Н5: Операционная неэффективность банка оказывает положительное влияние;
Н6: Показатель Н1 оказывает положительное влияние;
Н7: Размер банка оказывает отрицательное влияние;
Н8: Отношение всех выданных кредитов к общим активам банка оказывает отрицательное влияние;
Н9: Отношение депозитов к общим обязательствам оказывает положительное влияние;
Н10: Отношение непрофильных активов к общим активам оказывает положительное влияние;
Н11: Реальный ВВП оказывает отрицательное влияние;
Н12: Ключевая ставка Банка России оказывает положительное влияние.
2.2 Результаты исследования
Собрав все данные, я очистила их от выбросов, используя критерий, равный нормированному отклонению выброса:
,
где:
Т - критерий выброса;
- выделяющееся значение признака (или очень большое или очень малое);
м, - средняя и сигма, рассчитанные для группы, включающей выброс;
Tst - стандартные значения критерия выбросов, определяемых согласно таблице распределения Стьюдента.
Описательные статистики данных до устранения выбросов и после приведены в приложениях 2, 3.
После этого, я проверила корреляционные взаимосвязи между переменными, используя корреляционную таблицу. В результате полученных взаимосвязей мне пришлось исключить следующие переменные: показатель, рассчитываемый как норматив Н7 и размер инфляции.
Корреляционная таблица приведена в приложении 1.
Далее я загрузила данные в Stata и еще раз проанализировала описательные статистики уже в ней, они приведены в приложении 4.
После этого я построила модель линейной регрессии (pooled regression) переменной NIM на все независимые переменные, используемые в моем исследовании. Нужно отметить, что это сквозная регрессия по всем периодам и всем банкам, она не учитывает панельную структуру данных и оценивается при помощи обычного метода наименьших квадратов.
R квадрат в данной регрессии составил 0,2804. Все регрессоры, кроме показателя отношения депозитов к общим обязательствам и реального ВВП России в ценах 2008 года являются значимыми на всех уровнях значимости.
При этом, согласно результатам, полученным в данной регрессии, все значимые факторы, кроме показателя текущей ликвидности, отношения операционных расходов к валовому доходу, логарифму активов, отношения непрофильных активов к общим активам и ключевой ставки процента оказывают на маржу положительное влияние.
Далее я перешла к анализу данных, предоставленных в панельном формате, задав временную компоненту Period и пространственную компоненту Bank.
Первой регрессией, проведенной в рамках панельного анализа данных, была регрессия between, которая представляет собой переписанную в терминах усредненных по времени значений переменных исходную модель, оцениваемую при помощи обыкновенного метода наименьших квадратов.
Результаты регрессии between показаны в приложении 5.
В данном случае значение R-квадрат between отражает качество подгонки регрессии и его значение больше чем в сквозной регрессии (0,3375), т.е. изменение средних по времени показателей для каждого банка оказывает более существенное влияние на каждую переменную, нежели временные колебания этих показателей относительно средних.
Однако, по итогу данной регрессии, значимых переменных стало намного меньше. Незначимыми переменными при 10% уровне значимости являются отношение проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам, уровень текущей ликвидности, определяемый согласно методике расчета норматива N3, риск процентной ставки, исчисляемый как ставка на межбанковском рынке (Mosprime 3m) минус усредненная ставка конкретного банка по депозитам физических лиц, показатель зависимости от межбанковских кредитов, отношение депозитов до востребования к общим депозитам банка, показатель ключевой ставки процента, по прежнему незначимы показатель доли депозитов в общих обязательствах банка и реальный ВВП РФ в ценах 2008 года.
При этом, зависимость переменных осталась прежней: как и в сквозной регрессии все значимые факторы, кроме показателя текущей ликвидности, отношения операционных расходов к валовому доходу, логарифму активов, отношения непрофильных активов к общим активам оказывают на маржу положительное влияние.
Следующим пунктом я оценила регрессию within или модель с детерминированными эффектами. Регрессия within - это исходная регрессионная модель, переписанная в терминах отклонений от средних по времени значений переменных. Ее оценивание также происходит при использовании метода наименьших квадратов.
Результаты регрессии within показаны в приложении 6.
Согласно результатам оценки данной регрессии, коэффициент детерминации R квадрат составляет 0,1915, что более чем в полтора раза меньше, чем в модели between, что может свидетельствовать о том, что в рамках составленной модели динамические различия проявляются менее сильно, чем межбанковские различия, что говорит о том, что предпочтительнее оценивать модель, учитывая индивидуальные эффекты.
