Измерение финансовой стабильности в России

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Введение

Измерение финансовой стабильности остается актуальной задачей для монетарных органов по всему миру. Такие формы финансовой нестабильности, как банковский кризис, деструктивно воздействуют не только на финансовый сектор государства, но и на общество в целом. Аналитиками предпринимаются усилия по формированию системы микро- и макропруденциальных показателей, позволяющих предупреждать возникновение кризисов финансовой системы.

Использование для мониторинга индикаторов финансовой устойчивости (financial soundness indicators) и макропруденциальных индикаторов (macroprudential indicators), предложенных Международным валютным фондом и Европейским центральным банком соответственно, является затруднительным ввиду их большого количества и разнонаправленности движения, имеющей следствием сложность интерпретации. Распространенным вариантом решения этой проблемы является составление агрегированных индексов финансовой стабильности на основе индивидуальных индикаторов. Расчет и публикация индексов финансовой стабильности призваны выполнять две основные функции: повышение прозрачности деятельности ответственных органов и поддержку реализации макропруденциальной и денежно-кредитной политики для обеспечения возможности видеть результаты применяемых мер в режиме реального времени (Borio, Drehmann, 2008).

Вопрос разработки аналогичных мер является актуальным и для Центрального банка Российской Федерации. Начиная с кризиса 1998 года Банком России реализовывались ситуативные меры по обеспечению финансовой стабильности, что первоначально проявлялось в управлении системой курсообразования и ограничении внешних потоков капитала. В 2002 году Федеральным законом № 86 «О Центральном банке Российской Федерации (Банке России)» Банк России был наделен обязательствами по мониторингу и обеспечению финансовой стабильности и выпуску соответствующих отчетов. В настоящий момент Банком России дважды в год публикуются обзоры финансовой стабильности, структура которых является индивидуальной для каждого периода, представляя собой описание конкретных текущих системных рисков. В частности, выпуск за II - III кварталы 2017 года акцентирует внимание на рисках глобальной экономики, оценке текущей фазы кредитного цикла, ситуации на рынке необеспеченного потребительского кредитования, долларизации активов кредитных организаций, состоянии индивидуальных организаций банковского сектора, страховых организаций и негосударственных пенсионных фондов. Оценка кредитного цикла является единственным разделом обзора, где применяется специализированный индекс - кредитный гэп.

В связи с пониманием необходимости измерения и мониторинга финансовой стабильности в последние годы появились работы аналитиков Центрального банка России, посвященные построению индексов финансовой стабильности (Козлов, Синяков, 2012), (Куликов, Баранова, 2017), (Гамбаров, Мусаева, Крупкина, 2017).

Следует отметить, что в зарубежной литературе методики измерения финансовой стабильности претерпели значительные изменения: если ранее они сводились к построению прогнозов, предсказывающих вероятность банкротства индивидуальных финансовых учреждений, то теперь на передний план выходят те из них, которые отражают риски финансовой системы в целом и позволяют предвидеть возникновение шоков на наиболее ранней стадии. Последние зачастую принимают форму построения агрегированных индексов. Следует отметить, что методики построения индексов для российского финансового сектора обычно акцентируют внимание на состоянии финансовых рынков, в то время как для работ зарубежных авторов характерно также включение данных о финансовых институтах (см. Albulescu, 2010, Kondratovs, 2012). В связи с тем, что российский финансовый сектор в большей степени представлен банковским сектором, а также в связи с сохраняющейся актуальностью угрозы банковского кризиса видится целесообразным расширение набора показателей для построения агрегированного индекса и включение в него индикаторов эффективности банковской деятельности наряду с более распространенными индикаторами фондового и долгового рынков, монетарной политики и внешней экономической среды.

Целью данной работы является построение индекса финансовой стабильности для российского финансового сектора, характеризующего в равной степени и финансовые рынки, и финансовые институты. При построении агрегированного индекса финансовая стабильность рассматривается как динамический процесс. Как следствие, в данной работе использовались данные с четвертого квартала 2002 года по первый квартал 2012 года для индикаторов, входящих в состав индекса и используемых в эконометрическом тестировании. Выбор именно квартальных, а не годовых данных призван сделать индекс и его эконометрическое моделирование более точными. Индивидуальные индикаторы были объединены в категории, отражающие различные аспекты финансовой стабильности, включая уровень развитости финансовой системы, ее уязвимости, устойчивости и глобального экономического климата.

В работе Kondratovs K. (2014) выделяется условие, отражающее качество индекса финансовой стабильности для отдельной страны - возможность его эконометрического моделирования с использованием фундаментальных факторов национальной экономики в качестве переменных. Опираясь на это исследование автором настоящей работы была осуществлена проверка валидности индекса путем включения его в эконометрическую модель с фундаментальными макроэкономическими показателями, являющимися специфическими для российского финансового сектора индикаторами приближения кризиса (они включены в модель в качестве объясняемых переменных). Отбор данных показателей был осуществлен на основе анализа экономической литературы.

Структура работы включает три основные части: обзор научной литературы, практическую часть, состоящую из построения индекса финансовой стабильности и эконометрической модели с использованием фундаментальных макроэкономических показателей, и интерпретацию результатов эконометрического тестирования индекса.

