4.2 Моделирование дюраций

Подход к моделированию крупных балансовых счетов кредитов и депозитов домохозяйств и фирм через дюрации (обратный показатель к срокам возврата или средние частоты возврата) был взят из работы Андреев, Пильник, Поспелов (2009а). На рисунке 9 изображена динамика частот возвратов, рассчитанная для укрупненных балансовых счетов активов и пассивов. Видно, что все частоты можно условно разделить на две группы, причем логично предположить, что основным фактором разделения будет валютный курс. Однако включить в модель только данную переменную в качестве регрессора было бы неверно, так как она не может полностью описать изменения в динамике кредитов и депозитов. Исходя из предпосылки о том, что все балансовые счета связаны между собой, в качестве объясняющих переменных стоит использовать какой-либо из счетов, к тому же, как уже было отмечено, необходимо учесть темп роста валют. Так, в качестве эндогенных переменных для моделирования остальных укрупненных счетов кредитов и депозитов будут использованы:

· beta_Sa - частота возвратов счетов предприятий в рублях;

· beta_vSa - частота возвратов счетов предприятий в долларах.

·

Рис. 9. Динамика дюраций кредитов и депозитов январь 2004-декабрь 2018.

Помимо описанных выше объясняющих переменных, в модель включено значение регрессанта в предыдущий момент времени, исходя из чего можно говорить о нестационарном временном ряде, а также о применении метода динамических моделей. Кроме того, в модель включена фиктивная переменная для описания немодельного резкого роста кредитов в ноябре 2014 года, которая, в соответствии с этим описанием, принимает следующие значения: 1 - ноябрь 2014 года, 0 - во все остальные временные промежутки. Таким образом, модель для частоты возвратов кредитов домашних хозяйств в рублях (все остальные модели построены аналогичным образом) будет выглядеть следующим образом:

, где (12)

- частота возвратов кредитов физических лиц в рублях,

- частота возвратов кредитов физических лиц в рублях в период t-1;

- частота возвратов счетов предприятий в рублях,

- частота возвратов счетов предприятий в иностранной валюте,

- дамми-переменная для ноября 2014 года.

Рис. 10а. Оценка частоты возвратов кредитов физических лиц в рублях с помощью динамической системы	Рис. 10б. Оценка частоты возвратов кредитов физических лиц в иностранной валюте с помощью динамической системы
Рис. 11а. Оценка частоты возвратов кредитов предприятиями в рублях с помощью динамической системы	Рис. 11б. Оценка частоты возвратов кредитов предприятиями в иностранной валюте с помощью динамической системы
Рис. 12а. Оценка частоты возвратов вкладов физических лиц в рублях с помощью динамической системы	Рис. 12б. Оценка частоты возвратов вкладов физических лиц в иностранной валюте с помощью динамической системы

Как и в случае с процентными ставками, фиксированными значениями является интервал данных с 2004 по декабрь 2009 года. На рисунках 10-12 изображены результаты моделирования дюраций кредитов и депозитов домашних хозяйств и кредитов нефинансовых организаций. Модельные значения достаточно точно воспроизводят динамику дюраций с 2010 по 2018 годы. В таблице 4 представлены значения коэффициентов, полученных в результате вычисления с помощью уравнения 12.

Таблица 6. Коэффициенты, полученные при моделировании дюраций, с помощью динамической системы

	const	beta_X_1	beta_Sa	beta_vSa	dummy_14_11
beta_Lh	4,41E-05	0,971727	0,006151	0,002108	2,37E-06
beta_vLh	-9,9E-06	0,988984	0,002807	0,001702	-2,7E-05
beta_La	-6,8E-05	0,94422	0,020384	0,010753	-0,00053
beta_vLa	0,000755	0,957798	-0,00384	0,006953	3,15E-05
beta Sh	-0,00011	1,004856	0,000783	-0,00238	0,011034
beta vSh	0,001703	0,97582	-0,01805	-0,0012	0,015017

Таким образом, в данном разделе были выбраны следующие эндогенные переменные: ставка Центрального Банка для моделирования процентных ставок; частота возвратов счетов предприятий в рублях и в иностранной валюте - для прогнозирования дюраций. Благодаря этому, удалось уменьшить число «входных» переменных, по сравнению с моделью в работе Пильник, Радионов, Языков (2018). Далее стоит рассмотреть моделирование экзогенных переменных.



