Материал: Государственные программы поддержки ипотечного кредитования

Глава 2. Эмпирическое исследование влияния госпрограммы поддержки ипотечного кредитования на финансовые результаты и кредитный риск российских банков

.1 Регрессионные модели

Для тестирования гипотез о влиянии госпрограммы на показатели рентабельности российских банков была оценена следующая модель:

 ,

где, переменная  обозначает блок зависимых переменных, отвечающих за уровень рентабельности банка (ROA); объясняющие переменные охарактеризованы в таблицах 1 и 2.

Для тестирования гипотез о влиянии госпрограммы на кредитные риски, принятые российскими банками, была оценена следующая модель:

 ,

где переменная  обозначает блок зависимых переменных, отвечающих за уровень принимаемого банкамикредитного риска (RPL); объясняющие переменные охарактеризованы в таблицах 1 и 2.

На основании данных моделей был проведен панельный анализ, целью которого была попытка пролить свет на то, как государственная программа поддержки ипотечного кредитования сказалась на показателях рентабельности и кредитного риска российских банков. Построение эконометрических спецификаций при этом было основано на выборе между качеством подгонки, значимостью и знаками отдельных коэффициентов. Как для моделей оценки влияния на рентабельность, так и для моделей оценки влияния на кредитные риски в данной работе применялись подходы «снизу-вверх» и «сверху-вниз». Данный метод позволил отобрать наиболее подходящий, а главное -полный, состав спецификаций. В ходе анализа было установлено, что лаги ключевых переменных (вплоть до 6-го) не оказывают значимого влияния на коэффициенты перед ключевыми переменными исследования. Возможно, это обусловлено высокими с точки зрения условий проведения госпрограммы размерами первых взносов по льготным ипотечным кредитам (порядка 30%), которые позволяли мгновенно получить часть выданных средств и обеспечить стимулы для заемщиков к более тщательному соблюдению кредитной дисциплины в последующих периодах. Так или иначе, в финальные спецификации было принято решение не включать лагов ключевых переменных (натурального логарифма выданных в рамках госпрограммы кредитов).

В конечном итоге, были оценены 4 спецификации(две основных - для тестирования гипотез о финансовых результатах и кредитных рисках и еще две - для тестирования на робастность). Основные спецификации были, в частности, протестированы при использовании модели сквозной регрессии («pooledregression»), модели с фиксированными эффектами («fixedeffectmodel»), а также модели со случайными эффектами («randomeffectmodel»). Подробные результаты сравнения данных моделей для обоих видов спецификаций представлены в Приложении 7 и Приложении 8.

С учетом рекордных масштабов государственной программы, влияние которой на деятельность российских банков исследуется в данной работе, ее относительно гибких условий проведения и солидных объемов инициированного ей ипотечного кредитования автором данной работы были первоначально сделаны предположения о в целом позитивном влиянии госпрограммы на деятельность КО (снижении кредитных рисков и увеличении прибыльности). Такая логика могла бы быть обусловлена тем, что снижение процентной ставки по ипотечным кредитам до уровня 12% могло охватить принципиально большую аудиторию потенциальных потребителей ипотечных продуктов, которые при более высоких ставках не могли позволить себе их, несмотря на собственную благонадежность. Ко всему прочему, более высокие процентные ставки, присутствовавшие на рынке ипотечного кредитования до начала действия госпрограммы, могли способствовать проявлению эффекта неблагоприятного отбора, согласно которому установление процентных ставок определенного уровня могло привлекать менее надежных заемщиков, которые оценивали вероятность своего дефолта выше и, соответственно, были готовы уплачивать предложенные банками процентные платежи (Stiglitz, Weiss, 1981). Высокие ставки могли также стимулировать заемщиков к участию в более рискованных, в случае данной работы, жилищно-строительных проектах, что могло провоцировать в дальнейшем возникновение условий для нарушения ими обязательств по обслуживанию взятых ипотечных кредитов. Так, предполагается, что снижение процентной ставки, инициированное началом субсидирования ипотечных займов, могло увеличить масштабы и надежность аудитории потенциальных заемщиков КО, чем, соответственно, снизить объемы принятых ими кредитных рисков, а также повысить доходность по выданным ссудам.