1. Обзор литературы

Подходы к определению финансовой стабильности отталкиваются от представления о ней как об изменяющемся с течением времени континууме, в котором финансовая система может принимать противоположные состояния стабильности и нестабильности (Schinasi, 2014). На данный момент не существует единого мнения о характеристиках, отделяющих нормальный режим функционирования финансовой системы от нестабильного, что имеет следствием разнообразие подходов к разработке индексов финансовой стабильности.

Основу для будущих работ в области измерения финансовой стабильности составило Руководство по составлению показателей финансовой устойчивости (Compilation Guide on Financial Soundness Indicators), опубликованное Международным валютным фондом в 2006 году и включающее 39 индикаторов. Практически одновременно с МВФ Европейский центральный банк (ЕЦБ) работал над методологией измерения финансовой стабильности в еврозоне, предложив более широкий набор индикаторов и включающий более 150 макропруденциальных показателей. Впоследствии, МВФ совместно с Банком международных расчетов и Советом по финансовой стабильности предложил определение системного риска финансового сектора как ситуации, в которой возникновение неплатежей в пределах рынка финансовых услуг способно распространиться на иные сектора экономики, включая реальный сектор, создавая тем самым угрозы для финансовой системы в целом.

Таким образом, измерение финансовой стабильности производится с опорой на определение, во-первых, финансовой стабильности как непрерывного состояния функционирования финансового сектора, которое необходимо рассматривать в динамике, и, во-вторых, системного риска, в рамках которого финансовый сектор является связующим для остальных секторов экономики и способен оказывать влияние на реальный сектор и благосостояние в зависимости от режима своего функционирования. Системный риск, в наиболее масштабных проявлениях перерастающий в финансовый кризис, характеризует одно из частных состояний финансовой стабильности на протяжении определенного периода. Задача составления индекса финансовой стабильности сводится к выбору факторов, позволяющих отличить нормальное функционирование финансовой системы от нестабильного.

Анализ литературы, посвященной измерению финансовой стабильности показывает, что внимание исследователей сместилось с индикаторов, отражающих риск банкротства отдельных финансовых институтов на анализ состояния финансового рынка в целом и выявление наличия системных рисков институционального и инфраструктурного происхождения. В частности, в Докладе по вопросам глобальной финансовой стабильности (Ferguson et al., 2007) в качестве факторов глобальной финансовой стабильности выделяются такие новые актуальные явления, как чрезмерная ликвидность и глобальные дисбалансы, возникновение пузырей на рынках активов, усиление межстрановой финансовой интеграции, сопровождающейся распространением инвестиционной стратегии carry trade, рост кредитования и задолженности домохозяйств, возникновение крупных комплексных финансовых институтов (large complex financial institutions), распространение финансовых инструментов, которые могут быть значительно пере- и недооценены, рост хедж-фондов и усиление их роли на рынках капитала. В разрезе национальных финансовых систем индивидуальные индикаторы МВФ и ЕЦБ в наибольшей степени соответствуют общепринятому определению системного финансового риска, однако, их интерпретация проблематична ввиду их большого количества и, зачастую, разнонаправленной динамики.

В большинстве исследований по разработке индексов финансовой стабильности предлагается использование регрессионных моделей и метода главных компонент и его различных вариаций на основе индивидуальных индикаторов, объединяемых в группы. В частности, Albulescu Claudiu T. et al. (2013) в работе о связи финансовой стабильности и монетарной политики в еврозоне в качестве независимых переменных в регрессии используют 19 индикаторов, объединенных в три категории - финансовый сектор, банковский сектор и внешние ограничения - при помощи нормализации и расчета среднего арифметического из индивидуальных индикаторов и из образованных из них субиндексов. Andrianova, S. et al. (2015) формируют переменные - капитализацию активов, качество активов, эффективность менеджмента, среднюю доходность активов, показатели ликвидности, кредитного риска а также общее измерение финансовой стабильности - как среднее взвешенное на основе индивидуальных для банка переменных, где веса определяются в зависимости от общей стоимости активов банка. Переменные включены в регрессионную модель, объясняющую статус финансового института - функционирование или банкротство - в качестве независимых.

Для отдельных стран уже были составлены индивидуальные индексы финансовой стабильности (см. Albulescu, 2010, Kondratovs, 2014, Gerљl and Hermanek, 2008, Morales and Estrada, 2010, Arzamasov and Penikas, 2015). В частности, работа Albulescu, C.T. (2010) оказала значительное влияние на научную литературу, посвященную конструированию индексов финансовой стабильности для отдельных стран. Автор предлагает методику, включающую измерение четырех основных аспектов финансовой стабильности - финансового развития (financial development), финансовой уязвимости (financial vulnerability), финансовой устойчивости (financial soundness) и глобального экономического климата (world economic climate). Эти аспекты учитываются в расчете агрегированного индекса финансовой стабильности как субиндексы и составляются на основе наборов индивидуальных индикаторов. Субиндексы рассчитываются как среднее арифметическое нормализованных индивидуальных индикаторов, а агрегированный индекс - как среднее взвешенное субиндексов с присвоением весов в зависимости от количества индивидуальных индикаторов в субиндексе. Так, в случае Румынии, где финансовый сектор в наибольшей мере представлен банковским сектором, большую часть индикаторов составляют показатели эффективности банковской деятельности. В частности, субиндекс финансовой устойчивости целиком представлен ими, субиндекс финансовой уязвимости содержит индикаторы, характеризующие структуру финансирования банковского сектора, а индекс финансового развития включает показатель реформирования банковской системы и либерализации процентных ставок. Валидность индекса протестирована автором путем включения его в регрессию в качестве объясняемой переменной, где объясняющими переменными являются фундаментальные макроэкономические факторы, служащие индикаторами приближения кризиса для финансового сектора Румынии. Переменными с существенными коэффициентами оказались темп роста ВВП, 3-месячная межбанковская ставка, индекс Бухарестской фондовой биржи и доля займов в иностранной валюте в ВВП.

