Размещено на http://www.allbest.ru/

Оглавление

Введение

Теоретические подходы к определению факторов

Описание текущей ситуации в банковском секторе

Постановка исследовательского вопроса

Описание выбранного подхода для исследования

Список использованных источников:

Аннотация

Настоящее исследование посвящено определению значимых факторов, влияющих на образование просроченной задолженности юридических лиц банкам России. Несмотря на многочисленные ежегодные отзывы банковских лицензий Центробанком, количество нерабочих кредитов в банках постоянно растет, что негативно влияет на экономику страны. Ввиду повышающейся кредитной активности среди юридических лиц, повышаются и кредитные риски в банках. Таким образом, банкам крайне важно понимать, какие именно факторы имеют наибольшее влияние на просроченную задолженность клиентов, чтобы выработать методы воздействия на них или же оптимизировать уже существующие. В работе использовались панельные данные за 2009- 2016 годы. Исследование было проведено при помощи эконометрического анализа: была оценена лог- линейная регрессионная модель с фиксированными эффектами. В результате было получено, что статистически значимое влияние имеют кризисный период, коэффициент автономии и коэффициент рождаемости организаций, их финансовые результаты, а также средняя ставка по предоставленным кредитам. Также была проверена гипотеза о наличии совместной статистической значимости переменных ликвидность активов фирм и кризисного периода, однако она не была подтверждена.

Abstract

The research addressed the question of factors affecting the volume of overdue debts of firms to Russian banks. Despite the fact of numerous revoking of banking licenses by the Central Bank, number of non- performing loans and credit risks have been increasing. It has negative influence on the economic structure of the country in general. So that, it is important for banks to know what factors have the most significant influence on the overdue debts to optimize their credit risk management. Panel data for the period from 2009 year to 2016 year were used in the current research. It was analyzed by the econometric: log- linear model with fixed effects was estimated. As a consequence statistically significant variables are crisis, coefficient of firms' autonomy and reproduction, their financial results and average rate for credits. Besides the hypothesis about significance of an interaction effect between firms' assets liquidity and crisis was tested, however was not proved.

Введение

Ежегодно Центральный Банк Российской Федерации (ЦБ РФ) отзывает лицензии на осуществление банковской деятельности у множества банков страны. Эти действия объясняются тем, что каждый год Центробанк, являющийся банком 1 уровня, выводит с рынка коммерческие банки, осуществляющие сомнительную кредитную политику которые, в свою очередь, являются банками 2 уровня. Таким образом Банк России проводит санацию среди банков страны, другими словами, политику "оздоровления" отечественного банковского сектора [Набиуллина Э., 2017]. В противном случае, подобная "неправильная" и рискованная кредитная политика таких банков может повлечь за собой серьезные проблемы для экономики государства в целом.

За последние 12 лет, начиная с 2006 года, когда Центробанк начал осуществлять свою политику по закрытию сомнительных банков, ЦБ РФ отозвал лицензии у 331 банка (не учитывая небанковские кредитные организации (НКО)). Стоит отметить, что 2016 год стал рекордным: так, на 23 декабря 2016 года лицензий лишилось 90 банков, тогда как для сравнения в 2015 году число таких банков составляло 87. Такой активной политикой «оздоровления» финансовой системы страны Центральный Банк занялся с 2013 года: в России закрылся каждый четвертый банк.

Однако, важно отметить, что политика Центробанка по "оздоровлению" банковского сектора включает в себя не только отзывы лицензий на осуществление банковской деятельности. Когда некоторому банку грозит отзыв лицензии, то прежде чем останавливать деятельность банка и закрывать его, Центральный Банк может принять решение о проведении санации данного банка. Если ЦБ решает, что кредитная организация имеет шансы на восстановление своей эффективной финансовой деятельности, то применяется комплексная процедура санации, а именно активы такого санируемого банка пополняются государственными и частными инвестициями взамен на акции банка.

Кроме того, руководство банка может самостоятельно попросить Центральный Банк о проведении его санации, если в организации наступило критическое состояние, и ему грозит отзыв лицензии.

