Роль банковских холдинговых компаний США в достижении финансовой стабильности в США в контексте международной реформы банковского регулирования

Необходимость обеспечивать достаточный уровень капитала, требуемую структуру активов и пассивов, соблюдения других регуляторных требований, а также недавнее ослабление регуляторного надзора за банковским сектором могут в значительной степени повлиять на роль БХК в поддержании финансовой стабильности в США. При этом существующие исследования на данную тематику не позволяют сделать однозначные выводы о направленности влияния БХК США на финансовую стабильность в США. Для восполнения исследовательского пробела необходимо проведение анализа влияния БХК на финансовую стабильность США в контексте международной реформы банковского регулирования для дальнейшей корректировки регуляторных требований, направленных на достижение целей финансовой стабильности.

2. Оценка роли банковских холдинговых компаний в достижении финансовой стабильности в США

2.1 Критерии формирования выборки банковских холдинговых компаний США

Анализ влияния деятельности банковских холдинговых компаний на финансовую стабильность США основан на статистических данных, охватывающих период с 2006 по 2018гг. Выбранный период позволил оценить влияние смены парадигмы международного банковского регулирования, как ответа на вызовы финансового кризиса 2007-2009гг, при этом исключив из анализа нерелевантные особенности докризисного развития банковского сектора США. Источником данных стали ежегодная финансовая отчетность банков, в том числе бухгалтерский баланс и отчеты о прибылях и убытках, а также данные ФРС США и Бюро экономического анализа.

В рассматриваемую выборку вошли БХК США с объемом совокупных активов более $ 10 млрд. за 4 квартал 2018г по данным ФРС США National Information Center. Holding Companies with Assets greater than $10 billion. . Из анализа были исключены банки, не являющиеся публичными акционерными компаниями, или чьи акции не обращаются на Нью-Йоркской фондовой бирже. Таким образом, были отобраны 99 банковских холдинговых компаний (см. Приложение 2).

Определение объясняющих и зависимых переменных модели и построение моделей

Определение объясняющих и зависимых переменных и кластерный анализ

Выбор стандартов банковского надзора в рамках имплементации Базеля III в США в качестве объясняющих переменных

Для рассмотрения влияния деятельности БХК на финансовую стабильность США в контексте изменения международного банковского регулирования в дальнейшее исследование на основе приемов моделирования был включен ряд обязательных нормативов надзора, имплементированных в рамках Базеля III и закона Додда-Франка.

В ходе анализа были рассмотрены показатели, характеризующие соблюдение банками нормативных требований регулятора по трем направлениям:

· Достаточность капитала

· Минимальный уровень ликвидности

· Повышение стрессоустойчивости банков к циклическим колебаниям экономики

Для включения в объясняющие переменные были выбраны следующие факторы:

· Tier1 - Капитал 1 уровня, % (от АУР)

· TotCap - Общий капитал банка, % (от АУР)

· LCR - Минимальные требования к коэффициенту краткосрочной ликвидности (LCR), %

· ConsBuffer - Минимальные требования к контрциклическому буферу капитала, % (от АУР)

Выбор показателей деятельности банковских холдинговых компаний в качестве объясняющих переменных

Для проведения регрессионного анализа роли БХК на финансовую стабильность США были рассмотрены три категории показателей деятельности кредитных организаций:

· Показатели эффективности деятельности банков:

o ROE - коэффициент рентабельности собственного капитала, который подразумевает отношение чистой прибыли банка к собственному капиталу;

o ROA - коэффициент рентабельности активов, характеризующий эффективность использования активов банка для извлечения прибыли;

o NI - чистая прибыль банка как один из основных показателей эффективности деятельности.

· Показатели масштаба деятельности банков

o Д assets - Прирост совокупного объема активов банка

o Д loans - Прирост совокупного объема кредитов банка

· NPL - объем просроченных кредитов

Выбор макроэкономических показателей в качестве объясняющих переменных

Финансовая стабильность может быть оценена в рамках 6 основных направлений: реального, корпоративного, внешнего, финансового секторов, сектора домохозяйств и финансовых рынков. В целях оценки влияния макроэкономических показателей на стабильность финансового сектора экзогенными переменными принимались показатели финансовой стабильности, относящиеся к реальному, внешнему и финансовому секторам экономики, используемые МВФ и БМР Gadanecz B., Jayaram K. Measures of financial stability - a review // IFC Bulletin. No. 31 p. 366, 370.:

· GDPgrowth - Прирост ВВП, %

· M1 - Денежный агрегат М 1

· Inflation - Инфляция, %

· FedDebt - Совокупный государственный долг США

· TB - Сальдо торгового баланса США.

Выбор показателей финансовой стабильности в качестве зависимых переменных.

В рамках данного исследования финансовая стабильность определялась динамикой и качеством кредитных портфелей банков, оказывающих влияние как на экономический рост в реальном секторе, так и на возможное появление "пузырей" в финансовом секторе European Commission. Banking sector and financial stability // European semester thematic factsheet. 2017. p.1..

В качестве целевых переменных были выбраны:

· Д TotLoans - Прирост совокупного объема кредитов, выданных всеми коммерческими банками

· NPL/TotLoans - Доля просроченных кредитов от совокупного объема кредитов. Просроченные кредиты определялись как кредиты с просрочкой по выплатам процентов и основной суммы долга, составившей более 90 дней IMF. The treatment of nonperforming loans // Eighteenth Meeting of the IMF Committee on Balance of Payments Statistics. 2005. p. 8..

· NPL/GDP - Отношение объема совокупных просроченных кредитов к ВВП

· FFEF - Эффективная процентная ставка, применяемая ФРС США (Federal Funds Effective Rate)

Данные показатели были отобраны для дальнейшего исследования, поскольку отражают динамику развития банковского сектора с точки зрения его динамики, качества кредитных портфелей банков и доступности фондирования.

Снижение размерности переменных

Перед проведением регрессионного анализа была оценена корреляция выбранных для использования в модели переменных (Таблица 1).

