Cetorelli 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

2.3.1 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 Этот вывод подтверждается в работах Casu, Girardone (2006), Pererera et al. (2006), Rezitis (2010), Dohnal (2012)..

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:

Ln II - в рамках данного исследования по российскому сектору в качестве зависимой переменной был выбран валовый процентный доход Обоснованием решения в пользу классического варианта являются работы, также выполненные по российскому сектору, такие как Мамонов (2009), Анисимова, Верников (2011).

Ln TA - логарифм совокупных активов (масштабирующая переменная),

Переменные цен факторов производства:

Ln AFR - логарифм цены привлеченных средств, рассчитывается как отношение процентных расходов к депозитам,

Ln PPE - логарифм цены трудовых ресурсов: отношение расходов на персонал к активам банка,

Ln PONILE - логарифм прочих расходов на обеспечение деятельности банка к активам банка.

Контрольные банковские переменные:

Ln (OI/II) - отношение прочих доходов к процентным доходам: отражает степень вовлеченности банка в финансовую систему;

Ln (EQ/TA) - отношение собственного капитала к активам: индикатор общего риска, принимаемого банком;

Ln (LNS/TA) - отношение кредитов населению и нефинансовым предприятиям к активам: индикатор кредитного риска;

Ln (ERA/ERP) - отношение платных активов к платным пассивам: отражает интенсивность деятельности банка по освоению платных пассивов;

Ln (ERA/ERP) - отношение платных активов к платным пассивам: интенсивность освоения банком платных пассивов (чем больше единицы, тем интенсивнее),

Ln (ONEA/TA) - отношение прочих неплатных активов к активам: индикатор неработающих активов;

Ln (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).

Ln ROA - рентабельность активов банка: характеризует уровень прибыльности банка (применяется для оценки E-stat Шаффера).

Таблица 4. Описательная статистика переменных модели оценки конкуренции

Переменная	Mean	Min	Max	Std.Dev.	Obs
Ln II	13.2187	2.8900	22.2800	2.1249	25817
Ln TA	15.0757	7.8400	23.8700	1.9169	25817
Ln AFR	-7.1150	-21.3000	-0.6600	2.9667	25817
Ln PPE	-4.1341	-21.7400	0.3900	1.0489	25817
Ln PONILE	-1.6757	-21.7400	3.4000	1.1712	25817
Ln (OI/II)	0.4870	-12.2600	5.9900	0.8673	25817
Ln (EQ/TA)	-1.6664	-8.9500	0.4500	0.6298	25817
Ln (LNS/TA)	-1.2279	-19.1400	1.1400	2.3004	25817
Ln (ERA/ERP)	-0.3017	-16.9900	8.1400	1.86911	25817
Ln (ONEA/TA)	-2.6041	-12.4700	3.2300	1.4224	25817
Ln (DPS/F)	-0.2544	-16.8400	13.1900	2.8296	25817
Ln ROA	1.1867	-5.5944	18.5371	0.7183	25817

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

Ln II	Random effects	Fixed effects
Ln TA	1.0103	0.000	0.9898	0.000
Ln AFR	0.0021	0.155	-0.0084	0.000
Ln PPE	-0.1731	0.000	-0.2788	0.000
Ln PONILE	0.7001	0.000	0.3097	0.000
Ln (OI/II)	-0.5513	0.000	-0.4893	0.000
Ln (EQ/TA)	0.0022	0.760	0.0294	0.000
Ln (LNS/TA)	-0.0245	0.000	-0.0190	0.000
Ln (ERA/ERP)	0,0066	0.033	0.0016	0.545
Ln (ONEA/TA)	0.0052	0.058	0.0255	0.000
Ln (DPS/F)	0.0032	0.061	0.0073	0.000
Obs	25817		25817
R2	0.9282		0,9194
H-stat	0.5269		0,3225
E-stat			0.0225

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.

Для целей дальнейшего исследования влияния вопроса конкуренции с точки зрения ее влияния на кредитование реального сектора были рассчитаны квартальные значение H-stat. Для этого поочередно было оценено 28 регрессий для каждого временного интервала.

В приложении 1 представлены оценки эластичностей цен на ресурсы банков для расчета квартальных H-stat. Оценки выполнены с использованием статистического пакета Stata. Разброс значений конкуренции в разрезе кварталов от 0.34 до 0,93 - что характеризует отсутствие стабильности в банковском секторе на коротких промежутках времени.

График 11. Значения H-stat за период с 1 квартала 2009 года по 4 квартал 2016 года

Источник: собственные расчеты

2.3.2 Оценка влияния показателей конкуренции на кредитование реального сектора

Для оценки влияния банковской конкуренции на кредитования реального сектора было построены и оценены панельные данные по сельскохозяйственной и по обрабатывающей отраслям, как ключевым с точки зрения товарозамещения. В таблице 6 представлена описательная статистика данных по обрабатывающей отрасли.

Данные для обрабатывающей и сельскохоязйственной отраслей различаются объемами кредитования, показателями интенсивности выпуска, долей просроченной задолженности в общем кредитном портфеле банковского сектора и количеством действующих предприятий в отрасли.