Глава 5. Моделирование экзогенных переменных

После анализа и сокращения числа управляющих переменных, рассмотренных в главе 3, стоит обратиться к моделированию переменных, значения которых банк сможет планировать в качестве результата своей операционной деятельности. В работе Пильник, Радионов, Языков (2018) в качестве таких переменных управлений, значения которых прогнозировались в рамках модели, рассматривались рублевые и долларовые счета кредитов и депозитов физических лиц и предприятий, депозиты Центрального Банка и иностранных организаций, расчетные счета, обязательные резервы, ликвидные активы. В качестве следующей задачи в данной работе будет рассмотрено увеличение числа экзогенных переменных за счет использования балансовых методов. Данный вопрос можно решить с помощью более детального анализа укрупненных балансовых счетов, проследив изменения во временной структуре кредитов и депозитов. Благодаря этому, можно спрогнозировать динамику доли финансовых инструментов с определенным сроком обращения.

Так, данная глава содержит моделирование динамики кредитов и депозитов всех крупных агентов в экономике (домашних хозяйств, нефинансовых организаций, иностранных фирм, Центрального Банка) с учетом их срока обращения. В основной части работы будет показана разбивка счетов на три группы по длительности: до года, более года и прочие. В приложении можно найти более подробную разбивку счетов на семь групп (до 30 дней, от 31 до 90 дней, от 91 до 180 дней, от 181 дня до 1 года, от 1 года до 3 лет, более 3 лет, прочие), а также прогнозирование их динамики, полученное при создании динамических систем. Кроме того, в данной главе будет описано моделирование оставшихся счетов из списка переменных, описанные в главе 2, для того, чтобы обеспечить сходимость балансового уравнения равенства активов и пассивов банковской системы Российской Федерации.

5.1 Моделирование динамики кредитов и депозитов в зависимости от срока обращения

Балансовые счета всех типов кредитов и депозитов похожи не только по своей структуре, но и по своему смысловому наполнению, поэтому динамические системы для них должны строиться по одному принципу и включать в себя похожие регрессоры. Исходя из этого, обоснованным становится рассмотрение моделирования укрупненных счетов кредитов и депозитов на примере кредитов физических лиц в рублях (Lh). В основной части работы будет показано разделение данного счета на три группы в зависимости от срока обращения (в приложении можно найти более подробное деление на более мелкие группы кредитов и депозитов):

· кредиты домохозяйств в рублях длительностью до 1 года (Lh_1y);

· кредиты домохозяйств в рублях длительностью свыше 1 года (Lh_m1y);

· прочие кредиты домохозяйств в рублях, причем в эту группу входят кредиты до востребования, овердрафты, просроченные задолженности и прочие кредиты (Lh_other).

Так как для прогнозирования динамики используются не абсолютные показатели, а доли кредитов с разными сроками обращения, то в качестве регрессоров также необходимо использовать относительные параметры. В данном случае подразумевается включение в модель не общего значения кредитов домашних хозяйств (Lh), а тема роста этого показателя по отношению к предыдущему году. Кроме того, очевидно то, что динамика кредитов должна зависеть от дюрации (частоты возвратов непосредственно данных кредитов), а также от процентной ставки, значения которых сгенерированы в предыдущей главе, и, следовательно, задан их точный информационный прогноз. Так как в работе рассматриваются временные ряды, значение доли кредитов домохозяйств, выданных менее, чем на 1 год, связаны с значением этого параметра в предыдущий период времени. Наконец, при моделировании с помощью дамми-переменной учитывается немодельный рост показателей в ноябре 2014 года, связанный с обстоятельствами, внешними для банковской системы, то есть политикой государства, контролировать которую банки не имеют возможности. Дамми-переменная принимает значения, соответствующие описанию в главе 3, а именно: 1 - ноябрь 2014 года, 0 - любой другой период времени. Таким образом, получается динамическая следующая модель для прогнозирования динамики кредитов физических лиц длительностью менее 1 года в рублях:

, где (13)

- темп роста общего числа кредитов домашних хозяйств в рублях;

- число возвратов кредитов домашних хозяйств в рублях;

- процентная ставка по кредитам домашних хозяйств в рублях;

- значение доли кредитов домохозяйств в рублях менее 1 года в период t-1;

- фиктивная переменная для немодельного изменения переменных в ноябре 2014 года.

Рис. 13а. Оценка динамики доли кредитов физических лиц в рублях до 1 года с помощью динамической системы	Рис. 14а. Оценка динамики доли кредитов физических лиц в иностранной валюте до 1 года с помощью динамической системы
Рис. 13б. Оценка динамики доли кредитов физических лиц в рублях более 1 года с помощью динамической системы	Рис. 14б. Оценка динамики доли кредитов физических лиц в иностранной валюте более 1 года с помощью динамической системы
Рис. 13в. Оценка динамики доли прочих кредитов физических лиц в рублях с помощью динамической системы	Рис. 14в. Оценка динамики доли прочих кредитов физических лиц в иностранной валюте с помощью динамической системы

