ЭВОЛЮЦИОННАЯ МОДЕЛЬ ЭФФЕКТИВНОСТИ ФИНАНСОВОГО РЫНКА С ДОРОГОЙ ИНФОРМАЦИЕЙ (2024)
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.
A classical paper by [Grossman, Stiglitz, 1980] showed that asset prices in equilibrium necessarily contain some degree of inefficiency when information is costly. Moreover, the inefficiency should decrease with decreasing information costs. However, a number of recent empirical studies cast some doubt on the postulate that real financial markets are becoming more efficient, despite the ostensible advances in technology and radical increases in the availability of information. The pricing of financial assets strongly depends on the relative wealth shares of heterogeneous groups of investors interacting in the market and the recent field of evolutionary finance has produced a number of studies showing how asset price dynamics develop under the influence of endogenously changing populations of heterogeneous traders. However, very few studies exist examining how the cost of information affects prices of assets in an evolutionary context. We therefore construct an evolutionary agent-based model of a financial market with boundedly rational traders who learn from experience. We conduct a number of computational experiments with varying information costs and show that even under zero information costs uninformed traders can survive and even dominate the market in finite time. Thus, for an initially low level of information costs, a marginal decrease in them does not necessarily lead to increased price efficiency. For higher initial levels of information costs our results however agree with those of [Grossman, Stiglitz, 1980] in that an increasing information cost generally leads to informed traders being driven out of the market and asset prices becoming less efficient. Implications of our findings for financial market regulation are discussed.
Идентификаторы и классификаторы
Эффективность финансового рынка является одним из краеугольных камней теории ценообразования активов, а также практической проблемой, связанной со способностью финансовых рынков выполнять свою социальную функцию по распределению капитала для его наиболее продуктивного использования. Что касается его теоретической
значимости, то можно отметить, что рыночная эффективность в виде условия отсутствия арбитража является одним из ключевых допущений, все еще лежащих в основе большинства стандартных моделей ценообразования активов (см., например, [Black,
Scholes, 1973; Cox et al., 1979; Merton, 1973; Кокрейн, 2009; Даффи, 2010]). Что касается
увеличение общественного благосостояния, как указывает [Fama, 1970], “основная роль
рынка капитала заключается в распределении собственности на основные фонды экономики. В общих чертах, идеальным является рынок, на котором цены обеспечивают точные сигналы для распределения ресурсов […]”. Поэтому, с практической точки зрения, изучение того, справедливо ли предположение об эффективности в целом, и если нет, то каковы факторы, способствующие неэффективности, имеет первостепенное значение для
понимания того, когда традиционные модели ценообразования активов могут дать сбой, и какие действия, если любые меры, которые могут предпринять регулирующие органы для повышения эффективности распределения капитала.
Financial market efficiency is one of the cornerstones of the theory of asset pricing as well as a practical concern related to the ability of financial markets to perform their societal function of allocating capital to its most productive uses. With regards to its theoretical importance, it can be pointed out that market efficiency, in the form of the no-arbitrage condition, is one of the key assumptions still underlying most standard models of asset pricing (see e.g. [Black, Scholes, 1973; Cox et al., 1979; Merton, 1973; Cochrane, 2009; Duffie, 2010]). With regards to the multiplication of societal welfare, as [Fama, 1970] points out, “the primary role of the capital market is allocation of ownership of the economy’s capital stock. In general terms, the ideal is a market in which prices provide accurate signals for resource allocation […]”. Therefore, from a practical standpoint, investigating whether the assumption of efficiency generally holds, and if not, what the contributing factors leading to inefficiency are, is of utmost importance for understanding when conventional asset pricing models may break down and what actions, if any, regulators can take to increase the efficiency of capital allocation.
Список литературы
- Альварес-Рамирес Дж., Родригес Э., Эспиноса-Паредес Г. (2012) Становится ли фондовый рынок США со временем неэффективным? Данные за 80-летний период. Физика А: Статистическая механика и ее приложения, 391, 22, с. 5643-5647.
- Артур У.Б. (1995) Сложность экономических и финансовых рынков.Сложность, № 1, 1, с. 20-25.
