Глава 3. Анализ устойчивости банковского сектора РФ на основе эконометрической модели
3.1 Предпосылки к построению модели
Практический этап работы заключается в создании модели, которая позволит выявить степень воздействия макроэкономических шоков на положение российского банковского сектора.
Для проведения анализа и построения регрессионных уравнений были использованы поквартальные данные за период 2002-2013 г.г. Информация была взята из ряда источников:
Официальный сайт Центрального Банка России;
Официальный сайт Финам;
Официальный сайт Росстата;
Отчеты о развитии банковского сектора и банковского надзора.
Для расчета значений зависимых переменных резервов на возможные потери и рентабельности активов берутся значения по банковскому сектору в целом из годовых отчетов о развитии банковского сектора и банковского надзора.
Поскольку исходные данные в работе поквартальные, то наша модель будет представлять собой временной ряд, оцененный с помощью метода наименьших квадратов (OLS). Во временной ряд могут быть включены лагированные переменные. Лаги в объясняющих переменных учитывают степень возможной задержки, с которой макроэкономические шоки оказывают влияние на банки. Другими словами, изменения значений макроэкономических факторов оказывают не мгновенное воздействие на положение банков, а проявляются спустя какое-то время, запаздывают. Подобные лаги необходимо выявить и учесть, для того, чтобы сформировать более точную и полную картину воздействия макроэкономических колебаний на банковский сектор.
В ходе предварительной диагностики данных выявлено наличие гетероскедастичности и автокорреляции первого порядка. Для ее устранения применяются поправки Newey-West, корректирующие вариацонно-ковариационную матрицу для получения более состоятельных оценок коэффициентов регрессии.
При отборе показателей для изучения степени воздействия макроэкономических факторов на устойчивость банковского сектора, я учитывала особенности экономики нашей страны. Дело в том, что Россия является сырьевой страной, экспорт которой практически на 70% состоит из топливно-энергетической продукции. Это означает, что размер доходов от экспорта, финансовое положение компаний и стабильность экономики сильно зависит от ценовой конъюнктуры на мировом энергетическом рынке, а именно цены на нефть.
Кроме того, Россия относится к ряду стран с развивающимся рынком, который характеризуется повышенной волатильностью валютных курсов и нестабильностью финансовых рынков и высокими процентными ставками и спрэдами. Поэтому для нашей страны характерен риск резкого оттока капитала в случае возникновения кризисных ситуаций в мире, поскольку инвесторы стремятся изъять свои средства из стран, которые наиболее уязвимы к влиянию макроэкономических шоков.
Динамика ВВП – один из важных показателей экономической активности государства. Его падение в период кризиса негативно сказывается в различных сферах экономической и общественной жизни.
Индекс ММВБ отражает состояние на рынке акций крупных российских компаний, которые являются наиболее важными для экономики страны. Обвал индекса означает ухудшение положения компаний, снижение рыночной стоимости их активов и акций и усиливает проблемы с уплатой внешней задолженности и получением новых кредитов для обеспечения функционирования своей деятельности. Кроме того обвал котировок на фондовом рынке приводит к большим убыткам в результате их отрицательной переоценки.
3.2 Модели и интерпретация полученных результатов
3.2.1 Оценка зависимости резервов на возможные потери банковского сектора от макроэкономических факторов
На первом этапе будет построена модель, цель которой заключается в изучении влияния ряда макроэкономических показателей на величину резервов на возможные потери российского банковского сектора.
Стоит подчеркнуть, что уменьшение величины резервов может быть вызвано не только в результате улучшения кредитоспособности заемщика, но и при списании безнадежных кредитов. Поэтому, на мой взгляд, для получения более точных оценок стоит использовать не абсолютную величину резервов банковского сектора, а их изменение за период в расчете на рубль всех выданных кредитов, выраженное в процентах. В регрессии оно будет обозначаться как LLP.
Для построения регрессионной зависимости резервов на возможные потери включены следующие показатели (Таблица 3). Таблица 3
Макроэкономические факторы
Обозначение
| Наименование переменной
| Предполагаемая зависимость с LLP
| GDPGR
| Темпы роста ВВП,%
| отрицательная
| INV
| Приток(+)/отток(-) капитала, млрд.долл.
| отрицательная
| BRENT
| Цена на нефть,$
| отрицательная
| DOLLAR
| Курс доллара,$
| Положительная/отрицательная
| MMVB
| Индекс ММВБ, пункты
| отрицательная
|
Матрица корреляции между зависимой и объясняющими переменными подтверждает знаки предполагаемой зависимости (Таблица 4).
Таблица 4
Резервы на возможные потери – коэффициенты корреляции
| LLP
| BRENT
| DOLLAR
| GDPGR
| INV
| MMVB
| LLP
| 1.000000
| -0.332209
| 0.186817
| -0.263244
| -0.283022
| -0.303302
| BRENT
| -0.332209
| 1.000000
| -0.354032
| 0.083011
| -0.014776
| 0.887493
| DOLLAR
| 0.186817
| -0.354032
| 1.000000
| -0.085318
| -0.100880
| -0.498143
| GDPGR
| -0.263244
| 0.083011
| -0.085318
| 1.000000
| 0.368438
| 0.054321
| INV
| -0.283022
| -0.014776
| -0.100880
| 0.368438
| 1.000000
| 0.144351
| MMVB
| -0.303302
| 0.887493
| -0.498143
| 0.054321
| 0.144351
| 1.000000
|
Статическая модель зависимости LLP от макроэкономических переменных.