Таблица 1 - Корреляционная матрица для объясняющих переменных
	NI	Tier1	TotC	TotEq	ROA	ROE	Д loans	Д assets
NI	1	-0,021	0,053	0,725	0,147	0,174	-0,07	-0,096
Tier1	-0,021	1	0,939	-0,025	0,083	0,041	-0,131	-0,13
TotC	0,053	0,939	1	0,089	0,044	0,019	-0,193	-0,179
TotEq	0,725	-0,025	0,089	1	-0,08	-0,033	-0,143	-0,156
ROA	0,147	0,083	0,044	-0,08	1	0,954	0,126	0,091
ROE	0,174	0,041	0,019	-0,033	0,954	1	0,118	0,088
Д loans	-0,07	-0,131	-0,193	-0,143	0,126	0,118	1	0,856
Д assets	-0,096	-0,13	-0,179	-0,156	0,091	0,088	0,856	1
LCR	0,132	-0,048	-0,103	0,052	0,221	0,171	0,107	0,05
ConsBuffer	0,12	-0,049	-0,088	0,038	0,197	0,15	0,055	0,018
GDPgcor	0,711	-0,029	0,071	0,862	-0,058	-0,006	-0,08	-0,111
M1cor	0,591	-0,01	0,105	0,861	-0,093	-0,037	-0,163	-0,169
InfCor	0,556	-0,085	0,038	0,753	-0,088	-0,025	-0,064	-0,055
FedDebtCor	0,757	-0,006	0,107	0,969	-0,076	-0,02	-0,139	-0,157
TBCor	-0,662	0,092	-0,047	-0,892	0,099	0,028	0,107	0,1
	LCR	ConsBuffer	GDPgcor	M1cor	InfCor	FedDebtCor	TBCor
NI	0,132	0,12	0,711	0,591	0,556	0,757	-0,662
Tier1	-0,048	-0,049	-0,029	-0,01	-0,085	-0,006	0,092
TotC	-0,103	-0,088	0,071	0,105	0,038	0,107	-0,047
TotEq	0,052	0,038	0,862	0,861	0,753	0,969	-0,892
ROA	0,221	0,197	-0,058	-0,093	-0,088	-0,076	0,099
ROE	0,171	0,15	-0,006	-0,037	-0,025	-0,02	0,028
Д loans	0,107	0,055	-0,08	-0,163	-0,064	-0,139	0,107
Д assets	0,05	0,018	-0,111	-0,169	-0,055	-0,157	0,1
LCR	1	0,845	0,067	-0,058	-0,023	0,09	-0,002
ConsBuffer	0,845	1	0,077	-0,054	0,044	0,082	-0,015
GDPgcor	0,067	0,077	1	0,688	0,842	0,901	-0,86
M1cor	-0,058	-0,054	0,688	1	0,65	0,86	-0,757
InfCor	-0,023	0,044	0,842	0,65	1	0,778	-0,906
FedDebtCor	0,09	0,082	0,901	0,86	0,778	1	-0,902
TBCor	-0,002	-0,015	-0,86	-0,757	-0,906	-0,902	1
Источник: составлено автором в программном пакете SPSS

Так как парные коэффициенты корреляции для значительной части переменных превышают допустимое значение для их одновременного включения в регрессионную модель, было проведено снижение размерности переменных с помощью факторного анализа (см. Приложение 3).

Из 13 объясняющих переменных, отобранных для проведения факторного анализа (TBCor, FedDebtCor, GDPgcor, InfCor, M1cor, ROE, ROA, Tier1, TotC, Д assets, Д loans, ConsBuffer, LCR), критерий адекватности выборки Кайзера-Мейера-Олкина (КМО) для которых составил 61,5% (при критерии КМО, превышающем отметку 50%, данные можно считать пригодными для проведения факторного анализа), были сформированы 5 главных компонент согласно критерию Кайзера (Kaiser). После вращения были получены следующие факторы:

· MacroF - макроэкономические показатели (TBCor (-0,961), FedDebtCor (0,958), GDPgcor (0,931), InfCor (0,909), M1cor (0,848));

· PerfF - показатели рентабельности деятельности банка (ROE (0,986), ROA (0,977))

· CapF - показатели достаточности капитала банка (Tier1 (0,984), TotC (0,976))

· GrowthF - показатели изменения масштаба деятельности банка (Д assets (0,957), Д loans (0,953))

· RegF - прочие регуляторные требования (ConsBuffer (0,955), LCR (0,953)) В скобках указаны значения парной корреляции между первичными признаками и полученными факторами

Таким образом, был получен набор ортогональных факторов Факторы, парная корреляция которых равна нулю, которые наряду с не включенными в кластерный анализ переменными (NI, NPL) были использованы в ходе регрессионного анализа в качестве объясняющих переменных.

Так как между предполагаемыми зависимыми переменными была обнаружена значительная корреляция (см. Приложение 4), для формирования целевой переменной был также проведен факторный анализ, в результате которого был сформирован фактор FSI (Д Credit (-0,916), NPL/TotLoans (0,95), NPL/GDP (0,956), EFFR (-0,716)) В скобках указаны значения парной корреляции между первичными признаками и полученными факторами (см. Приложение 5).

Полученный фактор отражает снижение уровня финансовой стабильности в США, так как обладает положительной взаимосвязью с показателями, характеризующими ухудшение качества кредитных портфелей банковского сектора - доли просроченных кредитов от общего объема кредитования и объема просроченных кредитов в % от ВВП. Несмотря на наличие значительной отрицательной взаимосвязи между фактором FSI и приростом кредитования и эффективной ставкой по федеральным фондам, невозможно сделать однозначный вывод об их влиянии на достижение финансовой стабильности, поскольку, с одной стороны, положительный прирост кредитования приводит к ускорению роста реального сектора экономики, а с другой стороны - избыточный рост кредитования был признан регуляторами угрозой для финансовой и макроэкономической стабильности, так как кредитование повышает совокупный спрос домохозяйств и бизнеса, превышающий потенциальный выпуск, из-за чего может произойти перегрев экономики, последующее повышение инфляции, увеличение дефицита торгового баланса и ослабление национальной валюты Golemi E. Excessive Credit Growth - An early Indicator of Financial Instability // European Journal of Economics and Business Studies. 2015. Vol. 1. No. 2. p. 175-176.. Изменение эффективной процентной ставки ФРС США также имеет нелинейное влияние на финансовую стабильность в экономике, так как снижение ставки с большой долей вероятности спровоцирует увеличение объема кредитования, приводя в движение механизм, описанный ранее. В то же время ужесточение денежно-кредитной политики может привести к повышению уровня левериджа банков и увеличению объема активов других финансовых институтов, которые стали одним из источников нестабильности во время финансового кризиса 2007-2009 гг Pascal P. Monetary Policy Cycles and Financial Stability // FRBSF Economic Letter. 2018. p.4.. Анализ динамики полученного показателя FSI доказывает верность утверждения об отрицательном соотношении данного фактора и финансовой стабильности (Рисунок 1).