В связи со сложившейся ситуацией в банковском секторе, стараясь поддерживать уровень своей деятельности и сохранить репутацию для успешного ее продолжения, банки различными способами пытаются поднимать уровень своей конкурентоспособности. Зачастую за конкурентными преимуществами одних банков перед другими стоят их клиенты, а именно устойчивая клиентская база, и их платежеспособность, а также кредитоспособность. Именно клиенты помогают поддерживать работу банка, пользуясь различными предлагаемыми услугами и приобретая банковские продукты. Поскольку, несмотря на отзывы лицензий у многих банков, их большое многообразие сохраняется, потребители банковских услуг стоят перед выбором, в какой организации совершать необходимые им банковские операции. Ведь ежегодно банки несут колоссальные убытки от неуплаченных просроченных задолженностей, что влияет как на репутацию банка, так и на качество оказываемых в дальнейшем услуг и так далее [Колесов П.Ф., 2012]. Такое явление делает острой проблему управления кредитными рисками, другими словами, рисками не возврата в срок или же полного не возврата выданных клиентам займов.

Операции в банках могут совершать как физические, так и юридические лица. В данной работе будет исследована проблема невыплаченных просроченных задолженностей юридических лиц, поскольку доля кредитов, выданных юридическим лицам, значительно превышает долю потребительских кредитов, а вследствие этого и величина просроченной задолженности у юридических лиц больше, чем у физических, что говорит о том, что вопрос о нереальной к взысканию просроченной задолженности юридических лиц банкам более актуальный. На 2017 год по данным Центрального Банка РФ доля выданных юридическим лицам кредитов составляет 78%, в то время как доля кредитов физических лиц лишь 22%.

Кредит является неотъемлемым элементом экономического развития. Он помогает стимулировать экономический рост и развитие компаний, что в свою очередь тесно связано и с экономикой государства в целом. Однако с ростом объема выданных кредитов, растут и просроченные задолженности. Так, можно наблюдать крайне высокие значения просроченных задолженностей у юридических лиц (Приложение 1).

Можно заметить, что доля просроченной задолженности юридических лиц в общем объеме выданных банками кредитов за последние 9 лет возросла в 5 раз. Это подтверждает тот факт, что эта проблема крайне актуальна и требует внимания.

Цель настоящей работы заключается в определении факторов, влияющих на количество неработающих кредитов, выданных юридическим лицам в банках России.

Для достижения поставленной цели необходимо будет решить некоторые задачи, представленные ниже:

1) Изучить отечественную и иностранную литературу для определения ряда параметров, имеющих потенциальное влияние на нереальную к взысканию задолженность юридических лиц;

2) Собрать базу данных по невыплаченным задолженностям предприятий в крупнейших банках России, входящих в топ-20 банков, и провести регрессионный анализ;

3) Проинтерпретировать полученные эмпирические результаты с экономической точки зрения;

4) Сформулировать ограничения при проведении исследования, а также определить подходы, позволяющие улучшить проведенный регрессионный анализ.

Результаты настоящего исследования будут полезны для модификации и оптимизации уже существующих систем риск- менеджмента, а именно методов управления кредитным риском в банковских структурах.

Таким образом, работа будет построена следующим образом. В первую очередь необходимо изучить существующие исследования зарубежных и отечественных авторов, затрагивавших данный исследовательский вопрос. В ходе анализа существующей теоретической базы будут выявлены подходы, а также факторы, которые могут иметь важные значение и для настоящего исследования. На основании обзора литературы будет выдвинут метод, а также набор показателей для построения модели, релевантной данной работе. По итогу построения и оценки модели будут получены результаты, которые в дальнейшем будут интерпретированы с экономической точки зрения. В заключении работы будут сделаны общие выводы, а также представлены некоторые ограничения исследования.

Теоретические подходы к определению факторов

Описание текущей ситуации в банковском секторе

банк невыплаченный задолженность юридический

Что касается экономики государства в целом, то к 2016 году можно отметить замедление ее спада, а это, в свою очередь, говорит о начале восстановительного процесса в стране. Благодаря оптимальной денежно- кредитной политике Центрального Банка, которая заключалась в поддержании сберегательной модели поведения населения страны, инфляция значительно замедлилась. О подобной поведенческой модели свидетельствует рост объемов кредитования, в частности и кредитования юридических лиц, который продемонстрирован ниже (рис.1).

