Влияние межбанковской конкуренции на результаты деятельности участников банковской сферы России

· Фиктивная переменная (Crisis) имеет негативный коэффициент, что логически объясняется тем, что в кризисные годы весь банковский сектор становится более уязвимым.

· Уровень инфляции также негативно связан с уровнем стабильности банков, так как инфляция резко обесценивает банковские активы. Более того, вследствие дестабилизированного инфляцией общего экономического фона обостряются проблемы нарастания просроченной ссудной задолженности на балансах банков и обеспеченности российской банковской системы необходимым объемом резервов для решения проблем по списанию безнадежных долгов. Ухудшается ликвидность не только отдельных банков, но и всего банковского сектора.

Анализ регрессий, основанных на выборках, разбитых на шесть периодов, показал, что моделями самого высокого качества оказались модели, оценивающие регрессии за 2001 - 2004 и 2010 - 2013 годы. Возможно, такой результат получен в силу того, что эти две выборки содержат в себе данные за четыре года, в то время как остальные выборки содержат данные за период от двух до трех лет. Модель 2014 - 2015 годов обладает наиболее низким качеством, ее скорректированный коэффициент детерминации равен 0,5, и к тому же результаты данной модели показали наименьшее количество значимых коэффициентов, среди которых оказались только коэффициенты параметров ln.ZPrevious, HHI, E.TA и inflation. Остальные модели можно назвать приемлемыми для описания регрессии, что опровергает мое предположение о том, что объем выборки напрямую воздействует на качество модели. Также стоит обратить внимание на то, что в моделях 2014 - 2015 и 2016 - 2018 годов коэффициенты параметра HHI. 2 незначимы в отличие от моделей остальных годов. В то же время, модели, оценивающие оба кризиса 2014 - 2015 и 2008 - 2009 годов, показывают наибольшее значение коэффициентов параметров HHI и HHI. 2.

На протяжении анализа всех временных периодов я заметила то, что влияние конкуренции на исследуемый рынок не имеет хаотичных изменений, а, наоборот, показывает стабильную взаимосвязь с уровнем стабильности банковского сектора. Согласно полученным результатам в период с 2001 по 2013 года коэффициент параметра HHI постоянно негативный, что говорит о положительном влиянии уровня конкуренции на уровень стабильности сектора. Эти данные можно объяснить тем, что развитие банков России началось с 2000 года и, соответственно, в первом десятилетии этот сектор претерпевал сильные изменения, сопровождавшиеся повышенной конкуренцией среди участников рынка. Стоит также обратить внимание на то, что мировой кризис 2008 - 2009 годов не отразился на знаке коэффициента параметра HHI за исключением того, что в данной регрессии его коэффициент имеет намного более высокое значение, чем значения того же коэффициента в регрессиях, исследующих выборки предыдущих годов. Такой результат может быть оправдан тем, что, хоть мировой кризис и отразился на российской экономике, он не оказал настолько сильного влияния на банковский и финансовый сектор, как кризис 1998 года. Можно сказать, что к кризису 2008 - 2009 годов российская экономика была подготовлена, поэтому он не внес кардинальных изменений в направление развития банковского сектора. С другой стороны, положительное взаимодействие уровня конкуренции с уровнем стабильности сектора можно объяснить тем, что к 2008 году число действующих банков сократилось на 28 из 1136, в том числе из-за того, что: 36 банков было лишено лицензии; 5 банков было исключено из книги государственной регистрации в связи с реорганизацией и 13 банков начало свою деятельность. В результате, повышение концентрации рыночной власти в банковском секторе и снижение его устойчивости под влиянием кризиса привели к положительной взаимосвязи между уровнем конкуренции и уровнем стабильности в секторе.

С 2014 года начинает прослеживаться обратная тенденция: коэффициент параметра HHI становится положительным, что говорит о том, что повышение уровня конкуренции стало оказывать негативное влияние на устойчивость исследуемой группы банков. Это изменение могло быть вызвано сильным ударом, нанесенным российским финансовым кризисом 2014 - 2015 годов по экономике страны. По причине обесценения российского рубля банки получили мощный удар по капиталам и резервам в связи с переоценкой валютных кредитов и лишились иностранных кредиторов. Также снизился объем рублевых вкладов, и наблюдалось заметное увеличение количества случаев просроченной задолженности по кредитам. Сложившаяся ситуация привела к усилению итак активного вмешательства государства в поддержание уровня устойчивости ведущих банков, что в последствии обернулось тотальным контролем деятельности банков со стороны регулятора. Такая политика ограничивает уровень конкуренции в выбранном для анализа сегменте, но, в то же время, обеспечивает хороший уровень устойчивости банков. Таким образом, взаимодействие конкуренции и уровня стабильности исследуемой группы крупных банков России носит отрицательный характер.

Стоит обратить внимание на то, что, согласно результатам оценки регрессий, знак коэффициента параметра HHI. 2 в большинстве случаев противоположен знаку коэффициента параметра HHI, что говорит о том, что взаимозависимость между уровнем стабильности банковского сектора и уровнем межбанковской конкуренции не линейна.

Последовательность проведения эмпирического анализа точно такая же, как и у предыдущей выборки. Анализ также был проведен с помощью программного обеспечения RStudio. Для начала я, также как и в предыдущей выборке, проведу анализ описательной статистики данных.