Таблица 6. Описательная статистика

Переменная	Mean	Min	Max	Std.Dev.	Obs
time	14.5709	1	28	8.0968	2256
region	41.8103	1	84	23.9559	2256
LN Loans	8.0215	-0.6931	13.5028	1.9952	2219
LN (Loans/GDP)	3.4136	-5.2018	8.9354	1.99404	2219
Competition	0.4799	0.1100	0.9900	0.2389	2232
HHI	0.1042	0.0802	0.3187	0.0443	2096
CR5	0.7378	0.7242	0.7600	0.0114	2096
CR30	0.7699	0.7487	0.8181	0.0200	2096
Nbanks	950.6011	733	1094	95.1125	2256
Debit	0.0010	0	0.0108	0.0016	2256
LoanSh	0.6705	0.6219	0.7245	0.0296	2256
Ln Assets	17.6705	17.1612	18.2343	0.3319	2256
Nbranch	27.5600	1	163	30.2936	1707
Intensive	171.2958	139.8	185.6	12.4533	2256
Ncompany	16260.28	14811	17442	804.3860	1845
Dcurrency	0.0149	-0.5260	0.5250	0.1605	2255
Dcrises	0.1091	0	1	0.3118	2256
Dregion	0.2234	0	1	0.4166	2256
Unempl	6.1730	4.9	8.7	1.0974	2256

Источник: собственные расчеты с использованием статистического пакета Stata

Высокие отрицательные значения корреляции интенсивности производства и количеством кредитных организаций, высокая отрицательная корреляция между отношением кредитного портфеля к совокупным активам с числом компаний в отрасли, говорят о наличии тесной линейной связи между этими переменными.

В таблице 7 представлены оценки коэффициентов переменных для random и fixed effects.

Таблица 7. Результаты оценки регрессионной модели для обрабатывающей отрасли (шаг 2)

Ln Loans	Random effects	Fixed effects
	Coeff	p-value	Coeff	p-value
Competition	0.1441	0.608	0.1863	0.543
HHI	1.5518	0.259	-	-
CR5	1.3710	0.973	-	-
Debtij	420.2947	0.000	420.8893	0.000
LoanSh	3.3172	0.316	-	-
Ln Assets	2.1009	0.099	-	-
Nbranch	0.0227	0.000	0.0227	0.000
Intensive	-0.0239	0.664	-	-
Ncompany	0.0003	0.352	-	-
Dcurrency	-0.6331	0.660	-	-
Dcrises	-0.0831	0.899	-	-
Dregion	1.1474	0.000	1.149954	0.000
Unempl	0.0914	0.646	-	-
Obs	1292		1292
R2	0,5096		0,4858

Источник: собственные расчеты с использованием статистического пакета Stata

Как видно из таблицы 7, ключевыми параметрами модели, оказывающими влияние на кредитование обрабатывающей промышленности являются отношение просроченной задолженности к общему кредитному портфелю, число филиальная обеспеченность региона, а также локация компании.

После выявление значимых переменных на первом этапе оценки, исключения коррелирующих данных и пошагового включения изначально не значимых, но важных с точки зрения исследовательского вопроса, была получена оптимальная модель, описывающая влияние конкуренции в банковском секторе на кредитование обрабатывающей отрасли реального сектора. Окончательно сформированная модель представлена в таблице 8.

Таблица 8. Результаты оценки итоговой регрессионной модели для обрабатывающей отрасли

Ln Loans	Random effects	Fixed effects
	Coeff	p-value	Coeff	p-value
Competition	-0.3282	0.047	0.1663	0.599
HHI	1.8299	0.030	-	-
Debtij	503.5075	0.000	466.9077	0.000
Ln Assets	0.1965	0.000	0.0221	0.000
Nbranch	0.0249	0.000	-	-
Dcrises	1.1943	0.000	1.2178	0.000
Obs	1646		1646	-
R2	0.4896		0.4765	-

Источник: собственные расчеты с использованием статистического пакета Stata

Панельные данные для обрабатывающей отрасли оценивались с помощью метода наименьших квадратов, значение R2 указывает на среднее, но приемлемое, качество модели.

Как видно из результатов, представленных в таблице 8, обратная сила влияния структурной и неструктурной меры конкуренции на кредитования обрабатывающей отрасли. Так увеличение конкуренции в банковском секторе снижает объем кредитования реального сектора. Это вероятно вызвано тем, что в условиях усиления конкурентной борьбы между банками, кредитные организации осторожнее инвестируют в долгосрочные проекты, снижая доступ реального сектора к финансированию. Положительное влияние индекса Херфиндаля говорит о том, что, с точки зрения концентрации активов, что с увеличением рыночной власти банк более спокойно распоряжается своими средствами, тем самым больше кредитуя реальный сектор.

Проверка альтернативных основному иследовательскому вопросу гипотезы зависимости объема кредитования от обеспеченности регионов филиалами говорит о том, что число точек соприкосновения потенциальных заемщиков с кредиторами, является значимым фактором обеспечения отрасли финансированием.

