Уровень диверсификации, его влияние на качество кредитного портфеля

Размещено на http://www.allbest.ru/

Федеральное государственное автономное образовательное учреждение высшего профессионального образования «Национальный исследовательский университет «Высшая школа экономики»

Выполнил:

Студент группы №БЭК125

Королев Дмитрий Сергеевич

Научный руководитель:

доцент, к.в.н.

Бондарчук Павел Кузьмич

Москва, 2016

Вступление

Говоря о современном мире, довольно сложно отрицать тот факт, что с развитием экономики в общем, и банковской сферы в частности, значительными темпами растет и объем операций. Безусловно, наблюдаемая тенденция присуща также и деятельности, связанной с управлением активами. Увеличивается общее число выдаваемых займов, итогом чего служит возрастающий процентный доход кредитных организаций. Для обычного человека описанная ситуация может показаться, несомненно, выгодной для банков и приносящей лишь положительный результат. Во многом, данное утверждение является справедливым, однако существует и обратная сторона медали, имея в виду которую, финансовые учреждения должны с осторожностью и должной долей усилий продумывать и реализовывать намеченные планы в сфере выдачи ссуд. Проводя экспансионную политику в области займов, банки берут на себя дополнительные риски, что зачастую может повлиять на конечный результат деятельности кампании и вести к серьезным негативным последствиям. Конечно, проблема актуальна для учреждений любого размера и напрямую влияет на дальнейшие успехи оного. В связи с этим, банками разработана система мер, которая так или иначе позволяет воздействовать на качество кредитного портфеля. Методов может быть применено множество на различных этапах кредитования. Например, часто банки вводят систему лимитов, выбирают, насколько по тем или иным признакам портфель займов должен быть диверсифицирован. Именно влияние последнего метода будет проанализировано в данной работе. Таким образом, объектом исследования является качество кредитного портфеля коммерческого банка, а именно степень риска и доходности, что будет объяснено в основной части. Предметом анализа в данном случае является влияния уровня диверсификации на объект.

Что же касается актуальности проводимой работы, во внимание стоит взять страну, которая будет рассмотрена. Российская Федерация из-за ряда общеизвестных обстоятельств находится лишь в начале пути становления банковской системы по сравнению с развитыми странами. В связи с этим финансовые учреждения в ней в еще большей мере нуждаются в разработке действенных путей по управлению качеством кредитного портфеля. Особенно это заметно, если обратить внимание на количество колебаний в экономике, например, из-за кризиса 2008 года или текущей ситуации (2014г-наст. время). Подобные проблемы ведут к возникновению серьезных трудностей, как у заемщиков, так и у банков. Следовательно, для кредитных организаций важно найти подходящие механизмы и минимизировать свои возможные будущие риски. Диверсификация кредитного портфеля может быть подходящим методом, особенно если брать во внимание всеобщее ее признание в различных теоретических работах, учебных пособиях, а также в международной практике. Из этого, кстати, вытекает еще большая актуальность. Как будет продемонстрировано далее в обзоре литературы на данную тематику, ряд иностранных исследователей сомневаются в целесообразности применения выбранного метода в коммерческих банках. Такие выводы сделаны, например, на информации о банковских системах Германии, Бразилии. диверсификация кредитный коммерческий банк

Обобщая вышесказанное, стоит отметить, что в плане релевантности текущее исследование состоятельно сразу с нескольких сторон. Во-первых, существует необходимость нахождения качественных и действенных путей управления портфелем кредитов в российских банках. Во-вторых, неоднозначный эффект самой диверсификации в качестве метода, необходимость его качественной и количественной оценки с использованием данных о стране, где подобное исследование еще не проводилось. С этой точки зрения можно говорить и о своеобразной новизне полученных результатов. Ну и наконец, актуальности придает распространенность применения диверсификации в банках РФ и других стран, что говорит о практической значимости.

Целью данной работы в первую очередь является попытка дать однозначные ответ на то, каким образом такой метод управления кредитным портфелем, как диверсификация, в действительности воздействует на показатели риска и доходности в банках России. Кроме того в обзоре литературы можно будет отыскать небольшой экскурс в общую картину, которая сложилась в сфере регулирования вышеупомянутых показателей, как в мировой практике, так и на примере данных выбранной страны.

Задачей исследования можно считать разработку качественной методологии, основанной на теоретических и прикладных трудах, для проведения анализа влияния уровня диверсификации на кредитный риск и доходность в банках России, который мог бы иметь рекомендательный характер для кредитной организации в реальной практике.

Работа будет построена следующим образом. После вступления на указанную тему читатель может ознакомиться с обзором литературы в Главе 1. Он, во-первых, будет включать общие аспекты организации управления риском и доходностью кредитного портфеля с целью выявления закономерностей, применённых в дальнейшем. Во-вторых, что более важно, в указанной части будут проанализированы различные эконометрические исследования на тему диверсификации кредитов в банковских системах различных стран мира. В Главе 2, с помощью упомянутых теоретических и практических знаний, на основе суждений автора будет разработана методология исследования. В Главе 3 будет произведена работа с собранными данными, описаны их источники и обоснование выбора. Глава 4 полностью отведена под практическое исследование и содержит, как результат оценивания построенной модели, так и конечные выводы по ней. Наконец, последняя часть состоит из заключительных комментариев и обобщения всей проделанной работы, предположений на счет последующего развития данной тематики, значимости итогов, возможного применения их в реальной жизни.

Глава 1. Обзор литературы

Методы управления кредитным портфелем коммерческих банков.