Счета в иностранной валюте также были разделены на три группы, в зависимости от срока обращения: менее 1 года, более 1 года и прочие кредиты и депозиты, в приложениях также содержится более детальная разбивка показателей. Подобным образом смоделирована и динамика кредитов физических лиц длительностью менее 1 года в иностранной валюте. Как и в случае с дюрациями, описанном в главе 3, в модель будет добавлена валютная переменная, а именно темп роста курса валют. Именно она позволит дифференцировать значения рублевых и долларовых счетов, а функциональная форма динамической модели будет выглядеть следующим образом:

, где (14)

- темп роста общего числа кредитов домашних хозяйств в иностранной валюте;

- число возвратов кредитов домашних хозяйств в иностранной валюте;

- процентная ставка по кредитам домашних хозяйств в иностранной валюте;

- значение доли кредитов домохозяйств в иностранной валюте менее 1 года в период t-1;

- фиктивная переменная для немодельного изменения переменных в ноябре 2014 года;

- темп роста валютного курса рубля по отношению к доллару.

Рис. 15а. Оценка динамики доли кредитов фирм в рублях до 1 года с помощью динамической системы	Рис. 16а. Оценка динамики доли кредитов фирм в иностранной валюте до 1 года с помощью динамической системы
Рис. 15б. Оценка динамики доли кредитов фирм в рублях более 1 года с помощью динамической системы	Рис. 16б. Оценка динамики доли кредитов фирм в иностранной валюте более 1 года с помощью динамической системы
Рис. 15в. Оценка динамики доли прочих кредитов фирм в рублях с помощью динамической системы	Рис. 16в. Оценка динамики доли прочих кредитов фирм в иностранной валюте с помощью динамической системы

На рисунках 15-20 представлено графическое сопоставление фактических значений и модельной оценки таких переменных, как:

· кредиты и депозиты домохозяйств в рублях и иностранной валюте менее 1 года;

· кредиты и депозиты домохозяйств в рублях и иностранной валюте более 1 года;

· прочие кредиты и депозиты домохозяйств;

· кредиты и депозиты фирм в рублях и иностранной валюте менее 1 года;

· кредиты и депозиты фирм в рублях и иностранной валюте более 1 года;

· прочие кредиты фирм

Рис. 17а. Оценка динамики доли депозитов физических лиц в рублях до 1 года с помощью динамической системы	Рис. 18а. Оценка динамики доли депозитов физических лиц в иностранной валюте до 1 года с помощью динамической системы
Рис. 17б. Оценка динамики доли депозитов физических лиц в рублях более 1 года с помощью динамической системы	Рис. 18б. Оценка динамики доли депозитов физических лиц в иностранной валюте более 1 года с помощью динамической системы
Рис. 17в. Оценка динамики доли прочих депозитов физических лиц в рублях с помощью динамической системы	Рис. 18в. Оценка динамики доли прочих депозитов физических лиц в иностранной валюте с помощью динамической системы

В самом начале периода сбора данных Центральным Банком, а именно в 2004 году, очень небольшое количество коммерческих банков раскрывало информацию о своем финансовом положении на добровольной основе, а если банки и делали это, то предоставляли лишь статистику по укрупненным счетам кредитов и депозитов. Поэтому данные по долям кредитов и депозитов с разными длительностями сроков обращения доступны только с 2007 года. При этом методологические предпосылки остаются такими же, как описано в главе 3, то есть интервал, на котором обучается динамическая система, охватывает период данных вплоть до декабря 2009 года, а прогнозные значения, полученные модельным способом, можно наблюдать на рисунках 14-19 с 2010 по декабрь 2018 года.

Рис. 19а. Оценка динамики доли депозитов фирм в рублях до 1 года с помощью динамической системы	Рис. 20а. Оценка динамики доли депозитов фирм в иностранной валюте до 1 года с помощью динамической системы
Рис. 19б. Оценка динамики доли депозитов фирм в рублях более 1 года с помощью динамической системы	Рис. 20б. Оценка динамики доли депозитов фирм в иностранной валюте более 1 года с помощью динамической системы
Рис. 19в. Оценка динамики доли прочих депозитов фирм в рублях с помощью динамической системы	Рис. 20в. Оценка динамики доли прочих депозитов фирм в иностранной валюте с помощью динамической системы

Для оценки параметров модели, помимо фиксации начальных значений фазовых переменных, был также, как и в главе 3, использован стандартный ограничивающий критерий - минимизация суммы квадратов относительных ошибок или отклонений фактических значений от модельных параметров, что несколько синонимично эконометрическому подходу к оценке взаимосвязей между переменными. Благодаря данному подходу, удалось получить оценку параметров модели, причем полученные значения значительно отличаются от 0, то есть регрессоры действительно влияют на зависимую переменную.

