Анализ факторов, влияющих на величину кредитного спреда у российских банков

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

БАКАЛАВРСКАЯ ВЫПУСКНАЯ РАБОТА

Анализ факторов, влияющих на величину кредитного спреда у российских банков

Москва, 2017



Оглавление

Введение

Глава 1. Обзор литературы

§1.1 Специфика российской банковской системы

§1.2 Анализ процесса формирования ставок по кредитам и депозитам

§1.3 Анализ показателя кредитного спреда в различных странах

Глава 2. Выбор и формирование анализируемых факторов

§2.1 Основная модель для анализа кредитного спреда

§2.2 Выбор и формирование анализируемых переменных

Глава 3. Эмпирическое исследование и его результаты

Заключение

Список литературы



Введение

спред кредитный банковский

Актуальность темы исследования

Банковская система - один из важнейших секторов экономики любой страны. Так, помимо оказания побочных услуг, банки в первую очередь необходимы для выполнения функции посредника между агентами на рынке. Главным образом преобразуя свободные деньги, генерирующиеся вкладами физических и юридических лиц, в кредитные средства, банк оставляет разрыв между соответствующими кредитными ставками. Данная маржа является доходом банка, который, в свою очередь, должен не просто получить прибыль от операции, но и принять во внимание требования ЦБ как финансового регулятора, процентные ставки конкурентов, собственные текущие риски, требования к банковскому капиталу, требования по резервам, текущую макроэкономическую ситуацию и т. д. В данной работе подробно разбираются факторы, которые влияют на величину кредитного спреда российских банков. Учитывая то, что российский банковский сектор относится к развивающимся структурам, важно выяснить за счет каких особенностей рынка кредитный спред у отечественных банков выше. Относительно показателей в развитых странах, кредитный спред в России остается довольно высоким.

В общем понимании кредитный спред - это премия за принятие риска. В рамках данной работы под кредитным спредом банка понимается маржа между депозитной и кредитной ставкой.

Очевидно, что не только внутренняя политика банка влияет на величину спреда. Ключевая ставка, норма обязательных резервов, требования ЦБ по величине капитала - экзогенные факторы, непосредственно влияющие на величину спреда. Поэтому определение кредитного спреда не является абсолютной прерогативой банка. Банк вынужден защищаться от воздействия экзогенных факторов, закладывая потенциальные риски в величину своей маржи.

Помимо самих банков, анализ кредитного спреда представляет большую ценность и для правительства, так как данный сектор является стратегически важным, в особенности в России, где доля участия государственных банков на рынке достаточно велика. Принимая во внимание непосредственное участие банков в процессе посредничества, правительству важно понимать структуру прибыли банка, так как это имеет большое значение для стабильности экономики.

На данный момент какие-либо русскоязычные исследования об измерении влияния факторов, влияющих на размер кредитного спреда, отсутствуют. Также нет англоязычной литературы, которая полноценно бы описывала кредитный спред непосредственно в России. Поэтому оценка, которая будет проведена в данной работе, является достаточно актуальной.

Степень изученности проблемы.

Одним из первых исследований на предмет анализа структуры кредитного спреда было проведено в 1981 г. в статье “The determinants of bank interest: theory and empirical evidence” Хо и Сондерсом. Впрочем, в 1980-х данной проблеме уделялось достаточно много внимания. Резкие скачки процентных ставок в конце 1970-х спровоцировали исследователей более глубоко изучить проблему банковской маржи. Тем не менее, работа Хо и Сондерса стала знаковой по теме. Подавляющее большинство дальнейших исследований кредитного спреда в разных странах базировались на модели, разработанной в статье. На ее основе проводились исследования кредитного спреда в США, Германии, Франции, Испании, Кении, странах Прибалтики, Бразилии, Китая и проч. Современные изыскания по теме также основываются на разработках Хо и Сондерса.

Интерес к кредитному спреду возник в результате периода колебаний ставок процента, вызвавших множество затруднений на уровне управления банками. Ключевой проблемой явилось влияние чувствительности процентных ставок на чистый процентный доход банка. Природа подобного явления можно объяснить чувствительностью фондирования банка к волатильности процентных ставок для краткосрочных обязательств, а также структурой кредитного портфеля банков. В результате обязательства с большей ставкой растут быстрее чем активы. Это мешает банкам контролировать формирование собственной маржи.

В качестве наиболее значимых исследований по российским банкам стоит отметить работы С. Фунгачовой из Банка Финлянидии в соавторстве с Т. Погосяном из Университета Гронингена. Так как количество статей, посвященных кредитному спреду в России, немного, эти работы выступают как базовые. В частности, в 2008 году исследователи проводили анализ влияния структуры владения банком на его кредитный спред.

Цель и задачи исследования. Целью данной работы является выявление и оценка влияния эндогенных и экзогенных факторов на формирование кредитного спреда у российских банков. Для достижения указанной цели необходимо решение следующих задач:

провести анализ российского банковского сектора;

провести обзор тенденций кредитного спреда в развитых европейских странах, США, стран БРИК, а также общемировых трендов;

провести обзор литературы на предмет исследования факторов, влияющих на кредитный спред;

определить методологию оценки влияния факторов на кредитный спред;

провести регрессионный анализ факторов, влияющих на формирование кредитного спреда у российских банков.

Предмет исследования. Предметом исследования являются теоретические и методические компоненты анализа факторов, влияющих на кредитный спред у российских банков.

Объектом исследования является банковская система России.

