Al-Khazali et al. (2017) Al-Khazali O.M., Mirzaei A. (2017). The impact of oil price movements on bank non-performing loans: Global evidence from oil-exporting countries // Emerging Markets Review, Vol. 31, p. 193-208. рассматривают влияние цен на нефть на финансовую устойчивость банка на основе выборки из 30 стран крупнейших экспортеров нефти за период с 2000 по 2014 гг. Исследование в целом представляет выводы, аналогичные предыдущим статьям: увеличение достаточности капитала положительно сказывается на финансовой устойчивости банка, неэффективность банковской деятельности - отрицательно, размер банка - отрицательно, доля кредитов в ВВП страны также ослабляет финансовую устойчивость. Диверсификация банков не оказала значимого влияния на финансовую устойчивость. Снова подтверждается факт того, что при растущей экономике и низкой инфляции банки имеют большую финансовую стабильность. Уникальным выводом данной статьи является тот факт, что рост цен на нефть положительно сказывается на устойчивости банка, что на самом деле является логичным выводом, исходя из проанализированных ранее статей. Многие авторы статей пришли к выводу, что рост ВВП положительно сказывается на финансовой устойчивости банков. Для стран-экспортеров нефти продажа данного ресурса должна занимать значительную долю ВВП, поэтому рост цен на нефть логично оказывает положительное влияние на финансовую устойчивость банка.

Большинство исследований включают дамми переменные для проверки той или иной гипотезы, но помимо данного способа, авторы применяют метод разделения выборки на подвыборки для проверки результатов в рамках определенных групп. Так, например, Zheng et al. (2019) Zheng C., Cheung A., Cronje T. (2019). The moderating role of capital on the relationship between bank liquidity creation and failure risk // Journal of Banking & Finance, Vol. 108, Article 105651. рассматривают различия влияния факторов на подвыборках банков, сгруппированных по размеру.

Многие авторы разделяют свой анализ на предкризисный, кризисный и посткризисный периоды. Примером применения такого метода может стать исследование финансовой устойчивости Kim et al. (2020) Kim H., Batten J.A., Ryu D. (2020). Financial crisis, bank diversification, and financial stability: OECD countries // International Review of Economics & Finance, Vol. 65, p. 94-104. на основе анализа банковского сектора 34 стран членов ОЭСР в период с 2002 по 2012 гг. В качестве показателя финансовой устойчивости авторы используют показатель z-score.

Авторы приходят к выводу, что диверсификация структуры доходов положительно сказывается на финансовой устойчивости, но имеет нелинейную зависимость с финансовой устойчивостью, таким образом, после достижения некоторого оптимума, дальнейшая диверсификация будет негативно сказываться на финансовой устойчивости. Также авторы применяют такой показатель как концентрация депозитов в трех крупнейших банках страны и указывают на его отрицательное влияние на финансовую устойчивость, что можно объяснить тем, что такая концентрация увеличивает чувствительность банковского сектора к нестабильностям экономики. Увеличение объема кредитов относительно собственного капитала негативно сказывается на финансовой устойчивости, что можно объяснить через ослабление возможности банка покрыть возможную реализацию рисков за счет собственных средств, что также подтверждается отрицательной связью финансовой устойчивости и размера банка. Первый лаг рентабельности активов оказывает значительное положительное влияние на финансовую устойчивость банка, что может быть объяснено увеличением прибыльности банка.

Далее авторы проводят разграничение выборки на предкризисный, кризисный и посткризисные периоды для оценки влияния факторов на банковскую финансовую устойчивость в различных экономических состояниях страны. Разделение происходит путем умножения рассматриваемого фактора на дамми переменную, отвечающую за то или иное состояние экономики. Так авторы выявили, что диверсификация имела наибольшее положительное влияние на финансовую устойчивость в предкризисный период. Во время кризиса характер влияния не изменился, но уменьшилась сила влияния.

В рассмотренной ранее статье Jeungbo (2019) Jeungbo S. (2019). Loan portfolio diversification, market structure and bank stability // Journal of Banking & Finance, Vol. 104, p. 103-115. «по-честному» разделяется выборка на предкризисный, кризисный и посткризисный периоды и проверяется влияние факторов на финансовую устойчивость банка. Почти все факторы сохранили характер своего влияния на финансовую устойчивость, но многие факторы изменили силу своего влияния, а некоторые и вовсе утратили значимость. Так, например, уровень безработицы утратил значимость на предкризисном периоде, а рост ВВП оказывает значимое влияние как раз только на этом промежутке.

Помимо создания подвыборок на основе группировки по контрольным переменным, авторы также прибегают к группировке по основному рассматриваемому фактору, примененном в исследовании Maudos (2017) Maudos J. (2017). Income structure, profitability and risk in the European banking sector: The impact of the crisis // Research in International Business and Finance, Vol. 39, Part A, p. 85-101.. Анализ проводится на основе банковского сектора Европы в период с 2002 по 2012 гг. Используя модель с фиксированными эффектами, автор оценивает влияние различных факторов на финансовую устойчивость (z-score).

Исходя из исследования, увеличение диверсификации доходов оказывает понижающее воздействие на финансовую устойчивость банка, но достигается обратный эффект в кризисный период. Увеличение объема ссуд относительно активов оказывает значимое отрицательное влияние на финансовую устойчивость банка. Отношение собственного капитала к активам (достаточность капитала), наоборот, укрепляет финансовую устойчивость банка. Также автор выявил отрицательную зависимость между финансовой устойчивостью и неэффективностью банка (отношение операционных расходов к доходам) в предкризисный период, который объяснил тем, что данный показатель может отражать не столько неэффективность, т.к. банк может совершать расходы на захват новой доли рынка. Во время кризиса эффект нормализовался, и менее эффективные банки имели меньшую устойчивость.

