Курсовая работа: Анализ кредитов российского банковского сектора

Изучение эффектов «обратной связи» заключается в анализе влияния динамики просроченной ссудной задолженности корпоративных клиентов коммерческих банков на макроэкономическую ситуацию в стране (регионе) на основе построения моделей векторной авторегрессии (VAR) и моделей векторной коррекции ошибок (VECM). Подробный обзор данной методологии можно найти в работах Marcucci, Quagliariello (2005) и Asberg, Shahnazarian (2008).

2. Исследование эффекта «заражения» между отраслями экономики - передачи избыточного кредитного риска между фирмами-контрагентами посредством займов, предоставленных компаниями друг другу, и, соответственно, возникновения цепных дефолтов по ссудам компаний различных отраслей промышленности. Методология, наиболее часто применяющаяся авторами таких исследований - факторный анализ, а также моделирование систем квазинезависимых уравнений индивидуальных отраслевых регрессий (seemingly unrelated regressions, SUR) (Giesecke, Weber, 2004; Jimenez, Mencia, 2009; Fiori et al., 2009; Zedginidze, 2012).

В сравнении со стандартной методологией оценки системы индивидуальных регрессионных уравнений, применение SUR-подхода позволяет:

v улучшить эффективность оценок коэффициентов (Zedginidze, 2012).

v включать разное число регрессоров в индивидуальные уравнения для отдельных секторов экономики - данная характеристика представляет собой ключевое отличие SUR-метода от оценки стандартной системы регрессионных уравнений с помощью моделей векторной авторегрессии (VAR); ее наличие учитывает неоднородность воздействия изменения разных факторов на состояние банковских ссуд предприятиям различных отраслей экономики страны (Fiori et al., 2009).

v учесть возможную корреляцию остатков оцениваемых уравнений - необходимость этого продиктована неизбежностью недооценки кредитного риска вследствие игнорирования влияния со стороны небанковского канала кредитования (Fiori et al., 2009).

По своему содержанию, факторный анализ представляет собой статистический метод, позволяющий представить совокупность численных переменных, высоко коррелированных друг с другом, как ряд неких «общих» независимых ненаблюдаемых факторов, обладающих свойствами исходной выборки.

Методология данного подхода, применительно к анализу отчетности коммерческих банков, состоит в следующем. Доступный набор специфических (банковских) переменных, взятых из финансовой отчетности - баланса, отчета о прибылях и убытках и т.д. - преобразуется в систему однородных уравнений, где в качестве зависимых переменных выступают сами эти переменные, а в качестве объясняющих - ненаблюдаемые и статистически независимые факторы, число которых не должно превышать число исходных показателей. Данная система уравнений оценивается посредством применения стандартного метода главных компонент (МГК), а оцениваемые коэффициенты в индивидуальных уравнениях представляют собой показатели так называемой факторной нагрузки - величины, характеризующей степень корреляции между изучаемым финансовым индикатором и влияющим на него фактором.

Полученные в результате оценки системы уравнений факторы подбираются таким образом, чтобы доля объясненной дисперсии исходных переменных была максимально возможной. При этом те финансовые показатели, которые изначально были высоко коррелированны между собой и тем самым служили источником потенциальной проблемы мультиколлинеарности в регрессионной модели, в процессе применения факторного анализа агрегируются в кластеры (факторы), ортогональные друг другу, согласно критерию соответствия коэффициентов факторной нагрузки. Как итог, проблема наличия устойчивой взаимосвязи между объясняющими переменными исчезает, а благодаря сокращению количества рассматриваемых регрессоров сужается размерность корреляционной матрицы, что повышает качество полученных на выходе оценок (Fiori et al., 2009).

Использование факторного анализа в качестве метода исследования кредитных рисков коммерческих банков несет в себе массу преимуществ. Преобразование обширного ряда финансовых показателей в небольшую по размеру группу факторов без потери существенной части информации позволяет экономить время и усилия в процессе выполнения анализа. Кроме того, применение факторной методологии дает возможность тестировать гипотезы о наличии влияния на финансовую устойчивость банка тех показателей, которые сложно измерить напрямую (реальная степень государственного участия в капитале, аффилированность основных заемщиков с владельцами кредитной организации и т.п.).