Теоретической и методологической базой данной работы послужили исследования, статьи и прикладные работы российских и зарубежных экономистов в области изучения факторов, влияющих на формирование кредитного спреда, а также оценки степени их влияния.

Информационно-эмпирической базой работы стали данные ЦБ РФ, Министерства экономического развития РФ, Федеральной службы государственной статистики РФ, Национального рейтингового агентства, Федеральной резервной системы США, регуляторных органов Германии, Франции, Австрии, Китая, Бразилии, Индии, официальной отчетности банков, данные ресурсов официальных порталов.



Глава 1. Обзор литературы

§1.1 Специфика российской банковской системы

В данном разделе работы представлен обзор научно-практических исследований по анализу особенностей российского банковского сектора с точки зрения формирования процентных ставок, а также отчеты по рынку, предоставленные официальной статистикой и аналитическими агентствами.

В связи с относительно недавним становлением рыночной экономики в России, банковскую систему можно отнести к развивающимся секторам экономики. В связи с таким статусом рынок банковских услуг в России имеет свою специфику, что непосредственно влияет на формирование процентных ставок по кредитам и депозитам. Благодаря умеренно жесткой монетарной политике ЦБ РФ банки претерпевают серьезные изменения. Структура этого рынка неоднородна; для него характерен высокий уровень государственного участия, а также подверженность монополистической конкуренции. Согласно оценке концентрации банковского сектора Национальным рейтинговым агентством (таб. 1), государственные банки берут на себя 60% рынка, незначительно увеличив свое присутствие за последние 3 года.

Таблица 1. Оценка концентрации банковского рынка в РФ

Группа	Активы (млрд руб.)	Дина- мика за 3 года, %	Доля на рынке, %	Дина- мика за 3 года, %	HHI	Дина- мика за 3 года, %
	05.2013	05.2016		05.2013	05.2016		05.2013	05.2016
Государственные банки	28 852	47 339	64,07	58,41	60,64	2,23	3,35	3,33	-0,66
Частные банки	20 544	30 725	49, 56	41,59	39,36	-2,23	64,12	33,58	-47,63
Банки с иностранным капиталом	4 877	6 020	23,43	9,87	7,71	-2,16	11,07	9,82	-11,31
Банки с российским капиталом	44 518	72 044	61,83	90,13	92,29	2,16	7,84	7,44	-5,08
Системно значимые банки	30 669	52 599	71,5	62,09	67,38	5,29	3,77	4,03	6,92
Не системно значимые банки	18 726	25 465	35,98	37,91	32,62	-5,29	67,98	46,32	-31,87

Источник: НРА

Данные, представленные в Таблице 1, демонстрируют высокую концентрацию на рынке банковских услуг. На фоне значительного сокращения количества банков (880 в 2013 г. против 607 на 01.04.2017) средства организаций и физических лиц перетекают в более крупные и надежные банковские учреждения. Также малые региональные банки не могут выдержать конкуренции против крупных, так как не всегда могут в полной мере соблюсти требования ЦБ. Кредитные организации с иностранным капиталом наоборот, уменьшили свое присутствие, хотя и до того были представлены на рынке в относительно небольшом количестве.

В статье “Market power in the Russian banking industry” (Fungбиovб, Solanko, Weill, 2010) авторы впервые проводят анализ конкуренции на российском рынке банковских услуг на данных за 2001-2007 гг., используя индекс Лернера. Авторы находят приемлемым уровень конкуренции, а именно сопоставимым с уровнем в развитых странах. Также в работе отмечается отсутствие существенных различий в степени обладания рыночной властью между банками с разной структурой владения: государственными, частными и с иностранным капиталом.

Аналогичную работу проводили авторы статьи “Bank competition in Russia: An examination at different levels of aggregation” (Anzoбtegui, Perнa, Melecky, 2012), рассматривая российский банковский сектор как конкурентный рынок. В качестве критерия авторы использовали индекс Херфиндаля-Хиршмана (HHI). Авторы пришли к выводу, что уровень конкуренции на российском рынке банковских услуг сопоставим со статусом последнего как развивающегося и несущественно отличается от показателей других стран группы БРИК. Тем не менее, исследователи отмечают доминирование банков с государственным участием на рынке. Такая тенденция обуславливает существенный перевес во власти над рынком в пользу контролируемых государством банков. Это влечет за собой ограничение конкуренции со стороны государства путем введения регулятивных мер, усилением надзора. Банки, направленные на работу с юридическими лицами, более конкуренты, чем те, что с физическими.

Высокой монополизацией рынка можно объяснить отсутствия мер по снижению кредитного спреда для привлечения новых клиентов за счет более привлекательных условий кредитования. Об этом упоминалось в работе “Determinants of bank interest margins in Russia: Does bank ownership matter?” (Fungбиovб, Poghosyan, 2010). В данной статье проводится анализ факторов, влияющих на кредитный спред у российских банков с акцентом на структуру владения банком. Используя данные за период 1999-2007 гг., авторы тестировали влияние структуры рынка, кредитного риска, риска ликвидности и объема операций банков с разным статусом владения, используя двухступенчатую модель Хо и Сондерса. В результате было выявлено, что влияние кредитного риска существенно только для местных частных банков, тогда как для банков с государственным участием и с иностранным капиталом этот риск несущественен. Тем не менее для последних характерен более высокий процент за более крупные займы, так как иностранным банкам необходимо компенсировать риски невозврата, в то время как местные банки могут позволить игнорировать, так как выигрывают за счет отдачи от масштаба.