Уравнение оцениваемой регрессии имеет следующую форму (статическая модель):
Где - коэффициент перед соответствующей макроэкономической переменной, t - ежеквартальные значения показателей.
В процессе анализа были получены следующие результаты (Таблица 5).
Таблица 5
Модель зависимости резервов на возможные потери от макроэкономических факторов. Dependent Variable: LLP
|
|
| Method: Least Squares
|
|
| Date: 03/29/13 Time: 16:09
|
|
| Sample (adjusted): 2002Q2 2013Q1
|
| Included observations: 44 after adjustments
|
| HAC standard errors & covariance (Bartlett kernel, Newey-West fixed
| bandwidth = 4.0000)
|
|
|
|
|
|
|
|
|
|
|
|
| Variable
| Coefficient
| Std. Error
| t-Statistic
| Prob.
|
|
|
|
|
|
|
|
|
|
| C
| 2.836674
| 0.867530
| 3.269826
| 0.0023
| BRENT
| -0.006069
| 0.001789
| -3.391541
| 0.0017
| DOLLAR
| 0.005171
| 0.026746
| -2.436631
| 0.0198
| GDPGR
| -0.015927
| 0.005592
| -2.848358
| 0.0071
| L2GDPGR
| -0.024245
| 0.007757
| -3.125358
| 0.0034
| L1INV
| -0.009233
| 0.002107
| -4.382809
| 0.0001
|
|
|
|
|
|
|
|
|
|
| R-squared
| 0.679629
| Mean dependent var
| 0.389041
| Adjusted R-squared
| 0.589308
| S.D. dependent var
| 0.398114
| S.E. of regression
| 0.305976
| Akaike info criterion
| 0.598170
| Sum squared resid
| 3.463996
| Schwarz criterion
| 0.843919
| Log likelihood
| -6.860648
| Hannan-Quinn criter.
| 0.688794
| F-statistic
| 6.820611
| Durbin-Watson stat
| 1.375056
| Prob(F-statistic)
| 0.000134
|
|
|
|
|
|
|
|
|
|
|
|
|
| LLP = 2.836 - 0.006*BRENT + 0.005*DOLLAR - 0.0159*GDPGR - 0.024*L2GDPGR - 0.009*L1INV
Регрессия в целом значима на 1%-ном уровне, поскольку Prob (F-st)=0,000134<0,01. Кроме того, величина R2adj= 0,66, характеризующая качество подгонки регрессии, находится на достаточно хорошем уровне и в пределах, полученных в других работах, исследующих влияние макроэкономических факторов на стабильность банковского сектора.
В ходе анализа выяснилось, что для данной модели индекс ММВБ оказался не значимым. С одной стороны, это можно объяснить наличием мультиколлинеарности между ценой на нефть и уровнем индекса ММВБ. В его состав включены все крупные нефтяные и добывающие компании страны, следовательно, его динамика зависит от рыночных цен на акции компаний, которые в свою очередь определяются ценами на нефть. Поскольку цена на нефть значима для нашей модели, то индекс ММВБ можно исключить без существенных потерь. Кроме того, на мой взгляд, динамика индекса ММВБ вряд ли может сильно воздействовать на размеры резервов на возможные потери банков, поскольку в основном эти компании имеют сильную поддержку со стороны государства и в случае необходимости при повышении кредитного риска, государство окажет им финансовую помощь для пополнения средств и исполнения кредитных обязательств перед банками. Также стоит отметить, что крупные компании предпочитают брать кредиты за рубежом, так как там проценты по кредитам значительно ниже, чем в России. Таким образом, можно сделать вывод, что падение индекса ММВБ значимо не ухудшает положение банка посредством повышения резервов по возможным потерям.
Цена на нефть (ВRENT) в модели оказалась значимой и имеет отрицательный знак. Отсюда следует, что макроэкономический шок в виде снижения цен на нефть приводит к наращиванию банками резервов на возможные потери, ухудшая тем самым финансовое положение банковского сектора. Значимость цены на нефть подтверждает уязвимость российских секторов экономики, в том числе и банков от колебаний на международном нефтяном рынке. В условиях падения цены на нефть, снижается объем поступлений от ее продажи. Это негативно сказывается на значительной части экономики страны, а не только на энергетическом секторе. Сокращаются доходы и расходы бюджета, снижается платежеспособность организаций нефинансового сектора и доходы населения, растет инфляция. В конечном итоге, это приводит к снижению кредитоспособности заемщиков и стоимости активов, и как следствие, к росту кредитного риска и увеличению резервов на возможные потери.
Курс доллара по отношению к рублю (Dollar) в нашей модели является значимым в объяснении влияния на уровень резервов на возможные потери. На первый взгляд, здесь сложно выявить однозначное влияние динамики курса доллара, все зависит от типа заемщиков, которым выданы кредиты в валюте. С одной стороны, если кредиты выданы заемщикам, которые получают доходы в иностранной валюте (например, компании, экспортирующие товары), то рост курса значительно на них не отразится, и у них не будет сложностей с погашением кредитов. То есть наблюдается отрицательная зависимость между РВПС и курсом доллара. С другой стороны, если заемщик не имеет доходов в иностранной валюте, обесценение рубля может иметь противоположный эффект, поскольку ему будет необходимо намного больше рублей, чтобы конвертировать их и заплатить кредит. В этом случае увеличивается риск неплатежа и просроченной задолженности, и банки вынуждены увеличивать величину РВПС.
В нашей модели выявлена положительная зависимость резервов на возможные потери от курса доллара. На рисунке 10 видно, что в период роста курса доллара доля просроченных кредитов в иностранной валюте растет, а значит, банки под них формируют дополнительные резервы. |