Влияние пропорционального регулирования на устойчивость российских банков

Таблица 3.

Методика расчета показателя Z-score

Источник: расчеты автора, методология banki.ru

Суммарный объем активов был рассчитан с помощью методологии banki.ru, где перечислены коды из 101 формы отчетности ЦБ РФ, необходимые для определения активов (Приложение 2).

Гистограмма распределения Z-score после удаления выбросов на основании box plot (Приложение 3) представлена на Рисунке 3. Первоначально распределение Z-score скошено вправо.

Рисунок 3. Распределение Z-score

Взятие натурального логарифма Z-score, часто применяемое в литературе при использовании данной метрики стабильности, позволяет избавиться от скошенности распределения. Распределение натурального логарифма Z-score представлено на Рисунке 4. По рисунку видно, что распределение близко к натуральному, симметрично.

Рисунок 4. Распределение натурального логарифма Z-score

Источник: расчеты автора

В качестве независимый переменных выступают 3 группы факторов: метрики CAMELS, факторы, отвечающие за особенности банка, макроэкономические переменные Z_it. Включение показателей CAMELS обусловлено тем, что данная методология, описанная в разделе 2.2 включает комплекс факторов, влияющих на банковскую устойчивость. Чтобы установить влияние пропорционального регулирования на Z-score необходимо проконтролировать детерминанты устойчивости банка. Уравнение регрессии имеет вид:

В качестве метрики C из CAMELS используется норматив Н1.0 - норматив достаточности собственных средств, обязательный как для банков с универсальной, так и для банков с базовой лицензией. Данная прокси C используется как в научной литературе, так и в УБР №4336. Значения показателя взяты их 135 формы отчетности ЦБ РФ. До 01.01.2014 включительно используется общий норматив достаточности капитала Н1, после вводятся несколько нормативов достаточности капитала. Следовательно, до 01.01.2014 взяты данные по Н1, затем - по Н1.0.

В качестве метрики А был взят показатель резервирования кредитного портфеля (Res to loans), рассчитанный как отношение РВПС к балансовой величине кредитного портфеля до резервов. Данный показатель используется как в научной литературе для расчета А, так и в УБР №4336. Величины резервов и кредитного портфеля были рассчитана на основе методологии banki.ru путем суммирования ряда статей с использование 101 формы отчетности ЦБ РФ (Приложение 2).

Для оценки эффективности работы менеджмента или показателя М был использован показатель процентных расходов по депозитам к суммарному объему депозитов. Он отражает стоимость привлечения средств на рынке менеджерами банка, а значит, показывает эффективность работы менеджмента. Показатель процентных расходов был рассчитан на основе 102 формы отчетности с использованием методологии куап.ру, а суммарный объем депозитов - на основе 101 формы отчетности с использованием методологии banki.ru путем суммирования ряда статей (Приложение 2).

В качестве E была рассчитана чистая процентная маржа (NIM), поскольку она отражает размер чистого процентного дохода относительно суммарного объема активов, которые потенциально могут приносить процентный доход. Показатель чистого процентного дохода рассчитан с помощью методологии куап.ру, на основе 102 формы отчетности ЦБ РФ. Средняя балансовая величина процентных активов рассчитана на основе 101 формы отчетности путем сложения статей баланса, приносящих банку процентный доход (Приложение 2).

В качестве показателей ликвидности и фондирования L используются нормативы Н2, Н3 и Н4. Первые 2 норматива представляют собой отношение резервов ликвидности к потенциальным оттокам ликвидности из-за нестабильных источников фондирования. Норматив Н4 представляет собой отношение имеющегося фондирования к длинным активам, требующим такого фондирования. При этом, исходя из предшествующего анализа установлено, что для банков с базовой лицензией обязателен только норматив Н3, поэтому он будет использован в основных регрессионных уравнениях. Значения данных нормативов были взяты из 135 формы отчетности ЦБ РФ.

Для метрики S используется размер банка как прокси для чувствительности к рыночному риску, измеренный отношением активов банка к активам всего банковского сектора. Показатель активов рассчитан на основе методологии banki.ru путем суммирования ряда статей из 101 формы отчетности (Приложение 2).