Описательная статистика

Таблица 18. Описательная статистика

Так же как и в выборке по десяти самым крупным банкам России, в данной выборке все 9 переменных состоят из 180 наблюдений, собранных по 10 банкам на протяжении 18 лет (с 2001 по 2018 год). Большинство переменных также являются натуральными логарифмами.

Доля собственного капиталав активах банков, согласно полученным результатам, в среднем равна 16,34%, что выше среднего показателя крупных банков. Такой результат может быть объяснен во-первых тем, что исследуемые банки имеют намного меньший объем активов и по отношению к сумме активов доля их капитала увеличивается; во-вторых тем, что небольшие банки больше подвержены банкротству в связи с меньшим количеством вкладчиков и отсутствием активной государственной поддержки во время макроэкономических потрясений, а значит вынуждены поддерживать более высокий уровень собственного капитала в силу его защитных, оперативных и регулирующих функций.

Среднее значение переменной HHI равно 0, 02, но в анализе данной выборки на него также нельзя опираться, так как оно является усредненным показателем за все исследуемые 18 лет. В 2018 году индекс Херфиндаля - Хиршмана был равен 1004, что говорит о сбалансированном конкурентном рынке.

Корреляционный анализ

По результатам корреляционной матрицы (см. Приложение 2), так же как и в предыдущем случае, большинство параметров за исключением параметров ln.ZPrevious с ln.Z и HHI с HHI. 2слабо коррелирует. Также прослеживается более сильная негативная корреляция между уровнем инфляции и размером активов банка, которая может быть объяснена меньшей защищенностью исследуемой группы банков во время макрокономических потрясений, и такая же негативная корреляция существует между годовым темпом роста ВВП и размером активов банков.

Регрессионный анализ

Сначала я проверю регрессию на наличие автокорреляции, для чего проведу тест Дарбина - Уотсона.

Таблица 19. Результаты теста Дарбина - Уотсона

Нулевая гипотеза теста предполагает, что в регрессионной модели отсутствует автокорреляция остатков. Величина p-value, равная 0,9962, что намного больше, чем 0,05, подтверждает нулевую гипотезу об отсутствии автокорреляции в регрессии. Также значение критерия DW, равное 2,0077, дает мне основания полагать, что автокорреляция в модели отсутствует.

Убедившись в отсутствии автокорреляции у исследуемой регрессии, я проведу проверку на наличие гетероскедастичности, протестировав регрессию с помощью теста Бройша - Пагана.

Таблица 20. Результаты теста Бройша - Пагана

Нулевая гипотеза теста предполагает, что в регрессии отсутствует гетероскедастичность. Значение полученного в результате проведения теста критерия равно 17.807, что намного выше критического значения и свидетельствует о наличии гетероскедастичности в исследуемой модели. Опираясь на значение p-value, можно сделать вывод, что на доверительном уровне 1% нулевая гипотеза об отсутствии гетероскедастичности подтверждается, но отвергается на уровнях доверия 5% и 10%; поэтому я все же предполагаю, что в регрессии присутствует гетероскедастичность. Для решения этой проблемы я использую ковариационную матрицу Уайта, позволяющую проверить устойчивость ошибок модели к гетероскедастичности.

Таблица 21. 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 0,4117, что превышает значение 0,1, свидетельствует о применимости нулевой гипотезы, предполагающей отсутствие гетероскедастичности остатков для исследуемой мной модели.

Два сценария оценки регрессии

Далее я разделю оценку регрессии на два таких же сценария, по которым проходила оценка предыдущей выборки. Сначала я также проанализирую полученные показатели на временном промежутке с 2001 по 2018 год. Потом будет проведена оценка регрессии на шести таких же 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 будут использованы так же объединенная модель регрессии, модель с фиксированными эффектами и модель со случайными эффектами. Результаты модели с наиболее высокой описательной способностью я использую для анализа влияния исследуемых параметров на стабильность банковского сектора России в течение 18 лет.

1. Объедненная модель регрессии:

Таблица 22. Результаты объединенной модели регрессии

Adj. R-Squared объединенной модели регрессии равен 0,7123, что является довольно высоким значением, чтобы признать модель достаточно хорошей для оценки регрессии. Значимость модели также подтверждается низким значением p-value, практически равным нулю, и значением F статистики, равной 174. 344 при наибольшей степени свободы, равной 163. Все коэффициенты модели, за исключением коэффициента параметра HHI. 2, значимы как минимум на доверительном уровне 1%. Наибольшей значимостью обладают коэффициенты параметров ln.ZPrevious и E.TA.

2. Модель со случайными эффектами:

Таблица 23. Результаты модели со случайными эффектами

Анализируя результаты, представленные в Таблице 23, я пришла к выводу, что исследуемая модель обладает менее высоким качеством, чем предыдущая, что подтверждается значением коэффициента детерминации, равным 0,67464. Также в модели есть два незначимых коэффициента параметров Crisis и GDP. gr. rate. Однако модель все же эффективна и может быть применена для оценки регрессии.