Прежде чем переходить к, исключительно, анализу диверсификации как способа формирования качественного кредитного портфеля, стоит более глубоко осветить проблему, в сфере которой было произведено исследование. Кроме того, необходимо привести определения задействованных терминов и начать с более глобальных понятий. Такой подход от общего к частному, по нашему мнению, позволит наиболее подготовлено и с нужной степенью понимания вопроса подойти к анализу.

Для начала, выясним, что же собой представляет термин “кредитный портфель”. В соответствии с одним из определений - это “структурируемая по различным критериям качества совокупность предоставленных банком кредитов, отражающая социально- экономические и денежно-кредитные отношения между банком и его клиентами по обеспечению возвратного движения ссудной задолженности” (Гребник, 2014, с.2). Стоит заметить, что здесь речь идет о данном термине в довольно узком плане. В современной банковской системе (Лаврушин, 2008) под ним обычно понимают не только кредиты, но также различные операции, которые по своему характеру являются схожими. Так, например, это может быть факторинг, лизинг, требование по ценным бумагам, гарантии и так далее. Тем не менее, в рамках данного исследования планируется анализировать портфель, состоящий исключительно из кредитов физическим, юридическим лицам, а также другим банкам (МБК).

Конечно, чтобы портфель был действительно эффективным и приносил плоды в виде высокой доходности от кредитов с приемлемым уровнем риска, нужно разработать систему мер, регулирующих данные показатели. Управление осуществляется в несколько этапов. Сразу стоит отметить, что оно циклично. В соответствии с методологией упомянутой (Славянский, 2008), сначала необходимо классифицировать отдельно взятые ссуды по тому или иному признаку, будь то срок, вид залогового имущества, тип заемщика, размер и так далее. Все это делается с последующей оценкой качества данного займа. На следующем этапе ссуды подлежат группировке по выбранному признаку в кредитный портфель, в рамках которого и будет проводиться данная работа. Затем происходит оценка выделенной совокупности займов, присущего им уровня риска, после чего принимаются решения относительно необходимых резервов на возможные потери по ссудам. Кстати сказать, последний показатель очень важен в рамках данной работы. Сформированные резервы могут выступать мерой риска кредитного портфеля. Подробно об этом будет сказано в разделе, посвященном методологии исследования, пока же стоит запомнить то, что решение о резервах выноситься на основе уже проведенной политики управления во время предыдущего цикла.

Ситуация, в которой предстоит провести данное исследование, происходит на завершающем этапе, в тот момент времени, когда необходимо выбрать действенные пути улучшения качества кредитного портфеля. Здесь методы могут быть абсолютно разные. Как указано в статье на сайте портала banki.ru, внесение изменений может происходить в два этапа. Первый из них скорее можно отнести к различным операциям на уровне отдельных ссуд. Например, введение новых продуктов, усовершенствования условий выдачи кредитов, оценивание состояния отдельно взятых дебиторов. В рамках нашего исследования этот своеобразный микроуровень не планируется брать в качестве объекта исследования. Гораздо более важным направлением для текущей работы является управление качеством кредитного портфеля и внесение возможных изменений в целом. Далее более подробно будет рассмотрен этот аспект деятельности коммерческого банка.

Для начала стоит определиться со свойствами кредитного портфеля, на которые можно и нужно оказывать комплексное воздействие для улучшения его качества. В работе (Лаврушин & Веленцева, 2008) указано, что фундаментальной основой здесь выступают такие показатели, как ликвидность, кредитный риск и доходность, а критериями оценивания качества выступают их уровни. Влияние диверсификации на две последние характеристики планируется исследовать в текущей работе, поскольку в рамках кредитного портфеля они представляют особый интерес, а их традиционная прямо пропорциональная зависимость может быть переложена в рамки модели и проверена, что и было осуществлено помимо основной задачи.

В работе (Горелая, 2012) указано, что регулирование кредитного риска портфеля может происходить с двух сторон. Имея в виду, что влияние в том числе и на этот показатель планируется исследовать в данной работе, посмотрим, что же может помочь в коммерческому банку в данном вопросе. Во-первых, безусловно, важным является тот набор инструментов, который предлагается системе со стороны регулятора. Автор указывает на то, что здесь банкам помогают:

1) Экономические нормативы. Это и показатель H6 (“максимальный размер риска на одного заемщика или группу связанных заемщиков”), и Н7 (“Максимальный размер крупных кредитных рисков”), и Н10.1 (“Совокупная величина кредитов и займов, выданных инсайдерам”). Уровень каждого определяется регулятором и может быть математически определен для каждого банка.

2) Норматив достаточности капитала. Факт особой значимости этого банковского показателя в определении возможного объема будущего кредитования и величины приемлемого риска трудно недооценить. Величина собственных средств в общем объеме активов будет включена в будущую модель в качестве одной из контрольных переменных (подробно в Главе 2).

3) Необходимость формирования резервов на возможные потери по ссудной задолженности.

С другой стороны, управление уровнем риска кредитного портфеля, внесение качественных изменений может осуществляться и самим коммерческим банком. И здесь у кредитной организации есть также довольно неплохой инструментарий. В их число входит:

1) Формирование цены кредитов. Здесь речь идет о том самом управление на уровне отдельно взятых ссуд и заемщиков, о котором говорилось ранее. Так, в целях поддержания необходимого баланса в соотношении доходности и риска, как указывает (Горелая, 2012),необходимо присвоение более высоких процентных ставок тем займам, которые являются наиболее небезопасными для кредитной организации.