Показатели CAMELS без учета правильного контекста не являются в достаточной степени показательными Корпоративный университет Сбербанка. Банковское дело и финансы [Электронный ресурс]. Контекстом могут служить особенности самого банка. В связи с чем, необходимо учитывать, во-первых, бизнес-модель банка (по видам финансовых операций) и, во-вторых, динамику финансовых показателей. В качестве метрики бизнес-модели (Business Model) банка используется показатель объема кредитов в суммарных активах банка. Данная метрика показывает, какая доля активов задействована в кредитовании и, соответственно, помогает установить характер деятельности банка. Динамика деятельности банка может быть измерена с помощью показателя темпа прироста активов (Asset Growth), который рассчитывается на текущий квартал по сравнению с предыдущим.

В-третьих, контекст применения методологии CAMELS включает и учет макроэкономической среды. Поскольку период наблюдения достаточно большой, необходимо учесть макроэкономические изменения, которым подвергается банковская система. Для этого в модель включаются показатели темпа инфляции, темпа прироста ВВП, ключевой ставки. Темп роста ВВП был рассчитан на основе данных Росстата. Темп инфляции измеряется с помощью Индекса Потребительских Цен (ИПЦ) к предшествующему кварталу. Используются данные Росстата. Ключевая ставка была взята с сайта Центрального Банка.

Поскольку целью данной работы является исследование влияния пропорционального регулирования на устойчивость банков, научный интерес представляет переменная Regulation, отвечающая за пропорциональное регулирование. Данная дамми-переменная равна 1 в случае, если в стране действует пропорциональное регулирование и равна 0 в противном случае. Как было определено из предшествующего анализа, пропорциональное регулирование действует в России с 1 января 2019 года. То есть переменная Regulation равна 1 на протяжении 4 кварталов 2019 года для группы банков с базовой и универсальной лицензией. Для подгруппы СЗКО, исходя из ранее проведенного анализа, переменная Regulation равна 1 с первого квартала 2016 года.

Предполагаемое влияние факторов на Z-score указано в Таблице 4. Знак при переменной Regulation может розниться в зависимости от типа лицензии: мы предполагаем, что для банков с универсальной лицензией и СЗКО он должен быть положительным, для базовой - отрицательным. Мы предполагаем, что чем лучше капитализирован банк, тем он более устойчив, так как больший капитал способен абсорбировать больший объем потерь (Laeven, 2009). При низкой ликвидности, если вкладчики потребуют возврат средств, устойчивость банка пошатнется, поэтому мы предполагаем, что более ликвидные банки в целом более устойчивы (Ghenimi, 2017). Однако, при наличии в банке излишней ликвидности, банк недоиспользует свои средства, что отрицательно сказывается на доходности и может повлиять на устойчивость (Hassan, 2019).

Чем выше уровень резервирования кредитного портфеля, тем выше уровень кредитных рисков, принятых банком, следовательно, тем ниже устойчивость (Phan, 2019). Мы предполагаем, что чем более эффективен банк с точки зрения использования активов, тем он потенциально более устойчив (Ghenimi, 2017). Чем выше уровень отношения процентных расходов по депозитам к суммарному объему депозитов, тем банк менее устойчив, поскольку он не может привлекать средства под более низкие процентные ставки. В соответствии с предыдущими работами (Иihбk, 2016) предполагаем, что влияние размера на Z-score не одинаково для банков: для крупных банков оно положительное, для малых - отрицательное.

Чем выше темп роста активов, тем банк может быть менее устойчив из-за отсутствия достаточного контроля и мониторинга, так как данная метрика отражает риск-аппетит банка (Schaeck, 2010). Влияние бизнес-модели банка представляется неоднозначным, так как в эмпирических исследованиях данная переменная зачастую статистически не значима (Yin, 2019).

В соответствии с ранее проведенными исследованиями (Phan, 2019, Amidu, 2020) ожидаем, что знак при темпе роста ВВП отрицательный, то есть банки в период более высокого роста менее стабильны, так как банки наращивают свою активность, жертвуя качеством кредитного мониторинга, что приводит к снижению стабильности. Однако довольно часто при исследовании развивающихся стран ВВП не влияет на банковскую стабильность (Al-Shbou, 2020; Mutarindwa, 2020). Также существуют и исследования, находящие положительную взаимосвязь между темпом прироста ВВП и стабильностью (Yin, 2019). Предполагаем, что умеренная инфляция способствует увеличению стабильности, так как способствует увеличению бизнес-активности, увеличению спроса на кредитование, что приводит к росту доходности от выданных кредитов и увеличению стабильности (Phan, 2019; Mutarindwa, 2020). Влияние ключевой ставки представляется неоднозначным.