В рамках предварительного анализа были также выдвинуты предположения, согласно которым влияние госпрограммы на финансовые результаты КО и принятые ими кредитные риски зависело от формы собственности и размеров банков. Возможно, что программа оказывала больший эффект на рентабельность и риски малых банков, поскольку для крупных - имели место более весомые детерминанты доходности, занять достойное место среди которых подобная госпрограмма была неспособна по объективным причинам. В этой связи, на основе вышеуказанных доводов, построенных на основе предварительной и непроверенной логики, в данном исследовании были выдвинуты и протестированы следующие гипотезы:

Гипотеза 1: Участие в госпрограмме положительно влияет на финансовые результаты российских банков;

Гипотеза 2: Участие в госпрограмме снижает кредитные риски, принимаемые российскими банками;

Гипотеза 3: Участие в госпрограмме в большей степени влияет положительно на финансовые результаты менее крупных банков;

Гипотеза 4: Участие в госпрограмме в большей степени снижает кредитные риски, принимаемые менее крупными банками;

Гипотеза 5: Участие в госпрограмме в большей степени влияет положительно на финансовые результаты российских государственных банков;

Гипотеза 6: Участие в госпрограмме в большей степени снижает кредитные риски, принимаемые российскими государственными банками.

2.2 Описание переменных и источники данных

В качестве объясняемых переменных для оценки влияния госпрограммы на прибыльность банков были выбраны показатели:

§  рентабельности активов (ROA);

§  рентабельности капитала (ROE).

В качестве объясняемых переменных для оценки влияния госпрограммы на принимаемые банками кредитные риски были выбраны:

§  доля просроченных задолженностей в чистых активах (SOL);

§  доля резервов на возможные потери по ссудам в чистых активах (RPL).

Перечень всех рассмотренных в рамках исследования переменных представлен в таблице 1.

Таблица 1. Описание переменных моделей

В блоке «Показатели вовлеченности в программу» представлена единственная доступная переменная (помимо дамми-переменной на участие), демонстрирующая масштабы деятельности КО в рамках проведенной Минфином госпрограммы. Блок «Детерминанты рентабельности и кредитных рисков» раскрывает использовавшиеся в рамках исследования переменные, которые отражают масштабы осуществляемой банками кредитной деятельности, а также уровень их надежности и финансовой мобильности. В блоке «Переменные форм собственности и размера» представлены фиктивные и категориальные переменные, введенные с целью оценки того, каким образом разнилось влияние госпрограммы на финансовые результаты КО и принятые ими кредитные риски в зависимости от формы собственности и размеров данных КО.

В последнем блоке - «Макроэкономические переменные» - представлены переменные, характеризующие макроэкономические показатели российской экономики, а именно реальная процентная ставка и индекс промышленного производства.

Ожидается, что рост ИПП как прокси-переменной для динамики ВВП будет оказывать, при прочих равных условиях, положительный эффект на банковский сектор страны; а рост реальной процентной ставки как прокси-переменной для стоимости ресурсов для КО, при прочих равных условиях, - негативное. Включение подобного состава переменных обусловлено тем, что между ними существует эмпирически установленная зависимость: в частности, без установления процентной ставки на относительно низком уровне невозможно достижение высоких темпов роста экономики (Woodford, 2001, стр. 234).

Следует заметить, что в течение рассматриваемого отрезка времени отсутствуют очевидные кризисные периоды и/или экстремальные скачки ключевых детерминант функционирования экономики. В связи с этим в рамках исследования было принято решение не вводить дамми-переменную на кризисные периоды, учитывающую всевозможные структурные сдвиги, сопровождаемые ими.

Несмотря на то, что программа поддержки ипотечного кредитования действовала с 1 марта 2015 г., Министерство финансов РФ не предоставляет данных по активности КО в рамках госпрограммы за первый месяц ее действия, что и обуславливает границы временного периода, вдоль которого располагаются эмпирические наблюдения в данной работе - с 1 апреля 2015 г. по 1 января 2017 г.. При этом периодичность наблюдений - 1 месяц - позволяет получить сбалансированную панель с данными по используемым показателям за 21 месяц.