Таблица 2. Динамика показателей банковского сектора за 2009-2016 гг., %

	2009	2010	2011	2012	2013	2014	2015	2016
Активы	4,78	12,94	18,79	15,92	13,78	26,05	6,44	-4,34
Кредиты, предоставленные нефинансовым организациям	0,10	8,38	19,16	12,15	11,06	20,87	10,26	-11,64
Кредиты, предоставленные физическим лицам	-12,41	12,47	26,50	28,26	22,28	12,10	-6,07	-1,12
Средства организаций	9,53	9,43	27,87	13,02	11,25	36,27	10,57	-16,23
Вклады физических лиц	21,08	23,76	17,30	16,70	15,96	8,60	6,10	4,04

Источник: ЦБ РФ

Из данных по динамике показателей банковского сектора (таб. 2) видно, что на сегодняшний день снижается количество кредитов, предоставляемых физическим лицам и нефинансовым организациям. Также общее количество активов в банковском секторе снизилось на 4,3%, чему предшествовало замедление роста. Также можно наблюдать уменьшение количества кредитов и вкладов физических лиц. Эти изменения - последствия резкого снижения цен на нефть, введения экономических санкций против России, девальвации национальной валюты.

§1.2 Анализ процесса формирования ставок по кредитам и депозитам

В первую очередь на процесс формирования процентных ставок оказывает влияние местный финансовый регулятор, такой как Центральный Банк России (ЦБР). Предъявляя свои требования к страхованию вкладов, формированию обязательных резервов, Банк России следует политике оздоровления банковского сектора. Так, ЦБ ужесточил требования к минимальному размеру капитала банка, а также регулярно пересматривает ставку рефинансирования, что уменьшает или увеличивает стоимость привлечения денежных средств для банка.



Рисунок 1. Динамика изменения ключевой ставки в России, 2013-2017 гг.

За последние 3 года проходил регулярный пересмотр ключевой ставки. Так, в декабре 2014 г. ЦБ установил ставку на уровне 17,5%, чем спровоцировал панику на финансовом рынке. Также ЦБ назначает норму обязательных резервов по вкладам для российских банков. В таблице 3 представлены нормы резервирования для различных форм кредитов и заемщиков. Помимо этого, банки обязаны делать отчисления в Агентство по страхованию вкладов (АСВ) с соответствующей целью, а также делать резервы на возможные потери по ссудам, процент отчисления в которые варьируются от 0 до 100% в зависимости от категории качества долга.

Таблица 3. Норма обязательных резервов на 03.2017

Норматив по обязательствам перед юридическими лицами-нерезидентами, %	Норматив по обязательствам перед физическими лицами, %
за исключением долгосрочных	по долгосрочным
в рублях	в иностранной валюте	в рублях	в иностранной валюте	в валюте Российской Федерации	в иностранной валюте
5,00	7,00	5,00	7,00	5,00	6,00



Наиболее подробно процесс формирования ставок процента освещается в статье У. Альбертацци “How do banks set rates?”. В этой работе оценивается модель, которая изучает влияние процентного дохода, непроцентного дохода, операционные расходы, резервы и прибыль до налогообложения для банков в промышленно развитых странах на образование процентной ставки. Исследование показало, что с середины 1990-х годов рентабельность банков в странах еврозоны снизилась, оставаясь высокой у банков в англосаксонских странах благодаря асинхронным экономическим циклам. Прибыль банков является проциклической: ВВП влияет как на чистый процентный доход, так и на обязательные резервы.

Представленный в статье анализ показал, что на образование ставок по кредитам и депозитам, прежде всего, оказывают влияние: инфляция, соотношение между просроченной кредиторской задолженностью и кредитами выданными, дельта между капиталом банка и минимальным требованием центрального банка, рост ВВП, показатели ликвидности, отношение между операционными издержками.

Также авторы утверждают, что банки с преобладанием краткосрочных депозитов в активах меньше подвержены колебаниям процентной ставки по долгосрочным обязательствам и более подвержены влиянию процентной ставки денежного рынка. В результате высокого уровня распространения кредитования, чистый процентный доход банков также незначительно влияет на процентную ставку. Более жесткий контроль за макроэкономическими и институциональными факторами со стороны органа-регулятора дает более высокий процентный доход, так как при таком подходе экономическая структура более гибкая и позволяет быстрее реагировать на внешние шоки.



Рисунок 2. Факторы, влияющие на формирование процентной ставки

Таким образом, можно выделить ряд факторов, которые оказывают непосредственное влияние на образование ставок по депозитам и кредитам. Их можно разделить на макро- и микроэкономические факторы (рис. 2).

§1.3. Анализ показателя кредитного спреда в различных странах

Размер кредитного спреда как правило имеет различия как на внутригосударственном, так и на международном уровне. Так, в США по данным Федеральной корпорации по страхованию вкладов (FCID) банки, застрахованные во FCID, то есть крупные банки, имеют более низкий кредитный спред. Данные представленные на рис.3 демонстрирую динамику изменения кредитного спреда в США за период 2008-2016 гг. Отсюда можно сделать вывод об устойчивом снижении кредитного спреда за последние 10 лет. Минимальное же значение было достигнуто в 2014 г. и составило 3%. Малые кредитные организации демонстрируют более высокий кредитный спред, колеблющийся в коридоре 3,5-3,8%.



Рисунок 3. Кредитный спред в банках США (2008-2016) Источник: FCID

Для европейских стран характерен более малый кредитный спред. Так, в Великобритании значения варьируются от 1,0 до 2,5%, в Германии и Франции 0,5-1,8%, в Австрии 0,5-2,2%. Данные рис. 4 демонстрируют снижение кредитного спреда и свидетельствуют о рецессии в странах ЕС.