Далее для подтверждения полученных результатов, было оценена ситуация для сельскохозяйственной отрасли. В таблице 9 представлены оценки всех изначально введенных переменных.

Таблица 9. Результаты регрессионной модели для сельскохозяйственной отрасли (шаг 1)

Ln Loans	Random effects	Fixed effects
	Coeff	p-value	Coeff	p-value
Competition	-0.5383	0.001	-0.8939	0.000
HHI	-0.6127	0.400	-	-
CR5	-32.1045	0.000	-	-
CR30	-8.9446	0.101	-	-
Nbanks	-0.0064	0.000	-	-
Debtij	-288.0918	0.000	-294.1506	0.000
Ln Assets	0.0807	0.962	-	-
Nbranch	-0.5028	0.364	-	-
Intensive	0.0010	0.373	0.0016	0.203
Ncompany	-0.0030	0.490	-	-
Dcurrency	-0.0001	0.306	-	-
LoanShs	0.0147	0.959	-	-
Dcrises	-0.0452	0.661	-	-
Dregion	0.2817	0.000	0.2875	0.000
Unempl	0.0920	0.139	-	-
Comp*ExDep	0.9827	0.000	0.9839	0.000
Const	45.2633	0.000	-1.0315	0.000
Obs	2196		2196
R2	0,6374		0.6136

Источник: собственные расчеты с использованием статистического пакета Stata

В таблице 10 представлены результаты оценки random и fixed effects для итоговой модели оценки влияния различных мер конкуренции на кредитование сельскохозяйственной отрасли.

Панельные данные для сельскохозяйственной отрасли оценивались с помощью метода наименьших квадратов, достаточно высокое значение R2 указывает на хорошее качество модели.

Таблица 10. Результаты оценки итоговой регрессионной модели для сельскохозяйственной отрасли

Ln Loans	Random effects	Fixed effects
	Coeff	p-value	Coeff	p-value
Competition	-0.6131	0.000	-0.8957	0.000
Nbanks	-0.0038	0.000	-	-
Debt	-270.7718	0.000	-273.4177	0.000
Dregion	0.2745	0.000	0.2734	0.000
Ln NPL	0.9823	0.000	0.9884	0.000
Const	33.1232	0.000	-1.0526	0.000
Obs	2196		2196
R2	0.6359		0.6115

Источник: собственные расчеты с использованием статистического пакета Stata

Как видно из результатов оценки регрессионной модели, для сельскохозяйственной отрасли усиление конкуренции как со стороны рыночной власти, так и со стороны концентрации рынка является отрицательным фактором. При этом показатели концентрации оказывают более сильное влияние.

Филиальная обеспеченность региона не является в случае сельского хозяйства значимым фактором, а вот число банков в банковской системе - да. Это возможно вызвано тем, что с ростом числа банков, кредитным организациям приходится снижать процентные ставки по кредитам, для привлечения заемщиков. При этом необходимо оптимально определить область инвестирования, соответственно приемлемому риску. Сельскохозяйственная отрасль характеризуется высокими рисками в силу подверженности непредвиденных факторов, таких как погодные условия, сезонность производства, высокая конкуренция. Отсюда следует, что усиление конкуренции, как структурной, так и не структурной, отрицательно влияет на объем кредитования в сельскохозяйственную отрасль.

Эту логику подтверждает отрицательная зависимость от «кредитной истории» отрасли, как видно из таблицы 10, отношение просроченной задолженности к общему кредитному портфелю также имеет отрицательное влияние на кредитование сельского хозяйства.

2.4 Проверка надежности полученных оценок и направления дальнейших исследований

С целью оценить устойчивость полученной модели, был проведена оценка для новой объясняемой переменной, также отражающей степень финансового обеспечения отраслей реального сектора экономики - отношение объема отраслевых кредитов к ВВП.

Оценка была осуществлена для моделей с fixed и random effects. В таблице 11 представлены результаты оценки регрессионных моделей random effects Для выбора между моделями fixed и random effects был применен теста Хаусмана. для обрабатывающей и сельскохозяйственной отраслей.

Таблица 11. Результаты оценки регрессионной модели

Ln (Loans/GDP)	Обрабатывающая отрасль	Ln (Loans/GDP)	Сельскохозяйственная отрасль
	Coeff	p-value		Coeff	p-value
Competition	0.0013	0.020	Competition	-0.6201	0.000
HHI	1.8052	0.032	CR5	-29.9255	0.000
Intensive	0.0256	0.000	Debt	-284.5731	0.000
Dregion	1.1913	0.000	Dregion	0.2743	0.000
Const	-2.4193	0.013	Const	23.3199	0.000
Obs	1676		Obs	1676
R2	0.4880		R2	0.6425

Источник: собственные расчеты с использованием статистического пакета Stata

В случае обрабатывающей промышленности значения построенной модели не совсем устойчивы, так как для новой введенной зависимой переменной значение показателя конкуренции приобрело противоположное направление влияния - положительное.

Для сельскохозяйственной отрасли связи остались прежними: показатели конкуренции и концентрации отрицательно влияют на объем кредитования к ВВП, как и доля просроченной задолженности в общем кредитном портфеле и число банков в системе.