3. Модель с фиксированными эффектами:

Таблица 24. Результаты модели с фиксированными эффектами

Результаты оценки данной модели представлены в Таблице 24.В силу особенности модели из нее были исключены параметры inflation, GDP. gr. rate и Crisis, также модель описывает коэффициенты параметров HHI и HHI. 2 как незначимые. Однако значение Adj. R - Squared показывает, что модель приемлема для оценки регрессии, эффективность модели также подтверждается значением p-value, близким к нулю.

Проанализировав все три модели, можно прийти к выводу, что наибольшей описательной силой обладает объединенная модель регрессии, но также нельзя игнорировать довольно высокие показатели коэффициентов детерминации и эффективностьостальных двух моделей. Поэтому для выбора наиболее оптимальной модели я также проведу тест Хаусмана, F - тест и тест множителей Лагранжа.

1. Тест Хаусмана:

Таблица 25. Результаты теста Хаусмана

Согласно результатам теста, приведенным в Таблице 25, значение p-value равно 0,5722 , что говорит о том, что нулевая гипотеза, предполагающая эффективность модели со случайными эффектами, не отвергается. Соответственно, на основании этого теста, можно сделать вывод, что модель со случайными эффектами предпочтительнее, чем модель с фиксированными эффектами.

2. F - тест:

Таблица 26. Результаты F - теста

Результаты F- теста представлены в Таблице 26. Нулевая гипотеза теста предполагает, что объединенная модель регрессии эффективнее, чем модель с фиксированными эффектами. P - value равно 0,1033, что больше 0,1, значит, нулевая гипотеза не отвергается.

3. Тест множителей Лагранжа:

Таблица 27. Результаты теста множителей Лагранжа

Нулевая гипотеза предполагает незначимость индивидуальных эффектов параметров. Значение p - value, представленное в Таблице 27, подтверждает нулевую гипотезу. Соответственно, тест показывает, что объединенная модель регрессии предпочтительнее, чем модель со случайными эффектами, основывающаяся на значимости индивидуальных эффектов параметров.

Основываясь на результатах проведенных тестов, я продолжу использовать объединенную модель регрессии для оценки влияния исследуемых параметров на стабильность выбранной группы банков. Также как и в оценке выборки десяти самых крупных банков я продолжу использование именно этой модели для оценки шести последующих регрессий.

В этой части будет проведен анализ шести регрессий, построенных на основе выборок за те же временные промежутки, что были взяты при анализе десяти самых крупных банков России: 2001 - 2004, 2005 - 2007, 2008 - 2009, 2010 - 2013, 2014 - 2015 и 2016 - 2018 годы.

Таблица 28. Результаты для периода 2001 - 2004 годов

При оценке данной выборки все коэффициенты переменных регрессии оказались значимы как минимум на доверительном уровне 1 % за исключением коэффициентов переменных HHI. 2 и inflation. Согласно полученному скорректированному коэффициенту детерминации, показанному в Таблице 28, оценку можно назвать приемлемой. Значение p-value, близкое к нулю, подтверждает значимость регрессии.

Наибольшей значимостью так же как и у крупных банков обладает коффициент ln. ZPrevious, указывающий на то, что банки в большинстве своем стараются придерживаться политики, не ставящей под угрозу их устойчивость. Также высоким уровнем значимости обладают коэффициенты HHI и E. TA. Высокая значимость и положительный знак первого кэффициента могут быть объяснены тем, что до 2000 года банковской системы в привычном для последнего десятилетия понимании в России не существовало, а банки развивались как обычный бизнес. Такая особенность развития сектора предполагала отсутствие стабильности игроков рынка, а возможная концентрация рыночной власти у некоторых из них давала возможность поднять уровень доверия у потенциальных клиентов и тем самым обеспечить себе бомльшую устойчивость за счет большего количества вкладчиков. Значимый коэффициент E. TAуказывает на то, что для выборки небольших банков размер доли капитала в общих активах сильнее влияет на их стабильность, чем объем активов. Эта особенность деятельности банков, входящих в тестируемую группу, была объяснена в анализе описательной статистики исследуемой выборки.

Таблица 29. Результаты для периода 2005 - 2007 годов

Согласно результатам, представленным в Таблице 29, скорректированный коэффициент детерминации данной модели довольно большой, что говорит о достаточно высоком качестве оценки. Также значимость модели подтверждается значением p-value, близким к нулю. В данной модели незначимыми оказались два коэффициента: коэффициент параметра GDP. gr. rate и коэффициент параметра inflation.

По сравнению с предыдущей выборкой более значимым становится коэффициент ln. TA, что может иллюстрировать активное развитие и постепенное укрупнение тестируемых банков.

Таблица 30. Результаты для периода 2008 - 2009 годов

Модель, оценивающая период мирового финансового кризиса отличается невысоким Adj. R - Squared, равным 0,609, что заметно ниже, чем показатели предыдущих моделей, но модель все еще можно назвать достаточно хорошей для проведения оценки. Приведенное в Таблице 30 значение p - value подтверждает значимость регрессии. В модели значимы все коэффициенты, наиболее значимыми из них оказались коэффициенты параметров ln.ZPrevious и E. TA.