Таблица 7а. Коэффициенты, полученные при моделировании доли кредитов домашних хозяйств в рублях с разными сроками обращения (до года, больше года, прочие)

	const	Lh_g	beta_Lh	rate_Lh	Lh_X_share_1	dummy_14.11
Lh_1y_share	-0,019	-0,0006	1,34854	0,01616	0,88269	-0,00302
Lh_m1y_share	0,8764	0,0784	-0,1489	-1,4877	-0,04599	0,000641
Lh_other_share	-0,0032	-0,0153	-0,1808	0,63330	0,982537	0,008573

Таблица 7б. Коэффициенты, полученные при моделировании доли кредитов фирм в рублях с разными сроками обращения (до года, больше года, прочие)

	const	La_g	beta_La	rate_La	La_X_share_1	dummy_14.11
La_1y_share	0,0288	0,0091	5,2236	-2,703	0,47758	0,013239
La_m1y_share	0,72064	0,7206	-0,1510	-0,3377	3,86993	-0,08569
La_other_share	0,01101	0,0115	-0,5676	0,25997	0,98665	0,007062

Таблица 7в. Коэффициенты, полученные при моделировании доли депозитов домашних хозяйств в рублях с разными сроками обращения (до года, больше года, прочие)

	const	Sh_g	beta_Sh	rate_Sh	Sh_X_share_1	dummy_14.11
Sh_1y_share	-0,36109	0,014722	7,1508	7,1508	0,150583	0,009687
Sh_m1y_share	1,184877	-0,03373	-6,97695	-6,97695	0,148524	-0,01062
Sh_other_share	0,056061	0,135229	-1,12729	-1,12729	0,99474	0,003162

Таблица 7г. Коэффициенты, полученные при моделировании доли депозитов фирм в рублях с разными сроками обращения (до года, больше года, прочие)

	const	Sa_g	beta_Sa	rate_Sa	Sa_X_share_1	dummy_14.11
Sa_1y_share	-0,0331	-0,0189	0,783444	2,923127	0,984199	0,052556
Sa_m1y_share	0,74621	0,0935	-8,11832	0,083009	0,0194	-0,0235
Sa_other_share	0,00558	-0,0008	-0,06162	-0,73044	0,772333	0,002537

Как видно из рисунков 15-20, подобная функциональная форма позволяет достаточно точно воспроизвести динамику основных показателей банковской деятельности, улавливая основные трендовые изменения во времени на основе зависимости от показателей, значения которых предполагается известным для банка, причем часть из них смоделирована в главе 3, а часть - известна, исходя из исторических предпосылок.



Таблица 8а. Коэффициенты, полученные при моделировании доли кредитов домашних хозяйств в долларах с разными сроками обращения (до года, больше года, прочие)

	const	vLh_g	beta_vLh	rate_vLh	vLh_X_share_1	dummy_14.11	g_w
vLh_1y_ share	-0,213	-0,07	10,16135	2,830452	1,000721	0,003227	0,0321
vLh_m1y_share	0,0238	0,0391	-0,03038	0,427178	0,969935	0,003526	-0,021
vLh_other_share	0,0215	-0,178	0,053921	-0,35323	0,970032	0,007684	-0,001

Таблица 8б. Коэффициенты, полученные при моделировании доли кредитов фирм в долларах с разными сроками обращения (до года, больше года, прочие)

	const	vLa_g	beta_vLa	rate_vLa	vLa_X_share_1	dummy_14.11	g_w
vLa_1y_ share	-0,256	-0,132	16,70072	9,927847	0,335559	-0,00543	0,1356
vLa_m1y_ share	0,0731	0,0426	-2,31636	-0,90415	0,972724	-0,07255	-0,0525
vLa_other_share	0,0094	-0,003	-0,43411	0,699451	0,848209	0,011054	0,0036

Таблица 8в. Коэффициенты, полученные при моделировании доли депозитов домашних хозяйств в долларах с разными сроками обращения (до года, больше года, прочие)

	const	vSh_g	beta_vSh	rate_vSh	vSh_X_share_1	dummy_14.11	g_w
vSh_1y_ share	-0,148	-0,03	7,511514	2,022636	0,293146	-0,02303	0,1418
vSh_m1y_share	0,293	0,0798	-1,08446	-0,19584	0,678926	0,009525	-0,159
vSh_other_share	0,0067	0,0343	-0,34196	-0,18161	0,993389	0,001855	-0,006

Таблица 8г. Коэффициенты, полученные при моделировании доли депозитов фирм в долларах с разными сроками обращения (до года, больше года, прочие)

	const	Lh_g	beta_Lh	rate_Lh	Lh_X_share_1	dummy_14.11	g_w
vSa_1y_ share	0,0106	0,0212	-0,58999	0,470372	1,035299	0,013801	-0,013
vSa_m1y_ share	-0,003	0,0034	0,09863	-0,10766	0,988944	-0,03006	-0,002
vSa_other_share	0,0002	6E-05	-0,00438	0,000313	4,59E-07	-5,9E-05	-6E-05