Проблема централизованной аккумуляции остается открытой во всех рассматриваемых случаях. Таким образом, cледующий этап проверки - оценка влияния на двух выборках. В первую выборку входят регионы центральной части России, во вторую - остальная часть.

В таблице 12 представлены результаты оценки random моделей для центральной части России и регионов (обрабатывающая отрасль).

Таблица 12. Оценка регрессионной модели для обрабатывающей отрасли

Центральная часть России	Регионы
Ln Loans	Coef.	P-value	Ln Loans	Coef.	P-value
Competition	-0.2590	0.0800	Competition	0.1296048	0.552
CR30	-3.9964	0.1380	HHI	1.958354	0.044
Debt	465.2700	0.0000	Debt	818.8685	0
Ln Assets	1.2742	0.0000	Ln Assets	0.7719767	0
Dcrises	-0.3190	0.0060	NBranch	0.0161088	0
			Dсrises	-0.2452703	0.091
Const	-10.9375	0.0000	Const	-7.441726	0.025
Obs	1281		Obs	1593
R2	7033		R2	4848

Источник: собственные расчеты с использованием статистического пакета Stata

Для центральной части России результат оказался более устойчивым, чем для регионов (p-value 0.552). На региональные рынки производства усиление концентрации в банковском секторе влияет положительно, в центральной же части концентрация не влияет на размер кредитование обрабатывающей промышленности. Для роста объема кредитования в регионах важным фактором является широкая филиальная банковская сеть.

В таблице 13 представлена информация по оценке влияния конкуренции на кредитование сельскохозяйственной отрасли.

Таблица 13. Оценка регрессионной модели для сельскохозяйственной отрасли

Центральная часть России	Регионы
Ln Loans	Coef.	p-value	Ln Loans	Coef.	P>z
Competition	-0.1873	0.1641	Competition	-0.2778	0.0400
CR5	-5.0751	0.1890	CR5	-20.3436	0.0000
Debt	-219.8268	0.0000	Debt	-291.4462	0.0000
Dcurrebcy	0.5138	0.0450	Ncompany	0.8317	0.0000
Ln NPL	0.8811	0.0000	Ln NPL	0 .9916	0.0000
Const	3.5548	0.1930	Const	13.6305	0.0000
Obs	476	Obs	1720
R2	0,3834	R2	0,6330

Источник: собственные расчеты с использованием статистического пакета Stata

Оценка устойчивости для сельскохозяйственной отрасли с точки зрения локации показало устойчивость результатов влияния конкуренции на объем кредитования для регионов. Для центральной части России ни конкуренция, ни концентрация банковского сектора не влияют на объем кредитования.

Можно предположить, что это связано с размером фирм и наличием “связей” у организаций центральной части России, в то время как регионы представлены преимущественно мелкими сельскохозяйственными учреждениями. Но для того, чтобы подтвердить или опровергнуть это предположение необходимо иметь более детальную секторальную информацию.

Значимым фактором во всех вариантах моделей остаетcя объем просроченной задолженности отрасли, в случае регионов - число компаний-производителей.

Таким образом, вопрос влияния конкуренции на кредитование реального сектора требует дальнейшего разностороннего рассмотрения.

Было выявлено различное влияние мер конкуренции на разные отрасли реального сектора, в силу специфики деятельности и рисков присущих тому или иному бизнесу.

Для полноты исследования необходимо изучить вопрос конкуренции и кредитования для всех отраслей реального сектора в совокупности, а также в разрезе каждой отрасли. Препятствием может послужить отсутствие детализированных данных по деятельности каждой отрасли, их финансовой зависимости от внешнего заимствования и прогнозов со стороны внешнего сектора, с точки зрения международной торговли.

Заключение

В настоящей работе было рассмотрено влияние структурных преобразований в банковском секторе России за последние 5 лет, начиная с 1 квартала 2009 года. За это время деятельность прекратили 325 кредитных организаций. Наряду с отзывом лицензий и банкротствами банков, увеличилось число слияний и поглощений в банковском секторе. Приток иностранных инвестиций на банковский рынок также повлияло на расклад сил в конкурентной борьбе за клиентов и свободные активы на рынке.

Вопрос оценки конкуренции сам по себе довольно спорный и непростой, особенно, если существуют какие-либо ограничения в инструментах или данных для его исследования. А если брать во внимание характерные отличительные черты предмета оценивания, то построить какую-либо универсальную меру кажется невозможной задачей.

В настоящее время способы оценки условно можно разделить на структурные меры, которые опираются на показатели концентрации, и неструктурные, которые отвергают концентрацию, в качестве меры измерения конкуренции.

В результате исследования было выявлено, что, в силу специфики российского банковского сектора, для который все еще находится в стадии развития и реформирования, более сильное воздействие на кредитование реального отраслей экономики оказывают структурные меры.

Региональные рынки заемщиков в большей степени зависят от концентрации банковского сектора, чем предприятия, расположенные в центральной части. Это может являться следствием размахов бизнеса или высоких рисков деятельности.