Аналогичный метод используется в работе K. Kondratovs (2014) по измерению финансовой стабильности в Латвии, однако, автор включает пять субиндексов - индекс финансового развития (financial development index), финансовой хрупкости (financial fragility index), финансовой стабильности, качества экономической среды в Европе (European economic environment) и качества финансовой среды в Европе (European financial environment). Как и в работе T. Claudiu Albulescu (2010), построение индекса финансовой стабильности включало нормализацию индивидуальных индикаторов, также преимущественно характеризующих банковский сектор, и расчет среднего арифметического индикаторов и среднего взвешенного субиндексов. Аналогично, индекс был эконометрически протестирован путем включения его в регрессию с индивидуальными для Латвии индикаторами приближения кризиса в качестве объясняющих переменных. Среди них шесть были выделены как состоятельные - отношение займов в иностранной валюте к номинальному ВВП, межбанковская ставка RIGIBOR, номинальный обменный курс, реальная эффективность рабочей силы, гэп ВВП (отклонение фактического ВВП от потенциального к фактическому ВВП) и отклонение фактического уровня безработицы от уровня структурной безработицы.

Разработке индекса финансовой стабильности для России посвящены работы Козлова К., Синякова А. (2012), Федоровой Е.А. (2015) и Куликова Д.М., Барановой В.М. (2017), Гамбарова Г.М., Мусаевой М.У., Крупкиной А.С. (2017). В исследовании Козлова К., Синякова А. (2012) индекс строится на основе метода главных компонент и включает три компоненты: «стресс на фондовом и долговом рынках России» (10 показателей, отражающих наличие роста неопределенности, предпочтений ликвидности и несклонности к риску), «денежный и валютный рынки» (6 показателей, характеризующих тип денежной политики и реакцию на шоки Банка России) и «глобальный финансовый стресс» (5 уже существующих глобальных индексов финансовой стабильности или стресса). Главная компонента объясняет 80% совместной дисперсии трех компонент, причем глобальный финансовый стресс объясняет 94% дисперсии данных по фондовому и долговому рынкам России и 80% - по денежному и валютному рынкам. Авторы объясняют это тем, что данные по России отражают глобальный финансовый стресс в разрезе страны. В работе предложено два способа использования индекса - в отклонениях от среднего значения до кризисов и в отклонениях от предыдущего локального максимума.

Федорова Е.А. (2015) указывает на несовершенство подхода, предложенного в исследовании Козлова К., Синякова А. (2012), заключающееся в отсутствии выделения периода возникновения кризисной ситуации и недостатке обоснования выделения критических границ индекса. Автор предлагает использование авторегрессионной модели с марковскими переключениями, выделяющей типы поведения временных рядов, для идентификации кризисных периодов. В качестве независимых переменных в модели взяты дефлятор ВВП за предыдущие периоды, индекс волатильности S&P, отклонение межбанковской кредитной ставки от ставки по ГКО, ставка РЕПО по предоставлению ликвидности, средний номинальный курс доллара США к рублю за период, ставка MIBOR и индексы цен на рынке вторичного жилья. Зависимая переменная представляет собой индекс ценовой стабильности, составленный из показателей Банка России, коэффициент корреляции которых превышал 60%. Таким образом, в работе Федоровой Е.А. измерение финансовой стабильности сводится к моделированию уровня цен. Как и методика Козлова К., Синякова А. (2012), модель Федоровой Е.А. обладает прогнозной силой, при этом фокусируясь на оперативном управлении ценовой стабильностью.

В работе Куликова Д.М., Барановой В.М. (2017), как и в исследовании Козлова К., Синякова А. (2012), расчет индекса финансовой стабильности для России производится с помощью метода главных компонент. Индекс финансового стресса представляет собой нормированную первую главную компоненту, составленную из индивидуальных факторов, среди которых спрэд ставок денежного рынка (одна неделя) и ставок бескупонной доходности краткосрочных ОФЗ (три месяца), спрэд ставок по крупным выпускам ликвидных корпоративных облигаций и ставки бескупонной доходности долгосрочных ОФЗ (пять лет), волатильность фондового рынка, индекс стоимости акций финансовой отрасли, разброс доходностей по акциям финансовых институтов, спрэд ставки межбанковского кредита и ставки предоставления ликвидности Банка России на срок один день, разница между спотовой и форвардной ценой на нефть (один год), волатильность цены нефти, волатильность обменного курса, рублевая инфляция, скорость одновременного падения цен акций финансовых институтов и госдолга и скорость расхождения в ценах акций финансовых институтов и облигаций качественного заемщика. Отобранные факторы учитывают такие проявления финансового стресса, как неопределенность цен активов и биржевых товаров, недостаток информации о поведении участников рынков, асимметрия информации относительно качества активов, предпочтение более качественных и ликвидных активов. В результате, методика авторов во многом схожа со способом оценки стресса на фондовом и долговом рынках, предложенным Козловым К., Синяковым А. (2012), однако, показатели более репрезентативны в контексте внешних проявлений стресса в отличие от указанной работы, где акцент сделан на росте неопределенности цен и спроса на более качественные и ликвидные активы.