В таблицах 7 и 8 представлены значения коэффициентов, полученные при оценке значений кредитов и депозитов физических лиц и нефинансовых организаций в рублях и иностранной валюте. Важно заметить, что в большинстве счетов для долгосрочных финансовых операций (имеются в виду кредиты и депозиты со сроком обращения более трех лет) факторы дюрации и процентной ставки отрицательно влияют на значение доли, в то время как для краткосрочных кредитов и депозитов наблюдается положительная связь между данными переменными.

Таким образом, в данной главе каждый из основных укрупненных балансовых счета был разделен на три части, в зависимости от срока обращения. С помощью эконометрических взаимозависимостей удалось увеличить число экзогенных, то есть прогнозируемых с помощью модели, переменных, а потому стала возможной более детальная оценка реакции банковской системы на изменения в остальной экономике. Далее стоит рассмотреть оставшиеся балансовые показатели для восстановления равенства активов и пассивов.

5.2 Моделирование прочих балансовых переменных

Для того, чтобы сошлось балансовое уравнение необходимо описать динамику следующих переменных:

· выданные межбанковские кредиты другим банкам и нерезидентам и прочие;

· вложения в ценные бумаги (облигации, акции, векселя);

· вложения в капиталы других организаций;

· привлеченные межбанковские кредиты от других банков и нерезидентов и прочие;

· векселя и облигации;

· чистая прибыль;

· основные средства и нематериальные активы;

· прочие статьи активов и пассивов.

Для прогнозирования данных переменных необходимо использовать укрупненные балансовые счета, динамика которых либо уже была описана ранее в 4 главе, либо представляют из себя информационные переменные, значение которых достоверно известно банку. Это становится возможным, благодаря ограничению равенства активов и пассивов, которое накладывается на балансовое уравнение. Таким образом, в качестве объясняющих переменных для всех упомянутых выше статей банковского баланса стоит перечислить следующие счета:

· высоколиквидные активы;

· кредиты физическим лицам в рублях и иностранной валюте;

· кредиты предприятиям и организациям в рублях и иностранной валюте;

· вклады физических лиц в рублях и иностранной валюте;

· средства предприятий и организаций в рублях и иностранной валюте;

· расчетные счета домохозяйств и фирм;

· депозиты Центрального Банка.

Рис. 21а. Оценка динамики выданных другим банкам МБК с помощью динамической системы	Рис. 21б. Оценка динамики выданных нерезидентам МБК с помощью динамической системы
Рис. 21в. Оценка динамики доли прочих МБК с помощью динамической системы

Рассмотрим моделирование прочих переменных на примере выданных межбанковских кредитов другим банкам. Функциональная форма модели будет выглядеть следующим образом:

, где (15)

- ликвидные счета (касса и драгоценные металлы;

- кредиты физических лиц;

- кредиты нефинансовых организаций;

- депозиты физических лиц;

- депозиты нефинансовых организаций;

- сумма расчетных счетов домохозяйств и фирм;

- депозиты ЦБ РФ.

Кроме того, для создания динамических моделей были использованы соответствующие параметры, описанные в главах 3 и 4, а именно обучающий период с 2004 по 2009 годы, и критерий минимизации суммы квадратов отклонений фактических значений от модельных. На рисунках 20-27 изображена динамика активных и пассивных счетов, которые уравнивают между собой обе части балансового уравнения.

Рис. 22а. Оценка динамики вложений в ценные бумаги с помощью динамической системы	Рис. 22б. Оценка динамики вложений в капиталы с помощью динамической системы
Рис. 23. Оценка динамики основных средств и нематериальных активов с помощью динамической системы	Рис. 24. Оценка динамики прочих активов с помощью динамической системы

Рис. 25а. Оценка динамики привлеченных МБК от других банков с помощью динамической системы	Рис. 25б. Оценка динамики привлеченных МБК от банков-нерезидентов с помощью динамической системы
Рис. 26. Оценка динамики векселей и облигаций с помощью динамической системы	Рис. 27. Оценка динамики чистой прибыли с помощью динамической системы
Рис. 28. Оценка динамики доли прочих счетов с помощью динамической системы

Итак, в таблице 9 представлены значения коэффициентов для прочих балансовых счетов. Таким образом, в главах 3 и 4 составлены динамические системы для всех активных и пассивных переменных, в связи с чем можно говорить о моделировании агрегированного баланса банковской системы Российской Федерации с уменьшением числа входных данных и увеличением числа показателей, прогнозы которых можно строить с помощью модели.