Все переменные являются значимыми на 10 процентном уровне значимости, за исключением проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам и индекса Херфиндаля - Хиршмана.
По-прежнему оказывают отрицательное воздействие на маржу отношение операционных расходов к валовому доходу, показатель текущей ликвидности, отношение непрофильных активов к общим активам, логарифм активов и ключевая ставка процента.
При этом отношение проблемных кредитов физических лиц к общим выданным кредитам физическим лицам, отношение депозитов к общим обязательствам стали показывать отрицательное воздействие на маржу.
Следующим шагом стало оценивание модели со случайными эффектами.
Данная модель считается компромиссом между сквозной регрессией и моделью с детерминированными эффектами. Для оценивания такой регрессии применяется обобщенный метод наименьших квадратов.
Результаты данной оценки приведены в приложении 7.
О значимости данной регрессии свидетельствует высокое (1723,47) значение статистики Wald-Chi.
Все показатели кроме проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам являются значимыми на уровне значимости 5%.
Как и в предыдущих оценках на маржу оказывают отрицательное воздействие отношение операционных расходов к валовому доходу, показатель текущей ликвидности, отношение непрофильных активов к общим активам, логарифм активов и ключевая ставка процента. Также, как и в модели с детерминированными эффектами, в этой модели отрицательное воздействие оказывают отношение депозитов к общим обязательствам, отношение проблемных кредитов физических лиц к общим выданным кредитам физическим лицам.
Оценив мою модель тремя способами - при помощи сквозной регрессии, регрессии с фиксированными индивидуальными эффектами и регрессией со случайными индивидуальными эффектами, я столкнулась с необходимостью выбрать наиболее адекватно оценивающий модель способ оценки.
В этих целях мной были проведены три теста:
1) Тест Вальда - для сравнения модели с фиксированными эффектами и сквозной регрессией;
2) Тест Бройша-Пагана - для сравнения модели со случайными эффектами и сквозной регрессии;
3) Тест Хаусмана - для сравнения моделей со случайными и фиксированными эффектами.
Результаты теста Вальда отражены в приложении 6 (оценка регрессии within):
F test that all u_i=0: F (512, 6476) = 35.80 Prob > F = 0.0000
Поскольку p-уровень<0.01, в целях моей работы, данные лучше описывает модель с фиксированными эффектами, а не сквозная регрессия.
Результаты теста Бройша-Пагана приведены в приложении 8.
Так как p-уровень <0.01, то модель со случайными эффектами лучше описывает данные, чем модель сквозной регрессии.
Результаты теста Хаусмана приведены в приложении 9.
Так как p-уровень <0.01, то модель со случайными эффектами хуже описывает данные, чем модель с фиксированными эффектами (within).
Итак, согласно проведенным статистическим тестам, наиболее качественно регрессию оценивает модель с фиксированными эффектами.
Проверим подтверждение гипотез, выдвинутых перед эмпирическим исследованием:
Н1: Рискованность кредитного портфеля оказывает положительное влияние, так как ставки по рискованным кредитам выше - опровергнута;
Н2: Показатель ликвидности оказывает отрицательное влияние в связи с тем, что в России высокие показатели ликвидности как правило связаны с грамотным управлением банком, что в свою очередь характерней для крупных федеральных банков, нежели для банков регионального значения - подтверждена;
Н3: Риск процентной ставки оказывает положительное влияние - подтверждена;
Н4: Индекс Херфиндаля-Хиршмана оказывает положительное влияние - влияние показателя незначимо;
Н5: Операционная неэффективность банка оказывает положительное влияние - опровергнута;
Н6: Показатель Н1 оказывает положительное влияние - подтверждена;
Н7: Размер банка оказывает отрицательное влияние - подтверждена;
Н8: Отношение всех выданных кредитов к общим активам банка оказывает отрицательное влияние - опровергнута;
Н9: Отношение депозитов к общим обязательствам оказывает положительное влияние - опровергнута;
Н10: Отношение непрофильных активов к общим активам оказывает положительное влияние - опровергнута;
Н11: Реальный ВВП оказывает отрицательное влияние - опровергнута;
Н12: Ключевая ставка Банка России оказывает положительное влияние - опровергнута.
