Стресс-тест российской банковской системы

II Национальный конкурс научных и инновационных работ по
теоретической и прикладной экономике для молодых ученыхэкономистов (до 35 лет)
Эффективность издержек,
макроэкономические процессы и их
воздействие на качество кредитных
портфелей российских банков
Михаил Мамонов,
ведущий эксперт Центра макроэкономического
анализа и краткосрочного прогнозирования
(ЦМАКП)
аспирант НИУ ВШЭ
7 ноября 2013
Мотивация и постановка задачи
1.
2.
3.
4.
5.
6.
Кризис 2008-2009 гг. выявил существенные дисбалансы в развитии российского банковского
сектора. До кризиса кредиты росли на 20-30% в реальном выражении, в среднем в 4 раза
превышая темпы роста экономики, а соотношение кредитов и депозитов выросло до 1.5 –
банки демонстрировали повышенные аппетиты к риску, уделяя больше внимания извлечению
прибыли «здесь-и-сейчас» (ROA выросло до 3.5%), чем адекватному риск-менеджменту.
Как следствие, доля «плохих» долгов (NPL) выросла с 2.5% на начало 2008 г. до 9.6% на
начало 2010 г., т.е. почти в 4 раза всего за 2 года. С тех пор, за 3.5 года к текущему моменту
доля NPL снизилась лишь до 6.3%. Рост был стремительным, сокращение оказалось долгим.
Настороженность регулятора и аналитиков вызывали:
– «отсутствие эффективного корпоративного управления и риск-менеджмента, высокие
концентрации риска…» (Банк России, 2010) и
– способность банков продолжать кредитовать экономику в условиях вялотекущего
рассасывания «плохих» долгов (ЦМАКП, 2010)
С нашей точки зрения, в условиях низких темпов роста экономики и, соответственно,
ограниченной платежеспособности экономических агентов процесс рассасывания «плохих»
долгов может затянуться во времени, а для некоторых (агрессивных) банков – даже перейти к
росту
В таких условиях возникает вопрос: в какой мере банки способны улучшать качество своих
кредитных портфелей посредством повышения собственной операционной эффективности?
Это требует эмпирического исследования на предмет взаимосвязи эффективности издержек
российских банков и качества их кредитных портфелей.
2
Обзор литературы
1. Berger, DeYoung (1997) – фундаментальная работа по оценке связей между эффективностью и
качеством кредитов банков. Авторы предложили следующие концепции таких связей:
– «плохой менеджмент»: низкая операционная эффективность менеджеров банков – сигнал об
общих недостатках корпоративного управления (моральный риск) – эти недостатки проявляются,
в т.ч., в неадекватных процедурах скрининга качества заемщиков – рост «плохих» долгов
– «скимпинг» (экономия на риск-менеджменте): в целях повышения эффективности в
краткосрочном периоде банки могут сократить затраты на скрининг заемщиков, что в будущем
может привести к росту «плохих» долгов (посредством неблагоприятного отбора заемщиков)
– «неудачное стечение обстоятельств»: ухудшение макроэкономических условий – сокращение
платежеспособности населения и нефинансовых предприятий по обслуживанию ранее взятых
кредитов – рост «плохих» долгов – рост издержек банков на скрининг новых заемщиков –
сокращение эффективности
2. Гипотеза «плохого менеджмента» подтвердилась для банковских систем:
– США в Berger, DeYoung (1997), Eisenbeis (1997),
– ЕС в Williams (2004), Fiordelisi et al. (2011), Salas, Saurina (2002), Louzis et al. (2011)
– России в Мамонов (2012) и Pestova, Mamonov (2013)
3. Гипотеза «скимпинга» подтвердилась в Berger, DeYoung (1997) – однако лишь на подвыборке
высокоэффективных банков США и в целом для банков ЕС в Altunbas et al. (2007)
4. В Quagliariello (2007) концепция «плохого менеджмента» не нашла подтверждения для банков
Италии.
5. Как видно, результаты работ весьма противоречивы. Это усиливает актуальность вопроса о том,
«как это все работает в России»?
3
Методология 1/5
1 Этап: Альтернативные оценки эффективности издержек российских банков
1.
Балансовые показатели:
– отношение операционных расходов к операционным доходам (operating cost-to-income, CIR)
(новшество в сравнении с существующими работами: сальдирование переоценки средств
банков в валюте)
2.
