Рис. 5 Корреляционная матрица независимых переменных

После некоторой интерпретации таблицы с описательной статистикой выбранных показателей, а также приведения корреляционной матрицы независимых переменных, следует перейти к основному этапу эмпирической части исследования - к построению регрессий.

В ходе построения регрессий необходимо понять, какие модели лучше всего использовать для достижения поставленной цели, а также следует учесть результаты всех промежуточных тестов.

Таким образом, поскольку были сформированы панельные данные, то следует учитывать данную структуру выборки. Стоит отметить, что построение регрессий выполнялось в эконометрической программе STATA. В результате была получена несбалансированная панель, что, вероятно, обусловлено незначительными пробелами в наблюдениях.

Следующим этапом строились различные модели - с целью выбора наиболее подходящей. Были сопоставлены различные методы оценивания, такие как: сквозная регрессия, регрессия с фиксированными эффектами, регрессия со случайными эффектами. В результате проведения тестов Вальда, Бройша-Пагана и Хаусмана, было выявлено, что лучше всего подходит модель со случайными эффектами. В дополнении, были выявлены проблемы гетероскедастичности и автокорреляции, которые были учтены в результирующем виде эконометрических моделей. Тем самым, функциональная зависимость построенных регрессий задается регрессионными моделями со случайными эффектами, построенными на основе панельных данных, с робастными и кластеризованными ошибками.

Кроме того, модель была проверена на наличие проблемы мультиколлинеарности, которой, в итоге, обнаружено не было, следовательно, включенные показатели можно рассматривать одновременно в одной спецификации. Переменные в моделях были взяты с учетом лагов в один квартал. Стоит отметить, что была осуществлена попытка включения показателей с временным лагом в полгода, однако желаемые результаты - значимость основных независимых переменных - не были получены. Также была осуществлена попытка выявления квадратичной зависимости некоторых переменных, однако значимости выявлено не было, что обусловило приведенный вид моделей, не включающий переменные в квадрате. Помимо выбранных независимых переменных в регрессию включены фиктивные переменные годов, необходимость которых подтвердилась в результате проведения соответствующего теста.

3.2 Результаты оценивания влияния вложений в ценные бумаги на устойчивость российских банков

В результате построения регрессионных моделей по панельным данным были получены следующие оценки показателей и их t-статистики.

Теперь следует провести поочередную проверку каждой ранее поставленной гипотезы. Гипотеза 1 звучит следующим образом: при увеличении вложений в ценные бумаги наблюдается повышение устойчивости российских банков. Результаты регрессионного построения для данной гипотезы приведены ниже (Таблица 3).

Гипотеза 1 не подтвердилась. Как оказалось, при увеличении вложений в ценные бумаги наблюдается снижение устойчивости российских банков. Такой результат может быть обусловлен тем, что в рассмотрение принимаются банки, входящие в ТОП-200 по величине активов, что обуславливает возникновение ситуации, когда банки уже достигли своего оптимального уровня вложений в ценные бумаги и осуществляют его поддержание в определенном диапазоне. Поэтому дальнейшее увеличение будет приводить скорее к негативному влиянию на устойчивость, как и было выявлено в результате регрессионного построения. В частности: коэффициент перед переменной является негативным и значимым на уровне 10% и 5% - для всех рассматриваемых банков и первых 30 банков, соответственно.

Таблица 1 Результаты регрессионной модели 1.

*** ,**, * - значимость на уровне 1%, 5%, 10%, соответственно.

Наблюдается ли отрицательное влияние приведенных трех разновидностей вложений в ценные бумаги? Перейдем к рассмотрению первого виды вложений, а в частности к проверке гипотезы 2.1, которая сформулирована как: при увеличении вложений в ценные бумаги, оцениваемые по справедливой стоимости, наблюдается снижение устойчивости российских банков. В таблице 4 приведены результаты построения регрессий для проверки данной гипотезы.

Стоит отметить, что для того чтобы оценить каждый вид вложения, из исходной выборки были исключены банки, у которых нулевые значения по данному показателю. Иными словами, в данном случае оценивается влияние вложений в ценные бумаги на устойчивость банков, которые в течение всего рассматриваемого периода не переставали обладать таким видом вложений. Также модели строились как в целом для всей выборки, так и с разделением на верхние и нижние банковские учреждения из итоговой выборки. Поскольку ранее был выявлен список системно значимых банков, то предполагалось их отдельное рассмотрение. Однако многие данные по выбранным переменным для нескольких из этих банков отсутствовали. Таким образом, в итоге было решено полностью исключить из выборки такие банки. А вместо этого, осуществить сравнение верхней и нижней доли каждой получаемой выборки.