Так, например, концентрация банковского сектора отрицательно влияет на сельскохозяйственные отрасли, которые подвержены ряду неконтролируемых рисков деятельности: погодные условия, пожары, сезонность, нападки насекомых и т.д.

Банки, в условиях высокой концентрации рынка, в борьбе за клиента, предлагают более низкие ставки по кредитам, при этом важно учитывать какой уровень риска банк готов принять. Поэтому при прочих равных условиях, он выберет менее рисковый способ инвестирования.

Что касается обрабатывающей отрасли, то она положительно зависит от концентрации рынка. Чем выше уровень концентрации, тем больше отрасль получает финансирования от банков. Это можно объяснить тем, что 90% инвестиций в реальный сектор осуществляют государственные банки, которые при поддержке правительства готовы предоставлять длинные транши на развитие отечественной экономики.

Влияние неструрных мер конкуренции на реальный сектор в России неоднозначно. Дробышевский, Пащенко (2006), в своем исследовании пришли к выводу, что для России характерен сегментированный характер банковского сектора и разный уровень конкуренции в зависимости от сегмента. Что согласуется с результатами оценок полученных в данной работе. Это согласуется с выводами, сделанными в работе Bircan, De Haas (2014), о том, что на более концентрированных рынках и менее конкурентных рынках, предприятия меньше подвержены кредитному ограничению со стороны банков.

Как отмечалось в исследовании Anzoategui, Martinez Peria, Melecky (2012), российский банковский сектор, является более концентрированным и менее конкурентоспособным. Это подтверждает ненадежность оценок конкуренции в рамках данного исследования, а также высокую волатильность квартальных оценок H-stat.

Была выявлена положительная зависимость сельскохозяйственной отрасли от количества филиалов в регионе. Если брать во внимание статистику по сокращению филиальных сетей банками, то важно принимать во внимание, как это может отразиться на кредитовании реального сектора.

Одной из ключевых проблем России является не избыточное число кредитных организаций, а скорее избыточное число банков, ориентированных на кредитование населения или краткосрочные финансовые вложение и которые не готовые инвестировать в реальный сектор экономики.

Общий вывод работы: влияние конкуренции на кредитование реального сектора экономики неодинаково, в зависимости от сочетания разных факторов, оно может как положительно влиять на доступ организаций к заменым средствам, так и отрицательно.

Концентрация более сильный фактор влияющий на кредитование реального сектора, в силу структурной природы российской экономики.

Неравномерное распределений банков и их филиалов по территории России также является фактором, от которого зависит финансовая обеспеченность отраслей.

Помимо воздействия со стороны финансового сектора, важно также учитывать индивидуальные особенности каждого сектора.

Таким образом, вопросы связанные с выявление общей силы влияния банковской конкуренции на реальный сектор все еще остаются открытыми. Чтобы ответить на этот вопрос необходимо предварительно разработать адекватную меру финансовой зависимости отраслей от внешнего заимствования с учетом всех возможных источников финансирования деятельности отраслей.

Список использованной литературы

1. Adams, R.M., Roller, L-H., Sickles, R., 2002. Market Power in Outputs and Inputs: an Empirical Application to Banking. Finance and Economics Discussion Series paper 2002-52, Board of Governors of the Federal Reserve System.

2. Anzoategui, D., Martinez Peria, M.S., Melecky M., 2012. Bank Competition in Russia: An Examination at Different Levels of Aggregation. Emerging Markets Review 13, pp. 42-67.

3. Barros, F., Modesto, L., 1999. Portuguese Banking Sector: A Mixed Oligopoly? International Journal of Industrial Organization, 17 (6), pp. 869-886

4. Beck, T., Demirguc-Kunt, A., Maksimovic, V., 2004. Bank Competition and Access to Finance: International Evidence. Journal of Money, Credit, and Banking 36, pp. 627-647.

5. Berg S., Kim M., 1998. Oligopolistic Interdependence and the Structure of Production in Banking: an Emperical Evaluation, Journal of Money, Credit and Banking, 26, pp, 309-322

6. Berger, A.N., Dai, Q., Ongena, S., Smith, D.C., 2003. To What Extent Will the Banking Industry be Globalized? A Study of Bank Nationality and Reach in 20 European Nations. Journal of Banking and Finance 27, pp. 383-415

7. Bikker, J.A., Haaf, K. 2002. Competition, Concentration and Their Relationship: An Empirical Analysis of the Banking industry. Journal of Banking and Finance 26: 2191-2214.

8. Bircan, C., De Haas, R., 2015. The Limits of Lending: Banks and Technology Adoption Across Russia. Discussion Paper 2015-011, Tilburg University, Center for Economic Research.