Далее автор использует такой метод анализа, как разделение данных на подвыбрки и дополнительного исследования влияния факторов на финансовую устойчивость в рамках первого и четвертого квартилей по диверсификации доходов. Так, многие факторы, значимость которых была выявлена на общей выборке, подтвердилась на подвыборке четвертого квартиля, но почти все факторы оказались незначимы на подвыбоке первого квартиля.

В большинстве рассмотренных ранее работ при исследовании финансовой устойчивости банка авторы используют панельные модели с фиксированными эффектами. Но это не всегда так. Некоторые авторы используют в качестве показателя финансовой устойчивости его вероятность уйти в дефолт.

Примером такой работы может послужить исследование Halling (2008) Halling M., Hayden E. (2008). Bank Failure Prediction: A Two-Step Survival Time Approach // Bank for International Settlements, The IFC's contribution to the 56th ISI Session, Lisbon, Vol. 28, p. 48-73.. Автор использует логит-модель, применяемую Австралийским национальным банком, для исследования финансовой устойчивости банков Австралии. Для характеристики финансовой устойчивости банка автор включает в модель бинарную переменную, которая разграничивает устойчивые и неустойчивые банки. В качестве объясняющих переменных автор использовал значительное число показателей, которые можно объединить в следующие группы: характеристика банка, показатели кредитного риска, показатели структуры капитала, показатели прибыльности деятельности, качество менеджмента и макроэкономические показатели. Автор стремиться выявить факторы, влияющие на финансовую устойчивость, а далее построить модель, которая будет предсказывать дефолтное состояние банка. Среди показателей, не рассмотренных ранее, можно выделить показатель, характеризующий качество управления банка, который рассчитывается как отношение расходов на аппарат к валюте баланса.

Также авторы применяют модели со случайными эффектами, как это показано в работе Del Gaudio et al. (2020) Del Gaudio B., Megaravalli A.V., Sampagnaro G., Verdoliva V. (2020). Mandatory disclosure tone and bank risk-taking: Evidence from Europe // Economics Letters, Vol. 186, Article 108531., проводящих исследование финансовой устойчивости европейских банков в период с 2012 по 2017 гг. используя анализ текстовой информации. На основе текстовой информации рассчитывается показатель, отражающий разность позитивных и негативных слов в СМИ в адрес того или иного банка.

Авторы приходят к выводу, что банки с превалирующей долей позитивных высказываний имеют большую финансовую устойчивость. Также анализ показывает, что снижение качества кредитного портфеля, а также снижение эффективности деятельности банка отрицательно сказывается на финансовой устойчивости банка. Более того, подтверждается факт, что усиление концентрации в банковском секторе приводит к укреплению устойчивости каждого отдельного банка. Отличительной чертой данной работы является использование модели со случайными эффектами, что выделяет ее среди представленных.

2.2 Оценка финансовой устойчивости на примере банковского сектора России

Так как в рамках собственного исследования будут рассмотрены банки Российской Федерации, то важно рассмотреть работы, анализирующие российский банковский сектор. Исследования, направленные на определения характера влияния факторов на финансовую устойчивость банков России, в основном имеют описательный характер. Несмотря на это, для проведения дальнейшего исследования важно понимать, какие подходы к анализу финансовой устойчивости применяются для российского банковского сектора, а также существует ли страновая специфика, которая выделяет Россию среди рассмотренных ранее исследований.

Финансовую устойчивость банка российские авторы чаще всего оценивают, используя логит-модель, где в качестве показателя устойчивости отдельного банка применяют вероятность его дефолта.

К таким работам можно отнести статьи Karminsky (2014) Karminsky A., Kostrov A. (2014). Comparison of Bank Financial Stability Factors in CIS Countries // Procedia Computer Science, Vol. 312014, p. 766-772.^, Karminsky A, Kostrov A. (2014). The Probability of Default in Russian Banking // Eurasian Economic Review, Vol. 4, No 1.. В качестве факторов, влияющих на финансовую устойчивость, авторы выделяют следующие показатели: отношение капитала к активам (показатель достаточности капитала), рентабельность активов (показатель прибыльности деятельности банка), отношение просроченных кредитов к общему объему выданных экономике кредитов (показатель качества активов), отношение объема негосударственных акций к общему объему активов (показатель рыночного риска), логарифм активов (показатель размера банка). Также авторы оценивают нелинейность влияния факторов на устойчивость.

По итогам исследования были приведены следующие выводы: недостаточно и чрезмерно капитализированные банки обладают меньшей устойчивостью; аналогичный характер влияния на устойчивость оказывает рентабельность активов, т.к. очень прибыльные банки скорее всего берут на себя слишком большие риски, а низкая прибыль может свидетельствовать о неэффективности деятельности. Более того, авторы делают вывод, что как слишком малые, так и слишком крупные банки имеют большую вероятность дефолта, и менее устойчивы, как следствие. Ухудшение качества активов также приводит к ослаблению устойчивости банка. Увеличение объема негосударственных ценных бумаг относительно активов банка отрицательно сказывается на финансовой устойчивости банка, т.к. банк становится более подверженным изменениям цен на рынке ценных бумаг. Также авторы использовали индекс потребительских цен в качестве показателя, характеризующую макросреду. Данный показатель оказывает негативное влияние на финансовую устойчивость, что объясняется следующим: рост данного показателя разгоняет инфляцию, и, как следствие, снижает реальные поступления по кредитам. Также депозиты с большой долей вероятности будут переразмещены под более высокую ставку. В другой работе авторы повторно воспроизвели анализ на примере России, Республике Беларусь и Украине.

