Рис. 3.1. Динамика инфляции в России за исследуемый период

Рис. 3.2. Динамика переменной «H2» по исследуемым банкам

Коэффициент перед показателем объёма промышленного производства на территории России имеет отрицательный знак, так как в периоды экономического спада объёмы производства сокращаются, поскольку происходит замедление всей экономики. Однако в то же время банки, как правило, наращивают ликвидность, как это уже было указано выше.

3.3 Модель Н3

Следующая регрессия включала в себя в качестве зависимой переменной показатель текущей ликвидности среди выбранных нами банков. Результаты представлены в таблицах 3.3 и 3.4.

Таблица 3.3 Данные по регрессии относительно переменной «H3»

Таблица 3.4 Значимые объясняющие переменные в модели «H3»

Итак, после исключения всех незначимых переменных осталось всего несколько показателей, каждый из которых является значимым на 1% уровне значимости.

Как и в случае с показателем мгновенной ликвидности у нас значимыми являются переменные «indexes» и «prom». Они так же имеют отрицательные знаки перед своими коэффициентами, причины чего были изложены ранее.

Также у нас появилась новая значимая переменная - «bival». Она имеет отрицательный коэффициент, что связано в первую очередь с политикой проводимой нашим правительством в период последнего экономического спада. Тогда во избежание ещё более негативных последствий для российской экономики курс рубля был опущен по отношению к иностранной валюте посредством политики «плавной девальвации рубля». Таким образом, когда значение бивалютной корзины росло, то и значение показателя текущей ликвидности банков росло. Однако, когда ситуация начала выравниваться, норматив «Н3» у банков начал очень активно сокращаться, а значение бивалютной корзины, в свою очередь, упал не так сильно, а чуть позже начал показывать вообще восходящий тренд.

Рис. 3.3. Динамика значения бивалютной корзины

Также для данной переменной была построена отдельная модель с лагом в 6 месяцев. И было установлено, что действительно банки реагируют на изменения в экономике в рамках норматива текущей ликвидности с некоторым запозданием. Лаггированная модель показала, что у нас добавляется две значимые на 1%-ом уровне переменные «gold» и «inflation», имеющие положительные коэффициенты, что в свою очередь видно из таблицы 3.5.

Таблица 3.5 Значимые объясняющие переменные в модели «H3» с лагом в 6 месяцев

3.4 Модель RVPS

Далее будет построена регрессия с зависимой переменной «RVPS», которая отражает объёмы резервов по возможным потерям по ссудам банков. Результаты отображены в таблицах 3.6 и 3.7.

Таблица 3.6 Данные по регрессии относительно переменной «RVPS»

Таблица 3.7 Значимые объясняющие переменные в модели «RVPS»

В данном случае у нас осталось довольно немалое количество значимых переменных на 1% уровне значимости: «gdp», «gko», «bival», «inflation», а также константа. На 5% уровне значимости осталась переменная «indexes».

Итак, рассмотрим полученные коэффициенты. Показатель ВВП имеет отрицательный знак, что довольно просто объяснить тем, что в периоды экономического спада темпы роста ВВП сокращаются, когда, в свою очередь, заемщики в кризисных условиях становятся менее платежеспособными, а банки обязаны страховаться и повышать уровень своей устойчивости, наращивая резервы на возможные потери по просроченным ссудам.

Положительный коэффициент перед переменной «indexes» можно объяснить отчасти спецификой собранных данных по нашим пятнадцати банкам и графически.

Рис. 3.4. Динамика индекса ММВБ

Рис. 3.5. Динамика переменной «rvps» по исследуемым банкам

По представленным выше рисункам видно, что, начиная с конца 2008 года, распределение точек показателей «indexes» и «rvps» были примерно схожи. Так после мощнейшего спада в экономике России началась коррекция и постепенный рост индекса ММВБ, а резервы по возможным потерям по ссудам наращивались банками довольно продолжительное время, начиная с начала 2009 года, потому что столь негативный шок в экономике России дал довольно сильный отпечаток на качестве кредитного портфеля банков.

