Анализ кредитов российского банковского сектора

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

1. Дескриптивный анализ тенденций и проблем развития предприятий реального сектора экономики РФ в качестве заемщиков коммерческих банков

экономика банковский корпоративный ссуда

Реальный сектор экономики представляет собой совокупность видов экономической деятельности (отраслей), занятых производством материальных и нематериальных благ производственного или стратегического назначения. Он объединяет в себе предприятия сырьедобывающей и обрабатывающей промышленности, сельского хозяйства, строительные, транспортные и торговые компании. Равно как и в других мировых странах, отрасли реального сектора российской экономики формируют ее фундаментальную структуру, определяя уровень развития и место в мировой системе разделения труда.

Отрасли, представляющие реальный сектор экономики России, можно условно классифицировать на следующие 4 блока:

Ш «сырьевой» блок (добыча полезных ископаемых, лесозаготовка) и производство конструкционных материалов (нефте- и углепереработка, металлургия, химическая, целлюлозно-бумажная и деревообрабатывающая промышленность) - доминируют в совокупном стоимостном объеме экспортных поставок производимой в России продукции (83% по итогам 2015 года), обеспечивая основную долю доходов государственного бюджета и значительную часть платежеспособного спроса внутри страны в условиях достаточно небольшого числа занятого населения (около 5%).

Ш «инфраструктурный» блок (торговля и бытовое обслуживание, транспорт, связь и коммуникации) - характеризуется большой долей в ВВП (более 25%); ориентацией, в первую очередь, на внутренний спрос, а также преобладанием импортной продукции как источника обеспечения своей деятельности (почти 65% от совокупного стоимостного объема импорта страны приходится именно на эти отрасли).

Ш «инвестиционный» блок (строительство и операции с недвижимостью) - имеет достаточно высокую долю в ВВП (около 16%), прежде всего за счет стремительного развития финансового посредничества в сфере купли-продажи и аренды жилья на фоне оживления темпов жилищного строительства и ипотечного кредитования в 2000-е годы; свой вклад вносит также и уверенное восстановление капитального строительства зданий и сооружений производственного назначения.

График 1. Сравнение структуры экспортных поставок российской продукции за 2014-2015 годы.

График 2. Сравнение структуры импортных поставок зарубежной продукции за 2014-2015 годы

Ш «агропромышленный» блок (сельское хозяйство, производство пищевых продуктов) - несмотря на сокращение доли в ВВП (с 4,5% в 2003 году до 3% в 2015 году), обладает достаточно благоприятными перспективами для будущего развития в свете продолжающегося курса на импортозамещение в связи с наложением Правительством РФ эмбарго на поставки продовольствия из ряда стран Западной Европы и Северной Америки.

График 3. Динамика доли импорта в потреблении сельскохозяйственной продукции за 2014-2015 годы

Посткризисное развитие российской экономики в 1999-2002 годах характеризовалось постепенным увеличением зависимости потенциала экономического роста от предъявляемого на внешних рынках спроса на энергоносители (сырая нефть, природный газ, каменный уголь, лес) и их производные (нефтепродукты, целлюлоза, синтетические материалы). В то же время происходило падение конкурентоспособности продукции большинства обрабатывающих отраслей промышленности, ориентированных, прежде всего, на внутренний спрос (Белоусов, Сальников, 2003). Эти 2 ключевые закономерности обусловили состоявшийся в нашей стране в конце 2002 года переход от модели внутренне ориентированного экономического роста к модели, основанной на использовании естественных конкурентных преимуществ России в наличии богатых запасов природных ресурсов (экспортно-ориентированный рост).

Как следствие, в 2000-е годы наблюдалась фактическая деиндустриализация реального сектора экономики с перераспределением финансовых средств в направлении отраслей - элементов сырьевого комплекса и обслуживающих их видов экономической деятельности (торговля, транспорт). В результате этих процессов развитие предприятий прочих отраслей промышленности протекало медленно, отличаясь сокращением рентабельности производства и соответствующим падением уровня располагаемых доходов работников, которые составляют большую часть занятого населения страны.

Сложившаяся к концу 2000-х годов ситуация «голландской болезни», предполагающая перекос в сторону экспорта топливно-энергетической продукции и замещение внутреннего производства импортными аналогами, свойственна для большинства развивающихся ресурсообеспеченных стран мира, где недостаточная развитость экономических и политических институтов противодействует процессу модернизации промышленности (Нигерия, Саудовская Аравия).

По состоянию на 1 января 2016 года, совокупный объем ссуд, предоставленных банковским сектором России юридическим лицам и индивидуальным предпринимателям отраслей реального сектора экономики, составил 29,9 трлн. руб., что на 7,6% выше значения аналогичного периода предшествующего года. Однако, если элиминировать эффект валютной переоценки величины выданных ссуд, можно заметить, что по итогам 2015 года процесс кредитования предприятий характеризовался уверенной стагнацией (за год корпоративный кредитный портфель банков увеличился всего на 3,4% после 12,2% годом ранее и 9,8% в 2013 году). Нестабильность динамики кредитования корпоративных клиентов в течение I полугодия 2015 года была обусловлена высокой волатильностью обменного курса рубля, которая к концу II полугодия вылилась в ухудшение уровня достаточности капитала банковского сектора, способствующее сокращению темпов роста выдачи корпоративных ссуд.

