Книги по разным темам Pages:     | 1 | 2 | 3 |

Андрей ЗубАрЕв Т а б л и ц а Используемые переменные Ожидаемый эффект на Обозначения Описание переменной вероятность дефолта банка ln_assets Логарифм активов банка Неясный sk_a Отношение собственного капитала банка Отрицательный к активам банка hh_deposits_a Отношение депозитов физических лиц Отрицательный к активам банка (возможно незначимый) nongov_sec_a Отношение негосударственных ценных Неясный бумаг к активам банка gov_sec_a Отношение государственных ценных Отрицательный бумаг к активам банка (возможно незначимый) corr_acc_a Отношение остатков на корреспондентн Отрицательный ских счетах к активам банка (возможно незначимый) credit_to_banks_a Отношение кредитов банковской системе Неясный к активам банка nbs_credit_a Отношение кредитов небанковской Неясный системе к активам банка loans_to_hh_a Отношение кредитов домохозяйствам Отрицательный к активам банка foreighn_liab_a Отношение иностранных обязательств Отрицательный к активам банка interbank_loans_a Отношение выданных межбанковских Неясный кредитов к активам банка reserves_loans Отношение резервов под возможные пон Положительный тери к кредитам небанковскому сектору liab_bank_ratio Отношение обязательств перед банками Неясный к обязательствам банка marketdebt_l Отношение рыночного долга (облигации Положительный и векселя) к обязательствам банка overdue_liab Отношение просроченных обязательств Положительный к обязательствам банка (возможно незначимый) delayed_nbs_credit Доля просроченных кредитов небанковн Отрицательный ской системе в портфеле кредитов банка la_a Отношение ликвидных активов к актин Отрицательный (возможно вам банка незначимый) Как отмечалось во многих работах, важным фактором, влияющим на жизнеспособность банка, может оказаться его размер в терминах активов. Поэтому было решено включить еще и квадрат логарифма активов, тем самым пытаясь проверить нелинейный характер завин симости вероятности дефолта банка от размера активов. В табл. представлены среднее значение, стандартное отклонение, а также максимальное и минимальное значения используемых переменных на всей выборке данных. Активы, измеренные в миллионах рублей, используются в логарифмах, остальные величины Ч безразмерные.

Жизнеспособность банка может определяться различными пен ременными. В работе Пересецкого банковский дефолт определяетн См., например, работу А. Пересецкого и др. (Peresetsky A., Karminsky A., Golovan S. Probability of Default Models of Russian Banks).

132 Факторы устойчивости российских банков во время кризиса 2008Ч2009 годов Т а б л и ц а Средние значения переменных по всей выборке Среднее Стандартное Минимальное Максимальное Переменная значение отклонение значение значение ln_assets 7, 8 969,8 0 96 0,57 800 5,(ln_assets)^2 59, 66700 29, 7 50 0, 292 7 2 8,76 sk_a 0,22 50 0, 65896 0, 00 hh_deposits_a 0,2 972 0, 92 56 0 0,gov_sec_a 0,020 70 0,0 9 0 0,77 nongov_sec_a 0,0 972 0,08 6 5 0 0,8502 corr_acc_a 0, 66 08 0, 89 0 0,credit_to_banks_a 0,099 77 0, 2907 0 0,97 nbs_credit_a 0,5 069 0,20829 0 0,loans_to_hh_a 0, 2067 0, 568 0 0 0,interbank_loans_a 0,059802 0,09 628 0 0,9 reserves_loans 0,07 7 7 0,09 2 5 liab_bank_ratio 0,09622 0, 72667 0 0,99 marketdebt_l 0,06 7 0, 087 8 0 0,overdue_liab 0,00 969 0,0 597 0 0, 52 delayed_nbs_credit 0,025725 0,05 867 foreighn_liab_a 0,0678 0, 596 5 0 0,99 la_a 0, 5957 0, 8 7 7 0 0,ся как выполнение одного из возможных условий: отзыв лиценн зии, ликвидация изнза слияния с другим банком либо переход под управление АРКО. В других работах (например, С. Дробышевского и М. Арены 6) дополнительно используются некоторые лэкономичесн кие индикаторы дефолта, связанные с величиной доли собственного капитала в активах или доли просроченных платежей в обязательстн вах банка.