Еще одним примером оценки финансовой устойчивости российского банка при помощи логит-модели может стать статья Софроновой (2016) Софронова В.В. (2016). Финансовая устойчивость банков в условиях кризиса // Финансы и кредит, №20 (692).. В качестве показателя финансовой устойчивости автор использует переменную, которая принимает значение нуля для банков в состоянии дефолта, в противном случае - единица. В статье подчеркивается значимость рассмотрения активов, капитала, прибыли, резервов и рисков для рассмотрения устойчивости. Таким образом автор формирует следующий набор показателей: показатель зависимости от заемных средств (отношение разности собственного капитала и основных средств к привлеченным средствам), показатель чистого стабильного финансирования (отношение совокупности срочных депозитов к общему объему рисковых активов), показатель достаточности капитала, показатель качества кредитного портфеля (отношение сформированных резервов к объему выданных ссуд), показатель чистой ликвидности (отношение накопленной ликвидности к покупной), коэффициент левериджа (отношение капитала и активов банка), показатель активности кредитной политики (отношение размещенных средств к платным привлеченным), показатель качества ссуд (отношение объема просроченной задолженности к общему объему ссуд), показатель зависимости банка от привлеченных межбанковских кредитов, показатель ликвидности (отношение высоколиквидных активов к привлеченным средствам), показатель стабильности ресурсной базы (отношение доля долгосрочных депозитов в общем объеме депозитов банка), а также рентабельность активов и процентная маржа (отношение процентных доходов к объему ссуд физическим и юридическим лицам).

В итоге автор приходит к выводу, что отношение сформированных резервов к объему выданных ссуд оказывает отрицательное влияние на финансовую устойчивость, что можно объяснить тем, что резервы формируются для покрытия реализованных кредитных рисков, так как автор не использует лаг данной переменой. С другой стороны, это можно объяснить тем, что избыточное резервирования непременно приводит к потере прибыльности банка. Показатель чистой ликвидности банка также приводит к укреплению финансовой устойчивости, так как банк формирует подушку безопасности на случай непредвиденного требования исполнения обязательств. Рентабельность активов и процентная маржа имеют ожидаемое положительное влияние на финансовую устойчивость так как отражают эффективность банковской деятельности.

Иной подход к оценке влияния факторов на финансовую устойчивость банка используют Яшина и др. (2011) Яшина Н.И., Осипова Т.И., Шашкина М.Е. (2011). О влиянии собственного капитала на эффективность и устойчивость кредитной организации // Финансы и кредит, №32 (464). в своей работе. Авторы попарно сопоставляют показатели размера банка, рентабельности собственных средств и финансовой устойчивости при помощи коэффициентов взаимной сопряженности Пирсона К. и Чупрова А.А., которые отражают тесноту связи показателей.

В ходе исследования было выявлено, что ни рентабельность собственного капитала, ни размер банка не обладают очевидной зависимостью с финансовой устойчивостью банка, которую авторы оценивают посредством норматива достаточности капитала. Этот подход достаточно уникален, исходя из рассмотренных ранее статей, но недостаточно репрезентативен, так как отражает взаимосвязь только двух показателей, что может привести к неправильной интерпретации эффекта. Также этот метод не может выявить оказывает ли фактор положительное или отрицательное влияние на другой, а лишь говорит о присутствии или отсутствии взаимосвязи.

Pak (2019) Pak O. (2019). The impact of state ownership and business models on bank stability: Empirical evidence from the Eurasian Economic Union // The Quarterly Review of Economics and Finance, Vol. 71, p. 161-175. рассматривает финансовую устойчивость российских, белорусских и казахстанских банков в период с 2008 по 2016 гг. с помощью модели с фиксированными эффектами, построенной на основе панельных данных. В качестве показателя финансовой устойчивости используется показатель z-score. Автор также разбивает выборку на подвыборки (государственные, частные и иностранные банки), чтобы оценить характер и значимость влияния факторов на каждую группу.

На основе результатов модели получены следующие выводы: государственное владение банка (государство владеет более 50% акций) значительно увеличивает его финансовую устойчивость, что объясняется более легким доступом к государственному фондированию. Санкции (дамми, единица после 2015г, включительно) не оказывают значимого влияния на государственные и иностранные банки, но оказывают слабое негативное влияние на финансовую устойчивость частных банков. Данное явление можно снова объяснить более простым доступом к фондированию, что снижает дестабилизирующий эффект санкций для государственных и иностранных банков. Также нестабильность приводит к уменьшению доверия к частным банкам и оттоку депозитов. Размер банка (логарифм активов) также ослабляет финансовую устойчивость для всех банков, что объясняется принятием больших рисков. Рост объема выдач (рост выданных ссуд относительно предыдущего периода) также приводит к финансовой неустойчивости, что можно объяснить более агрессивной политикой, и как следствие, снижением стандартов выдаваемых кредитов. Также данный показатель не оказывает значимого влияния на государственные банки. Диверсификация дохода (доля непроцентного дохода в структуре доходов) положительно влияет на финансовую устойчивость иностранных банков, но негативно - на устойчивость государственных и частных, что объясняется меньшей изученностью данного способа генерации дохода для последних. Банковская капитализация (отношение собственного капитала к активам) укрепляет финансовую устойчивость банка на всех подвыборках. Рост ВВП оказывает отрицательное влияние на финансовую устойчивость, что может быть объяснено контрциклическим поведением банков. Рост инфляции приводит к ослаблению финансовой устойчивости, что может быть следствием снижения качества кредитов.

Подводя итоги проведенного обзора литературы, можно сделать следующие выводы:

· Для определения степени диверсификации авторы используют индекс Херфиндаля-Хиршмана, который рассчитывается как сумма квадратов долей каждого вида кредита в общем объеме кредитов. Другим способом является расчет доли фактора в общей совокупности.

· В качестве показателя финансовой устойчивости в большинстве статей используют z-score. Также применяется такой показатель как вероятность дефолта (как наиболее критичное состояние финансовой устойчивости). Второй показатель имеет место быть, но он отображает лишь экстремальное состояние финансовой неустойчивости. Поэтому в рамках исследования будет использован показатель z-score.