Рис. 1. Динамика объемов кредитов, выданных организациям в России, в млрд. руб.*

Полностью избавиться от кредитных рисков невозможно, поэтому их необходимо прогнозировать и верно ими управлять. Крайне важно понимать, как правильно и наиболее эффективно это делать, учитывая, что все виды возможных рисков в банках взаимосвязаны. Вопрос о неработающих кредитах и, как следствие, возникновение больших объемов невыплаченных просроченных задолженностей банкам волновало многих исследователей, в том числе и зарубежных.

Была изучена как отечественная, так и зарубежная литература. Стоит отметить, что авторы рассматривают вопрос о возрастающих объемах нереальной к взысканию задолженности с разных сторон и на примере разных стран. Так, не удалось выявить определенного принципа или одинакового набора переменных при изучении этого исследовательского вопроса. Однако можно отметить, что одни авторы обращают особое внимание на влияние финансовых кризисов, другие рассматривают вопрос с точки зрения внутреннего риск - менеджмента банка. В большинстве случаев часть авторов уделяет больше внимания при исследовании данного вопроса изучению влияния некоторых внешних по отношению к банкам факторов, включая и ряд макроэкономических показателей. Другие же исследователи в своих научных работах акцентируют внимание на внутренних показателях эффективности управления банковским кредитным риском. Развернутые сравнительные характеристики по статьям обзора литературы, который представлен ниже, представлены в Приложении 3.

В своей работе Sotiris K. Staikouras "Multinational Banks, Credit Risk, and Financial Crises" рассматривал вопрос оценки вероятностей дефолта различных заемщиков, т.е. вероятность невозврата взятых ими обязательств или, другими словами, возможность получения банком невыплаченной просроченной задолженности ввиду глобальной финансовой нестабильности за последнее десятилетие. Ранее в центре внимания исследователей при изучении данной проблемы стоял ряд банковских регуляторов, утвержденных Базельским комитетом (Basel II, 2001). Этот же вопрос затронули российские исследователи Alexander N. Nepp, Anna A. Lavysh, Tamara V. Kuprina, Oleg I. Nikonov в работе «Optimization of The Branch Structure of Bank's Loan Portfolio». Авторы изучали данную тему на примере глобального мирового кризиса: в этот период банки, стремясь максимизировать прибыльность своих кредитных операций, столкнулись с быстро растущими рисками кредитного портфеля и стремительным ухудшением его качества. Консультации аналитиков не были приняты во внимание, что привело к резкому росту доли просроченной задолженности в общем объеме выданных кредитов и негативно сказалось на финансовых банковских показателях, что, в свою очередь, незамедлительно отразилось и на экономике страны в целом. Авторы обеих статей отметили, что ситуация вынудила банки изменить подход, соответствующий положению Базельского комитета к управлению рисками. Вышеупомянутые авторы отмечают, что анализ заемщика при принятии решения о выдаче или не выдаче ему кредита заставляет уделять больше внимания разделу риска. Однако стратегическое управление, в частности планирование структуры кредитного портфеля, не уделяет достаточного внимания процессу кредитования и анализу рисков. Среди банковских рисков кредитный риск является самым значительным - в неблагоприятных условиях он может привести к значительным финансовым потерям. Несмотря на то, что авторы обеих статей изучают схожий вопрос, цели их работ все же разные. Что касается первой статьи, то исследование было направлено на выявление системных факторов, связанных с неустойчивым экономическим положением страны, которые влияют на появление негативной тенденции к увеличению количества неработающих кредитов в банке. Во второй статье целью исследования была оптимизация промышленного портфеля банка на основе отраслевых индикаторов риска банкротства, финансовой независимости и рентабельности с использованием метода Монте-Карло и определение оптимального и наиболее эффективного портфеля.

В первой статье используются данные по разным регионам. Была построена эконометрическая модель, где в качестве зависимой переменной выступало количество неработающих кредитов, а в наборе независимых переменных были ставка по кредиту, коэффициенты задолженности заемщиков (компаний), внешние события (международные факторы), кредитная история, а также внутренние экономические условия страны. Кроме того, в построенных эконометрических моделях с фиксированными эффектами изучалось влияние отношения ВВП изучаемой страны к общей величине долга клиентов в банках, инфляция, изменение ВВП на душу населения и изменения денежных потоков иностранных инвестиций. Проведя исследование, авторы доказали, что можно моделировать недавние финансовые колебания как функцию различных экономических сигналов, которую в дальнейшем можно применить для прогнозирования возможных неработающих кредитов, и, как следствие, растущих объемов просроченной задолженности. Своим исследованием авторы лишь подтвердили, что возможно моделирование ситуаций, в которых существует повышенная вероятность обращения кредитов в разряд неработающих, однако на практике это не применили.

