Влияние межбанковской конкуренции на результаты деятельности участников банковской сферы России

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Влияние межбанковской конкуренции на результаты деятельности участников банковской сферы России

Шацова Алина Кирилловна

Введение

Вопрос связи между стабильностью и конкуренцией в финансовой сфере был спорным в течение длительного периода времени. После мирового финансового кризиса 2008 - 2009 годов популярность этой темы начала нарастать. С тех пор было написано множество научных работ, авторы которых, используя различные модели и способы анализа данных, получили совершенно разные результаты.

Главная задача моего исследования заключается в том, чтобы выяснить, каким образом конкуренция влияет на стабильность банковской сферы России. А именно, в ходе работы я изучаю, есть ли различия между влиянием конкуренции на склонный к монополизации рынок и рынок, стремящийся к условиям совершенной конкуренции.

Модель, примененная в этом исследовании, основана на модели, использованной в статье Abu Hanifa, Md. Noman et.al. (2017). Регрессия оценивает уровень стабильности двух выбранных групп банков, стабильность оценивается с помощью Z - индекса, а конкуренция отображается в виде индекса Херфиндаля - Хиршмана, оценивающего уровень концентрации рыночной власти. Группы отобраны по принципу разделения выборок на очевидно монополизированную и предположительно стремящуюся к условиям создания конкурентного рынка. Таким образом, для каждой группы мной выбрано десять банков в начале рейтинга, который основан на размере активов российских банков, и десять банков, занимающих с 91 по 100 строчки этого же рейтинга. Также в модель включены такие переменные как: стабильность за прошедший период, квадрат конкуренции, контрольные переменные, в число которых входят размер банка и состав активов, и макроэкономические переменные: годовой темп роста реального ВВП и уровень инфляции. Дополнительно в модель включена одна фиктивная переменная, которая идентифицирует влияние двух значимых для исследуемого мной сектора кризисов: глобального финансового кризиса 2008 - 2009 годов и российского локального финансового кризиса 2014 - 2015 годов. Период исследования: с 2001 по 2018 год. В эмпирическом анализе представлены два сценария анализа для каждой из двух выборок. Первый из них основан на исследовании полного периода (2001-2018 годы), а второй предполагает разделение на шесть периодов (2001-2004, 2005-2007, 2008-2009, 2010 - 2013, 2014 - 2015 и 2016 - 2018 годы).

1. Литературный обзор

Анализ динамических показателей конкуренции до начала активной надзорной политики Банка России в период 2010-2017 гг. был проведен в работе Ю. Ушаковой и А. Кругловой (2018). Они проводят этот анализ, выбирая индикаторы конкуренции, основанные на колебании и распределении процентных ставок по кредитам и депозитам между банками и учитывая оценку рисков кредитной политики банков. Анализ этой динамики показал возможное усиление конкуренции в розничном сегменте банковских операций в период после активизации политики ЦБ РФ. В то же время, так как рассматриваемые показатели не согласованы между собой, авторы статьи не могут сделать однозначный вывод о динамике конкурентных процессов в корпоративном сегменте. В итоге, авторы исследования приходят к тому, что их гипотезао снижении конкуренции в российском банковском секторе после того, как Банк России начал активную надзорную политику, не может быть подтверждена результатами рассмотренных показателей конкуренции.

В статье Новикова В.В. (2017) основным допущением является то, что, несмотря на положительную динамику основных показателей банковского сектора Российской Федерации, на рынке наблюдается одновременное увеличение концентрации и расслоения, что в совокупности приводит к снижению конкуренции частных банков и увеличению рыночной власти крупнейших государственных банков за счет их олигополистической структуры. Из статьи можно сделать вывод, что на российском банковском рынке существует низкий уровень конкуренции, что препятствует развитию всей экономики и стабильности банковского сектора в частности, а также является источником необходимости введения институциональной реформы.

Целью работы Таштамирова М.Р. (2017) является определение уровня развития и степени устойчивости банковской системы в застойной экономике. Данная работа посвящена изучению состояния банковской системы России и динамики ее функционирования в условиях неопределенности экономического развития. Попытки Банка России и Правительства Российской Федерации повысить устойчивость сектора предпринимаются только в отношении «их» крупных банков с участием государства, несмотря на то, что наибольшая группа региональных малых и средних банков испытывает значительные трудности. Однако в стагнирующей экономике угроза истощения резервов возрастает, как в бюджете, так и в Банке России, что создает проблемы для итак нестабильной национальной банковской системы.

В статье Зориной В.В. (2015) была проведена статистическая оценка уровня концентрации банковских услуг на российском рынке. В работе проанализированы основные направления развития этой отрасли, в том числе факторы, свидетельствующие об усилении монопольных тенденций. Из этого исследования были сделаны следующие выводы:

1. Во-первых, экономика банковского сектора все еще находится под влиянием недавнего кризиса крупнейших игроков отрасли и перераспределения прибыли от региональных банков к ведущим банкам;

2. Во-вторых, результаты, полученные в ходе расчетов статистических показателей концентрации, не могут быть однозначно интерпретированы, так какроссийская банковская система может быть отнесена к различным типам рынков в зависимости от выбранного критерия.

Комплексный подход к анализу конкуренции в банковской системе был предложен в работе Грищенко В.О. (2011). В нем также рассматривается проблема решения задачи оценки конкуренции с помощью статистических и эконометрических методов, используемых в соответствии с предложенной методологией. Автор исследования оценивает уровень конкуренции в банковской системе России с помощью наиболее актуальных методов. По результатам исследования можно сделать следующие выводы: - высокий уровень конкуренции в банковской сфере не гарантирует того, что она более стабильна, чем не настолько конкурентная банковская система; - результаты статистических расчетов не позволяют сделать однозначный вывод об уровне конкуренции в российской банковской системе, однако позволяют обнаружить новые тенденции. В результате исследования активов первых 200 банков автор пришел к заключению, что поведение банков больше соответствует монополистической конкуренции, чем олигополии.