График 4. Темпы прироста кредитов, выданных нефинансовым предприятиям (за месяц, %, с исключением валютной переоценки) за 2008-2015 годы

Безусловно, одной из главных причин стремления коммерческих банков к сокращению объемов кредитования компаний реального сектора экономики стало наступление кризиса «плохих» долгов в корпоративном сегменте кредитного рынка в условиях неблагоприятной макроэкономической среды. К началу 2016 года доля просроченной ссудной задолженности в совокупном корпоративном портфеле российской банковской системы стабилизировалась на уровне, превышающем отметку аналогичного периода прошлого года на 2,8%. Наибольшие опасения вызывает динамика кредитования отраслей, где наблюдается устойчивое ускорение кризиса «плохих» долгов из-за негативной конъюнктуры мировых цен на сырье (добыча полезных ископаемых) и текущей понижательной фазы экономического цикла (строительство и операции с недвижимостью, транспортные перевозки и коммуникации).

В течение всего 2015 года динамика доли просроченной ссудной задолженности предприятий показывала стремительное и непрерывное ухудшение. Этому способствовало резкое увеличение процентных ставок по кредитам вследствие активной политики ЦБ РФ, направленной на борьбу с растущей инфляцией путем троекратного повышения ключевой ставки процента в экономике годом ранее (с 5,5% на 1 марта до 17% на 31 декабря 2014 года). Такое решение регулятора было обусловлено нестабильными внешнеэкономическими условиями, трансформировавшимися в появление неопределенности и рост рисков на внутреннем рынке, и ограничивало потенциальные возможности для рефинансирования заемщиками уже накопленного долга посредством привлечения новых займов. Это, в свою очередь, ухудшило условия финансирования оборотного капитала нефинансовых предприятий и привело к возникновению их дефицита, даже несмотря на возросшие темпы продажи валютной выручки.

Кроме того, среди основных катализаторов роста объема «плохих» долгов в корпоративном секторе кредитного рынка в 2015 году можно выделить также и наступление кризиса залогов по ссудам компаний, из-за чего реальная стоимость кредитного обеспечения катастрофически снизилась. На сегодняшний день к числу наиболее ликвидных активов российских предприятий, выступающих в качестве гарантий выполнения кредитных обязательств перед коммерческими банками, нельзя отнести портфели ценных бумаг (ввиду неясности относительно их стоимости даже на краткосрочном временном горизонте), производственные запасы или недвижимость, в том числе объекты незавершенного строительства (по причине сокращения внутреннего спроса). Свою лепту в развитие долгового кризиса внесли также и значительные кассовые разрывы, обусловленные накоплением «лишней» краткосрочной задолженности.

График 5. Доля просроченных ссуд в совокупном кредитном портфеле банковского сектора России (без учета Сбербанка, ВТБ и Банка Москвы, %) за 2008-2015 годы

График 6. Динамика курса бивалютной корзины EUR-USD к рублю и цены на нефть марки «Brent» в 2015 году

Наконец, падение уровня реальных доходов населения, предъявляющего основной спрос на продукцию предприятий большинства несырьевых отраслей промышленности, отрицательно сказалось на рентабельности предприятий относительно их выручки, сокращение которой в прошлом году в 2 раза перекрыло даже кризисные показатели 2009 года (Шелкунова, Бузаджи, 2015). Именно рентабельность выступает в качестве одного из основных критериев, на основе которых банки принимают решение о готовности кредитовать компании реального сектора.

График 7. Соотношение среднегодовых показателей рентабельности предприятий (в% к выручке от реализации продукции) и темпов роста кредитного портфеля, 2015

Дальнейшее развитие ситуации будет зависеть, главным образом, от продолжительности сохранения наблюдающейся сегодня в российской экономике так называемой «стагфляционной ловушки», которая характеризуется симбиозом спада или стагнации промышленного производства и роста инфляции. По оценкам Росстата, прошедший 2015 год был отмечен сокращением ВВП на 3,7% по отношению к 2014 году. При этом годовой рост инфляции составил 12,9% и был вызван преимущественно последствиями обесценения рубля и повышения тарифов естественных монополий. Дело осложняется тем, что инфляция в России носит крайне антисоциальный характер, нанося удар в первую очередь по малообеспеченным слоям населения в силу преобладания расходов на продовольственные товары в их совокупных расходах.

Главным фактором падения в 2015 году промышленного производства в экономике стало сокращение инвестиционной компоненты в объеме совокупного спроса, предъявляемого предприятиями реального сектора. Усиление общеэкономической неопределенности касательно будущих перспектив развития рынков сбыта произведенной продукции на фоне оттока иностранного капитала и принудительного перехода к режиму самостоятельного финансирования своей деятельности вынудило компании сократить величину используемых мощностей и скорректировать свои первоначальные планы по расширению объемов производства. Длительность адаптации российских предприятий к изменяющимся условиям макроэкономической среды является определяющей в плане перехода сжатия инвестиционного спроса и следующего за этим сокращения производственного потенциала в циклическую форму, либо возобновления экономического роста с сохранением его темпов ниже докризисных величин.

Следует отметить, что на сегодняшний день для российской экономики и тот, и другой вариант развития событий являются равновероятными в силу целого ряда обстоятельств. С одной стороны, относительная стабилизация цен на нефть и другие полезные ископаемые и связанное с этим завершение девальвации национальной валюты, а также своевременная разработка и принятие Правительством РФ комплекса антикризисных мероприятий дали значительный толчок к оживлению ситуации в производственной сфере (к примеру, крупные добывающие и транспортные компании, среди которых ПАО «Газпром», ОАО «Роснефть» и ОАО «Аэрофлот», приняли решение не сокращать масштабов развития своего бизнеса). Однако, с другой стороны, в большинстве регионов нашей страны наблюдается волна сокращений персонала предприятий, занятых в реальном секторе экономики, что свидетельствует о подготовке компаний к длительной рецессии.

