Факторы, влияющие на образование просроченной задолженности юридических лиц банкам России

Автор(ы), год

Цель, исследовательский вопрос

Гипотезы

Данные

Метод

Модель, переменные

Результаты

Pederzoli, C., Torricelli, C., Castellani, S., 2011

Проанализировать

как реальные и финансовые условия взаимодействуют и влияют на объемы неработающих кредитов фирм в итальянских банках. (какие

индивидуальные и совместные эффекты имеют финансовой неустойчивости (измерена объемом задолженности) и реальная неустойчивость (измеряемая макроэкономическими "потрясениями")

в определении банковских потерь по кредитам?)

Совместный эффект реальной и финансовой неустойчивости будет статистически значим.

Ежеквартальные данные за период с 1990Q1-2007Q2 из двух источников:

Статистический бюллетень Банка Италии по кредитам и ConIstat

для данных по ВВП.

Построение эконометрических моделей, а именно, используются 3 линейные вложенные модели. 3 модель является моделью с эффектом взаимодействия.

GDPT-разность между ВВП и его линейным трендом, хар-т реал. неустойчивость

INDEB-отношение банковской задолженности к общему благосостоянию

DR-совокупный процентный убыток

1модель: DRt = б + в1GDPTt?1 + et

2модель: DRt = б + в1GDPTt?1 + в2INDEBt?1 + et

3модель: DRt = б + в1GDPTt?1 + в2INDEBt?1 + в3INDEBt?1 Ў¤ GDPTt?1 + et

На основе модели взаимодействия результаты показывают, что фактическое влияние финансовой хрупкости на потери по умолчанию зависит не только от фазы бизнес-цикла, но и от размера фирмы, в результате чего в неблагоприятных экономических условиях мелкие фирмы более серьезно страдают от финансовой хрупкости

Simper, R., Hall, M.J.B., Liu, W.B., Zelenyuk, V.,

Zhou, Z., 2017

Изучить зависимость оценок эффективности банковской деятельности от выбранных переменных управления рисками, охватывая резервы на потери по ссудам и учитывая хорошие вклады и неработающие кредиты как "плохой" результат.

Зависимость оценок эффективности банков значительно смещается ввиду глобального финансового кризиса.

Использовано 272 банковских наблюдения, временные ряды взяты из базы данных местного ЦБ за период 2007-2011гг с шагом в один квартал.

Непараметрическое моделирование

Административные издержки

Торговые расходы

Резервы

Капитал

Неработающие кредиты

Чистый процентный доход

Торговый доход

Прочие операционные расходы

Сама модель не приведена в статьей.

Наблюдался структурный сдвиг в данных в 2009г ввиду GFC (глобального финансового кризиса). Наиболее оптимально при выборе методики управления рисками включать две из трех

Dzhaksybekova G., Nurgaliyeva A., 2015

Провести анализ неработающих кредитов банков второго уровня Республики Казахстан.

Уровень концентрации неработающих кредитов в структуре совокупного кредитного портфеля банков повысился.

Данные НБ РК за 2012-2014гг.

Статистический анализ

Объем просроченной задолженности банкам

Нет модели

Объем неработающих кредитов в банках возрос, однако концентрация в кредитном портфеле существенно не изменилась, наблюдалось снижение обеспеченности портфеля залогом. Выявлены основные критерии при оценке кредитного портфеля: диверсифицир-ть, качество, доходность и риск.

Natocheeva N.N., Rusanov Y.Y., Belyanchikova T.V., Ter-Karapetov R.A., 2016

Оценить эффективность обеспечения кредитоспособности коммерческого банка от воздействия внешних и внутренних экономических угроз.

При разных значениях финансовых потерь требуются различные подходы в принятии мер банковской безопасности.

Данные ЦБ РФ за 2013-2016гг.

Аналитические и статистические, сравнительные методы, а также методы группировки и ранжирования, структурирования, синтеза, обобщения и экономико-математические методы.