· В большинстве рассмотренных исследований используются панельные данные. В подавляющей части работ авторы использовали модели с фиксированными эффектами. Но также были применены модели со случайными эффектами и модели группового взвешенного метода наименьших квадратов. В рамках исследования нужно будет произвести выбор модели для построения анализа. Логит-модель не будет рассмотрена исходя из предыдущего пункта.

· Авторы применяют различные методы для улучшения качества анализа. Одним из наиболее часто представленных является разделение на подвыборки. Из представленных распределений могут быть выделены следующие группировки: по размеру банка, по временному отрезку, по квартилям диверсификации.

· На финансовую устойчивость банка оказывает влияние значительное число факторов. Авторы разделяют данные факторы на две основные категории: макроэкономические показатели и специфические банковские показатели. Сводная таблица показателей с составленной мной более детальной группировкой представлена в Приложении 1.

3. Построение эконометрической модели влияния диверсификации кредитного портфеля на финансовую устойчивость банка

Данная глава посвящена описанию результатов эмпирического исследования по теме работы. Сначала будут сформулированы и выдвинуты гипотезы, а также будут подобраны показатели, способные отразить гипотезу в модели, исходя из проанализированной ранее литературы. Далее будут представлено описание используемых данных и описательная статистика используемых регрессоров. Следующим шагом будет построение эконометрической модели и проверка гипотез. В завершение главы будет представлен анализ полученных результатов, на основе которого будут подготовлены рекомендации.

3.1 Формулировка гипотез и описание регрессоров

Первоначально требуется определить, как будет оценена финансовая устойчивость банка. В литературе применяются два основных метода: вероятность дефолта банка и z-score. В случае вероятности дефолта авторы используют бинарную переменную, которая принимает значение единицы для неустойчивых банков (в основном это состояние дефолта), в остальных случаях - ноль. Мы считаем данный метод неподходящим для проводимого исследования. Во-первых, рассматривается только критическое состояние финансовой неустойчивости банка, и в исследовании банки делятся на устойчивые и крайне неустойчивые. Во-вторых, даже если проставлять значение единицы не только для дефолтных случаев, но и по какой-либо иной логике, то метод все равно не позволяет разделить степень финансовой устойчивости банков. В-третьих, анализ таким способом непременно приведет к ситуации, когда большинство наблюдений будет соответствовать состоянию финансовой устойчивости, что может исказить результаты анализа. Если же будет предпринята мера по уравниванию долей дефолтных и недефолтных случаев в выборке, это также приведет к смещению результатов. Напротив, показатель z-score является комплексным показателем финансовой устойчивости, который позволяет оценить устойчивость банка в каждом моменте наблюдения.

Показатель z-score, также называемый как «расстояние до дефолта», рассчитывается следующим образом:

где ROA - рентабельность активов, рассчитываемая как отношение чистой прибыли к активам банка, CAR - показатель достаточности капитала, рассчитываемый как отношение собственного капитала банка к активам, STROA - показатель волатильности, рассчитываемый как среднее квадратическое отклонение рентабельности активов, рассчитанное на основе предшествующих двенадцати кварталов. Чем больше значение показателя z-score, тем более финансово устойчивым является банк. Используя этот показатель, мы имеем возможность комплексно рассмотреть финансовое состояние каждого банка в любой момент времени, а также сравнить состояние одного банка с другим.

Далее стоит определить, как будет оценена диверсификация кредитного портфеля банка. Как было рассмотрено во второй главе, в основном применяются два способа: Индекс Херфиндаля-Хиршмана и доля в общей совокупности.

Сначала рассмотрим индекс Херфиндаля-Хиршмана. Показатель рассчитывается как сумма квадратов долей представленности каждого типа ссуды в кредитном портфеле. В рамках работы данный показатель будет подсчитан по следующей формуле:

где ФК - объем кредитов, предоставленных физическим лицам, ЮК - объем кредитов, предоставленных юридическим лицам, МК - объем предоставленных межбанковские кредиты, К - суммарный объем кредитов в кредитном портфеле банка. Индекс принимает значение от нуля до единицы, где единица означает состояние полной концентрации в одном типе кредитов. Поэтому в качестве показателя диверсификации будет использован показатель, рассчитываемый как разность единицы и HHI. В большинстве рассмотренных работ авторы приходят к выводу, что увеличение диверсификации способствует укреплению финансовой устойчивости банка, так как банк посредством диверсификации своей деятельности также диверсифицирует свои риски и становится более устойчивым к шокам. Поэтому в рамках проводимого исследования ожидается аналогичный эффект.

Гипотеза 1: Увеличение диверсификации кредитного портфеля банка укрепляет его финансовую устойчивость.

Иным способом оценки диверсификации является определение доли фактора в общей совокупности. В рамках исследования будет рассмотрено влияние доли кредитов, предоставленных физическим лицам, очищенных от кредитов индивидуальным предпринимателям, в кредитном портфеле. Интерес к данному вопросу обусловлен двумя факторами. Во-первых, достаточно много исследований посвящено высокой доле концентрации ипотечных кредитов в кризис 2008 года. Во-вторых, в России в последнее время активными темпами растет потребительское кредитование, влияние которого на финансовую устойчивость банковского сектора вызвало споры между Министерством Финансов и Центральным Банком РФ. В рамках исследования ожидаем отрицательное влияние данного показателя на устойчивость по следующим причинам: кредиты физических лиц несут больший кредитный риск; увеличение их доли влечет за собой увеличение концентрации кредитного портфеля банка. Также можно ожидать, что данный эффект носит нелинейный характер и имеет различный эффект на банках с низкой и высокой концентрацией кредитов физических лиц. Более того, реализация рисков имеет отложенный характер, поэтому стоит рассмотреть лаг данной переменной.