Таблица 4.

Предполагаемое влияние независимых переменных на устойчивость банка

3.2 Предварительный анализ данных

Описательные статистики используемых переменных представлены в Таблице 5. Как видно из таблицы имеется 15105 наблюдений по всем банкам. Однако присутствуют выбросы, которые при дальнейшем анализе будут удалены.

Таблица 5.

Описательные статистики

Источник: расчеты автора

С помощью корреляционного анализа для всех банков проведем проверку взаимосвязей между переменными, которые были теоретически обоснованы в предшествующей главе (Приложение 11).

Корреляция между переменной регулирования и логарифмом Z-score равна -0.0332. Отрицательная и статистически значимая на любом разумном уровне значимости связь может свидетельствовать о падении устойчивости после введения пропорционального регулирования. Однако такой результат может объясняться оценкой корреляции на выборке из всех банков, для которых наблюдается разнонаправленное влияние регулирования на устойчивость. Достаточность капитала и ликвидность (измеренная нормативом Н4) положительно коррелированы с устойчивостью и эта взаимосвязь значима, что согласуется с теоретическим обоснованием, приведенным выше. Отношение резервов к суммарным активам отрицательно коррелировано с логарифмом Z-score, что также согласуется с теоретическим обоснованием. Переменная размера относительно всего сектора положительно коррелированы с логарифмом Z-score на выборке из всех банков. Переменная роста активов значимо отрицательно коррелирована с устойчивостью, что согласуется с теоретическим обоснованием. Бизнес-модель положительно значимо коррелирована с логарифмом Z-score. Коэффициент корреляции таких макроэкономических переменных как ключевая ставка и темп прироста ВВП не значимы, а положительный значимых коэффициент корреляции при переменной инфляции говорит об увеличении устойчивости при росте инфляции.

Для того, чтобы до проведения регрессионного анализа установить, как повлияло введение пропорционального регулирования на банки с разными типами лицензии рассчитаем среднее значение Z-score до и после введения пропорционального регулирования. В целом из графика видно (Рисунок 5), что после введения пропорционального регулирования значение Z-score для большинства банков с универсальной лицензией стало выше.

Рисунок 5. Среднее значение Z-score для банков с универсальной лицензией

Источник: расчеты автора

Исходя из Рисунка 6 в группе СЗКО только для 2 банков среднее значение Z-score не увеличилось после введения пропорционального регулирования.

Рисунок 6. Среднее значение Z-score для СЗКО

Источник: расчеты автора

Ранее мы предполагали, что устойчивость банков с базовой лицензией должна снизиться, а значит среднее значение Z-score для каждого банка должно упасть, однако на Рисунке 6 такой динамики не наблюдается. Мы не можем утверждать, что этот эффект наблюдается только за счет изменения регулирования, для точного установления влияния регулирования на устойчивость необходимо провести регрессионный анализ с учетом всех факторов. Тем не менее данные графики не противоречат выдвинутым в начале исследования гипотезам для разных групп банков.

Рисунок 6. Среднее значение Z-score для банков с базовой лицензией

Источник: расчеты автора

3.3 Регрессионный анализ

Оценим регрессионное уравнение для всей подгруппы банков, удалив выбросы по некоторым переменным на основании box plots (Приложение 3). В качестве метрики ликвидности будем использовать норматив Н3, так как после введения пропорционального регулирования для банков с базовой лицензией только этот норматив ликвидности стал обязательным. Для начала оценим модель pooled, а затем модели fixed и random effects (FE и RE соответственно), так как данные представляют собой панель и необходимо учитывать индивидуальные характеристики банков, постоянные во времени и не включенные в регрессионное уравнение непосредственно. Уравнение регрессии с учетом ненаблюдаемых индивидуальных эффектов имеет вид:

,

где ,

,

Результаты построения моделей представлены в Таблице 6, где (1) - сквозная регрессия, (2) - модель с фиксированными эффектами, (3) - модель со случайными эффектами.

