Помимо всего прочего, к ряду наиболее актуальных проблем банковской системы относится также и несоответствие активов и пассивов в разрезе сроков привлечения - обязательства в виде депозитов физических и юридических лиц срочностью более 1 года составляют около 15% от валюты баланса кредитных организаций, в то время как доля активов в виде ссуд с теми же сроками размещения достигает отметки в 35%. Такое существенное расхождение порождает наличие разрыва (гэпа) банковской ликвидности, увеличивая и без того высокие кредитные риски.
Наконец, рост просроченной задолженности по выданным корпоративным заемщикам кредитам заставляет коммерческие банки отчислять дополнительные средства в фонды РВПС (резервов на возможные потери по ссудам), что оказывает негативное воздействие на их капитализацию. В результате многие банки оказываются на грани потери своего капитала и, соответственно, прекращения деятельности вследствие отзыва лицензии (который происходит автоматически в случае падения норматива достаточности капитала Н1 ниже критической границы, равной 2%). Реализация этого сценария в масштабе всего банковского сектора неминуемо повлечет за собой бегство вкладчиков, трансформирующееся со временем в системный банковский кризис.
График 8. Динамика достаточности капитала банковского сектора России за 2008-2015 годы
Все вышеперечисленные проблемы, в конечном итоге, в значительной степени способствуют ухудшению качества корпоративного кредитного портфеля банковской системы РФ и придают ему автономный, трудно обратимый характер. Стабильное снижение качества долга вынуждает банки повышать премию за риск по выдаваемым кредитам, а высокие процентные ставки, в свою очередь, ведут к росту долговой нагрузки и дальнейшему росту просроченной ссудной задолженности.
Учитывая сложившиеся обстоятельства, в 2015 году Правительство РФ приняло решение оказать поддержку обеим сторонам кредитного процесса, содействуя увеличению совокупного инвестиционного спроса предприятий на основе применения механизма проектного финансирования. Министерством экономического развития России была подготовлена соответствующая программа, главной целью которой является наращивание объемов кредитования компаний реального сектора экономики в долгосрочной перспективе и на льготных условиях. Согласно содержанию этой программы, в качестве основных посредников между государством в лице Центрального Банка и предприятиями должны выступать коммерческие банки, отобранные самим регулятором по нескольким критериям (Шелкунова, Бузаджи, 2015).
Всего на осуществление данной программы планируется выделение 500 млрд. рублей из средств Банка России до конца 2018 года. Коммерческие банки, выбранные регулятором, получат денежные ресурсы для рефинансирования выданных компаниям займов на инвестиционные цели по процентной ставке, привязанной к ключевой ставке в экономике с разницей в 1,5% годовых в сторону уменьшения. В свою очередь, банки будут заниматься кредитованием предприятий реального сектора по той же ключевой ставке с прибавлением 1%, соответственно, получая доход в размере 2,5% годовых от величины выданных ссуд. Срок предоставления займов составит 3 года с опцией пролонгации в случае необходимости. Помимо этого, инвестиционные кредиты, предоставленные в рамках программы, будут обеспечены государственными гарантиями в размере до 125 млрд. рублей.
В программе смогут принимать участие только те кредитные организации, которые обладают собственным капиталом в размере не менее 100 млрд. рублей, лицензией на привлечение депозитов физических лиц и опытом реализации не менее чем 10 инвестиционных проектов объемом не менее 3 млрд. рублей каждый в течение последних 3 лет. Стоит отметить, что на сегодняшний день вышеперечисленным критериям соответствуют только 10 системно значимых российских коммерческих банков, 6 из которых находятся в собственности государства.
Краткие выводы по содержанию Главы 1:
v в настоящее время отраслевая структура реального сектора российской экономики характеризуется перекосом в сторону сырьевого комплекса вследствие перехода к экспортно-ориентированной модели экономического роста в начале 2000-х годов;
v в сегменте корпоративного кредитования банковской системы РФ наблюдается полномасштабное ускорение кризиса «плохих долгов», в первую очередь, в результате неблагоприятного воздействия макроэкономических шоков (валютного и сырьевого) в конце 2014 - начале 2015 годов;
v успешность выхода из этого кризиса зависит не только от длительности периода адаптации экономики России к новым условиям внешней среды, но также и от совместных усилий государства, коммерческих банков и компаний-заемщиков в решении актуальных внутренних проблем.