Отрицательный знак перед коэффициентом, отражающим зависимость между «rvps» и «gko», объясняется с использованием графиков этих переменных (рис. 3.5 и 3.6). Очевидно, что когда с конца 2008 года объём государственного внутреннего долга начал сокращаться, а вместе с ним и среднесрочная доходность по ОФЗ, банки всё ещё наращивали свои резервы по неблагонадёжным ссудам вплоть до середины 2010 года, таким образом, и образовалась положительная зависимость между данными переменными.

Рис. 3.6. Динамика ГКО-ОФЗ России

Положительный знак перед коэффициентом «bival» может быть обусловлен тем, что в период кризиса, когда курс рубля активно падал по отношению к евро и доллару, банки наращивали свои резервы, в результате чего на лицо положительная зависимость.

Коэффициент перед инфляцией получил отрицательный знак, поскольку в период спада темпы инфляции замедляются, а резервы банков растут, что отчетливо видно из рисунков 3.1 и 3.4.

Однако поскольку заемщики банков в период экономического спада начинали испытывать экономические трудности не сразу (в зависимости от бизнеса), соответственно просроченные кредиты и резервы по ним, формировались в банках с некоторым временным лагом. По причине этого предположения была построена отдельная модель с тем же лагом, что и относительно норматива «Н3», в 6 месяцев. И получилось меньшее количество значимых переменных, представленных в таблице 3.8, однако показатели самой регрессии чуть улучшились.

Таблица 3.8 Значимые объясняющие переменные в модели «RVPS» с временным лагом

В данном случае переменная «gko» имеет, как и прежде, отрицательный коэффициент, объяснения чему давались ранее. Появился новый значимый регрессор «retail», который так же имеет отрицательное влияние на значение нашей зависимой переменной, что объясняется тем, что а период спада объёмы розничной торговли в экономике сокращаются, а банка, в свою очередь, напротив наращивают резервы по растущим просроченным ссудам. Поменялся знак коэффициента у объясняющей переменной «indexes»: он стал отрицательным, что является более логичным, так как значение индекса ММВБ в период кризиса падало в отличие опять же от объемов сформированных резервов банков в то время.

3.5 Модель ROE

Следующей регрессией, которая будет построена, является регрессия относительно показателя «ROE». Результаты можно увидеть в таблицах 3.9 и 3.10 ниже.

Таблица 3.9 Данные по регрессии относительно переменной «ROE»

Таблица 3.10 Значимые объясняющие переменные в модели «ROE»

К сожалению, если мы посмотрим на значение строчки «Wald chi2(3)», то увидим, что оно довольно маленькое и равно 56,82. Это говорит о плохом качестве подгонки и о том, что по результатам используемой выборки мы не можем получить адекватных результатов по данному показателю рентабельности.

3.6 Модель PA3

Одним из последних показателей, относительно которого будет построена очередная регрессия, является показатель, отражающий долю просроченных ссуд в общем кредитном портфеле банков. Результаты изложены в таблицах 3.11 и 3.12.

Таблица 3.11 Данные по регрессии относительно переменной «PA3»

Таблица 3.12 Значимые объясняющие переменные в модели «PA3»

Итак, мы получили три переменные, которые значимы на 1% уровне значимости, это: «gko», «bival», «balance». Также на 5% уровне значимости осталась переменная retail.

Для более наглядного объяснения знаков перед коэффициентами целесообразно использовать график распределения значений показателя «PA3» по нашим банкам.

Рис. 3.7. Динамика переменной «PA3»по исследуемым банкам

Из графика довольно четко видно, как объёмы просроченных кредитов постепенно росли, начиная с конца 2008 года, вместе с ухудшением экономической ситуации в стране. Сокращаться показатель «PA3» начал со второй половины 2010 года. Это происходило по причине того, что замедлялся экономический рост страны, благосостояние населения ухудшалось, а вместе с тем и их платежеспособность. Когда-то хорошие заемщики превращались в несостоятельных, из-за чего и начал расти объём просроченных ссуд в банковском секторе.