Гамбаров Г.М., Мусаева М.У., Крупкина А.С. в работе по формированию Индикатора рисков российского финансового рынка для Центрального банка (2017) также указывают на проблемы использования метода главных компонент для построения индекса, заключающиеся в сильной зависимости результата от качества подобранных индивидуальных индикаторов и риска подбора схожих и не несущих дополнительной информации индикаторов и, как следствие, искусственного увеличения их веса в компоненте. Для исключения проблемы мультиколлинеарности авторы используют меньший набор индикаторов, включающий 21 показатель и поделенный на шесть субиндексов - рублевый денежный рынок, валютный денежный рынок, валютный рынок, рынок акций, рынок государственных заимствований и корпоративных заимствований. Авторы предлагают использование более простого по сравнению с методом главных компонент метода эквивалентности дисперсий, заключающегося в нормализации индивидуальных индикаторов и двухэтапном расчете среднего арифметического, аналогично представленному в работах Albulescu Claudiu T. et al. (2013) и Kondratovs K. (2014). Индикатор российского финансового рынка составлен из индикаторов риска на рублевом денежном рынке, на валютном рынке, на рынке акций, государственных заимствований и корпоративных заимствований. Авторы также предлагают собственный метод идентификации стрессовых периодов: к подходу МВФ, согласно которому стрессовый период определяется как тот, для которого значение статистики Колмогорова - Смирнова для индекса максимально, авторы добавляют условие, в соответствии с которым характеристикой стрессового периода также является максимальное отличие значения статистики Колмогорова - Смирнова в текущем периоде от ее значения в следующем, более длительном периоде.

Таким образом, представленные в обзоре литературы методы измерения финансовой стабильности можно сгруппировать следующим образом:

· Использование среднего арифметического. В этом случае задача составления индекса сводится к выбору метода нормализации индивидуальных индикаторов и субиндексов.

· Использование среднего взвешенного. Применяется при работе с данными, для которых может быть выбран универсальный признак для определения веса (напр., общая стоимость активов банка для индивидуальных для банка данных в работе Andrianova, S. et al. (2015)).

· Использование метода главных компонент. Как уже было отмечено в работе Гамбарова Г.М., Мусаевой М.У., Крупкиной А.С., качество главной компоненты сильно зависит от первоначального выбора индикаторов. В отличие от предыдущих двух методов, при применении которых проблема мультиколлинеарности может быть устранена за счет выявления схожих показателей после нормализации и сокращения их числа, наличие лишних показателей при применении метода главных компонент менее наблюдаемо и может вызвать увеличение веса субиндекса в композитном индексе.

· Подстановка индивидуальных индикаторов в качестве объясняемых переменных в регрессионные модели.

Выбор субиндексов, групп индикаторов и главных компонент определяется интерпретацией авторами границ финансовой системы, которые, в свою очередь, обуславливаются индивидуальными для каждой страны факторами. В работах с применением регрессионных моделей и индексом финансовой стабильности в качестве зависимой переменной, факторы, являющие индивидуальными для конкретной страны индикаторами кризиса, используются в качестве независимых переменных.

Большинство исследований включают в индекс финансовой стабильности факторы состояния финансового, банковского секторов и внешних ограничений, однако, охват факторов может быть и более узким, фокусируясь, к примеру, на ценовой стабильности (Федорова, 2015) или состоянии функционирования отдельного финансового учреждения (Andrianova, S. et al., 2015). Исследования по российским данным акцентируют внимание на показателях состояния финансовых рынков, в меньшей степени затрагивая финансовые учреждения.

Следует также отметить разницу между индексами финансовой стабильности и финансового стресса: если первые преимущественно акцентируют внимание на наихудших и наилучших значениях показателей, ассоциируемых с финансовой стабильностью, то вторые учитывают волатильность используемых индикаторов. В результате, либо наихудшие и наилучшие значения, либо волатильность лежат в основе процедуры нормализации индикаторов. В нашей работе, предполагающей построение индекса финансовой стабильности, составление индекса из индикаторов будет основываться преимущественно на первом подходе.

В следующей главе будет представлен индекс финансовой стабильности, включающий в себя как индикаторы состояния финансовых рынков, так и финансовых учреждений. Также будет представлен набор индикаторов приближения кризиса для российского финансового сектора, используемый в регрессионной модели для объяснения значения индекса финансовой стабильности в конкретный период.