Рис. 1 - Изменение значений полученного показателя финансовой стабильности 2004-2018 гг.

Источник: составлено автором в Excel Microsoft Office и программном пакете SPSS

Для корректного учета влияния значений отобранных показателей 99 БХК на зависимую переменную, была проведена корректировка фактора FSI на долю активов банка в совокупном объеме активов БХК, вошедших в выборку. Для удобства использования полученного показателя было также реализовано аффинное преобразование Преобразование плоскости, при котором переход точек из одной плоскости в другую является взаимно однозначным., в результате которого конечная зависимая переменная приняла вид:

где i - номер наблюдения.

Построение регрессионных моделей

Проверяемые гипотезы и методология

Для оценки влияния деятельности БХК США на поддержание финансовой стабильности в СШАбыли выдвинуты следующие гипотезы:

Гипотеза 1: Реформа системы международного банковского регулирования имеет статистически значимое влияние на трансформацию роли БХК в достижении финансовой стабильности США;

Гипотеза 2: Соблюдение крупнейшими БХК пруденциальных требований к достаточности капитала, уровню ликвидности и повышению стрессоустойчивости банка к циклическим колебаниям экономики имеет положительное влияние на достижение финансовой стабильности США;

Гипотеза 3: Роль крупнейших БХК США в достижении финансовой стабильности отличается от влияния деятельности крупных БХК США на финансовую стабильность.

В ходе исследования был проведен регрессионный анализ зависимости целевой переменной FSIcorrectedmult от вышеперечисленных факторов.

На начальной стадии анализа были использованы пошаговые процедуры включения и исключения экзогенных факторов из модели для подбора оптимальных спецификаций.

Оценка качества спецификации моделей проводилась с помощью теста Рамсея (оценка значимости включения в модель различных степеней факторов исходной модели). В ходе проверки качества спецификаций моделей был также проведен тест Бройша-Пагана (Breusch-Pagan test) на наличие гетероскедастичности случайных ошибок.

Отбор наилучших спецификаций моделей проводился с помощью сравнительного анализа качества моделей на основе информационных критериев Акаике (Akaike) и Шварца (Schwartz), а также на основе значений коэффициентов детерминации, скорректированных коэффициентов детерминации, F-теста на значимость модели в целом и теста Стьюдента на значимость влияния отдельных факторов на зависимую переменную.

Регрессионный анализ

На первом шаге регрессионного анализа были оценены различные спецификации модели зависимости FSIcorrectedmult от включенных в исследование факторов (Рисунок 2). Лучшей моделью на основе критериев Акаике и Шварца стала спецификация с включением факторов NI, NPL, MacroF, RegF, CapF, GrowthF в качестве экзогенных переменных:

Рис. 2 - Результаты регрессионного анализа для изначальной модели

Источник: составлено автором в программном пакете STATA

В рамках данной модели было объяснено 40,6% дисперсии показателя финансовой нестабильности, что в рамках оценки финансовой стабильности с точки зрения влияния на нее банковской деятельности может считаться приемлемым результатом, однако влияние двух факторов оказались статистически незначимыми согласно тесту Стьюдента: CapF - на 65,7% уровне значимости, GrowthF - на 34,7% уровне значимости. Кроме того, знак при факторе, отражающем объем капитала банка, не может быть логически объяснен, так как по результатом данной модели увеличение капитала банка ведет к снижению финансовой стабильности в США (см. Приложение 6). В полученной модели также нарушена предпосылка об отсутствии мультиколлинеарности: корреляция между признаками NI и NPL составляет 0,579, что не позволяет одновременно использовать данные переменные в одной спецификации модели (Таблица 2).

Таким образом, можно сделать вывод о низком качестве полученной регрессионной модели. В целях улучшения ее спецификации было проверено предположение о наличии статистически значимых различий между влиянием на финансовую стабильность деятельности крупнейших и крупных БХК. Соответственно был проведен тест Чоу на значимость улучшения регрессионной модели после разделения исходной выборки на две части по величине активов: крупнейшие БХК с активами не менее $50 млрд. и крупные БХК с активами в пределах $10-50 млрд. (была введена дамми-переменная, принимающая значение more=1 для крупнейших БХК и more=0 - для крупных БХК). Данный тест подтвердил необходимость рассмотрения роли БХК в достижении финансовой стабильности с учетом размера банка (см. Приложение 7).

Таблица 2 - Корреляция между факторами NI и NPL
	NI	NPL
NI	Корреляция Пирсона	1	,579**
	Значимость (2-стор)		,000
	N	1259	1157
NPL	Корреляция Пирсона	,579**	1
	Значимость (2-стор)	,000
	N	1157	1159

Источник: составлено автором в программном пакете SPSS

После разделения исходной выборки на части по объему активов были получены две регрессионные модели со следующими характеристиками.

Для крупных банков с активами в диапазоне $10-50 млрд. регрессионная модель приняла вид:

,

Все коэффициенты при использованных объясняющих переменных являются значимыми на 1% уровне значимости, кроме показателя эффективности деятельности банков, чье влияние на финансовую стабильность значимо на 7% уровне. Кроме того, объем капитала (CapF) оказался незначимым для данной группы банков, из-за чего был исключен из итогового варианта спецификации модели (Рисунок 3).



Рис. 3 - Результаты регрессионного анализа для крупных БХК

Источник: составлено автором в программном пакете STATA

В рамках данной модели было объяснено 30,6% дисперсии показателя финансовой нестабильности, однако, согласно результатам теста Рамсея на наличие значимых экзогенных переменных, не включенных в модель, данная спецификация является правильной (см. Приложение 8). Следовательно, данная модель может быть использована для объяснения динамики показателя финансовой стабильности США.