Таблица 6.

Результаты построения моделей для всех банков

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

Источник: расчеты автора

Использование сквозной регрессии в случае панельных данных не дает возможности учесть индивидуальные эффекты, поэтому лучше модели со случайными и фиксированными эффектами. Проведем тестирование на выбор между моделями с помощью:

1. Теста Вальда - для выбора между FE и сквозной регрессией;

2. Теста Бройша-Пагана - для выбора между RE и сквозной регрессией;

3. Теста Хаусмана - для выбора между FE и RE.

По результатам тестирования между FE и сквозной регрессией выбирается FE, между RE и сквозной регрессией выбирается RE и при сравнении FE и RE лучше модель с фиксированными эффектами (Приложение 4).

Модель FE (3) была протестирована на наличие мультиколлинеарности и гетероскедастичности. По результатам показателя VIF из-за мультиколлинеарности были удалены переменные ключевой ставки и бизнес-модели, по результатам модифицированного теста Вальда в модели присутствует гетероскедастичность, которую можно устранить при помощи использования оценок Уайта для дисперсий коэффициентов. Модель с учетом гетероскедастичности и мультиколлинеарности представлена в таблице под номером (4). Коэффициент при переменной Regulation статистически значим на 5% уровне значимости и отрицателен, что говорит о том, что на выборке из всех банков после введения пропорционального регулирования устойчивость банков снизилась. Так как анализируется модель в полулогарифмической форме, то после введения пропорционального регулирования устойчивость банков, измеренная Z-score, в среднем уменьшилась на 7.82%. Теперь необходимо меньше стандартных отклонений доходности, чтобы исчерпать весь капитала банка.

Стоит учесть, что исследуемая выборка неоднородна и введение пропорционального регулирования по-разному могло повлиять на банки с универсальной и базовой лицензией, поскольку регуляторные изменения, описанные в предшествующих главах были разнонаправленными. Проверим гипотезу о наличии единой зависимости между двумя подвыборками с помощью теста Чоу. Поскольку значение тестовой статистики превышает критическое, основная гипотеза о совпадении коэффициентов регрессии для банков с базовой лицензией и для банков с универсальной лицензией отвергается, необходимо отдельно оценивать модели для двух подвыборок. Группа банков с универсальной лицензией также неоднородна, поскольку включает в себя СЗКО, для которых пропорциональным регулированием предусмотрены более жесткие нормативные требования, которые начали применяться раньше, чем было введено пропорциональное регулирование для всех банков. В связи с чем необходимо проверить на неоднородность выборку банков с универсальной лицензией. По результатам теста было установлено, что выборка неоднородна и необходимо оценивать разные модели для СЗКО и других банков с универсальной лицензией.

3.3.1 Исследование влияния пропорционального регулирования на устойчивость СЗКО

После удаления выбросов на основании box plots были построены регрессии для 11 СЗКО. Результаты представлены в Таблице 7, где (1) - сквозная регрессия, (2) - модель с фиксированными эффектами, (3) - модель со случайными эффектами.

Таблица 7.

Результаты построения моделей для СЗКО

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

Источник: расчеты автора

По результатам тестов на сравнение моделей (1), (2), (3) лучше модель со случайными эффектами (Приложение 5). Но в данной модели присутствует мультиколлинеарность и гетероскедастичность по результатам модифицированного теста Вальда. Из-за мультиколлинеарности были удалены переменные ключевой ставки и Н1 (которые являлись статистически незначимыми), а также переменная бизнес-модели.