9. Black, S., Strahan, P., 2002. Entrepreneurship and Bank Credit Availability. The Journal of Finance 2002/12/1., pp. 2807-2833

10. Boone, J., 2008. A New Way to Measure Competition. Economic Journal 118, pp. 1245-1261.

11. Boot, A.W.A., 2000. Relationship Banking: What Do We Know? Journal of Financial Intermediation 9, pp. 7-25.

12. Bos J., 2002. European banking: Market Power and Efficiency, University Press Maastricht.

13. Bresnahan, T. F., 1982. The Oligopoly Solution Concept is Identified. Economics Letters, 10, pp. 87-92.

14. Cameron, R., 1967. Banking in the Early Stages of Industrialization. Oxford University Press, New York, NY.

15. Capie, F., Rodrik-Bali, G., 1982. Concentration in British Banking, 1870 - 1920. Business History, 24, pp. 280-292.

16. Cestone, G., White, L., 2002. Anti-Competitive Financial Contracting: The Design of Financial Claims. CEPR Discussion Papers 3182, C.E.P.R. Discussion Papers.

17. Cetorelli, N., 2004. Real Effects of Bank Competition. Journal of Money, Credit, and Banking 36, pp. 543- 558

18. Cetorelli, N., Gambera, M., 2001. Bank Structure, Financial Dependence and Growth: International Evidence from Industry Data. Journal of Finance 56, pp. 617-648.

19. Cetorelli, N., Strahan, P.E., 2006. Finance as a Barrier to Entry: Bank Competition and Industry Structure in Local U.S. Markets. Journal of Finance, American Finance Association, vol. 61(1), pp. 437-461.

20. Claessens, S., Laeven, L., 2004. What Drives Bank Competition? Some International Evidence. Proceedings, Federal Reserve Bank of Cleveland, pp. 563-592.

21. DellAriccia, G., Marquez, R., 2005. Lending Booms and Lending Standards. CEPR Discussion Papers 5095, C.E.P.R. Discussion Papers.

22. Demirguc-Kunt, A., Maksimovic, V., 1998. Law, Finance, and Firm Growth. The Journal of Finance, Vol. 53, No. 6., pp. 2107-2137.

23. Demsetz, H., 1973. Industry Structure, Market Rivalry, and Public Policy. Journal of Law and Economics, 16, pp. 1-9.

24. Dick, A.A., 2002. Demand Estimation and Consumer Welfare in the Banking Industry. Finance and Economics Discussion Series paper 2002-58, Board of Governors of the Federal Reserve System.

25. Dick, A.A. 2003. Market Structure and Quality: An Application to the Banking Industry. Finance and Economics Discussion Series paper 2003-14, Board of Governors of the Federal Reserve System.

26. Bonaccorsi di Patti, E., Dell'Ariccia, G., 2004. Bank Competition and Firm Creation. Journal of Money, Credit and Banking, Blackwell Publishing, vol. 36(2), April, pp. 225-51.

27. Fungacova, Z., Shamshur, A., Weill, L., 2016. Does Bank Competition Reduce Cost of Credit??Cross-Country Evidence from Europe. Draft version from conference.

28. Gilbert, R.A., 1984. Bank Market Structure and Competition - A Survey. Journal of Money, Credit and Banking 19, pp. 617-645.

29. Goldsmith, R.W., 1969. Financial Structure and Development. New Haven, CT: Yale University Press.

30. Guiso, L., Sapienza, P., Zingales, L., 2004. Does Local Financial Development Matter? Quarterly Journal of Economics 119, pp. 929-69.?

31. Gurley, J.G., Shaw, E.S., 1967. Financial Structure and Economic Development. Economic Development and Cultural Change 15, pp. 257-278.

32. Maurer, N., Haber, S., 2007. Related Lending and Economic Performance: Evidence from Mexico. The Journal of Economic History 67(3), pp. 551-581.

33. Martinez Peria, M.S., Sandeep, S., 2014. The Impact of Credit Information Sharing Reforms on Firm Financing? Policy Research Working Paper Series 7013, The World Bank.

34. Iwata, G., 1974. Measurement of Conjectural Variations in Oligopoly, Econometrica 42, pp. 947-966.

35. Jensen, M.C., Meckling, W.H., 1976. Can the Corporation Survive? Financial Analysts Journal (January-February).

36. King, R., Levine, R., 1993. Finance and Growth: Schumpeter Might Be Right? The Quarterly Journal of Economic, 108, pp. 717-737.

37. Klein, M., 1971. A Theory of the Banking Firm. Journal of Money, Credit, and Banking 3, pp. 205-218.

38. Koetter, M., Kolari, W.J., Spierdijk, L., 2012. Enjoying the Quiet Life Under Deregulation? Evidence from adjusted Lerner indices for U.S. banks. Rev. Econ. Stat. 94, pp. 462-480.

39. Mamatzakis, E., Staikouras, C., Koutsomanoli-Fillipaki, N., 2005. Competition and Concentration in the Banking Sector of the South Eastern European Region. Emerging Markets Review 6, pp. 192-209.

40. Lerner, A., 1934. The Concept of Monopoly and the Measurement of Monopoly Power. Review of Economic Studies 1, pp. 157-175.

41. Levine, R., 2005. Finance and Growth: Theory and Evidence, Handbook of Economic Growth, vol. I, ed. by P. Aghion, and S. Durlauf. Also NBER Working Paper #10766.