В работе Deniz Anginer et. al. (2012) авторы демонстрируют сильную благоприятную взаимосвязь между банковской конкуренцией и стабильностью сектора, используя конкурентную и в то же время взаимозависимую деятельность в банковском секторе. В этой статье изучается корреляция в рисковом поведении банков и, следовательно, системный риск. Оценка показывает, что усиление конкуренции побуждает банки брать на себя большие риски, делая банковскую систему более уязвимой. Из исследования авторы делают вывод, что банковские системы в странах с низким уровнем надзора и мониторинга и повышенным государственным владением банками более уязвимы. Кроме того, это происходит в странах с ограниченной конкуренцией. Также в странах с повышенным вниманием к безопасности и слабой регуляторной политикой отсутствие конкуренции оказывает более сильное негативное влияние на стабильность системы.

В работе Gianni DeNicoloМ и Marcella Lucchetta (2015) авторы изучают результаты оценки модели, отражающей сбалансированный банковский сектор с учетом наличия морального риска. В случаях сбалансированной банковской модели с моральным риском они изучают связь между банковским соперничеством, экономической стабильностью и благосостоянием, где выбор «систематической» опасности со стороны банков или компаний не наблюдается. Вывод, который авторы сделали из статьи, заключается в том, что если посредническая деятельность демонстрирует растущую или эффективную доходность, то совершенная конкуренция идеальна и способствует минимально возможному уровню риска. С другой стороны, если посредничество ведет к устойчивой доходности к масштабированию или неэффективна, тогда оптимальными являются промежуточные уровни банковского риска и деятельность в условиях несовершенной конкуренции.

В статье Florian Leon (2015) рассматриваются наиболее часто используемые неструктурные и структурные меры банковской конкуренции. Автор статьи сделал следующие выводы. Во-первых, структурные меры страдают от значительных ограничений на теоретическом и практическом уровнях, несмотря на их широкое использование в эмпирических статьях. Во-вторых, хотя индекс Лернера является довольно качественным показателем рыночной власти, он не всегда является хорошим конкурентным преимуществом для исследуемых компаний. Средняя степень устойчивости рынка может улучшаться, уменьшаться или стабилизироваться, даже если индекс Лернера определенных компаний уменьшается вследствие воздействия перераспределения благ. В-третьих, в статическом виде H-статистика Panzar-Rosse является хорошей мерой измерения уровня соперничества на рынке; тем не менее, такое исследование требует сильных предположений, которые не всегда могут быть проверены и обоснованы. Наконец, индекс Буна отражает ярко выраженные эффекты конкуренции, но степень конкуренции в краткосрочной перспективе иногда может быть неверно определена.

В работе Gamze Danisman (2018) демонстрируется конкуренция в финансовом секторе развитых рынков и её особенности. В исследовании обсуждаются уникальность и хрупкость банков, оцениваются банковские модели и проводится исторический анализ банковской конкуренции. Также в статье реализуются различные меры конкуренции, которые часто используются в банковской литературе. Автор статьи утверждает, что из-за несовершенств рынка, таких как асимметрия информации, традиционная парадигма о пользе конкуренции в силу минимизации затрат и эффективности распределения ресурсов не работает в банковской сфере. В данной статье рассматривается парадигма соперничества как основного вида конкуренции, свойственного финансовому сектору развитых рынков.

В работе Fiordelisiet. al. (2014) авторы оценивают динамическую связь между соперничеством и состоятельностью банков среди европейских банков в диапазоне 1998 и 2009 годов. Они получают три основных результата. Для начала, авторы представляют доказательства того, что контроль над банковским рынком противоречит принципам эффективности деятельности банков, подразумевая, что между соперничеством и надежностью существует положительная связь. Также они считают, что эта взаимосвязь не меняется под влиянием чрезвычайной ситуации, что было доказано на примере мирового финансового кризиса. В-третьих, авторы демонстрируют, что увеличение однородности в изучаемом финансовом секторе решающим образом влияет на уровень состоятельности банков. Их открытия имеют важные предложения по планированию и исполнению регулирующих принципов, которые повышают общую безопасность банковской структуры.

В работе Schaeck Klaus & Cihak, M. (2013) авторы проверяют теорию о том, что стремления банков к финансовой устойчивости негативно влияет на перераспределение полученных благ от неэффективных банков к эффективным. На примере банков Европы они показывают, что на рынке идет борьба за укрепление рыночной власти, которая способствует повышению устойчивости крупных банков, и, соответственно, понижению состоятельности небольших кредитных учреждений. Результаты авторов говорят о том, что эффективна та система, в которой соперничество добавляет сектору устойчивости, и что контролирующие органы должны уделять больше внимания укреплению существующих банков.

В работе KasmanSaadet et. al. (2015) проводится исследование влияния конкуренции, и особое внимание уделяется устойчивости банковской системы в турецкой финансовой сфере в период 2002-2012 годов. Индекс Буна и сбалансированный индекс Лернера используются для оценки уровня конкуренции, а доля неработающих займов (NPL) и Z - индекс используются для оценки стабильности банка. Первичные результаты демонстрируют, что проблема противоречиво идентифицируется моделью NPL, но хорошо идентифицируется с помощью Z - индекса. Результаты также показывают, что NPL дает положительный результат, в то время как Z - индекс демонстрирует отрицательный результат. Авторы исследования дополнительно используют квадратичную переменную для измерения уровня конкуренции, чтобы увидеть возможную не линейную связь между соперничеством и надежностью исследуемых банков. Результаты показывают, что значение квадратичной переменной отрицательно согласно результатам модели NPL и положительно для модели Z - индекса.