В качестве определения банковского дефолта в данной работе расн сматривается факт выполнения хотя бы одного из следующих условий:

) отзыв лицензии у банка;

2) передача банка под управление АСВ;

) отрицательное значение собственного капитала;

) повышение долей просроченных платежей во всем объеме обян зательств выше уровня, равного %.

Такое расширенное определение дефолта позволяет выявлять прон блемные банки не только в случае фактической ликвидации или окан зания им финансовой помощи, но и в более общем случае возникнон вения серьезных финансовых проблем.

Дробышевский С.М. Анализ макроэкономических и институциональных проблем финанн сового кризиса в России, разработка программы мер, направленных на его преодоление и осун ществление финансовой стабилизации. Взаимодействие финансовых показателей и некоторых характеристик реального сектора.

Arena M. Bank Failures and Bank Fundamentals: A Comparative Analysis of Latin America and East Asia during the Nineties Using BankнLevel Data.

Андрей ЗубАрЕв В данной работе, так же как и в работе Пересецкого, из исходной несбалансированной панели формируется некоторый пул данных, поскольку рассматривать все имеющиеся наблюдения не представлян ется разумным ввиду наличия автокорреляции наблюдений для однон го банка. Алгоритм создания итогового набора исследуемых данных выглядит следующим образом:

) для банка, обанкротившегося в момент t (в квартальном исчисн лении), берутся показатели банковской отчетности в момент t - (за год до момента t), и бинарная зависимая переменная DEATH, хан рактеризующая состояние банка, полагается равной единице. Таким образом, получается первая точка в формируемом наборе данных для построения моделей: зависимая переменная DEATH =, а объяснян ющие переменные соответствуют показателям банка в момент t - ;

2) далее, отступая еще на один год назад, в момент t - 8 (при услон вии, что этот период не выходит за границы имеющихся данных), для банковских показателей в этот период зависимая переменная DEATH полагается равной нулю (банк считается еще нормально функцион нирующим в тот момент). Таким образом, получается еще одно нан блюдение, соответствующее данному банку, в итоговом наборе точек:

DEATH = 0, а объясняющие переменные Ч показатели банка в мон мент t - 8;

) затем предыдущий шаг повторяется, и значение зависимой пен ременной DEATH = 0 приписывается показателям отчетности за пен риоды t - 2 (при условии, что этот период не выходит за границы имеющихся данных);

) в случае если банк не обанкротился в соответствии с введенным выше определением дефолта к января 20 0 года, момент t выбираетн ся случайно (равновероятно) среди четырех кварталов 2009 года. Затем для показателей банка в момент t - переменная DEATH полагается равной 0. Так получается первая точка для выжившего банка. Далее для этого банка полагается DEATH = 0 для показателей в момент t - 8, t - 6 (при условии, что этот период не выходит за границы имеющихся данных).

Идея рассмотрения банковских показателей за год до момента фактического дефолта основывается на том, что у обанкротившегося банка проблемы можно выявить заблаговременно. Сама продолжин тельность в квартала выбрана так, чтобы правильно учитывать разн личные сезонные компоненты. Также стоит отметить, что отдельные банки могут входить в итоговый пул несколькими отдельными точн ками, рассматриваемыми при этом как отдельные банки.

Для построения зависимой переменной, характеризующей жизнен способность банка именно в период кризиса, необходимо правильно подобрать границы временного интервала используемых данных. Из графика на рис. видно, что волна фактических банковских дефолтов, связанных с финансовым кризисом, началась в III квартале 2008 года.

В связи с этим было решено ограничить имеющуюся выборку по врен 134 Факторы устойчивости российских банков во время кризиса 2008Ч2009 годов рис. Распределение дефолтов по кварталам мени и использовать данные начиная лишь с III квартала 2007 года (исходя из данного выше определения используются данные банковн ской отчетности с годовым лагом).