Рисунок 4. Кредитный спред во Франции, Австрии, Великобритании, Германии (1996-2013) Источник: World Bank

Анализируя кредитный спред в России, важно провести сравнение с ситуацией в странах, похожих по размеру и экономической конъектурой развивающегося рынка. На графике на рис. 5 представлена динамика изменения кредитного спреда в Бразилии, Индии, России и Китае, а также общемировая тенденция. На графике видно резкое падение спреда в России в 1996-1997 гг., а также его постепенный рост к 2005 г. В целом тренд кредитного спреда в России схож с ситуации в Бразилии. Индия и Китай же показывают достаточно стабильные значения на протяжении всего периода. В целом можно отметить тенденцию к снижению кредитного спреда в коридоре 2,0-4,0% на протяжении 2012-2014 гг.

Рисунок 5 Кредитный спред в странах БРИК и в мире Источник: World Bank



Глава 2. Выбор и формирование анализируемых факторов

§2.1 Основная модель для анализа кредитного спреда

Впервые анализ процентных ставок на предмет кредитного спреда был проведен в статье “The determinants of bank interest: theory and empirical evidence” (Ho and Saunders, 1981). Здесь авторы предлагают двухэтапную модель анализа банковских процентных спредов с использованием панельных данных. Первый этап регрессии подразумевает анализ микроэкономических факторов, влияющих на кредитный спред банка, второй - макроэкономических. Модель тестировалась на данных балансовой отчетности 53 банков США за период 1976-1979 гг. Данная модель стала базовой для дальнейших исследований по теме.

Уникальность модели состоит в том, что здесь авторы объединяют два подхода к анализу банковской деятельности: ожидаемой полезности и хеджирования, а также в интерпретации банка как источника спроса на кредиты и депозиты, т. е. дилера. Репрезентативный банк представляется дилером на рынке. Из-за нестыковок предложения и спроса на депозиты и кредиты соответственно, банк сталкивается с неопределенностью и риском получения несбалансированного портфеля. В итоге банк формирует кредитный спред как плату за моментальное предоставление депозита/кредита в условиях неопределенности, чтобы максимизировать свою целевую функцию.

В качестве основных драйверов кредитного спреда модель выделяет:

Уровень монополизации рынка банковских услуг;

Коэффициент непринятия рисков;

Дисперсия ставок по кредитам и депозитам;

Размер транзакций банка.

В итоге главная задача банка - снизить неопределенность, которая возникает в процессе колебаний процентной ставки. Несмотря на реалистичные результаты, которые дает модель, она имеет слабую связь с функцией полезности менеджмента банка. Также в модели есть ряд упрощений, например, предположение об отсутствии комиссий за обработку кредита. В дальнейших исследованиях на базе модели Хо и Сандерса такие допущения устранялись. По результатам работы кредитный спред зависит от размера чистого спреда, неявных процентных платежей и размера банка.

Предполагается, что вкладчики и заемщики будут прибывать случайным образом в соответствии с пуассоновскими процессами. Хо и Сондерс предполагают линейные симметричные характеристики для коэффициентов поступления Пуассона по кредитам и депозитам:

,

где a, b - плата за пользование кредитом/депозитом.

В таком случае равновесный кредитный спред имеет следующую спецификацию:

,

где:

б/в - измерение «риск-нейтральности» спрэда. Хо и Сондерс интерпретируют это как меру уровня монополизации рынка, поскольку, если банк сталкивается с относительно неэластичным спросом и предложением функции на двух рынках, он осуществляет рыночную власть, взимая больший спред.

R - коэффициент абсолютного неприятия риска;

- дисперсия ставок по депозитам;

Q - размер транзакции банка.

Базовая модель была не раз расширена в работах Л. Аллен (1988), Макшейна и Шарпа (1985), И Ангбацо (1997). Модификации позволяют рассмотреть более одного вида займов, а также другие источники неопределенности.

Хо и Сондерс разработали двухэтапную методологию для эмпирической оценки основных факторов банковского кредитного спреда. Подавляющее большинство работ на тему анализа факторов, влияющих на величину кредитного спреда, построены на основе этой модели. Так, этот подход был применен Хо и Сондерсом (Ho and Saunders, 1981) и Ангбацо (1997) для банков США, Макшейном и Шарпом (1985) для австралийских банков, Броком и Рохас-Суаресем (2000) для латиноамериканских банков (Аргентина, Боливия, Чили, Колумбия, Мексика, Перу и Уругвай), а также Сондерсом и Шумахер (2000) для банка США и шести европейских стран (Германия, Испания, Франция, Великобритания, Италия и Швейцария).

Используя модель двухступенчатую модель Ho and Saunders (1981), другая группа исследователей (Demirgьз-Kunt and Huizinga, 1999) провела анализ факторов процентной маржи банков, используя данные по банкам в 80 странах за период 1988-1995 гг. В этой статье акцентируется внимание на налогообложении банков, регулировании страховых депозитов, а также на правовых и институциональных аспектах. Оригинальная модель не учитывала этих факторов, абстрагируясь от каких-либо ограничений для банковской деятельности. В результате исследования было выявлено, что на кредитный спред банка положительно влияют:

соотношение собственного капитала к суммарным активам;

отношение кредитов к совокупным активам;

иностранный капитал банка;

размер его совокупных банковских активов;

уровень инфляции;

краткосрочная рыночная процентная ставка.