Довольно сильное позитивное влияние степени рыночной концентрации на устойчивость группы банков можно объянить тем, что в период кризиса небольшие кредитные учреждения не получали достаточной помощи со стороны государства, сконцентрированного на поддержке крупных игроков рынка. В силу такой диспропорции в распределении ресурсов на поддержку сектора возможность сохранить стабильность была в основном у тех банков, которые имели достаточную рыночную власть, чтобы избежать банкротства за счет нарощенного объема активов и высокого уровня доверия клиентов.

Таблица 31. Результаты для периода 2010 - 2013 годов

Представленный в Таблице 31 скорректированный коэффициент детерминации модели равен 0,489, что ниже 0,5 и говорит о недостаточно высоком качестве модели, но все еще может считаться приемлемым. Также данная модель отличается большим количеством параметров с незначимыми коэффициентами, в число которых вошли HHI. 2, ln. TA, GDP. gr. rate и inflation.

В отличие от предыдущих моделей коэффициент HHIотрицателен, что указывает на обратный эффект увеличения концентрации рыночной власти на устойчивость группы банков. Такое изменение можно аргументировать ужесточением регуляторных и надзорных мер со стороны государства, одновременно ограничивающих возможность принятия конкурентноспособных решений более влиятельными банками и дающих небольшим кредитным учреждениям возможность развиваться на регулируемом рынке.

Таблица 32. Результаты для периода 2014 - 2015 годов

В Таблице 32 представлены результаты оценки регрессии во время российского кризиса 2014 - 2015 годов. Скорректированный коэффициент детерминации модели равен 0,62, что говорит о приемлемости модели для оценки регрессии. Переменные GDP. gr. rate и inflation незначимы, остальные переменные значимы как минимум на доверительном уровне, равном 1%. Значение p-value, близкое к нулю, подтверждает значимость регрессии в целом.

Коэффициент HHI сохраняет свой положительный знак, как и в предыдущей модели, несмотря на кризисное состояние сектора. Сохранение такой тенденции свидетельствует о сложившейся ранее благоприятной для развития банков конкурентной среде. То, что российский финансовый кризис не отразился на знаке коэффициента HHI можно объяснить тем, что недавний кризис 2008 - 2009 годов подготовил небольшие банки к стрессовой макроэкономической ситуации.

Таблица 33. Результаты для периода 2016 - 2018 годов

Представленный в Таблице 33 скорректированный коэффициент детерминации равен 0,676, что говорит о приемлемости модели 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.

Отрицательный и заметно более высокий, чем в предыдущих моделях, коэффициент HHI указывает на то, что степень негативного влияния монополизации на устойчивость тестируемой группы банков усилилось, соответственно, рынок небольших кредитных учреждений более подготовлен к органическому развитию в условиях конкуренции, чем был ранее. Высокий значимый коэффициент параметра HHI. 2 иллюстрирует нелинейную связь межбанковской конкуренции и стабильности исследуемого сектора.

Согласно результатам оценки регрессии с помощью объединенной модели, исследуемые параметры, за исключением конкуренции в квадрате, оказывают значимое влияние на стабильность тестируемой группы банков. Объяснение влияния параметров ln.ZPverious, ln.TA, inflation и Crisis точно такое же, как и для предыдущей выборки банков. Влияние же остальных параметров будет рассмотрено ниже:

· Индекс Херфиндаля - Хиршмана, выраженный параметром HHI, имеет отрицательный коэффициент, что обозначает негативное влияние усиления рыночной власти одного из игроков на стабильность исследуемого сектора. Соответственно, учитывая обратный эффект увеличения индекса на рост конкуренции, можно сделать вывод, что для исследуемой группы банков рост конкуренции оказывает положительный эффект на стабильность сектора. Квадрат индекса также имеет отрицательный коэффициент, что говорит о более прямолинейном взаимодействии между стабильностью банков и уровнем конкуренции, чем в предыдущей выборке. Также стоит обратить внимание на то, что значения коэффициентов параметров HHI и HHI. 2 при исследовании данной выборки оказались меньше, чем при исследовании десяти самых крупных банков, что говорит о более значимом негативном влиянии конкуренции на устойчивость крупных банков, чем позитивное влияние усиления конкуренции на стабильность небольших кредитных учреждений.

· Размер доли собственного капитала в активах банка (E.TA) положительно влияет на уровень стабильности исследуемой группы банков, так же как и в предыдущем случае. Отличие от предыдущей выборки состоит в том, что, согласно значениям коэффициентов, этот параметр оказывает большее влияние на банки, находящиеся на последних десяти строчках рейтинга, чем на десять самых крупных банков. Такое влияние может быть оправдано тем, что менее крупные, корпоративные банки больше зависят от степени обеспеченности капиталом, так как они сильнее зависят от своих клиентов и больше подвержены банкротству, вызванному оттоком клиентов или возрастанием количества безнадежных долгов.

· Годовой темп роста ВВП положительно связан со стабильностью сектора, но значение коэффициента параметра GDP. gr. rate незначительно. Позитивная взаимосвязь роста ВВП с уровнем устойчивости сектора логически объясняется тем, что при экономическом росте увеличивается объем инвестиций и, соответственно, объем кредитов, обеспечивающих эти инвестиции. Таким образом, повышается объем активов банков, который позитивно влияет на уровень стабильности сектора. В то же время, если обратить внимание на знаки коэффициентов параметра GDP. gr. rate в регрессиях, построенных на шести разных периодах, можно увидеть, что в некоторых из них коэффициент отрицательный. Такой эффект можно объяснить тем, что во время экономического роста повышается уровень цен и кредитных ставок, вследствие чего понижается количество кредитных займов и, соответственно, понижается объем банковских активов.