Основным инструментом моделирования вероятности банковских дефолтов является логистическая бинарная модель:

P (DEARHi = ) = (xt, b), где xi Ч это вектор параметров конкретной точки из пула. Логистин ческая функция распределения имеет следующий вид.

В различных спецификациях модели переменной macro либо не будет, либо это будет конкретная макроэкономическая переменная.

Оценка вектора b из этого уравнения получается с помощью макн симизации функции правдоподобия. Качество прогнозной силы моден лей будет оцениваться с помощью теста ХосмераЧЛемешоу, который показывает степень различия между оцененными и фактическими значениями зависимой переменной по обеим группам (значения бин нарной переменной 0 и ).

Оценивание этого уравнения будет происходить не только на выборке из всех банков, но также на выборке, состоящей лишь из крупных банков. Такое разделение банков (на мелкие и крупные) обусловлено тем, что именно крупные банки в большинстве своем занимаются классической банковской деятельностью (кредитование и прием депозитов), в то время как среди маленьких банков есть мнон жество кэптивных, которые являются дочерними для некоторых корн пораций или холдингов. У таких мелких банков зачастую отсутствует развитая филиальная сеть, поскольку им не приходится обслуживать большое количество клиентов среди населения. Они не занимаются выдачей кредитов и размещением депозитов. Модель для выборки из крупных банков будет отличаться отсутствием переменных, характен ризующих размер банка в терминах активов.

Андрей ЗубАрЕв 3. Результаты оценки модели Данный раздел посвящен непосредственно результатам оценки моделей и проверке гипотез. На основе вышеописанной логистичесн кой бинарной спецификации построен ряд моделей, представленных в табл..

Первая колонка соответствует модели, в которую включены все рассмотренные переменные (из табл. ), характеризующие показатели банковской отчетности. Вторая, третья и четвертая колонки представн ляют собой модели с включенными макроэкономическими переменн ными. Последняя, пятая, колонка отвечает модели, полученной из первой, путем последовательного удаления всех незначимых перен менных в порядке убывания значимости. Такой алгоритм позволяет контролировать изменение совместной значимости всех переменных после удаления каждой незначимой переменной.

Рассмотрим влияние значимых переменных на вероятность дефолта банка в построенных моделях. Разные знаки и значимость коэффицин ентов при логарифме активов (отрицательный знак) и квадрате логан рифма активов (положительный знак) указывают на то, что крупные и совсем мелкие банки банкротились реже, чем банки некоторого среднего размера (модели и 5). То есть банки некоторого среднего размера (не совсем крупные и не совсем мелкие) имели меньшие шансы пережить кризис при прочих равных условиях.

Значимый отрицательный коэффициент при кредитах домохозяйстн вам в моделях и 5 указывает на то, что большие значения этой переменной уменьшают вероятность дефолта банка. Причиной этого может служить тот факт, что далеко не все банки активно кредитуют население Ч этим занимаются лишь достаточно крупные и здоровые банки с развитой филиальной сетью. Такие банки, как правило, имен ют качественный менеджмент, и многие из них благополучно пережин ли кризисную ситуацию 2008 года, несмотря на возникшие проблемы с обслуживанием и возвратом кредитов домашними хозяйствами.

Большие значения доли иностранных обязательств во всех обязан тельствах банка также значимо повышают жизнеспособность банка в моделях и 5. Здесь опятьнтаки причиной такого направления влин яния является, вероятно, тот факт, что лишь крупные крепкие банки с очень хорошей репутацией имеют иностранные обязательства в свон их пассивах. И вряд ли можно говорить о прямом влиянии размера иностранных обязательств на вероятность дефолта.