2) Анализ кредитных миграций. В работе (Фантаццини, 2009) говориться, что данная модель является одной из основных в вопросах оценивания степени кредитного риска и построении исследований на данную тематику (подход CreditMetrix, который в 1997 году предложил J.P.Morgan). Как указано в (Морсман, 2004),в соответствии с этой методологией, банк способен периодически проводить мониторинг группы кредитов со схожими характеристиками риска. В частности, данный метод применяется для анализа совокупностей проблемных задолженностей. Конечным итогом является возможность всестороннего отслеживания и последующие урегулирования трудностей, связанных с подобными займами.

3) Система лимитов. В общих словах данный метод можно охарактеризовать, сказав, что целью установления ограничений является поддержание максимально возможного и безопасного уровня риска. Виды лимитов существуют совершенно разные. Особое значение для данной работы имеют так называемые (Горелая, 2012) объемные лимиты, которые в определенной мере перекликаются с тем методом управления кредитным портфелем, который является основным для исследования в рамках текущей работы. Например, структурные объемные лимиты устанавливаю ограничения на размер операций в определенной отрасли промышленности, по географическому признаку или по сроку.

4) Итак, еще один способ регулировать качество совокупности займов - это диверсификация в рамках кредитного портфеля, а точнее выявление ее необходимой степени. Руководствуясь определением, под этим термином понимают “наличие отрицательной корреляции между ссудами, или, по крайней мере, их независимость друг от друга, что способствует снижению риска их невозврата” (Сабиров, 1998, с.47). Большинство авторов из списка литературы, так или иначе, ссылаются на всем известную народную мудрость о том, что не стоит класть яйца в одну корзину. Перекладывая вышесказанное в рамки научного языка, можно сказать, что целью использования данного метода управления является желание рассредоточить риски по различным направлениям кредитования с целью минимизации возможных потерь.

Теперь перейдем к еще одному свойству кредитного портфеля. Конечно, имея в виду тот факт, что риск тесным образом переплетается с доходностью, необходимо заметить, что вышеперечисленные способы его регулирования напрямую оказывают влияние и на второй показатель качества, который важен в рамках текущей работы. Это справедливо и для исследуемого метода управления.

Итак, как можно было заметить, диверсификация кредитного портфеля является важной задачей коммерческого банка. Начиная с данного момента, речь в работе пойдет исключительно о ней. Выбор метода продиктован его широким использованием, но существованием подводных камней, о которых далее будет сказано в значительных подробностях. (Морсман, 2004) пишет, что не стоит даже сомневаться насчет эффективности данного способа регулирования качества кредитного портфеля. Это действительно так, ведь сама по себе диверсификация является общепризнанным методом. Тем не менее, не стоит думать, что наиболее разнообразный по различным признакам набор займов будет служить надежным залогом успешной деятельности банка. Ключевую роль в данном вопросе играет именно уровень рассматриваемого показателя. Безусловно, заниматься уменьшением концентрации в рамках управления необходимо, но не стоит забывать, что бездумно полагаться на исследуемый метод просто невозможно. Как указано в пособии (Лаврушин & Веленцева, 2008), высокая степень диверсификации может негативно отразиться на деятельности банка или даже привести к его банкротству. Здесь аргументом выступает тот факт, что при подобном стечении обстоятельств кредитная организации будет вынуждена набирать разноплановых специалистов, отвечающих за отдельные виды кредитования, чтобы контролировать все имеющиеся разнообразие займов. Данное замечание еще не раз будет упомянуто в текущей работе. Многие иностранные исследователи скептически относятся к высокой степени диверсификации, как это будет продемонстрировано в следующем подразделе. Кроме того, аргумент вышеупомянутых авторов послужит для обоснования тестирования в практической части одной из гипотез, и включение в модель такой контрольной переменной, как количество персонала (подробные сведения в Главе 2).

Таким образом, вкратце систематизировав понятия о кредитном портфеле и методах управления им, выделив основные показатели его качества и дав характеристику диверсификации, как одного из наиболее общепризнанных приемов, перейдем к рассмотрению международной опыта в данном вопросе. К сожалению, имея ввиду прикладные исследования в рамках Российской Федерации, вряд ли можно говорить о сколь - либо ощутимой проработанности темы именно в практическом, применимом к реальной жизни аспекте.

1.1 Степень диверсификация кредитного портфеля банков в мировой практике

Теперь, говоря исключительно о диверсификации в роли метода управления качеством кредитного портфеля, перейдем к вопросу о том, какие мнения существуют в научных кругах относительно этого инструмента, силы и направления его влияния. Так, изучив довольно обширный круг работ, можно сделать вывод, что взгляды на данный инструмент совершенно неоднозначны.

Начнем с тех трудов, которые причисляют диверсификацию скорее к позитивным методам воздействия и приводят аргументы в пользу увеличения ее степени в вопросах управления риском и доходностью. В защиту данной позиции выступает абсолютное большинство базовых работ и учебных пособий по теме. Так, например, (Diamond, 1984) замечает, что рассматриваемый метод имеет исключительно положительный эффект на уменьшение вероятности дефолта банка, а также на показатели его прибыльности. Главная причина здесь кроется в существенном сокращении издержек финансового посредничества, а также в том, что банки с высоким уровнем концентрации кредитного портфеля по тем или иным признакам в период экономических спадов начинают испытывать значительные, порой непреодолимые трудности. В учреждениях с должной долей диверсификации тяжесть последствий не так ощутима.

