 Akaike AIC

-11.61535

 Schwarz SC

-11.36445

 Mean dependent

 11.87148

 S.D. dependent

 0.280993



Далее проанализируем лаг переменных, то есть посмотрим, какие переменные и с каким лагом наиболее сильно влияют на регрессант. Для этого построим векторную авторегрессию следующего вида.
Таблица 2.

Модель 2 векторной авторегрессии


 Vector Autoregression Estimates







 Date: 01/27/13 Time: 19:18







 Sample (adjusted): 3 60







 Included observations: 58 after adjustments




 Standard errors in ( ) & t-statistics in [ ]





































SOB2

URALS1

INFL1

KURS5































SOB2(-1)

 1.807488

 4.15E-08

 2.33E-11

 3.18E-11




 (0.03102)

 (1.5E-08)

 (4.4E-12)

 (7.3E-11)




[ 58.2669]

[ 2.81276]

[ 5.34777]

[ 0.43742]
















SOB2(-2)

-0.808766

-2.61E-08

-1.86E-11

-7.40E-11




 (0.02656)

 (1.3E-08)

 (3.7E-12)

 (6.2E-11)




[-30.4501]

[-2.06793]

[-4.99227]

[-1.18881]
















URALS1(-1)

 0.003411

 3.36E-09

 9.24E-14

-1.85E-11




 (0.00181)

 (8.6E-10)

 (2.5E-13)

 (4.2E-12)




[ 1.88341]

[ 3.90237]

[ 0.36340]

[-4.35632]
















URALS1(-2)

-0.001369

-1.74E-09

-1.36E-13

 8.29E-12




 (0.00096)

 (4.5E-10)

 (1.3E-13)

 (2.2E-12)




[-1.43132]

[-3.82206]

[-1.01399]

[ 3.70163]
















INFL1(-1)

-0.112035

 5.38E-09

 1.00E-11

-3.80E-11




 (0.03411)

 (1.6E-08)

 (4.8E-12)

 (8.0E-11)




[-3.28489]

[ 0.33214]

[ 2.09310]

[-0.47618]
















INFL1(-2)

 0.043564

 4.74E-09

-1.44E-12

 1.43E-11




 (0.01786)

 (8.5E-09)

 (2.5E-12)

 (4.2E-11)




[ 2.43963]

[ 0.55874]

[-0.57371]

[ 0.34128]
















KURS5(-1)

 17.09404

 4.66E-06

 1.83E-10

-2.80E-08




 (1.80541)

 (8.6E-07)

 (2.5E-10)

 (4.2E-09)




[ 9.46826]

[ 5.43124]

[ 0.72150]

[-6.62357]
















KURS5(-2)

-8.632575

-2.58E-06

-2.26E-10

 1.39E-08




 (0.90871)

 (4.3E-07)

 (1.3E-10)

 (2.1E-09)




[-9.49979]

[-5.97546]

[-1.77152]

[ 6.51834]
















C

 0.550998

 5.59E-08

 8.64E-13

-4.55E-10




 (0.05142)

 (2.4E-08)

 (7.2E-12)

 (1.2E-10)




[ 10.7156]

[ 2.28887]

[ 0.11982]

[-3.77517]
















URALS1

-0.002167

 1.000000

 2.79E-15

 1.07E-11




 (0.00090)

 (4.3E-10)

 (1.3E-13)

 (2.1E-12)




[-2.39588]

[ 2.3e+09]

[ 0.02194]

[ 5.03666]
















INFL1

 0.036265

-1.53E-08

 1.000000

 4.85E-11




 (0.01946)

 (9.3E-09)

 (2.7E-12)

 (4.6E-11)




[ 1.86342]

[-1.65054]

[ 3.7e+11]

[ 1.06404]
















KURS5

-8.871493

-2.26E-06

 0.000000

 1.000000




 (0.96900)

 (4.6E-07)

 (1.4E-10)

 (2.3E-09)




[-9.15533]

[-4.91203]

[ 0.00000]

[ 4.4e+08]































 R-squared

 0.999993

 1.000000

 1.000000

 1.000000

 Adj. R-squared

 0.999991

 1.000000

 1.000000

 1.000000

 Sum sq. resids

 3.47E-05

 7.85E-18

 6.84E-25

 1.90E-22

 S.E. equation

 0.000869

 4.13E-10

 1.22E-13

 2.04E-12

 F-statistic

 575449.1

 1.24E+22

 2.26E+25

 6.12E+20

 Log likelihood

 333.2296

 1177.661




 1485.814

 Akaike AIC

-11.07688

-40.19522




-50.82117

 Schwarz SC

-10.65058

-39.76892




-50.39487

 Mean dependent

 11.86109

 90.13511

 0.670043

 1.220253

 S.D. dependent

 0.289530

 20.16474

 0.254644

 0.022124































 Determinant resid covariance (dof adj.)