Полученная модель позволяет сделать вывод о негативном влиянии увеличения рентабельности и масштаба деятельности крупных БХК с активами $10-50 млрд. на финансовую стабильность США. При этом наиболее значительное влияние на снижение финансовой стабильности оказывает прирост активов и кредитов банка, в то время как макроэкономическая стабильность и регулирование деятельности кредитных организаций положительно сказывается на поддержании финансовой стабильности в США.

Таким образом, можно сделать вывод о роли БХК с активами в диапазоне $10-50 млрд. в достижении финансовой стабильности: расширение и увеличение рентабельности деятельности крупных БХК может быть источником нестабильности в финансовом секторе. Причиной такой зависимости может являться возрастающая рискованность бизнес-моделей банков, направленных на повышение доходности от деятельности банка. В то же время, наличие пруденциальных требований к ликвидности и обеспечению стрессоустойчивости банков к циклическим колебаниям экономики снижает негативное влияние вышеупомянутых факторов на финансовую стабильность в США. Следовательно, международная реформа банковского регулирования может рассматриваться как фактор трансформации роли БХК с активами в диапазоне $10-50 млрд. в достижении финансовой стабильности.

Для крупнейших БХК с активами больше $50 млрд. регрессионная модель приняла вид:

Все коэффициенты при использованных объясняющих переменных являются значимыми на 1% уровне значимости, кроме показателя расширения деятельности БХК, чье влияние на финансовую стабильность значимо на 3% уровне. Кроме того, объем капитала (CapF) и рентабельность деятельности БХК (PerfF) оказались незначимыми для данной группы банков, из-за чего были исключены из итогового варианта спецификации модели.

В рамках данной модели было объяснено 40,4% дисперсии показателя финансовой нестабильности, что указывает на ее относительно высокую объясняющую силу (Рисунок 4). Спецификация модели была определена верно, тест Бройша-Пагана (Breusch-Pagan test) подтвердил гомоскедастичность случайных ошибок модели (см. Приложение 9). Следовательно, данная модель может быть использована для объяснения динамики показателя финансовой стабильности США.



Рис. 4 - Результаты регрессионного анализа для крупнейших БХК

Источник: составлено автором в программном пакете STATA

Полученная модель позволяет сделать вывод о положительном влиянии увеличения масштаба деятельности крупнейших БХК с активами больше $50 млрд. на финансовую стабильность в США. Для данной группы банков наиболее значительное воздействие на достижение финансовой стабильности оказывает введение регуляторных требований к ликвидности и буферам капитала (RegF) и фактор макроэкономической стабильности (MacroF). Изменение объема просроченных кредитов (NPL) является единственным фактором, снижающим финансовую стабильность, при этом его вклад в предсказание значения зависимой переменной FSIcorrectedmult близко к нулю.

Следовательно, в рамках международной реформы банковского регулирования БХК с активами больше $50 млрд. могут способствовать достижению финансовой стабильности в США за счет соблюдения регуляторных требований.

Таким образом, разделение исходной выборки на две части по объему активов позволяет сделать вывод о значительном различии в ролях крупных и крупнейших БХК США в достижении финансовой стабильности. Наиболее существенными отличиями стал вклад регуляторных требований к ликвидности и буферам капитала (RegF) вформирование зависимой переменной финансовая стабильность: для крупнейших БХК пруденциальные требования в большей степени влияют на поддержание финансовой стабильности, чем другие факторы, потенциально влияющие на неустойчивость финансового сектора. Кроме того, масштаб деятельности крупнейших и крупных БХК имеют разнонаправленное воздействие на финансовую стабильность.

Поскольку стандарты пруденциального надзора в рамках полученных моделей имеют значительное влияние на изменение роли БХК в достижении финансовой стабильности, логична проверка статистической значимости разделения полученных выборок на подгруппы: до и после международной реформы банковского регулирования. Таким образом, была введена новая дамми-переменная RegIm, равная 1 для наблюдений с 2013надоояснить почему (т.е. со времени внедрения Базеля III) по 2018 гг. и равная 0 для наблюдений с 2006 по 2012 гг. (т.е. до внедрения Базеля III) Затем был проведен тест Чоу на статистическую значимость разделения каждой из подвыборок на две части (см. Приложение 10, 11). Результатом тестирования стало подтверждение предположения о наличии значимых изменений в структуре моделей после проведения международной реформы банковского регулирования.

В результате на основе пошаговых процедур включения и исключения переменных были получены следующие результаты регрессионного анализа:

Для крупных БХК с активами в диапазоне $10-50 млрд. в период с 2006 по 2012 гг. регрессионная модель приняла вид:

,

Все коэффициенты при использованных объясняющих переменных являются значимыми на 1% уровне значимости, однако данная модель не может быть использована для дальнейшей интерпретации роли БХК с активами в диапазоне $10-50 млрд. до трансформации системы банковского регулирования, поскольку знаки коэффициентов при переменных CapF и MacroF трудно объяснимы логически, поскольку повышение требований к капиталу должно было способствовать повышению финансовой стабильности, а макроэкономическая стабильность - обладать отрицательной корреляцией с полученным коэффициентом финансовой волатильности. Кроме того, в рамках данной модели было объяснено только 11,4% дисперсии показателя финансовой нестабильности, следовательно, данная спецификация модели не позволяет получить прогнозное значение зависимой переменной FSIcorrectedmult (Рисунок 5, Приложение 12). Так как при подборе спецификации был использован подход последовательного включения и исключения объясняющих переменных, можно сделать вывод, что финансовая стабильность лишь в незначительной степени зависела от деятельности крупных БХК с активами в диапазоне $10-50 млрд. до 2013 гг.

Рис. 5 - Результаты регрессионного анализа для крупных БХК до изменения системы регулирования

Источник: составлено автором в программном пакете STATA

Для крупных банков с активами в диапазоне $10-50 млрд. в период с 2013 по 2018 гг. регрессионная модель приняла вид:

,

Все коэффициенты при использованных объясняющих переменных являются значимыми на 1% уровне значимости, кроме фактора CapF, влияние которого на зависимую переменную является значимым на 6% уровне. Кроме того, в рамках данной модели было объяснено 82,9% дисперсии показателя финансовой нестабильности, что говорит о высокой точности результатов полученной модели (Рисунок 6, Приложение 13). Следовательно, данную спецификацию можно использовать для оценки роли БХК в достижении финансовой стабильности.