Эконометрические показатели (панельные регрессии) :
– SFA-индекс (подход стохастической границы эффективности, Stochastic Frontier Analysis)
– DFA-индекс (подход без спецификации распределения, Distribution Free Approach)
Индексы рассчитываются на основе оценок параметров эмпирической функции издержек
российских банков в транслогарифмической форме (Fernandez de Guevara, Maudos, 2007):
3
ln OCit = β 0 + ∑ β j ⋅ ln Y j ,it +
j =1
3
3
3
1 3 3
1 3 3
Y
Y
⋅
+
⋅
⋅
+
⋅
+
⋅
β
γ
P
P
P
ln
ln
ln
γ
ln
ln
δ su ⋅ ln Ys ,it ⋅ ln Pu ,it
∑∑ kl k ,it l ,it ∑
∑∑ rq r ,it q,it ∑∑
m
m ,it
2 k =1 j =1
2 r =1 q =1
s =1 u =1
m =1
3
3
j =1
m =1
+ α1 ⋅ TREND + α 2 ⋅ TREND 2 + + ∑ ϕ j ⋅ ln Y j ,it ⋅ TREND + ∑ψ m ⋅ ln Pp ,it ⋅ TREND + vit + uit
где для банка i в квартале t Y – выпуски банков (кредиты, депозиты и комиссионные услуги),
P – цены входящих факторов производства (привлеченных средств, труда и капитала)
u – компонента неэффективности издержек банков
SFAit = e −uˆit ∈ (0, 1)
DFAit =
uˆmin,t
∈ (0, 1]
1 + [uˆmin,t ; uˆit ]
4
Методология 2/5
2 Этап: Оценка причинно-следственной связи между эффективностью издержек и
качеством кредитных портфелей российских банков (панельные регрессии)
Тест Гранжера (Berger and DeYoung, 1997; Fiordelisi et al., 2011) – оценка двух уравнений:
4
4
k =1
k =1
ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t)
4
4
k =1
k =1
EFFi ,t = ∑ α k( 2 ) ⋅ ODLi ,t − k + ∑ β k( 2 ) ⋅ EFFi ,t − k + ε i(,2t )
где для банка i в квартале t ODL (Overdue loans ratio) – доля просроченных кредитов в совокупных
кредитах, EFF – один из 3-х альтернативных показателей эффективности (CIR, SFA или DFA).
Суть теста:
4
βˆ k(1) < 0 , то справедлива гипотеза «плохого менеджмента» (bad management);
– если ∑
k =1
4
(1)
– если ∑ βˆk > 0 , то релевантна концепция «экономии на риск-менеджменте» (skimping);
k =1
4
– если ∑ α k( 2) < 0 , то справедлива гипотеза «неудачного стечения обстоятельств (bad luck)»
k =1
Метод оценки: двухшаговый разностный ОММ (Two-step Difference GMM, Arellano, Bond, 1991)
5
Методология 3/5
2 Этап: Оценка причинно-следственной связи между эффективностью издержек и
качеством кредитных портфелей российских банков (панельные регрессии)
Способы идентификации банков, экономящих на риск-менеджменте («скимперов»):
Уравнение
4
4
k =1
k =1
ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t)
оценивается по всем банкам российской
банковской системы (полная выборка).
– Однако, вряд ли стоит ожидать, что все банки преследуют «скимпинг» (Berger, DeYoung, 1997)
– Поэтому нужны фильтры на полную выборку
Для разработки фильтров нужно выявить причины, по которым банк может преследовать «скимпинг»
– Berger, DeYoung (1997) – «скимпинг» преследуют банки с повышенной эффективностью
С нашей точки зрения, фильтра «завышенной эффективности» недостаточно.
