Отметим, что на фоне увеличения объема привлекаемых МБК санкционными банками не происходит возникновения просроченной задолженности по ним, то есть банки, несмотря на сложности, успешно справляются с погашением своих задолженностей. Однако, несанкционные банки в период 2014-2015 гг. наоборот увеличивают долю просроченной задолженности по МБК, хотя она и не превышает 1%.

Касательно структуры МБК по срочности можно отметить, что с 2011 г. по 2015 г. санкционные банки выдавали существенно больше долгосрочных МБК, чем несанкционные банки, что связано с тем, что у санкционных банков было больше возможностей привлекать дешевые средства за границей, чем у большинства несанкционных банков. Интересно, что после введения санкций аналогичная тенденция сохранилась, даже еще усилившись. В 2015 г. на долю долгосрочных выданных МБК пришлось 42% от всех выданных МБК санкционными банками. Возможным объяснением данного явления является то, что после закрытия зарубежных рынков для санкционных банков, автоматически произошло закрытие данного рынка и для прочих банков, так как чаще всего крупнейшие банки, такие как Сбербанк и ВТБ выступали в качестве посредников при доступе прочих банков на зарубежные.

Структура привлеченных по срочности МБК как для санкционных, так и для несанкционных банков практически не изменилась. Можно предположить, что это произошло в следствие колебаний ставок на рынке и неуверенности в будущем. При этом еще одним фактором выступает поддержка Банка России, снижающая необходимость в привлечение долгосрочных средств на рынке МБК.

Более подробная динамика доли долгосрочных выданных и привлеченных МБК представлена в приложениях 4 и 5.

Поддержка Банка России. Традиционно в период кризиса поддержка коммерческих банков Банком России играла немаловажную роль. Банк России стабилизирует кризисную ситуацию, санирует проблемные банки, сглаживает возможные проблемы за счет ряда различных инструментов, например, кредитов, РЕПО. Также произошло и в период санкций.

В период до 2014 г. поддержку от Банка России получали в среднем 3-4 банка из 18 анализируемых, однако, после 2014 г. количество банков, в той или иной мере, зависящих от Банка России возросло до 14-15 из анализируемых. Банками, не пользующимися поддержкой ЦБ, оказались в основном банки с иностранным капиталом, такие как Ситибанк, Райффайзенбанк, Нордеа банк.

Рисунок 15. Темп прироста объема полученных средств от Банка России по санкционным и несанкционным банкам

На рисунке выше представлены средние темпы прироста объема полученных средств от Банка России коммерческими банками. Согласно данным Банка России и расчетам автора в 2014 г. происходит существенное увеличение объема привлекаемых средств от Банка России санкционными банками, в 2015 г. темп снижается, хотя все еще остается положительным. Что касается несанкционных банков, то видно, что ввод санкций практически не повлиял на объем средств поддержки от Банка России -- несанкционные банки увеличивали объем привлекаемых средств, однако, темп увеличения снижался, таким образом, банки старались отойти от государственной помощи.

Структура и качество кредитов и депозитов. Качество кредитов -- один из неотъемлемых факторов устойчивости коммерческого банка перед кризисными явлениями. Качество кредитов или доля просроченной задолженности по кредитам для санкционных и несанкционных банков представлена на рисунке ниже.

Рисунок 16. Динамика изменения доли просроченной задолженности по кредитам для санкционных и несанкционных банков, %

Источник: данные Банка России, расчеты автора

Средняя доля просроченной задолженности по кредитам в 2011-2015 гг. у санкционных банков была стабильно выше, чем у несанкционных. 2014 г. не показал существенного изменения в доле просроченной задолженности по кредитам у коммерческих банков, однако, уже в 2015 г. она существенно выросла, достигнув 7,3% и 5,1% от общего объема выданных кредитов у санкционных и несанкционных банков соответственно. Так как динамика изменения одинакова для всех банков, то причиной изменения можно назвать общеэкономическую обстановку в России, а не влияние санкций. Рост курса долл. США к рублю, инфляции, колебание процентных ставок -- все эти факторы вызвали сложности для юридических и физических лиц при погашении кредитов, особенно валютных.