Отрицательный знак (в моделях и 5) при доле просроченных крен дитов среди кредитов, выданных предприятиям нефинансового сектон ра, может показаться странным, ведь они явно ухудшают положение банка. Причина этого скорее всего кроется в особенностях политики разных банков, понразному отражающихся в их отчетности. Крепкие, устойчивые банки с хорошей репутацией не опасаются отражения в своей отчетности данных о просроченных кредитах, поскольку нен 136 Факторы устойчивости российских банков во время кризиса 2008Ч2009 годов Т а б л и ц а Модели для всей выборки (1) (2) (3) (4) (5) Variables death death death death death 0,9 9**, *** 0,95 ** 0,998** 0,89 *** ln_assets (0, 72) (0, 2) (0, 7 ) (0, 92) (0, 8) Ц0,060** Ц0,07 *** Ц0,06 *** Ц0,062** Ц0,057*** ln_assets_(0,02 ) (0,026) (0,02 ) (0,025) (0,022) Ц0,65 Ц0,552 Ц0,602 Ц0, sk_a (0,726) (0,7 5) (0,7 ) (0,7 8) Ц0,595 Ц0,686 Ц0,690 Ц0,7 hh_deposits_a (0,7 ) (0,7 5) (0,72 ) (0,726) Ц,726 Ц, 82 Ц2, 90 Ц, 97* gov_sec_a (2,056) (2,2 2) (2, 75) (2,06 ) Ц,6 Ц2,0 6 Ц,600 Ц,nongov_sec_a (,58 ) (,52 ) (,566) (, 9 ) Ц, 2 Ц,95 Ц, 6 Ц,corr_acc_a (, 77) (, 7) (, 00) (, 92) Ц0,998 Ц, 0 Ц,079 Ц,credit_to_banks_a (, 20) (,268) (,295) (, 6) 0, 9 Ц0, 79 0,2 5 0,0 nbs_credit_a (, 50) (, 20) (, 52) (, 28) Ц, 95** Ц, 20** Ц,5 ** Ц, 07* Ц, 00* loans_to_hh_a (0,699) (0,720) (0,7 2) (0,722) (0,6 2) Ц2, 50** Ц2,22 * Ц2,209* Ц2,6 5** Ц2, 29** foreign_liab_l (, 26) (,20 ) (, 2) (, 79) (,020) 0,255 Ц0,90 Ц0,2 Ц0,interbank_loans_a (, 99) (,606) (,5 9) (,592), 8***, 77***,500***,952***,570*** reserves_loans (,20 ) (,279) (,2 7) (,27 ) (,075) 0, 89 0, 96 0, 0 0, liab_bank_ratio (0,8 2) (0,8 9) (0,87 ) (0,85 ) 5, 95*** 5, 6 *** 5, 27***,690*** 5,680*** marketdebt_l (0,878) (0,82 ) (0,87 ) (0,82 ) (0,77 ) Ц0,55 5,025,27 7,overdue_liab (,850) (5,8 ) (,978) (7,92 ) Ц,297* Ц, 77** Ц,69 * Ц,258* Ц, 29** delayed_nbs_credit (2,2 0) (2, 5 ) (2, 20) (,978) (2, 05) 0, 99 0,76 0,5 6 0,la_a (,0 2) (,0 0) (,05 ) (,0 6) 0, 00*** delta_exch_rate (0,0 7) Ц,0 *** exp_imp (0,69 ) Ц59,8 9*** dep_rate (6,297) Ц,95 *** Ц6, 77*** Ц0, Ц0,922 Ц5, 62*** Constant (,807) (,9 8) (2,089) (,8 0) (, 08) Observations Ll Ц5, - 76, Ц50,2 - 75,7 Ц5 7,r2_p 0, 0, 77 0, 29 0, 78 0, HosmerнLemeshow (prob.) 0,7 5 0, 8 7 0,287 0, 558 0, Примечание. В скобках даны робастные стандартные отклонения: *** p<0,0, ** p<0,05, * p<0,.

Андрей ЗубАрЕв возвращенные кредиты не могут по сути повлиять на способность таких банков отвечать по своим обязательствам. В то время как банки, уже испытывающие проблемы, могут реструктурировать просроченный долг своих клиентов просто оформив на бумаге погашение старого и выдачу нового кредита, чтобы не привлекать к себе лишнего внин мания со стороны надзорных органов. Мелкие банки, испытывающие проблемы, часто не публикуют достоверную информацию о своей отн четности, поэтому доля просроченных кредитов в кредитном портфен ле банка оказывает отрицательный эффект на вероятность дефолта в стране именно за счет крупных устойчивых банков.

Pages:     | 1 | 2 | 3 |    Книги по разным темам