В этих условиях коммерческие банки вынуждены сокращать предложение ссуд по отношению к своим корпоративным клиентам ввиду чрезмерно высокого уровня кредитных рисков. Однако становлению российского банковского сектора в качестве основного финансового посредника, перераспределяющего свободные денежные ресурсы населения в виде инвестиций в реальное производство, препятствует не только ухудшение платежеспособности компаний, но и внутренние проблемы самих кредитных организаций.

Отсутствие универсальной методологии проверки заявок на предоставление кредитов корпоративным заемщикам побуждает банки опираться лишь на собственный опыт, который зачастую ограничивается созданием кредитного отдела, чья деятельность заключается лишь в подготовке содержания кредитных договоров. В то же время выполнение стратегического планирования, анализа и мониторинга за исполнением кредитных обязательств перед банками остается вне поля зрения их менеджмента. Усугубляет сложившуюся ситуацию и ужесточение банковской конкуренции в сегменте корпоративного кредитования, которое влечет за собой снижение планки требований к потенциальным заемщикам. Все это в результате понижает общий уровень организации процесса кредитования, не давая возможности оценить реальные значения кредитных рисков, и приводит к росту проблемной ссудной задолженности.

Пробелы в нормативно-правовой базе регулирования кредитных сделок также оказывают негативное влияние на желание коммерческих банков вкладывать свои средства в реальный сектор экономики. Отсутствие практического применения норм Уголовного кодекса РФ в аспектах расследования экономических преступлений вкупе с нехваткой правовых механизмов выявления фиктивных ссуд стимулирует банкиров к использованию максимально консервативной кредитной стратегии, тем самым снижая потенциал развития главного направления своей деятельности. Более того, из-за сложности, длительности и непредсказуемости процедуры судебных разбирательств по банковским искам о нарушении заемщиками условий кредитных договоров, банки часто прибегают к заключению сделок с аффилированными компаниями, поскольку в этом случае кредитный риск, по существу, является минимально возможным.

Помимо всего прочего, к ряду наиболее актуальных проблем банковской системы относится также и несоответствие активов и пассивов в разрезе сроков привлечения - обязательства в виде депозитов физических и юридических лиц срочностью более 1 года составляют около 15% от валюты баланса кредитных организаций, в то время как доля активов в виде ссуд с теми же сроками размещения достигает отметки в 35%. Такое существенное расхождение порождает наличие разрыва (гэпа) банковской ликвидности, увеличивая и без того высокие кредитные риски.

Наконец, рост просроченной задолженности по выданным корпоративным заемщикам кредитам заставляет коммерческие банки отчислять дополнительные средства в фонды РВПС (резервов на возможные потери по ссудам), что оказывает негативное воздействие на их капитализацию. В результате многие банки оказываются на грани потери своего капитала и, соответственно, прекращения деятельности вследствие отзыва лицензии (который происходит автоматически в случае падения норматива достаточности капитала Н1 ниже критической границы, равной 2%). Реализация этого сценария в масштабе всего банковского сектора неминуемо повлечет за собой бегство вкладчиков, трансформирующееся со временем в системный банковский кризис.

График 8. Динамика достаточности капитала банковского сектора России за 2008-2015 годы

Все вышеперечисленные проблемы, в конечном итоге, в значительной степени способствуют ухудшению качества корпоративного кредитного портфеля банковской системы РФ и придают ему автономный, трудно обратимый характер. Стабильное снижение качества долга вынуждает банки повышать премию за риск по выдаваемым кредитам, а высокие процентные ставки, в свою очередь, ведут к росту долговой нагрузки и дальнейшему росту просроченной ссудной задолженности.

Учитывая сложившиеся обстоятельства, в 2015 году Правительство РФ приняло решение оказать поддержку обеим сторонам кредитного процесса, содействуя увеличению совокупного инвестиционного спроса предприятий на основе применения механизма проектного финансирования. Министерством экономического развития России была подготовлена соответствующая программа, главной целью которой является наращивание объемов кредитования компаний реального сектора экономики в долгосрочной перспективе и на льготных условиях. Согласно содержанию этой программы, в качестве основных посредников между государством в лице Центрального Банка и предприятиями должны выступать коммерческие банки, отобранные самим регулятором по нескольким критериям (Шелкунова, Бузаджи, 2015).

Всего на осуществление данной программы планируется выделение 500 млрд. рублей из средств Банка России до конца 2018 года. Коммерческие банки, выбранные регулятором, получат денежные ресурсы для рефинансирования выданных компаниям займов на инвестиционные цели по процентной ставке, привязанной к ключевой ставке в экономике с разницей в 1,5% годовых в сторону уменьшения. В свою очередь, банки будут заниматься кредитованием предприятий реального сектора по той же ключевой ставке с прибавлением 1%, соответственно, получая доход в размере 2,5% годовых от величины выданных ссуд. Срок предоставления займов составит 3 года с опцией пролонгации в случае необходимости. Помимо этого, инвестиционные кредиты, предоставленные в рамках программы, будут обеспечены государственными гарантиями в размере до 125 млрд. рублей.

В программе смогут принимать участие только те кредитные организации, которые обладают собственным капиталом в размере не менее 100 млрд. рублей, лицензией на привлечение депозитов физических лиц и опытом реализации не менее чем 10 инвестиционных проектов объемом не менее 3 млрд. рублей каждый в течение последних 3 лет. Стоит отметить, что на сегодняшний день вышеперечисленным критериям соответствуют только 10 системно значимых российских коммерческих банков, 6 из которых находятся в собственности государства.