Конечно, в доказательство тезисов, представленных выше, целесообразно привести ряд исследовательских работ, которые строятся непосредственно на реальных данных. Статей, указывающих на позитивные особенности диверсификации, довольно много. Так, например, (Rossi, Schwaiger, & Winkler, 2009) описывают влияние рассматриваемого нами фактора на такие банковские показатели, как риск, капитализация, а также эффективность в области прибыли и издержек. Работа эта, безусловно, будет полезной и для текущего исследования, поскольку в своей основе содержит ряд схожих переменных, а также содержательна в плане аргументированности выдвигаемых гипотез и использовании методологии. В качестве объясняющей переменной авторами выбран индекс Херфиндаля-Хиршмана, который, по нашему мнению, целесообразно использовать в работах подобной направленности. Построено исследование на данных о банках Австралии в период с 1997 по 2003 года. В нем использованы показатели диверсификации по отраслям экономики и по размеру выданных кредитов. Как будет указано в главе, просвещённой методологии, первый способ измерения будет использован и в текущем исследовании. Что касается конечных результатов рассматриваемой статьи, то авторы обнаружили положительный эффект диверсификации на такие показатели, как капитализация и эффективность по прибыли. Кроме того, было подтверждено первоначальное предположение, что более интенсивное использование выбранного метода приводит к уменьшению степени риска кредитного портфеля. Хотя влияние на эффективность в области издержек получилась отрицательной, для нашего исследования это не играет существенной роли.

В качестве дополнительного доказательства положительного влияния высокой степени диверсификации может служить и еще одна работа (Deng, Elyasiani, & Mao, 2007).Если оперировать её выводами, то рассматриваемый метод, безусловно, хорош, однако величина эффекта зависит от выбранного способа ухода от концентрации. Из предыдущей статьи (Rossi, Schwaiger, & Winkler, 2009) мы выяснили, что может применяться кредитование по различным отраслям и по размеру выданных займов. Авторы же второго исследования приводят доказательства того, что наиболее ощутимый и стабильный эффект имеет диверсификация по географическому признаку. К сожалению, применение этого способа в рамках текущего исследования представляется едва ли возможным, поскольку в финансовой отчетности лишь очень ограниченного числа банков в России можно найти соответствующие данные в количественном выражении. Однако, для общего понимания эффекта и воздействия других способов эта работа также важна. Автором было обнаружено, что использование обозначенного метода улучшает положение в связке риск-доходность кредитного портфеля в банковских компаниях США.

Интересной является также статья (Bebczuk & Galindo, 2008). Её авторы исследовали влияние диверсификации на риск и доходность в период финансового кризиса в Аргентине в 2001-2002 годах. Они выяснили, что в случае данной страны состав кредитного портфеля не значительно меняется в период экономических спадов, а влияние выбранного метода становится только эффективнее. В целом же, диверсификация положительно воздействует как на кредитный риск, так и на будущую доходность, причем особенно это актуально для крупных аргентинских банков.

Завершая рассмотрения работ, выступающих за высокую степень диверсификации можно также взять во внимание исследование (Hughes, Lang, Mester, & Moon, 1996), которые изучали целесообразность использования метода в плане воздействия на эффективность производства. Так, конечные результаты говорят о положительном влиянии диверсификации по различным штатам (географический метод). Главная причина выявленной закономерности они объясняют появлением Riegle-Neal Interstate Banking and Banking Efficiency Act в 1994 году.

Теперь перейдем к авторам, которые более скептично относятся к высокой степени диверсификации и приводят аргументы в защиту концентрации кредитного портфеля. В первую очередь, стоит указать на корни данной идеи. Берет начало она, как было выяснено, из теории корпоративных финансов (Rossi, Schwaiger, & Winkler, 2009). В работе (Hellwig, 1998) продемонстрировано, что для многих банков было бы целесообразнее заострить свое внимание на ограниченном числе наиболее значимых проектов с целью снижения издержек мониторинга. В некотором роде, данное утверждение послужило основой для выдвижения альтернативных гипотез в нашей работе, что будет продемонстрировано в следующей главе. Обозначенный факт говорит в пользу концентрации. Интересно, что рассматриваемая работа является расширением классической модели (Diamond, 1984), который, как было продемонстрировано, выступал как раз таки в защиту высокого уровня диверсификации. К еще большему убеждению в обратном эффекте приводит анализ исследования (Winton, 1999). Данный автор попытался моделировать выбор финансового учреждения между высокими степенями концентрации и диверсификации. Им было найдено, что применение второй стратегии может быть оправданно лишь в том случае, когда у банка существуют слабые стимулы к мониторингу, а величина выданных кредитов умеренно реагирует на спады в экономике. В тех же случаях, когда уровень риска чрезмерно высок или, наоборот, несущественен, диверсификация может привести к возрастанию вероятности дефолта, а также оказаться весьма дорогой для финансового учреждения. Таким образом, впервые была продекларирована возможность существование U-образной связи между уровнем диверсификации и степенью риска. Впоследствии, на примере данных некоторых стран, как это будет видно далее, многие авторы пытались доказать подобного рода зависимость. В нашей же работе, для российских банков в модель также будет введена соответствующая гипотеза для проверки немонотонного по риску влияния концентрации на доходность банков.