Во второй статье проводится анализ компаний, желающих взять кредит, по отдельным отраслям, используются классические методы - самые известные модели: двух- и четырехфакторные модели банкротства по Биверу, двух- и пятифакторная модель Альтмана. Таким образом, был сформулирован оптимальный метод формирования отраслевой структуры кредитного портфеля банка с учетом отраслевых показателей рисков банкротства, финансовой стабильности и доходности, позволяющих прогнозировать сумму возможной задолженности заемщика. Несмотря на проведенное исследование, можно отметить некоторые существенные негативные стороны такого подхода: значения факторов существенно отличаются в результате особенностей российской экономики, поэтому механическое использование таких моделей для анализа компаний приводит к значительным отклонениям прогноза от реальности, что не может давать релевантные результаты, и, как следствие, невозможно делать выводы о реальной ситуации.

Также была проанализирована работа авторов из Казахстана Dzhaksybekova G., Nurgaliyeva A. ("Banking risk management"). Авторы заключают, что одной из основных составляющих функционирования любого банка является риск. Неустойчивое развитие финансового рынка и жесткая конкуренция способствуют возникновению в банках новых рисков и, соответственно, требуют для обеспечения финансовой устойчивости и конкурентоспособности построить адекватную систему риск- менеджмента. Следует отметить, что банковский риск- менеджмент - это процесс управления рисками, т. е. совокупность определенных самим банком действий, направленных на выявление проблем риска и разработку способов и методов их решения. В своей статье исследователи при анализе кредитного портфеля банков Казахстана второго уровня, другими словами при анализе коммерческих банков, использовали статистический метод. Так, по их мнению, основными критериями при оценке кредитного портфеля банка являются: диверсифицированность, качество, доходность и риск.

Учитывая известную дилемму «доходность-риск», банк вынужден ограничить норму доходности, обезопасив себя от излишнего риска.

В связи с резким ростом кредитного риска, т.е. ростом невыплаченной просроченной задолженности, у коммерческих банков стремительно растут расходы на создание резерва на покрытие убытков по предоставленным кредитам, что в результате является одной из причин снижения их прибыльности. Поэтому проблема управления кредитными рисками для банков приобретает особую актуальность, так как непосредственно связана с возможностью утраты финансовой устойчивости банков. В связи с этим минимизация кредитных рисков является одной из наиболее важных задач сотрудников, ответственных за риск- менеджмент в банках. Однако нельзя не отметить тот факт, что использование одного лишь статистического метода без подкрепления других подходов может подвергать полученные результаты сомнениям, поскольку в рассмотрение взят относительно небольшой период (всего 2 года), который может быть нерепрезентативен, т.е. не может говорить о результатах, верных для всей генеральной совокупности данных.

В литературе на протяжении долгого времени неоднократно поднималась проблема неработающих кредитов исследователями из разных стран. Так, этот вопрос изучали и авторы из Эстонии Laivi Laidroo, Kadri Mдnnasoo в статье под названием: «Do credit commitments compromise credit quality?». Основное внимание они уделили рискам банков, связанным с чрезмерным ростом выданных банками кредитов и забалансовыми кредитными обязательствами. Целью исследования стало изучить взаимосвязь между кредитными обязательствами и качеством кредитов. При помощи эконометрического анализа была построена динамическая логарифмическая модель с использованием временных лагов, при этом в качестве данных использовались временные ряды с шагом в один год. Зависимой переменной выступало качество кредита, а независимой переменной был уровень ВВП, а также отношение кредитных обязательств к суммарным активам. В результате проведенного исследования было выявлено существование положительного эффекта между отношением кредитных обязательств и суммарных активов, а также коэффициентом неработающих кредитов и коэффициентом резервов на потери по ссудам. Этот результат остается надежным при использовании различных методик по принятию решений о кредитных обязательствах. Это исследование можно было бы попробовать провести и на примере российского банковского сектора. Кроме того, стоит отметить, что использование логарифмов, а также учет временных лагов делает работу более релевантной.

