Размещено на http://www.allbest.ru/

16

Анализ влияния кризиса ликвидности на кредитный портфель банковского сектор Российской Федерации за период с 2002 по 1 квартал 2008 гг.

Общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона - Pearson, 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной.

Рассмотрим построение модели множественной регрессии на примере факторов влияющих на изменение кредитного портфеля банковского сектора РФ. Для анализа возьмем такие показатели как ставки Libor EURO (объявленные ставки по размещению кредитов, рассчитываемые ежедневно как средние ставки по заявленным банками ставкам размещения кредитов на определенный срок на лондонском межбанковском рынке) и Mosprime (индикативная ставка предоставления рублёвых кредитов (депозитов) на московском денежном рынке), динамика цен на рынке нефти, прирост заимствования банковского сектора у иностранных кредиторов и официальный курс доллара США по Центробанку РФ. Воспользуемся показателями за период с 2002 по 1 квартал 2008 гг. (см. табл.1).

Таблица 1

Показатели, применяемые для построения модели множественной регрессии на 01.01.2006 - 01.04.2008

Показатели	Кредитный портфель в млн. руб., всего	Libor EURO,%	Mosprime, %	Цены на нефть, долларов за барель	Прирост заимствования банковского сектора РФ, млн. руб.	Курс доллара США, руб.
А	1	2	3	4	5	6
01.01.2002	1618832	3,3000	-	21,25	-	30,1372
01.04.2002	1751484	3,4495	-	26,86	523	31,1741
01.07.2002	1904105	3,4338	-	26,57	47131	31,5002
01.10.2002	2072490	3,2761	-	30,16	9469	31,6827
01.01.2003	2227459	2,6811	-	30,43	57865	31,7844
01.04.2003	2389103	2,5118	-	28,10	20291	31,3801
01.07.2003	2623400	2,1381	-	29,72	84590	30,3809
01.10.2003	2947369	2,1203	-	28,90	57761	30,6142
01.01.2004	3171530	2,1230	-	33,18	178194	29,4545
01.04.2004	3454042	1,9575	-	33,54	7100	28,5151
01.07.2004	3777046	2,1170	-	38,63	-29500	29,0471
01.10.2004	4016191	2,1466	-	49,33	40083	29,2224
01.01.2005	4421337	2,1530	-	42,26	184579	27,7487
01.04.2005	4710808	2,1434	-	58,38	60388	27,8548
01.07.2005	5228099	2,1100	4,32	59,94	121343	28,6282
01.10.2005	5592459	2,1754	4,56	65,61	155937	28,5348
01.01.2006	6209508	2,4886	5,10	64,11	208973	28,4821
01.04.2006	6630824	2,8179	5,33	68, 19	188906	27,6996
01.07.2006	7296146	3,0550	4,90	76,34	252767	26,9423
01.10.2006	8065256	3,4243	5,10	62,74	314996	26,7948
01.01.2007	9015349	3,7331	4,90	59,78	621638	26,4465
01.04.2007	9895526	3,9228	5,60	67,73	392583	25,9947
01.07.2007	10821458	4,1758	5,92	71,58	597056	25,7288
01.10.2007	12185930	4,7875	6,21	78,97	431504	24,8784
01.01.2008	13548078	4,6787	6,39	98,95	390131	24,4387
01.04.2008	15987637	4,7338	7,38	100,25	-	23,5027

Источник: [46], расчеты автора

Из данных таблицы 1 видно, что все показатели кроме курса доллара имеют положительную динамику, что должно благоприятно отразиться на формировании объемов кредитного портфеля банковского сектора Российской федерации, особенно показатель ценны на нефть, так как с увеличением стоимости нефти растет благосостояние страны, а вместе с ним и возможность кредитования. Негативно могут отразиться повышение процентных ставок, так как кредиты из за рубежа стали на порядок дороже, следовательно подорожали кредиты в России, а далее падение спроса на национальном рынке кредитов.