Полученные при анализе регрессий результаты говорят о том, что наиболее высоким качеством обладают модели, оценивающие выборки в периоды 2001 - 2004, 2005 - 2007 и 2016 - 2018 годов. Согласно результатам оценки этих моделей, наименее значимыми параметрами оказались годовой темп роста ВВП и инфляция. Такие показатели можно объяснить тем, что макроэкономические показатели оказывают чуть менее выраженный эффект на исследуемый сектор, чем индивидуальные особенности участников рынка и состояние рынка в целом. Наименее же высоким качеством обладает модель, оценивающая период с 2010 по 2013 годы. Как и в предыдущей выборке, эта модель имеет наибольшее количество незначимых коэффициентов, среди которых конкуренция в квадрате, сумма активов банка и годовой темп роста ВВП. Остальные модели можно назвать приемлемыми для оценки выборок.

Значения показателей параметра HHI, также как и у регрессий, составленных на основе данных десяти самых крупных банков, имеют четко прослеживаемую динамику. Так, до периода 2010 - 2013 годов все коэффициенты параметра HHI положительны, в то время как с 2010 по 2018 годы все коэффициенты этого параметра отрицательны. Учитывая обратную связь конкуренции с индексом Херфиндаля - Хиршмана, такие показатели говорят о том, что в первой половине исследуемого периода рост конкуренции негативно влияет на уровень стабильности исследуемой группы, а во второй половине рост конкуренции, наоборот, начинает положительно влиять на стабильность сектора. Стоит обратить внимание на то, что изменение влияния конкуренции на стабильность группы банков прямо противоположно его изменению в выборке десяти самых крупных банков.

Негативное влияние конкуренции на стабильность исследуемых банков в период с 2001 по 2009 годы может быть обусловлено тем, что экономика страны только начала свое восстановление после кризиса 1998 года. Можно предположить, что в силу отсутствия хорошо регламентированных контролирующих органов и разработанных впоследствии программ поддержки развития сектора небольшие и коммерческие банки были вынуждены идти на более рискованные сделки, чтобы остаться на рынке. Различие с исследуемыми ранее крупными банками в тестируемый период развития состояло в том, что крупные банкихоть и конкурировали между собой, все же имели бомльшую поддержку со стороны государства и были обеспечены большим количеством клиентов, обеспечивающих достаточный объем их активов.

По значениям коэффициентов параметра HHI также можно заметить, что мировой финансовый кризис 2008 - 2009 годов сильнее отразился на влиянии конкуренции на стабильность банков. Об этом говорит то, что именно после него рост конкуренции начал позитивно воздействовать на стабильность исследуемого сектора. Такое изменение может быть обосновано следующими причинами. Во - первых, девальвация рубля привела к высвобождению ресурсов и укреплению позиций небольших банков. Во - вторых, произошло резкое снижение издержек, так как затраты (аренда, зарплата сотрудникам) упали в цене. В - третьих, после кризиса 2008 - 2009 годов Правительство РФ предприняло меры по ужесточению регулирования и обеспечению устойчивости банковской системы. Такие последствия кризиса позволили небольшим кредитным учреждениям конкурировать друг с другом, имея более обеспеченную базу и опираясь на более жесткие регуляторные ограничения.

Российский кризис 2014 - 2015 годов, в свою очередь, не внес изменений в положительное влияние роста конкуренции на стабильность исследуемых банков. Такой результат может быть обоснован тем, что во время кризиса банковский сектор получил большую поддержку от государства и Банка России благодаря введению дополнительных источников банковского инвестирования. Также кредитные организации уже имели разработанные после предыдущего кризиса инструменты банковского менеджмента, благодаря которым сектор смог продолжать функционировать без критических изменений в направлении своего развития. Таким образом, конкуренция продолжила положительно влиять на устойчивость сектора, несмотря на серьезные угрозы его стабильности.

В итоге, на момент 2018 года продолжает прослеживаться положительное взаимодействие между уровнем межбанковской конкуренции и уровнем стабильности сектора. Так как в 2018 году индекс Херфиндаля - Хиршмана был равен 1004, что указывает на хорошую конкурентную среду на рынке, можно утверждать, что за 18 лет развития сектор небольших кредитных организаций пришел к уровню сбалансированности, который позволяет конкуренции не подрывать его устойчивость, а позитивно влиять на его развитие и стабильность. Однако во время анализа регрессий проявилась нелинейность взаимосвязи уровня конкуренции и уровня стабильности исследуемых банков, так как в четырех из шести регрессиях знак коэффициента параметра HHI. 2 был противоположен знаку коэффициента параметра HHI.

В этой части работы я сравниваю результаты эмпирического анализа двух групп российских банков: первой, более склонной к монополизации, и второй, стремящейся к созданию конкурентной среды на рынке. В таблице 34 показано, как каждый исследованный параметр отражается на стабильности групп: позитивно (+), негативно (-) или не имеет достаточной значимости (н/з).