Краткие выводы по содержанию Главы 1:

v в настоящее время отраслевая структура реального сектора российской экономики характеризуется перекосом в сторону сырьевого комплекса вследствие перехода к экспортно-ориентированной модели экономического роста в начале 2000-х годов;

v в сегменте корпоративного кредитования банковской системы РФ наблюдается полномасштабное ускорение кризиса «плохих долгов», в первую очередь, в результате неблагоприятного воздействия макроэкономических шоков (валютного и сырьевого) в конце 2014 - начале 2015 годов;

v успешность выхода из этого кризиса зависит не только от длительности периода адаптации экономики России к новым условиям внешней среды, но также и от совместных усилий государства, коммерческих банков и компаний-заемщиков в решении актуальных внутренних проблем.

2. Обзор научной литературы

2.1 Основные направления моделирования качества корпоративных ссуд

Изучение определяющих факторов кредитного риска банка в стадии ex-post (т.е. после выдачи кредита) является вопросом первостепенного значения для регулирующих финансовую сферу государственных органов, обеспокоенных уровнем стабильности банковской системы (Salas, Saurina, 2002). В развивающихся странах, к числу которых относится Россия, банковский сектор выступает в качестве фундамента финансовой системы, поскольку, как правило, именно коммерческие банки распределяют большую часть совокупных экономических активов в виде кредитов фирмам и населению.

Большинство эмпирических исследований показывают, что чрезмерный рост проблемных кредитов - признак скорого банковского кризиса. Для регуляторов, функцией которых является обеспечение финансовой стабильности, крайне важно предсказать и предвидеть наступление возможного долгового кризиса и определить его драйверы. Данное обстоятельство породило большое количество эмпирических исследований эконометрического анализа факторов, оказывающих влияние на качество кредитных портфелей коммерческих банков.

В существующей литературе, касающейся тематики просроченной задолженности предприятий различных отраслей по ссудам коммерческих банков, традиционно выделяют 2 основных направления:

1. Построение моделей агрегированного (отраслевого) уровня дефолтов корпоративных заемщиков. В рамках данного направления авторы занимаются построением моделей кредитных рисков на основе данных как о частоте дефолтов компаний, так и на основе информации, представленной в банковской отчетности (балансах).

Модели первого типа, в свою очередь, подразделяются на 2 категории - модели в рамках интегрированного подхода и модели с применением частичного подхода. Основное различие между ними состоит в способе соотнесения показателя кредитного риска и объясняющих его динамику макроэкономических переменных. Интегрированный подход характеризуется полнотой оценки функции плотности кредитных потерь банков, возникающих в результате воздействия внешних стохастических шоков. Мерой кредитного риска в этом случае чаще всего является показатель VaR (Value at Risk).

Среди наиболее популярных моделей, относящихся к этой категории, можно выделить такие модели, как Credit Risk +, Credit Portfolio View, KMV, Credit Metrics и т.д. (Crouhy et al., 2000). Все они применяются для оценки финансовой устойчивости отдельных кредитных организаций и основываются на использовании микроданных по отдельным фирмам, предъявляющим спрос на банковские ссуды. Помимо информации о частоте дефолтов корпоративных заемщиков, в процессе разработки этих моделей часто используются экспертные вероятности изменения их кредитных рейтингов. Главным преимуществом моделей, основанных на применении интегрированного подхода, является возможность изучения нелинейного влияния макроэкономических шоков на качество кредитных портфелей банков. В качестве основных недостатков этого подхода исследователи, как правило, выделяют его уязвимость в плане учета текущей фазы экономического цикла, а также невозможность получения устойчивых долгосрочных прогнозов развития ситуации с «плохими» долгами фирм (Пестова, 2014).

В отличие от моделей в рамках интегрированного подхода, модели, основанные на применении частичного подхода, предусматривают только оценку условного математического ожидания выбранной меры кредитного риска. Данный подход предполагает моделирование линейной эндогенной зависимости ожидаемой частоты дефолтов (expected default frequency, EDF) или их вероятности от характеристик общеэкономической среды (Jacobson et al., 2005; Sommar, Shahnazarian, 2009). С одной стороны, это упрощает процедуру расчетов, снижает требования по объему выборки данных и позволяет проанализировать некоторый набор макроэкономических сценариев; однако, с другой стороны, исключается использование нелинейных функциональных зависимостей между рассматриваемыми переменными (Пестова, 2014).

Что касается моделирования качества корпоративных кредитных портфелей коммерческих банков на основе данных, представленных в публикуемой ими отчетности, то необходимо отметить, что оно подразумевает под собой применение только частичного подхода. Подобные исследования на уровне отдельных банков различаются в выборе показателя, характеризующего состояние их проблемной задолженности.

В качестве одной из основных альтернатив, которая достаточно часто используется в эмпирической литературе, выступает отношение резервов на возможные потери по ссудам к совокупному объему кредитного портфеля (Quagliariello, 2007; Glogowski, 2008). К сожалению, этот показатель не является надежным индикатором финансового состояния банка, поскольку его динамика в значительной степени объясняется решениями менеджмента. В целях искусственного наращивания прибыли, менеджеры могут необоснованно высвобождать большую часть резервов, чтобы таким образом доказать эффективность своей работы перед владельцами кредитной организации. Также, свой вклад вносят и межстрановые различия в законодательном регулировании процесса резервирования банковских средств. Таким образом, с точки зрения моделирования, динамика показателя РВПС является излишне «зашумленной», что затрудняет получение каких-либо устойчивых результатов на его основе.

Еще одним показателем кредитного риска является доля «неработающих» кредитов (non-performing loans, NPL) в совокупном кредитном портфеле коммерческих банков. Эта переменная наиболее популярна среди авторов эмпирических исследований (Salas, Saurina, 2002; Jimenez, Saurina, 2006; Boudriga et al., 2009; Espinoza, Prasad, 2010; Dash, Kabra, 2010; Louzis et al., 2012). Ссуды классифицируются как «неработающие», если в течение 90 и более дней заемщиками не выполняются оговоренные условиями кредитной сделки с банком обязательства по выплате основной суммы долга и процентных платежей. Как было отмечено в работе Jimenez, Saurina (2006), данный показатель можно интерпретировать как средний уровень дефолтов заемщиков.