Таблица 9. Коэффициенты, полученные при моделировании прочих балансовых счетов для выполнения балансового равенства активов и пассивов

	const	Liq	Lh	La	Sh	Sa	N	Sc
Lb_b	1,8E-09	-0,82026	-0,31618	-0,59928	1,109257	0,691935	0,061287	0,225373
Lb_f	1,5E-09	1,090169	0,127326	0,498684	-0,40798	-0,4588	-0,41925	-0,45325
Lb_o	1,8E-13	0,000163	7,13E-06	-1,9E-05	-6E-05	-9,1E-05	0,000163	0,000178
S	1,9E-09	-0,02958	-0,24027	0,312923	0,069848	-0,34803	0,470239	0,079997
C	-4E-10	-0,30252	-0,02553	-0,13432	0,256377	0,158848	0,050923	0,153454
O	-8,9E-11	0,170659	-0,31826	-0,14366	0,226535	0,722914	-0,27824	0,419939
Sb_b	-5,1E-09	-0,68636	-0,23679	-0,49417	0,995188	0,457777	0,137332	0,155588
Sb_f	1,6E-09	0,80944	0,040614	0,547065	-0,58016	-0,60153	-0,02143	-0,30456
Z	1,2E-09	0,622384	0,186888	0,276181	-0,24386	-0,39059	-0,12202	-0,26418
Pro	-1E-10	-0,04688	0,135402	0,07443	-0,08948	-0,09313	-0,00619	-0,12499
Ot(a-p)	-2,9E-09	1,013945	0,342404	-0,04311	-0,87071	-0,14024	-0,33207	-0,93535



Глава 6. Заключение.

Итак, в данной работе представлена модель агрегированного банковского баланса, которая успешно воспроизводит большое количество счетов, характеризующих деятельность финансовых посредников. Эта модель может быть использована при работе как Центрального Банка, так и при оценке деятельности коммерческих банков. При этом выполнены основные цели работы. Так, сокращено количество экзогенных переменных за счет:

1) построения динамической модели зависимости рублевых процентных ставок от ключевой ставки Центрального Банка, в модель процентными ставками для валютных счетов был включен темп роста курса рубля;

2) моделирования дюраций основных укрупненных счетов, в зависимости от депозитов фирм в рублях и в иностранной валюте.

Также была решена задача увеличения числа эндогенных переменных, значения которых генерировались бы внутри модели. При решении этой задачи использовалась динамика доли счетов с разными сроками обращения, а также зависимость этой доли от дюраций и процентных ставок, смоделированных на предыдущем этапе. В основной части работы было описано разделение укрупненных счетов на 3 группы: кредиты и депозиты с продолжительностью до года, больше года и прочие (до востребования, овердрафты, просроченные платежи). В приложении показано более детальное разделение счетов на 7 более мелких групп. Наконец, были смоделированы прочие показатели для выполнения балансового равенства активов и пассивов.



Глава 7. Список литературы

1) Андреев М. Ю., Пильник Н., Поспелов И. Г. Сильный магистральный эффект в модели рациональных ожиданий современной банковской системы России //Журнал новой экономической ассоциации. - 2009a. - №. 3-4. - С. 71-96.

2) Андреев М. Ю. и др. Моделирование Деятельности Современной Российской Банковской Системы //Higher School of Economics Economic Journal Экономический журнал Высшей школы экономики. - 2009b. - Т. 13. - №. 2. - С. 143-171.

3) Головань С. В. и др. Эффективность Российских Банков С Точки Зрения Минимизации Издержек С Учетом Факторов Риска //Журнал Экономика и математические методы (ЭММ). - 2008. - Т. 44. - №. 4.

4) Дробышевский С. М., Пащенко С. А. Анализ конкуренции в российском банковском секторе. - М.: Научные труды ИЭПП, 2006. - 130 с.

5) Карминский А. М., Пересецкий А. А. Модели рейтингов международных агентств //Прикладная эконометрика. - 2007. - №. 1. - С. 3-19.

6) Карминский А. М., Костров А. В. Моделирование вероятности дефолта российских банков: расширенные возможности //Журнал Новой экономической ассоциации. - 2013. - Т. 17. - №. 1. - С. 64-86.

7) Мамонов М. Е. Моделирование конкуренции в российском банковском секторе с использованием подхода Панзара-Росса: теоретический и прикладной аспекты1 //Прикладная эконометрика. - 2010. - №. 4. - С. 3-27.

8) Мамонов М. Е. Госбанки vs частный банковский сектор: кто эффективнее? //Банковское дело. - 2013. - Т. 5. - С. 22-30.

9) Моисеев С. Р. Реалии монополистической конкуренции в российском банковском секторе //Современная конкуренция. - 2007. - №. 1. - С. 94-108.