Множественная регрессия предоставляет пользователю возможность включить в качестве предикторов все переменные, какие только можно, в надежде, что некоторые из них окажутся значимыми. Это происходит из-за того, что извлекается выгода из случайностей, возникающих при простом включении возможно большего числа переменных, рассматриваемых в качестве предикторов другой представляющей интерес переменной. Поэтому во избежание ошибок выбора данных проведем автокорреляцию показателей для определения факторов, которые в наибольшей степени влияют на изменение кредитного портфеля банковского сектора РФ (см. табл.2).

Таблица 2

Корреляция кредитного портфеля банковского сектора и факторов, оказывающих на него влияние

Показатель	Кредитный портфель в млн. руб.	Libor EURO,%	Mosprime, %	Цены на нефть, долларов за баррель	Прирост заимствования банковского сектора РФ, млн. руб.	Курс доллара США, руб.
А	1	2	3	4	5	6
Корреляция Пирсона	Кредитный портфель в млн. руб.	1	0,979	0,920	0,744	0,717	-0,983
	Libor EURO,%	0,979	1	0,895	0,638	0,779	-0,988
	Mosprime,%	0,92	0,895	1	0,763	0,544	-0,883
	Цены на нефть, долларов за баррель	0,744	0,638	0,763	1	0,176	-0,718
	Прирост заимствования банковского сектора РФ, млн. руб.	0,717	0,779	0,544	0,176	1	-0,728
	Курс доллара США, руб.	-0,983	-0,988	-0,883	-0,718	-0,728	1
Значимость	Кредитный портфель в млн. руб.	.	0	0	0,004	0,007	0
	Libor EURO,%	0	.	0	0,017	0,002	0
	Mosprime,%	0	0	.	0,003	0,042	0
	Цены на нефть, долларов за баррель	0,004	0,017	0,003	.	0,302	0,006
	Прирост заимствования банковского сектора РФ, млн. руб.	0,007	0,002	0,042	0,302	.	0,006
	Курс доллара США, руб.	0	0	0	0,006	0,006	.

Источник: расчеты автора

Проанализировав таблицу 2 можно сделать вывод, что все предикторы из таблицы 1 находятся в зависимости с кредитный портфель, но в разной степени влияют на него. Самое большое влияние оказывает изменение курса доллара (-0,98), а знак минус означает, что увеличение курса доллара ведет к снижению объемов кредитного портфеля и наоборот. Далее по значимости располагается ставка Libor EURO (0,979) и ставка Mosprime (0,920). Проанализировав данные на наличие корреляции, можно сказать для построения модели не стоит исключать ни один показатель.

Далее можно перейти к методу множественной регрессии, используя в нем все полученные показатели (см. табл.3).

Таблица 3. Регрессионная статистика

Показатель	Множественный R	R - квадрат	Дарбин - Ватсон	Значение Фишера
А	1	2	3	5
1	0,993	0,985	1,000	0,00

Источник: расчеты автора

Произведем некоторые пояснения по таблице 3. Чем меньше разброс значений остатков около линии регрессии по отношению к общему разбросу значений, тем, очевидно, лучше прогноз. Например, если связь между переменными X и Y отсутствует, то отношение остаточной изменчивости переменной Y к исходной дисперсии равно 1. Если X и Y жестко связаны, то остаточная изменчивость отсутствует, и отношение дисперсий будет равно 0. В большинстве случаев отношение будет лежать где-то между этими экстремальными значениями, т.е. между 0 и 1. Значение 1 минус это отношение называется R-квадратом или коэффициентом детерминации. Это значение непосредственно интерпретируется следующим образом. Если имеется R-квадрат равный 0,985, как в нашем случае, то изменчивость значений переменной Y около линии регрессии составляет 1 - 0,985 от исходной дисперсии (модель обоснованна принятыми в расчет показателями на 98,5%). Значение R-квадрата является индикатором степени подгонки модели к данным (значение R-квадрата близкое к 1 показывает, что модель объясняет почти всю изменчивость соответствующих переменных).

Обычно степень зависимости двух или более предикторов (независимых переменных или переменных X) с зависимой переменной (Y) выражается с помощью коэффициента множественной корреляции R. По определению он равен корню квадратному из коэффициента детерминации. В нашем исследовании коэффициент множественной корреляции равен 0,993. Это неотрицательная величина, принимающая значения между 0 и 1.