В статье Amidu Mohammad и Wolfe Simon (2013) на примере 978 банков в 55 развивающихся странах за 2000-2007 годы изучается, как степень соперничества влияет на расширение и устойчивость банковского сектора. Авторы проверяют непредсказуемую связь между тремя ключевыми факторами: рыночной властью, расширением и устойчивостью. Основной вывод заключается в том, что стабильность сектора повышается вместе с конкуренцией, так как повышается размер поощрительных выплат для сотрудников и, вместе с тем, уровень зарплат, что приводит к повышенной активности сотрудников банковского сектора. Результаты исследования оказываются полезными для использования различных контролирующих систем, таких как определение переменных и решение административных ситуаций, присущим банковскому сектору.

В работе Abu Hanifa Md. Nomanet. al. (2017) исследуется связь между конкуренцией и финансовой стабильностью с использованием несбалансированных панельных данных коммерческих банков стран ASEAN-5 за период с 1990 по 2014 годы. Были использованы три показателя финансовой устойчивости, а именно: натуральный логарифм Z - индекса для описания предположительной стабильности банка; отношение просроченной задолженности к риску портфеля доверенных ссуд и отношение капитала к предположительной капитализации. Конкуренция измерялась структурным (индекс HHI) и неструктурным подходами (H-статистика Панзара-Россе и индекс Лернера), а также отдельно для модели финансовой устойчивостибыла рассчитана регрессия.

Результаты исследования показывают, что конкуренция, измеряемая H-статистикой, положительно связана с финансовой стабильностью и капитализацией (измеряется соответственно с помощью натурального логарифма Z -индекса и коэффициента доли капитала) и отрицательно связана с кредитным риском, который измерялся с помощью модели NPL. Кроме того, рыночная власть, измеряемая индексом Лернера, отрицательно связана с финансовой стабильностью и капитализацией и положительно связана с кредитным риском. Эти результаты показывают, что усиление конкуренции и снижение рыночной власти позволяют банкам держать большие объемы капитала и принимать на себя меньший кредитный риск, соответственно, повышая свою финансовую стабильность.

В своей статье авторы Franklin Allen и Douglas Gale (2004) рассмотрели несколько моделей частичной конкуренции, при которых конкуренция и финансовая стабильность банков негативно взаимосвязаны. Также в статье были затронуты модели Хотеллинга в условиях пространственной конкуренции и шумпетерианская модель, подразумевающая конкуренцию между компаниями, обусловленную созданием новых продуктов. Авторы статьи акцентировали внимание на том, что конкуренция и финансовая стабильность банков могут иметь широкий спектр взаимосвязей. В некоторых ситуациях такие взаимосвязи могут предполагать компромисс, но в других нет. Например, эффективность моделей Шумпетерав условиях общего равновесия требует комбинации совершенной конкуренции и финансовой нестабильности.

Так как конкуренция приводит к эффективности распределения, она является желательным эффектом. Поэтому, чтобы обеспечить возможность сосуществования таких эффектов как наличие конкуренции и финансовая стабильность, экономики прибегают к усилению регулирования банковского сектора. Самый популярный инструмент для достижения этой цели заключается в наложении минимальных требований к капиталу банков. Соглашение Базеля 1988 года взяло под контроль уровень капитала банков для снижения рисков и уравнивания условий конкуренции. Для достижения эффективности Парето в дополнение к контролю капитала также был необходим контроль депозитной ставки.

Анализ, проведенный в статье, иллюстрирует сложность и многогранность проблемы регулирования банковской деятельности его влияния на конкуренцию и финансовую стабильность. Для выбора разумной политики регулирования межбанковской конкуренции необходимо тщательное рассмотрение всех факторов для работы, как на теоретическом, так и на эмпирическом уровне.

В статье D. Martinez-Miera и R. Repullo (2008) были исследованы факторы влияния обострения конкуренции на риск банкротства банка в контексте модели, в которой: банки инвестируют в предпринимательские кредиты; вероятность дефолта этих ссуд эндогенно выбирается предпринимателями; и ссуды по умолчанию имеют несовершенную корреляцию.

В статье показано, что существует два противоположных эффекта. С одной стороны, рост конкуренции ведет к снижению ставок по кредитам, что, в свою очередь, ведет к снижению вероятности дефолта, и, следовательно, более высокой безопасности банков. С другой стороны, конкуренция ведет к снижению ставок по кредитам и, следовательно, к снижению доходов от неуплат кредитов, которые обеспечивают защиту от потерь по кредитным задолженностям, поэтому банковская деятельность становится более рискованной. Результаты показывают, что эффект повышенного риска имеет тенденцию доминировать на монополистических рынках, тогда как маржинальный эффект доминирует на конкурентных рынках, поэтому, как правило, отношения между конкуренцией и риском банкротства банка имеют U - образную форму.

Данные результаты проверяются эмпирически путем: с помощью регрессии некоторой меры платежеспособности банка (например, выраженной через Z - индекс) и квадрата некоторой меры концентрации (например, индекса Херфиндаля-Хиршмана) или рыночной власти (такой как индекс Лернера).

Исследование DeanCorbae и RossLevine (2019) затронуло три следующих вопроса: снижает ли банковская конкуренция стабильность банков? Как могут быть использованы доступные инструменты регулирования, чтобы максимизировать преимущества и свести к минимуму какие-либо неблагоприятные последствия конкуренции? Как эффективность денежно-кредитной политики зависит от межбанковской конкуренции?

На основе аналитической модели, построенной для отражения банковской индустрии США, и эконометрических данных авторы статьи получили следующий результат:

1. Усиление банковской конкуренции имеет тенденцию уменьшать прибыль и стоимость уставного капитала банка, а также стимулировать кредитования и повышать хрупкость банковской системы. Однако существует компромисс между стабильностью и конкуренцией.

2. Преимущества от конкуренции могут быть получены путем улучшения системы управления банком и ужесточения требований к соотношению собственного и заемного капитала кредитного учреждения. То есть:

(а) введение правовых и нормативных реформ, которые побуждают лиц, принимающих решения о направлении деятельности банка (руководители и влиятельные акционеры), уделять больше внимания долгосрочному развитию банка и меньше концентрироваться на достижении краткосрочных целей;

(б) ужесточение требований к левереджу также повышает стабильность банка;

(в) объединение политики, улучшающей качество управления банками, с мерами, ужесточающими требования к левереджу, производит положительный мультипликативный эффект, который существенно повышает эффективность и стабильность банка.