2. Построение агрегированного индекса финансовой стабильности для России

2.1 Структура и динамика агрегированного индекса

Для большей точности индекса были использованы квартальные данные с 2003 по 2012 год (всего 37 периодов), отобранные из баз данных МВФ, ОЭСР, Всемирного банка, Центрального банка РФ, Федеральной службы государственной статистики РФ, Московской биржи. Данные по трем индексам глобального экономического климата и стресса извлечены из системы FRED Федерального резервного банка Сент-Луиса. Представленная в Таблице 1 формулировка субиндексов предложена T. Albulescu, C.T. (2010) и включает четыре аспекта финансовой стабильности, обычно выделяемых в экономической литературе. Ввиду того, что российский финансовый сектор в большей мере представлен банковским сектором (по сравнению с другими финансовыми институтами), видится целесообразным включение в агрегированный индекс показателей банковской деятельности, при этом, ввиду существенной роли в стране фондовых кризисов индекс также включает значительную долю показателей фондового рынка.

Таблица 1. Структура субиндексов финансовой стабильности

Следует отметить, что существенным фактором в выборе индикаторов стало наличие квартальных данных в открытом доступе, поэтому в ряде случаев используемые для оценки конкретного аспекта финансовой стабильности индикаторы могут несколько отличаться от общепринятых и наиболее часто используемых в литературе для составления аналогичных индексов.

Так, для оценки уровня финансового развития в качестве первого индивидуального индикатора было отобрано отношение совокупной стоимости всех акций к ВВП, характеризующее развитость национального рынка капитала и заменяющее более распространенный показатель капитализации фондового рынка ввиду отсутствия квартальных данных по последнему.

Доля «широких денег» (денежный агрегат M2) в ВВП - показатель ликвидности и глубины финансового сектора, часто используемый в экономической литературе под влиянием исследования Levine (1997), где в качестве показателя глубины финансового сектора применялась доля ликвидных обязательств банковского сектора перед нефинансовыми агентами в ВВП. Денежный агрегат М2 отображает степень взаимосвязи между банковским и реальным секторами, поскольку включает в себя депозиты. Депозиты, в свое время, могут рассматриваться как «отголоски» кредитов: кредитование банками сопровождается открытием расчетного счета, в этом смысле оно приводит к увеличению депозитов, а, значит, и денежной массы. В результате, увеличение объема кредитов отображается в увеличении денежного агрегата М2, что позволяет использовать его в качестве индикатора финансовой глубины. В работе Caporale et al. (2009) также представлено эмпирическое подтверждение связи между долей ликвидных обязательств банковского сектора в ВВП и экономическим ростом в развивающихся странах в составе ЕС, что может служить подтверждением положительного влияния уровня предложения денег на экономическую активность за счет увеличения финансового сектора.

Доля общего объема кредитов в ВВП также оценивает уровень финансовой глубины, обеспечиваемой финансовыми учреждениями. В данном случае показатель включает только кредиты в национальной валюте для исключения информации, связанной с рисками, возникающими при выдаче займов в иностранной валюте.

Последним индикатором в субиндексе является доля инвестиций банковского сектора в ВВП, рассчитанный на основе суммы вложений в государственные ценные бумаги, векселя, акции и паи предприятий и иных кроме банков организаций - резидентов, данные о которых представлены в статистической базе ЦБ РФ.

Методика измерения финансовой уязвимости Albulescu, C.T. (2010) основывается на индикаторах, используемых в докладах МВФ для отдельных стран и включает две подгруппы индикаторов - характеризующие макроэкономическую стабильность и структуру финансирования банковского сектора. В данной работе из них были использованы только показатели макроэкономической стабильности, но при этом к ним были добавлены индикаторы рисков фондового рынка.

К первой подгруппе относится баланс по счету текущих операций к ВВП. Дефицит по счету текущих операций свидетельствует о наличии зависимости от импорта и внешних поступлений капитала, что несет потенциальную угрозу финансовой стабильности в случае снижения и прекращения данных поступлений.

Второй индикатор, уровень инфляции, характеризует один из основных аспектов финансовой стабильности в экономике - ценовую стабильность.

Следующий индикатор субиндекса финансовой уязвимости - изменение золотовалютных резервов. Существенные отрицательные изменения золотовалютных резервов свидетельствуют о наличии шоков, на которые Центральный банк реагирует интервенциями, направленными на поддержание стабильности курса национальной валюты. Положительные же изменения золотовалютных резервов говорят об увеличении ликвидности средств Центрального банка и его способности в дальнейшем обеспечивать стабильность национальной валюты в кризисные периоды.

Последний показатель макроэкономической стабильности в данном субиндексе - излишние колебания курса национальной валюты. Их присутствие при фиксированном курсе валюты свидетельствуют о том, что интервенций Центрального банка оказывается недостаточно для поддержания внешнеэкономической и ценовой стабильности. Однако после перехода Банка России к плавающему режиму валютного курса излишняя волатильность рубля продолжает быть индикатором финансовой стабильности из-за его тесной взаимосвязи с мировыми ценами на нефть, на что указывает валютный кризис в России 2014-2015 годов (при условии рассмотрения валютного кризиса как составляющей части финансового кризиса). Показатель рассчитан, как модуль разницы между фактическим значением курса и его значением с применением фильтра Ходрика-Прескотта.