- Акстелл Р.Л., Фармер Дж.Д. (2022) Агент-ориентированное моделирование в экономике и финансах: прошлое, настоящее и будущее. Оксфордский рабочий документ INET, 2022-10.
- Берк Дж.Б. (1997) Получение информации на динамичном рынке. Экономическая теория, 9, с. 441-451.
- Блэк Ф., Скоулз М. (1973) Ценообразование опционов и корпоративные обязательства. Журнал политической экономики, 81, 3, с. 637-654.
- Кокрейн Дж. (2009) Оценка активов: пересмотренное издание. Издательство Принстонского университета.
- Кокс Дж.С., Росс С.А., Рубинштейн М. (1979) Оценка опционов: упрощенный подход. Журнал финансовой экономики, 7, 3, стр. 229-263.
- Даймонд Д.У., Верреккья Р.Э. (1981) Агрегирование информации в шумной экономике рациональных ожиданий. Журнал финансовой экономики, 9, 3, с. 221-235.
- Даффи Д. (2010). Теория динамического ценообразования активов. Издательство Принстонского университета.
- Евстигнеев И.В., Хенш Т., Шенк-Хоппе К.Р. (2009) Эволюционные финансы. Справочник по финансовым рынкам: динамика и эволюция. стр. 507-566.
- Евстигнеев И.В., Хенш Т., Шенк-Хоппе К.Р. (2002) Рыночный выбор финансовых торговых стратегий: глобальная стабильность. Математические финансы, 12, 4, с. 329-339.
- Фама Э.Ф. (1991) Эффективные рынки капитала: II. The Journal of Finance, 46, 5, с. 1575-1617.
- Фама Э.Ф. (1970) Эффективные рынки капитала: обзор теории и эмпирических работ. The Journal of Finance, 25, 2, с. 383-417.
- Фиглевски С. (1982) Информационное разнообразие и поведение рынка. The Journal of Finance, 37, 1, с. 87-102.
- Гун К., Дяо Х. (2022) Ограниченная рациональность, асимметричная информация и неправильное ценообразование на финансовых рынках. Экономическая теория, 74, 1, с. 235-264.
- Гроссман С.Дж., Стиглиц Дж.Э. (1980) О невозможности информационно эффективных рынков. The American Economic Review, 70, 3, с. 393-408.
- Хасбрук Дж. (1993) Оценка качества рынка ценных бумаг: новый подход к измерению транзакционных издержек. Обзор финансовых исследований, 6, 1, с. 191-212.
- Хеллвиг М.Ф. (1982) Равновесие рациональных ожиданий с учетом прошлых цен: пример средней дисперсии. Журнал экономической теории, 26, 2, с. 279-312.
- Хенз Т., Шенк-Хоппе К.Р. (2005) Эволюционная стабильность правил портфолио на неполных рынках. Журнал математической экономики, 41, 1-2, с. 43-66.
- Хестон С.Л., Корайчик Р.А., Садка Р. (2010) Внутридневные закономерности в разрезе доходности акций. The Journal of Finance, 65, 4, с. 1369-1407.
- Хо Т.С., Рони М. (1988) Качество информации и эффективность рынка. Журнал финансового и количественного анализа, 23, 1, стр. 53-70.
- Хубер Дж. (2007) “J”-образный подход возвращает к преимуществу выбора времени в доступе к информации - экспериментальные данные и предварительное объяснение. Журнал экономической динамики и контроля, 31, 8, с. 2536-2572.
- Хубер Дж., Кирхлер М., Саттер М. (2008) Всегда ли больше информации лучше?: Экспериментальные финансовые рынки с накопленной информацией. Журнал экономического поведения и организации, 65, 1, с. 86-104.
- Кайл А.С. (1989) Обоснованная спекуляция при несовершенной конкуренции. Обзор экономических исследований, 56, 3, с. 317-355.
- Лебарон Б. (2011) Активное и пассивное обучение на финансовых рынках, основанных на использовании агентов. Восточный экономический журнал, 37, с. 35-43.
- Лебарон Б. (2006) Вычислительные финансы на основе агентов. Справочник по вычислительной экономике, 2, с. 1187-1233.
