Материал: Банковская конкуренция и реальный сектор экономики

Таблица 3. Описание спецификаций эмпирической модели

Структурную конкуренцию в банковском секторе описывают показатели концентрации HHI, CR5, CR30, число банков. Способ оценки концентрации банковского сектора через количество действующих кредитных организаций встречает в эмпирической литературе реже, чем индексы концентрации первых k-банков, но в условиях текущей банковской статистики по масштабному сокращению кредитных организаций в России, его применение скорее обосновано.

Однако отсутствие предположения об ожидаемой зависимости влияния количества кредитных организаций обусловлено тем, что для банковского сектора России характерна проблема избыточного числа банков, значительная часть банков в системе являются либо карманными, созданными для обслуживания нужд определенной корпорации, либо для отмывания доходов, либо направлены исключительно на обслуживание физических лиц. То есть какого-то положительного влияния на развитие реального сектора экономики не предполагается.

Интересно было бы включить в модель переменнуй зависимости отраслей экономики от внешнего финансирования, которая применяется в ряде эмпирических исследований. Одними из первых влияние потребности во внешнем финансировании рассмотрели Rajan и Zingales (1998). На основе базы данных Standart and Poor’s Compustat были рассчитаны показатели зависимости отраслей реального сектора от внешнего финансирования. Rajan и Zingales, защищая свои расчеты и предположения, утверждают, что эти прокси хорошо применимы и для исследований по другим странам, так как технологии производства тех или иных продуктов, по своей основе, одинаковы.и Gambera (2001) также прибегают к использованию данных расчетов, они приходят к заключениям, что концентрация в банковском секторе способствует росту тех компаний, которые в большей степени зависят от внешнего заимствования.

В силу того, что прошло уже достаточно времени с момента расчета данных значений, а также отсутствия эмпирически оцененной и проверенной альтернативной меры оценки потребностей отраслей во внешнем займе, предполагается, что данная переменная для России будет незначимой.

С эконометрической точки зрения, значение финансовой зависимости в данном случае решено было исключить в силу специфики исследуемых данных, потому как в разрезе отраслей данный показатель не имеет какой либо объясняющей силы.

Интерес применения данного показателя будет обусловлен в возможных дальнейших исследованиях, когда панельные данные будут собраны по всем отраслям реального сектора в целом, а не как в случае отдельного рассмотрения.

В качестве альтернативных мер оценки зависимости отраслей от внешнего финансирования, предлагается включить переменные индекс интенсивности производства и число зарегистрированных предприятий в разрезе отраслей, как косвенных прокси потребности в финансировании. Предполагается наличие прямой зависимости между данными показателями с объемом кредитования отрасли.

Переменные темп прироста бивалютной корзины, объем экспорта введены в модель с целью отразить активность внешнеторговых отношений. Предполагается прямая зависимость с объемом кредитования, в силу того, что рост корзины, приведет к удешевлению отечественной продукции, росту спроса на нее из-за рубежа, росту объемов экспорта, и, как следствие, является дополнительным мотивом для финансирования дополнительного выпуска.

Дамми на кризис, уровень безработицы и ВВП на душу населения описывают общее состояние в экономике.

Дамми на территориальную принадлежность добавлена с целью проверить гипотезу о том, что банки активнее кредитуют заемщиков центральной части России. Мотивацией включения данного показателя послужила статистика уровня развития регионов России.

Включение контрольных банковских переменных: объем активов, отношение кредитов к совокупным активам, описывают состояние банковской системы. Доля просроченной задолженности к кредитном портфеле косвенно описывает риск кредитования в разрезе отраслей и регионов, предполагается обратная зависимость от объема кредитования отраслей реального сектора.

2.3 Результаты эмпирического исследования

.3.1 Оценка структурных и неструктурных мер конкуренции

В интересах исследования были использованы как структурные, так и неструктруные способы оценки косвенного подхода. Применение прямого подхода затруднительно со стороны используемых данных, так применяются агрегированные региональные показатели.

Для оценки конкуренции с точки зрения структуры рынка, были рассчитаны значения показателей HHI, CR5, CR30. Результаты расчетов представлены на графике 10.