Рис. 6 - Результаты регрессионного анализа для крупных БХК после изменения системы регулирования

Источник: составлено автором в программном пакете STATA

Полученная модель позволяет сделать вывод о негативном влиянии увеличения масштаба деятельности крупных банков с активами в диапазоне $10-50 млрд. на финансовую стабильность США после международной реформы банковского регулирования. Остальные использованные в модели переменные способствуют достижению финансовой стабильности. При этом наиболее значительным фактором стала макроэкономическая стабильность США, требования регулятора к капиталу, ликвидности и повышению стрессоустойчивости к циклическим колебаниям экономики имеют значительно меньшее влияние на финансовую стабильность.

Таким образом, можно сделать вывод о роли БХК с активами в диапазоне $10-50 млрд. в достижении финансовой стабильности: увеличение масштаба деятельности крупных БХК является единственным фактором переноса рисков с уровня отдельных крупных банков на финансовую систему в целом. Регулирование способствует повышению финансовой стабильности, однако не является ее основной детерминантой.

Рис. 7 - Результаты регрессионного анализа для крупнейших БХК до изменения системы регулирования

Источник: составлено автором в программном пакете STATA

Для крупнейших БХК с активами больше $50 млрд. в период с 2006 по 2012 гг. регрессионная модель приняла вид:

Все коэффициенты при использованных объясняющих переменных являются значимыми на 4% уровне значимости, а знаки коэффициентов при всех переменных, кроме GrowthF могут быть логически интерпретированы.

В рамках данной модели было объяснено 39,4% дисперсии показателя финансовой нестабильности, что является допустимым значением показателя для приемлемой модели (Рисунок 7). Спецификация была также определена верно согласно тесту Рамсея, тест Бройша-Пагана (Breusch-Pagan test) подтвердил гомоскедастичность случайных ошибок модели (см. Приложение 14). Следовательно, данная спецификация может быть использована для объяснения динамики показателя финансовой стабильности США.

Полученная модель позволяет сделать вывод о положительном влиянии увеличения масштаба деятельности крупнейших БХК на финансовую стабильность до 2012 г., однако данное утверждение может быть оспорено с точки зрения основных причин появления финансового кризиса 2007-2009 гг.

Для крупнейших БХК с активами больше $50 млрд. в период с 2012 по 2018 гг. регрессионная модель приняла вид:

Все коэффициенты при использованных объясняющих переменных являются значимыми на 1% уровне значимости, а знаки коэффициентов при переменных могут быть логически интерпретированы.

Рис. 8 - Результаты регрессионного анализа для крупнейших БХК после изменения системы регулирования

Источник: составлено автором в программном пакете STATA

В рамках данной модели было объяснено 90% дисперсии показателя финансовой нестабильности, что указывает на ее высокую объясняющую силу (Рисунок 8). Спецификация модели была определена верно, тест Бройша-Пагана (Breusch-Pagan test) подтвердил гомоскедастичность случайных ошибок модели (см. Приложение 15). Следовательно, данная спецификация может быть использована для объяснения динамики показателя финансовой стабильности США.

Полученная модель позволяет сделать вывод о положительном влиянии введения дополнительных регуляторных требований в части обеспечения ликвидности, достаточности капитала и повышения стрессоустойчивости к циклическим колебаниям экономики БХК с активами больше $50 млрд. на финансовую стабильность США. Для данной группы банков основным фактором достижения финансовой стабильности является устойчивость других секторов экономики (MacroF). Таким образом, реформа международного банковского регулирования позволила снизить негативное влияние деятельности крупнейших БХК (в том числе TBTF банков) на финансовую стабильность в США, так как ни один из факторов, отражающих их деятельность и включенных в модель до реформы регулирования, не оказался значимым для данной группы наблюдений.

Результаты анализа и основные выводы

Для удобства сравнения полученных результатов регрессионного анализа и выявления особенностей влияния деятельности БХК на финансовую стабильность США была составлена общая таблица по полученным группам наблюдений (Таблица 3).

Макроэкономическая стабильность стала наиболее значимым фактором достижения финансовой стабильности в США, в то время как переменные, отражающие деятельность БХК, кроме фактора RegF, оказывают неоднозначное влияние на снижение степени волатильности финансового сектора.

Рентабельность деятельности оказалась в целом незначимой для всех групп БХК, в то время как увеличение масштаба их деятельности может разнонаправленно влиять на финансовую стабильность в США: для БХК с активами в диапазоне $10-50 млрд. увеличение объема активов, включая выданные кредиты, имеет незначительное негативное влияние на финансовую стабильность, а для БХК с активами больше $50 млрд. расширение деятельности банков до введения требований Базеля III оказалось одним из факторов достижения финансовой стабильности, став незначимым после международной реформы банковского регулирования.

Таблица 3 - Результаты моделирования FSIcorrectedmult по группам наблюдений БХК США
Группа наблюдений	MacroF	PerfF	GrowthF	CapF	RegF
БХК с активами в диапазоне $10-50 млрд. до реформы банковского регулирования	0,605	-0,019	-0,034	0,008	Нет требований
БХК с активами в диапазоне $10-50 млрд. после реформы банковского регулирования	-0,38	0	0,019	-0,001	-0,009
БХК с активами больше $50 млрд. до реформы банковского регулирования	-0,446	0	-0,383	0	Нет требований
БХК с активами больше $50 млрд. после реформы банковского регулирования	-0,576	0	0	0	-0,13
Источник: составлено автором в программном пакете STATA

Из таблицы 3 следует, что внедрение пруденциальных требований в части обеспечения минимального уровня ликвидности и стрессоустойчивости банков к циклическим колебаниям экономики положительно влияют на достижение финансовой стабильности в США.