Переходя непосредственно к исследованиям и журнальным статьям, описывающим негативное влияние диверсификации на различные показатели рассматриваемых финансовых учреждений, во внимание стоит принять две довольно содержательных работы. Первая из них (Kamp, Pfingsten, Memmel, & Behr, 2006) построена на данных немецкого банковского сектора в период с 1993 по 2003 годы и пытается ответить на похожие с поставленными нами вопросы. Что касается меры риска и доходности, влияние диверсификации на которые и предполагается найти, то здесь авторы утверждают, что концентрированный кредитный портфель будет лучшим решением для коммерческого банка. В роли объясняющих переменных для степени риска выступают величина резервов на потери по ссудам (LLP) и показатель недействующих кредитов (Non-Performing Loans, NPL). Для доходности в роли прокси-переменных находятся показатели ROE и ROA. В нашей работе задействовать предполагается те же показатели (LLP в качестве прокси для риска и ROE - прокси для доходности). Стоит, однако, заметить, что авторами также была протестирована модель со стандартным отклонением риска в качестве объясняющего показателя. В этом случае высокая степень диверсификации наоборот оказалось предпочтительней для банка. Вторая работа, которую стоит принять во внимание (Acharya, Hasan, & Saunders, 2006) также говорит о том, что высокая степень использования выбранного метода управления кредитным портфелем не может дать сколь бы то ни было подходящих результатов. Как в случае диверсификации по отрасли, так и по типу заемщика (государство, физические, юридические лица, МБК) и географическому признаку, влияние на качество не было удовлетворяющим. Стоит заметить, что показатель по типу заемщика также было решено использовать и в нашем исследовании. Тем самым, данная статья представляется довольно полезной для дальнейшего анализа. Во внимание здесь бралась и упомянутая выше гипотеза о U-образном характере отношений. Так, в случае организации с чрезмерно малым уровнем кредитного риска наблюдался пусть и незначительный, но все же положительный эффект диверсификации по типу заемщика и по географическому признаку на доходность. В случае же переменной по отраслям производства, выбранный метод ассоциируется лишь с издержками.

Наконец, некоторые представления об исследуемом вопросе может дать и еще одна статья (Tabak, Fazio, & Cajueiro, 2011). Основываясь на работе (Hass, Ferreira, & Taci, 2010), ее авторы исследовали влияние концентрации кредитного портфеля вкупе с типом собственности, в которой находился тот или иной банк. Исследованием, построенным на данных о бразильской системе, были подтверждены все базовые гипотезы, что и в предыдущих работах. Было выявлено, что особенно эффективным концентрированный кредитный портфель являлся бы иностранных банков и банков в государственной собственности. Тенденция эта отчетливо видна для всей совокупности бразильских финансовых учреждений подобного типа особенно в период после кризиса 2008 года.

Подводя итог главы, стоит заметить, что нами были рассмотрены основные теоретические аспекты исследуемого вопроса. Кроме того, с помощью множества проанализированных исследований был изучен иностранный опыт применения в управлении кредитным портфелем банков такого метода, как диверсификация. Проделанная работа позволяет с опорой на мнение авторитетных ученых разработать методологию для выполнения поставленной цели и выявить на ее основе необходимые закономерности.

Глава 2. Методология

Для построения практического исследования, конечно, совершенно необходимым является описания предполагаемых методов проведения работы. В данном разделе будет продемонстрировано все, что непосредственно связано с выбором эконометрической модели, обоснованием включения в нее тех или иных переменных, построением различных индексов, а также выдвижением основных и вспомогательных гипотез на основе вышесказанного.

Эконометрические модели.

В первую очередь, приведем те модели, которые предполагается использовать для выявления закономерностей. Далее, приняв их во внимание, удобно и целесообразно будет описать все компоненты и предполагаемые зависимости. Итак, в данной работе нами построены следующие эконометрические модели:

(1)

(2)

(3)

2.1 Способы измерение диверсификации

Как следует из названия работы, нами был рассмотрен вопрос влияния той или иной степени диверсификации портфеля кредитов банков на различные показатели, связанные с оценкой его качества, а именно риск и доходность. Таким образом, одним из наиболее острых вопросов являлся то, как именно следует измерять регрессор в эконометрической модели, и какую объясняющую переменную для него выбрать. Естественно, что это является актуальным для всех трех перечисленных выше моделей. Подробно рассмотрев различные работы из обзора литературы, можно заметить, что до текущего исследования это делали совершенно разными способами, используя, например, энтропию Шеннона, индекс Херфиндаля-Хиршмана и так далее. Именно второй из перечисленных показателей было решено задействовать в нашей работе, поскольку в подавляющем большинстве статей он явился самым используемым и, по нашему мнению, способен адекватно отразить уровень диверсификации. Несколько слов стоит сказать о его непосредственном построении. Чтобы не делать лишних расчетов, в модели присутствует прямо противоположный к диверсификации показатель, отражающий то, насколько сильно сосредоточен банк на кредитовании одного типа, то есть мера концентрации займов в определенном направлении:

Cn_i

где Total - общее число кредитов, выданных определенным банком в денежном выражении; Type_i - количество заемных средств направленных в ту или иную сферу. Стоит отметить, что ситуации, в которой индекс равен единице, соответствует полной концентрации портфеля, близкое к нулю значение, наоборот, указывает на высокую степень разнообразия направлений кредитования. Введение в модель индекса именно концентрации, а не диверсификации вызвано также желанием проверить гипотезу квадратичного по риску влияния на доходность, которая именно так выглядит в своем классическом варианте (Winton, 1999).

Конечно, как известно, в банковской практике существует несколько способов того, как можно диверсифицировать кредитный портфель. По нашему мнению, каждый из них было бы интересно учесть в текущем исследовании. Во многих работах основными являются диверсификация по географическому признаку, по отрасли экономики, по типу заемщика, по сроку действия и так далее. Однако ограниченность информации в открытом доступе для данной сферы в России позволяет в явном виде выявить значения лишь некоторых видов. Например, лишь в отчетности единиц из всего банковского списка можно найти структуру портфеля кредитов в разрезе регионов. Так, в данной работе будет использованы показатели концентрации по отраслям экономики (Cn1) и по виду заемщика (Cn2). Каждый из них подробнее будет описан в следующем подразделе. Пока же стоит отметить, что, по нашему мнению, на риск и доходность в выбранном году эти показатели влияют из предыдущего периода времени, что является вполне логичным, ведь результаты деятельности банка должны быть основаны на заранее проделанной работе и выстроенной стратегии. В главе, посвященной обзору литературы, упоминался циклический характер управления кредитным портфелем. Проведенная в предыдущий период политика влияет на текущие показатели.