Проверка на наличие систематических связей между остатками соседних случаев может быть произведена при помощи теста Дарбина-Ватсона. Этот тест вычисляет коэффициент, лежащий в диапазоне от 0 до 4. В нашем исследовании он равен 1 - это удовлетворительное значение коэффициента, если его значение находится вблизи 2, то это означает, что автокорреляция отсутствует. Мультиколлинеарность можно выявить, рассчитав коэффициент Фишера, который в идеале должен быть в пределах от - 1 до +1 (наше значение практически равно 0). Центральное место в исследовании, конечно же, занимают коэффициенты, которые необходимы для построения уравнения регрессии (см. табл.4).

Таблица 4

Коэффициенты множественной регрессии

Показатель	Ненормированные коэффициенты	Нормированные коэффициенты	T-статистика	Значимость
	Коэффициенты	Стандартная ошибка	Beta
А	1	2	3	4	5
Кредитный портфель в млн. руб.	6436863,94	48527985		-0,1319717	0,09
Libor EURO,%	-2115068	2599454	0,727235	0,8136585	0,00452
Mosprime, %	-276637,4	981393,2	0,066506	0,2818823	0,00789
Цены на нефть, долларов за баррель	207629,02	47478,05	0,236373	1,2138035	0,0027
Прирост заимствования банковского сектора РФ, млн. руб.	-0,005628	1,999594	0,097633	0,7929751	0,004637
Курс доллара США, руб.	-0,49	1534704	0,03463	0,0427623	0,00967

Источник: расчеты автора

Из таблицы 4 следует, что производился расчет всех заданных переменных. Анализ вывел коэффициенты множественной регрессии, а так же стандартные ошибки.

Уравнение регрессии для кредитного портфеля банковского сектора России выглядит следующим образом:

Y= -2115068X₁ - 276637,4X₂ + 207629,02X₃ - 0,005628X_{4 -} 0,49X₅ + 6436863,949, (1)

где

Y - кредитный портфель банковского сектора РФ;

X_{1 -} Libor EURO, %;

X_{2 -} Mosprime, %;

X_{3 -} Цены на нефть, долларов за баррель;

X_{4 -} Прирост заимствования банковского сектора РФ, млн. руб.;

X_{5 -} Курс доллара США, руб.

Для интерпретации направления связи между переменными смотрят на знаки (плюс или минус) регрессионных коэффициентов. Если регрессионный коэффициент положителен, то связь этой переменной с зависимой переменной положительна; если регрессионный коэффициент отрицателен, то и связь носит отрицательный характер. Конечно, если регрессионный коэффициент равен 0, связь между переменными отсутствует.

Получив определенные результаты, попробуем применить данное уравнение к действительности, и наглядно посмотрим, как изменится кредитный портфель, увеличится он или уменьшится. Расчет проводиться по данным на 01.07.2007 года и на 01.10.2007 года по формуле 1.

Y _{на 01.10.2007} = - 2115068*4,1758-276637,4*5,92+207629,02*71,58-

0,005628*597055,9316-0,49*25,7288+6436863,949 = 10825782

Y _{на 01.10.2007} = - 2115068*4,7875-276637,4*6,21+207629,02*78,97-

0,005628*431504,35430+0,49*24,8784+6436863,949=12420397

Расчет кредитного портфеля банковского сектора РФ показал некоторые отклонения от реальных результатов (на 01.07.2007 - на 4324 млн. руб.; на 01.10.2007 - на 8392 млн. руб.), что обусловлено существованием отклонений в полученной модели.

Проведя данный анализ, можно по полученному уравнению регрессии рассчитать прогноз для результирующего показателей, для этого необходимо знать спрогнозированные данные по составляющим компонентам. Для этого необходимо выявить тенденции изменения переменных.

Спрогнозируем изменение кредитного портфеля банковского сектора. Для этого построим тренды переменных показателей, и внутренней торговли исходя из данных таблицы 1.

Тренд ставки Libor EURO представлен на рисунке 1.