Касательно структуры кредитов, можно отметить, что введение санкций незначительно повлияло на соотношение краткосрочных и долгосрочных кредитов в структуре выданных кредитов. Так до 2014 г. средняя доля долгосрочных кредитов (свыше 1 года) для санкционных банков составляла 67,2%, в 2014-2015 гг. -- 71,1%. Для несанкционных банков до 2014 г. -- 62,9%, в 2014-2015 гг. -- 64,7%. Наибольшее изменение произошло по санкционным банкам, однако, тем или иным образом связать данное изменение и введение санкций не представляется возможным. Более подробная динамика представлена в приложении 6.

Что касается структуры по срочности депозитов, то динамика изменения доли долгосрочных депозитов в общем объеме привлеченных депозитов не изменилась после введения санкций. Подробная динамика представлена в приложении 7. До и после введения санкций санкционные банки имели преобладающий объем долгосрочных депозитов над несанкционными банками, однако, данная особенность связана с размерами и популярностью банков. Средняя доля долгосрочных источников финансирвоания по санкционным банкам составляет 44,5%, по несанкционным -- 32,6%.

Более интересным показателем является отношение долгосрочных депозитов к долгосрочным кредитам, то есть тот объем средств, который может быть покрыт банком за счет исключительно собственных привлекаемых средств без участия Банка России и МБК.

Рисунок 17. Динамика отношения объема долгосрочных депозитов к долгосрочным кредитам по санкционным и несанкционным банкам

Источник: данные Банка России, расчеты автора

Согласно рисунку, представленному выше, на всем протяжении исследуемого периода отношение долгосрочных депозитов к кредитам для санкционных банков было выше, чем для несанкционных банков. Среднее отношение долгосрочных депозитов к кредитам по санкционным банкам составляет 0,63, для несанкционных -- 0,48, то есть 63% всех долгосрочных кредитов санкционных банков может быть покрыто с помощью долгосрочных депозитов. В период 2014-2015 гг., после введения санкций, происходит снижение отношения долгосрочных депозитов к кредитам для всех банков, независимо от того под санкциями они или нет, то есть происходит наращивание разрыва между долгосрочными источниками фондирования и выдаваемыми средствами. Рост разрыва при определенных условиях способен перерасти к дефициту ликвидности, однако, в данном случае видно, что соотношение меняется незначительно, а значит говорить о дефиците ликвидности нельзя.

Изменение процентных ставок по кредитам и депозитам. В части 2.1. данной работы отмечалась важность и динамика изменения процентных ставок по кредитам и депозитам коммерческих банков. Здесь же будет более подробно рассмотрена динамика процентных ставок по санкционным и несанкционным банкам в отдельности.

В приложениях 8 и 9 представлены расчетные средние ставки по кредитам и депозитам для физических лиц по санкционным и несанкционным банкам. В представленных приложениях видно, что ставки по депозитам и кредитам для несанкционных банков на все протяжении исследуемого периода были выше. Кроме того, рост ставок по депозитам оказался выше, чем по кредитам для всех банков, однако, для несанкционных банков сильнее. Все представленные выводы подтверждают основные заключения ч. 2.1. по динамике процентных ставок. Отметим, что в приложениях 8 и 9 представлены исключительно ставки для физических лиц, кроме того, это ставки на определенные даты, то есть они не позволяют увидеть динамику изменения между определенными датами. Тем самым можно сказать, что данная информация не позволяют делать точные выводы и выводить закономерности.

В рамках данной части были проанализированы изменения основных показателей балансов, финансовой деятельности банков и прочих показателей и выявлены следующие отличия санкционных и несанкционных банков:

1. санкционные банки показали худшие финансовые результаты по сравнению с несанкционными банками, как в части показателей прибыли, так и рентабельности;

2. все санкционные банки показали ухудшение нормативов ликвидности в 2014 г. с последующим восстановлением к 2015 г., в то время как несанкционные банки показывали разнонаправленную динамику, и чаще всего введение санкций несущественно отразилось на динамике нормативов ликвидности таких банков;

3. в условиях санкций практически все банки обратились за помощью к Банку России, за исключением банков с иностранным капиталом, а также начали наращивать межбанковскую активность. Однако санкционные банки, изначально ориентированные на больший объем привлекаемых ресурсов на МБК, чем выдаваемых, еще сильнее увеличили данный разрыв -- объем привлеченных средств с МБК к выданным составил 1,7, вместо 1,1 ранее.

2.4 Построение регрессионных моделей оценки влияния санкций на показатели деятельности банков

В рамках исследования влияния санкций на различные показатели деятельности банков было решено протестировать следующие гипотезы:

Н1: Экономические банковские санкции не оказывают или оказывают слабое отрицательное влияние на норматив мгновенной и текущей ликвидности.