По результатам исследования отрицательное влияние на кредитный спред оказывает отношение беспроцентных активов к совокупным активам.

Как было упомянуто выше, другая модификация базовой модели представлена в статье “Commercial bank net interest margins, default risk, interest-rate risk, and off-balance sheet banking” (Angbazo, 1997). Здесь авторы фокусируются на влиянии рыночной процентной ставки на кредитный спред. Эмпирическая модель постулируется как функция следующих переменных: риск дефолта, риск процентной ставки, риск ликвидности, кредитное плечо, скрытая процентная ставка и эффективность управления.

Результаты для выборки показывают, риск дефолта (отношение чистых ссудных платежей по кредиту к совокупным кредитам), альтернативные издержки беспроцентных резервов, плечо (отношение основного капитала к совокупным активам) и эффективность управления (отношение доходных активов к совокупным активам) являются статистически значимыми переменными и положительно влияют на процентную маржу банков. Отношение ликвидных активов к совокупным обязательствам, являющееся показателем низкого риска ликвидности, имеет отрицательное влияние на кредитный спред банка. Остальные переменные не оказались статистически значимыми.

Аналогичное исследование было проведено Т. Афанасьевым в статье “The determinants of bank interest spread in Brazil” на предмет кредитного спреда в Бразилии. Несмотря на то, что в последние 5 лет кредитный спред в Бразилии постепенно снижается, относительно общемирового тренда значение остается достаточно высоким. Авторы несколько модифицировали классическую модель. В итоге в статье оценивалась следующая эмпирическая модель:

где:

s процентный спред для банка i в периоде t (i = 1, ..., N; t = 1, ..., T), рассчитанный как разница между ставкой кредита и депозита,

D - набор дамми-переменных;

X - вектор характеристик банка;

д, г и в - параметры, подлежащие оценке.

Вектор характеристик банка включает в себя следующие переменные:

количество филиалов;

отношение беспроцентных депозитов к общим операционным активам;

отношение кредитов выданных к совокупным активам;

эксплуатационные расходы;

банковская ликвидность;

отношение дохода от оказанных услуг к общему операционному дохода;

собственный капитал банка;

долговая нагрузка.

Второй этап подразумевает оценку чистого банковского спреда:

где:

Z - вектор макроэкономических переменных

- чистый спред;

ц и - параметры, подлежащие оценке.

Вектор макроэкономических переменных содержит:

рыночную процентную ставку;

темпы инфляции;

премию за риск;

темпы роста производства;

норму обязательных резервов;

ставку рефинансирования.

Данные взяты по 142 бразильским банкам за период 1997-2000. Результаты демонстрируют полное соответствие поставленным гипотезам о влиянии макроэкономических факторов. Тем не менее, авторы говорят об относительно высокой необъясненной части регрессии.

В дополнение к исследованиям, касающимся стран Латинской Америки, Сондерс и Шумахер (2000) применяют метод Хо и Сондерса на данных по банкам из семи стран ОЭСР (Германии, Испании, Франции, Великобритании, Италии, США и Швейцарии). Цель работы в том, чтобы структурировать детерминанты кредитного спреда банка, разбив их в соответствии со спецификой регулирования ЦБ, структурой рынка и риск-премией.

Результаты показали, что, во-первых, чем более сегментирована и подконтрольна ЦБ банковская система, тем выше спреды, вероятно, из-за высокой монополизации рынка, и во-вторых, волатильность процентной ставки оказывает значительное влияние на маржу. Эти данные свидетельствуют о том, что чистые спреды чувствительны как к структуре рынка, так и к эффекту волатильности, а также о том, что эффекты в разных странах весьма неоднородны.

Особый интерес представляет вторая, относительно новая, группа моделей. В отличие от модели Хо и Сондерса, данный подход к изучению кредитного спреда ориентируются не на рынок как на ключевой фактор управления маржой, а на руководство банка. Таким образом, на ее изменение в первую очередь влияет изменения структуры баланса. Наиболее подробно модель описана в статье «Banks' management of the net interest margin: evidence from Germany» (Memmel, Schertler, 2011). В статье рассматриваются активы банка по следующим категориям: срочность активов, ликвидность, а также качество кредиторов и заемщиков. С помощью этого авторы стремятся объяснить формирование кредитного спреда колебаниями рыночных ставок и изменениях в структуре баланса.

Для тестирования модели используются данные, структурированные вышеуказанным критериям (срок, ликвидность, качество контрагента), на базе 2000 универсальных немецких банков за период 1999-2010 гг. и 18 различных банковских ставок, варьирующихся по тем же критериям. В статье банки разделяются на тех, кто используют и не используют деривативы. Формула для чистого процентного дохода для банка, не использующего деривативы:

Где:

NM - это чистый процентный доход;

W - позиция в активах/пассивах;

- это ставка, которую i-тый банк устанавливает по позиции в активе j (j=1,…,J1) или уплачивает по позиции в пассивах j (j=J1+1,…,J).

Установив , авторы вывели:

Таким образом, можно записать кредитный спред в году t как:

где

В результате авторы приходят к следующим выводам:

Банковские ставки оказывают значительно большее влияние на кредитный спред нежели изменения в структуре баланса;

Кредитный спред у банков, работающих с деривативами, менее подвержен изменению из-за колебаний банковских ставок и структуры баланса;

Банки, работающие с производными финансовыми инструментами, восприимчивее к риску, что сказывается на потенциальном росте их убытков. Авторы статьи разделяют изменение кредитного спреда на ценовое и весовое изменение. Изменения цен представляют собой совокупность ежегодных изменений рыночных банковских курсов по различным активам и обязательствам, с соответствующей корректировкой на значение прошлого года. В краткосрочной перспективе эти изменения не подвержены влиянию менеджмента и интерпретируются как стратегическое решение руководителей банка.