Похожую работу провели и другие исследователи: Paul M.S. Choi, Seth H. Huang в статье «Is too much competition bad for the industry? A Taiwanese banking case». Они изучили вопрос неработающих кредитов на примере банковской системы Тайваня, в то время как Ruhul Salim, Amir Arjomandib, K. Hervй Dakpoc в работе под названием :«Banks' efficiency and credit risk analysis using by production approach: the case of Iranian banks», проводили исследование на основе данных иранских банков. Различие заключается в том, что эти авторы для анализа использовали панельные данные. Авторы также применили эконометрический анализ, а именно построили регрессию, выбрав при этом фиксированные эффекты как наиболее достоверный метод в корпоративных финансах. Кроме того, исследователи выдвинули гипотезу о том, что банки могут предлагать более высокие ставки по кредитованию, если они имеют более высокую долю доходов. По итогу исследования гипотеза подтвердилась для "внекризисного" периода, получены схожие с предыдущей статьей выводы.

Следующая группа авторов изучала влияние внешних факторов на состояние банковской системы, а конкретнее - на кредитные риски. Автор A. P. Pati статьи «Credit Risk Stress Testing Practices in BRICS: Post-global Financial Crisis Scenario» изучал влияние глобального мирового кризиса 2008 года на банковский сектор стран БРИКС. В этот же период свое исследование проводили авторы Simper, R., Hall, M.J.B., Liu, W.B., Zelenyuk, V., Zhou, Z. («How relevant is the choice of risk management control variable to non-parametric bank profit efficiency analysis? The case of South Korean banks»). В этот период значительно обострилась проблема возрастающего кредитного риска, исходившая от увеличения неработающих кредитов. Авторы поставили перед собой следующую цель: установить и оценить связь между неработающими кредитами с макропоказателями банковского сектора на примере стран БРИКС в первом случае и на примере иранской банковской системы во втором случае в посткризисный период. При этом исследователи выдвинули гипотезу о наличии структурного сдвига в регрессиях в период глобального финансового кризиса. Таким образом, были построены регрессионные модели, которые были оценены методом наименьших квадратов, поскольку этот метод является достаточно простым, однако имеет хорошую эффективность и показывает достоверные результаты. Так, они пришли к выводу, что в целом банкиры увеличивали кредитный риск для частного сектора. По этим параметрам существенные сдвиги от фазы до глобального финансового кризиса до фазы после глобального кризиса не были подтверждены для всех стран.

Еще одно исследование касательно рассматриваемой темы провели Pederzoli, C., Torricelli, C., Castellani, S (статья этих исследователей называется: «The Interaction of Financial Fragility and the Business Cycle in Determining Banks' Loan Losses: An Investigation of the Italian Case»). Целью их работы было проанализировать как реальные (авторы отражают под этим понятием ВВП страны) и финансовые (подразумевается, задолженность юридических лиц) условия взаимодействуют и влияют на объемы неработающих кредитов фирм в итальянских банках. Несмотря на схожесть исследования с описанными ранее работами, новизна и вклад этих авторов состоит в том, что они предположили, что существует статистически значимый совместный эффект реальной и финансовой неустойчивости. Ранее этим вопросом исследователи не задавались, и такие эффекты не изучались. Был проведен регрессионный анализ: были построены 3 вложенные модели, оцененные методом наименьших квадратов, с независимой переменной в виде объема невыплаченных просроченных задолженностей по отдельным банкам и объясняющими переменными ВВП в первой модели, ВВП и отношение банковской задолженности к общему благосостоянию во второй модели. В третью модель был включен эффект взаимодействия. На основе последней модели (модели с эффектом взаимодействия) результаты показывают, что фактическое влияние финансовой неустойчивости на банковские потери зависит не только от фазы бизнес - цикла в экономике, но и от размера фирмы - заемщика. В результате этого в неблагоприятных экономических условиях небольшие фирмы более серьезно страдают от финансовой неустойчивости, поэтому выдавая кредиты таким организациям, банки больше страдают от кредитных рисков. Это связано с тем, что вероятность ликвидации маленькой фирмы выше, чем вероятность ликвидации большой компании. В задачи настоящего исследования не входит разделение компаний по признаку их размера, однако использование эффекта взаимодействия двух факторов может показать довольно интересные результаты на рассматриваемом российском банковском секторе.