3. Конкуренция усиливает эффект, производимый изменениями в денежно-кредитной политике на банковское кредитование. В неконкурентной банковской среде, в которой банки имеют большие процентные спрэды и большой объем прибыли, банки могут смягчить влияние нововведений в денежно-кредитной политике на банковское кредитование. Тем не менее, в конкурентной банковской среде небольшие процентные спрэды и нормы прибыли заставляют банки реагировать более агрессивно на изменения в денежно-кредитной политике. Структура банковской системы является важным фактором при оценке вероятных последствий изменений денежно-кредитной политики. Авторы статьи акцентируют на этом внимание, так как многие модели, которые центральные банки используют для оценки влияния денежно-кредитной политики на банковскую сферу предполагают конкурентные банковские рынки, в то время как большинство банковских систем очень монополизированы.

2. Методология

В ходе работы проведен эмпирический анализ двух групп российских банков. Первая группа - десять самых крупных российских банков, вторая группа - десять российских банков, стоящих на 91 - 100 местах в рейтинге, основанном на размере активов банков России. Банки, которые начали свою деятельность позже 2000 года или были поглощены другими банками в течение исследуемого периода времени, в выборку не включены. Таким образом, в каждую группу вошли следующие банки:

Таблица 1

10 самых крупных банков России	Банки России на 91 - 100 строчках рейтинга
Сбербанк России	Банк Интеза
ВТБ	Левобережный
Газпромбанк	ББР Банк
Россельхозбанк	Коммерцбанк (Евразия)
Альфа - Банк	Креди Агриколь КИБ
Московский кредитный банк	Челиндбанк
Национальный банк «Траст»	Челябинвестбанк
Банк «ФК Открытие»	Энерготрансбанк
Промсвязьбанк	Банк Кредит Свисс
ЮниКредит Банк	Международный Финансовый Клуб

Для каждой выборки использованы данные за 18 лет с 2001 до 2018 год, всего в каждой из них по 180 наблюдений. Обе выборки оценены по двум сценариям. Первый сценарий предполагает оценку выборки по каждой группе банков на протяжении 18 лет с 2001 по 2018 год. Этот период времени был взят, потому что активное развитие российской банковской системы началось в 2000 году. К тому же можно предположить, что с 2001 года российская экономика прошла самый тяжелый этап посткризисного периода после кризиса 1998 года.

Второй сценарий предполагает оценку выборок с учетом влияния финансовых кризисов: мирового финансового кризиса 2008 - 2009 годов и российского локального финансового кризиса 2014 - 2015 годов. Для этого оценка будет проводиться по - отдельности для шести периодов: 2001 - 2004, 2005 - 2007, 2008 - 2009, 2010 - 2013, 2014 - 2015 и 2016 - 2016 годов. Такие периоды были выбраны, чтобы оценить особенности поведения исследуемых параметров в условиях кризиса и сравнить их с тенденциями, выявленными в остальное время. Период с 2001 по 2007 года был разбит на два, чтобы качество оценки не смещалось за счет значительно большего количества включенных в выборку переменных.

Базовая модель регрессии:

, (1)

где:

· i =1..N и t = 1..T;

· N означает число банков; T означает время (год);

· б, в, г, ц и и - оценочные параметры;

· отображает финансовую стабильность банка i в момент времени t, выражаемую через Z - индекс;

· это зависимая переменная, где коэффициент б - константа, показывающая уровень стабильности банка;

· отражает уровень монополизации рынка банком i в момент времени t, который измеряется индексом Херфиндаля - Хиршмана (HHI);

· несет информацию о характеристиках банка i в момент времени t. В характеристики банка я включаю размер банка, измеряемый объемом его активов и долю собственного капитала банка в его общих активах;

· - переменная, отражающая макроэкономическую ситуацию в момент времени t, которая отражена через ставку инфляции и годовой темп роста реального ВВП.

· - фиктивная переменная, отражающая влияние кризисов 2008-2009 и 2014-2015, принимая значение 1, если t = 2008, 2009, 2014 или 2015, и значение 0 в остальных случаях;

· - ошибка.

Для того, чтобы оценить уровень финансовой устойчивости при помощи динамической модели панельных данных, я включила в модель отстающую зависимую переменную , ее коэффициент б измеряет уровень финансовой устойчивости банков. Положительное и значимое значение коэффициента б означает, что финансовая устойчивость одного года должна быть сохранена и в следующем году, что подразумевает неизменное отношение банков к принятию риска.

Так как индекс Херфиндаля - Хиршмана отражает уровень монополизации рынка, его значение обратно значению уровня конкуренции, соответственно, если значение отрицательно и значимо, то оно доказывает парадигму положительного взаимодействия стабильности и конкуренции. Согласно этой парадигме бомльшая конкуренция или меньшая рыночная власть предполагают, что банки будут брать на себя меньший риск и станут более устойчивыми. И наоборот, положительное и значимое значение является доказательством в поддержку парадигмы хрупкости конкуренции, предполагающей, что бомльшая рыночная власть или меньшая конкуренция заставляют банки брать на себя меньший риск и оказываться в позиции стагнации и, как следствие, терять свою финансовую устойчивость. Также разные знаки у и свидетельствуют о нелинейной или перевернутой U-образной взаимосвязи между конкуренцией и финансовой стабильностью, как это было предположено Martinez-Miera и Repullo (2008).