Также некоторые авторы используют в качестве зависимой переменной отношение ссуд, классифицированных в отчетности как «неблагоприятные», к совокупной величине выданных банком кредитов. Однако главный недостаток данного показателя заключается в том, что отношение новых «плохих» долгов (т.е. классифицированных как «неблагоприятные» в течение отчетного периода) к общему объему ссуд не учитывает вероятность восстановления в статусе кредитов, которые были негативно классифицированы в прошлом (Quagliariello, 2007).

Эмпирические исследования факторов, определяющих состояние просроченных корпоративных ссуд на базе балансовых данных, можно разделить на две основные группы - работы, изучающие проблемную ссудную задолженность на уровне банковской системы в целом (макроэкономический подход - Hoggarth et al., 2005; Babihuga, 2007; Pesola, 2007), а также исследования на уровне отдельных банков (микроэкономический подход - Jimenez, Saurina, 2006; Quagliariello, 2007; Espinoza, Prasad, 2010).

Исследования на основе макроэкономических, или агрегированных, данных сосредоточены на изучении взаимосвязи между показателем просроченной ссудной задолженности и макроэкономическими условиями как на уровне отдельно взятой страны (Hoggarth et al., 2005), так и на основе информации по нескольким странам (Nkusu, 2011). Соответственно, полученные эконометрические модели могут быть применены либо в процессе стресс-тестирования финансовой устойчивости банковского сектора, либо для исследований эффектов «обратной связи».

Существует 2 основных подхода к проведению стресс-тестирования банковских рисков. Первый - так называемый подход «снизу-вверх» (bottom-up approach) - состоит в анализе риска на микроуровне, т.е. на уровне самих кредитных организаций, на основе информации, представленной в их внутренней отчетности. Регулятор в лице Центрального Банка задает для всех банков некоторый перечень сценариев, предусматривающий тот или иной масштаб возникновения негативных макроэкономических шоков. Далее каждый коммерческий банк, исходя из имеющихся в распоряжении статистических моделей, осуществляет процедуру стресс-тестирования своей финансовой устойчивости и сообщает полученные результаты регулятору для обобщения (Boss, 2002; Hoggarth et al., 2005). В качестве примеров таких тестов можно выделить методологию Европейского центрального банка (EU Wide Stress Test) и программу ФРС США (Supervisory Capital Assessment Program, SCAP).

Другой подход - «сверху-вниз» (top-down approach) - предполагает проведение процедуры стресс-тестирования самим регулятором без непосредственного участия кредитных организаций. Источником данных для анализа в этом случае также являются показатели финансовой отчетности коммерческих банков, которые могут быть представлены как в дезагрегированном, так и в консолидированном виде, однако моделирование реакции качества кредитного портфеля на ухудшение общеэкономических условий осуществляется на базе единой универсальной методологии. Примером такого стресс-теста является комплекс Программ оценки устойчивости финансового сектора (Financial Sector Assessment Program, FSAP), разработанный Международным валютным фондом в сотрудничестве с Центральными банками различных стран мира (Moretti et al., 2009).

Изучение эффектов «обратной связи» заключается в анализе влияния динамики просроченной ссудной задолженности корпоративных клиентов коммерческих банков на макроэкономическую ситуацию в стране (регионе) на основе построения моделей векторной авторегрессии (VAR) и моделей векторной коррекции ошибок (VECM). Подробный обзор данной методологии можно найти в работах Marcucci, Quagliariello (2005) и Asberg, Shahnazarian (2008).

2. Исследование эффекта «заражения» между отраслями экономики - передачи избыточного кредитного риска между фирмами-контрагентами посредством займов, предоставленных компаниями друг другу, и, соответственно, возникновения цепных дефолтов по ссудам компаний различных отраслей промышленности. Методология, наиболее часто применяющаяся авторами таких исследований - факторный анализ, а также моделирование систем квазинезависимых уравнений индивидуальных отраслевых регрессий (seemingly unrelated regressions, SUR) (Giesecke, Weber, 2004; Jimenez, Mencia, 2009; Fiori et al., 2009; Zedginidze, 2012).

В сравнении со стандартной методологией оценки системы индивидуальных регрессионных уравнений, применение SUR-подхода позволяет:

v улучшить эффективность оценок коэффициентов (Zedginidze, 2012).

v включать разное число регрессоров в индивидуальные уравнения для отдельных секторов экономики - данная характеристика представляет собой ключевое отличие SUR-метода от оценки стандартной системы регрессионных уравнений с помощью моделей векторной авторегрессии (VAR); ее наличие учитывает неоднородность воздействия изменения разных факторов на состояние банковских ссуд предприятиям различных отраслей экономики страны (Fiori et al., 2009).

v учесть возможную корреляцию остатков оцениваемых уравнений - необходимость этого продиктована неизбежностью недооценки кредитного риска вследствие игнорирования влияния со стороны небанковского канала кредитования (Fiori et al., 2009).

По своему содержанию, факторный анализ представляет собой статистический метод, позволяющий представить совокупность численных переменных, высоко коррелированных друг с другом, как ряд неких «общих» независимых ненаблюдаемых факторов, обладающих свойствами исходной выборки.