Также была рассмотрена обзорная работа А. Ведеева, С. Дробышевского, М. Хромова, С. Синельникова - Мурылева «Актуальные проблемы развития банковской системы в Российской Федерации». Авторы связывают сложившуюся нестабильную ситуацию в банковском секторе с дефицитом ликвидности у многих банков. Основной причиной этого авторы выделяют создание больших резервов под высоко рискованные кредиты, что привело к «замораживанию» значительной части ликвидных ресурсов у большого количества банков. Что, в свою очередь, связано с недостаточной диверсификацией клиентской базы некоторых банков. Так, при изучении вопроса нереальной к взысканию просроченной задолженности и построении эконометрической модели в качестве независимой переменной можно взять ликвидность банковских активов.

Таким образом, можно подвести итоги по рассмотренному обзору литературы и сравнить подходы зарубежных авторов, а также методы, которыми они достигали поставленные в своих исследованиях цели, и факторы, которые изучались для ответов на главные исследовательские вопросы (Таблица 1).

Таблица 1

В настоящем исследовании была выдвинута следующая гипотеза:

H1: В период кризиса в стране ликвидность активов организаций имеет более сильное влияние на образование просроченных задолженностей юридических лиц банкам России.

Это можно обосновать тем, что вовремя нестабильной экономической ситуации в стране влияние на объем просроченной задолженности в банках такого фактора как коэффициент быстрой ликвидности активов организаций может усилиться. Для проверки совместной значимости была выбрана ликвидность активов организаций ввиду того, что при кредитовании банки обращают особое внимание на быструю ликвидность своих клиентов, поскольку она отражает способность фирмы в максимально короткие сроки погасить свои обязательства. Кроме того, использование совместного эффекта двух переменных привносит в работу новый вклад [Pederzoli, C et al., 2011].

В данной работе был выдвинут следующий исследовательский вопрос: «Какие факторы имеют значительное влияние на объемы просроченных задолженностей юридических лиц в банках России?».

Чтобы ответить на этот вопрос, на основании рассмотренной ранее литературы можно отметить, что в большинстве случаев исследователи используют эконометрический анализ, используя при этом панельные данные. Таким образом, в настоящем исследовании будет проведен регрессионный анализ линейной модели с использованием фиксированных эффектов. Фиксированные эффекты в отличие от случайных учитывают индивидуальные особенности изучаемых объектов, случайные же используются в случаях, когда исследуемые объекты, в данном случае банки, попадают в выборку случайным образом. По этой причине авторы используют модели с фиксированными эффектами.

Данные

Для исследования факторов, влияющих на количество просроченных задолженностей клиентов банка, а именно юридических лиц, в качестве зависимой переменной будет выступать доля их просроченной задолженности в общем объеме выданных различным организациям кредитов. Несмотря на то, что в выборку были отобраны крупнейшие по своим активам банки, все банки разные, ведут отличные друг от друга кредитные политики, отличаются размерами и т.п., необходимо было промасштабировать неработающие кредиты в банках для получения достоверных результатов, которые можно было бы в дальнейшем применить и ко всей совокупности данных, а не только для изучаемой выборки. По этой причине в исследовании будет изучаться не сама величина просроченной задолженности, а ее доля в каждой отдельной банковской организации.

Что касается набора объясняющих переменных, то основываясь на предыдущих исследованиях и собственных наблюдениях, в модель будут включены следующие параметры, которые имеют потенциальное экономически обоснованное влияние на зависимую переменную исследования:

1) Внутрибанковские показатели:

1.1) Ликвидность активов банка. Характеризует способность банка своевременно обеспечивать свои обязательства. Рассчитывается как отношение текущих активов банка к его краткосрочным обязательствам. Чем выше ликвидность банка, тем меньше просроченной задолженности он должен иметь на своем балансе.

1.2) Коэффициент оборачиваемости задолженности со стороны юридических лиц. Это отношение выручки банка к величине выданных кредитов юридическим лицам. Показатель отражает, насколько быстро юридические лица способны возвращать свою задолженность, т.е. чем выше оборачиваемость, тем меньше неработающих кредитов в банке.

1.3) Средняя ставка по кредитам в банках. Эта ставка непосредственно связана с ключевой ставкой Центрального Банка, по которой они ориентируются при определении уже собственной оптимальной ставки для выдачи кредитов организациям. Чем выше ставка, тем сложнее клиентам справляться со своими обязательствами и выплачивать банку кредит. Кроме того, это влияет и на привлекательность кредитов для потенциальных клиентов банка.