Гипотеза 2: Увеличение доли кредитов, предоставленных физическим лицам, в кредитном портфеле негативно сказывается на финансовой устойчивости банка.

Более того, требуется определить список контрольных регрессоров, без которых невозможно провести адекватное исследование. В работах авторов, проанализированных во второй главе, представлен широкой спектр факторов, которые разделяются на макроэкономические факторы и специфические банковские факторы. Для проведения исследования регрессоры будут сгруппированы в более узкие группы, с целью улучшения качества анализа.

К первой группе будет отнесен размер банка, рассчитываемый как натуральный логарифм активов банка. Многие исследования предполагают два противоположных эффекта от размера. В первом случае, размер укрепляет финансовую устойчивость банка, что объясняется тем, что банк «слишком велик для неудачи». Крупные банки зачастую имеют меньше барьеров на пути к финансированию, имеют поддержку государства, более устойчивы к шокам. Вторая точка зрения, что крупные банки зачастую принимают на себя больше рисков, что ожидаемо сказывается на ухудшении финансовой устойчивости. Большинство авторов приходят к выводу, что вторая гипотеза подтверждается, поэтому в своем исследовании мы выдвигаем именно такую гипотезу.

Гипотеза 3: Увеличение размера банка приводит к ослаблению его финансовой устойчивости.

Во второй группе будет рассмотрена достаточность капитала банка. Данный показатель применяется в большинстве статей и рассчитывается как отношение собственного капитала к активам банка. Данной показатель действительно является важным при анализе финансовой устойчивости, так как является основным показателем надежности банка. Однако, в исследовании будет использован усложненный показатель, а именно норматив Н1.0, используемый Центральным банком РФ. В данном показателе активы взвешиваются по риску, также учитываются кредитный, операционный и рыночный риски. Достаточность капитала положительно сказывается на финансовой устойчивости банка, так как дает ему возможность покрыть свои финансовые потери за счет собственных средств, без ущерба клиентам.

Гипотеза 4: Увеличение достаточности капитала укрепляет финансовую устойчивость банка.

Следующей группа формирует показатели качества активов. Авторами рассматриваются два основных фактора, отражающих качество активов: отношение задолженности по кредитам, просроченной более 90 дней к общему объему выданных ссуд; отношение сформированных резервов на возможные потери к общему объему выданных ссуд. Мы полагаем, что в большинстве случаев у банка нет причин излишне формировать резервы, сверх обязательного объема, так как это сокращает величину чистой прибыли. Поэтому можно утверждать, что увеличение резервов - это в первую очередь следствие увеличение объема и глубины просроченной задолженности. Поэтому в исследовании будет рассмотрен показатель отношения задолженности по кредитам, просроченным более 90 дней к общему объему выданных ссуд, так как является первостепенной причиной. Предполагается, что увеличение данного отношения ведет к ухудшению финансовой устойчивости банка, так как ожидаемый денежный поток от возврата выданных кредитов уменьшается, а также существует вероятность и вовсе не получить ожидаемые денежные средства

Гипотеза 5: Увеличение уровня просроченной задолженности снижает финансовую устойчивость банка.

Далее рассмотрим показатели, характеризующие менеджмент банка. Данному вопросу не было уделено достаточного внимания в рассмотренных статьях. Примером такого показателя может послужить отношение расходов на аппарат относительно валюты баланса. Рост расходов может быть вызван успешной реализацией проекта либо расширением штата, что ожидаемо должно привести к увеличению финансовой устойчивости банка. Правда следует предполагать, что увеличение данного показателя будет иметь отложенный эффект, так как реализованные проекты или найм большего числа сотрудников не приведет к увеличению банковских показателей мгновенно.

Гипотеза 6: Увеличение расходов на аппарат относительно валюты баланса банка укрепляет финансовую устойчивость банка.

Следующая группа факторов характеризует прибыльность и эффективность деятельности банка. Первым показателем в данной группе будет отношение операционных расходов к активам банка. Увеличение данного отношения сигнализирует о менее эффективном использовании активов. Второй показатель рассчитывается как отношение операционных доходов к операционным расходам. Рост данного отношения свидетельствует о более эффективном использовании ресурсов банка. На наш взгляд, второй показатель более целостно отражает эффективность деятельности, так как в случае первого показателя будет неверно трактовано увеличение расходов, которое одновременно увеличивает доходы в большей степени. Увеличение эффективности деятельности приводит к укреплению финансовой устойчивости банка, так в таком случае последний генерирует больший денежный поток с меньшими издержками.

Гипотеза 7: Увеличение отношения операционных доходов к операционным расходам оказывает положительное влияние на устойчивость банка.

Еще одним важным контрольным фактором, оказывающим значительное влияние на финансовую устойчивость, является ликвидность. Многие авторы рассматривают данный показатель в своих работах, рассчитывая его, как отношение высоколиквидных активов к активам. Но нет единой точки зрения насчет очевидного влияния ликвидности на устойчивость банка. В одном случае утверждается, что увеличение ликвидности положительно влияет на устойчивость банка, так как банк способен в короткие сроки рассчитаться по обязательствам, если возникнут требования. В другом случае, ликвидность приводит к ухудшению финансовой устойчивости, если она избыточна, так как формирование ликвидных активов неизбежно приводит к потере прибыльности. Для оценки влияния ликвидности в рамках исследования снова будут использованы нормативы, разработанные Центральным Банком РФ. Текущая ликвидность (норматив Н3) рассчитывается как соотношение между активами и пассивами срок которых не превышает 30 дней, и регулирует риск потери ликвидности в течение этого срока. Таким образом, снижение текущей ликвидности приводит к ослаблению финансовой устойчивости. Далее будет рассмотрен показатель долгосрочной ликвидности (норматив Н4), регулирующий риск потери банком ликвидности в результате размещения средств в долгосрочные активы. Рост данного показателя свидетельствует о злоупотреблении долгосрочной ликвидностью относительно краткосрочных пассивов, поэтому будет оказывать негативное влияние на финансовую устойчивость. Так как оба данных показателя рассчитываются «наперед», то следует ожидать отложенный эффект данного фактора.