График 10. Динамика индексов концентрации российского банковского сектора за период с 4 квартала 2010 по 4 квартал 2015 года

Источник: собственные рассчеты на основе данных Банка России

Для оценки уровня банковской конкуренции был выбран метод Panzar-Rosse, подробно изложенный в 1 главе пункте 1.1. Обоснованием выбора метода расчета конкуренции является то, что он больше других подходит для оценки уровня конкуренции по агрегированным данным.

Эмпирические исследования часто разнятся в выборе зависимой переменной при оценке H-статистики Panzar-Rosse. В традиционном случае, в качестве зависимой переменной принято принимать процентный доход или общий доход. Bikker et al. (2009) и Rezitis (2010) предлагают, как альтернативный вариант, использование чистого дохода в качестве зависимой переменной для расчета H-статистики. Repkova, Stavarek (2014) в своей работе по исследованию конкуренции и концентрации в банковском секторе Турции, принимая во внимание значительный рост непроцентных доходов в последние годы, предпочитают использовать общий доход. Этот выбор обосновывает тем, что более высокая конкуренция в банковском секторе уменьшает разницу между процентными и непроцентными доходами, поскольку банки, преследуя задачу максимизации прибыли, активно развиваются в обоих направлениях.

В таблице 4 представлена описательная статистика переменных для оценки транслогарифмической функции издержек и вычисления H-статистика Panzar-Rossa, а также для теста E-stat Шаффера.

Следуя работе Мамонова (2010), для оценки уровня конкуренции были использованы следующие переменные:II - в рамках данного исследования по российскому сектору в качестве зависимой переменной был выбран валовый процентный доход.TA - логарифм совокупных активов (масштабирующая переменная),

Переменные цен факторов производства:AFR - логарифм цены привлеченных средств, рассчитывается как отношение процентных расходов к депозитам,PPE - логарифм цены трудовых ресурсов: отношение расходов на персонал к активам банка,PONILE - логарифм прочих расходов на обеспечение деятельности банка к активам банка.

Контрольные банковские переменные:(OI/II) - отношение прочих доходов к процентным доходам: отражает степень вовлеченности банка в финансовую систему;(EQ/TA) - отношение собственного капитала к активам: индикатор общего риска, принимаемого банком;(LNS/TA) - отношение кредитов населению и нефинансовым предприятиям к активам: индикатор кредитного риска;(ERA/ERP) - отношение платных активов к платным пассивам: отражает интенсивность деятельности банка по освоению платных пассивов;(ERA/ERP) - отношение платных активов к платным пассивам: интенсивность освоения банком платных пассивов (чем больше единицы, тем интенсивнее),(ONEA/TA) - отношение прочих неплатных активов к активам: индикатор неработающих активов;(DPS/F) - отношение депозитов населения и нефинансовых предприятий к счетам и депозитам населения и нефинансовых предприятий: индикатор потенциала роста кредитного портфеля (чем выше доля депозитов и меньше доля счетов, тем больше возможностей наращивания кредитного портфеля банка).ROA - рентабельность активов банка: характеризует уровень прибыльности банка (применяется для оценки E-stat Шаффера).

Таблица 4. Описательная статистика переменных модели оценки конкуренции

Источник: собственные расчеты с использованием статистического пакета Stata

Первый этап расчета уровня конкуренции - выбор адекватной модели оценки. Для этого были оценены 2 модели: с фиксированными эффектами и с случайными эффектами.

С помошью теста Хаусмана для сравнения моделей со случайными эффектами и с фиксированными эффектами, выбор стал в пользу модели с фиксированными эффектами. Результаты оценки двух моделей представлены в таблице 5.

Таблица 5. Оценки моделей random и fixed effects для оценки конкуренции российского банковского сектора

Источник: собственные расчеты с использованием статистического пакета Stata

Для расчета E-stat зависимая переменная процентные доходы была заменена на показатель рентабельности активов и оценена на 5% уровне значимости для модели с фиксированными эффектами.

Значение E-stat на уровне 0.0225 близко к 0, однако оно также говорит, что в целом российскому банковский сектор подвержен беспокойному состоянию. Это подтверждает выводы Мамонов (2010), а также заключение Anzoategui, Martinez Peria, Melecky (2012) о характерном непостоянном состоянии российского банковского сектора, для которого характерно преимущественно состояние монопольной конкуренции.