Проведенный анализ позволяет сделать вывод о релевантности выдвинутых в настоящем исследовании гипотез

Таблица 4 - Результаты тестирования гипотез

Гипотеза	Результат	Комментарии
Гипотеза 1: Реформа системы международного банковского регулирования имеет статистически значимое влияние на трансформацию роли БХК в достижении финансовой стабильности США	Подтвердилась	В период проведения реформы банковского регулирования роль БХК снизилась (для крупнейших БХК единственным механизмом влияния на финансовую стабильность стало соблюдение регуляторных требований относительно ликвидности и устойчивости к колебаниям экономики). (Подтвердилась в ходе проверки необходимости разделения наблюдений на две подгруппы в зависимости от временного периода)
Гипотеза 2: Соблюдение крупнейшими БХК пруденциальных требований к достаточности капитала, уровню ликвидности и повышению стрессоустойчивости банка к циклическим колебаниям экономики имеет положительное влияние на достижение финансовой стабильности США	Подтвердилась частично	Объем капитала первого уровня и общего капитала оказались незначимыми для всех групп наблюдений, в то время как остальные рассмотренные пруденциальные требования содействуют поддержанию финансовой стабильности в США.
Гипотеза 3: Роль крупнейших БХК США в достижении финансовой стабильности отличается от влияния деятельности крупных БХК США на финансовую стабильность.	Подтвердилась	Влияние крупнейших БХК США отличается от влияния крупных БХК США на финансовую стабильность по каналам передачи рисков и по тесноте связей деятельности БХК и финансовой стабильности. (Подтвердилась в ходе реализации теста Чоу)

Источник: собственные расчеты автора

Полученные результаты анализа позволяют сделать вывод о возможном влиянии нового этапа дерегулирования (с 2018 г.) на финансовую стабильность в США. Во-первых, повышение в 5 раз минимального порога объема активов для признания банка системно значимым предполагает ослабление регуляторных требований к банкам с активами больше $50 млрд., но меньше $250 млрд, следовательно, при снижении значения фактора RegF достижение финансовой стабильности будет осложнено. Кроме того, рассмотрение муниципальных ценных бумаг в качестве высоколиквидных активов снизит требования к ликвидности, что, в свою очередь, согласно результатам анализа, снизит финансовую стабильность в США. Таким образом, можно сделать вывод о возможном повышении волатильности финансового сектора из-за политики дерегулирования банковского сектора США.

2.2 Оценка возможностей использования результатов исследования для регулирования банковского сектора в России

Вопросы достижения финансовой стабильности актуальны для регуляторов всех банковских секторов, так как устойчивость финансовой системы является одним из главных факторов устойчивого роста экономики. Однако пути достижения финансовой стабильности могут различаться - как из-за неоднородности структуры национальных финансовых секторов и регулирования кредитных организаций, так и из-за особенностей макрофинансового управления в целом.

В частности, для РФ характерна банкоцентричная модель финансового рынка, в то время как в США в значительной мере преобладает модель финансовой системы, ориентированная на рынок ценных бумаг и институциональных инвесторов. Кроме того, российская банковская система значительно отличается от таковой в США, как по количеству кредитных организаций (в России их примерно в 10 раз меньше, чем в США Federal Financial Institutions Examination Council (US). Commercial Banks in the U.S., Банк России. О развитии банковского сектора Российской Федерации. Информационно-аналитический материал. декабрь 2018. с. 1.), так по агрегированной величине банковских активов (объем активов российского банковского сектора более чем в 12 раз меньше аналогичного показателя банковской системы США Там же., Board of Governors of the Federal Reserve System (US). Total Assets. All Commercial Banks. ). Следовательно, роль кредитных организаций в достижении финансовой стабильности в данных странах может существенно различаться из-за масштабов деятельности банков, особенностей их бизнес-моделей, значимости крупных банков в достижении финансовой стабильности. Немаловажным фактором в снижении волатильности финансовой системы в РФ можно считать наличие значительного количества банков с государственным участием, что усложняет сравнение механизмов достижения финансовой стабильности в России и США.

Рассмотренные различия банковских секторов США и России, однако, предполагают, что крупные банки имеют существенное значение для достижения финансовой стабильности. Обеспечение макроэкономической стабильности в сочетании с умеренным ростом банковского сектора, определяемым потребностями экономики в заемных средствах, а также регулирование банковского сектора в части обеспечения необходимой ликвидности и повышения устойчивости банков к циклическим колебаниям экономики должны быть одними из первостепенных задач регулятора. Кроме того, подтвердилась обоснованность выделения системно значимых банков и повышения для них регуляторных требований.

Необходимо также отметить, что российская финансовая система в значительной мере зависит от динамики мировых финансовых рынков, в связи с чем вывод о негативном влиянии дерегулирования крупнейших БХК США на финансовую стабильность может быть рассмотрен как фактор усиления надзора за российской банковской системой в целях минимизации возможных негативных последствий обострения системных рисков в банковской сфере США.

Заключение

Мировой финансовый кризис 2007-2009 гг. поставил под сомнение устойчивость финансового сектора. Либерализация макрофинансового управления и дерегулирование финансовой системы, ставшие основной причиной кризиса, сменились парадигмой более жесткого режима международного банковского регулирования и, следовательно, новой регулятивной политики. Базель III, имплементация которого началась с 2013 года, значительно расширил список требований и обязательных нормативов, что позволило минимизировать недостатки предшествующих версий Базельских соглашений (Базель I, II, 2,5), ставшие очевидными ввиду финансового кризиса.

Несмотря на то, что международная реформа банковского регулирования в сочетании с дополнениями регуляторов в различных юрисдикциях считается эффективным инструментом обеспечения финансовой стабильности за счет введения комплексных мер регулирования банковского сектора (например, дополнительные требования к ликвидности, учет циклических колебаний экономики как возможного источника рисков для банковского сектора и т.д.), эффективность усилий по посткризисному восстановлению ввиду накопившихся проблем в банковской деятельности и невозможности исключить проблему TBTF банков не может быть в полной мере доказана, так как процесс внедрения новых требований Базеля III завершился только в 2019 г. Кроме того, изменение регулирования неизбежно ведет к трансформации банковской системы, бизнес-моделей банков и уровня риска в их деятельности, появлению новых источников риска и изменению роли банков в достижении финансовой стабильности. При этом оценка изменений механизмов перетока рисков с уровня БХК на финансовую систему в целом необходима для дальнейшей оптимизации и модернизации системы надзора и регулирования банковского сектора после мирового финансового кризиса 2007-2009 гг.