Коэффициент при переменной регулирования отрицательный и статистически незначимый на любом разумном уровне значимости. Из представленных результатов можно сделать вывод, что введение пропорционального регулирования не повлияло на устойчивость банков, которым был присвоен статус СЗКО. Это может быть обусловлено несколькими причинами. Во-первых, ужесточение требований для СЗКО происходило не одномоментно, некоторые из них вступают в силу после исследуемого периода наблюдения (например, выполнение надбавки за системную значимость в полном объеме в размере 1% требуется с 01.01.2020). Во-вторых, СЗКО изначально отбирались по такому принципу, что в эту группу включались банки с большей долей активов в активах банковского сектора, с достаточным уровнем международной активности, существенным объемом вкладов физических лиц (Банк России, 2020), поэтому банки, отвечающие данным требованиям, изначально более устойчивы. Кроме того, одной из потенциальных причин отсутствия увеличения устойчивости можно считать, что выполнение всех новых нормативов потребовало затрат со стороны банков и выполнение всех регуляторных требований не позволило увеличить устойчивость. Такая теоретическая гипотеза выдвигается некоторыми авторами (например, Joosen, 2019; Boss, 2018), считающими, что излишнее регулирование может не только не увеличить устойчивость, но даже снизить ее. В частности, представители СЗКО ПАО «ВТБ» считают, что давление на капитал СЗКО достаточно высокое, оно соответствует требованиям к глобально системно значимым банкам, несмотря на то, что российские СЗКО являются системно значимыми лишь на национальном уровне ВТБ раскритиковал планы ЦБ по ужесточению требований к крупнейшим банкам: Финансы: РБК.

На устойчивость СЗКО влияют не все метрики CAMELS, проинтерпретируем статистически значимые на 10% уровне значимости коэффициенты при переменных. На устойчивость СЗКО влияют качество менеджмента и качество активов банка. При увеличении коэффициента процентных расходов к депозитам на 1 п.п. устойчивость в среднем падает на 7.06%, как и предполагалось ранее. Это говорит о том, что если менеджмент не способен эффективно привлекать средства, то банк теряет устойчивость ввиду дополнительно возникающих расходов. При ухудшении качества активов, то есть при росте показателя РВПС к суммарным активам на 1 п.п. устойчивость падает в среднем на 7.45%, что согласуется с предшествующим анализом. При росте размера банка относительно всего сектора на 1 п.п. устойчивость увеличивается в среднем на 0.02%, что соответствует теоретическому обоснованию для крупных банков. Этот результат свидетельствует об отсутствии проблемы “too big to fail” для российских банков, так как в противоположном случае влияние было бы обратное. Значит, российские банки рассчитывают на собственные возможности, а не на помощь государства.

При росте темпа прироста активов на 1 п.п. показатель устойчивости Z-score падает на 0.4%, как и предполагалось ранее. Из макроэкономических переменных на устойчивость СЗКО влияет темп прироста ВВП. При росте ВВП на 1 п.п. за квартал устойчивость СЗКО растет на 0.5%, что соотносится с результатами некоторых эмпирических исследований на развивающихся рынках.

Таким образом, на данном временном промежутке не происходит увеличения устойчивости СЗКО, что опровергает нашу первоначальную гипотезу об увеличении устойчивости для банков, подверженных большему регулированию. Это может, с одной стороны, являться формальным результатом того, что не все нормативы вступили в силу в полном объеме, или у изначально более устойчивых банков нет необходимости ее наращивать, а с другой стороны, может свидетельствовать о возникающих проблемах с исполнением всех нормативных требований у СЗКО, не позволяющим расти их устойчивости.

3.3.2 Исследование влияния пропорционального регулирования на устойчивость банков с базовой лицензией

Данная группа банков представляет наибольший научный интерес, так как именно для банков с базовой лицензией были внесены наиболее существенные изменения в регуляторных требованиях. После удаления выбросов на основании box plots были построены регрессионные модели, представленные в Таблице 8, где (1) - сквозная регрессия, (2) - модель с фиксированными эффектами, (3) - модель со случайными эффектами.

Таблица 8.

Результаты построения моделей для банков с базовой лицензией

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

Источник: расчеты автора

По результатам тестов на сравнение моделей (1), (2), (3) лучше модель с фиксированными эффектами (Приложение 6). Но в данной модели присутствует мультиколлинеарность и гетероскедастичность по результатам модифицированного теста Вальда. Из-за мультиколлинеарности была удалена переменная ключевой ставки (которая являлась статистически незначимой).