Процентный спрэд преимущественно используется для характеристики эффективности банковского сектора, отражая его способность к получению прибыли, необходимой для обеспечения стабильности, и рассматривается как показатель финансового развития. В то же время, резкое увеличение процентного спрэда само по себе отражает наличие имеющейся или потенциальной ситуации нестабильности, вынуждающей банки принимать дополнительные меры для защиты от рисков. В случае России динамика индикатора отражает вторую ситуацию, поэтому было использовано обратное значение индикатора, а сам индикатор включен в субиндекс финансовой уязвимости.

Следующие два показателя субиндекса финансовой уязвимости характеризуют стабильность российского фондового рынка. Волатильность фондового рынка рассчитана как дисперсия ежедневных значений индекса ММВБ для каждого квартала. Наибольшая и наименьшая волатильность ассоциируются с минимальным и максимальным уровнями финансовой стабильности соответственно. Это единственный показатель индекса, в процедуре нормализации которого учитывается не минимальное и максимальное значения исходного индикатора, а его волатильность.

Спрэд доходности корпоративных и государственных облигаций - показатель, заимствованный из методики расчета главной компоненты для оценки российского фондового и долгового рынков в работе Козлова К., Синякова А. (2012). Он представляет собой разницу между ежеквартальными приростами значений индекса ММВБ и ежеквартальными доходностями долгосрочных (10 лет) государственных облигаций. Показатель призван отражать предпочтение более качественных и менее рискованных активов в ситуациях стресса на фондовом рынке. В случае стресса величина спрэда увеличится за счет снижения цены более рискованных корпоративных бумаг и увеличения их доходности.

Субиндекс финансовой устойчивости основывается на одноименных показателях Международного валютного фонда и включает индикаторы финансового состояния и устойчивости финансовых учреждений страны. Следует отметить, что расчет МВФ индикаторов финансовой устойчивости для России начал осуществляться лишь с 2008 года, что делает невозможным их использование. В результате, для расчета были использованы данные ЦБ РФ по российскому банковскому сектору, методика отчетности для которых в течение рассматриваемого периода несколько отличалась от общепринятой.

Индикатор отношения депозитов банков к выданным займам характеризует ликвидность банковского сектора и отражает способность банков реагировать на шоки. Ввиду особенности структуры отчетов ЦБ РФ о результатах деятельности банковского сектора депозиты для данного показателя учитывают лишь вклады физических лиц.

Показатели достаточности капитала и доли просроченной задолженности в общем объеме выданных кредитов входят в состав индикаторов финансовой устойчивости МВФ и также были рассчитаны для данной работы на основе данных ЦБ РФ. Просроченная задолженность включает задолженность по кредитам, предоставленным предприятиям, банкам и физическим лицам.

Субиндекс глобального экономического климата был рассчитан как среднее арифметическое трех индексов глобального финансового стресса, имеющихся в открытом доступе - St. Louis Fed Financial Stress Index, Chicago Fed National Financial Conditions Index, Kansas City Financial Stress Index.

Нормализация индикаторов была произведена по методу, предложенному Albulescu, C.T. (2010). Формулы для нормализации имеют вид:

(1)

(2)

где - значение индикатора i в период t, - минимальное значение индикатора за рассматриваемый период, - максимальное. Формула (1) применялась для индикаторов, максимальное значение которых ассоциируется с максимальным уровнем финансовой стабильности, формула (2) - для тех, которые принимают минимальное значение при максимальном уровне финансовой стабильности. В результате, все индикаторы принимают значения от 0 до 1, где 1 обозначает максимальную финансовую стабильность, 0 - минимальную. В Приложении 1 приведены значения всех индикаторов за каждый период.

Субиндексы рассчитаны по формулам (3) - (6):

финансовый фондовый субиндекс

(3)

(4)

(5)

(6)

где - субиндексы финансового развития, финансовой уязвимости, финансовой устойчивости и глобального экономического климата, - входящий в состав субиндекса индикатор.

Рисунок 1. Индекс финансового развития (FDI)

Рисунок 2. Индекс финансовой уязвимости (FVI)

Рисунок 3. Индекс финансовой устойчивости (FSI)

Рисунок 4. Индекс глобального экономического климата (GECI)

Субиндекс финансового развития достигает низшей точки быстрее остальных, в третьем квартале 2008 года. Индикатор изменения совокупной стоимости всех акций (Xd1), достигший низшей точки в третьем квартале 2008 года, способствует его быстрому снижению. Снижение доли денежного агрегата М2 в ВВП (индикатор Xd2), произошло уже во втором квартале 2008 года, что может быть связано с повышением Центральным банком ставки рефинансирования и снижением банковского мультипликатора. Необходимость обслуживания внешних займов в начальный период мирового финансового кризиса является возможной причиной снижения кредитной активности российских банков, которое привело к уменьшению общего объема кредитов в ВВП (индикатора Xd3) в четвертом квартале 2008 года. Мотивация банковского сектора к инвестированию (индикатор темпа роста инвестиций банковского сектора, Xd4) также резко снизилась в третьем квартале 2008 года. Таким образом, преобладание в субиндексе индикаторов, отражающих реакцию банковского сектора на начало мирового финансового кризиса, поспособствовало его раннему снижению.