Методология данного подхода, применительно к анализу отчетности коммерческих банков, состоит в следующем. Доступный набор специфических (банковских) переменных, взятых из финансовой отчетности - баланса, отчета о прибылях и убытках и т.д. - преобразуется в систему однородных уравнений, где в качестве зависимых переменных выступают сами эти переменные, а в качестве объясняющих - ненаблюдаемые и статистически независимые факторы, число которых не должно превышать число исходных показателей. Данная система уравнений оценивается посредством применения стандартного метода главных компонент (МГК), а оцениваемые коэффициенты в индивидуальных уравнениях представляют собой показатели так называемой факторной нагрузки - величины, характеризующей степень корреляции между изучаемым финансовым индикатором и влияющим на него фактором.

Полученные в результате оценки системы уравнений факторы подбираются таким образом, чтобы доля объясненной дисперсии исходных переменных была максимально возможной. При этом те финансовые показатели, которые изначально были высоко коррелированны между собой и тем самым служили источником потенциальной проблемы мультиколлинеарности в регрессионной модели, в процессе применения факторного анализа агрегируются в кластеры (факторы), ортогональные друг другу, согласно критерию соответствия коэффициентов факторной нагрузки. Как итог, проблема наличия устойчивой взаимосвязи между объясняющими переменными исчезает, а благодаря сокращению количества рассматриваемых регрессоров сужается размерность корреляционной матрицы, что повышает качество полученных на выходе оценок (Fiori et al., 2009).

Использование факторного анализа в качестве метода исследования кредитных рисков коммерческих банков несет в себе массу преимуществ. Преобразование обширного ряда финансовых показателей в небольшую по размеру группу факторов без потери существенной части информации позволяет экономить время и усилия в процессе выполнения анализа. Кроме того, применение факторной методологии дает возможность тестировать гипотезы о наличии влияния на финансовую устойчивость банка тех показателей, которые сложно измерить напрямую (реальная степень государственного участия в капитале, аффилированность основных заемщиков с владельцами кредитной организации и т.п.).

2.2 Макроэкономические, внутриотраслевые и внутрибанковские детерминанты просроченной задолженности по корпоративным ссудам кредитных организаций

Как уже было упомянуто ранее, в эмпирической литературе ученые-исследователи традиционно выделяют 2 группы факторов, объясняющих динамику просроченной ссудной задолженности коммерческих банков. Первая группа факторов напрямую связана с макроэкономическими условиями, которые могут повлиять на способность компаний выполнять свои кредитные обязательства, а также с исследованием воздействия внешних (позитивных либо негативных) экономических шоков на их внутриотраслевые показатели.

В первую очередь, стоит отметить, что существует эмпирически доказанная ярко выраженная зависимость между динамикой просроченной задолженности коммерческих банков и текущей стадией экономического цикла. Суть данного явления состоит в том, что более высокие темпы роста реального ВВП, как правило, приводят к увеличению располагаемого дохода населения, которое способствует наличию более благоприятных условий для обслуживания банковского долга. Схожая логика действует и в отношении корпоративных заемщиков - увеличение совокупного выпуска представляет собой источник дополнительной прибыли для предприятий, что облегчает задачу обслуживания имеющейся задолженности перед коммерческими банками и, соответственно, снижает величину их кредитного риска (Asberg, Shahnazarian, 2008). Напротив, когда экономика находится в фазе спада, заемщики в процессе погашения своих долговых обязательств сталкиваются с большими трудностями, и уровень просроченных кредитов растет (Salas, Suarina, 2002; Fofack, 2005). В некоторых работах вместо темпов экономического роста используются показатели платежеспособности заемщиков - домохозяйств и фирм (Glogowski, 2008) или государственных органов (Louzis et al., 2012).

В отношении других макроэкономических показателей, способных в значительной степени повлиять на качество кредитного портфеля банков, все не настолько однозначно, и это объясняется целым рядом обстоятельств. Так, увеличение процентных ставок по ссудам, с одной стороны, должно приводить к росту издержек обслуживания долга, повышая риск наступления дефолта (Fiori et al., 2009). Однако в то же время, снижение таких ставок, как правило, приводит к так называемому «кредитному расширению» (кредитной экспансии), что, в свою очередь, тесно связано с падением уровня требований банков к потенциальным заемщикам, выдаче более рисковых ссуд и росту будущего ожидаемого объема просроченной ссудной задолженности. В этом случае формируется отрицательная взаимосвязь, которая, впрочем, проявляется не сразу, а по прошествии нескольких месяцев или даже лет (Jimenez, Saurina, 2006).

Издержки на обслуживание кредитов на уровне экономики в целом аппроксимируются номинальными или реальными процентными ставками по краткосрочным ссудам, причем наиболее часто используется показатель процентной ставки на рынке межбанковского кредитования - Hoggarth et al. (2005); Jimenez, Saurina (2006); Glogowski (2008). Объяснение состоит в том, что в большинстве развитых государств значительная доля ссуд характеризуется плавающей процентной ставкой, которая привязана именно к динамике ставки МБК (Bofondi, Ropele, 2011).

Инфляция также способна оказывать разнонаправленное воздействие на динамику просроченной задолженности по банковским ссудам. С одной стороны, более высокая инфляция способна смягчить условия обслуживания долга за счет снижения реальной стоимости непогашенной части кредита (Fiori et al., 2009). С другой стороны, рост инфляции может также уменьшить реальный располагаемый доход населения в условиях «жесткой» заработной платы (Nkusu, 2011). Более того, политика Центрального Банка, направленная на борьбу с растущей инфляцией путем ответного повышения ключевой ставки процента в экономике, может привести к ухудшению ситуации с обслуживанием компаниями имеющейся задолженности перед кредитными организациями из-за соответствующего роста процентных ставок по корпоративным ссудам (Пестова, 2014).