В результате построения второй модели было получено значимое отрицательное влияние на показатель устойчивости 30 первых банков. В то же время не было выявлено значимого влияния ни для последних 30 банков, ни для выборки в целом.

Кроме того, данная модель показала значимость следующих переменных для выборки из 30 верхних банков: размер банка, доля просроченной задолженности по ссудам. Иными словами, при увеличении размера банка наблюдается снижение устойчивости банка, то есть поскольку данные банки и так являются крупными, то дальнейшее увеличение суммарных активов увеличивает их кредиты или же вложения в ценные бумаги, что несет соответствующие риски, а, следовательно, понижение устойчивости. Также увеличение доли просроченной задолженности приводит к снижению устойчивости, что объяснимо повышающейся степенью риска. Тем самым, гипотеза 2.1 подтвердилась, данного вида вложения имеют отрицательное влияние на устойчивость, весьма вероятно, по причине более высокого риска в сравнении с другими видами вложений в ценные бумаги.

Таблица 2 Результаты регрессионной модели 2

Появляется вопрос: одинаковое ли влияние оказывают ценные бумаги, оцениваемые по справедливой стоимости, на устойчивость в период кризиса и вне кризиса? Для поиска ответа на данный вопрос была сформулирована соответствующая гипотеза 2.2: в кризисный период при увеличении вложений в ценные бумаги, оцениваемые по справедливой стоимости, наблюдается более сильное снижение устойчивости российских банков, нежели вне кризиса.

Результаты таблицы 5 не находят подтверждение данной гипотезы. Согласно итогам модели, в период кризиса отрицательное влияние сменяется на положительное по отношению к устойчивости банков. Вероятно, данную ситуацию можно объяснить тем, что в период кризиса произошел скачок ключевой ставки и тогда банковские учреждения переориентировали свои вложения с более рискованных на менее рискованные. То есть получается, что доля вложений в ценные бумаги, оцениваемая по справедливой стоимости, уменьшилась, а значит, риски владения значительно сократились, поэтому и их влияние стало положительным.

Таблица 3 Результаты регрессионной модели 3

Следующим этапом хотелось бы перейти к проверке гипотезы 3.1, которая сформулирована следующим образом: при увеличении вложений в ценные бумаги, удерживаемые до погашения, наблюдается повышение устойчивости российских банков. Результаты регрессионного построения приведены в приложении 3. К сожалению, не было выявлено значимых результатов в результате построения данных моделей, что не позволяет интерпретировать полученные оценки, а также судить о подтверждении или не подтверждении поставленной гипотезы. Таким же результатом характеризуется гипотеза 3.2 - в кризисный период при увеличении вложений в ценные бумаги, удерживаемые до погашения, наблюдается более сильное повышение устойчивости российских банков, нежели вне кризиса. Вероятно, при таком итоге следует поискать иной набор переменных в уравнении регрессии.

Следующая проверяемая гипотеза 4.1 - при увеличении вложений в ценные бумаги, имеющиеся в наличии для продажи, наблюдается повышение устойчивости российских банков. В таблице 6 приведены результаты регрессий.

Для первых 40 банков гипотеза 4.1 не подтверждается, в то время как для 40 нижних банков гипотеза 4.1 подтверждается. То есть наблюдается значимое отрицательное и положительное влияние на устойчивость 40 верхних и 40 нижних банков, соответственно. Однако в период кризиса влияние данной переменной существенно сокращается, но, тем не менее, знак влияния не меняется и действует в прежнем направлении. Таким образом, гипотеза 4.2 не подтверждается, которая звучит следующим образом: в период кризиса при увеличении вложений в ценные бумаги, имеющиеся в наличии для продажи, наблюдается более сильное повышение устойчивости российских банков, нежели вне кризиса.