По результатам исследования было выявлено, что введение дополнительных регуляторных требований в части обеспечения достаточного уровня ликвидности и устойчивости банков к циклическим колебаниям экономики стало эффективным инструментом укрепления финансовой стабильности со стороны банковского сектора и изменило роль БХК в достижении финансовой стабильности. В то же время в ходе данного исследования эффективность ужесточения уже существующих в рамках Базеля II и 2,5 требований к капиталу была доказана лишь частично, так как повышение минимальных требований к капиталу оказалось незначимым для достижения финансовой стабильности в США, однако только на основе результатов данного исследования нельзя сделать объективных выводов о влиянии введения требований к капиталу на роль БХК в достижении финансовой стабильности, поскольку процесс имплементации минимальных требований к капиталу выходят за рамки данного исследования.

Одним из основных выводов данного исследования стало подтверждение наличия существенных различий в ролях крупнейших и крупных банков в достижении финансовой стабильности США. Результаты анализа подтверждают необходимость усиления контроля за БХК с активами более $50 млрд., так как для данной группы банков регуляторные требования имеют большее влияние на обеспечение финансовой стабильности. Следовательно, дерегулирование, начавшееся в 2018 г., может привести к очередному финансовому кризису в случае нерешенности вопроса с возможным обострением системных рисков. С начала кризиса 2007-2009 гг. прошло более 11 лет, что, исходя из предпосылки цикличности экономики, предполагает усиление волатильности финансового сектора. В таких условиях дерегулирование банковского сектора США может иметь разрушительные последствия не только для финансовой системы США, но и для других экономик мира.

Логичным продолжением данной работы было бы исследование возможных тенденций развития финансового сектора США с распределением финансовых институтов на банки и небанковские финансовые организации в условиях циклических колебаний экономики (включая метод симулирования динамики макро-уровня) при начатом процессе дерегулирования банковского сектора. Кроме того, дальнейшие исследования могут быть сфокусированы на влиянии обострения нестабильности в финансовом секторе США на финансовые сектора и экономики других стран в контексте международной реформы банковского регулирования и процесса дерегулирования в США.

Список источников и литературы

1. Банк России. О развитии банковского сектора Российской Федерации. Информационно-аналитический материал. декабрь 2018. 15 Мая 2019: https://www.cbr.ru/Collection/Collection/File/14236/razv_bs_18.pdf.

2. Джагитян, Э.П. Сильвестров, С.Н. Смена парадигмы банковского регулирования в США: от краткосрочных выгод к долгосрочному управлению рисками // Деньги и кредит. 2013. № 8. с. 53-61: http://www.cbr.ru/content/document/file/26785/djagityan_09_13.pdf.

3. Acemoglu, D., Ozdaglar, A., Tahbaz-Salehi, A. Systemic Risk and Stability in Financial Networks // The American Economic Review. 2015. No 105(2). pp. 564-608. 14 May 2019: http://www.jstor.org/stable/43495393

4. Alton G. Requiem for Regulation Q: What It Did and Why It Passed Away // Federal Reserve Bank of St. Louis Review. 1986. pp. 22-37. 14 May 2019: https://www.google.ru/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwi_jeOYgYraAhUOb5oKHSLcAcUQFggoMAA&url=https%3A%2F%2Ffiles.stlouisfed.org%2Ffiles%2Fhtdocs%2Fpublications%2Freview%2F86%2F02%2FRequiem_Feb1986.pdf&usg=AOvV aw1jw8CeIwwyvRtmoWtIdmpJ.

5. Annual income statements of the BHC included in the analysis

6. Annual balance sheets of the BHC included in the analysis

7. Baily M. N., Klein A., Schardin J. The Impact of the Dodd-Frank Act on Financial Stability and Economic Growth // The Russell Sage Foundation Journal of the Social Sciences. 2017. Vol. 3. No 1. pp. 20-47. 20 January 2019: https://www.jstor.org/stable/10.7758/rsf.2017.3.1.02

8. Basel Committee on Banking Supervision. Basel III definition of capital - Frequently asked questions - Basel, Switzerland: Bank for international settlements. 2017. 14 May 2019: https://www.bis.org/bcbs/publ/d417.pdf

9. Basel Committee on Banking Supervision. Basel III leverage ratio framework - Executive summary - Basel, Switzerland: Bank for international settlements. 2017. 14 May 2019: https://www.bis.org/fsi/fsisummaries/b3_lrf.pdf

10. Basel Committee on Banking Supervision. Basel III: A global regulatory framework for more resilient banks and banking systems. - Basel, Switzerland: Bank for international settlements. 2010. 14 May 14, 2019: https://www.bis.org/publ/bcbs189.pdf.

11. Basel Committee on Banking Supervision. Basel III: International framework for liquidity risk measurement, standards and monitoring - Basel, Switzerland: Bank for international settlements. 2010. 14 May 2019: https://www.bis.org/publ/bcbs188.pdf.

12. Basel Committee on Banking Supervision. Basel III: The Liquidity Coverage Ratio and liquidity risk monitoring tools - Basel, Switzerland: Bank for international settlements. 2017. 14 May 2019: https://www.bis.org/publ/bcbs238.pdf

13. Basel Committee on Banking Supervision. Basel III: The Net Stable Funding Ratio tools - Basel, Switzerland: Bank for international settlements. 2014. 14 May 2019: https://www.bis.org/publ/bcbs271.pdf

14. Basel Committee on Banking Supervision. Consultative Document, Fundamental Review of the Trading Book: A revised Market Risk framework - Basel, Switzerland: Bank for international settlements. 2013. 14 May 2019: http://www.bis.org/publ/bcbs265.pdf

15. Basel Committee on Banking Supervision. Frequently asked questions on the Basel III Countercyclical Capital Buffer - Basel, Switzerland: Bank for international settlements. 2015. 14 May 2019: https://www.bis.org/bcbs/publ/d339.pdf

16. Bernardo, A.E., Welch, I. On the evolution of overconfidence and entrepreneurs // Journal of Economics & Management Strategy. 2001. No 10(3). pp. 301-330.

17. Blundell-Wignall, A., Atkinson, P., & Roulet, C. Complexity, interconnectedness: business models and the Basel system // In Central Banking at a Crossroads: Europe and Beyond / Ed. by Goodhart C., Gabor D., Vestergaard J., Ertьrk I. - L., NY.: Anthem Press. 2014. 51-74: http://www.jstor.org/stable/j.ctt1gxpd6m.7

18. Board of Governors of the Federal Reserve System (US). Total Assets. All Commercial Banks. 15 May 2019: https://fred.stlouisfed.org/series/TLAACBM027NBOG.