Влияние динамики обменного курса национальной валюты страны на исследуемую переменную также может быть противоречивым, прежде всего, в контексте экспортно-импортной ориентации компаний конкретных видов экономической деятельности. К примеру, в условиях падения курса национальной валюты фирмы-экспортеры получат значительное конкурентное преимущество на внешних рынках, поскольку производимые ими товары и услуги станут для иностранных потребителей относительно дешевле. Напротив, для предприятий, реализующих свои товары внутри страны, но закупающих сырье для производства у зарубежных поставщиков, существенно увеличиваются издержки, что при прочих равных условиях негативно влияет на уровень их прибыли, которая является главным источником погашения кредитных обязательств. Окончательный характер влияния данного фактора на величину «плохих» долгов зависит от того, какой из двух противоположных эффектов преобладает в экономике (Fiori et al., 2009).

Рост обменного курса может оказать негативное влияние на качество ссуд, выданных кредитными организациями, особенно в странах с высокими объемами кредитования населения и фирм в иностранной валюте. В этих условиях обесценение национальной валюты провоцирует рост реальной стоимости валютного долга, что значительно затрудняет процесс его обслуживания (Louzis et al., 2012). Это особенно актуально для банковских секторов развивающихся стран, поскольку экономические агенты в них, как правило, больше доверяет международным, общепризнанным валютам (доллару США, евро), в то время как доверие к национальной валюте страны может быть ограниченным (Glogowski, 2008; Dash, Kabra, 2010).

В странах с сырьевой экономикой, одной из которых является Россия, цены на вывозимое за рубеж сырье играют значительную роль в формировании макроэкономической ситуации и стабильности доходов населения (Boss, 2002). В наибольшей мере это касается предприятий нефтедобывающей и нефтеперерабатывающей видов экономической деятельности, где способность компаний выполнять взятые на себя обязательства перед банками напрямую зависит от динамики цен на энергоресурсы. Ожидается, что влияние данного показателя на уровень просроченных ссуд в экономике является отрицательным, так как с ростом цены на нефть валовые совокупные доходы нефтяных компаний растут, и далее через механизм спроса этот эффект распространяется на предприятия других отраслей, облегчая их кредитную нагрузку (Fiori et al., 2009).

Некоторые авторы также включают в анализ цены финансовых активов в целях учета влияния эффекта богатства или финансовых пузырей на благосостояние заемщиков (Quagliariello, 2007; Nkusu, 2011). В качестве одного из таких показателей, объясняющих тенденции изменения величины «плохих» долгов по корпоративным ссудам банков, в эмпирической литературе традиционно выделяют цены на рынке коммерческой недвижимости, поскольку недвижимость, как правило, является основным источником обеспечения по ссудам, выдаваемым банками как населению, так и предприятиям (Bernhardsen, Syversten, 2009). В период кризиса на рынке недвижимости, ее реальная рыночная стоимость может упасть ниже величины остаточного долга по ссуде, побуждая банк требовать ее досрочного погашения, что потенциально способно привести того или иного заемщика к банкротству в случае отсутствия альтернативных источников финансирования (Vlieghe, 2001).

Включение в анализ отраслевых индикаторов динамики фондового рынка (индексов, курсов акций) обуславливается тем, что они отражают ожидания акционеров компаний относительно величины дивидендов, которые будут выплачены им на долгосрочном временном горизонте. Эти ожидания, в свою очередь, содержат в себе важную информацию о долгосрочном прогнозе динамики макроэкономических факторов, которая не учитывается включением в модель самих макроэкономических показателей, описывающих преимущественно краткосрочные тренды. Кроме того, индикаторы фондового рынка отражают динамику таких специфических факторов, как премия за риск по ценным бумагам, их ликвидность и потоки капитала фирм, которые, безусловно, оказывают важное воздействие на кредитный риск на уровне самих компаний - микроуровне - и поэтому, к сожалению, не могут быть учтены введением в модель макропеременных (Drehmann, 2005).

Наконец, уровень финансового рычага (соотношения заемных средств фирм к собственным) также оказывает значимое влияние на динамику доли просроченной задолженности по корпоративным ссудам, поскольку решения о выдаче кредитов принимаются банками, исходя из сопоставления рыночной стоимости компаний, выраженной в величине ее акционерного капитала, и текущего значения их корпоративной задолженности. В случае, если коэффициент левериджа той или иной фирмы превысит критическую отметку, коммерческие банки будут склонны сокращать кредитное предложение по отношению к ней (Drehmann, 2005). Это автоматически повлечет за собой рост кредитного риска вследствие ограничения доступа к внешним источникам финансирования.

В Таблице 1, представленной ниже, схематично отображены результаты вышеперечисленных исследований.

Таблица 1. Статистическая значимость макроэкономических и внутриотраслевых детерминант в эмпирических работах

В целом, необходимо отметить, что макроэкономические факторы склонны оказывать лишь краткосрочное воздействие на динамику просроченной ссудной задолженности. К примеру, в работах Salas, Saurina (2002); Jimenez, Saurina (2006); Louzis et al. (2012) тестируемые регрессионные модели содержат только лагированные на 1-3 квартала значения макропоказателей, обладающие статистической значимостью.

Динамика просроченной ссудной задолженности коммерческих банков определяется не только макроэкономическими факторами. Напротив, отличительные особенности банковского сектора, вкупе с решениями менеджмента каждого конкретного банка в отношении предпринимаемых усилий для достижения максимальной эффективности и улучшения управления кредитными рисками, оказывают решающее влияние на данный показатель.

