Дипломная (вкр): Детерминанты буфера ликвидности

Очевидно, что некоторые переменные имеют достаточно сильную корреляцию между собой. Так, особенно выделяется высокая корреляция показателя предложения ликвидности, М 2, с остальными макроэкономическими показателями, такими как Индекс реального ВВП (0,8795), Безработица (-0,7247) и Ставка межбанковского кредитования (0,6662). Более того, также очевидна корреляция выше среднего у МБК и Dummy переменной, характеризующей кризис. К тому же, две внутрибанковские переменные также имеют достаточно высокую (0,537) степень корреляции - Просроченная задолженность и Резервы на возможные потери, основные переменные, характеризующие кредитный риск. Рассмотренная нами корреляционная матрица не гарантирует наличие мультиколлинеарности, подразумевающей прямую линейную зависимость между переменными, но позволяет понять, какие именно переменные связаны между собой.

Изначально была построена модель, включающая все вышерассмотренные переменные. Все оценки вышли незначимыми, так как в модели возникла мультиколлинеарность. Для того, чтобы избежать данной проблемы в модели, было построено шесть спецификаций, включающих в себя некоррелированные переменные. Необходимо отметить, что, несмотря на то, что уровень Безработицы и Индекс реального ВВП имеют достаточно высокий уровень корреляции, обе эти переменные были включены в спецификации модели номер 1 и 3 (подробное описание будет предложено ниже). Обе эти переменных интересны для исследования в качестве макроэкономических факторов, влияющих на запасы ликвидности. Включение данных переменных в одну модель также обосновывается тем, что с теоретической точки зрения их. Более того, если модель устойчива к различным изменениям, то наличие умеренной взаимосвязи между переменными не смещает полученные оценки.

В итоге, модели, оцениваемые для определения детерминантов буфера ликвидности коммерческого банка, имели следующий вид:

(1)

В первой спецификации в качестве переменной, характеризующей кредитный риск, выбрана переменная Доля просроченной задолженности в совокупных активах. В качестве переменных, характеризующих макроэкономическую ситуацию, фазы бизнес - циклов, были использованы Кризис (Dummy), Индекс реального ВВП и уровень безработицы. Кажется разумным предположить, что набор данных факторов одним из лучших образов описывает макроэкономическую обстановку в стране.

(2)

Вторая спецификация имеет в своей основе иной макроэкономический набор факторов, а именно Индекс реального ВВП и Ставка межбанковского кредитования. В данной модели, кроме переменных, совпадающих с предыдущей спецификацией, особый интерес представляет направление и степень воздействия ситуации на внутрибанковским рынке, а именно ставки межбанковского кредитования (однодневные кредиты). Несмотря на то, что данная переменная относится к макроэкономическим, она крайне близка к банковскому уровню, что позволяет говорить о том, что Индекс реального ВВП был взят в данной спецификации в определенной степени в качестве контрольной переменной.

(3)

Третья спецификация модели представляет собой модифицированную первую модель - с изменением переменной, характеризующей кредитный риск. Так, данная спецификация включает в себя Долю резервов на возможные потери в совокупных активах, макроэкономические факторы остались неизменными.

(4)

Четвертая модификация. В данную модель включен показатель Резервов на возможные потери, в качестве макропеременных взяты Индекс реального ВВП и ставка межбанковского кредитования, также представляющая для нас интерес.

(5)

Следующая, пятая спецификация, включала в себя рассмотренные выше внутрибанковские показатели, а в качестве макроэкономических факторов - Dummy, характеризующую кризис, и показатели Предложения ликвидности М 2. Переменная М 2 была включена в модель отдельно от других макропеременных, так как наблюдается высокая корреляция между М 2 и всеми макроэкономическими переменными, за исключением Dummy, характеризующей кризис. В данную спецификацию также включен показатель Просроченной задолженности.

(6)

Наконец, шестая модификация модели. Данная спецификация включает в себя упомянутый выше М 2, и иную (по сравнению с моделью номер 5) меру кредитного риска - долю Резервов на возможные потери от совокупных активов.

Для проверки сформулированных выше гипотез были изучены модели трех типов: pool, fixed effect (FE), random effect (RE).

Применение модели с фиксированными эффектами представилось невозможной из-за того, что данная модель не позволяет оценить Dummy переменную, характеризующую Вид собственности банка, которая важна для нашего анализа. Выбор между сквозной регрессией и модели со случайном эффектом происходил при помощи проведения теста Бройша-Пагана. Результаты теста показали, что значение P-value<0.01 (составляет 0.000), следовательно, основная гипотеза об отсутствии случайных эффектов отвергается. Таким образом, модель RE предпочтительнее модели сквозной регрессии для построения анализируемой модели.

Для того, чтобы нивелировать проблему гетероскедастичности, которая присуща панельным данным, были применены стандартные робастные ошибки.