Далее перейдём непосредственно к объяснению знаков перед полученными коэффициентами и природы зависимости «PA3» от них. Итак, если взглянуть на рисунок 3.5, то сразу просматривается отчетливая отрицательная зависимость между «gko» и «PA3», экономическая природа этих явлений была изложена ранее, когда шло разъяснение коэффициентов других переменных.

Если вспомнить то, как вела себя переменная «bival» на оси времени, то здесь тоже не возникает вопросов о положительной зависимости между этой переменной и показателем «RA3».

Далее пойдёт рассуждение по поводу положительного знака перед коэффициентом «balance». Для упрощения задачи используем графики.

Рис. 3.8. Динамика торгового баланса РФ

Из графиков видно, что оба показателя, начиная, примерно, с начала 2009 года, вели себя практически одинаково. Торговый баланс РФ упал в основном буквально за вторую половину 2008 года, и с начала следующего начал постепенно расти, как, к сожалению, и объёмы просроченных ссуд в кредитных портфелях наших пятнадцати банков.

График переменной «retail» выглядит следующим образом:

Рис. 3.9. Динамика объема розничной торговли на территории России

Объёмы розничной торговли активно сокращались в кризисный период, что вполне логичное явление, просроченные ссуды, в свою очередь, росли по изложенным ранее причинам, отсюда и отрицательная зависимость между этими двумя показателями.

3.7 Модель Н1

Последней регрессией, которая будет построена в рамках данной работы, содержит в качестве зависимой переменной норматив достаточности капитала банков «Н1».

Таблица 3.13 Данные по регрессии относительно переменной «H1»

Таблица 3.14 Значимые объясняющие переменные в модели «H1»

По причине недоступности данных по некоторым банкам в различные периоды времени данная регрессия строилась относительно временного отрезка с 2008 по 2012 год по двенадцати банкам вместо прежних пятнадцати. Из таблицы 3.14 видно, что все переменные, включенные в неё, значимы на 1% уровне значимости, включая константу.

График зависимой переменной представлен ниже.

Рис. 3.10. Динамика переменной «H1» по исследуемым банкам

Из рисунка видно, что в периоды экономической неустойчивости банки в основном стараются наращивать значение данного норматива для обеспечения большей устойчивости. Таким образом, «Н1» в среднем рос с середины 2008 до середины 2010 года, далее он постепенно начал сокращаться вплоть до конца 2011.

Итак, мы получили положительную зависимость между «Н1» и «indexes». Если мы вернемся к рисунку 3.4, то заметим, что индекс ММВБ активно «падал» лишь до конца 2008 года, а далее начался восходящий тренд вплоть до конца 2010 года. Практически аналогичную ситуацию мы можем заметить и на рисунке «Н1».

Отрицательные коэффициенты «oil» и «inflation» довольно просто объяснить с экономической точки зрения: если падают цены на нефть, замедляются темпы экономического роста и инфляции внутри страны - всё это говорит об ухудшении общей ситуации в финансовом секторе страны. А, как мы выяснили, в подобное время банки стараются обезопасить себя и наращивают «Н1», отсюда и отрицательная зависимость между достаточностью капитала и ценами на нефть с темпами инфляции.

Итого, было построено шесть различных регрессий с различными показателями банковской деятельности в качестве зависимых переменных. К сожалению, одна из регрессий, а именно, относительно показателя рентабельности «ROE», оказалась несостоятельной, поэтому он не будет рассчитан для стрессовых условий, которые будут заданы на 2013 год.

3.8 Расчет показателей для стрессовых условий экономики России на 2013 год

Перед тем, как непосредственно рассчитать значения показателей банковской деятельности, используя «стрессовые» значения макроэкономических переменных, нам нужно определить какими именно будут эти самые значения.

Министерство экономического развития России на своем официальном сайте публиковало различные сценарные условия экономической ситуации страны на 2013 год. Также Центральный Банк РФ в своем письме от 29 декабря 2012 г. N 193-Т «О методических рекомендациях по разработке кредитными организациями планов восстановления финансовой устойчивости» опубликовал часть «стрессовых» макроэкономических показателей с соответствующими значениями на 2013 год.