Таблица 4 Результаты регрессионной модели 5

Изначально предполагалось получить обратный результат, поскольку именно в период кризиса произошла ситуация когда многие банки предпочли, например, из вложений в ценные бумаги, оцениваемые по справедливой стоимости, осуществить сдвиг в пользу других двух видов, в том числе рассматриваемого. Тем не менее, обратный результат можно объяснить тем, что в данном случае рассматривались банки, которые в течение всего периода обладали вложениями в ценные бумаги, имеющимися в наличии для продажи. А банки, сменившие свои предпочтения относительно вида вложений, отказывались от одного вида вложения полностью и заменяли его другими.

Кроме того, стоит отметить, положительное влияние для всех трех уравнений такого показателя как норматив достаточности капитала. Данное влияние можно объяснить тем, что данная переменная означает возможность банка покрывать возникающие риски в процессе осуществления банковской деятельности, что и положительно сказывается на банковской устойчивости.

В завершении следует проверить гипотезу 5 о том, что структурный сдвиг во вложениях в ценные бумаги, наблюдаемый в период кризиса, оказывает положительное влияние на устойчивость российских банков. В результате, данная гипотеза подтвердилась. Результаты регрессионного построения приведены в таблице 7.

Действительно, рассмотренный пример на 50 верхних банках улучшила банковскую устойчивость. Для 50 нижних банков, к сожалению, выводов сделать нельзя, поскольку оценки коэффициентов перед переменными оказались незначимыми даже на уровне 10%.

В дополнение, свою значимость, как и в предыдущих моделях, показал такой показатель, как норматив достаточности капитала и доля просроченной задолженности по ссудам.

Однако весьма различные результаты наблюдаются для переменной, характеризующей размер банка. Например, для верхних 50 банков при увеличении размера банка наблюдается повышение устойчивости. Однако для нижних 50 банков наблюдается отрицательная зависимость: при увеличении размера банка наблюдается снижение устойчивости, что, вероятно, может быть обусловлено повышением степени риска.

Таблица 5 Результаты регрессионной модели 6.

Кроме того, следует отметить и то, что временной фактор оказывал положительное влияние на показатель устойчивости банка. Возможно, данную ситуацию можно описать тем, что рассматривались только действующие банки, которым приходилось поддерживать и повышать свою банковскую устойчивость - во избежание отзыва лицензии.

Таким образом, в данной главе было выявлено и оценено влияние вложений в ценные бумаги на показатель устойчивости банка. Например, влияние вложений в ценные бумаги, оцениваемые по справедливой стоимости, изначально оценивалось как более рискованное, что и демонстрировало отрицательное влияние на устойчивость. Однако в период кризиса влияние сменилось на противоположное, что обусловлено значительным снижением данного вида вложений. В результате исследования был найден ответ на основной исследовательский вопрос. Действительно, структурный сдвиг во вложениях в ценные бумаги оказал положительное влияние на устойчивость банков. Однако данный результат был получен только на 50 верхних банках, которые осуществляют данного рода вложения, а также в число которых не входит системно значимые банки.

Заключение

В настоящее время продолжается волна отзывов лицензий (так называемая «расчистка») в банковском секторе. Очевидно, что каждый случай отзыва лицензии оказывает негативное влияние не только на партнеров и клиентов банка, но и не способствует устойчивости российской банковской системы в целом (Карминский и др., 2013). Таким образом, проведение исследования относительно выявления и оценки влияния такого альтернативного источника дохода, как вложения в ценные бумаги, на устойчивость банков становится весьма актуальной.

В проводимом исследовании было выявлено, что увеличение вложений в ценные бумаги повышает устойчивость банков, а в период последнего кризиса наблюдается повышение чувствительности к такого рода изменениям. Кроме того, структурный сдвиг во вложениях в ценные бумаги оказал положительное влияние на банковскую устойчивость в период кризиса 2014 - 2015 гг., что доказывает увеличение склонности банков к вложениям в ценные бумаги для повышения своей устойчивости.

Полученные результаты исследования позволяют банкам принимать решения относительно увеличения или сокращения вложений в ценные бумаги, что является значимым в условиях сложной экономической ситуации в стране. Как было выявлено, такие решения оказывают существенное влияние на банковскую устойчивость - что важно, поскольку Банк России заинтересован в раннем выявлении банковских учреждений с нестабильным финансовым положением.

В дальнейших перспективах исследования можно осуществить следующее.