Результаты оценивания регрессионных моделей представлены в Таблице 4. Как очевидно из таблицы, построенные модели имеют высокую описательную силу. Об этом свидетельствует достаточно высокое значение статистики Вальда (chi2) - минимальное ее значение составило 220,7, а максимальное - 303,2. Мерой качества описательной силы регрессии в данном случае является именно критерий Вальда, так как, как известно из теории, в данном случае R-sq не является адекватной мерой качества.

Далее разберемся в результатах оценивания моделей, а именно подтвердились ли сделанные нами гипотезы, описанные в начале эмпирического исследования.

Нами было выдвинуто предположение о том, что кредитный риск положительно влияет на решение банков об удержании дополнительных запасов ликвидных активов. Эмпирическое оценивание регрессионной модели выявило, что коэффициент при переменных Доля просроченной задолженности, Отношение резервов на возможные потери к совокупным активам и Отношение кредитов выданных к совокупным активам - отрицателен и значим. Следовательно, выдвинутое нами предположение не нашло эконометрического подтверждения.

Такие результаты объясняются различием между подходами к анализу данных переменных. Гипотеза, выдвинутая нами, основывается на поведении и решениях руководства банков, их стремлении к минимизации рисков. Так, увеличение доли просроченной задолженности напрямую сказывается на сокращении запасов ликвидных активов, так как именно эти запасы являются источником для списания, в конечном итоге, невозвратных долгов. Аналогичные рассуждения могут быть использованы нами для объяснения негативного влияния Резервов на возможные потери. Источником средств, из которого идет отчисление в резервный фонд, также являются ликвидные активы банка.

С другой стороны, при интерпретации знака перед переменной Отношение кредитов выданных к совокупным активам, нельзя забывать именно о политике менеджмента банка. Как уже было сказано выше, руководство может принять рискованную политику для достижения максимальной доходности операций и выдавать большее количество кредитов, одобряя рисковые кредитные заявки. Следовательно, негативное влияние очевидно - увеличение количества выдаваемых кредитов будет вести к уменьшению запасов ликвидности, так как именно из этих запасов и идет перечисление денежных средств клиентам.

Переменная ROA, рентабельность активов, в результате исследования оказалась незначима. Следовательно, не наблюдается ее влияние на размер накопленной ликвидности коммерческих банков. Данный результат можно объяснить тем, что наша выборка состоит из крупнейших банков Российской Федерации, которые, по умолчанию, считаются финансово устойчивыми и стабильными. Следовательно, все зависимости от размера чистой прибыли, банки стараются поддерживают определенный уровень ликвидных средств, чтобы минимизировать риск ликвидности и не испытывать проблемы при необходимости выплат по своим обязательствам. С другой стороны, возможно, руководство банка придерживается более консервативной политики, заботясь о стабильности функционирования кредитной организации.

Рассматривая Капитализацию банка, необходимо отметить, что коэффициент при данной переменной - значимый и положительный. Данный результат не подтверждает сделанное нами предположение о том, что банки с высокой капитализацией не имеют стимула жертвовать доходностью ради высоких накоплений ликвидных активов. В нашем случае, полученное направление влияние может быть объяснено политикой руководства банка. Как было сказано выше, при описании возможных воздействий переменных, менеджмент банка может придерживаться политики неприятия риска, так как крайне заинтересовано в стабильности и устойчивости кредитной организации. Следовательно, такая политика будет положительно влиять на размер ликвидности.

Dummy переменная, которая характеризует Вид собственности банка, оказывает значимое и негативное влияние на размер запасов ликвидных средств. Следовательно, можно сделать вывод, что наша гипотеза о том, что банки с государственным участием держат меньше ликвидных активов - подтвердилась. Как было отмечено выше, скорее всего, это связано с возможностью получить финансовую поддержку от кредитора последней инстанции, так как именно государство является одним из владельцев банка и заинтересовано в его устойчивости. Соответственно, данная возможность минимизирует стимулы банков держать запасы ликвидности, жертвуя доходностью деятельности.

Кризисные явления в экономике не оказывают влияния на размер буфер ликвидности. Возможно, данный результат можно объяснить спецификой выборки банков - крупнейшие кредитные организации, политика которых, вероятно, направленна на поддержание устойчивости. Более того, данный факт может свидетельствовать о правильно построенном риск-менеджменте банков, при котором негативный вариант развития событий максимально близок к реальным ситуациям финансовой нестабильности страны. Кроме этого, необходимо отметить роль обязательных нормативов ликвидности, которые должны быть выполнены всеми банками. Возможно, они сыграли свою роль в период кризиса, так как банки не могли иметь ликвидности меньше, чем предписано Банком России.