Итак, используя значения макроэкономических показателей, которые рассчитали ЦБР и Министерство экономического развития России для негативного сценария развития на 2013 год, была сформирована следующая таблица данных:

Таблица 3.15 Условные значения макрофакторов для негативного сценария

Далее при заданных значениях макроэкономических параметров, используя значения коэффициентов, которые были получены в результате построения регрессий, будут рассчитаны значения показателей банковской деятельности на 2013 год в «стрессовых» экономических условиях. Все значения будут представлены в процентах.

Таблица 3.16 Расчетные средние значения показателей банковской деятельности для негативного сценария

Для осуществления сравнительного анализа также были рассчитаны среднеарифметические значения этих же показателей по нашей выборке за последний квартал 2012 года.

Таблица 3.17 Расчетные средние значения показателей банковской деятельности на конец 2012 года

Итак, анализируя данные из последних двух таблиц, видно, что в случае развития негативного сценария развития экономики нашей страны, банки сразу начнут наращивание ликвидности, что является довольно стандартным действием.

Также, необходимо отметить, что в случае осуществления условий, заложенных в проводимом стресс-тесте, объём просроченных ссуд в кредитном портфеле банков увеличится практически в три раза. Это является довольно серьёзным негативным фактом для банковского сектора и его устойчивости. Ухудшение качества кредитного портфеля вызовет в свою очередь значительный рост резервов на возможные потери по ссудам.

Наиболее интересными и важными для нас цифрами являются значения, которые принимал показатель достаточности капитала «Н1» непосредственно в конце 2012 года и по результатам проведенного стресс-теста. По результатам расчетов данный показатель сократился бы в среднем по исследуемым банкам на 2,56%, что составляет 701,302 млрд. руб. потерь собственных средств для них. Далее на рисунке 3.11 четко видно, что у около половины банков значение данного норматива упало бы ниже установленной нормы.

Рис. 3.11. Значения норматива достаточности капитала по исследуемым банкам на конец 2012 года

Заключение

В данной научной работе было проведено стресс-тестирование пятнадцати наиболее крупных по величине активов банков России.

После изучения ряда статей по стресс-тестам в качестве объясняющих переменных было выбрано несколько макроэкономических переменных, которые наиболее сильно влияют на банковскую деятельность в нашей стране. Для построения эконометрических моделей были отобраны поквартальные данные, начиная с 2007 года, по крупнейшим банкам России, в итоге было получено 360 наблюдений. После осуществления регрессионного анализа было выяснено, что все отобранные макроэкономические переменные в той или иной степени оказывают влияние на различные показатели банковской деятельности. К сожалению, регрессия, построенная относительно показателя рентабельности собственных средств (ROE) оказалась несостоятельной, что можно объяснить специфическим характером выборки и выбранных объясняющих переменных. Также здесь стоит отметить, что показатель «ROE» довольно субъективный, так как он всецело зависит от эффективности деятельности конкретного банка. Таким образом, некоторые банки даже в период кризиса работали с прибылью, тогда как определённые кредитные организации получали убытки уже в период, когда банковская система полностью оправилась от последствий негативного экономического шока в 2008 году.

Остальные построенные модели дали довольно состоятельные оценки коэффициентов влияния макрофакторов на объясняемые переменные. По результатам расчетов относительно «стрессовых» значений параметров было установлено, что в периоды экономической банки нарастят ликвидность в среднем на 6-11%. В свою очередь, произойдёт значительное ухудшение качества кредитного портфеля, в результате которого уровень сформированных резервов по ссудам увеличится на 48% относительно среднего значения на конец 2012 года. Количество просроченных ссуд должно будет увеличиться приблизительно на целых 10%. Основной норматив банковской деятельности, «Н1», по исследуемым 15 банкам в «стрессовых» условиях сократился бы до значения в 10,27%, что составило бы 701,302 млрд.руб. потерь для данных банков.