Источниками данных являются:

§  ИАС «Банки и финансы» агентства «Мобиле» - показатели «оборотных ведомостей по счетам бухгалтерского учета кредитных организаций» - форма 0409101, «отчетов о прибылях и убытках кредитных организаций» - форма 0409102;

§  Информационный портал Министерства финансов РФ - данные по активности КО в рамках программы поддержки ипотечного (жилищного) кредитования;

§  Информационный портал Центрального банка РФ (Банка России) - данные по динамике реальной процентной ставки;

§  Информационный портал Федеральной службы государственной статистики - данные по динамике индекса промышленного производства;

Индекс промышленного производства (ИПП) представляет собою отношение объема промышленного производства в денежном эквиваленте за определенный период к объему промышленного производства за предшествующий или базисный период.

Фактически, ИПП является прокси-переменной для темпов роста валового внутреннего продукта (ВВП), поскольку отражает динамику роста его наиболее существенной части. Выбор в пользу индекса был обусловлен тем, что официальные данные по нему публикуются с месячной периодичностью, в отличие от данных по ВВП.

§  Каталог «Allbanks.ru»(Банки России) ИА «Банки.ру» - тип собственности банков.

Сбор данных по типу собственности банков (государственные, частные, иностранные) проводился частично при помощи ручной сборки по распространенным в научной литературе критериям (Верников, 2009) - доминирование той или иной разновидности собственности в структуре уставного капитала КО.

В состав выборки КО были первоначально включены топ-200 российских банков по величине чистых активов на момент 1 января 2017 г., поскольку на их долю приходилось более 95% активов всего банковского сектора страны. Из их числа, впоследствии, были исключены те КО, у которых были когда-либо отозваны Банком России генеральные лицензии на осуществление банковских операций, а также те, которые проходили санацию в течение рассматриваемого периода. Далее, из выборки были исключены 5 крупнейших банков по объему чистых активов, что обусловлено тем, что их особый статус предполагает иные (зачастую скрытые) взаимосвязи переменных, которые могут существенно повлиять на вероятность получения смещенных оценок (Karas, Schoors, Weill, 2010, стр. 232). В частности, ввиду их высокой системной значимости возможно, что государство будет предпринимать основательно большие усилия по предотвращению неисполнения ими собственных обязательств, нежели в иных случаях (Иванов, Федорова, 2015, стр. 18), что, безусловно, может неконтролируемо повлиять на кредитные риски и финансовые результаты данных КО.

Таким образом, была сформирована выборка, состоящая из наблюдений по 175 российским банкам за 21 месяц. Среди отобранных банков расположились в том числе 32 КО, участвовавшие в государственной программе поддержки ипотечного (жилищного) кредитования, инициированной Минфином; все они входили на 1 января 2017 г. в изначально отобранные топ-200 российских банков по размеру чистых активов. Следует заметить, что первоначально на участие в программе подали заявки 48 КО, однако в дальнейшем некоторые из них отказались от участия, другие - подверглись санации, а также отзыву лицензии. Исключение данных КО в совокупности с крупнейшими по размеру чистых активов КО в стране позволило получить вошедшую в итоговую выборку группу банков-участников госпрограммы в количестве 32 КО.

В таблице 2 представлены описательные статистики всех переменных.

Таблица 2. Описательные статистики переменных (без дамми-переменных)

2.3 Проблемы мультиколлинеарности, гетероскедастичности и автокорреляции

Все оцениваемые спецификации были проверены на наличие проблем гетероскедастичности и автокорреляции. Для этого были проведены тест Бройша-Пагана на гетероскедастичность и тест на серийную автокорреляцию, которые показали, что на 5-ти процентном уровне значимости во всех рассмотренных спецификациях имеется как та, так и другая проблемы. С целью их преодоления модели строились с робастными к гетероскедастичности и автокорреляции стандартными ошибками в форме Ньюи-Уэста - чтобы иметь возможность сравнить и интерпретировать значимость отдельных коэффициентов.

Для проведения исследования из общей выборки банков была также выделена одна подвыборка, состоящая только из тех КО, что участвовали в программе. Общая выборка и данная подвыборка были проверены на мультиколлинеарность: результаты тестирования представлены в виде корреляционных матриц основных переменных исследования в таблицах 3 и 4.

Таблица 3. Попарные корреляции основных переменных модели (для всей выборки банков)

Таблица 4. Попарные корреляции основных переменных модели (для банков-участников программы)