Отрицательный коэффициент при переменной пропорционального регулирования становится статистически незначим после учета гетероскедастичности, что говорит об отсутствии его влияния на устойчивость банков. Ранее мы предполагали, что устойчивость банков с базовой лицензией может снизиться, так как банки, обладая большей свободой в осуществлении операций и подвергаясь меньшему объему регулирования, были способны увеличить рискованность своих операций и снизить стабильность, однако, этого не происходит. Несмотря на то, что по результатам опроса АБР банки с базовой лицензией уже в феврале 2019 года почувствовали ослабление регуляторной нагрузки, их устойчивость по результатам нашего исследования не снижается. Одна из причин отсутствия снижения устойчивости - невозможность проводить спекулятивные операции с ценными бумагами не из котировального списка Разделяй и властвуй: как банки с базовой лицензией будут работать с клиентами | Forbes [Электронный ресурс] и международные операции, несущие высокие риски. Кроме того, некоторые банки с генеральной лицензией не хотели получать статус банка с базовой лицензией, однако, не смогли довести капитал до нужного уровня в требуемые сроки, поэтому они не будут снижать свою устойчивость, чтобы в будущем иметь возможность получить универсальную лицензию. Также существует мнение, что многие банки с базовой лицензией «опасаются нового порядка», потери клиентской базы ввиду налагаемых ограничений и восприятием их статуса вкладчиками, поэтому на данном этапе поддерживают свою устойчивость на прежнем уровне Разделяй и властвуй: как банки с базовой лицензией будут работать с клиентами | Forbes [Электронный ресурс]. Отсутствие снижения устойчивости можно считать положительным результатом, которого на данном этапе достиг Банк России поскольку цель введения пропорционального регулирования - увеличение устойчивости системы, в первую очередь банков системно значимых. Однако устойчивость системы в целом зависит и от устойчивости малых банков, так как может возникать проблема «too many to fail», описанная ранее.

Проанализируем влияние других факторов на устойчивость банков с базовой лицензией. Статистически значимыми метриками CAMELS являются ликвидность, качество активов и достаточность капитала. При увеличении достаточности капитала на 1 п.п. устойчивость в среднем увеличивается на 1%. Данный результат не противоречит первоначальным предположениям, так как чем больше капитала имеет банк, тем больше стандартных отклонений доходности потребуется для его исчерпания. При увеличении текущей ликвидности на 1 п.п. устойчивость падает на 0.01%, что согласуется с частью эмпирических исследований. Влияние данного показателя экономически не достаточно существенно. При увеличении метрики отношения РВПС на 1 п.п. к суммарным активам устойчивость падает на 2.39%, что согласуется с первоначальными предположениями.

На устойчивость влияет и темп прироста активов. При увеличении темпа на 1 п.п. устойчивость в среднем падает на 0.27%. При росте концентрированности активов на 1 п.п. устойчивость растет на 0.95%, что соотносится с результатами некоторых эмпирических исследований. При увеличении темпа роста ВВП на 1 п.п. за квартал устойчивость в среднем растет на 0.2%, что соотносится с результатами эмпирических исследований на развивающихся рынках. При росте темпа инфляции на 1 п.п. за квартал устойчивость в среднем увеличивается на 325%, что соответствует нашим первоначальным предположениям.

Таким образом, выдвинутая в начале исследования гипотеза не подтвердилась, поскольку устойчивость банков, получивших базовую лицензию не снизилась, а осталась неизменной. Это объясняется в первую очередь тем, что значительная часть операций, способных снизить устойчивость, теперь не доступна данной группе банков, а также тем, что многие банки опасаются снижать устойчивость для того, чтобы не потерять клиентскую базу или в будущем получить универсальную лицензию.

пропорциональное регулирование устойчивость банк

3.3.3 Исследование влияния пропорционального регулирования на устойчивость банков с универсальной лицензией

После удаления выбросов на основании box plots были построены регрессионные модели для банков с универсальной лицензией, представленные в Таблице 9, где (1) - сквозная регрессия, (2) - модель с фиксированными эффектами, (3) - модель со случайными эффектами.

Таблица 9.

Результаты построения моделей для банков с универсальной лицензией

Standard errors in parentheses

*** p<0.01, ** p<0.05, * p<0.1

Источник: расчеты автора

По результатам тестов на сравнение моделей (1), (2), (3) лучше модель с фиксированными эффектами (Приложение 7). Но в данной модели присутствует мультиколлинеарность и гетероскедастичность по результатам модифицированного теста Вальда. Из-за мультиколлинеарности была удалена переменная инфляции. Модель (4) оценена с учетом мультиколлинеарности и гетероскедастичности.