10) Пересецкий А. А. Модели причин отзыва лицензий российских банков. Влияние неучтенных факторов //Прикладная эконометрика. - 2013. - №. 2. - С. 49-64.

11) Пильник Н. П., Радионов С. А. О новых подходах к идентификации блоков моделей общего равновесия //Труды Московского физико-технического института. - 2017. - Т. 9. - №. 3. - С. 151-160.

12) Пильник Н. П., Радионов С. А., Языков А. А. Модель оптимального поведения современной российской банковской системы //Экономический журнал Высшей школы экономики. - 2018. - Т. 22. - №. 3.

13) Andrievskaya I. K., Penikas H. I. Copula-application to modelling Russian banking system capital adequacy according to Basel II IRB-approach //Model Assisted Statistics and Applications. - 2012. - Т. 7. - №. 4. - С. 267-280.

14) Andrievskaya I., Semenova M. Market Discipline in the Interbank Market: Evidence from Russia //Eastern European Economics. - 2015. - Т. 53. - №. 2. - С. 69-98.

15) Berger A. N., Mester L. J. Inside the black box: What explains differences in the efficiencies of financial institutions? //Journal of banking & finance. - 1997. - Т. 21. - №. 7. - С. 895-947.

16) Berger A. N. et al. Globalization of financial institutions: Evidence from cross-border banking performance //Brookings-Wharton papers on financial services. - 2000. - Т. 2000. - №. 1. - С. 23-120.

17) Belousova V. et al. The macroeconomic and institutional determinants of the profit efficiency frontier for Russian banks //Applied Econometrics. - 2018a. - Т. 49. - С. 91-114.

18) Belousova V., Karminsky A., Kozyr I. Bank ownership and profit efficiency of Russian banks //BOFIT Discussion Papers. - 2018b. - Т. 2018. - №. 5. - С. 4-22.

19) Bondarenko M., Semenova M. Do High Deposit Interest Rates Signal Bank Default? Evidence from the Russian Retail Deposit Market //Evidence from the Russian Retail Deposit Market (June 7, 2018). Higher School of Economics Research Paper No. WP BRP. - 2018. - Т. 65.

20) Diaz-Gimenez J. et al. Banking in computable general equilibrium economies //Journal of Economic dynamics and Control. - 1992. - Т. 16. - №. 3-4. - С. 533-559.

21) Furfine C. H. Interbank exposures: Quantifying the risk of contagion //Journal of money, credit and banking. - 2003. - С. 111-128.

22) Gertler M., Karadi P. A model of unconventional monetary policy //Journal of monetary Economics. - 2011. - Т. 58. - №. 1. - С. 17-34.

23) He Z., Krishnamurthy A. A model of capital and crises //The Review of Economic Studies. - 2011. - Т. 79. - №. 2. - С. 735-777.

24) Karas A., Schoors K., Weill L. Are private banks more efficient than public banks? Evidence from Russia //Economics of Transition. - 2010. - Т. 18. - №. 1. - С. 209-244.

25) Karminsky A. et al. Models of Banks Ratings //Applied econometrics. - 2007. - Т. 5. - №. 1. - С. 3-19.

26) Karminsky A. M., Khromova E. Modelling banks' credit ratings of international agencies //Eurasian Economic Review. - 2016. - Т. 6. - №. 3. - С. 341-363.

27) Kiss H. J., Rodrнguez&Lara& I., Rosa&Garcнa A. Do Social Networks Prevent Bank Runs?. - 2009.

28) Mamonov M., Vernikov A. Bank ownership and cost efficiency: New empirical evidence from Russia //Economic Systems. - 2017. - Т. 41. - №. 2. - С. 305-319.

29) Meyer P. A., Pifer H. W. Prediction of bank failures //The Journal of Finance. - 1970. - Т. 25. - №. 4. - С. 853-868.

30) Nier E., Baumann U. Market discipline, disclosure and moral hazard in banking //Journal of Financial Intermediation. - 2006. - Т. 15. - №. 3. - С. 332-361.

Глава 8. Приложение

В приложении описана динамика всех типов кредитов и депозитов с разбивкой на 7 временных отрезков.