2.2 Макроэкономические, внутриотраслевые и внутрибанковские детерминанты просроченной задолженности по корпоративным ссудам кредитных организаций

Как уже было упомянуто ранее, в эмпирической литературе ученые-исследователи традиционно выделяют 2 группы факторов, объясняющих динамику просроченной ссудной задолженности коммерческих банков. Первая группа факторов напрямую связана с макроэкономическими условиями, которые могут повлиять на способность компаний выполнять свои кредитные обязательства, а также с исследованием воздействия внешних (позитивных либо негативных) экономических шоков на их внутриотраслевые показатели.

В первую очередь, стоит отметить, что существует эмпирически доказанная ярко выраженная зависимость между динамикой просроченной задолженности коммерческих банков и текущей стадией экономического цикла. Суть данного явления состоит в том, что более высокие темпы роста реального ВВП, как правило, приводят к увеличению располагаемого дохода населения, которое способствует наличию более благоприятных условий для обслуживания банковского долга. Схожая логика действует и в отношении корпоративных заемщиков - увеличение совокупного выпуска представляет собой источник дополнительной прибыли для предприятий, что облегчает задачу обслуживания имеющейся задолженности перед коммерческими банками и, соответственно, снижает величину их кредитного риска (Asberg, Shahnazarian, 2008). Напротив, когда экономика находится в фазе спада, заемщики в процессе погашения своих долговых обязательств сталкиваются с большими трудностями, и уровень просроченных кредитов растет (Salas, Suarina, 2002; Fofack, 2005). В некоторых работах вместо темпов экономического роста используются показатели платежеспособности заемщиков - домохозяйств и фирм (Glogowski, 2008) или государственных органов (Louzis et al., 2012).

В отношении других макроэкономических показателей, способных в значительной степени повлиять на качество кредитного портфеля банков, все не настолько однозначно, и это объясняется целым рядом обстоятельств. Так, увеличение процентных ставок по ссудам, с одной стороны, должно приводить к росту издержек обслуживания долга, повышая риск наступления дефолта (Fiori et al., 2009). Однако в то же время, снижение таких ставок, как правило, приводит к так называемому «кредитному расширению» (кредитной экспансии), что, в свою очередь, тесно связано с падением уровня требований банков к потенциальным заемщикам, выдаче более рисковых ссуд и росту будущего ожидаемого объема просроченной ссудной задолженности. В этом случае формируется отрицательная взаимосвязь, которая, впрочем, проявляется не сразу, а по прошествии нескольких месяцев или даже лет (Jimenez, Saurina, 2006).

Издержки на обслуживание кредитов на уровне экономики в целом аппроксимируются номинальными или реальными процентными ставками по краткосрочным ссудам, причем наиболее часто используется показатель процентной ставки на рынке межбанковского кредитования - Hoggarth et al. (2005); Jimenez, Saurina (2006); Glogowski (2008). Объяснение состоит в том, что в большинстве развитых государств значительная доля ссуд характеризуется плавающей процентной ставкой, которая привязана именно к динамике ставки МБК (Bofondi, Ropele, 2011).

Инфляция также способна оказывать разнонаправленное воздействие на динамику просроченной задолженности по банковским ссудам. С одной стороны, более высокая инфляция способна смягчить условия обслуживания долга за счет снижения реальной стоимости непогашенной части кредита (Fiori et al., 2009). С другой стороны, рост инфляции может также уменьшить реальный располагаемый доход населения в условиях «жесткой» заработной платы (Nkusu, 2011). Более того, политика Центрального Банка, направленная на борьбу с растущей инфляцией путем ответного повышения ключевой ставки процента в экономике, может привести к ухудшению ситуации с обслуживанием компаниями имеющейся задолженности перед кредитными организациями из-за соответствующего роста процентных ставок по корпоративным ссудам (Пестова, 2014).

Влияние динамики обменного курса национальной валюты страны на исследуемую переменную также может быть противоречивым, прежде всего, в контексте экспортно-импортной ориентации компаний конкретных видов экономической деятельности. К примеру, в условиях падения курса национальной валюты фирмы-экспортеры получат значительное конкурентное преимущество на внешних рынках, поскольку производимые ими товары и услуги станут для иностранных потребителей относительно дешевле. Напротив, для предприятий, реализующих свои товары внутри страны, но закупающих сырье для производства у зарубежных поставщиков, существенно увеличиваются издержки, что при прочих равных условиях негативно влияет на уровень их прибыли, которая является главным источником погашения кредитных обязательств. Окончательный характер влияния данного фактора на величину «плохих» долгов зависит от того, какой из двух противоположных эффектов преобладает в экономике (Fiori et al., 2009).