Во-первых, включить в исходную регрессионную модель такой институциональный показатель, как соотнесение главного офиса банка в соответствии с региональным аспектом. Согласно Anzoategui et al. (2012) степень конкурентоспособности в банковском секторе значимо зависит от региональной принадлежности. В своей работе Claeys & Schoors (2007) отмечает, что Банк России (по причине умеренной конкуренции в регионах) является менее склонным к отзыву лицензий у региональных банков.

Во-вторых, включить в выборку новые независимые переменные - с целью повышения качества получаемой модели и выявлении новых зависимостей по отношению к устойчивости банков. Кроме того, для проверки линейности следует включить новые переменные в квадратичной форме.

В-третьих, добавить в качестве зависимой переменной другой показатель, характеризующий банковую устойчивость, например, CAMELS.

В завершении, расширить изучаемый временной промежуток, в частности: осуществить включение кризисного периода 2008-2009 гг. и оценить влияние вложений в ценные бумаги на устойчивость банков с разделением на кризисные и не кризисные временные отрезки, а также с учетом сопоставления результатов кризисов 2008-2009 гг. и 2014-2015 гг.

Список использованной литературы

1. Горелая, Н. В. (2015). Система страхования вкладов и ее влияние на риски, принимаемые российскими банками // Деньги и кредит, №. 44.

2. Карминский А. М., Костров А. В. (2013). Моделирование вероятности дефолта российских банков: расширенные возможности // Журнал Новой экономической ассоциации, №. 1, с. 64-86.

3. Карминский А.М., Пересецкий А.А., Петров А.Е. (2005). Рейтинги в экономике: методология и практика // под ред. А.М. Карминского // М.: Финансы и статистика.

4. Acharya V. V., Hasan I., Saunders A. (2006). Should banks be diversified? Evidence from individual bank loan portfolios // The Journal of Business, Т. 79, №. 3, pp. 1355-1412.

5. Anzoбtegui D., Perнa M. S. M., Melecky M. (2012). Bank competition in Russia: An examination at different levels of aggregation // Emerging Markets Review, Т. 13, №. 1, pp. 42-57.

6. Beck T. H. L., De Jonghe O. G., Schepens G. (2011). Bank Competition and Stability: Cross-country Heterogeneity // EBC Discussion Paper, Т. 2011.

7. Beck, T., Laeven, L. (2006). Resolution of failed banks by deposit insurers: Cross-country evidence // World Bank policy research working paper, 3920.

8. Busch R., & Kick T. (2009). Income diversification in the German banking industry // Dt. Bundesbank.

9. Chernykh L., Theodossiou A. K. (2011). Determinants of Bank Long-term Lending Behavior: Evidence from Russia // Multinational Finance Journal, Т. 15, №. 3-4, pp. 193 - 216.

10. Chiaramonte L., Croci E., Poli F. (2015). Should we trust the Z-score? Evidence from the European Banking Industry // Global Finance Journal, Т. 28, pp. 111-131.

11. Cihбk, M. M., & Hesse, H. (2007). Cooperative banks and financial stability // International Monetary Fund.

12. Claeys S., Schoors K. (2007). Bank supervision Russian style: Evidence of conflicts between micro-and macro-prudential concerns //Journal of Comparative Economics, Т. 35, №. 3, pp. 630-657.

13. Clarke G. R. G., Cull R., Shirley M. M. (2005). Bank privatization in developing countries: A summary of lessons and findings // Journal of Banking & Finance, Т. 29. №. 8, pp. 1905-1930.

14. Dang U. (2011). The CAMEL Rating System in Banking Supervision: a Case Study // International Business Degree Thesis, Arcada University of Applied Sciences.

15. DeYoung R., Flannery M. J., Lang W. W., & Sorescu S. M. (1998). The informational advantage of specialized monitors: The case of bank examiners // (No. WP-98-4), Federal Reserve Bank of Chicago.

16. DeYoung R., Rice T. (2004). How do banks make money? A variety of business strategies // Economic perspectives-federal reserve bank of Chicago, Т. 28, №. 4, p. 52.

17. DeYoung R., Rice T. (2004). How do banks make money? The fallacies of fee income // Economic Perspectives-Federal Reserve Bank of Chicago, Т. 28, №. 4, p. 34.

18. DeYoung R., Rice T. (2004). Noninterest income and financial performance at US commercial banks // Financial Review, Т. 39, №. 1, pp. 101 - 127.