Существующие эмпирические исследования рассматривают следующий перечень внутрибанковских переменных:

ь ограничения кредитной политики банков и риск-аппетиты заемщиков, аппроксимированные темпом роста кредитного портфеля, чистой процентной маржой, долей ссуд с предоставлением обеспечения в общем объеме выданных банками ссуд и т.д.;

ь рыночная власть банков - иллюстрируется с помощью показателей конкуренции в банковском секторе (структурные - индекс Херфиндаля-Хиршмана, доля банков в объеме совокупных активов в целом по системе; неструктурные - индикатор Буна, Н-статистика Панзара-Росса, а также прямой индикатор рыночной власти - индекс Лернера);

ь эффективность банка по затратам и прибыли - при этом в большинстве работ применяется так называемый метод стохастической границы (SFA), суть которого состоит в оценке регрессионной модели, где одной из объясняющих переменных является стохастический случайный член, отражающий техническую неэффективность банков;

ь прибыльность банков - эта группа переменных состоит из 2 базовых коэффициентов - рентабельности активов банка (ROA), которая рассчитывается как отношение чистой банковской прибыли к объему активов, взвешенных по уровню риска, и рентабельности банковского капитала (ROE), отличающегося от первого тем, что в знаменателе используется величина собственного капитала банка;

ь характер операций банков и их ориентация на потенциальных клиентов (универсальные, ипотечные, занимающиеся преимущественно автокредитованием и т.д.), а также группы банков по типу собственности (с государственным участием, с иностранным участием, частные); как правило, они представлены в анализе соответствующими дамми-переменными.

Далее будет уместно описать каждую группу переменных более детально.

Традиционно предполагается, что особенности кредитной политики банка в значительной степени определяют степень кредитного риска, которому он подвергается, когда заемщики по каким-либо причинам не могут выполнять свои обязательства по ссудам. В нескольких работах (Jimenez, Saurina, 2005; Quagliariello, 2007; Espinoza, Prasad, 2010) была обнаружена положительная зависимость между темпами наращивания объемов кредитования и долей просроченной ссудной задолженности в кредитном портфеле банков, при этом особенно ярко эта закономерность проявлялась в периоды, предшествующие наступлению банковских кризисов. Объяснение такой взаимосвязи является довольно очевидным - резкое увеличение объема выдаваемых банками ссуд в большинстве случаев связано с ослаблением предъявляемых ими требований к потенциальным заемщикам. Это касается как явных финансовых условий выдачи кредитов - уровня доходов, стоимости залога, размера первоначального взноса и проч., так и процедур обслуживания кредитной заявки - сокращение временного промежутка между подачей кредитной заявки и фактической выдачи ссуды за счет сокращения процедуры проверки платежеспособности посредством кредитного скоринга, снижение качества мониторинга регулярности платежей. Такая кредитная политика сопряжена с высоким уровнем риска, и в период, когда экономика находится в фазе спада и реальные доходы как населения, так и фирм неуклонно снижаются, она в результате приводит к увеличению доли невозвратных ссуд.

Помимо непосредственно предъявляемых требований коммерческих банков к своим потенциальным заемщикам, другим индикатором рискованности проводимой банками кредитной политики является такой показатель, как чистая процентная маржа по банковским операциям, связанным с кредитованием (она рассчитывается как разница между процентными платежами по ссудам и процентными расходами по привлечению финансовых ресурсов для выдачи этих ссуд). Стоит отметить, что данный фактор отражает кредитный риск в стадии ex-ante (то есть до заключения кредитной сделки), однако, несмотря на это, он не пользуется популярностью в эмпирических исследованиях.

Целое направление в эмпирической литературе посвящено влиянию рыночной власти коммерческих банков на их финансовую устойчивость. Существуют 2 противоположные концепции, отражающие характер данной взаимосвязи - «competition-stability» о негативном влиянии рыночной силы на стабильность банков посредством принятия ими на себя чрезмерного уровня риска (Boyd, De Nicolo, 2005; Berger et al., 2008), и «competition-fragility», в основу которой заложен обратный принцип (Keeley, 1990; Jimenez et al., 2007). На сегодняшний день нет единой точки зрения относительно истинности какой-либо из них, поскольку исследователи в своих работах выявляют диаметрально противоположные результаты. Во многом это обусловлено тем, что в процессе анализа используются различные по своим характеристикам факторы, иллюстрирующие уровень конкуренции между коммерческими банками и меру взятых ими на себя рисков (в роли последнего, помимо доли «неработающих» кредитов в портфелях банков, часто выступает так называемый Z-индекс, рассчитываемый на основе показателей рентабельности активов банков и уровня достаточности их капитала; он представляет собой прокси-переменную расстояния банка до его банкротства). Что касается подобных исследований по российской банковской системе, то необходимо выделить работы Михаила Мамонова и Анны Пестовой, в которых детально описаны аспекты воздействия конкурентной среды на состояние кредитных портфелей банков применительно к российским реалиям (Mamonov, Pestova, 2013).

В современной литературе также до сих пор не сложилось единого мнения относительно того, как эффективность деятельности банков влияет на показатели качества их кредитных портфелей. Фундаментальным исследованием по данной тематике является работа Berger, De Young (1997), где изучается наличие причинно-следственной связи между качеством кредитного портфеля банка, уровнем его капитализации и эффективностью работы его менеджмента на выборке данных по коммерческим банкам США за период с 1985 по 1994 годы. Авторы проверяют 3 основные гипотезы:

1. Гипотеза о плохом управлении («bad management hypothesis») - высокий уровень просроченной задолженности по ссудам банка обуславливается недостаточной квалификацией его менеджеров в отношении проверки платежеспособности потенциальных заемщиков - процедуры кредитного скоринга, оценки залогового обеспечения по ссудам. Соответственно, низкая эффективность банковских издержек выступает в качестве сигнала о ненадлежащем качестве методов управления, которые применяются менеджментом банка, и это касается как ежедневных операций, так и управления кредитным портфелем. Некачественные методы андеррайтинга и мониторинга приводят к увеличению объема просроченных ссуд по прошествии некоторого количества времени.