Изменение веса - это сумма текущих рыночных ставок по различным активам и обязательствам, взвешенная с годовыми изменениями в балансовых позициях банков. Эти изменения веса отражают тактические решения руководителей банков. Поэтому изменения цен охватывают все рыночные изменения, относящиеся к марже, такие как колебания премий в связи с изменениями сроков, изменениями ликвидности и изменениями качества кредита.

Таким образом, авторы приходят к следующим выводам:

изменения цены и веса объясняют более 40% колебаний кредитного спреда, причем изменения цен гораздо более актуальны, чем изменения веса;

Кредитный спред банков, работающих с деривативами, зависит от изменения веса и цены слабее, чем банки, которые деривативы не используют. Это подтверждает то, что производные финансовые инструменты используются для повышения устойчивости баланса.

Банки ведут себя проциклично, т. е. вес и цены положительно коррелируют; Корреляция между изменением веса и цены сильнее для банков, использующих деривативы.

Данная статья является уникальной в своем роде, так как ее авторы впервые применили подход к измерению кредитного спреда через цену и вес.

§2.2 Выбор и формирование анализируемых переменных

Данная работа призвана провести анализ факторов, которые оказывают влияние на кредитный спред у российских банков. До этого были представлены анализ российского банковского сектора, рынков некоторых иностранных государств, обзор предшествующих исследований по теме кредитного спреда, существующих моделей. Текущий раздел призван провести отбор переменных для будущей регрессии.

Анализ проводится на основе финансовых показателей 10 крупнейших российских банков в период 2000-2015 гг. Дальнейший анализ проведен с использованием пакета анализа STATA. Модель построена на основе представленной выше оригинальной модели Хо и Сондерса.

Таблица 4. Крупнейшие банки РФ

	Наименование банка	Размер активов на 03.2017, в млн. руб.
1	ПАО Сбербанк	21 998 730,9
2	Банк ВТБ (ПАО)	9 504 935,0
3	Банк ГПБ (АО)	5 136 097,2
4	ВТБ 24 (ПАО)	3 140 941,0
5	АО "Россельхозбанк"	2 911 493,8
6	ПАО Банк "ФК Открытие"	2 760 743,9
7	АО "АЛЬФА-БАНК"	2 308 862,1
8	Банк НКЦ (АО)	2 264 303,3
9	ПАО "Промсвязьбанк"	1 291 447,3
10	ПАО "МОСКОВСКИЙ КРЕДИТНЫЙ БАНК"	1 266 012,9

Источник: ЦБ РФ

Источниками данных для анализа послужили портал ЦБ РФ, Министерства экономического развития РФ, Федеральной службы государственной статистики РФ, Национального рейтингового агентства, официальной отчетности банков, данные ресурсов официальных порталов.

При отборе переменных для анализа ориентиром служили предыдущие исследования по теме. Придерживаясь классификации факторов на макро- и микроэкономические, можно выделить следующий ряд переменных:

Макроэкономические:

Инфляция

Реальный ВВП

Ключевая ставка ЦБРФ

Микроэкономические:

Риски. Риск процентной ставки; риск ликвидности; риск кредитного портфеля по юридическим и физическим лицам.

Индекс Херфиндаля-Хиршмана (HHI). HHI отражает уровень концентрации на рынке;

Отношение операционных расходов к валовому доходу. Данное соотношение определяет уровень неэффективности банка;

Логарифм совокупных активов банка. Логарифм совокупных активов отражает размер банка;

Отношение всех выданных кредитов к общим активам банка;

Отношение депозитов к общим обязательствам;

Отношение непрофильных активов к общим активам;

Доля депозитов до востребования;

Спецификация модели выглядит следующим образом:

где:

cs - кредитный спред;

lro - риск кредитного портфеля (физические лица);

lco - риск кредитного портфеля (юридические лица);

lr - риск ликвидности;

irr - риск процентной ставки;

HHI - индекс Херфиндаля-Хиршмана;

inef - операционная неэффективность;

ln_as - логарифм чистых активов;

la - отношение выданных кредитов к общим активам;

dl - отношение депозитов к обязательствам;

dr - депозиты до востребования;

GDP - реальный ВВП в ценах 2010 г.;

I - инфляция;

K - ключевая ставка.

Главным принципом формирования гипотез для модели служит предположение о том, что чем более эффективна деятельность банка, тем ниже у него кредитный спред.

Предположительно, положительное влияние будут иметь:

Н₁: Риски кредитного портфеля;

Н₂: Риск ликвидности;

Н₃: Риск процентной ставки;

Н₄: Индекс HHI;

Н₅: Операционная неэффективность;

Н₆: Отношение депозитов к обязательствам;

Н₇: Ключевая ставка Банка России;

Н₈: Инфляция.

По аналогии, отрицательно влияют:

Н₉: Размер банка;

Н₁₀: Отношение всех выданных кредитов к общим активам;

H₁₁: Отношение депозитов к общим обязательствам;

Н₁₂: Реальный ВВП.