2) Внешние относительно банков факторы:

2.1) Коэффициент рождаемости организаций. Этот показатель определяется Росстатом, как: "отношение количества зарегистрированных организаций за отчетный период к среднему количеству организаций, учтенных органами государственной статистики в Статистическом регистре по данным государственной регистрации в отчетном периоде, рассчитанное на 1000 организаций". Количество организаций напрямую влияет на объем выданных кредитов юридическим лицам, а, следовательно, и на вероятность невыплаты ими своих обязательств.

2.2) Финансовые результаты организаций. Под этим фактором понимается сальдо прибылей и убытков фирм, выраженное в миллиардах рублей. Напрямую отражает возможность фирм выплачивать свои обязательства.

2.3) Фиктивная переменная, отвечающая за экономическое состояние государства. Значение "0" означает стабильное экономическое состояние, в то время как "1" отражает кризисный период. Во время экономического кризиса финансовое положение юридических лиц ухудшается, что отражается и на их выплатах по своим обязательствам. В такие периоды величина просроченной задолженности вероятно должна возрастать.

2.4) Ликвидность активов юридических лиц. Для определения данного фактора был выбран коэффициент быстрой ликвидности активов, поскольку данный показатель отражает способность фирм погашать свои текущие обязательства в случае наступления критического положения. Рассчитывается этот показатель как отношение высоколиквидных текущих активов к краткосрочным обязательствам,, т.е. текущим пассивам.

2.5) Финансовая устойчивость предприятий. В качестве фактора, отражающего финансовую устойчивость юридического лица для исследования был взят коэффициент автономии. Он показывает способность фирмы погасить свои обязательства за счет только собственных средств, тем самым отражает финансовую независимость юридического лица. Рассчитывается коэффициент как отношение собственного капитала и резервов к общей сумме активов предприятия.

Так, получаем следующую экономическую модель настоящего исследования:

Доля просроченной задолженности в банке = f (ликвидность активов банка, коэффициент оборачиваемости задолженности фирм, средняя ставка по кредитам, коэффициент рождаемости фирм, финансовые результаты предприятий, кризис, ликвидность активов организаций, коэффициент автономии).

Таким образом, для настоящего исследования были собраны данные по объемам просроченной задолженности юридических лиц банкам России с 2009 года по 2016 год включительно по 25 крупнейшим банкам страны, включенным в список топ-25 банков по версии "Банки.ру" (рейтинг ведется относительно активов банков), с шагом в один год. Также для проведения данной работы были использованы данные по вышеупомянутым показателям, имеющим экономически обоснованное потенциальное влияние на зависимую переменную на основе информации, представленной в базе данных "Росстат" [Федеральная служба …]-Федеральная служба государственной статистики. Кроме того для исследования использовались архивные данные Центрального Банка РФ [Статистика, 2017], а также официальные бухгалтерские (финансовые) отчетности банков из выборки, представленные в службе раскрытия информации "Интерфакс" [Центр раскрытия ...].

Таким образом, в работе используются панельные данные (panel data), поскольку рассматриваются данные за несколько периодов (период с 2009 года по 2016 год) для нескольких объектов (объем просроченной задолженности 25 банков в стране); для данного исследования имеется 200 наблюдений.

Методология исследования

Описание выбранного подхода для исследования

Основываясь на предыдущих исследованиях, были приняты некоторые решения о проведении настоящей работы. Исследование будет проведено при помощи эконометрического анализа, а именно будет построена регрессионная модель зависимости объемов просроченной задолженности юридических лиц банкам России от различных параметров. Изучив литературу, было выяснено, что для лучшего и более точного моделирования необходимо собрать данные по невыплаченной просроченной задолженности юридических лиц среди отдельных банков в стране. Будут рассматриваться не все банковские организации, а лишь крупнейшие из них, однако это не помешает сделать вывод о влиянии значимых факторов для всей генеральной совокупности данных. Для этого воспользуемся рейтингом банков на информационном банковском портале "Банки.ру". Поскольку мы получим панельные данные, то наиболее популярными в использовании являются фиксированные или случайные эффекты для оценки регрессионной модели, в которой используются такие данные. Однако в статьях чаще пользуются фиксированными эффектами, поскольку они дают более достоверные результаты.