Способ измерения уровня финансовой стабильности

Теоретическое обоснование использования Z - индекса для описания уровня стабильности сектора основано на работе Roy A.D. (1952). Автор этого исследования измеряет, насколько банк далек от ситуации несостоятельности, где несостоятельность - это состояние, при котором размер издержек превышает объем капитала, например (- р > E), где р обозначает прибыль, а E обозначает капитал. Вероятность неплатежеспособности может быть представлена ??как вероятность того, что (E / A) окажется меньше (- ROA), где (E / A) - коэффициент собственного капитала, а ROA - доходность активов. Обратная же величина вероятности несостоятельности банка равна (ROA + E / A) / д (ROA), где д (ROA) - стандартное отклонение ROA. Таким образом, Z - индекс определяется как обратная величина вероятности неплатежеспособности банка и указывает на устойчивость банка. Z - индекс рассчитывается следующим образом:

(2)

Где, Zit - показатель финансовой устойчивости i-банка в момент времени t. ROAit означает эффективность использования активов i-банка в t лет; Eit / TAit - отношение собственного капитала к совокупным активам i-банка на момент времени t; д ROAit - стандартное отклонение ROAit, которое рассчитывается за предыдущие три года. Более высокое значение Z - индекса указывает на низкую вероятность финансовых затруднений банка и его более высокую стабильность или финансовую устойчивость. Значение Z - индекса увеличивается с ростом уровня прибыльности деятельности банка и его капитализации и падает с увеличением волатильности прибыли. Для нормализации его значения мной рассмотрен натуральный логарифм Z - индекса.

Контрольные переменные

Ряд банковских и макроэкономических переменных включен в регрессию для изучения взаимосвязи между конкуренцией и финансовой стабильностью сектора. Банковские контрольные переменные - это размер банка и состав его активов. Размер банка - натуральный логарифм совокупных активов. Эта переменная учитывается, так как крупные банки могут брать на себя больший риск из-за принадлежащей им большой доли рыночной власти; таким образом, размер активов банка может существенно влиять на его финансовую стабильность. Состав активов, который представляет собой отношение собственного капитала к совокупным активам, также может влиять на уровень стабильности банков, поскольку он измеряет поведение банков в сфере кредитования.

Среди макроэкономических контрольных переменных мной рассматриваются ежегодный темп роста реального ВВП и уровень инфляции. Ежегодный темп роста реального ВВП подразумевает колебания экономической активности или движение в деловом цикле, которые могут повлиять на результаты деятельности финансовых институтов страны и, соответственно, уровень их стабильности. Инфляция, или годовой темп роста индекса потребительских цен, рассматривается в качестве показателя макроэкономической нестабильности из-за ее обратного влияния на реальную экономику.

Метод оценки и данные

В процессе исследования я использовала динамическую модель для панельных данных, а точнее, оценку обобщенного метода моментов (GMM), потому что она отражает динамический характер финансовой устойчивости и потенциальную проблему эндогенности, которая возникает между финансовой стабильностью и банковской конкуренцией. Кроме того, она дает более качественные результаты по сравнению со статистической моделью, которая использует модели со случайными и фиксированными эффектами. Этот вывод подтвержден проведенными в ходе исследования F - тестом, тестами Хаусмана и множителей Лагранжа. Также до тестирования моделей я проверила наличие проблем автокорреляции и гетероскедастичности с помощью тестов Дарбина - Уотсона и Бройша - Пагана соответственно.

Данные в основном взяты с официального сайта ЦБ РФ. Также дополнительная информация была взята с сайтов banki.ru, Finam.ru и gks.ru.

3. Эмпирический анализ выборки из десяти самых крупных банков России

Прежде чем перейти к эмпирическому анализу, мной будет проведен предварительный анализ данных, включающий проверку выборки на наличие мультиколлинеарности с помощью корреляционной матрицы. Тесты на наличие автокорреляции и гетероскедастичности проведены для того, чтобы получить состоятельный результат регрессионного анализа. Для эмпирического анализа используется программное обеспечение RStudio. Перед проведением корреляционного и регрессионного анализа я проведу краткий анализ описательной статистики параметров.

финансовый рыночный банк

Таблица 2. Описательная статистика

Все 9 переменных состоят из 180 наблюдений, собранных по 10 банкам на протяжении 18 лет (с 2001 по 2018 год). Большинство переменных являются натуральными логарифмами, что затрудняет интерпретацию полученных данных, однако некоторые данные все же являются показательными.

Переменная E.TA, отображающая долю собственного капитала в активах банка, показывает среднее значение, равное 9,75%, является нормальным показателем для банковского сектора, стимулирующим его к активному кредитованию у сторонних физических и юридических лиц. Минимальное значение, равное -102, 38%,принадлежит национальному банку «Траст» в 2018 году, в то время как впервые коэффициент автономии данного банка стал отрицательным в 2014 году и продолжал постепенно снижаться в течение следующих 4 лет. Максимальное же значение отражает размер доли собственного капитала Россельхозбанка в 2002 году, начиная с которого банк является агентом Правительства Российской Федерации.

Среднее значение индекса HHI равно 0, 03, что показывает невысокую концентрацию игроков в секторе, но данное значение не отражает реальное состояние сектора, так как статистика включает в себя все показатели индекса на протяжении 18 лет. В 2018 году индекс Херфиндаля - Хиршмана стал равен 2609, что свидетельствует о высококонцентрированном рынке.

Среднее значение переменной Crisis равно 0,22 и означает, что кризисные годы (2008-2009 и 2014-2015) составляют 22% от рассматриваемого в работе временного интервала. Максимальное и минимальное значения равны 1 и 0 соответственно, потому что Crisis - фиктивная переменная, принимающая значение, равное единице, в годы экономического кризиса в России и значение, равное нулю, в остальное время.

Корреляционный анализ

Согласно показателям корреляционной матрицы (см. Приложение 1) большинство переменных слабо коррелирует, но сильная зависимость прослеживается между переменными ln.Z и ln.ZPrevious, что объясняется тем, что индекс Z не может сильно изменяться в течение года деятельности банка. Также корреляция, равная 0,97, наблюдается между переменными HHI и HHI2, что может привести к мультиколлинеарности. Данная проблема может быть решена за счет исключения переменной HHI2, но в таком случае модель теряет свои описательные свойства, поэтому такой подход не может быть использован. Так как мультиколлинеарность не влияет на отклонения оценок коэффициентов и значимость показателей регрессии, мною было принято решение оставить возможную мультиколлинеарность.