Н2: Санкции оказывают сильное отрицательное воздействие на значение норматива долгосрочной ликвидности и значение рентабельности собственного капитала банка.

В работе будут анализироваться данные по 18 российским банкам за 5 лет с 2011 г. по 2015 г., данные помесячные. Исследуемые банки входят в топ-30 крупнейших по активам банков России, что позволяет с некоторыми ограничениями переносить результаты на весь банковский сектор в целом. Все данные были получены с сайтов Банка России и Анализ Банков. В качестве зависимых переменных были выбраны данные по нормативам ликвидности (Н2, Н3, Н4) и рентабельности собственного капитала (ROE). Независимыми переменными стали 13 переменных. Более подробное описание переменных представлено в ч. 2.2. данной работы.

Эконометрическое исследование будет проводиться с помощью пакета анализа Stata. Будет построено 4 основных линейных регрессий, на основе которых будут определены основные взаимосвязи между переменными. Кроме того, будут построены дополнительные модели для проверки следующих гипотез:

Н3: Санкции оказывают отрицательное влияние на рентабельность собственного капитала банка независимо от вида и ориентации банка.

Кроме данной гипотезы, было предположение о том, что санкции не должны оказывать влияния на банки, большую часть которых составляет иностранный капитал, однако, в связи с недостаточным объемом данных для тестирования такой гипотезы, от нее пришлось отказаться. Проверка данной гипотезы может являться возможным продолжением данного исследования.

В общем виде модель будет представлена в следующем виде:

До начала проведения исследования было решено провести анализ выбросов в выборке по зависимым переменным -- нормативам ликвидности. Так из выборки первоначального размера в 1100 наблюдения, осталось 1000 наблюдений. Были введены ограничения на все нормативы ликвидности, а именно Н2 больше 15%, Н3 больше 50%, Н4 меньше 120%. Данные ограничения были введены в соответствии с законодательными требованиями к нормативам ликвидности.

Результат предварительного анализа данных представлен в приложениях 10 и 11. В соответствии с корреляционной матрицей сильных взаимосвязей между переменными выявлено не было, исключение зависимость между нормативами Н2 и Н3, Н3 и Н4, однако, данные показатели будут являться зависимыми переменными и вместе встречаться в моделях не будут.

Предварительная оценка влияния санкций на основе корреляционной матрицы говорит о том, что между санкциями и значениями нормативов Н2, Н4 и ROE наблюдается отрицательная взаимосвязь, то есть при наличии санкций данные показатели уменьшаются. Положительная взаимосвязь наблюдается между нормативом Н3 и санкциями -- при наличии санкций растет значение норматива Н3. Наиболее сильная взаимосвязь наблюдается между показателем ROE и санкции. Предварительно получены не совсем объясняемые взаимосвязи, как в части положительной взаимосвязи для показателя Н3, так и в части отрицательной взаимосвязи для Н4.

Перейдем к построению моделей и анализу данных. Так как наши данные представляют собой панельные данные, то в исследовании будем использовать модели с фиксированными и случайными эффектами. Предварительно можно отметить, что модель с фиксированными эффектами теоретически лучше подходит, так как у нас фиксированная выборка и смены объектов с течением времени не происходит.

Оценив регрессии с фиксированными и случайными эффектами для зависимой переменной Н2, можно сказать, что согласно тесту Вальда регрессионная модель с фиксированными эффектами лучше подходит для описания данных, чем модель простой регрессии. Согласно тесту Бройша-Пагана модель со случайными эффектами лучше описывает данные, чем модель сквозной регрессии. А согласно тесту Хаусмана модель с фиксированными эффектами лучше модели со случайными эффектами.

Проведем аналогичное исследование для моделей с зависимыми переменными Н3, Н4 и ROE. В результате получим, что тест Вальда для всех моделей показал преимущество регрессионной модели с фиксированными эффектами над моделью простой регрессии. Согласно тесту Бройша-Пагана модель со случайными эффектами лучше описывает данные, чем модель сквозной регрессии. Для показателя Н3 по тесту Хаусмана лучшей моделью оказалась модель с фиксированными эффектами, для показателя Н4 -- модель с фиксированными эффектами, для ROE -- модель со случайными эффектами. Результаты теста Хаусмана для переменных приведены в приложениях 12-15.

Сводная таблица с результатами построенных моделей приведена в таблице ниже.

Таблица 11. Результаты построенных моделей оценки влияния санкций