 4.04E-76







 Determinant resid covariance

 1.60E-76







 Log likelihood

 4732.094







 Akaike information criterion

-161.5205







 Schwarz criterion

-159.8153








Данная регрессия в целом эффективна, так как R-sq и R-sq adj приближается к 1. Далее стоит принять во внимание, что t-статистика у переменной infl1 с лагом 2 приближается к 2, а это значит, что основное влияние на уровень собственного капитала банка инфляция оказывает с задержкой в два периода, также мы видим ее положительное влияние. Можно сделать вывод, что с увеличением инфляции происходит увеличение собственного капитала банка. Однако, увеличение капитала за счет инфляции является не интенсивным, а экстенсивным фактором роста капитала и может привести к его обесценению в будущем.

Можно заметить положительное текущее влияние цены на нефть на изменение собственного капитала банка с задержкой в 1 период. Это происходит потому, что увеличивается деловая активность контрагентов в экономике, увеличивается объем денежных средств на счетах клиентов банков, что позволяет банкам размещать больший объем средств и получать больший объем прибыли. За счет этого, в конечном итоге, и возможно увеличение собственного капитала банка.

Также можно увидеть резко положительное влияние изменения курса национальной валюты по отношению к доллару США. С падением курса рубля увеличивается собственный капитал банка по прошествии одного периода как результат увеличения рублевой массы работающих активов.

В представленных ниже Impulse response function мы видим, насколько быстро стабилизируются переменные после воздействия на них определенных шоков. Видно, что на всех диаграммах данная стабилизация происходит быстро, но на первой из них видно расширение коридора значений.

В перспективе планируется продолжение более глубокого рассмотрения данной темы и анализ влияния новых показателей, а также оценка прочих видов рисков финансовой системы. Также будут сгенерированы данные по отдельным банкам и построена качественная модель, с использованием панельных данных и различных методик агрегирования рисков.
К.В. Платунов, Е.О.Сучкова
СТРЕСС-ТЕСТИРОВАНИЕ СИСТЕМНО ЗНАЧИМЫХ

БАНКОВ НА 2013 ГОД
Стресс-тестирование в наши дни является неотъемлемой частью системы управления риском любой крупной кредитной организации. Это важнейший инструмент для определения оптимального объема риска, который может взять на себя банк без серьезных последствий для его долгосрочной стабильности. Сегодня перед центральными банками всех экономически развитых стран стоит серьезная задача по разработке эффективной системы стресс-тестирования, способной обеспечить успешное функционирование всей экономики страны даже в кризисных условиях.

В последние годы банковская система нашей страны очень активно росла и развивалась, и, естественно, в экономике страны случались различного рода негативные шоки. Одним из подобных явлений можно охарактеризовать финансовый кризис 2008 года. В тот период правительство России было вынуждено направить на поддержку финансовой системы денежные средством совокупным объёмом более 7% ВВП. В скором времени в соответствии с официальным сообщением «Об основных направлениях и сроках реализации пакета реформ Базельского комитета по банковскому надзору (Базель III)», опубликованном на сайте Банка России[1], будет принята новая стратегия развития банковского сектора, которая в значительной степени отличается от той, что действует на данный момент. Она уже включает в себя уроки последнего кризиса, а также в ней большое внимание отводится такому инструменту риск-менеджмента, как стресс-тест.

В соответствии с мнением Базельского комитета по банковскому надзору (БКБН), прошедший кризис выявил, что в предкризисный период стресс-тестированию отводилась роль лишь «механических упражнений» с довольно низким уровнем доверия к ним. В настоящее время роль данной методики оценки устойчивости кредитных организаций заметно возросла: Базельским комитетом были изданы специальные «Принципы эффективной практики стресс-тестирования и надзора»[2], в которых говорится о необходимости создания банками новых качественных методик стресс-тестирования.

В России стресс-тестирование банковского сектора согласно методу «top-down» периодически проводится с 2003 года. Изначально тест осуществлялся по 200 крупнейшим по величине активов кредитным организациям, а с 2007 года расчет стресс-теста осуществляется уже по всем действующим банкам. В основном в настоящее время при проведении стресс-тестирования Центральный Банк России использует унифицированные «шоковые» факторы, применяемые к балансовым показателям каждого действующего банка с последующим суммированием потерь. Последней же ступенью в развитии методики стресс-тестирования в Банке России является оценка взаимосвязи макроэкономических индикаторов национальной экономики и ключевых показателей банковского сектора с последующим применением в качестве исходных параметров стресс-теста различных макросценариев[1].

БКБН порекомендовал надзорным органам применять собственные методики стресс-тестирования, что связано с тем, что каждая экономика обладает своими отличительными особенностями и нельзя применять единый метод стресс-тестирования для всех стран. Это говорит о необходимости разработки собственной и эффективной для нашего банковского сектора методики стресс-тестирования уже в ближайшее время.