Из менее заметных результатов корреляционной матрицы стоит отметить негативную корреляцию между показателем lnTA и показателями inflation и GDP. gr. rate. Первое значение объясняется тем, что инфляция ведет к резкому обесцениванию реальных активов банков. Второе значение можно объяснить ростом кредитных ставок вследствие экономического роста и, соответственно, снижением спроса на кредитные займы.

Регрессионный анализ

Первым тестом, который я провела в рамках оценки регрессии, является тест Дарбина - Уотсона, который проверяет модель на наличие автокорреляции.

Таблица 3. Результаты теста Дарбина - Уотсона

Нулевая гипотеза теста предполагает, что в регрессионной модели отсутствует автокорреляция остатков. Величина p-value, равная 0,9298, что намного больше, чем 0,05, подтверждает нулевую гипотезу об отсутствии автокорреляции в регрессии. Также значение критерия DW, равное 2,082, дает мне основания полагать, что автокорреляция в модели отсутствует.

Следующий тест, который был проведен, - тест Бройша - Пагана, проверяющий регрессию на наличие гетероскедастичности случайных ошибок регрессии.

Таблица 4. Результаты теста Бройша - Пагана

Нулевая гипотеза теста предполагает, что в регрессии отсутствует гетероскедастичность. Полученный в результате проведения теста критерий, равный 32,952, что намного выше критического значения, свидетельствует о наличии гетероскедастичности в исследуемой модели. Наличие гетероскедастичноси также подтверждается значением p-value, близким к нулю и, соответственно, отрицающим нулевую гипотезу. Для решения этой проблемы я использую ковариационную матрицу Уайта, позволяющую проверить устойчивость ошибок модели к гетероскедастичности.

Таблица 5. Результаты теста Бройша - Пагана с учетом ковариационной матрицы

После применения матрицы Уайта тест показывает небольшую разницу между полученным критерием и величиной критического значения. Также p-value, равное 0,08613, что превышает значение 0,05, свидетельствует о применимости нулевой гипотезы, предполагающей отсутствие гетероскедастичности для исследуемой мной модели.

Два сценария оценки регрессии

В этом разделе я опишу два сценария оценки регрессионной модели. Сначала я проанализирую полученные показатели на временном промежутке с 2001-ого по 2018 года. Потом будет проведена оценка регрессии на шести временных промежутках, исключающих кризисные года из общей массы данных и позволяющих оценить разницу влияния исследуемых переменных на стабильность банковского сектора в кризисное и пост кризисное время.

Оценка регрессии на промежутке 2001 - 2018 гг.

Для выбора наиболее эффективного способа оценки регрессии я использую три модели оценки: объединенную модель регрессии, модель с фиксированными эффектами и модель со случайными эффектами. Результаты модели с наиболее высокой описательной способностью я буду использовать для анализа влияния исследуемых параметров на стабильность банковского сектора России в течение 18 лет.

1. Объединенная модель регрессии:

Данная модель является линейной моделью регрессии, в которой зависимая переменная зависит от всех переменных в один и тот же момент времени. Для настройки параметров данной модели используется метод наименьших квадратов. Результаты оценки этой модели представлены ниже в Таблице 6.

Таблица 6. Результаты объединенной модели регрессии

Константа в регрессии приравнена к нулю, так как ее наличие понижает значимость коэффициентов переменных и значение коэффициента детерминации (R - Squared), что свидетельствует об уменьшении описательной силы модели. Так как я не учитываю значение константы, в оценке эффективности моделей я буду опираться на значения скорректированного коэффициента детерминации (Adj.R-Squared).

Практически все коэффициенты модели значимы, за исключением годового роста ВВП (GDP. gr. rate) и индекса Херфиндаля - Хиршмана в квадрате (HHI. 2). Наибольшей значимостью обладают коэффициенты натурального логарифма предыдущего значения Z - индекса (ln.ZPrevious) и доли собственного капитала в активах банка (E.TA).

2. Модель со случайными эффектами:

Данная модель предполагает, что индивидуальные различия между объектами регрессии носят случайный характер. По сравнению с объединенной моделью регрессии она является менее ограничительной, так как не предписывает одинаковое поведение всем объектам выборки во все моменты времени. Несмотря на вышеупомянутые преимущества перед рассмотренной ранее моделью для оценки моей выборки данная модель оказалась менее эффективна. Результаты оценки модели со случайными эффектами представлены в Таблице 7.

Таблица 7. Результаты модели со случайными эффектами

Согласно полученному результату модель практически не уступает объединенной модели регрессии в значимости коэффициентов, однако полученный скорректированный коэффициент детерминации немного больше 0,5, что говорит о невысоком качестве модели. В связи с этим показателем можно предположить, что объединенная модель регрессии предпочтительнее для оценки моей выборки, чем модель со случайными эффектами.

3. Модель с фиксированными эффектами:

Модель с фиксированными эффектами, также как и модель со случайными эффектами позволяет учитывать неизмеримые индивидуальные особенности, но в отличие от последней она предполагает, что константа каждой переменной не изменяется во времени. В силу этой особенности модели из оценки были исключены следующие переменные: inflation, GDP. gr. rate и Crisis.

Таблица 8. Результаты модели с фиксированными эффектами

В Таблице 8представлены результаты оценки регрессии с помощью модели с фиксированными эффектами. Согласно полученным результатам модель обладает высокой описательной точностью, выраженной через большое значение Adj. R - Squared. Однако модель оценивает коэффициенты параметров E.TA и HHI. 2 как незначимые, тем самым оставляя в регрессии только переменные ln. ZPrevious, HHI и ln.TA.