19. DeYoung R., Roland K. P. (2001). Product mix and earnings volatility at commercial banks: Evidence from a degree of total leverage model // Journal of Financial Intermediation, Т. 10, №. 1, pp. 54-84.

20. Engen J. R. (2000). Fee income: Carving out a strategy // Bank Director Magazine.

21. Fungбиovб Z., Solanko L. (2008). Risk-taking by Russian banks: Do location, ownership and size matter? // Bank of Finland, Institute for Economies in Transition, №. 21/2008.

22. Garcнa-Marco T., Robles-Fernбndez M. D. (2008). Risk-taking behaviour and ownership in the banking industry: The Spanish evidence //Journal of Economics and Business, Т. 60, №. 4, pp. 332-354.

23. Hesse H., Cihбk M. (2007). Cooperative banks and financial stability // International monetary fund working paper, 2.

24. Kaur H. V. (2010). Analysis of Banks in India _ A CAMEL Approach // Global Business Review, 11(2), pp. 257-280.

25. Laeven, L., Levine, R. (2006). Corporate governance, regulation, and bank risk taking // World Bank Mimeo.

26. Lanine G., Vander Vennet R. (2006). Failure prediction in the Russian bank sector with logit and trait recognition models // Expert Systems with Applications, Т. 30, №. 3, pp. 463-478.

27. Lepetit L., Nys E., Rous P., & Tarazi A. (2008). Bank income structure and risk: An empirical analysis of European banks // Journal of Banking & Finance, Т. 32, №. 8, pp. 1452-1467.

28. Lepetit L., Nys E., Rous P., & Tarazi A. (2008). The expansion of services in European banking: Implications for loan pricing and interest margins // Journal of Banking & Finance, Т. 32, №. 11, pp. 2325-2335.

29. Mдnnasoo K., Mayes D. G. (2009). Explaining bank distress in Eastern European transition economies // Journal of Banking & Finance, Т. 33, №. 2, pp. 244-253.

30. Mercieca S., Schaeck K., Wolfe S. (2007). Small European banks: Benefits from diversification? // Journal of Banking & Finance, Т. 31, №. 7, pp. 1975-1998.

31. Micco A., Panizza U., Yanez M. (2007). Bank ownership and performance. Does politics matter? // Journal of Banking & Finance, Т. 31, №. 1, pp. 219_241.

32. Moorhouse, A. (2004). An introduction to financial soundness indicators // Bank of England (www.bankofengland.co.uk/statistics/ms/articles/ art1feb04.pdf).

33. Peresetsky A. A., Karminsky A. A., Golovan S. V. (2011). Probability of default models of Russian banks // Economic Change and Restructuring, Т. 44, №. 4, pp. 297-334.

34. Sahajwala R., & Van den Bergh P. (2000). Supervisory risk assessment and early warning systems // Basle Committee on Banking Supervision.

35. Shevrinovsky V. N. (2009). The development of banking systems monitoring: analysis of international experience // Banking technology, №. 5.

36. Stiroh K. J. (2004). Diversification in banking: Is noninterest income the answer? // Journal of Money, Credit, and Banking, Т. 36, №. 5, pp. 853-882.

37. Stiroh K. J. (2004). Do community banks benefit from diversification? // Journal of Financial Services Research, Т. 25, №. 2-3, pp. 135-160.

38. Stiroh K. J. (2006). A portfolio view of banking with interest and noninterest activities // Journal of Money, Credit, and Banking, Т. 38, №. 5, pp. 1351_1361.

39. Stiroh K. J., Rumble A. (2006). The dark side of diversification: The case of US financial holding companies // Journal of banking & finance, Т. 30, №. 8, pp. 2131-2161.

40. Tabak B., Craveiro G., Cajueiro D. (2011). Bank Efficiency and Default in Brazil: Causality Tests // Central Bank of Brazil, Research Department, №. 253.

41. Vernikov A. (2011). Government Banking in Russia: Magnitude and New Features // Halle Institute for Economic Research (IWH), №. 13/2011.

Приложение 1

Показатели банковской финансовой устойчивости

Приложение 2

ТОП - 200 банков по величине активов на 01.03.2017 г.

Приложение 3

Результаты регрессионной модели 4

Размещено на Аllbеst.ru