Заключение
Мое исследование представляет первое полное исследование факторов, влияющих на чистую процентную маржу российских банков.
Результаты исследования по некоторым факторам оказались достаточно неожиданными. Так, неожиданным было обнаружить отрицательное влияние отношение операционных издержек (рассчитываемых как сумма управленческих, административных расходов и расходов на выплату заработной платы сотрудникам) к валовому доходу на чистую процентную маржу. Положительное влияние данного фактора ожидалось в связи с теоретической трансмиссией данных расходов на клиентов через повышенные ставки по кредитам. Возможно подобный результат связан с тем, что неэффективные банки тем не менее действуют в условиях достаточно жесткой конкуренции, и, следовательно, в борьбе за потребителя, не имеют возможности наращивать маржу для компенсации своих издержек. Аналогичные причины могут являться результатом выявленного отрицательного влияния отношения непрофильных активов к общим активам банка на маржу.
Отрицательное влияние кредитного риска на маржу возможно связано с тем, что банки плохо контролируют кредитный риск при установлении процентной маржи / процентного спреда. Также это может обозначать агрессивную стратегию банков, которые борются за долю на рынке и таким образом принимают высокий кредитный риск без изменения своей маржи.
Отрицательное влияние размера банка на маржу я связываю с тем, что благодаря экономии на масштабе, большие банки более эффективны, и соответственно могут позволить себе менее высокую маржу при сохранении своей рентабельности.
Отрицательное влияние ключевой ставки процента на маржу может быть обусловлено тем, что в первую очередь и в большей степени данная ставка влияет на ставку по относительно краткосрочным депозитам, нежели на ставку более устойчивого к изменениям кредитного портфеля.
Выводы из исследования следующее: банковский сектор сегодня - сложная многогранная система, и различные гипотезы, которые кажутся очевидными при теоретических размышлениях, на практике зачастую опровергаются. Соответственно при анализе маржи и ее перспектив необходим комплексный практический анализ всех возможных факторов. Опираться только на ставки процента по кредитам и по депозитам не является достаточным.
Список использованной литературы
1. Pyle D.H. On the theory of Financial Intermediation. // Journal of Finance, Vol. 28 (Jun. 1971), pp. 737-747
2. Thomas S.Y. Ho and Anthony Saunders The Determinants of Bank Interest Margins: Theory and Empirical Evidence // The Journal of Financial and Quantitative Analysis, Vol. 16, No. 4, (Nov., 1981) pp. 581-600
3. Linda Allen The Determinants of Bank Interest Margins: A Note // The Journal of Financial and Quantitative Analysis, Vol. 23, No. 2 (Jun., 1988), pp. 231-235
4. Berger, A., 1995. The Profit Structure Relationship in Banking. Tests of MarketPower and Efficient-Structure Hypotheses. Journal of Money, Credit, and Banking 27, 404-431
5. Kashyap, Stein and Wilcox Monetary policy and credit conditions: evidence from the composition of external finance // The American economic review, (Mar., 1995) 83 (1), pp. 78-985.
6. Petersen, M.A., Rajan, R., 1995. The effect of credit market competition on lending relationships. The Quarterly Journal of Economics 42, 407-444
7. Angbanzo, L. Commercial bank net interest margins, default risk, interest-rate risk and off-balance sheet banking // Journal of Banking and Finance (1997) 21, pp. 55-87.
8. Angelini, P. & Di Salvo, R. & Ferri, G. Availability and cost of credit for small businesses: Customer relationships and credit cooperatives // Journal of Banking & Finance, Elsevier, (Aug., 1998) vol. 22 (6-8), pp. 925-954
9. Berlin, M., Mester, L.J., 1999. Deposits and Relationship Lending. The Review of Financial Studies 12, 579-607.
10. Kevin Rogers, Joseph F. Sinkey Jr An analysis of nontraditional activities at U.S. commercial banks // Review of Financial Economics (Jun., 1999); 8 (1), pp. 25-39
11. Saunders, A., Schumacher, L. 2000. The determinants of bank interest rate margins: an international study. Journal of International Money and Finance 19, 813-832.
12. Altunbas, Y., Evans, L., Molyneux, P., 2001. Bank ownership and efficiency. Journal of Money, Credit and Banking 33, 925-954.
13. Carbу, S., Humphrey, D., Rodriguez, F., 2003. Deregulation, bank competition and regional growth. Regional Studies 37, 227-237.