На данном этапе оценки регрессии я могу сделать предположение, что объединенная модель более эффективна для оценки моей регрессии, чем модель со случайными эффектами. В то же время я не могу сделать однозначный вывод о большей эффективности объединенной модели или модели с фиксированными эффектами. Для того чтобы подтвердить свои выводы и прийти к решению об использовании одной самой эффективной модели для дальнейшей оценки моей регрессии я проведу следующие тесты: тест Хаусмана, F - тест, тест множителей Лагранжа.

1. Тест Хаусмана:

С помощью этого теста я смогу сравнить эффективность модели с фиксированными эффектами и модели со случайными эффектами. Нулевая гипотеза теста предполагает, что модель со случайными эффектами более предпочтительна. Альтернативная гипотеза, соответственно, предполагает, что указанная в нулевой гипотезе модель недостаточно эффективна.

Таблица 9. Результаты теста Хаусмана

Согласно результатам теста, приведенным в Таблице 9, значение p-value равно 0,0003648, что меньше чем 0,01, из чего можно сделать вывод, что нулевая гипотеза отвергается на доверительном уровне, равном одному проценту. При отвержении нулевой гипотезы я прихожу к выводу, что модель с фиксированными эффектами дает более состоятельную оценку, чем модель со случайными эффектами.

2. F - тест:

F - тест сравнивает объединенную модель регрессии с моделью с фиксированными эффектами. Нулевая гипотеза теста предполагает, что объединенная модель дает более состоятельную оценку регрессии, чем модель с фиксированными эффектами.

Таблица 10. Результаты F - теста

Значение p-value, отраженное в Таблице 10, больше, чем 0,1, соответственно, нулевая гипотеза не отвергается, и объединенная модель регрессии признается тестом более эффективной для оценки регрессии, чем модель с фиксированными эффектами.

3. Тест множителей Лагранжа:

Этот тест я провожу, чтобы сравнить эффективность объединенной модели и модели со случайными эффектами. Нулевая гипотеза теста предполагает, что индивидуальные различия банков равны нулю.

Таблица 11. Результаты теста множителей Лагранжа

Согласно представленным в Таблице 11 результатам нулевая гипотеза верна, что подтверждается значением p-value, большим, чем 0,1. Это значит, что объединенная модель дает более состоятельную оценку регрессии, чем модель со случайными эффектами.

Согласно результатам всех трех тестов объединенная модель регрессии оказалась наиболее эффективной моделью для оценки исследуемой регрессии. Поэтому во втором сценарии оценки регрессии, учитывающем влияние кризисных годов на взаимодействие параметров, я буду использовать объединенную модель для анализа всех шести последующих выборок.

Оценка регрессии с учетом влияния кризисов 2008-2009 и 2014-2015 годов

В этой части будет проведен анализ шести регрессий, построенных на основе выборок за 2001 - 2004, 2005 - 2007, 2008 - 2009, 2010 - 2013, 2014 - 2015 и 2016 - 2018 года. Такие периоды времени были взяты для того, что оценить влияние исследуемых параметров на стабильность российского банковского сектора в кризисные и пост кризисные годы. Период 2001 - 2007 разбит на два временных промежутка, чтобы получить более справедливые значения коэффициентов параметров регрессии, не смещенных за счет большего объема выборки по сравнению с остальными взятыми периодами.

i. 2001 - 2004 годы

Таблица 12. Результаты для периода 2001 - 2004 годов

В Таблице 12 представлены результаты оценки регрессии за период 2001 - 2004 годов. Скорректированный коэффициент детерминации равен 0,77, что немного меньше чем тот же коэффициент, полученный при оценке периода 2001 - 2018 годов, но достаточно высоко, чтобы назвать модель достаточно хорошей для оценки регрессии. Все коэффициенты, кроме коэффициента переменной GDP. gr. rate, значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

Наиболее значимы коэффициенты ln.ZPrevious, HHIи ln. TA. Значимость коэффициента ln.ZPrevious будет держаться на высоком уровне на протяжении оценки всех шести периодов, также его значение примерно равно единице во всех приведенных далее результатахоценки регрессий. Такой показатель говорит о том, что банки не склонны к изменению стратегии риск - менеджмента и стараются не прибегать к мерам, которые могут пошатнуть их стабильность даже в стрессовые для банковского сектора периоды. Высокая значимость коэффициента ln. TA говорит о сильном влиянии размера активов банка на его стабильность. Учитывая, что в тестируемую группу банков входят самые влиятельные банки с наибольшим объемом активов, можно предположить, что в силу особенностей выборки размер активов банков отражается на уровне их стабильности сильнее, чем остальные исследуемые параметры за исключением параметра ln.ZPrevious.

Анализируя высокую значимость коэффициента HHI, можно сделать вывод, что в 2001 - 2004 годах в российском банковском секторе сложилась благоприятная конкурентная среда для активно развивающихся банков, входящих в исследуемую группу.

ii. 2005 - 2007 годы

Таблица 13. Результаты для периода 2005 - 2007 годов

В Таблице 13 представлены результаты оценки регрессии за период 2005 - 2007 годов. Скорректированный коэффициент детерминации равен 0,63, что не так высоко как предыдущие значения, но все еще достаточно, чтобы признать модель приемлемой. Все коэффициенты, кроме коэффициента переменной GDP. gr. rate и E. TA, значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

На данном промежутке наблюдается некоторое уменьшение значимости коэффициента HHI, что может указывать на тенденцию к монополизации исследуемой группы банков, которая, однако, некритично влияла на темпы развития и укрепления банковского сектора.

iii. 2008 - 2009 годы

Таблица 14. Результаты для периода 2008 - 2009 годов

В Таблице 14 представлены результаты оценки регрессии во время мирового финансового кризиса, пришедшегося на 2008 - 2009 годы. Скорректированный коэффициент детерминации равен 0,64, из чего можно сделать вывод, что модель приемлема для оценки регрессии. Все коэффициенты, кроме коэффициентов переменных GDP. gr. rate и ln. TA, значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