- Лим К., Брукс Р. (2011) Эволюция эффективности фондового рынка с течением времени: обзор эмпирической литературы. Журнал экономических исследований, 25, 1, с. 69-108.
- Ло А.В. (2004) Гипотеза адаптивного рынка. Журнал управления портфелем ценных бумаг, 30, 5, с. 15-29.
- Люссанж Дж., Лазаревич И., Буржуа-Жиронд С., Пальминтери С., Гуткин Б. (2021) Моделирование фондовых рынков с помощью мультиагентного обучения с подкреплением.Вычислительная экономика, 57, стр. 113-147. Издательство: BSZGUZ
- Люкс Т. (2009) Стохастические поведенческие модели ценообразования на активы и стилизованные факты. Справочник по финансовым рынкам: динамика и эволюция, стр. 161-215.
- Шолл М.П., Калинеску А., Фармер Дж.Д. (2021) Как экология рынка объясняет сбои в работе рынка. Труды Национальной академии наук, 118, 26, e2015574118.
- Шубба Э. (2005) Асимметричная информация и выживание на финансовых рынках. Экономическая теория, 25, с. 353-379. Издательство: SHRDUR
- Смит Дж.М., Прайс Г.Р. (1973) Логика конфликта животных. Nature, 246, 5427, с. 15-18.
- Тесфацион Л. (2002) Компьютерная экономика, основанная на агентах: растущая экономика снизу вверх. Искусственная жизнь, 8, 1, с. 55-82.
- Верреккья Р.Э. (1982) Получение информации в шумной экономике рациональных ожиданий. Эконометрика: Журнал эконометрического общества, 50, 6, с. 1415-1430.
- Вигглсворт Р. (2023) Рынки становятся менее эффективными, А не более, утверждает Клиффорд Эснесс из AQR // ft.com. Доступно по адресу: https://www.ft.com/content/813b3d76-6ef1-427d-a2e0-76540f58a510 (Дата обращения: 23.04.2024).
- Alvarez-Ramirez J., Rodriguez E., Espinosa-Paredes G. (2012) Is the US Stock Market Becoming Weakly Efficient over Time? Evidence from 80-year-long Data. Physica A: Statistical Mechanics and its Applications, 391, 22, pp. 5643-5647.
- Arthur W.B. (1995) Complexity in Economic and Financial Markets.Complexity, 1, 1, pp. 20-25.
- Axtell R.L., Farmer J.D. (2022) Agent-Based Modeling in Economics and Finance: Past, Present, and Future. INET Oxford Working Paper, 2022-10.
- Berk J.B. (1997) The Acquisition of Information in a Dynamic Market. Economic Theory, 9, pp. 441-451.
- Black F., Scholes M. (1973) The Pricing of Options and Corporate Liabilities. Journal of Political Eco-nomy, 81, 3, pp. 637-654.
- Cochrane J. (2009) Asset Pricing: Revised Edition. Princeton University Press.
- Cox J.C., Ross S.A., Rubinstein M. (1979) Option Pricing: A Simplified Approach. Journal of Financial Economics, 7, 3, pp. 229-263.
- Diamond D.W., Verrecchia R.E. (1981) Information Aggregation in a Noisy Rational Expectations Economy. Journal of Financial Economics, 9, 3, pp. 221-235.
- Duffie D. (2010). Dynamic Asset Pricing Theory. Princeton University Press.
-
Evstigneev I.V., Hens T., Schenk-Hoppé K.R. (2009) Evolutionary Finance. Handbook of Financial Markets: Dynamics and Evolution, pp. 507-566.
-
Evstigneev I.V., Hens T., Schenk-Hoppé K.R. (2002) Market Selection of Financial Trading Strategies: Global Stability. Mathematical Finance, 12, 4, pp. 329-339.
-
Fama E.F. (1991) Efficient Capital Markets: II. The Journal of Finance, 46, 5, pp. 1575-1617.
-
Fama E.F. (1970) Efficient Capital Markets: A Review of Theory and Empirical Work. The Journal of Finance, 25, 2, pp. 383-417.
-
Figlewski S. (1982) Information Diversity and Market Behavior. The Journal of Finance, 37, 1, pp. 87-102.
