Факторы, влияющие на принятие решения Банком России о санации или банкротстве банков

В итоге, откинув незначимые переменные, регрессия, которая будет использована для оценки вероятности санации банка, будет выглядеть следующим образом:

С (Санация=1) = Ж (в1 + в2*Net Assets + в3*(Liq Ass/Net Ass) + в4*(30dDep/NA) + в5*(30d_more/NA) + в6*(1yDep/NA) + в7*З1 + в8*З2 + в9*З4)

Результаты значения регрессоров получены с помощью метода максимального правдоподобия.

3.3 Прогнозирование результатов с помощью построенной модели

После получения данной регрессии получившееся значение z-score для каждого банка применяется в расчёте логистической функции, имеющей следующий вид:

,

Показатель Z-score используется для расчёта вероятности анализируемого события (в нашем случае, вероятности санации банка, оказавшегося в проблемном финансовом состоянии). Полученный результат показателя Z-score для каждого банка подставляется в выше указанную формулу, на основании которой рассчитывается вероятность санации банка в случае наступления у него финансовых проблем.

В данной таблице 6 приведён итоговый результат модели, на основании которого видно, что банки со 100%-м государственным участием, а также системно значимые банки имеют практически нулевую вероятность отзыва лицензии. Это объясняется как финансовыми показателями, использованными в данной модели, так и другими индикаторами, в том числе и неэкономического характера, которые не анализировались в данной работе.

Также необходимо учитывать, что существуют и другие факторы, не учтённые в данной модели, как макроэкономического, так и внутриполитического характера.

Таблица 6. Вероятность санации банков по результатам модели

Таким образом, можно сказать, что прогнозная модель в достаточно высокой степени отражает реальную ситуацию в российском банковском секторе. Следовательно, сформулированная гипотеза о возможности прогноза решения Центрального Банка о санации, опираясь на экономические показатели, подтверждается настоящим исследованием.

Заключение

По результатам проведённого исследования можно сформулировать несколько выводов.

Целью данной работы являлось проведение анализа наиболее важных экономических показателей деятельности банков, на которые ориентируется Центральный Банк при принятии решения о санации или отзыве лицензии у банков в случае возникновения у них финансовых проблем, а также построение модели, по которой можно будет прогнозировать решение Банка России по изучаемому вопросу.

Основная гипотеза заключалась в том, можно ли спрогнозировать решение Центрального Банка о санации проблемных банков, опираясь только на внутренние показатели деятельности банков, или существуют иные факторы неэкономического характера.

Проведённое эмпирическое исследование показало, что основными значимыми факторами являются отношение депозитов физических лиц (как долгосрочных, так и краткосрочных) к чистым активам банка, норматив достаточности капитала, норматив мгновенной ликвидности, а также размер чистых активов банка. Незначимыми оказались такие переменные, как отношение объёма резервов на возможные потери к чистым активам банка и отношение чистой прибыли к чистым активам банка.

Главный результат, которого удалось добиться при написании данной работы и при проведении исследования заключается в создании модели, по которой можно прогнозировать принятие решения Банком России о санации или банкротстве банков в случае наступления у них финансовых проблем.

Построенная модель также была использована для расчёта вероятности санации банков на текущий период (2019 год) в случае возникновения у функционирующих банков финансовых проблем, что имеет непосредственное практическое значение.

Список использованной литературы

1. Федеральный закон от 02.12.1990 № 395-1 (ред. от 31.12.2017) "О банках и банковской деятельности".

2. Федеральный закон от 10.07.2002 № 86-ФЗ "О Центральном банке Российской Федерации (Банке России)".

3. Федеральный закон от 26.10.2002 № 127-ФЗ "О несостоятельности (банкротстве)".

4. Федеральный закон от 01.05.2017 № 84-ФЗ "О внесении изменений в отдельные законодательные акты Российской Федерации".

5. Федеральный закон от 29.11.2001 № 156-ФЗ "Об инвестиционных фондах".

6. Указание Банка России "О порядке и методике проведения анализа финансового положения банка для решения вопроса об участии Банка России в осуществлении мер по предупреждению банкротства или урегулировании обязательств банка" от 12.07.2017 № 4464-У.

7. Указание Банка России "О порядке принятия Банком России решения об уменьшении размера уставного капитала банка до величины собственных средств (капитала) или до одного рубля в период деятельности временной администрации по управлению кредитной организацией, назначенной в соответствии с планом участия Банка России в осуществлении мер по предупреждению банкротства банка" от 12.07.2017 № 4465-У.

8. Указание Банка России "Об оценке экономического положения банков" от 03.04.2017 № 4336-У.

9. Положение Банка России от 01.08.2017 № 597-П "О порядке назначения, осуществления и прекращения деятельности временной администрации по управлению кредитной организацией, назначаемой до отзыва у кредитной организации лицензии на осуществление банковских операций, а также временной администрации по управлению банком, назначаемой в случае утверждения плана участия Банка России или плана участия государственной корпорации "Агентство по страхованию вкладов" в осуществлении мер по предупреждению банкротства банка либо утверждения плана участия Банка России или плана участия государственной корпорации "Агентство по страхованию вкладов" в урегулировании обязательств банка".

10. Головань С.В., Евдокимов М.А., Карминский А.М., Пересецкий А.А. (2004). Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков. Препринт РЭШ. WP/2004/043.

11. Головань С.В., Карминский А.М., Копылов А.В., Пересецкий А.А. (2003). Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры. Препринт РЭШ. WP/2003/039.

Размещено на Allbest.ru