После учета гетероскедастичности в модели (4) коэффициент при переменной регулирования остается отрицателен и статистически значим на 5% уровне значимости. Это говорит о том, что после введения пропорционального регулирования устойчивость банков с универсальной лицензией в среднем снизилась на 11.8%. Это может объясняться применением МСФО 9 в рамках принципа пропорционального регулирования, в связи с которым в 2019 году банки были вынуждены формировать больший объем резервов, а также, по оценкам Fitch, произошло существенное исчерпание капитала Новый стандарт МСФО 9: влияние на показатели крупнейших банков | Банки.ру [Электронный ресурс].. В источнике указывается, что в такой ситуации банкам придется обращаться за дополнительной капитализацией, что в условиях отсутствия денежных вливаний извне ставит вопрос о жизнеспособности и стабильности системы в целом. Таким образом, на данном этапе стабильность, по результатам нашего исследования, действительно, снижается, однако применение новых стандартов - это обеспечение в первую очередь будущей стабильности системы в целом.

При увеличении достаточности капитала на 1 п.п. устойчивость увеличивается в среднем на 1.18%. Текущая ликвидность также положительно влияет на устойчивость банков, однако, несмотря на то, что коэффициент статистически значим, его влияние очень незначительное. При ухудшении качества активов (при росте отношения РВПС к суммарным активам) на 1 п.п. устойчивость в среднем падает на 2.01%. При росте доходности на 1 п.п. устойчивость увеличивается на 0.14%. При росте концентрированности активов на 1 п.п. устойчивость в среднем растет на 0.83%. При росте темпа прироста активов на 1 п.п. за квартал устойчивость в среднем падает на 26.5%.

Рассмотрим, у каких банков в большей степени изменилась устойчивость после введения пропорционального регулирования. Для этого введем ряд переменных пересечения Regulation и показателей банка (Приложение 12). Из приведенного анализа видно, что после введения пропорционального регулирования чем крупнее банк (чем больше его доля его активов от активов всего банковского сектора), тем в меньшей степени для него снизилась устойчивость. Коэффициенты при переменной пересечения и пропорционального регулирования статистически значимы на 5% уровне значимости. Это говорит о том, что пропорциональное регулирование в большей степени сказалось на менее крупных банках из группы банков с универсальной лицензией. Предполагаем, что новые регуляторные требования снизили устойчивость тех банков, которые изначально могли попасть в группу банков с базовой лицензией, но нарастили свой капитал или объединились с целью получения универсальной лицензии. Также более крупным банкам проще исполнять новые регуляторные требования из-за эффекта масштаба, поэтому их устойчивость снижается не в такой большой степени.

3.3.4 Детерминанты устойчивости российских банков

Помимо переменной, представляющей научный интерес в данной работе, рассмотрим однородность влияния детерминант устойчивости на российские банки.

Для всех российских банков устойчивость:

i. Снижается при росте резервирования кредитного портфеля;

ii. Снижается при увеличении темпа прироста активов

Влияние схожее по банкам с базовой и универсальной лицензией, для которых устойчивость:

iii. Увеличивается при росте капитализации;

iv. Снижается при росте резервирования кредитного портфеля;

v. Увеличивается при росте объема кредитов в активах;

vi. Снижается при увеличении темпа прироста активов.

Банки с базовой лицензией, в отличие от банков с универсальной лицензией, чувствительны к макроэкономической ситуации в стране (к темпам инфляции и роста ВВП).

Для группы СЗКО значимо влияние размера и качества управления, которые не влияют на устойчивость других банков. Это объясняется тем, что для крупнейших российских банков, активно конкурирующих между собой, становится важным эффективно привлекать средства. Чем большей долей рынка владеют банки, тем они более устойчивы.

3.4 Проверка надежности полученных результатов

Для того, чтобы проверить надежность полученных результатов, в первую очередь касающихся переменной пропорционального регулирования, проведем проверку устойчивости коэффициентов с помощью:

i. Использования лаггированных на один квартал метрик CAMELS

Использование лаггированных метрик связано с предположением, что метрики CAMELS могут влиять на устойчивость не в том же периоде, а с запозданием на один квартал. В литературе при оценке устойчивости с помощью Z-score иногда предполагают, что она зависит от прошлых значений зависимых ...