-
Gong Q., Diao X. (2022) Bounded Rationality, Asymmetric Information and Mispricing in Financial Markets. Economic Theory, 74, 1, pp. 235-264.
-
Grossman S.J., Stiglitz J.E. (1980) On the Impossibility of Informationally Efficient Markets. The American Economic Review, 70, 3, pp. 393-408.
-
Hasbrouck J. (1993) Assessing the Quality of a Security Market: A New Approach to Transaction-Cost Measurement. The Review of Financial Studies, 6, 1, pp. 191-212.
-
Hellwig M.F. (1982) Rational Expectations Equilibrium with Conditioning on Past Prices: A Mean-Variance Example. Journal of Economic Theory, 26, 2, pp. 279-312.
-
Hens T., Schenk-Hoppé K.R. (2005) Evolutionary Stability of Portfolio Rules in Incomplete Markets. Journal of Mathematical Economics, 41, 1-2, pp. 43-66.
-
Heston S.L., Korajczyk R.A., Sadka R. (2010) Intraday Patterns in the Cross-Section of Stock Returns. The Journal of Finance, 65, 4, pp. 1369-1407.
-
Ho T.S., Roni M. (1988) Information Quality and Market Efficiency. Journal of Financial and Quantitative Analysis, 23, 1, pp. 53-70.
-
Huber J. (2007) ‘J'-Shaped Returns to Timing Advantage in Access to Information-Experimental Evidence and a Tentative Explanation. Journal of Economic Dynamics and Control, 31, 8, pp. 2536-2572.
-
Huber J., Kirchler M., Sutter M. (2008) Is More Information Always Better?: Experimental Financial Markets with Cumulative Information. Journal of Economic Behavior & Organization, 65, 1, pp. 86-104.
-
Kyle A.S. (1989) Informed Speculation with Imperfect Competition. The Review of Economic Studies, 56, 3, pp. 317-355.
-
LeBaron B. (2011) Active and Passive Learning in Agent-Based Financial Markets. Eastern Economic Journal, 37, pp. 35-43.
-
LeBaron B. (2006) Agent-Based Computational Finance. Handbook of Computational Economics, 2, pp. 1187-1233.
-
Lim K., Brooks R. (2011) The Evolution of Stock Market Efficiency over Time: A Survey of the Empirical Literature. Journal of Economic Surveys, 25, 1, pp. 69-108.
-
Lo A.W. (2004) The Adaptive Market Hypothesis. The Journal of Portfolio Management, 30, 5, pp. 15-29.
-
Lussange J., Lazarevich I., Bourgeois-Gironde S., Palminteri S., Gutkin B. (2021) Modelling Stock Markets by Multi-Agent Reinforcement Learning.Computational Economics, 57, pp. 113-147. EDN: BSZGUZ
-
Lux T. (2009) Stochastic Behavioral Asset-Pricing Models and the Stylized Facts. Handbook of Financial Markets: Dynamics and Evolution, pp. 161-215.
-
Scholl M.P., Calinescu A., Farmer J.D. (2021) How Market Ecology Explains Market Malfunction. Proceedings of the National Academy of Sciences, 118, 26, e2015574118.
-
Sciubba E. (2005) Asymmetric Information and Survival In Financial Markets. Economic Theory, 25, pp. 353-379. EDN: SHRDUR
-
Smith J.M., Price G.R. (1973) The Logic of Animal Conflict. Nature, 246, 5427, pp. 15-18.
-
Tesfatsion L. (2002) Agent-Based Computational Economics: Growing Economies from the Bottom Up. Artificial Life, 8, 1, pp. 55-82.
-
Verrecchia R.E. (1982) Information Acquisition in a Noisy Rational Expectations Economy. Econometrica: Journal of the Econometric Society, 50, 6, pp. 1415-1430.
-
Wigglesworth R. (2023) Markets are Becoming Less Efficient, Not More, Says AQR's Clifford Asness // ft.com. Available at: https://www.ft.com/content/813b3d76-6ef1-427d-a2e0-76540f58a510 (Retrieved: 23.04.2024).
Выпуск
Другие статьи выпуска
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.
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.
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/