Рис. 29а. Оценка динамики доли кредитов физических лиц в рублях до 30 дней с помощью динамической системы	Рис. 30а. Оценка динамики доли кредитов физических лиц в иностранной валюте до 30 дней с помощью динамической системы
Рис. 29б. Оценка динамики доли кредитов физических лиц в рублях от 31 до 90 дней с помощью динамической системы	Рис. 30б. Оценка динамики доли кредитов физических лиц в иностранной валюте от 31 до 90 дней с помощью динамической системы
Рис. 29в. Оценка динамики доли кредитов физических лиц в рублях от 91 до 180 дней с помощью динамической системы	Рис. 30в. Оценка динамики доли кредитов физических лиц в иностранной валюте от 91 до 180 дней с помощью динамической системы
Рис. 29г. Оценка динамики доли кредитов физических лиц в рублях от 181 дня до 1 года с помощью динамической системы	Рис. 30г. Оценка динамики доли кредитов физических лиц в иностранной валюте от 181 дня до 1 года с помощью динамической системы
Рис. 29д. Оценка динамики доли кредитов физических лиц в рублях от 1 до 3 лет с помощью динамической системы	Рис. 30д. Оценка динамики доли кредитов физических лиц в иностранной валюте от 1 до 3 лет с помощью динамической системы
Рис. 29е. Оценка динамики доли кредитов физических лиц в рублях свыше 3 лет с помощью динамической системы	Рис. 30е. Оценка динамики доли кредитов физических лиц в иностранной валюте свыше 3 лет с помощью динамической системы
Рис. 29ж. Оценка динамики доли прочих кредитов физических лиц в рублях с помощью динамической системы	Рис. 30ж. Оценка динамики доли прочих кредитов физических лиц в иностранной валюте с помощью динамической системы

Рис. 31а. Оценка динамики доли кредитов фирм в рублях до 30 дней с помощью динамической системы	Рис. 32а. Оценка динамики доли кредитов фирм в иностранной валюте до 30 дней с помощью динамической системы
Рис. 31б. Оценка динамики доли кредитов фирм в рублях от 31 до 90 дней с помощью динамической системы	Рис. 32б. Оценка динамики доли кредитов фирм в иностранной валюте от 31 до 90 дней с помощью динамической системы
Рис. 31в. Оценка динамики доли кредитов фирм в рублях от 91 до 180 дней с помощью динамической системы	Рис. 32в. Оценка динамики доли кредитов фирм в иностранной валюте от 91 до 180 дней с помощью динамической системы
Рис. 31г. Оценка динамики доли кредитов фирм в рублях от 181 дня до 1 года с помощью динамической системы	Рис. 32г. Оценка динамики доли кредитов фирм в иностранной валюте от 181 дня до 1 года с помощью динамической системы
Рис. 31д. Оценка динамики доли кредитов фирм в рублях от 1 до 3 лет с помощью динамической системы	Рис. 32д. Оценка динамики доли кредитов фирм в иностранной валюте от 1 до 3 лет с помощью динамической системы
Рис. 31е. Оценка динамики доли кредитов фирм в рублях свыше 3 лет с помощью динамической системы	Рис. 32е. Оценка динамики доли кредитов фирм в иностранной валюте свыше 3 лет с помощью динамической системы
Рис. 31ж. Оценка динамики доли прочих кредитов фирм в рублях с помощью динамической системы	Рис. 32ж. Оценка динамики доли прочих кредитов фирм в иностранной валюте с помощью динамической системы

Рис. 33а. Оценка динамики доли депозитов физических лиц в рублях до 30 дней с помощью динамической системы	Рис. 34а. Оценка динамики доли депозитов физических лиц в иностранной валюте до 30 дней с помощью динамической системы
Рис. 33б. Оценка динамики доли депозитов физических лиц в рублях от 31 до 90 дней с помощью динамической системы	Рис. 34б. Оценка динамики доли депозитов физических лиц в иностранной валюте от 31 до 90 дней с помощью динамической системы
Рис. 33в. Оценка динамики доли депозитов физических лиц в рублях от 91 до 180 дней с помощью динамической системы	Рис. 34в. Оценка динамики доли депозитов физических лиц в иностранной валюте от 91 до 180 дней с помощью динамической системы
Рис. 33г. Оценка динамики доли депозитов физических лиц в рублях от 181 дня до 1 года с помощью динамической системы	Рис. 34г. Оценка динамики доли депозитов физических лиц в иностранной валюте от 181 дня до 1 года с помощью динамической системы
Рис. 33д. Оценка динамики доли депозитов физических лиц в рублях от 1 до 3 лет с помощью динамической системы	Рис. 34д. Оценка динамики доли депозитов физических лиц в иностранной валюте от 1 до 3 лет с помощью динамической системы
Рис. 33е. Оценка динамики доли депозитов физических лиц в рублях свыше 3 лет с помощью динамической системы	Рис. 34е. Оценка динамики доли депозитов физических лиц в иностранной валюте свыше 3 лет с помощью динамической системы
Рис. 33ж. Оценка динамики доли прочих депозитов физических лиц в рублях с помощью динамической системы	Рис. 34ж. Оценка динамики доли прочих депозитов физических лиц в иностранной валюте с помощью динамической системы

Размещено на Allbest.ru