Рис.1. Тенденции изменения ставки Libor EURO (в %)

На рисунке 1 видно, что динамика изменения ставки Libor EURO носит отрицательный характер вплоть до конца 2005 года, затем появляется тенденция к росту. Данная модель с 94,41% вероятностью описана полиноминальным трендом второй степени. Тенденции изменения ставки Libor EURO можно описать следующим уравнением:

Y _{ставки Libor EURO} = 0,0016X^2 - 4,0567Х+108,3655, (2)

где

Y - ставка Libor EURO,%;

X _- соответствующий период.

На основе проведенного анализа можно спрогнозировать показатель ВВП Libor USD на 01.07.2008 и 01.10.2008. Для этого необходимо проранжировать отчетные даты по порядку. Так соответственно 01.01.2002 - 1, 01.04.2002 - 2, и так далее по порядку.01.07.2008 год получил ранг 27, а 2007 - 28, и далее можно приступать к прогнозированию:

Y _{ставки Libor EURO 01.07.2008} =0,0016*27^2-4,0567*27+108,3655= 4,8927

Y _{ставки Libor EURO 01.10.2008} =0,0016*28^2-4,0567*28+108,3655= 5,0516

Аналогичным образом прогнозируем ставку Mosprime (см. рис.2).

Рис. 2. Тенденции изменения ставки Mosprime (в %)

Уравнение ставки Mosprime выглядит следующим образом (модель подогнана на 89,23%):

Y _{ставки Libor EURO} = 0,0023Х^2 - 5,8212Х+163,71, (3)

где

Y - ставка Mosprime,%;

X _- соответствующий период.

Прогнозируемые данные выглядят следующим образом:

Y _{ставка Mosprime} = 0,0023*27^2 - 5,8212*27+163,71 = 8,21

Y _{ставка Mosprime} = 0,0023*28^2 - 5,8212*28+163,71 = 9,04

Далее проведем расчет по динамике цен на ранке нефти (см. рис.3).

Рис.3. Динамика изменения цен на нефть (дол. США)

Динамика цен на нефть характеризуется линейным трендом (89,94%) и прогнозируется по следующей формуле:

Y _{цены на нефть} = 0,945Х+88,4484, (4)

где

Y - цена на нефть, дол. США;

X _- соответствующий период.

Прогнозируемые данные выглядят следующим образом:

Y _{цены на нефть 01.07.2008} = 0,945*27+88,4484 = 113,96

Y _{цены на нефть 01.10.2008} = 0,945*27+88,4484 = 124,91

Прирост или отток заимствований в банковском секторе России обусловлен достаточностью средств распоряжении банков: при нехватке банки кредитуются за рубежом по более низким процентным ставкам, при избытке пытаются досрочно погасить задолженность перед кредиторами.

Прирост заимствования банковского сектора в анализируемый период представлен на рисунке 4.

Рис.4. Тенденции изменения прироста заимствованных средств (в млн. руб.)

Несмотря на то, что прирост имеет столь колебательный характер, тенденция подогнана под имеющуюся модель на 70% и может быть выражена следующим образом:

Y _{прирост заимствованных средств} = 7333,91Х +161827,86, (5)

где

Y - прирост заимствованных банковским сектором средств, млн. руб.;

X _- соответствующий период.

Сделаем прогноз по тенденциям развития прироста заимствованных средств:

Y _{прирост заимствованных средств 01.07.2008} =7333,91х27+161827,8623= 359843,43

Y _{прирост заимствованных средств 01.10.2008} =7333,91х28+161827,8623=367177,34

Последний показатель, оказывающий влияние на кредитный портфель, представленный в данном исследовании - это валютный курс.

кредитный портфель корреляция банковский

Динамика движения валютного курса самая стабильная из всех представленных показателей и отображена на рисунке 5.

Рис. 5. Динамика валютного курса (в руб.)

Динамику валютного курса, представленную на рисунке 5 можно представить формулой:

Y _{валютный курс} =-0,0972Х+150,99, (6)

где

Y - валютный курс доллара США, руб.;

X _- соответствующий период.

Формула 1 отражает самую достоверную информацию об изменениях среди всех используемых переменных, так как достоверность подгонки под результат составляет 90,56%.