Влияние Индекса реального ВВП оказалось значимым и негативным. Это подтверждает сделанные предположения о контрцикличности политики по накоплению ликвидности по отношению к бизнес-циклам экономики. Как было отмечено выше, скорее всего данный результат может быть объяснен уверенностью населения в завтрашнем дне в период подъема экономики. Люди и бизнес берут кредиты, следовательно, банкам необходимы ресурсы для выдачи денежных средств, что напрямую уменьшает запасы ликвидности. Во время экономического спада реальные доходы населения и обороты деятельности предприятий сокращаются, что приводит к негативному настроению в обществе. Таким образом, банки будут стараться наращивать объем ликвидных средств для обеспечения безопасности дальнейшего функционирования.

Уровень безработицы не оказывает значимого влияния на запасы ликвидности банка. Возможно, это связано с политикой государства по поддержанию населения, людей, которые оказались в сложной ситуации. Имея кредит и лишившись работы, люди могут получать пособия по безработице, занимать деньги у знакомых, выплачивая кредиты из данных средств, тратя крайне малое количество денег на жизнь, для того, чтобы избежать дополнительного начисления процентов за просрочку выплат. Следовательно, нельзя говорить о чистом влиянии уровня безработицы на решение банков о складировании ликвидности.

Ставка межбанковского кредитования в одном случае оказалась незначимой детерминантой(Модель 2), в другом - значимой (Модель 4). Следовательно, нельзя сделать однозначные выводы, в полном размере интерпретировать ее влияние. Отметим, что в том случае, когда она значима - влияние оказывается негативное, что говорит нам о том, что возрастающие издержки привлечения дополнительных ликвидных средств становятся велики для банка, таким образом, банк не привлекает дополнительные объемы ликвидности, следовательно, ее запасы уменьшаются.

Последняя из переменных, участвующих в анализе, - Предложение ликвидности, денежный агрегат М 2. Изначально предполагалось, что чем выше оборот ликвидных средств в экономике, тем выше наличие таковых в коммерческий банках. Но результаты оценивания данного показатели выявили, что влияние действительно значимое, но негативное и крайне маленькое, о чем свидетельствует критически низкое значение коэффициента при переменной. Негативное влияние может быть объяснено также политикой банка. Так, при возрастании количества денежных средств, обращающихся к экономике, руководство может подозревать дальнейший рост инфляции, обесценения денег. Следовательно, для того, чтобы высоколиквидные активы не обесценились, их перенаправляют в другие, более доходные инструменты.

Интересным также оказалось высокая значимость Константы в нашей модели. Более того, константа положительна. Можно предположить, что это связано с обязательными нормативами Центрального Банка, которые предписывают банку держать минимальный объем ликвидных активов вне зависимости от каких-либо факторов, как внешних, так и внутренних.

2.4 Проверка результатов на устойчивость

Для проверки результатов оценивания регрессионной модели на устойчивость, были применены классические эконометрические методы для выявления стабильности модели.

Во-первых, была заменена одна из объясняющих переменных. В нашем случае, происходила замена ROA на ROE, то есть показатель рентабельности активов был заменен на коэффициент рентабельности собственного капитала, рассчитанного как отношение чистой прибыли к собственному капиталу. Данная замена представляется адекватной, так как оба данных коэффициента показывать то, насколько эффективно функционирует банк. Результаты оценивания регрессии представлены в Приложении 1. Очевидно, что все переменные оказались устойчивы к данному преобразованию модели.

Следующей проверкой на устойчивость послужило сокращение количества наблюдений в выборке. Если модель не устойчива, то она оказывается крайне чувствительна к добавлению или же исключению наблюдений, что говорит о практическом отсутствии объясняющей силы. В нашем случае были удалены наблюдения, которые превышают 95 перцентиль по значимому показателю Отношение кредитов выданных к совокупным активам. Данное действие убрало из выборки 226 наблюдений, что составляет 5% от общей выборки. Можно говорить о том, что при неустойчивости модели данное изменение размера выборки повлияло бы на значимость оцененных коэффициентов. При проведении регрессионного анализа, результаты которого представлены в Приложении 2, становится очевидным, что наша модель устойчива к изменению количества наблюдений. Интересным кажется тот факт, что при данной проверке на устойчивость коэффициент при Уровне безработицы в первой спецификации модели стал значим. Следовательно, можно говорить о нестабильности, но значимости данной переменной. Более того, данный коэффициент - положительный, что может быть обосновано тем фактом, что менеджмент банка, понимая, что в экономике наблюдается высокий уровень безработицы, будет заранее накапливать ликвидные средства, для того, чтобы в случае необходимости иметь базу для списания просроченной задолженности. Более того, возможно, кредитные организации так перестраховываются от возможных набегов на банк. Люди, оставшиеся без работы и, соответственно, без денежных средств, могут потребовать банк вернуть свои вклады, что, при большом количестве таких требований, может привести к неспособности банка платить по обязательствам.