ОТОЗВАТЬ НЕЛЬЗЯ САНИРОВАТЬ: КАК СО ВРЕМЕНЕМ МЕНЯЛИСЬ ИНДИКАТОРЫ ДЕФОЛТОВ РОССИЙСКИХ БАНКОВ (2024)
В данной работе анализируется, как менялись индикаторы дефолтов российских банков за 8 лет, прошедших с момента введения со стороны Банка России политики, направленной на оздоровление банковского сектора. Подобный анализ позволяет оценить устойчивость показателей, широко используемых в моделях оценки вероятности дефолта банка, и углубить понимание сути процессов и тенденций в банковской деятельности, которые могут видоизменяться со временем. В работе рассматривался период отзывов лицензий банков и введения мер по финансовому оздоровлению (санаций) с III квартала 2013 г. по IV квартал 2021 г. В качестве эконометрического инструментария были использованы логистические регрессии для оценки вероятности дефолта как в целом, так и учитывая одну из двух основных причин - экономическую несостоятельность и нарушение законодательства о легализации (отмывании) доходов. Модели оценивались на подпериодах: с III квартала 2013 г. по II квартал 2015 г., с III квартала 2015 г. по II квартал 2017 г. и с III квартала 2017 г. по IV квартал 2021 г. Полученные результаты свидетельствуют о наличии изменений в индикаторах банкротств банков на протяжении времени, а также о различиях в них в зависимости от рассматриваемой причины банкротства. Лишь некоторые индикаторы (доля межбанковских кредитов в активах, доля облигаций в активах и отношение иностранных обязательств к совокупному объему обязательств) оказались устойчиво статистически значимыми на всех рассматриваемых промежутках. Были сделаны выводы о характерных особенностях «проблемных» банков в каждый из периодов, которые подтверждаются результатами проведенного эмпирического исследования. Так, в период (2013Q3-2015Q2) были отозваны лицензии у многих банков, которые фальсифицировали отчетность в части принятых депозитов, а также среди всех рассматриваемых периодов именно в этом отмечались набеги на банк. В период после кризиса (2015Q3-2017Q2) банки занимались активным привлечением депозитов под высокие проценты и рискованно размещали активы. Высокие уровни создания ликвидности оказались статистически значимым индикатором банкротства в этот период. В более спокойный период (2017Q3-2021Q4) показатель операционной эффективности перестал быть статистически значимым индикатором дефолта, а статистически значимым стало отношение средств в кассе к активам.
Идентификаторы и классификаторы
В середине 2013 г. ЦБ РФ начал проводить политику оздоровления банковского сектора, среди одной из предпринятых мер которой стало снижение числа неэффективных и недобросовестных игроков. Наиболее заметным результатом такой активной работы регулятора в отношении выявления банков, имевших финансовые затруднения или
нарушавших законы, регулирующие банковскую деятельность, стало сокращение более
чем вдвое числа кредитных организаций. Причем по большей части закрытия банков не
носили добровольный характер. Важно отметить, что отзывы лицензий за последние годы происходили не только по причинам финансовой несостоятельности и нарушения ряда
нормативов, но и, преимущественно, из-за проведения сомнительных операций и нарушения законодательства в области противодействия легализации (отмывания) доходов, полученных преступным путем. Меняющиеся условия как внутри банковского сектора (уход неэффективных игроков, закрытие некоторых преступных «схем» в банках), так и вне (санкционные риски, макроэкономическая конъюнктура) на протяжении последних лет позволяют предполагать, что менялись и индикаторы вероятности дефолта банка. В связи с этим представляется интересным оценить, как такие показатели эволюционировали во времени и насколько они соответствовали заявленной Банком России политике.