Спрогнозируем изменение валютного курса на начало третьего и четвертого кварталов 2008 года:

Y _{валютный курс 01.07.2008} =-0,0972х27+25,8815= 23,2571

Y _{валютный курс 01.10.2008} =-0,0972х28+25,8815=23,1599

Таким образом, спрогнозировав переменные показатели на 01.07.2008 и на 01.10.2008 можно приступать к прогнозированию будущих результатов по кредитному портфелю банковского сектора РФ. Для этого необходимо подставить полученные данные в формулу 1 (см. табл.5).

Таблица 5

Спрогнозированные показатели, применяемые для построения модели множественной регрессии на 01.07.2008 и на 01.10.2008

Показатели	Libor EURO,%	Mosprime, %	Цены на нефть, долларов за баррель	Прирост заимствования банковского сектора РФ, млн. руб.	Курс доллара США, в рублях
А	1	2	3	4	5
01.07.2008	4,8927	8,21	113,96	359843,43	23,2571
01.10.2008	5,0516	9,04	124,91	367177,34	23,1599

Источник: расчеты автора

Прогноз на изменение объемов кредитного портфеля банковского сектора представлен в следующих уравнениях:

Y_01.07.2008 =-2115068*4,8927-276637,4*8,21+207629,02*113,96-

0,005628*359843,43-0,49*23,25716436863,949= 16879549,29

Y_01.10.2008 =-2115068*5,0516-276637,4*9,04+207629,02*124,91-

0,005628*367177,34-0,49*23,1599+6436863,949= 19081530,27

Анализ показал, что при сложившейся на сегодняшний день ситуации в банковском секторе (кризис ликвидности), банки наращивают объемы кредитования. Из уравнений видно, что в дальнейшем будущем объем кредитного портфеля банковского сектора РФ будет увеличиваться и скорее всего, за счет привлечения средств из-за рубежа на более выгодных условиях, не смотря на огромный риск остаться ни с чем (обанкротиться).

Как видно из приблизительного прогноза, при росте ставки Libor, при увеличении прироста заимствований банковского сектор и снижении курса доллара возрастает объем кредитного портфеля.

Полученное уравнение регрессии не позволяет со сто процентной точностью сделать прогноз на увеличение или снижение объема кредитного портфеля, в связи влиянием на него не только используемых в данном анализе переменных факторов. На формирование кредитного портфеля банковского сектора влияет вся конъюнктура рынка банковских услуг и не только в пределах национальных границ, но и в мире в целом.

Тем не менее, выведенное уравнение регрессии дает четкую картину взаимодействия факторов мирового масштаба на национальный кредитный портфель. Тесная взаимосвязь с кредитными ставками и валютным курсом обусловлена большими объемами привлечения средств из-за рубежа на более выгодных условиях, чем в России (около 10% всех привлеченных средств), тем самым наращивая объем кредитного портфеля и подвергая банковскую систему России возможным негативным последствиям, таким как кризис ликвидности.

Список литературы

1. Готовчиков И.Ф. Технология оценки потенциальной эффективности кредитного портфеля банка // Банковские технологии. - 2007. - № 4. - С.46 - 51.

2. Ляльков М.И. Проблемы разработки стратегии и оценки эффективности деятельности коммерческого банка. - М.: ИНФРА, 2007. - 194 с.

3. Мамедов З.Ф. Анализ и оценка банковских рисков // Известия Санкт-Петербургского университета экономики и финансов. - 2006. - № 3. - С.93 - 108.

4. Савицкая Г.В. Методика комплексного анализа хозяйственной деятельности. - М.: ИНФРА-М, 2006. - 320 с.

5. Цисарь И.Ф. Оптимизация финансовый портфелей банков, страховых компаний, пенсионных фондов. - М.: Дело, 2006. - 128 с.

6. Официальный сайт ЦБРФ // www.cbr.ru

7. Сайт финансов и аналитики // www.franklin-grant. ru

8. Сайт по банковскому делу // www.bankdeal.net

9. Электронный учебник SPSS // www.spss.ru

10. Сайт электронного глоссария // www.glossary.ru

11. Сайт Банки-Кредиты // www.banks-credits.ru

12. Сайт финансово-аналитического центра MaBiCo // lib. mabico.ru

Размещено на Allbest.ru

...