42. Levine, R., Zervos, S., 1998. Stock Markets, Banks, and Economic Growth. American Economic Review 88, pp. 537-558.

43. Liu, G., Mirzaei, A., Vandoros, S., 2014. The Impact of Bank Competition and Concentration on Industrial Growth. Economics Letters, Elsevier, vol. 124(1), pp. 60-63

44. Loayza, N., Ranciиre, R., 2006. Financial Development, Financial Fragility, and Growth. Journal of Money, Credit and Banking, Vol. 38, No. 4 (Jun., 2006), pp. 1051-1076.

45. Mojca, M., 2009. Three Essays on Banking Market Effects on Market Structure in Non-financial Industries. University of Siena.

46. Maurer, N., Haber, S., 2007. Related Lending and Economic Performance: Evidence from Mexico. The Journal of Economic History 67(3), pp. 551-581.

47. McKinnon, R.I., 1973. Money and Capital in Economic Development. Washington, DC: Brookings Institution.

48. Molyneux, P., Forbes, W., 1995. Market Structure and Performance in European Banking, Applied Economics 27, pp. 155- 159.

49. Myers, S.C., Majluf, N., 1984. Corporate Financing and Investment Decisions when Firms Have Information Investors Do Not Have. Journal of Financial Economics 13, pp. 187-221.

50. Nathan, A., Neave, E.H., 1989. Competition and Contestability in Canada's Financial System: Empirical Results. The Canadian Journal of Economics 22 (3), pp. 576-594.

51. Panzar, J.C., Rosse, J.N., 1987. Testing for “Monopoly” Equilibrium. Journal of Industrial Economics 35, pp. 443-456.

52. Peltzman, S., 1977. The Gains and Losses from Industrial Concentration, Journal of Law and Economics 20, pp. 229- 263.

53. Petersen, M., Rajan, R., 1994. The Benefits of Lending Relationships: Evidence from Small Business Data. Journal of Finance 49, pp. 3-37.

54. Petersen, M., Rajan, R., 1995. The Effect of Credit Market Competition on Lending Relationships. Quarterly Journal of Economics 110, pp. 407-443.

55. Rajan, R., Zingales, L., 1998. Financial Dependence and Growth. American Economic Review 88, pp. 559- 586.

56. Reid, G.C., 1987. Theories of Industrial Organization, Blackwell, New York and Oxford.

57. Schumpeter, J., 1911. The Theory of Economic Development, Cambridge, MA, Harvard University Press.

58. Shaw, E., 1973. Financial Deepening in Economic Development. New York: Oxford University Press.

59. Shaffer, S., 1982. A Nonstructural Test for Competition in Financial Markets Federal Reserve Bank of Chicago, Proceedings of a Conference on Bank Structure and Competition, pp. 225-243

60. Spagnolo, G., 2000. Debt as a Credible Collusive Device: “Everybody Happy But the Consumer”. Stockholm School of Economics.

61. Claessens, S., Laeven, L., 2005. Financial Dependence, Banking Sector Competition, and Economic Growth. Journal of the European Economic Association, MIT Press, vol. 3(1), pp. 179-207.

62. Vesala, J., 1995. Testing for Competition in Banking: Behavioral Evidence from Finland. Bank of Finland Studies, E:1.

63. Vives, X., 2001. Competition in the Changing World of Banking. Oxford Review of Economic Policy, 17, pp. 535-545.

64. Vives, X., 2008. Innovation and Competitive Pressure. Journal of Industrial Economics, Wiley Blackwell, vol. 56(3), pp. 419-469.

65. Zarutskie, R., 2006. Evidence on the Effects of Bank Competition on Firm Borrowing and Investment. Journal of Financial Economics, Elsevier, vol. 81(3), pp. 503-537.

66. Анисимова, А., Верников, А., 2011. Структура рынка банковских услуг и ее влияние на конкуренцию (на примере двух российских банков). Деньги и кредит 11/2011, с. 53-62.

Приложение 1

Результаты оценки квартальных значений конкуренции для российского банковского сектора за период с 1 квартала 2009 по 4 квартал 2015