Гипотеза 8: Рост текущей ликвидности укрепляет финансовую устойчивость.

Гипотеза 9: Рост долгосрочной ликвидности оказывает негативное влияние на финансовую устойчивость.

Далее в модель будет включен еще один показатель, характеризующий банковскую ликвидность, рассчитываемый как отношение выданных ссуд к привлеченным депозитам. Данный показатель характеризует степень покрытия предоставленных банком кредитов за счет привлеченных депозитов. Рост данного отношения свидетельствует о снижении данного покрытия и уровня ликвидности банка, что негативно сказывается на финансовой устойчивости последнего, как следствие.

Гипотеза 10: Увеличение объема выданных ссуд относительно привлеченных депозитов отрицательно влияет на финансовую устойчивость.

Помимо специфичных банковских характеристик существуют внешние факторы, которые оказывают воздействие на всю банковскую систему, и как следствие, на каждый отдельный банк. Далее рассмотрим основные макроэкономические факторы, оказывающие влияние на финансовую устойчивость банка. Основным макроэкономическим показателем, который используют авторы в своих работах, является рост ВВП. Данный показатель отражает состояние экономики, а рост ВВП показывает ее активность, что положительно влияет на финансовую устойчивость банка. Однако, в одной из рассмотренных статей, обозревающих российский банковский сектор, был приведен пример отрицательного влияния роста ВВП на финансовую устойчивость, что объяснялось контциклическими мерами. В проводимом исследовании будем ожидать положительного эффекта, как и в большинстве рассмотренных статей.

Гипотеза 11: Рост ВВП укрепляет финансовую устойчивость банка.

Вторым популярным макроэкономическим показателем является уровень безработицы. Авторы сходятся во мнении, что увеличение уровня безработицы приводит к ослаблению финансовой устойчивости. Данный факт можно объяснить с разных сторон. Во-первых, рост уровня безработицы непременно свидетельствует о снижении платежеспособности клиентов банка, увеличению объема просроченной задолженности. Во-вторых, рост уровня безработицы говорит о спаде в экономике, что приведет не только к росту пророченной задолженности не только на уровне физических лиц, но и юридических. Банки столкнуться с большими рисками при выдаче кредитов в нестабильной экономической конъюнктуре.

Гипотеза 12: Рост уровня безработицы отрицательно влияет на финансовую устойчивость.

Следующим макроэкономическим показателем, который стоит включить в модель, является индекс потребительских цен. Данный индекс может свидетельствовать о снижении платежеспособности клиента даже при условии неизменных макропоказателей, рассмотренных выше.

Гипотеза 13: Рост индекса потребительских цен негативно сказывается на финансовой устойчивости банка.

3.2 Построение эконометрической модели и описание результатов

Для исследования были использованы данные информационного агентства Мобиле ИАС Банки и Финансы информационного агентства «Мобиле» , а также данные Центрального Банка РФ Статистика Центрального Банка [Электронный ресурс]: Центральный Банк Российской Федерации // Режим доступа: URL: https://www.cbr.ru/statistics/ для построения специфических банковских факторов. Макроэкономические показатели были рассчитаны на основе данных Федеральной службы государственной статистики Официальная статистика [Электронный ресурс]: Федеральная служба государственной статистики // Режим доступа: URL: http://www.gks.ru/ . В исследовании будет рассмотрен временной промежуток с 2010 по 2019 гг., чтобы включить в выборку только те банки, которые смогли выдержать кризис 2008 года. В исследовании рассматриваются поквартальные данные по двум причинам: помесячные данные могут быть менее надежными; некоторые макроэкономические показатели предоставляются только в поквартальном виде.

Банки будут проранжированы по объему кредитов, предоставленных физическим лицам, в 2010 году, далее будут отобраны первые 250 банков из полученного списка. Данный метод отбора обоснован двумя основными причинами: во-первых, таким образом отсекаются очень малые банки, данные которых очень волатильны и могут исказить результаты; во-вторых, группировка по объему кредитов, предоставленных физическим лицам, требуется для проверки второй гипотезы. Результаты будут релевантны для всего банковского сектора РФ, так как суммарный объем активов выбранных банков занимает более 80% активов банковского сектора в 2010 году, и более 90% в 2019 году. Со списком банков, отобранных для исследования, можно ознакомиться в Приложении 2.

Также важным моментом является то, что банки были отобраны по состоянию на 2010 года, а не на 2019. Используя такой метод, представляется возможным рассмотреть весь спектр банков: как банки, просуществовавшие до 2019 года, так и те, которые не смогли продолжать свою деятельность, утратив финансовую устойчивость. Используя в качестве основы выборку банков 2019 года, исследование строилось бы только на тех банках, которые смогли пережить кризис 2014, введение санкций против РФ, а также всех иных экономических, политических и макроизменений конъюнктуры банковского сектора и страны в целом, что привело бы к смещению анализа в сторону финансово устойчивых банков. Данный вывод подтверждает тот факт, что из первоначально выбранных 250 банков, в последнем рассматриваемом квартале сохранилось всего 173. Применение данного метода непременно приводит к несбалансированности выборки, но включение данных банков критически важно для проведения исследования финансовой устойчивости.

Следующим шагом был анализ полученных данных для подготовки к дальнейшему исследованию. Была проведена проверка на наличие выбросов и их последующее исключение. С целью сглаживания большой волатильности переменных был использован метод логарифмирования. Описательная статистика использованных регрессоров представлена Таблице 2.