Таблица 34. Сравнение результатов анализа для двух групп банков

Большинство параметров совпадают в своем влиянии на стабильность обеих групп банков. Таким образом, параметры ln.ZPrevious, ln. TAи E. TA положительно взаимодействуют с уровнем устойчивости как самых крупных банков России, так и банков поменьше:

- положительное влияние стабильности банка в предыдущем году (ln.ZPrevious) на стабильность банка в настоящее время указывает на то, что обе группы банков придерживаются такой стратегии развития, которая не ставит под угрозу уровень их устойчивости, что объясняется особенностью банковской деятельности, основанной на необходимости высокого уровня доверия клиентов;

- позитивная взаимосвязь между объемом активов (ln.TA) и стабильностью обеих групп говорит о том, что обе группы стремятся к наращиванию активов для укрепления собственного положения на рынке. Однако для первой группы объем активов более значим, чем для второй, что может быть вызвано особенностью выборки, основанной на объеме банковских активов;

- улучшение уровня стабильности обеих групп банков в связи с ростом доли капитала в их общих активах (E.TA) связано с тем, что на данный момент обе группы обладают довольно низкой долей собственного капитала, соответственно, ее постепенное увеличение будет свидетельствовать о большей устойчивости учреждения. Для второй группы параметр E.TAявляется более значимым, потому что банки, входящие в эту группу, не обладают такой активной поддержкой со стороны регулятора и таким высоким доверием населения, какими обладает первая группа. Соответственно, они стремятся к обеспечению устойчивости за счет повышения доли собственного капитала.

Параметры inflation и Crisis имеют негативное влияние на обе группы банков:

- падение устойчивости обеих групп банков во время инфляции (inflation) объясняется тем, что обе группы сталкиваются с проблемой увеличения объемов просроченной ссудной задолженности и безнадежных долгов в силу дестабилизированной инфляцией экономической ситуации. Для первой группы банков негативное влияние роста инфляции даже более значимо, чем для второй, в силу большего объема обесцененных активов;

- негативное влияние кризиса (Crisis) на стабильность обеих групп банков объясняется тем, что оба исследуемых в статье кризиса коснулись всего банковского сектора России.

Влияние параметра HHI2 на стабильность обеих групп оказалось незначительным, но данный параметр был введен в регрессию с целью узнать, линейна ли взаимосвязь межбанковской конкуренции и стабильности банков. В результате анализа выборок, я пришла к выводу, что в обеих группах эта взаимосвязь не линейна.

Между группами различаются показатели только двух параметров: GDPgr. rate и HHI:

- для стабильности первой группы банков годовой темп роста реального ВВП оказался незначим, в то время как на стабильность второй группы он влияет положительно. Такой результат может быть объяснен различием данных в выборках и особенностью оценки регрессий, так как значимость этого параметра у второй группы банков невелика;

- разное влияние конкуренции на стабильность двух групп является подтверждением гипотезы о том, что рост межбанковской конкуренции положительно влияет на конкурентные рынки и отрицательно влияет на монополизированные рынки. Эта тенденция подтвердилась в российской банковской сфере, так как влекущая за собой дополнительные риски деятельность крупных банков находится под контролем регулирующего органа, обеспечивающего устойчивость группы. Такое активное вмешательство государства влечет за собой постепенную стагнацию тестируемой группы, но в то же время, без его поддержки органическое поддержание устойчивости крупных банков на длительном промежутке времени не возможно. В то же время вторая группа банков показывает более равномерное распределение активов между участниками группы и большую автономность принятия решений. Такая система обладает перспективой дальнейшего развития и постепенного увеличения стабильности сектора за счет здоровой конкуренции между игроками.

Заключение

В работе было проведено исследование взаимосвязи между стабильностью и конкуренцией в двух группах банковского сектора. В первую группу вошли 10 самых крупных и влиятельных банков России, в то время как вторая группа состоит из 10 банков, занимающих с 91 по 100 строчки рейтинга банков, составленного на основе размеров их активов. Такие выборки были взяты, так как основной целью исследования является выявление различий между влиянием развития конкуренции на конкурентный рынок и на рынок, склонный к монополизации.

Был установлен период исследования с 2001 по 2018 год. Для более детального анализа взаимосвязи исследуемых переменных в статье было изучено два сценария. В первом сценарии мной рассматривался период, в который были включены все 18 лет, на протяжении которых тестировалась каждая выборка. Второй сценарий отличается от первого тем, что 18 лет разбиты на 6 периодов, выделяющих особенности взаимодействия переменных во время мирового и российского финансовых кризисов. Такой способ анализа позволил выявить динамику показателей связи между стабильностью и межбанковской конкуренцией и проанализировать влияние стрессовых ситуаций на взаимосвязь между исследуемыми параметрами.

Перед проведением эмпирического анализа регрессионная модель была проверена на наличие мультиколлинеарности, гетероскедастичности и автокорреляции. Так как с помощью критерия Бройша-Пагана было выявлено наличие гетероскедастичности, для дальнейшего анализа мной была использована ковариационная матрица Уайта. Также были проведены тесты для определения наилучшей модели панельных данных, сравнивающие объединенную модель регрессии, модель с фиксированными эффектами и модель со случайными эффектами. В итоге проведенные тесты подтвердили предпочтительность использования объединенной модели для обеих выборок.