В данной модели наблюдается общее падение значимости исследуемых коэффициентов. Такой эффект может быть получен за счет активной поддержки банков со стороны государства, которое позволило лидерам сектора избежать стремительного оттока вкладов и сохранить свои позиции на рынке. В то же время результат модели показывает очень высокий коэффициент HHI и HHI. 2, что говорит о высокой степени негативного влияния концентрации рыночной власти на стабильность выбранной группы банков и, в то же время, еще более сильном положительном влиянии концентрации рыночной власти в квадрате. Такие показатели иллюстрируют усиленное кризисом пагубное влияние неравномерного распределения активов среди участников рынка на стабильность этого рынка и, в то же время, не линейные взаимоотношения между уровнем межбанковской конкуренции и устойчивостью банков. Еще одним объяснением полученного результата может быть одновременное протекание двух процессов: вызванной мировым кризисом дестабилизации сектора и усиления монополизации исследуемой группы банков, вызванного, в том числе активным участием государства в поддержке «слишком больших, чтобы упасть» игроков рынка.

iv. 2010 - 2013 годы

Таблица 15. Результаты для периода 2010 - 2013 годов

В Таблице 15 представлены результаты оценки регрессии за период 2010 - 2013 годов. Скорректированный коэффициент детерминации равен 0,798, что говорит о достаточно высоком качестве модели. Все коэффициенты, кроме коэффициентов переменных GDP. gr. rate и E. TA, значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

По сравнению с предыдущим периодом значимость коэффициента HHIвозросла, а значение коэффициента, наоборот, упало. Такая тенденция может быть вызвана усилением регулирования деятельности крупных банков государством, стремящимся к восполнению ресурсов, вложенных в активную поддержку этих банков в кризисное время.

v. 2014 - 2015 годы

Таблица 16. Результаты для периода 2014 - 2015 годов

В Таблице 16представлены результаты оценки регрессии во время российского кризиса 2014 - 2015 годов. Скорректированный коэффициент детерминации у модели относительно невысок (0,5075), что говорит о том, что модель не достаточно хорошо описывает исследуемую регрессию, однако ее можно считать приемлемой. Переменные GDP. gr. rate, ln. TA и HHI. 2 незначимы, остальные переменные значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии в целом.

В отличие от предыдущих периодов коэффициент HHIположителен, соответственно, рост концентрации рыночной власти крупных банков начинает позитивно влиять на уровень их стабильности. Такое изменение можно объяснить тем, что и без того сильная зависимость банков от государства, снова возросшая в результате активного вмешательства регулятора в банковскую деятельность во время нового кризиса, ограничивает крупные банки в принятии конкурентных решений, непосредственно связанных с риском. В то же время мощная поддержка государства обеспечивает устойчивость тестируемой группы банков даже в стрессовый для экономики период.

vi. 2016 - 2018 годы

Таблица 17. Результаты для периода 20016 - 2018 годов

В Таблице 17 представлены результаты оценки регрессии за период 2016 - 2018 годов. Скорректированный коэффициент детерминации равен 0,61, что говорит о приемлемости модели для оценки регрессии. Все коэффициенты, кроме коэффициентов переменныхln. TA и HHI. 2, значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

Позитивное влияние монополизации сектора на его устойчивость продолжается и в период 2016 - 2018 годов (коэффициент HHI положителен). Эту тенденцию можно объяснить растущей рыночной властью исследуемой группы банков за счет приобретения региональных кредитных учреждений с перспективой их дальнейшего присоединения, что органически способствует укреплению крупных игроков рынка.

Согласно результатам оценки регрессии с помощью объединенной модели такие параметры, как конкуренция в квадрате и годовой темп роста реального ВВП не имеют значительного влияния на стабильность 10 самых крупных банков в период с 2001 по 2018 годы. Влияние же остальных параметров будет рассмотрено ниже:

· Уровень стабильности банков в предыдущем году (ln.ZPreviuos) тесно связан с уровнем стабильности банков в исследуемом году. Коэффициент данной переменной положителен, соответственно, чем устойчивее был банк в прошлом году, тем выше вероятность того, что он останется устойчивым и в настоящее время. Значение коэффициента практически равно единице, что говорит о том, что предыдущее состояние банка достаточно сильно определяет его нынешнее состояние.Данный результат подтверждается реальными показателями устойчивости исследуемых банков.Также неизменные характеристики коэффициента ln. ZPreviousмогут свидетельствовать о склонности банков придерживаться неизменной стратегии риск-менеджмента, не ставящей под угрозу их стабильность вне зависимости от наличия стрессовых ситуаций на рынке.

· Параметр HHI также имеет положительный коэффициент, но в силу того, что сам индекс Херфиндаля - Хиршмана показывает уровень концентрации рыночной власти компаний, положительный коэффициент свидетельствует о негативной взаимосвязи между уровнем конкуренции и уровнем стабильности исследуемого сектора. В таком случае можно прийти к следующему выводу: слабо конкурентный рынок крупных банков с государственной поддержкой не готов к увеличению конкуренции. Также стоит отметить хоть и не и имеющий высокую значимость, но обладающий большим отрицательным коэффициентом параметр HHI. 2, означающий конкуренцию в квадрате. Такая взаимосвязь может быть объяснена нелинейной зависимостью стабильности сектора от уровня межбанковской конкуренции.

· Размер активов банка (ln.TA) также имеет позитивный, хоть и не такой большой коэффициент. Этот результат можно объяснить так: чем больше у банка активов, тем более устойчивым он является.

· Доля собственного капитала в активах банков (E.TA) позитивно связана с уровнем стабильности банковского сектора, соответственно, чем сильнее банки обеспечены собственными средствами, тем устойчивее сектор. Так как исследуемая выборка банков имеетбольшое количество клиентов и высокий уровень государственной поддержки или поддержки со стороны материнской организации, для их стабильности размер доли капитала хоть и играет роль, но не такую большую, как другие исследуемые параметры.

...