2. Обзор научной литературы
2.1 Основные направления моделирования качества корпоративных ссуд
Изучение определяющих факторов кредитного риска банка в стадии ex-post (т.е. после выдачи кредита) является вопросом первостепенного значения для регулирующих финансовую сферу государственных органов, обеспокоенных уровнем стабильности банковской системы (Salas, Saurina, 2002). В развивающихся странах, к числу которых относится Россия, банковский сектор выступает в качестве фундамента финансовой системы, поскольку, как правило, именно коммерческие банки распределяют большую часть совокупных экономических активов в виде кредитов фирмам и населению.
Большинство эмпирических исследований показывают, что чрезмерный рост проблемных кредитов - признак скорого банковского кризиса. Для регуляторов, функцией которых является обеспечение финансовой стабильности, крайне важно предсказать и предвидеть наступление возможного долгового кризиса и определить его драйверы. Данное обстоятельство породило большое количество эмпирических исследований эконометрического анализа факторов, оказывающих влияние на качество кредитных портфелей коммерческих банков.
В существующей литературе, касающейся тематики просроченной задолженности предприятий различных отраслей по ссудам коммерческих банков, традиционно выделяют 2 основных направления:
1. Построение моделей агрегированного (отраслевого) уровня дефолтов корпоративных заемщиков. В рамках данного направления авторы занимаются построением моделей кредитных рисков на основе данных как о частоте дефолтов компаний, так и на основе информации, представленной в банковской отчетности (балансах).
Модели первого типа, в свою очередь, подразделяются на 2 категории - модели в рамках интегрированного подхода и модели с применением частичного подхода. Основное различие между ними состоит в способе соотнесения показателя кредитного риска и объясняющих его динамику макроэкономических переменных. Интегрированный подход характеризуется полнотой оценки функции плотности кредитных потерь банков, возникающих в результате воздействия внешних стохастических шоков. Мерой кредитного риска в этом случае чаще всего является показатель VaR (Value at Risk).
Среди наиболее популярных моделей, относящихся к этой категории, можно выделить такие модели, как Credit Risk +, Credit Portfolio View, KMV, Credit Metrics и т.д. (Crouhy et al., 2000). Все они применяются для оценки финансовой устойчивости отдельных кредитных организаций и основываются на использовании микроданных по отдельным фирмам, предъявляющим спрос на банковские ссуды. Помимо информации о частоте дефолтов корпоративных заемщиков, в процессе разработки этих моделей часто используются экспертные вероятности изменения их кредитных рейтингов. Главным преимуществом моделей, основанных на применении интегрированного подхода, является возможность изучения нелинейного влияния макроэкономических шоков на качество кредитных портфелей банков. В качестве основных недостатков этого подхода исследователи, как правило, выделяют его уязвимость в плане учета текущей фазы экономического цикла, а также невозможность получения устойчивых долгосрочных прогнозов развития ситуации с «плохими» долгами фирм (Пестова, 2014).
В отличие от моделей в рамках интегрированного подхода, модели, основанные на применении частичного подхода, предусматривают только оценку условного математического ожидания выбранной меры кредитного риска. Данный подход предполагает моделирование линейной эндогенной зависимости ожидаемой частоты дефолтов (expected default frequency, EDF) или их вероятности от характеристик общеэкономической среды (Jacobson et al., 2005; Sommar, Shahnazarian, 2009). С одной стороны, это упрощает процедуру расчетов, снижает требования по объему выборки данных и позволяет проанализировать некоторый набор макроэкономических сценариев; однако, с другой стороны, исключается использование нелинейных функциональных зависимостей между рассматриваемыми переменными (Пестова, 2014).
Что касается моделирования качества корпоративных кредитных портфелей коммерческих банков на основе данных, представленных в публикуемой ими отчетности, то необходимо отметить, что оно подразумевает под собой применение только частичного подхода. Подобные исследования на уровне отдельных банков различаются в выборе показателя, характеризующего состояние их проблемной задолженности.