Список литературы
- Айвазян С.А., Головань С.В., Карминский А.М., Пересецкий А.А. О подходах к сопоставлению рейтинговых шкал // Прикладная эконометрика. 2011. Т. 23. №. 3. С. 13-40. EDN: OFXGHJ
- Бекирова О.А., Зубарев А.В. Факторы риска, прибыльности и вероятности дефолта российских банков // Прикладная эконометрика. 2023. T. 71. С. 20-38. EDN: CCPRYQ
- Дробышевский С.М. Анализ макроэкономических и институциональных проблем финансового кризиса в России, разработка программы мер, направленных на его преодоление и осуществление финансовой стабилизации. Взаимодействие финансовых показателей и некоторых характеристик реального сектора. М.: ИЭП им. Е.Т. Гайдара, 2000. С. 49-78.
- Живайкина А.Д., Пересецкий А.А. Кредитные рейтинги российских банков и отзывы банковских лицензий 2012-2016 гг. // Журнал Новой экономической ассоциации. 2017. 4(36). С. 49-80. EDN: YKWERV
- Зубарев А.В. Факторы устойчивости российских банков во время кризиса 2008-2009 годов // Экономическая политика. 2012. Т. 7. № 4. С. 126-142.
- Зубарев А.В., Бекирова О.А. Анализ факторов банковских дефолтов 2013-2019 годов // Экономическая политика. 2020. Т. 15. № 3. С. 106-133. DOI: 10.18288/1994-5124-2020-3-106-133 EDN: VUVRKG
- Зубарев А.В., Шилов К.Д. Дифференциация факторов банковских дефолтов по причинам отзыва лицензий // Экономический журнал ВШЭ. 2022. Т. 26 № 1. С. 69-103. DOI: 10.17323/1813-8691-2022-26-1-69-103 EDN: YJVHFU
- Карминский А.М. Кредитные рейтинги и их моделирование. М.: Издательский дом НИУ ВШЭ, 2015. EDN: XFDQGV
- Карминский А.М., Костров А.В. Моделирование вероятности дефолта российских банков: расширенные возможности // Журнал Новой экономической ассоциации. 2013. 1(17). С. 64-86. EDN: PZEQIB
-
Карминский А.М., Пересецкий А.А. Модели рейтингов международных агентств // Прикладная эконометрика. 2007. T. 5. № 1. С. 3-19. EDN: HZNBXZ
-
Мамонов М.Е. Скрытые "дыры" в капитале банков и предложение кредитов реальному сектору экономики // Вопросы экономики. 2018. № 5. С. 49-68. EDN: XMGGFN
-
Мамонов М.Е. Сокращение капитала российских банков: изменение склонности к риску и роль процентной политики Банка России // Вопросы экономики. 2019. № 6. С. 30-55. EDN: EQFFYQ
-
Пересецкий А.А. Методы оценки вероятности дефолта банков // Экономика и математические методы. 2007. Т. 43. № 3. С. 37-62. EDN: IAFDDZ
-
Пересецкий А.А. Измерение компоненты внешней поддержки рейтингов агентства Moody's // Прикладная эконометрика. 2009. Т. 14. № 2. С. 3-23. EDN: KVRSVR
-
Пересецкий А.А. Модели причин отзыва лицензий российских банков. Влияние неучтенных факторов // Прикладная эконометрика. 2013. Т. 30. № 2. C. 49-64. EDN: RYGOSP
-
Синельникова-Мурылева Е.В., Горшкова Т.Г., Макеева Н.В. Прогнозирование дефолтов в российском банковском секторе // Экономическая политика. 2018. Т. 13. № 2. С. 8-27. EDN: XQOCKD
-
Фомин Л. Служат ли высокая процентная ставка по кредитам и депозитам и снижение расходов на рекламу индикаторами банкротства банка? Данные по России // Деньги и кредит. 2019. Т. 78. № 2. С. 94-112. DOI: 10.31477/rjmf.201902.94 EDN: PZZVPO
-
Antunes A., Bonfim D., Monteiro N., Rodrigues P.M. Forecasting Banking Crises with Dynamic Panel Probit Models // International Journal of Forecasting. 2018. Vol. 34. № 2. P. 249-275. DOI: 10.1016/j.ijforecast.2017.12.003
-
Assaf A.G., Berger A.N., Roman R.A., Tsionas M.G. Does Efficiency Help Banks Survive and Thrive during Financial Crises? // Journal of Banking & Finance. 2019. Vol. 106. P. 445-470. DOI: 10.1016/j.jbankfin.2019.07.013
-
Berger A.N., Bouwman C.H. Bank Liquidity Creation // The Review of Financial Studies. 2009. Vol. 22. № 9. P. 3779-3837.