Таблица 2

Описательная статистика используемых регрессоров

Источник: составлено автором

Расшифровка регрессоров: Z-score - натуральный логарифм z-score; Diversification - натуральный логарифм доли кредитов, предоставленных физическим лицам, в портфеле (исключая кредиты, предоставленные индивидуальным предпринимателям); HHI - натуральный логарифм разности единицы и Индекса Херфиндаля-Хиршмана для кредитов по типу заемщика в портфеле банка; Size - натуральный логарифм величины активов банка; Н1 - натуральный логарифм норматива достаточности капитала; NPL - натуральный логарифм «неработающих» ссуд, рассчитываемых как отношение кредитов, просроченных более 90 дней, к общему объему ссуд; Management - натуральный логарифм отношения расходов на аппарат и валюты баланса; CIR - натуральный логарифм отношения операционных расходов к операционным доходам; Н3 - натуральный логарифм норматива текущей ликвидности; Н4 - натуральный логарифм норматива долгосрочной ликвидности; LD - натуральный логарифм отношения объема выданных ссуд к объему привлеченных депозитов; Unemployment - натуральный логарифм уровня безработицы; GDP - натуральный логарифм роста ВВП, относительно предыдущего периода; CPI - натуральный логарифм индекса потребительских цен.

Приступим к построению модели. Ранее были предоставлены аргументы, что модели бинарного выбора не подходят для данного анализа, так как отражают финансовую устойчивость не полностью, а лишь ее экстремальные значения. Поэтому будем использовать модели, основанные на панельных данных. Панельные данные предпочтительны для данного исследования из-за их свойства сочетать возможность анализа как пространственных наблюдений, так и временных рядов, предоставляя возможность отслеживать индивидуальные особенности каждого отдельного банка во времени.

Для дальнейшего анализа требуется произвести спецификацию модели. В качестве альтернатив будут рассмотрены: модель сквозной регрессии, модель со случайными эффектами и модель с фиксированными эффектами. Результаты моделей представлены в Таблице 3.

Чтобы определить, какая из моделей является наиболее подходящей для построения регрессии были проведены тесты Бриша-Пэгана, Хаусмана и Вальда. Результаты проведенных тестов показывают, что модель с фиксированными эффектами является наиболее предпочтительной. Данное заключение довольно ожидаемо, так как вполне логично предполагать, что каждый банк имеет свои индивидуальные, ненаблюдаемые особенности, неизменные во времени.

Уравнение регрессии в общем виде представлено в следующей форме:

где - вектор специфических банковских характеристик, - вектор переменных, характеризующих макроэкономическое состояние, - фиксированные эффекты.

Следующим шагом будет тестирование наличия гетероскедастичности в модели. Проведенный тест выявил наличие групповой гетероскедастичностив модели, поэтому в дальнейшем анализе будем использовать робастные стандартные ошибки.

Также с целью предупреждения возможных проблем эндогенности в модели, все регрессоры, характеризующие банковскую специфику и диверсификацию будут использованы с лагом в один период.

Таблица 3

Выбор спецификации модели

Источник: составлено автором с использованием эконометрического пакета Gretl

Далее проанализируем корреляционную матрицу рассматриваемых регрессоров, которая представлена в Таблице 4. Можно заметить тесную связь между показателем диверсификации, рассчитываемым с помощью индекса Херфиндаля-Хиршмана и диверсификацией, рассчитываемой как доля кредитов, предоставленных физическим лицам, в портфеле. Для дальнейшего анализа разделим эти два показателя в моделях.

Таблица 4

Корреляционная матрица использованных регрессоров

Источник: составлено автором с использованием эконометрического пакета Gretl

Модель может быть улучшена путем включения в нее лагов или приростов используемых переменных. Использование робастных ошибок привело к потере значимости влияния показателей, характеризующих ликвидность банка и качество его активов, поэтому проведем преобразования для данной группы факторов. Дополнительно проверим, существует ли нелинейная зависимость между диверсификацией и финансовой устойчивостью банка. Для этого в модель будет включен квадрат переменной, отражающей долю кредитов, предоставленных физическим лицам, в кредитном портфеле банка. Результаты представлены в Таблице 5. Проведенный F-тест на значимость уравнения в целом, подтверждает значимость обоих уравнений на 1% уровне.

Эффект влияния большинства рассматриваемых регрессоров на финансовую устойчивость банка подтверждает поставленные ранее гипотезы. Исходя из результатов построенных регрессий выявлена отрицательная, значимая на 1% уровне зависимость между долей кредитов, предоставленных физическим лицам (регрессор Diversification), и финансовой устойчивости банка, что подтверждает выдвинутую Гипотезу 1. Также можно говорить о некоторой нелинейной связи данного показателя (регрессор Diversification-squared) и устойчивости, значимой на 1% уровне. Рост доли сначала приводит к ослаблению финансовой устойчивости, но в дальнейшем приводит к укреплению устойчивости. Данный факт можно трактовать как образование некоторой специализации банка, направленной на кредитование физических лиц. Специализированные банки более подготовлены к возможным рискам данной группы кредитов, а также имеют особые модели проверки заемщиков. Для «новичков» в данном сегменте будет трудно контролировать качества кредитного потока, что приведет к ослаблению финансовой устойчивости. Однако, коэффициент при квадрате доли кредитов физических лиц крайне мал, поэтому можно упростить вывод до линейной разнонаправленной взаимосвязи между увеличением доли кредитов физических лиц в портфеле и финансовой устойчивостью банка.

Показатель диверсификации кредитного портфеля (регрессор HHI), рассчитанный при помощи индекса Херфиндаля-Хиршмана, также является значимым на 1% уровне, но в отличие от предыдущего показателя, укрепляет финансовую устойчивость банка (положительный знак при коэффициенте), что также подтверждает выдвинутую Гипотезу 2. Более диверсифицированный портфель делает банк более подготовленным в случае изменения экономической конъюнктуры, а также более устойчивым к шокам. Различное влияние двух рассмотренных ранее показателей не является противоречивым, так как рост Diversification характеризует увеличение концентрации портфеля, а рост HHI - увеличение рассредоточенности.