Субиндекс финансовой устойчивости, напротив, достигает низшей точки с большим лагом, в третьем квартале 2009 года. Если входящие в его состав показатели отношения депозитов к выданным займам и капитала к активам снизились уже в третьем и четвертом кварталах 2008 года, то доля просроченной задолженности в общем объеме выданных кредитов достигает максимального значения лишь во втором квартале 2010 года. Вероятными причинами этому являются, во-первых, преобладание неплатежей по кредитам, выданных накануне кризиса 2008 года и изначально обладающих низким качеством, и во-вторых, само определение просроченной задолженности Центрального банка, относящего к ней займы с платежами, просроченными более чем на 90 дней.

Индексы финансовой устойчивости и глобального экономического климата вносят наибольший вклад в дифференциацию значений агрегированного индекса. Индексы финансового развития и финансовой уязвимости демонстрируют наименьшую волатильность, что вызвано разнонаправленной динамикой входящих в них индикаторов и принадлежностью данных индикаторов к разным сегментам финансовой деятельности в отличии от индексов финансовой устойчивости и глобального экономического климата, включающих в себя относительно однородные индикаторы. Другой причиной низкой волатильности индексов является небольшой период наблюдения, что особенно актуально для индекса финансового развития, нуждающегося в увеличении количества наблюдений для большей показательности. Тем не менее, оба субиндекса показательны с точки зрения отображения ситуации кризиса 2008 года. По Рисуноку субиндекса финансовой уязвимости можно также выявить наличие сезонного тренда - в каждый год снижение финансовой стабильности происходит в первый квартал, минимальное значение за весь период достигается в первом квартале 2009 года.

В Таблице 2 приведены стандартные отклонения каждого субиндекса.

Таблица 2. Волатильность субиндексов финансовой стабильности

С учетом наличия относительно устойчивых отрицательных трендов у обоих индексов, следует ожидать их большей показательности при увеличении количества наблюдений.

Расчет агрегированного индекса может быть осуществлен двумя способами - как среднее арифметическое субиндексов или индикаторов. Формулы агрегированного индекса имеют вид:

(7)

(8)

где , - значения агрегированных индексов в период t, рассчитанные как среднее арифметическое субиндексов и индикаторов соответственно, - значение индикатора j в период t.

Рисунок 5. Агрегированный индекс финансовой стабильности

2.2 Эконометрическое тестирование индекса финансовой стабильности

В разделе 2.1 были показаны структура и динамика агрегированного индекса и его субиндексов. Для проверки валидности построенного индекса было проведено эконометрическое тестирование. В результате тестирования шесть переменных было отобрано в качестве состоятельных: 3-месячная межбанковская ставка, доля обязательств банковского сектора перед иностранными кредиторами в ВВП, индекс РТС, цена нефти марки Brent, баланс государственного бюджета к ВВП и индекс S&P 500. Выбор факторов, объясняющих возникновение кризисов в России, был произведен с опорой на экономическую литературу (Сенчагов, 2016, Федорова, 2009, Митин, 2011, Кузнецова, 2010).

Межбанковская ставка является первым индикатором кризисов для России - рост процентных ставок по кредитам в предкризисный период происходит из-за повышения риска неплатежеспособности заемщиков и политики повышения ставки рефинансирования Банка России.

Следующий индикатор - доля обязательств банковского сектора перед нерезидентами в ВВП. Кредитование российских банков за рубежом привело к максимальному оттоку денежных ресурсов из страны в середине 2008 года (Кузнецова, 2010).

Другим характерным проявлением кризиса 2008 года был перегрев российского фондового рынка и достижение индексом RTS своего исторического максимума. Аналогичная динамика наблюдалась и у цены нефти марки Brent, достигшей максимума во втором квартале 2008 года.

Включение в регрессию отношения баланса государственного бюджета к ВВП призвано продемонстрировать связь между государственными финансами и действиями частного сектора, влияющими на уровень финансовой стабильности. Увеличение дефицита государственного бюджета является потенциальной причиной потери доверия инвесторов к устойчивости государственных финансов и снижению стабильности банков, являющихся держателями государственных облигаций в случае их обесценения. Индекс S&P 500 является фактором финансовой стабильности для России в разрезе фондового рынка, будучи основным ориентиром для российских биржевых индексов (Митин, 2011). Тем не менее, включение в регрессию данного индекса вместе с лагированным значением индекса РТС не приводит к мультиколлинеарности ввиду их низкой корреляции (см. Табл. 7). На основе результатов тестов на стационарность у всех отобранных показателей, а также индексов AFSI1 и AFSI2, было выявлено наличие нестационарности. В связи с этим для увеличения точности модели было произведено дифференцирование всех временных рядов. Результаты проверки на стационарность для всех переменных до и после дифференцирования c помощью расширенного теста Дики-Фуллера, тестов Филипса-Перрона и Квятковского-Филлипса-Шмидта-Шина представлены в Таблице 3.