-
Betz F., Oprică S., Peltonen T.A., Sarlin P. Predicting Distress in European Banks // Journal of Banking & Finance. 2014. Vol. 45. P. 225-241. DOI: 10.1016/j.jbankfin.2013.11.041
-
Caggiano G., Calice P., Leonida L. Early Warning Systems and Systemic Banking Crises in Low Income Countries: A Multinomial Logit Approach // Journal of Banking & Finance. 2014. Vol. 47. P. 258-269. DOI: 10.1016/j.jbankfin.2014.07.002
-
Cole R.A., Taylor J., Wu Q. Predicting Bank Failures Using Simple Static and Time-Varying Models // SSRN. 2021. № 1460526.
-
Cole R.A., White L.J. Déjà vu All Over Again: The Causes of US Commercial Bank Failures This Time Around // Journal of Financial Services Research. 2012. Vol. 42. P. 5-29. DOI: 10.1007/s10693-011-0116-9 EDN: VFCWLJ
-
Demirgüç-Kunt A., Detragiache E. The Determinants of Banking Crises in Developing and Developed Countries // IMF Staff Papers. 1998. Vol. 45. № 1. P. 81-109.
-
DeYoung R., Roland K.P. Product Mix and Earnings Volatility at Commercial Banks: Evidence from a Degree of Total Leverage Model // Journal of Financial Intermediation. 2001. Vol. 10. № 1. P. 54-84.
-
DeYoung R., Torna G. Nontraditional Banking Activities and Bank Failures during the Financial Crisis // Journal of Financial Intermediation. 2013. Vol. 22. № 3. P. 397-421. DOI: 10.1016/j.jfi.2013.01.001
-
Diamond D.W., Dybvig P.H. Bank Runs, Deposit Insurance, and Liquidity // Journal of Political Economy. 1983. Vol. 91. № 3. P. 401-419.
-
Elekdag S., Malik S., Mitra S. Breaking the Bank? A Probabilistic Assessment of Euro Area Bank Profitability // Journal of Banking & Finance. 2020. Vol. 120. DOI: 10.1016/j.jbankfin.2020.105949
-
Ennis H.M., Keister T. Bank Runs and Institutions: The Perils of Intervention // The American Economic Review. 2009. Vol. 99. № 4. P. 1588-1607.
-
Forgione A.F., Migliardo C. Forecasting Distress in Cooperative Banks: The Role of Asset Quality // International Journal of Forecasting. 2018. Vol. 34. № 4. P. 678-695. DOI: 10.1016/j.ijforecast.2018.04.008
-
Fungacova Z., Turk R., Weill L. High Liquidity Creation and Bank Failures // Journal of Financial Stability. 2021. Vol. 57. DOI: 10.1016/j.jfs.2021.100937 EDN: TDZJBZ
-
Goldstein I., Pauzner A. Demand-Deposit Contracts and the Probability of Bank Runs // The Journal of Finance. 2005. Vol. 60. № 3. P. 1293-1327.
-
Gu C. Herding and Bank Runs // Journal of Economic Theory. 2011. Vol. 146. № 1. P. 163-188.