Таблица 5

Анализ влияния факторов на финансовую устойчивость

Источник: составлено автором с использованием эконометрического пакета Gretl

Результаты модели подтверждают Гипотезу 3. Рост размера банка (регрессор Size) на 1% уровне значимости приводит к ослаблению его финансовой устойчивости (отрицательный знак при коэффициенте), что вызвано принятием больших рисков, что соответствует результатам многих исследований авторов, рассмотренных во второй главе. Выдвинутая Гипотеза 4 подтверждается в ходе проведенного анализа. Достаточность капитала банка (регрессор H1) укрепляет его устойчивость (положительный знак при коэффициенте) также на 1% уровне значимости, что является достаточно ожидаемым результатом, так как капитал банка - это «подушка безопасности» на случай возникновения потерь, размер капитала относительно активов свидетельствует о том, какую величину потерь банк сможет покрыть за свой счет. Рост неработающих ссуд в портфеле (регрессор NPL growth rate) оказывает негативное влияние (отрицательный знак при коэффициенте) на финансовую устойчивость на 10% уровне значимости для Модели1 и на 5% уровне значимости для Модели 2, подтверждая Гипотезу 5. Данный показатель напрямую влияет на поток денежных поступлений в банк, снижая прибыльность деятельности. Рост данного показателя также может свидетельствовать о несовершенной модели проверки заемщиков, и данный рост может материализоваться в еще больший рост в будущем. Увеличение расходов на аппарат относительно валюты баланса (регрессор Management), которое трактуется в исследовании как успешная реализация какого-либо проекта или увеличение самого аппарата, укрепляет финансовую устойчивость банка (положительный знак при коэффициенте) на 5% уровне значимости для Модели 1, и на 1% уровне значимости для Модели 2. Качество менеджмента напрямую влияет на «здоровье» и последовательное исполнение стратегии банка. Таким образом, Гипотеза 6 находит подтверждение в проведенном исследовании. Показатель эффективности банковской деятельности (регрессор CIR), рассчитываемый как отношение операционных расходов к операционным доходам, отражает степень неэффективности и ослабляет финансовую устойчивость банка. Неэффективная деятельность напрямую влияет на финансовый результат банка, который является одной из основных составляющих его устойчивости. Данный показатель оказывает значимое 1% уровне негативное воздействие (отрицательный знак при коэффициенте) на финансовую устойчивости, подтверждая выдвинутую Гипотезу 7.

Проведенные преобразования показателей ликвидности банка (регрессоры Н3 и Н4) не смогли привести к его значимости в модели. Данный факт не стоит трактовать как отсутствие влияния ликвидности на финансовую устойчивости банка. Скорее всего, влияние данного показателя могло быть собрано другими показателями модели. Более того, можно предположить, что банки имеют возможность искусственно контролировать данный норматив, что не всегда говорит о реальной ситуации в банке. Таким образом, выдвинутые Гипотезы 8 и 9 не смогли быть проверены в рамках исследования

В противоположность Гипотезе 10, показатель ликвидности (регрессор LD), рассчитываемый как отношение выданных ссуд к привлечённым депозитам, оказывает положительное влияние (положительный знак при коэффициенте) на финансовую устойчивость банка на 1% уровне значимости. Несмотря на противоречие гипотезе, данное влияние тоже вполне ожидаемо. Увеличение данного показателя свидетельствует об активности кредитной политики банка, принимая риски, банк увеличивает объем предоставляемых ссуд, что при прочих равных, увеличивает его финансовый результат.

Влияние макроэкономической конъюнктуры на финансовую устойчивость банка также соответствует выдвинутым Гипотезам 11 и 12, и подтверждает выводы авторов из рассмотренных работ. Рост ВВП (регрессор GDP) оказывает укрепляющее воздействие (положительный знак при коэффициенте) на финансовую устойчивость банка, значимость влияния на 1% уровне. Рост уровня безработицы (регрессор Unemployment) оказывает ослабляющее воздействие (отрицательный знак при коэффициенте) на финансовую устойчивость банка, значимость влияния на 1% уровне. Банки более устойчивы в период роста экономики и снижения уровня безработицы. Данный факт может объясняться тем, что рост экономики также увеличивает спрос на кредиты, что позволяет банкам масштабировать свою деятельность. Также в период роста и снижения уровня безработицы, качество кредитов предполагается более высоким, при прочих равных.

Рост индекса потребительских цен не оказывает значимого влияния на финансовую устойчивость банка, что сделало невозможным проверку Гипотезы 13. Данный факт также может быть объяснен вбиранием эффекта другими макроэкономическими факторами в модели.

Многие авторы в своих исследованиях используют такой прием, когда выбора разделяется по временному признаку, например, до и после кризиса, чтобы выявить различия во влиянии факторов в условиях изменившейся экономической конъюнктуры. Для России в рассматриваемом временном промежутке есть событие, разделяющее на «до и после», а именно конец 2014 года и последовавшие за ним валютный кризис и санкции против РФ. Переход к плавающему курсу, и последовавшее колоссальное падение рубля, перекрытие доступа к дешевому зарубежному фондированию и последующий рост его стоимости на внутреннем рынке, вылившиеся в проблемы с капиталом и ликвидностью, отток депозитов, рост просроченных и невозвратных кредитов, в том числе и от крупных корпоративных клиентов, возросшие требования к капиталу и продолжающаяся «зачистка» банковского сектора со стороны Центрального банка, все это выпало на 2014-2015 гг. Перешагнув этот тяжелый этап, банки продолжили существовать в новой парадигме, отличающейся от предыдущего состояния банковского сектора.