Рост обменного курса может оказать негативное влияние на качество ссуд, выданных кредитными организациями, особенно в странах с высокими объемами кредитования населения и фирм в иностранной валюте. В этих условиях обесценение национальной валюты провоцирует рост реальной стоимости валютного долга, что значительно затрудняет процесс его обслуживания (Louzis et al., 2012). Это особенно актуально для банковских секторов развивающихся стран, поскольку экономические агенты в них, как правило, больше доверяет международным, общепризнанным валютам (доллару США, евро), в то время как доверие к национальной валюте страны может быть ограниченным (Glogowski, 2008; Dash, Kabra, 2010).

В странах с сырьевой экономикой, одной из которых является Россия, цены на вывозимое за рубеж сырье играют значительную роль в формировании макроэкономической ситуации и стабильности доходов населения (Boss, 2002). В наибольшей мере это касается предприятий нефтедобывающей и нефтеперерабатывающей видов экономической деятельности, где способность компаний выполнять взятые на себя обязательства перед банками напрямую зависит от динамики цен на энергоресурсы. Ожидается, что влияние данного показателя на уровень просроченных ссуд в экономике является отрицательным, так как с ростом цены на нефть валовые совокупные доходы нефтяных компаний растут, и далее через механизм спроса этот эффект распространяется на предприятия других отраслей, облегчая их кредитную нагрузку (Fiori et al., 2009).

Некоторые авторы также включают в анализ цены финансовых активов в целях учета влияния эффекта богатства или финансовых пузырей на благосостояние заемщиков (Quagliariello, 2007; Nkusu, 2011). В качестве одного из таких показателей, объясняющих тенденции изменения величины «плохих» долгов по корпоративным ссудам банков, в эмпирической литературе традиционно выделяют цены на рынке коммерческой недвижимости, поскольку недвижимость, как правило, является основным источником обеспечения по ссудам, выдаваемым банками как населению, так и предприятиям (Bernhardsen, Syversten, 2009). В период кризиса на рынке недвижимости, ее реальная рыночная стоимость может упасть ниже величины остаточного долга по ссуде, побуждая банк требовать ее досрочного погашения, что потенциально способно привести того или иного заемщика к банкротству в случае отсутствия альтернативных источников финансирования (Vlieghe, 2001).

Включение в анализ отраслевых индикаторов динамики фондового рынка (индексов, курсов акций) обуславливается тем, что они отражают ожидания акционеров компаний относительно величины дивидендов, которые будут выплачены им на долгосрочном временном горизонте. Эти ожидания, в свою очередь, содержат в себе важную информацию о долгосрочном прогнозе динамики макроэкономических факторов, которая не учитывается включением в модель самих макроэкономических показателей, описывающих преимущественно краткосрочные тренды. Кроме того, индикаторы фондового рынка отражают динамику таких специфических факторов, как премия за риск по ценным бумагам, их ликвидность и потоки капитала фирм, которые, безусловно, оказывают важное воздействие на кредитный риск на уровне самих компаний - микроуровне - и поэтому, к сожалению, не могут быть учтены введением в модель макропеременных (Drehmann, 2005).

Наконец, уровень финансового рычага (соотношения заемных средств фирм к собственным) также оказывает значимое влияние на динамику доли просроченной задолженности по корпоративным ссудам, поскольку решения о выдаче кредитов принимаются банками, исходя из сопоставления рыночной стоимости компаний, выраженной в величине ее акционерного капитала, и текущего значения их корпоративной задолженности. В случае, если коэффициент левериджа той или иной фирмы превысит критическую отметку, коммерческие банки будут склонны сокращать кредитное предложение по отношению к ней (Drehmann, 2005). Это автоматически повлечет за собой рост кредитного риска вследствие ограничения доступа к внешним источникам финансирования.

В Таблице 1, представленной ниже, схематично отображены результаты вышеперечисленных исследований.

Таблица 1. Статистическая значимость макроэкономических и внутриотраслевых детерминант в эмпирических работах