2.2 Структура индексов Херфиндаля-Хиршмана

А) Cn1. Первый индекс включает в себя информацию о концентрации по типу заемщиков банка. Нами были выделены 6 направлений кредитования, в числе которых займы: физическим лица, юридическим лицам-резидентам, юридическим лицам-нерезидентам, государственным компаниям, на межбанковском рынке, а также индивидуальным предпринимателям. Раздел, соответствующий, непосредственно, источникам информации для этого индекса, найти можно далее в части, касающейся описанию собранных данных.

Б) Cn2. Второй индекс содержит в себе информацию о том, сколько денежных средств предоставляется в качестве займа для 10 крупнейших отраслей экономики. Все они представляли собой показатели по некоторому стандартизированному списку крупнейших секторов промышленности, который может быть найден в подавляющем числе банковских отчётностей, а именно в пояснительной записке к ней. Детально с данным списком можно ознакомиться в (см. Приложении №1). Для конструирования индекса в него было включено кредитование по таким направлениям, как: добыча полезных ископаемых; обрабатывающее производство, производство и распределение электроэнергии, газа и воды; сельское хозяйство, охота и лесное хозяйство; строительство; транспорт и связь; оптовая и розничная торговля, ремонт; операции с недвижимым имуществом, аренда и предоставление услуг; прочие виды кредитования. Первоначально в данный показатель планировалось включить и потребительское кредитование, как важную отрасль для банков, но ввиду высокой корреляции индекса в данном случае с Cn1, было решено исходить исключительно из данных для юридических лиц и наиболее востребованных отраслей промышленности, в которых они оперируют.

Таким образом, используя методы построения, описанные выше в данной главе, и были получены две объясняющие переменные для концентрации Cn₁, Cn₂.

Зависимы переменные.

Проанализировав общую теорию по выбранной теме, можно прийти к выводу, что качество кредитного портфеля стандартно характеризуется такими показателями, как риск и доходность. Конечно, чтобы переложить эти термины в рамки эконометрического исследования, необходимо подобрать подходящие объясняющие переменные. В нашем случае, мерой доходности было решено считать коэффициент рентабельности капитала (ROE), а степень риска измерялась сформированными резервами на возможные потери по ссудной задолженности (LLP). Действительно, в большинстве исследовательских работ, а также в базовых учебниках по теме можно увидеть, что чаще всего именно этими банковскими переменными и описывают выбранные термины.

Показатель LLP показывает то, как банк сам оценивает степень своей склонности к риску в соответствии с предписаниями регулятора. После внесения изменений в кредитный портфель по средствам, например, диверсификации ссуд, цикл управления, описанный в первой части обзора литературы (см. Глава 2, раздел 1), повторяется снова. По его результатам и определяется величина резервов. Следовательно, данный показатель может считаться хорошей объясняющей переменной для степени кредитного риска в портфеле. Также, из вышесказанного можно понять, почему в нашей модели (1) все объясняющие и контрольные переменные действуют на риск с лагом (из предыдущего периода), ведь резервы формируются на основе оценки результатов внесения изменений в портфель в предыдущий период управления.

Коэффициент рентабельности капитала же традиционно считается одной из основных мер доходности кредитного учреждения. Он демонстрирует степень эффективности, с которой был использован капитал акционеров банка и равен отношению чистой прибыли к размеру собственных средств. В силу упомянутой цикличности управления портфелем кредитов, все переменные также действуют на ROE с лагом.

Таким образом, предполагалось построение двух базовых моделей и выявления закономерностей на их основе. Третья модель также включает в себя степень доходности в качестве объясняющей переменной. Помимо контрольных переменных, она содержит переменные-произведения индексов Херфиндаля-Хиршмана на риск, а также на квадрат риска. Гипотеза, для которой разработана данная эконометрическая модель, а также причины ее выдвижения, находятся в соответствующем одноименном разделе (см. Глава 3, раздел Гипотезы).

Контрольные переменные.

Под обозначением Controls в (1), (2) и (3), как можно догадаться, скрывается вектор контрольных переменных, ведь странно было бы предполагать, что лишь диверсификация имеет сколь либо ощутимый эффект на качество кредитного портфеля. Для всех трех моделей набор показателей является практически схожим. Далее рассмотрим, что именно включено в каждую из регрессий, и каковы причины того, что упомянутые показатели задействованы.

Для набора контрольных переменных из модели (1) предполагается взять следующие показатели:

1) Pers. Данный показатель отражает качество мониторинга кредитного портфеля. В модель переменная включается под названием Pers и численно равна расходам на персонал из данных финансовой отчетности деленным на общее число активов.

2) Size. Размер банка в данном случае связывается со всем хорошо известной гипотезой “too big to fail”. Предполагается, что банки большого размера в силу неверия в то, что регулятор даст им погибнуть в случае каких-либо трудностей (широкое участие в кредитовании клиентов, значительное участие на рынке МБК, хранение денежных средств клиентов в огромных объемах), склонны брать на себя высокий уровень риска. Отсюда вытекает большой объем резервов на возможные потери по ссудам в следующем периоде.