– Прочие причины «скимпинга» могут состоять в:
(1) необходимости защиты собственных рыночных позиций от конкурентов. Это требует от
банка не отставать от рынка или даже опережать его
(2) нехватке собственного капитала банка для достижения своих стратегических целей
6
Методология 4/5
2 Этап: Оценка причинно-следственной связи между эффективностью издержек и
качеством кредитных портфелей российских банков (панельные регрессии)
Способы идентификации банков, экономящих на риск-менеджменте («скимперов»):
Соответственно, мы оцениваем уравнение
4
4
k =1
k =1
ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t) :
– на полной выборке банков
– на подвыборке банков с «завышенной эффективностью» (EFF > 50-го процентиля полной выборки)
– на подвыборке банков с «завышенной эффективностью» и с «завышенными годовыми темпами
кредитования» (темпы > 50-го процентиля полной выборки)
– на подвыборке подвыборке банков с «завышенной эффективностью» и с «дефицитом собственного
капитала» (отношение капитала к активам < 50-го или 25-го процентилей полной выборки)
7
Методология 5/5
3 Этап: Эмпирическое уравнение доли просроченных кредитов в совокупных
кредитах российских банков (панельный регрессионный анализ)
Уравнение:
N1
N2
j =1
l =1
ODLi ,t = α ⋅ ODLi ,t −1 + β ⋅ EFFi ,t −1 + ∑ ρ j ⋅ BSF j , it − q + ∑ ρ l ⋅ MACROl , t − k + ε i ,t
где для банка i в квартале t
ODL (Overdue loans ratio) – доля просроченных кредитов в совокупных кредитах,
EFF – один из 3-х альтернативных показателей эффективности (CIR, SFA или DFA),
BSF – прочие контрольные факторы, отражающие профиль бизнес-стратегии банка,
MACRO – прочие контрольные факторы, отражающие общие для всех банков макроэкономические
условия функционирования
Цель – определить, насколько устойчивы оценки β к изменению состава прочих контрольных
факторов на полной выборке банков и на отфильтрованных подвыборках банков.
Другими словами – насколько устойчивы наши выводы о «плохом менеджменте» или
«скимпинге» к неучтенным в модели факторам
Метод оценки: двухшаговый разностный ОММ (Two-step Difference GMM, Arellano, Bond, 1991)
8
Базы данных
1. Банк России:
данные для построения банковских переменных (BSF)
– оборотные ведомости по счетам бухгалтерского учета российских банков (формы 101);
– отчеты о прибылях и убытках российских банков (формы 102).
2. Росстат:
данные для построения макроэкономических переменных (MACRO)
Период наблюдений: 1 кв. 2004 г. – 3 кв. 2012 г. (35 кварталов)
Число банков:
– в исходной выборке: 705-1024 в зависимости от квартала
– в конечной выборке (после устранения выбросов по относительным показателям – данных ниже
1-го и выше 99-го процентилей): 650-997 в зависимости от квартала
9
50
100
0
80
70
60
50
34
10
0
75
25
до кризиса
97.74
90
91.82
динамика во времени
85.89
30
до кризиса
79.96
37 35
25
74.03
75
68.11
0
1.00
91.49
85.29
79.09
72.90
66.70
60.51
54.31
9
48.11
20
41.92
40
62.18
0
57
35.72
50
64
29.52
64
56.25
40
38
59
50.32
100
62
44.40
50
65
38.47
66
23.33
60
32.54
71
17.13
70
26.61
80
4.74
90
10.94
100
Число банков
динамика во времени
20.68
2. DFA-индексы:
Число банков
01.04.2005
01.07.2005
01.10.2005
01.01.2006
01.04.2006
01.07.2006
01.10.2006
01.01.2007
01.04.2007
01.07.2007
01.10.2007
01.01.2008
01.04.2008
01.07.2008
01.10.2008
01.01.2009
01.04.2009
01.07.2009
01.10.2009
01.01.2010
01.04.2010
01.07.2010
01.10.2010
01.01.2011
01.04.2011
01.07.2011
01.10.2011
01.01.2012
01.04.2012
01.07.2012
01.10.2012
Индекс эффективности (SFA-score)
1. SFA-индексы:
14.76
01.07.2005
01.10.2005
01.01.2006
01.04.2006
01.07.2006
01.10.2006
01.01.2007
01.04.2007
01.07.2007
01.10.2007
01.01.2008
01.04.2008
01.07.2008
01.10.2008
01.01.2009
01.04.2009
01.07.2009
01.10.2009
01.01.2010
01.04.2010
01.07.2010
01.10.2010
01.01.2011
01.04.2011
01.07.2011
01.10.2011
01.01.2012
01.04.2012
01.07.2012
01.10.2012
Индекс эффективности (DFA-score)
Результаты 1/5
1 Этап: Оценки эффективности издержек российских банков
гистограмма распределения
90
300
250
200
150
30
100
10
50
0
Индекс эффективности (SFA-score)
после кризиса
гистограмма распределения
100
300
250
200
150
29
100
20
50
0
Индекс эффективности (DFA-score)
после кризиса
Выводы: 1) SFA-индексы адекватнее DFA-индексов, 2) Наши оценки SFA-индекса для
медианного банка в выборке – 59-66% от границы за период 2005-2012 гг. Это на 10-20 проц. п.