Кроме того, некоторые из указанных факторов представляют собой расчетные показатели на основе используемых данных. Среди них:

Риски кредитного портфеля. Определяется как отношение проблемных кредитов физических лиц к выданным кредитам физическим лицам и и юридических лиц к выданным кредитам юридическим лицам. Банки, которые вкладывают средства в проекты с большим риском, склонны определять более высокий процентный спред для компенсации потенциального риска;

Риск ликвидности. Данный показатель рассчитывается при помощи норматива текущей ликвидности;

Совокупные активы. Понимаются активы очищенные. Рассчитываются как сумма денежных средств, средств в ЦБ РФ, в кредитных организациях, чистой ссудная задолженности без резервов), дебиторской задолженности, требований по получению процентов, прочих активы минус резервы на потенциальные потери, отложенного налога на прибыль финансовых активов по справедливой стоимости, чистые вложения в ценные бумаги, удерживаемых до погашения, инвестиций в ценные бумаги, имеющиеся в наличии для продажи, основных средств, нематериальных активов и материальных запасов.

Операционная неэффективность. Определяется отношением операционных расходов к валовому доходу. В работе предполагается, что высокая неэффективность банка должна покрываться за счет кредитного спреда.

Отношение всех выданных кредитов к общим активам. Если банк специализируется на выдаче кредитов, то его эффективность может повысится за счет обеспечения информационных преимуществ банка как посредника, что снизит кредитный спред;

Отношение депозитов к общим обязательствам. Необходимо для определения влияния качества депозитов (прибыльный/убыточный продукт) на кредитный спред.



Глава 3. Эмпирическое исследование и его результаты

Для полноценного анализа, данные были очищены от выбросов с помощью следующего критерия:

,

где:

Т - критерий выброса;

- значение признака;

м, - среднее значение и стандартное отклонение;

T_st - стандартные значения критерия выбросов, определяемых согласно таблице распределения Стьюдента.

Помимо этого, после проверки на корреляционные связи была исключена переменная размера инфляции (прил. 1). Полученные данные были проанализированы с использованием пакета STATA. Здесь же была построена модель линейной регрессии оценки переменной cs на независимые переменные для изучения кредитного спреда. Модель представлена в приложении 2. Для данной модели:

В данной модели лишь показатель отношения обязательств к общим активам незначим. Также ликвидность, размер банка, отношение операционного дохода к валовому влияют положительно на кредитный спред.

Так как линейная регрессия не учитывает панельность данных, для анализа была применена between регрессия. Здесь модель использует усредненные во времени значения переменных и оценивает кредитный спред при помощи МНК. Результаты регрессии between в приложении 3. В рамках модели:

В данной модели показатель отношения проблемных обязательств юридических лиц по отношению ко всем кредитам юридических лиц, текущая ликвидность, риск процентной ставки, отношение депозитов до востребования, ключевая ставка и реальный ВВП незначимы. Тем не менее, влияние переменных осталась таким же: все значимые факторы, кроме логарифма активов, показателя текущей ликвидности, отношения операционных расходов к валовому доходу, то есть неэффективности банковской деятельности, оказывают на кредитный спред положительное воздействие.

Далее была оценена модель с детерминированными эффектами (прил. 5). Здесь регрессия является моделью в терминах отклонений от средних значений переменных. Для данной модели:

Это говорит о том, что в рамках данной оценки динамические различия слабее, чем межбанковские, то есть при оценке эффектов следует акцентировать внимание на внутрибанковские особенности каждого банка в отдельности. Переменные модели являются значимыми, кроме проблемных кредитов юридических и индекса HHI. Как и в предыдущей оценке, оказывают отрицательное воздействие на спред показатель неэффективности банка, показатель ликвидности, размер банка и ключевая ставка процента. К ним добавились оценки влияния проблемных кредитов юридическим и физическим лицам.

Далее был проведен анализ случайной регрессии как компромиссной между сквозной регрессией и моделью с детерминированными эффектами (прил.6). Для данной модели:

Все показатели кроме проблемных кредитов юридических лиц оказались значимыми. Отрицательное влияние в рамках модели оказывают ликвидность, размер банка, ключевая ставка, проблемные кредиты юридических лиц.

После построения модели с использованием трех различных регрессий, необходимо избрать максимально адекватную. В рамках этого были проведены тесты Вальда, Бройша-Пагана и Хаусмана (прил. 5, 7, 8 соответственно). Тесты сравнивали:

Тест Вальда - модель с фиксированными эффектами и сквозной регрессией. По результатам теста наилучшей является модель с фиксированными эффектами;

Тест Бройша-Пагана - модель со случайными эффектами и сквозной регрессии. По результатам теста наилучшей является модель со случайными эффектами;

Тест Хаусмана - модель со случайными и фиксированными эффектами. По результатам теста наилучшей является модель с фиксированными эффектами.

Соответственно, по результатам тестов наилучшей является модель с детерминированными эффектами. Следовательно, о гипотезах, выдвинутых в главе 2, можно сказать следующее:

Н₁: Риски кредитного портфеля влияет положительно - опровергнута;

Н₂: Риск ликвидности - влияет положительно - опровергнута. Риск ликвидности влияет отрицательно на величину кредитного спреда. Вероятнее всего, это связано с тем, что меньший показатель риска ликвидности свидетельствует о грамотном управлении банком;

Н₃: Риск процентной ставки влияет положительно - подтверждена;

Н₄: Индекс HHI влияет положительно - опровергнута;

Н₅: Операционная неэффективность влияет положительно - опровергнута. Такое влияние неэффективности банка можно обосновать тем, что неэффективные банки в любом случае действуют в рамках борьбы за клиента, что не позволяет им наращивать свою маржу;

Н₆: Отношение депозитов к обязательствам влияет положительно - опровергнута;

Н₇: Ключевая ставка Банка России влияет положительно - опровергнута;

Н₈: Инфляция влияет положительно - опровергнута;

Н₉: Размер банка влияет отрицательно - подтверждена;

Н₁₀: Отношение всех выданных кредитов к общим активам влияет положительно - опровергнута;

H₁₁: Отношение депозитов к общим обязательствам влияет положительно - опровергнута;

Н₁₂: Реальный ВВП влияет отрицательно - опровергнута.