3) Величина собственных средств (Cap). Благодаря установленным регулятором нормативам, описанным выше, банк постоянно должен контролировать размер своего капитала для покрытия возможных рисков, в том числе и кредитных. Соответственно, существует связь между этими показателями, и кредитная организация с низким количеством собственных средств вряд ли будет заниматься чрезмерно ненадежной деятельностью.

4) Коэффициент рентабельности капитала (ROE). В данном случае подразумевается нахождение традиционного баланса между риском и доходностью. Считается, что чем выше один из них, тем больше другой, и, соответственно, наоборот.

Что касается модели (2), то здесь задействованы схожие переменные, хотя имеющие иную мотивацию для их включения. Итак, они представлены далее:

1) Количество рабочего персонала (Pers). Связь здесь предполагается следующая: чем больше сотрудников задействовано в управлении кредитным портфелем, тем больше расходы на их труд, тем меньше показатели доходности у банка.

2) Размер банка (Size). В действие в данном случае вступает теория отдачи от масштаба. Чем крупнее банк, тем больше операций он проводит. Соответственно, имея внушительные размеры, кредитное учреждение в теории может извлекать высокий уровень доходов из проводимых операций. Как и для большинства эконометрических исследований, данный показатель измеряется натуральным логарифмом активов банка.

3) Уровень капитала (Cap). Вычисляется данный показатель как отношение капитала определенного банка к его активам. Все исследователи, упомянутые в обзоре литературы, включали этот компонент в модель.

4) Величина резервов на возможные потери по ссудам (LLP). Причина включения в модель (2) этого показателя аналогична случаю с (1). Здесь нами была предпринята попытка оценить стандартную взаимосвязь между риском и доходностью.

Модель (3), как можно заметить, является своеобразной модификацией (2). Необходимость такого изменения вызвана желанием проверить наличие немонотонного по риску влияния концентрации на доходность. Предположения относительно такого характера отношений уже выдвигались в литературе (см. Глава 1, раздел 2). Что касается контрольных переменных, то набор их и мотивация включения аналогичны модели (2). Кроме них присутствует показатели, которые являются произведением различных индексов Херфиндаля-Хиршмана на уровень риска, а также на его квадратичную форму.

В случае всех моделей указанные выше переменные влияют на текущие показателя риска и доходности с лагом в один период. Это вызвано опять-таки продекларированной цикличностью в управлении кредитным портфелем.

Выдвижение гипотез.

Разобравшись с моделью и ее компонентами необходимо выдвинуть ряд основных гипотез, достоверность которых и была исследована. Опираясь на литературные источники и собственные размышления, можно выдвинуть несколько предположений относительно влияния диверсификации на риск и доходность. Всего, в ходе данной работы было проверено 4 гипотезы. Они описывают предполагаемые причины выявленного влияния диверсификации.

1) “Classical diversification hypothesis”. (“-”для риска, “+”для доходности):

Высокая степень диверсификация положительно влияете на доходность и снижает уровень риска. Применение этого метода позволит улучшить качество кредитного портфеля. Целесообразность выдвижения данного предположения диктует классическое мнение о степени диверсификации, ее эффекте. Применяется она, как для модели (1), так и (2). Естественно, для меры концентрации, которая задействована в конечных моделях, знаки противоположны (как и во всех следующих далее гипотезах).

2) “Quiet life hypothesis” (“-”для доходности):

Банки тратят слишком много средств на оптимизацию кредитного портфеля и повышение уровня его диверсификации, чтобы снизить будущие издержки. Так много, что это ведет к уменьшению прибыли. Данная гипотеза разработана для модели (2).

3) “Lack of expertise hypothesis” (“+”для риска):

Желание диверсифицировать портфель кредитов приводит к выходу на новые рынки (заемщиков), с которыми опыт работы отсутствует. Риск растет. Данная гипотеза разработана для модели (1).

4) Гипотеза о немонотонном влиянии.

Согласно предположениям впервые выдвинутым (Winton, 1999), концентрация наилучшим образом влияет на величину доходности при очень большом и маленьком степенях риска. Соответственно, между показателями существует U-образная (параболическая) форма отношений. Это действительно так, когда в уравнении

(4)

где Risk-уровень риска; Cn-уровень концентрации различных видов; Returns - степень доходности.

Итоги по выработанной методологии.

Для обобщения вышесказанного разработана Таблица 1, в которой в наглядной форме представлена вся основная информация относительно тех или иных описанных выше переменных, ожидаемые эффекты, способы подсчета. Вопросительным знаком отмечено влияние, которое еще только предстоит определить исходя из подтверждения или опровержения основных гипотез.

Глава 3. Источники и структура данных

Обоснование применения собранных данных.

Теперь перейдем непосредственно к вопросу о данных, с помощью которых было проведено представленное исследование. Внимание уделяется исключительно российской банковской системе. Ранее, как можно видеть из обзора литературы, все исследования из изучаемой области основывались исключительно на иностранных данных, будь то Германия, Австрия или Бразилия. Следовательно, использование показателей РФ является своего рода уникальным и представляет научный интерес.