Таблица 3. Результаты тестов на стационарность

Для всех продифференцированных переменных нулевая гипотеза о наличии единичного корня временного ряда отвергается по результатам хотя бы одного из тестов. KPSS - тест также выявил невозможность отрицания гипотезы о стационарности временного ряда для всех переменных. В результате, регрессия зависимости индекса финансовой стабильности от макроэкономических факторов имеет вид:

 (9)

где - значение агрегированного индекса, рассчитанного с помощью среднего арифметического субиндексов или индикаторов, в период t, - его значение в предыдущем периоде, - 3-месячная межбанковская ставка в период t-1, - доля внешних обязательств банковского сектора в ВВП в период t-1, - значение индекса РТС в период t-1, - цена нефти марки Brent в период t-1, - ставка доходности государственных облигаций в период t, - значение индекса S&P 500 в период t. Включение в регрессию значений переменных за предыдущий квартал, то есть, период t-1, обусловлено наличием более сильной связи между агрегированным индексом и лагированной переменной по сравнению с ее текущим значением, что указывает на наличие задержки в изменении уровня финансовой стабильности в ответ на изменение отдельных факторов, воздействующих на него, в частности, межбанковской ставки, доли внешних обязательств банковского сектора в ВВП и индексов РТС и Brent.

Статистика по регрессионному анализу для агрегированного индекса, рассчитанного с помощью среднего арифметического субиндексов (AFSI1) и индикаторов (AFSI2) представлена в Таблицах 4 и 5.

Таблица 4. Регрессионная статистика (1)

Таблица 5. Регрессионная статистика (2)

Как видно из регрессионной статистики, почти все коэффициенты значимы на уровне 5% во второй регрессии (за исключением коэффициента при индексе РТС, значимом лишь на уровне 10%), то есть, если индивидуальные индикаторы имеют равный вес. Доля объясненной дисперсии выше в первой регрессии, но при этом коэффициент при балансе государственного бюджета к ВВП в ней перестает быть значимым даже на уровне 10%. В связи в этим для остальных статистических тестов будет использоваться вторая регрессия.

Переменные, не вошедшие в модель по причине незначимости коэффициентов при них в обеих регрессиях - мировая цена золота, ставка доходности гособлигаций, доля внешнего государственного долга в ВВП, кредитный гэп к ВВП, темп роста ВВП, гэп ВВП к ВВП, индекс Доу - Джонса. Исключены были также индекс ММВБ, имеющий более низкую значимость при данном наборе переменных по сравнению с RTS, и гэпы обоих биржевых индексов и индекса Brent, рассчитанные с применением фильтра Ходрика-Прескотта.

На Рисуноке 6 изображены стандартизированные переменные для индекса AFSI2. Наиболее существенное влияние на динамику агрегированного индекса оказывает значение индекса S&P 500. На втором месте по степени существенности - 3-месячная межбанковская ставка за предыдущий период. Будучи практически равнозначными по существенности, за ней следуют индексы РТС, Brent и баланс государственного бюджета к ВВП. Наименее существенный коэффициент - при доле внешних обязательств банковского сектора в ВВП. Тем не менее, для данной переменной применялось дифференцирование второго порядка, поэтому данный факт не означает, что доля внешних обязательств банков в ВВП оказывает наименьшее влияние на значение индекса по сравнению с другими факторами.

На первый взгляд, знаки коэффициентов при доле внешних заимствований банковского и при цене нефти Brent не соответствуют реальной направленности их взаимосвязи с уровнем финансовой стабильности. В случае внешних заимствований банков, это может быть обусловлено длиной лага, используемого в регрессии - в краткосрочной перспективе прямая зависимость между объемом внешних заимствований и уровнем финансовой стабильности может быть обусловлена положительными ожиданиями иностранных кредиторов относительно финансовой стабильности в стране заемщика. Связь между оттоком денежных средств в результате кредитования за рубежом и уровнем финансовой стабильности, вероятно, проявляется в более долгосрочной перспективе. В этом случае включение более длинного лага в регрессию привело бы к отрицательному знаку коэффициента при переменной.

Причиной отрицательного знака коэффициента при цене нефти Brent, как и его низкой существенности, могла стать компенсирующая роль Стабилизационного фонда РФ и использование бюджетного правила, в рамках которого предусматривалось использование нефтегазового трансферта в контрциклических целях - при повышении фактической цены на нефть выше установленной базовой цены часть нефтегазовых доходов поступала в Стабилизационный фонд, а при ее снижении ниже базовой средства Стабилизационного фонда использовались для финансирования расходных статей государственного бюджета (Кудрин, Соколов, 2017).

Рисунок 6

Тесты Дарбина - Уотсона и Бройша - Годфри выявили невозможность отвержения нулевой гипотезы об отсутствии автокорелляции. Результаты представлены в Таблице 6.

Таблица 6. Результаты тестов на наличие автокорреляции

В Таблицах 7 и 8 приведены корреляционная матрица и коэффициенты вздутия дисперсии.

Таблица 7. Корреляционная матрица

Таблица 8. Статистика мультиколлинеарности

Результаты тестов на гетероскедастичность также являются удовлетворительными. В Таблице 9 представлены статистики тестов Бройша - Пагана и Уайта для регрессии с AFSI2 в качестве зависимой переменной.

Таблица 9. Результаты тестов на гетероскедастичность

3. Интерпретация результатов эконометрического исследования

Интерес для работы представляет интерпретация коэффициентов при объясняющих переменных. Наибольшее влияние на значение индекса финансовой стабильности оказывает индекс S&...