Результаты за 1 квартал 2009 года

Результаты за 2 квартал 2009 года

Результаты за 3 квартал 2009 года

Результаты за 4 квартал 2009 года

Результаты за 1 квартал 2010 года

Результаты за 2 квартал 2010 года

Результаты за 3 квартал 2010 года

Результаты за 4 квартал 2010 года

Результаты за 1 квартал 2011 года

Результаты за 2 квартал 2011 года

Результаты за 3 квартал 2011 года

Результаты за 4 квартал 2011 года

Результаты за 1 квартал 2012 года

Результаты за 2 квартал 2012 года

Результаты за 3 квартал 2012 года

Результаты за 4 квартал 2012 года

Результаты за 1 квартал 2013 года

Результаты за 2 квартал 2013 года

Результаты за 3 квартал 2013 года

Результаты за 4 квартал 2013 года

Результаты за 1 квартал 2014 года

Результаты за 2 квартал 2014 года

Результаты за 3 квартал 2014 года

Результаты за 4 квартал 2014 года

Результаты за 1 квартал 2015 года

Результаты за 2 квартал 2015 года

Результаты за 3 квартал 2015 года

Результаты за 4 квартал 2015 года

Приложение 2

Корреляционная матрица переменных для сельскохозяйственной отрасли

	LN loans	LN loans/GDP	H-stat	HHI	CR5	CR30	Nbanks	Debtij	LoanSh	Ln Assets	Nbranch	Intensive	Ncompanies	Dcurrency	Dcrises	Dregion	Unempl
LN loans	1
LN loans/GDP	0.9919	1
H-stat	-0.0035	-0.0131	1
HHI	0.0345	0.0367	-0.1549	1
CR5	0.0091	0.0204	-0.3134	0.2965	1
CR30	-0.0089	0.0051	-0.3203	0.0758	0.8368	1
Nbanks	-0.0424	-0.0437	0.1438	-0.2601	-0.8531	-0.7875	1
Debtij	0.4323	0.4328	0.0264	-0.0066	-0.0179	-0.0192	0.043	1
LoanSh	0.0066	0.0205	-0.0522	0.3909	0.6705	0.4885	-0.4934	0.0046	1
Ln Assets	0.0474	0.0477	-0.0655	0.3174	0.8196	0.6973	-0.9681	-0.0439	0.5497	1
Nbranch	0.3438	0.3368	0.1898	-0.0237	-0.0842	-0.0745	-0.069	0.5702	-0.1	0.091	1
Intensive	0.0414	0.046	0.027	0.3066	0.7644	0.6805	-0.8886	-0.0286	0.6281	0.909	0.0961	1
Ncompanies	-0.0616	-0.0517	-0.1987	-0.4323	-0.4238	-0.0656	0.5742	0.0354	-0.451	-0.6977	-0.1748	-0.6218	1
Dcurrency	0.0524	0.0465	-0.2795	0.0951	0.301	0.1958	-0.5121	-0.0407	-0.1009	0.5152	0.0628	0.3967	-0.3114	1
Dcrises	-0.0122	-0.0097	-0.2975	0.0566	0.4802	0.3908	-0.4111	-0.0253	0.1963	0.4459	-0.0111	0.3659	-0.2034	0.2968	1
Dregion	0.209	0.2095	0.0188	-0.0005	-0.0044	-0.0048	0.0045	0.125	-0.0021	-0.004	-0.0347	-0.0037	0.0008	-0.0023	-0.0036	1
Unempl	-0.0575	-0.0452	-0.2424	-0.2109	-0.4331	-0.2292	0.6955	0.0412	-0.3576	-0.7882	-0.2002	-0.6789	0.8361	-0.4562	-0.2262	0.0017	1

Приложение 3

Корреляционная матрица переменных для обрабатывающей отрасли

	LN loans	LN loans/GDP	H-stat	HHI	CR5	CR30	Nbanks	Debtij	LoanSh	Ln Assets	Nbranch	Intensive	Ncompanies	Dcurrency	Dcrises	Dregion	Unempl
LN loans	1
LN loans/GDP	1	1
H-stat	0.0334	0.0319	1
HHI	0.0387	0.0407	-0.2853	1
CR5	0.0189	0.0254	-0.2928	0.3191	1
CR30	-0.0051	-0.0003	-0.1762	-0.0578	0.704	1
Nbanks	-0.038	-0.044	0.1043	-0.3441	-0.9015	-0.6254	1
Debtij	0.6443	0.6436	0.0428	-0.0506	-0.0634	-0.0208	0.0598	1
LoanSh	0.041	0.0473	-0.2541	0.4046	0.8051	0.5553	-0.8576	-0.0654	1
Ln Assets	0.0481	0.0544	-0.0354	0.3742	0.8212	0.6079	-0.9544	-0.0601	0.8805	1
Nbranch	0.5934	0.5919	0.0507	-0.0947	-0.1736	-0.1006	0.1799	0.8024	-0.1741	-0.1807	1
Intensive	0.0524	0.0572	0.1314	0.3319	0.631	0.3973	-0.8754	-0.0517	0.7942	0.9304	-0.1582	1
Ncompanies	-0.0363	-0.0417	0.1955	-0.5512	-0.9057	-0.4888	0.9395	0.0688	-0.8198	-0.8832	0.1798	-0.7885	1
Dcurrency	0.0235	0.0264	-0.2307	0.2498	0.3823	0.2392	-0.5344	-0.029	0.4866	0.4992	-0.0896	0.4376	-0.4429	1
Dcrises	-0.0034	-0.001	-0.3267	0.0161	0.5166	0.5988	-0.5457	-0.0079	0.3425	0.3789	-0.0672	0.2228	-0.4276	0.5867	1
Dregion	0.2634	0.2633	0.0271	-0.0034	-0.005	-0.001	0.0027	0.1052	-0.004	-0.0019	-0.0634	0.0001	0.0039	-0.0029	-0.0022	1
Unempl	-0.0381	-0.0429	-0.1999	-0.1747	-0.6023	-0.5332	0.8068	0.0416	-0.7578	-0.8693	0.1377	-0.9175	0.6778	-0.4455	-0.2222	-0.0006	1

Размещено на Allbest.ur