Для проведения стресс-теста и выявления структуры влияния макрофакторов на показатели банковской деятельности было отобрано 15 крупнейших кредитных организаций России. В список банков попали: Сбербанк, ВТБ, Газпромбанк, Россельхозбанк, ВТБ 24, Банк Москвы, Альфа – банк, Юникредит банк, Промсвязьбанк, Росбанк, Номос-банк, Райффайзен, Транскредитбанк, Уралсиб, Санкт-Петербург.

Для построения модели был выбран временной период с первого квартала 2007 года до конца 2012. Таким образом, мы получаем 15 объектов и 24 квартала, что дает нам 360 наблюдений по каждому показателю банковской деятельности. Высокая концентрация в Российском банковском секторе позволяет взять первые 15 банков и покрыть ими большую часть активов всей системы (более 60%), что делает данную выборку вполне репрезентативной.

Данные представляют собой двумерные массивы, одна из размерностей которых имеет временную интерпретацию, а другая – пространственную. Данные массивы возникают при проведении исследований большого числа объектов на протяжении некоторого периода времени и образуют панельные данные. Эконометрический анализ осуществлялся с помощью пакета STATA.

1   2   3   4   5   6   7   8   9   ...   36

Похожие:

Высшая школа экономики в нижнем новгороде современные проблемы iconВысшая школа экономики
Актуальные проблемы современной науки. Современные научные концепции дальнейшего развития человечества
Высшая школа экономики в нижнем новгороде современные проблемы iconОглавление общие положения
«Высшая школа экономики» и «Положения об организации и проведении практики студентов в Национальном исследовательском университете...
Высшая школа экономики в нижнем новгороде современные проблемы iconПрограмма дисциплины Современные технологии pr  для направления 030200. 62 «Политология»
Федеральное государственное автономное учреждение высшего профессионального образования «Национальный исследовательский университет...
Высшая школа экономики в нижнем новгороде современные проблемы iconУроки Доброты
Жил был Вася. Жил он с мамой и папой в Нижнем Новгороде. Учился он в 6 классе. Был он отличником
Высшая школа экономики в нижнем новгороде современные проблемы iconНаправление подготовки
Нижегородской области, Управление архитектуры и градостроительства администрации Нижнего Новгорода, кафедры ннгасу, творческие мастерские...
Высшая школа экономики в нижнем новгороде современные проблемы iconПрограмма кандидатского экзамена по “Истории и философии науки” состоит...
Экзаменационные билеты должны включать: два вопроса из раздела «Общие проблемы философии науки», один вопрос из разделов программы...
Высшая школа экономики в нижнем новгороде современные проблемы iconПрограмма международная научно-практическая конференция ««news literacy...
Место проведения: Москва, Хитровский переулок, 2/8, строение 5, факультет медиакоммуникаций Национального исследовательского университета...
Высшая школа экономики в нижнем новгороде современные проблемы iconПравила приема в аспирантуру национального исследовательского университета...
Правилам приёма в аспирантуру Национального исследовательского университета «Высшая школа экономики» в 2012 году
Высшая школа экономики в нижнем новгороде современные проблемы iconПравила приема в аспирантуру национального исследовательского университета...
Правилам приёма в аспирантуру Национального исследовательского университета «Высшая школа экономики» в 2011 году
Высшая школа экономики в нижнем новгороде современные проблемы iconНациональный исследовательский университет «Высшая школа экономики»
Тюменской области «Тюменская государственная академия мировой экономики, управления и права»
Высшая школа экономики в нижнем новгороде современные проблемы icon22/1/2010 Отзывы участников зимнего лагеря в Нижнем Новгороде
Непросто писать про лагерь, после пережитых там эмоций Это было незабываемо!! Много новых друзей, опыт общения, сплоченность и прекрасная...
Высшая школа экономики в нижнем новгороде современные проблемы iconМосковский государственный институт международных отношений (университет) мид россии
Мва, обучающихся по специальностям «Стратегический менеджмент» и «Финансы» / Е. В. Савицкая; Гос ун-т – Высшая школа экономики, Высшая...
Высшая школа экономики в нижнем новгороде современные проблемы iconВысшая Школа Экономики Факультет социологии Московская Высшая Школа...
Широкие возможности выбора курсов по областям: экономическая социология, методика социологических исследований, общая социология...
Высшая школа экономики в нижнем новгороде современные проблемы iconНегосударственное образовательное учреждение высшего профессионального...
Мва, обучающихся по специальностям «Стратегический менеджмент» и «Финансы» / Е. В. Савицкая; Гос ун-т – Высшая школа экономики, Высшая...
Высшая школа экономики в нижнем новгороде современные проблемы iconВысшая школа экономики факультет Экономики Утверждена на заседании
Методические указания разработаны зав методическим кабинетом кафедры финансового менеджмента взфэи зенгер О. Ф., под редакцией д...
Высшая школа экономики в нижнем новгороде современные проблемы iconПравила приема в аспирантуру национального исследовательского университета...
Правила приема в аспирантуру национального исследовательского университета «высшая школа экономики» в 2013 году


Школьные материалы


При копировании материала укажите ссылку © 2013
контакты
100-bal.ru
Поиск