Итак, в данной работе были достигнуты все поставленные в её начале задачи и наиболее важными выводами являются:

· крупнейшие банки России в случае осуществления негативного сценария понесут довольно крупные финансовые потери, а в частности только по показателю «Н1» - около 700 млрд.руб. А также рост просроченных ссуд в кредитных портфелях отобранных банков составит в среднем 10%;

· одними из наиболее влиятельных макроэкономических показателей стоит выделить переменные «oil», «indexes» и «bival». Как не странно, именно цены на нефть, динамика индекса ММВБ и значение бивалютной корзины России оказывают наибольшее влияние на деятельность банков внутри страны.

Список литературы

Нормативные правовые акты:

1. Указание Банка России от 30.04.2008 №2005-У (ред. 06.04.2012) «Об оценке экономического положения банков»

2. Письмо от 29 декабря 2012г. № 193-Т «О методических рекомендациях по разработке кредитными организациями планов восстановления финансовой устойчивости»

3. Прогноз Минэкономразвития РФ «Прогноз социально-экономического развития Российской Федерации на 2013 год и плановый период 2014-2015 годов.

4. Инструкция Банка России от 3 декабря 2012 года № 139-И «Об обязательных нормативах банков».

5. Федеральный Закон от 02.12.90 N 395-I (ред. от 14.03.2013 с изменениями, вступившими в силу с 26.03.2013) "О банках и банковской деятельности".

6. Федеральный закон от 10 июля 2002 года № 86-ФЗ «О Центральном банке Российской Федерации (Банке России)»

Статистические сборники, статьи из журналов и газет на английском языке:

7. A global regulatory framework for more resilient banks and banking systems - revised version June 2011, BCBS, May 2011.

8. ECB. December 2006 Financial Stability Review.

9. FSB. Intensity and Effectiveness of SIFI Supervision. Recommendations for enhanced supervision. 2010.

10. Global systemically important banks: assessment methodology and the additional loss absorbency requirement.-BIS, Basel Committee on Banking Supervision, November, 2011.

11. The Dodd-Frank act: a cheat sheet // Morrison and Foerster, 2010.

12. Nayda, William. Taking the Mystery Out of Stress Testing // The RMA Journal, 2012. - 20 - 25 p. - ISSN - 15310558

13. Nayda, William. Stress Testing: Methodologies and Tools // The RMA Journal, 2012. - 34 - 41 p. - ISSN - 15310558

14. Clarke, Jim. Stress Testing is a Critical Tool in Risk Management // The RMA Journal, 2012 . - 60 - 63 p. - ISSN - 15310558

15. М. Канамеро, С. Приу, Н. Кангихьян, Ч. Стюарт, К. Тун, У. Ксоуэл. Доклад Moody's Analytics об исследовании практики стресс-тестирования в банковской отрасли // Управление финансовыми рисками, 29.01.2012.

16. Monetary and Economic department. Stress-testing financial systems: an overview of current methodologies // BIS working pages, 2004.

Статистические сборники, статьи из журналов и газет на русском языке:

17. Внутренняя модель определения экономического капитала // Банковское дело, 14.12.2010. №12.

18. О. Солнцев, А. Пестова, М. Мамонов. Стресс-тест: потребуется ли российским банкам новая поддержка государства? // Вопросы экономики, 2010.

19. К. Михайловна. Обзор моделей вероятности дефолта // Управления финансовыми рисками, 25.01.2011.

20. О. Солнцев, А. Пестова, М. Мамонов. Оценка системных эффектов от ужесточения пруденциального регулирования банковского сектора: результаты стресс-теста, 01.12.2012. №8. С. 4-31.

21. Комплекс моделей стресс-тестирования российского банковского сектора // Деньги и кредит, 16.03.2011. №3.

22. Т. Ратникова. Анализ панельных данных в пакете «STATA», 2004.

23. Т. Осипенко. Место стресс-тестирования в системе риск-менеджмента, 2010.

24. Стресс-тестирование деятельности банка: международная практика и применение в России // Банковское дело, 18.12.2009. №12.

25. М. Бездудный, Т. Малахова, Ю. Сидельников. О стресс-тестировании банков // Банк идей, 2010. №11.

Размещено на Allbest.ru