-
Hwang D.Y., Lee C.F., Liaw K.T. Forecasting Bank Failures and Deposit Insurance Premium // International Review of Economics & Finance. 1997. Vol. 6. № 3. P. 317-334. DOI: 10.1016/S1059-0560(97)90041-1
-
Karminsky A.M. et al. Risk Assessment and Financial Regulation in Emerging Markets' Banking. Springer International Publishing, 2021.
-
King T.B., Nuxoll D., Yeager T.J. Are the Causes of Bank Distress Changing? Can Researchers Keep up? // FDIC Center for Financial Research Working Paper. 2005. № 2005-03.
-
Mäkinen M., Solanko L. Determinants of Bank Closures: Do Levels or Changes of CAMEL Variables Matter? // Russian Journal of Money and Finance. 2018. Vol. 77. № 2. P. 3-21. EDN: HNMZVY
-
Martin D. Early Warning of Bank Failure: A Logit Regression Approach // Journal of Banking & Finance. 1977. Vol. 1. № 3. P. 249-276.
-
Peck J., Shell K. Could Making Banks Hold Only Liquid Assets Induce Bank Runs? // Journal of Monetary Economics. 2010. Vol. 57. № 4. P. 420-427.
-
Peresetsky A., Karminsky A., Golovan S. Probability of Default Models of Russian Banks // Economic Change and Restructuring. 2011. Vol. 44. № 4. P. 297-334. EDN: SSVIJF
-
Shim J. Loan Portfolio Diversification, Market Structure and Bank Stability // Journal of Banking & Finance. 2019. Vol. 104. P. 103-115. DOI: 10.1016/j.jbankfin.2019.04.006
-
Stiroh K.J., Rumble A. The Dark Side of Diversification: The Case of US Financial Holding Companies // Journal of Banking & Finance. 2006. Vol. 30. № 8. P. 2131-2161.
-
Temzelides T. Evolution, Coordination, and Banking Panics // Journal of Monetary Economics. 1997. Vol. 40. № 1. P. 163-183.
-
Uhlig H. A Model of a Systemic Bank Run // Journal of Monetary Economics. 2010. Vol. 57. № 1. P. 78-96.
-
Zheng C., Cheung A. (Wai Kong), Cronje T. The Moderating Role of Capital on the Relationship between Bank Liquidity Creation and Failure Risk // Journal of Banking & Finance. 2019. Vol. 108. DOI: 10.1016/j.jbankfin.2019.105651
Выпуск
Другие статьи выпуска
Классическая статья [Grossman, Stiglitz, 1980] показала, что равновесные цены на активы обязательно содержат некоторую степень неэффективности, когда информация стоит дорого. Более того, неэффективность должна снижаться с уменьшением информационных затрат. Однако ряд недавних эмпирических исследований ставят под сомнение постулат о том, что реальные финансовые рынки становятся более эффективными, несмотря на мнимый технологический прогресс и радикальное увеличение доступности информации. Ценообразование на финансовые активы сильно зависит от относительной доли богатства разнородных групп инвесторов, взаимодействующих на рынке, и недавняя область эволюционных финансов привела к появлению ряда исследований, показывающих, как динамика цен на активы развивается под влиянием эндогенно меняющихся популяций разнородных трейдеров. . Однако существует очень мало исследований, изучающих, как стоимость информации влияет на цены активов в эволюционном контексте. Поэтому мы конструируем эволюционную агентно-ориентированную модель финансового рынка с ограниченно рациональными трейдерами, которые учатся на собственном опыте. Мы проводим ряд вычислительных экспериментов с различной стоимостью информации и показываем, что даже при нулевой стоимости информации неосведомленные трейдеры могут выжить и даже доминировать на рынке за конечное время. Таким образом, при изначально низком уровне информационных издержек их незначительное снижение не обязательно приводит к повышению ценовой эффективности. Однако для более высоких начальных уровней стоимости информации наши результаты согласуются с результатами [Grossman, Stiglitz, 1980] в том смысле, что рост стоимости информации обычно приводит к тому, что информированные трейдеры вытесняются с рынка, а цены на активы становятся менее эффективными. Обсуждаются последствия наших выводов для регулирования финансового рынка.