Заключение

Результаты исследования соответствуют ряду тенденций, наблюдаемых в странах со схожим статусом развивающихся. В итоге оценки модели было обнаружено отрицательное влияние ключевой ставки, неэффективности банка (рассчитываемое как отношение операционных издержек к валовому доходу), кредитного риска, размера банка.

Отрицательное влияние ключевой ставки процента на кредитный спред можно связать с тем, что преимущественно ключевая ставка влияет на ставку по краткосрочным кредитам.

Внезапным результатом оказалось отрицательное влияние неэффективности банка. Предполагалось, что неэффективные банки покрывают свои увеличенные издержки путем переноса их на своих клиентов через увеличение кредитного спреда. Однако расчеты показали обратный эффект. Такое влияние неэффективности банка можно обосновать тем, что неэффективные банки в любом случае действуют в рамках борьбы за клиента, что не позволяет им наращивать свою маржу. Поэтому в итоге они несут меньший доход, но не увеличивают свой кредитный спред.

Выявленное отрицательное влияние кредитного риска можно обосновать тем, что банки не контролируют этот показатель при установлении кредитного спреда. То есть при условии высокой конкуренции на рынке, банки склонны принимать риски, при этом не меняя свою маржу.

Вполне ожидаемое отрицательное влияние размера банка на кредитный спред можно связать с экономией на масштабе. Таким образом большие банки более эффективны, и соответственно устанавливают меньший спред, при этом сохраняя свою рентабельность. Это также обусловлено конкуренцией на рынке.

Выявленные эффекты согласуются с общей структурой банковского рынка в России. Примечательно, что спред стремится к снижению в последние 5 лет. Тем не менее, банковский сектор - система со сложной структурой. Поэтому необходимо более глубокое исследование, которое принимало бы во внимание не только процентные ставки. Также в качестве мер по снижению кредитного спреда необходимо избегать экстремальных мероприятий, например, по более жесткой регламентации работы банков, повышению требований и порогов к кредитным учреждениям, а также по серьезным и резким изменениям важных показателей. Для более качественной структуры спреда необходимо оздоровление экономики в целом, в то время как радикальные меры будут контрпродуктивны.



Список литературы

Albertazzi U., Gambacorta L. Bank profitability and the business cycle //Journal of Financial Stability. - 2009. - Т. 5. - №. 4. - С. 393-409.

Allen L. The determinants of bank interest margins: a note //Journal of Financial and Quantitative analysis. - 1988. - Т. 23. - №. 02. - С. 231-235.

Afanasieff T. S. et al. The determinants of bank interest spread in Brazil //Money Affairs. - 2002. - Т. 15. - №. 2. - С. 183-207.

Angbazo L. Commercial bank net interest margins, default risk, interest-rate risk, and off-balance sheet banking //Journal of Banking & Finance. - 1997. - Т. 21. - №. 1. - С. 55-87.

Anzoбtegui D., Perнa M. S. M., Melecky M. Bank competition in Russia: An examination at different levels of aggregation //Emerging Markets Review. - 2012. - Т. 13. - №. 1. - С. 42-57.

Demirgьз-Kunt A., Huizinga H. Determinants of commercial bank interest margins and profitability: some international evidence //The World Bank Economic Review. - 1999. - Т. 13. - №. 2. - С. 379-408.

Ho T. S. Y., Saunders A. The determinants of bank interest margins: theory and empirical evidence //Journal of Financial and Quantitative analysis. - 1981. - Т. 16. - №. 04. - С. 581-600.

Fungбиovб Z., Poghosyan T. Determinants of bank interest margins in Russia: Does bank ownership matter? //Economic systems. - 2011. - Т. 35. - №. 4. - С. 481-495.

Fungбиovб Z., Solanko L., Weill L. Market power in the Russian banking industry //Economie internationale. - 2010. - №. 4. - С. 127-145.

Fungбиovб Z., Weill L. Does competition influence bank failures? //Economics of Transition. - 2013. - Т. 21. - №. 2. - С. 301-322.

Fungбиovб Z., Solanko L. Risk-taking by Russian banks: Do location, ownership and size matter? //Экономический журнал Высшей школы экономики. - 2009. - Т. 13. - №. 1.

McShane R. W., Sharpe I. G. A time series/cross section analysis of the determinants of Australian trading bank loan/deposit interest margins: 1962-1981 //Journal of Banking & Finance. - 1985. - Т. 9. - №. 1. - С. 115-136.

Memmel C., Schertler A. Banks' management of the net interest margin: Evidence from Germany. - 2011.

Saunders A., Schumacher L. The determinants of bank interest rate margins: an international study //Journal of international money and finance. - 2000. - Т. 19. - №. 6. - С. 813-832.

Valverde S. C., Fernбndez F. R. The determinants of bank margins in European banking //Journal of Banking & Finance. - 2007. - Т. 31. - №. 7. - С. 2043-2063.

Размещено на Allbest.ru

...