19. Buiter W. H. The Role of Central Banks in Financial Stability: How Has it Changed? / in: The Role of Central Banks in Financial Stability: How Has it Changed? 2013. pp. 9-56.

20. Cecchetti S. G., Schoenholtz K. L. Higher Capital Requirements Didn't Slow the Economy // Money and Banking. 2014. 14 May 2019: https://www.moneyandbanking.com/commentary/2014/12/15/higher-capital-requirements-didnt-slow-the-economy

21. Chang, Ch.-L., Jimenez-Martin, J.-A., Maasoumi, E., McAleer, M., Perez-Amaral, T. Choosing Expected Shortfall over VaR in Basel III Using Stochastic Dominance // International Review of Economics and finance. 2019. No 60. pp. 95-113. 14 May 2019: https://papers.tinbergen.nl/15133.pdf

22. Claessens, S., Kodres, M.L.E. The regulatory responses to the global financial crisis: Some uncomfortable questions. 2014. 14 May 2019: https://www.imf.org/external/pubs/ft/wp/2014/wp1446.pdf.

23. Congressional Research Service. Economic Growth, Regulatory Relief, and Consumer Protection Act (P.L. 115-174) and Selected Policy Issues. 2018. 14 May 2019: https://fas.org/sgp/crs/misc/R45073.pdf

24. Deos S., Bullio O., de Mendonc?a A. R. Banking systems transformations after the crisis and their impacts on regulation // 17th Conference of the Research Network Macroeconomics and Macroeconomic Policies (FMM). 2012. pp. 77-111: http://www.jeeh.it/articolo?urn=urn:abi:abi:RIV.JOU:2015;2.77&ev=1.

25. Duffie D. Financial regulatory reform after the crisis: an assessment // ECB Forum on Central Banking. 2016. 14 May 2019: https://www.darrellduffie.com/uploads/policy/DuffieSintraJune2016.pdf

26. European Commission. Banking sector and financial stability // European semester thematic factsheet. 2017. 15 May 2019: https://ec.europa.eu/info/sites/info/files/file_import/european-semester_thematic-factsheet_banking-sector-financial-stability_en_0.pdf

27. Federal Deposit Insurance Corporation. Historical Bank Data. Commercial Banks, Number of Branches 1988-2017. 14 May 2019: https://banks.data.fdic.gov/explore/historical/?displayFields=STNAME%2CASSET%2CDEP%2CNETINC%2CINTINC%2CEINTEXP%2CTPD%2CBRANCHES&selectedEndDate=2017&selectedReport=CB&selectedStartDate=1987&selectedStates=0&sortField=YEAR&sortOrder=desc

28. Federal Deposit Insurance Corporation. FDIC Rules and Regulations. Part 324 - Capital Adequacy Of FDIC Supervised Institutions. Subpart B. 2017. 14 May 2019: https://www.fdic.gov/regulations/laws/rules/2000-4350.html#fdic2000part324.10.

29. Federal Deposit Insurance Corporation. Risk Management Manual of Examination Policies. 2015. 14 May 2019: https://www.fdic.gov/regulations/safety/manual/section2-1.pdf.

30. Federal Financial Institutions Examination Council (US). Commercial Banks in the U.S. 15 May 2019: https://fred.stlouisfed.org/series/USNUM

31. Fell, J., Schinasi, G. Assessing financial stability: exploring the boundaries of analysis // National Institute Economic Review. 2005. No 192. pp. 102-117. 18 November 2018: http://www.jstor.org/stable/23877711.

32. Financial Stability Oversight Council. Dodd-Frank Wall Street Reform and Consumer Protection Act Integrated Implementation Roadmap. 2010. 14 May 2019: https://www.treasury.gov/initiatives/Documents/FSOC%20Integrated%20Roadmap%20-%20October%201.pdf.

33. Gadanecz B., Jayaram K. Measures of financial stability - a review // IFC Bulletin. No. 31 p. 366, 370. 9 April 2019: https://www.bis.org/ifc/publ/ifcb31ab.pdf

34. Gam Y. K. Basel III LCR: A Regulatory Shock on a Bank and Beyond. 2016. 14 May 2019: http://www.fmaconferences.org/AF2017/Papers/Papers/Basel3LCR_RegulatoryShock_FMA.pdf

35. Gertler, M., Kiyotaki, N. Banking, liquidity, and bank runs in an infinite horizon economy // American Econonic Review. 2015. No 105(7). pp. 2011-2043.

36. Global Financial Stability Report. Containing Systemic Risks and Restoring Financial Soundness. - Washington, DC: International Monetary Fund. 2008. 14 May 2019: https://www.imf.org/en/Publications/GFSR/Issues/2016/12/31/Global-Financial- Stability-Report-April-2008-Containing-Systemic-Risks-and-Restoring-21707.

37. Goel, A.M., Thakor, A.V. Overconfidence, CEO selection, and corporate governance // Finance. 2008. No 63(6). pp. 2737-2784.

38. Golemi E. Excessive Credit Growth - An early Indicator of Financial Instability // European Journal of Economics and Business Studies. 2015. Vol. 1. No 2. pp. 174-179.

39. Gramm-Leach-Bliley Act. 1999. 14 May 2019: https://www.gpo.gov/fdsys/pkg/PLAW-106publ102/pdf/PLAW-106publ102.pdf.

40. Hellmann, T., Murdock, K., Stiglitz, J. Liberalization, Moral Hazard in Banking, and Prudential Regulation: Are Capital Requirements Enough? // The American Economic Review. 2000. No 90(1). pp. 147-165: http://www.jstor.org/stable/117285

41. Huntington, D. S., Paul, Weiss, Rifkind, Wharton, Garrison. Summary of Dodd-Frank Financial Regulation Legislation // Harvard Law School Forum on Corporate Governance and Financial Regulation. 2018. 14 May 2019: https://corpgov.law.harvard.edu/2010/07/07/summary-of-dodd-frank-financial-regulation-legislation/

42. IMF. The treatment of nonperforming loans // Eighteenth...