Страны Центральной Азии все чаще сталкиваются с дефицитом электроэнергии, в то время как энергетическая инфраструктура не способна удовлетворить потребности постоянно растущего населения региона. Структура генерации электроэнергии в странах региона различается - Туркменистан и Узбекистан полагаются на выработку энергии на газовых ТЭС, Казахстан - на угольные ТЭС, Таджикистан и Кыргызстан - на ГЭС. Выработка электроэнергии хоть и увеличивается, но полностью не удовлетворяет потребности населения стран региона, которое с момента обретения независимости выросло в 1,5 раза. Износ материальной инфраструктуры, политика тарифного ценообразования и объективные социально-экономические факторы становятся причиной системных энергетических кризисов, а дефицит энергии, согласно прогнозам, будет только возрастать. Мировая практика показывает, что возможным решением проблем в энергетическом секторе является использование ВИЭ. Сегодня уровень выработки энергии из СЭС не превышает 1%, хотя правительства стран признают важность этого источника для обеспечения энергетической безопасности страны, а регион обладает хорошими показателями инсоляции. В этой связи вопрос разработки ВИЭ, и в особенности СЭС, приобретает все большую актуальность. Целью настоящего исследования является анализ ключевых ограничений и перспектив развития солнечной энергетики в странах Центральной Азии. Для определения характера развития этой сферы авторы проводят сравнительный анализ ситуации в экономике, энергетических секторах, нормативно-правовой базе стран региона. Были определены ключевые экзогенные факторы, влияющие на скорость осуществления проектов строительства солнечных электростанций, в частности, среди которых - политика крупных стран и международных финансовых организаций. По итогам анализа финансовых, технических и регуляторных ограничений были составлены рекомендации, которые могут поспособствовать развитию сферы.
В статье исследуется потенциал российского малого бизнеса и обсуждаются возможности его участия в реализации импортозамещающей стратегии развития российской экономики. Проведена оценка потенциала российского малого бизнеса и сформулированы два возможных сценария его динамики (инерционный и растущий). Выявлены особенности современного этапа функционирования сектора малого предпринимательства, в том числе неравномерность динамики числа субъектов малого бизнеса. Отмечен рост количества самозанятых как неформального крыла этого сектора. На базе международных исследований по оценке уровня значимости сектора малого предпринимательства в национальной экономике в работе сделан вывод о достаточно высоком потенциале развития российского малого бизнеса, способного решать масштабные задачи государственной экономической политики, в том числе задачи импортозамещения. Выявляются особенности и структура импортозамещающей стратегии на современном этапе, характеризующемся масштабными экономическими санкциями и сложной международной обстановкой. Разработана структурно-логическая схема, описывающая взаимосвязи основных компонент стратегии импортозамещения на современном этапе. Определены основные сферы развития малого российского предпринимательства, обеспечивающие эффективное импортозамещение в условиях санкций и ухода зарубежных компаний с российского рынка, обосновывается необходимость его комплексной государственной поддержки как условия достижения технологического суверенитета страны. Приведены результаты эмпирического анализа, подтверждающие на базе статистических данных за 2012-2022 гг. значимость роли МСБ в процессах импортозамещения. С учетом неполноты имеющейся информационной базы предложен индекс приближенной оценки вклада этого сектора в отраслевое импортозамещение. На примере машиностроительного, агропромышленного и лесопромышленного комплекса произведен расчет этого индекса и осуществлен сопоставительный анализ роли этих производств в реализации стратегии импортозамещения с участием малого и среднего бизнеса.