Результаты регрессионного анализа для выборки самых крупных банков в первом сценарии были следующими: значимыми параметрами оказались уровень стабильности в предыдущем году, конкуренция, размер общих активов, доля собственного капитала в общих активах банка, уровень инфляции и наличие кризиса. Стабильность банков предыдущего года, так же как и размер активов и доля капитала в общих активах банка положительно повлияли на стабильность исследуемой группы банков. Коэффициент HHI оказался положительным, в то время как у коэффициента HHI. 2 был противоположный знак, что указывает на то, что, хотя взаимосвязь конкуренции и стабильности банков не линейна, в целом, рост конкуренции негативно влияет на стабильность сектора. Такие результаты можно объяснить сильной зависимостью группы крупных банков от регулятора, что не позволяет этим игрокам рынка принимать решения, способствующие усилению конкуренции в их группе. Так как сильная поддержка государства обеспечивает высокий уровень стабильности крупных банков, усиление конкуренции может поспособствовать ухудшению этих благоприятных для их дальнейшего развития условий. Фиктивная переменная оказала негативное влияние на стабильность, так как в кризисный период экономическая ситуация в целом становится менее устойчивой, что отражается и на банковском секторе. Рост инфляции также оказывает негативное влияние на уровень стабильности исследуемых банков, что вызвано резким обесцениванием банковских активов и увеличением объемов ссудной задолженности.

Для выборки десяти банков на дальних позициях рейтинга результаты анализа в первом сценарии получились схожими с результатами анализа предыдущей выборки, что объясняется единой спецификой деятельности всех участников исследования, но некоторые отличия все же присутствовали. Оценка влияния исследуемых параметров на уровень стабильности этой группы банков показала значимое, хоть и небольшое по сравнению с остальными параметрами, влияние годового темпа роста реального ВВП на укрепление стабильности банков. Также отличается знак коэффициента HHI, который для данной выборки оказывается отрицательным, что указывает на позитивное влияние роста уровня конкуренции на прочность исследуемых банков. Такой эффект, обратный эффекту, производимому усилением конкуренции на устойчивость крупных банков, объясняется возможностью получения позитивных результатов здоровой конкуренции в равной степени всеми участниками группы при условии конкурентного рынка.

Во втором сценарии прослеживаются две обратные друг другу тенденции. Анализ группы крупных банков показывает, что в период времени с 2001 по 2013 годы коэффициент параметра HHI был отрицательным, а в последующие годы знак коэффициента сменился на положительный. В то же время для выборки небольших банков коэффициент индекса Херфиндаля - Хиршмана в течение 2001 - 2009 годов был положительным, а с 2010 года стал отрицательным. Эти показатели говорят о том, что до 2013 года рост уровня конкуренции положительно влиял на укрепление стабильности группы крупных банков, но в последующие годы его влияние стало негативным. В то же время конкуренция негативно влияла на устойчивость группы небольших кредитных учреждений вплоть до 2009 года, а после мирового финансового кризиса стало положительным. Такой результат может основываться на том, что в начале исследуемого периода наблюдалось активное развитие банков, которые на сегодняшний момент входят в выборку ведущих, и рынок, на котором они развивались, можно было назвать конкурентным. В то же время небольшие банки старались удержаться на рынке в условиях отсутствия поддержки со стороны государства и упорядоченных регуляторных требований для эффективного функционирования рынка. После мирового финансового кризиса, показавшего проблему отсутствия регуляторных требований и ограничений в банковском секторе, Правительство РФ приняло меры по их обновлению и усовершенствованию и повышению вовлеченности государства в поддержание устойчивости банковского сектора в целом. Такие изменения повлекли за собой повышение устойчивости группы небольших банков, и позволили им успешно взаимодействовать в условиях конкуренции. По итогам же российского финансового кризиса существенная диспропорция в распределении активов между банками дала о себе знать в качестве неспособности крупных банков поддерживать свой уровень стабильности в условиях совершенной конкуренции.

Учитывая результаты рассмотренных мной статей, изучающих взаимодействие межбанковской конкуренции и стабильности банковского сектора, дальнейшим шагом в изучении этой темы может стать тестирование влияния предпринятых государстом мер по обеспечению устойчивости и развития сектора на уровень его стабильности. К примеру, может быть изучена фискальная политика 2008 - 2009 и 2015 - 2016 годов, и выявлена связь вовлеченности государства в деятельность банковского сектора с полученными результатами. Внимательное изучение этой сферы в рамках анализа влияния конкуренции на стабильность банков может сделать исследование более полным и наглядным.

Литература

1. Abu Hanifa Md. Noman and Chan Sok Gee and CheRuhana Isa (2017). “Does Competition Improve Financial Stability of the Banking Sector in ASEAN Countries? An Empirical Analysis”.PLoS ONE, 12(5): e0176546.

2. Akins, B., L. Li, J. Ng, and T.O. Rusticus (2016) “Bank Competition and Financial Stability: Evidence from the Financial Crisis”. Journal of Financial and Quantitative Analysis, 51, стр.1-28.