Рассматриваемым в работе периодом является промежуток между 2010-2014 годами. Причем, для индекса Херфиндаля-Хиршмана и контрольных переменных он сокращается на один год, ведь эти показатели, как было замечено, воздействуют на текущую ситуацию с лагом. Данный выбор является не случайным. По нашему мнению, именно это время сочетает в себе как понятие актуальности и насущности для конкретного рассматриваемого рынка, так и наиболее объективное отражение реальных закономерностей для исследовательского вопроса. Действительно, данные является практически самыми новыми, а также позволяют исключить из анализа негативное и слабо предсказуемое влияние кризисов на данную сферу российского банковского сектора. Речь, конечно, идет о текущей ситуации на рынке (2014г.-настоящее время) и об осложнениях, связанных с мировым финансовым кризисом 2008 года. Более того, период до 2010 года рассмотреть не представляется возможным совсем. Специфика отчетностей по российским стандартам, которая предоставляется банками в открытый доступ, такова, что подавляющее большинство из кредитных организаций начали публиковать на сайтах пояснительные записки, начиная с 2010 года. До этого стандартный набор состоял лишь из 4 остальных форм (Баланс, ОПиУ, Движение денежных средств и Капитал). Именно на основе данных из пояснительной записки был сконструирован такой уникальный показатель для исследуемого рынка, как диверсификация по отраслям экономики. Конечно, можно было воспользоваться отчетностью по международным стандартам. Но, ситуация здесь еще более неблагоприятная. Огромное число банков просто не составляли ее до 2012 года, что существенно бы снизило рассматриваемый период. Кроме того, структура отчета о концентрации кредитного портфеля из МСФО разительно отличается от аналогичной в РСБУ. Число и состав отраслей не стандартизированы, что вызвало бы дополнительные трудности с извлекаемой информацией.

В своей работе мы руководствовались определенной предпосылкой относительно используемых данных. Было решено, что, если основной исследуемой зависимостью является влияние диверсификации на риск и доходность кредитного портфеля банка, то целесообразно не брать во внимание всю банковскую систему России, а ограничится лишь теми банками, в суммарных активах которых содержится 80% и более от общего числа выданных кредитов. За все годы, входящие в период наблюдения это действительно так. Например, за 2013 год, было выдано займов на 37 017 657 млн.руб., за 2012 год 30 670 558 млн.руб., 2011 - 26 265 427 млн.руб. и за 2010 - 20 468 387 млн.руб. Таким образом, анализу подверглись 70 банков (см. Приложение 2) из 992 имеющихся (по состоянию на конец 2010 года), на долю которых приходится подавляющая часть всех кредитов в российском банковском секторе.

Источники информации.

Необходимым является выявление конкретных источников информации. Начнем с рассмотрения регрессора. Как уже было упомянуто, для построения индекса Херфиндаля-Хиршмана обязательным является наличие данных о выданных банками кредитах и их видах. Беря во внимание тот факт, что построены две главные переменные (для концентрации по отраслям экономики и по типу заемщика), довольно сложным было найти соответствующую информацию в надлежащем виде. Для построения первого индекса были использованы пояснительные записки к отчетности российских банков, составленной по российским стандартам (РСБУ). Все данные были скомпонованы самостоятельно, ввиду отсутствия подобного рода информации где-либо еще. Таким образом, этот факт является неоспоримым преимуществом работы, поскольку еще раз говорит о некоторой научной новизне. Нами были найдены данные о концентрации кредитного портфеля каждого банка по видам экономической деятельности, а именно о выданных займах на нужды того или иного сектора экономики. В подавляющем большинстве случаев на уровне отчетности уже были выделены 9 самых крупных отраслей промышленности для банка, прочее кредитование, а также ссуды физическим лицам.

Что касается второго регрессора, то данные относительно него были взяты с сайта финансовой аналитики Куап.ру. Здесь во внимания брались такие показатели, как количество кредитов в денежном выражении, выданных физическим лицам, юридическим лицам-резидентам, нерезидентам, индивидуальным предпринимателям, государственным компаниям, МБК.

Вся остальная информация, касающаяся контрольных и зависимых переменных, была взята с официального сайта Центрального банка Российской Федерации, базы данных mobile, а также отчетности рассматриваемых финансовых учреждений.

Суммируя все вышесказанное, можно говорить о таких преимуществах использованных данных, как:

1) Актуальность и обоснованность.

2) Научная новизна и уникальность основных показателей.

3) Соответствие единому стандарту (РСБУ).

Статистика по показателям.

Теперь рассмотрим статистику по собранным панельным данным за все периоды. Стоит отметить, что для показателей Cn1, Cn2, Size, Pers и Cap представлены наблюдения за 4 года с 2010 по 2013, а для LLP и ROE за 5 лет (с 2010 по 2014). Объясняется это тем, что в конечных моделях две последние переменные представлены с временным лагом, то есть для конечного рассмотрения данных нужны сведения за весь период наблюдений. Последняя колонка показывает, общее количество наблюдений (N), количество за один период (n) и число периодов (T).

Таблица 1. Статистическая информация о собранных данных по переменным

В Таблице 1 представлены значения корреляции между различными переменными, включенными в модели. Особое внимание стоит уделить связи между индексами для измерения концентрации. Изначально, как можно предположить, из-за присутствия в Cn1 и Cn2 одинаковых составляющих, таких, как кредиты юридическим лицам, корреляция между ними могла быть чрезмерно высокой. Действительно, относительно многих других переменных, значение довольно большое (0,3409), тем не менее, оно находится на приемлемом уровне. Внушительная отрицательная связь (хотя также не сильно высокая) у переменной Size с показателями Cn1 и Cn2. Здесь объяснение, конечно, заключено в структуре банковской отчетности и тем фактом, что величина активов включает в себя все компоненты, необходимые для построения данного индекса Херфиндаля-Хиршмана.

Таблица 2. Корреляция основных величин

Глава 4. Результаты и выводы

После построения эконометрических моделей и указания причин включения всех компонентов, входящих в их состав, перейдем непосредственно к анализу. В данной части планируется описать результаты, полученные в ходе исследования, а также привести экономическое обоснование выявленным закономерностям.