В работе исследуется теория информационной асимметрии с точки зрения влияния неопределенной, негативной и слабомодальной тональности в тексте регистрационных форм S-1 на недооценку первичных размещений акций компаний США в период с 2000 г. по 2020 г. Проводится анализ тональности как полного текста проспекта, так текстов четырех отдельных глав - «Prospectus Summary», «Risk Factors», «Use of Proceeds», «Management’s Discussions and Analysis (MD&A)». Для учета фундаментальных различий между двумя секторами экономики оцениваются отдельные модели линейных регрессий для высокотехнологических и нетехнологических выборок компаний. Мы не находим подтверждения сигнальной теории асимметрии информациии с точки зрения влияния неопределенности в тексте проспектов на недооценку IPO: выявлена отрицательная связь доли неопределенности во всем тексте форм S-1 и недооценки IPO и положительная связь недооценки нетехнологических компаний и негативной тональности глав «Risk Factors», «Use of Proceeds» регистрационных форм S-1. В работе не было обнаружено значимого влияния слабомодальной тональности на недооценку IPO. Полученные результаты могут свидетельствовать о том, что неопределенность предостерегает участников рынка от инвестирования в IPO, в то время как негативный тон может, напротив, привлекать инвесторов, если при этом устанавливается низкая цена акций, способная компенсировать риски. В исследовании также используются модели машинного обучения: случайный лес и бустинг, результаты построения которых показывают увеличение прогностической силы моделей при учете текстовых характеристик форм S-1. При ранжировании переменных по степени их важности в модели случайного леса в первые десять наиболее важных переменных вошли три текстовые переменные тональности проспектов, что подтверждает необходимость учета текстовой информации, содержащейся в регистрационных формах, при анализе недооценки. Результаты работы способствуют более глубокому пониманию факторов недооценки публичных размещений, которые могут быть полезны менеджменту компаний при подготовке IPO и его документации для снижения вероятности недооценки и привлечения желаемого объема капитала, а также инвесторам, принимающим решения об инвестировании в акции IPO.
Цель данной работы - оценить влияние раскрытия информации по экологической повестке в годовых отчетах отечественных компаний на их цену акций. Эмпирическая база исследования включала в себя годовые отчеты и финансовые показатели 100 крупнейших по выручке публичных компаний России в периоды с 2019 г. по 2022 г. Методами исследования выступили NLP-методы текстового анализа: модель-трансформер BERTopic и Латентного размещения Дирихле. С помощью данного моделирования были выделены отдельные темы экологической повестки бизнеса в России, а с помощью лемматизации была оцифрована частота раскрытия полученных тем в каждом отчете. В ходе анализа было выявлено шесть основных топиков, наиболее часто раскрывающихся в финансовых отчетах публичных компаний России: общая тематика упоминания любых экологических инициатив; действия, направленные на сохранение окружающей среды; наличие собственных контролируемых процессов производства; оценка вредного влияния производства и бизнеса на окружающую среду; отношение к экологическим инициативам в компании; корпоративные подходы компании, законы, права, декларации и собственные принципы в развитии экологических инициатив в бизнесе. Также в качестве метода исследования было применено эконометрическое моделирование на основе построения регрессионных моделей. Полученные результаты показали, что частота раскрытия экологических тем в годовых отчетах компаний России влияет на динамику цен акций этих компаний в долгосрочном периоде. Более того, оцененный эффект раскрытия экологической повестки в годовых отчетах публичных компаний России на акции этих компаний меняется в зависимости от тематики отдельных вопросов по экологии. Основные тематики, оказывающие влияние - это раскрытие действий компаний, направленных на сохранение окружающей среды, и корпоративные подходы и паттерны поведения, раскрытые в годовом отчете.
Издательство
- Издательство
- ВШЭ
- Регион
- Россия, Москва
- Почтовый адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- Юр. адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- ФИО
- Анисимов Никита Юрьевич (Ректор)
- E-mail адрес
- hse@hse.ru
- Сайт
- https://www.hse.ru/