В качестве одной из основных альтернатив, которая достаточно часто используется в эмпирической литературе, выступает отношение резервов на возможные потери по ссудам к совокупному объему кредитного портфеля (Quagliariello, 2007; Glogowski, 2008). К сожалению, этот показатель не является надежным индикатором финансового состояния банка, поскольку его динамика в значительной степени объясняется решениями менеджмента. В целях искусственного наращивания прибыли, менеджеры могут необоснованно высвобождать большую часть резервов, чтобы таким образом доказать эффективность своей работы перед владельцами кредитной организации. Также, свой вклад вносят и межстрановые различия в законодательном регулировании процесса резервирования банковских средств. Таким образом, с точки зрения моделирования, динамика показателя РВПС является излишне «зашумленной», что затрудняет получение каких-либо устойчивых результатов на его основе.
Еще одним показателем кредитного риска является доля «неработающих» кредитов (non-performing loans, NPL) в совокупном кредитном портфеле коммерческих банков. Эта переменная наиболее популярна среди авторов эмпирических исследований (Salas, Saurina, 2002; Jimenez, Saurina, 2006; Boudriga et al., 2009; Espinoza, Prasad, 2010; Dash, Kabra, 2010; Louzis et al., 2012). Ссуды классифицируются как «неработающие», если в течение 90 и более дней заемщиками не выполняются оговоренные условиями кредитной сделки с банком обязательства по выплате основной суммы долга и процентных платежей. Как было отмечено в работе Jimenez, Saurina (2006), данный показатель можно интерпретировать как средний уровень дефолтов заемщиков.
Также некоторые авторы используют в качестве зависимой переменной отношение ссуд, классифицированных в отчетности как «неблагоприятные», к совокупной величине выданных банком кредитов. Однако главный недостаток данного показателя заключается в том, что отношение новых «плохих» долгов (т.е. классифицированных как «неблагоприятные» в течение отчетного периода) к общему объему ссуд не учитывает вероятность восстановления в статусе кредитов, которые были негативно классифицированы в прошлом (Quagliariello, 2007).
Эмпирические исследования факторов, определяющих состояние просроченных корпоративных ссуд на базе балансовых данных, можно разделить на две основные группы - работы, изучающие проблемную ссудную задолженность на уровне банковской системы в целом (макроэкономический подход - Hoggarth et al., 2005; Babihuga, 2007; Pesola, 2007), а также исследования на уровне отдельных банков (микроэкономический подход - Jimenez, Saurina, 2006; Quagliariello, 2007; Espinoza, Prasad, 2010).
Исследования на основе макроэкономических, или агрегированных, данных сосредоточены на изучении взаимосвязи между показателем просроченной ссудной задолженности и макроэкономическими условиями как на уровне отдельно взятой страны (Hoggarth et al., 2005), так и на основе информации по нескольким странам (Nkusu, 2011). Соответственно, полученные эконометрические модели могут быть применены либо в процессе стресс-тестирования финансовой устойчивости банковского сектора, либо для исследований эффектов «обратной связи».
Существует 2 основных подхода к проведению стресс-тестирования банковских рисков. Первый - так называемый подход «снизу-вверх» (bottom-up approach) - состоит в анализе риска на микроуровне, т.е. на уровне самих кредитных организаций, на основе информации, представленной в их внутренней отчетности. Регулятор в лице Центрального Банка задает для всех банков некоторый перечень сценариев, предусматривающий тот или иной масштаб возникновения негативных макроэкономических шоков. Далее каждый коммерческий банк, исходя из имеющихся в распоряжении статистических моделей, осуществляет процедуру стресс-тестирования своей финансовой устойчивости и сообщает полученные результаты регулятору для обобщения (Boss, 2002; Hoggarth et al., 2005). В качестве примеров таких тестов можно выделить методологию Европейского центрального банка (EU Wide Stress Test) и программу ФРС США (Supervisory Capital Assessment Program, SCAP).
Другой подход - «сверху-вниз» (top-down approach) - предполагает проведение процедуры стресс-тестирования самим регулятором без непосредственного участия кредитных организаций. Источником данных для анализа в этом случае также являются показатели финансовой отчетности коммерческих банков, которые могут быть представлены как в дезагрегированном, так и в консолидированном виде, однако моделирование реакции качества кредитного портфеля на ухудшение общеэкономических условий осуществляется на базе единой универсальной методологии. Примером такого стресс-теста является комплекс Программ оценки устойчивости финансового сектора (Financial Sector Assessment Program, FSAP), разработанный Международным валютным фондом в сотрудничестве с Центральными банками различных стран мира (Moretti et al., 2009).