FL- финансовые потери банка (прямые и косвенные)

Tdl - прямые финансовые потери

Cil - коэфф-т косвенных потерь

Модель

Авторы предлагают дифференцировать процесс обеспечения безопасности в кредитной деятельности банка на основе значений исследуемого показателя, для которого разработана своя классификация, поскольку защита банка может отличаться: полная, частичная или отсутствие защиты безопасности банка в кредитной деятельности.

A. P. Pati, 2017

Установить и оценить связь между неработающими кредитами с переменными банковского сектора макропоказателями на примере стран БРИКС в посткризисный период.

Ожидается наличие структурного сдвига в регрессиях в период глобального финансового кризиса (GFC).

Используются данные Всемирного Банка, МВФ и ЦБ отдельных стран с 2004 по 2014гг.

Построены 3 регрессионные модели, оцененные методом наименьших квадратов.

GDP- ВВП отдельной страны

NPL- неработающие кредиты

ROA- рентабельность активов

CRAR- коэф-т достаточности капитала

PCI- доход на душу населения

Модели

В целом банкиры в БРИКС увеличили кредитный риск для частного сектора. По этим параметрам существенные сдвиги от фазы до- глобального финансового кризиса до фазы после- не были подтверждены для всех стран.

Ruhul Salim a, Amir Arjomandib, K. Hervй Dakpoc, 2016

Исследовать эффективность иранских банков и управление кредитными рисками в секторе на период 1998-2012 гг.

Включение в традиционную модель оценки банковской эффективности показателя "неработающие кредиты" позволит получить новые результаты.

Используются данные годовых отчетов из базы данных ЦБ Ирана за 1998-2012гг.

Используется метод программирования безпараметрического анализа данных (DEA)

Модель

(не смогла разобраться с моделью)

Новая мера расширяет производственную модель Murty, Russell и Levkoff (2012), вклад этого подхода (по производству) заключается в оценке двух подтехнологий, одна из которых связана с производством хороших результатов, а другая - с производством плохих результатов (неработающие кредиты).

Paul M.S. Choi, Seth H. Huang, 2016

Изучить влияния макроэкономических переменных и показателей фирм на банковские структуры и методы кредитования.

Банки могут предлагать более высокие ставки по кредитованию, если они имеют более высокую долю доходов.

Ежемесячные данные за период с 1991 по 2008гг из базы данных Национального Тайваньского Университета, а также из банковских анкет.

Регрессия панельных данных с использованием фиксированных эффектов

Debt to Assets Ratio-отношение долга к активам

NPLPercentаge- отношение неработающих кредитов к общим кредитам(%)

Service to income interest ratio-коэф-т обслуживания к доходу

NIM- чистая % маржа

Administrative CostPercentage-административные расходы(%)

Discount rate- учетная ставка

Base lending rate- базовая ставка кредитования

Market share- рыночная доля

Liquid ratio- коэф-т абсолют. ликвидности

Модель

Большие рыночные доли фирм, как правило, оказывают положительное и значительное влияние на NIM банка, и его решение в вопросе кредитования. Гипотеза подтвердилась лишь для периода 1991-2000гг, т.е. произошел структурный временной сдвиг.

Laidroo, L. Mдnnasoo, K., 2017

Исследовать взаимосвязь между кредитными обязательствами и качеством кредитов.

Банки с более высокими кредитными обязательствами по отношению к общему объему активов (CCR) больше

склонны к последующему снижению кредитного качества (увеличение CCR показывает, что предложение кредитов растет относительно кредитного спроса).

Годовые данные собраны по 28 европейским странам за период с 2004 по 2014гг. Использовались базы данных МВФ, ЕЦБ, Всемирного Банка, а также BankScope

С помощью эконометрики была построена динамическая логарифмическая модель с использованием временных лагов.

lnCCR- отношение кредитных обязательств к суммарным активам

lnCQ-лаговый показатель качества кредита

GDP-уровень ВВП

Модель

Существует положительный эффект от показателя CCR по коэфф-ту неработающих кредитов и коэфф-ту резервов на потери по ссудам. Этот

результат остается надежным при использовании различных методик по принятию решений о кредитных обязательствах.