3. Amidu Mohammed & Simon Wolfe (2013) “Does bank competition and diversification lead to greater stability? Evidence from merging markets”. Review of Development Finance, Volume 3, Издание 3, стр. 152-166

4. Anginer D., Kunt D., and Zhu M. (2012). “How Does Bank Competition Affect Systemic Stability?”.Policy Research Working Paper, no 5981. Washington, DC: World Bank.

5. Beck, T., O. De Jonghe, and G. Schepens (2013) “Bank Competition and Stability: Cross-Country Heterogeneity”, Journal of Financial Intermediation, 22, стр. 218 - 244.

6. Claessens, S. &Laeven, L. (2004). “What Drives Bank Competition? Some International Evidence.” Journal of Money, Credit, and Banking, 36(3), 563-583.

7. Corbae, D. and P. D'Erasmo (2015) “Foreign Competition and Banking Industry Dynamics: An Application to Mexico”. International Monetary Fund Economic Review, 63, стр. 830867.

8. Corbae Dean and Levine Ross (2018). “Competition, Stability, and Efficiency in Financial Markets”.

9. С. К. Дубинин (2015) «Российская банковская система - испытание финансовым кризисом». Деньги и Кредит, No. 1, Январь 2015, Cтр. 9-12.

10. Estrella, A. (2004) “The Cyclical Behavior of Optimal Bank Capital”. Journal of Banking and Finance 28, 1469-1498.

11. Florian Leon (2015). “Measuring Competition in Banking: A Critical Review of Methods”.Halschs, 01015794v2.

12. Fiordelisi, Franco & Mare, Davide Salvatore (2014). “Competition and financial stability in European cooperative banks”.Journal of International Money and Finance, Elsevier, vol. 45 (C), стр. 1-16

13. Fu, X., Y. Lin and P. Molyneux (2014) “Bank Competition and Financial Stability in Asia Pacific”. Journal of Banking and Finance, 38, стр.64-77.

14. Gamze Danisman (2018). “Overview of Competition in the Banking Sector”.International Journal of Economics, Commerce and Management, Vol. VI, Издание 4 2018.

15. Gan, J. (2004) “Banking Market Structure and Financial Stability: Evidence from the Texas Real Estate Crisis in the 1980s”. Journal of Financial Economics, 73, стр. 567-701

16. Gianni De Nicolo and Marcella Luccheta (2011). “Bank Competition and Financial Stability: A General Equilibrium Exposition”. IMF Working Paper, WP/11/295.

17. В. О. Гриценко (2011). «Конкуренция в Российской Банковской Системе: Иллюзия или Реальность?». Экономика и бизнес, 2011.

18. Ifrach, B and G. Weintraub (2017) “A Framework for Dynamic Oligopoly in Concentrated Industries”. Review of Economic Studies, 84, стр.1106-1150.

19. Jiang, L., R. Levine and C. Lin (2019) “Competition and Bank Liquidity Creation”. Journal of Financial and Quantitative Analysis, forthcoming.

20. KasmanSaadet&Kasman Adnan (2015) “Bank competition, concentration and financial stability in the Turkish banking industry”. Economic Systems, Volume 39, Издание 4, стр. 502-517

21. Laurent Weill (2013) “Bank Competition in the EU: How Has It Evolved?” Journal of International Financial Markets, Institutions and Money, Volume 26, стр. 100-112

22. Maudos, J. and Sol мэs, L. (2011). “Deregulation, Liberalization and Consolidation of the Mexican Banking System: Effects on Competition”. JournalofInternationalMoneyandFinance, 30(2):337-353.

23. В. В. Новиков (2017). «Специфика развития банковской конкуренции в Российской Федерации». Центр научного сотрудничества “Интеркативплюс”.

24. Perloff, J. M. and Shen, E. Z. (2012). “Collinearity in Linear Structural Models of Market Power”. Review of Industrial Organization, 40(2):131-138.

25. Raith, M. (2003) “Competition, Risk, and Managerial Incentives”. American Economic Review, 93, стр. 1425-1436.

26. Schaeck, K. and Ciha мk, M. (2013). “Competition, efficiency, and stability in banking.”Financial Management.

27. Tarullo, D.K. (2012) “Financial Stability Regulation”. Distinguished Jurist Lecture, University of Pennsylvania Law School, 10 - еоктября.

28. М. Р. Таштамиров (2017). «Тенденции развития банковской системы и ее устойчивости в условиях негативной экономической конъюнктуры». Журнал «Вестник евразийской науки» 9 №1.

29. Vives, X. (2016) “Competition and Stability in Banking: The Role of Regulation and Competition Policy.” Princeton, NJ: Princeton University Press

30. Юлия Ушакова и Анна Круглова (2018). «Конкуренция в банковском секторе России до и после активизации надзорной политики: Выводы на основе вариации и спреда процентных ставок». Деньги и Кредит, Научный журнал Банка России, №2, Июнь 2018.

31. В. В. Зорина (2015) «Банковская конкуренция в российской экономике» Молодой ученый, № 18 (98), стр. 260

Приложение 1

Рис. 1. Корреляционная матрица для первой выборки

Приложение 2

Рис. 2. Корреляционная матрица для второй выборки

Размещено на Allbest.ru