ниже, чем результаты Belousova (2009) и Kumbhakar, Peresetsky (2013). Причина – в
сальдировании переоценки средств в валюте при расчете границы эффективности
10
Результаты 2/5
2 Этап: Тест Гранжера на причинно-следственную связь
оценки для полной выборки банков
Гипотеза «плохого
менеджмента»
подтвердилась,
а «скимпинга» – нет
Гипотеза «неудачного
стечения обстоятельств»
подтвердилась
***, ** и * – оценка коэффициента значима на 1%, 5% и 10% уровне. В скобках под коэффициентами указаны их
робастные стандартные ошибки.
11
Результаты 3/5
2 Этап: Тест Гранжера на причинно-следственную связь
оценки для подвыборок банков с фильтрами:
– «завышенной эффективности» (М4-М6)
– «завышенной эффективности» и с «дефицитом собственного капитала» (М7-М8)
– «завышенной эффективности» и с «завышенными годовыми темпами кредитования» (М9)
– «завышенной эффективности», но с «заниженными годовыми темпами кредитования» (М10)
1) «Скимпинг» существует
2) он наблюдается
в эффективных и при этом
быстро растущих
банках
***, ** и * – оценка коэффициента значима на 1%, 5% и 10% уровне. В скобках под
коэффициентами указаны их робастные стандартные ошибки.
12
Результаты 4/5
3 Этап: Эмпирическое уравнение доли просроченных кредитов в совокупных кредитах
российских банков (панельный регрессионный анализ)
Гипотеза «плохого
менеджмента»
подтверждается на полной
выборке банков
Гипотеза «скимпинга»
подтверждается на подвыборке
эффективных,
быстро растущих банков
13
Результаты 5/5
3 Этап: Банки «скимперы» и банки, подверженные эффекту «плохого менеджмента»:
соотношения долей просроченных кредитов в совокупных кредитах (ODL)
6
25
5
20
4
15
3
10
2
5
2012q3
2012q2
2012q1
2011q4
2011q3
2011q2
2011q1
2010q4
2010q3
2010q2
2010q1
2009q4
2009q3
2009q2
2009q1
2008q4
2008q3
2008q2
2008q1
2007q4
2007q3
2007q2
2007q1
2006q4
2006q3
2006q2
2006q1
2005q4
2005q3
2005q2
0
2005q1
1
0
Соотношение ODL банка "скимпера" с наихудшим качеством портфеля средти всех "скимперов" к ODL среднего банка,
подверженного эффекту "плохого менеджмента" (правая шкала)
ODL банков "скимперов" (медианное значение в подвыборке)
ODL банков, подверженных эффекту "плохого менеджмента" (медианное значение в полной выборке)
ODL банков "скимперов" (значение 75-го процентиля в подвыборке)
Выводы:
1) не менее 25% от общего числа банков «скимперов» (порядка 100 банков) подвержены более высокому кредитному риску, чем средний банк
в российской банковской системе,
2) на «скимперов» приходилось 1.6% рынка кредитов в начале 2010 г. и уже 16.4% – к концу 2012 г. Их масштаб растет и, следовательно, они
представляют собой потенциальную угрозу для устойчивости всей банковской системы. Если эти банки имеют к тому же существенное
вовлечение в рынок МБК, то их банкротство может спровоцировать ухудшение ситуации в прочих банков (вопрос для будущих исследований).
Рекомендации – внедрение норм диффернцированного пруденциального регулирования, направленных на сдерживание агрессивной
кредитной политики банков, преследующих «скимпинг»
1) повышенные требования по нормативу достаточности капитала Н1, 2) повышенные платежи в фонд страхования вкладов.
14
Выводы
1.
2.
3.
4.
5.
Наши расчеты свидетельствуют о том, что для российского банковского сектора в целом справедливы
концепции «плохого менеджмента» и «неудачного стечения обстоятельств». Первая означает, что банки в
принципе способны улучшать качество своих кредитов за счет наращивания собственной эффективности,
вторая – что такие улучшения могут быть в значительной степени нивелированы ухудшением
макроэкономических условий
Гипотеза «скимпинга» (экономии на риск-менеджменте) не нашла подтверждения для банковского сектора в
целом. Однако, анализируя возможные причины «скимпинга», мы идентифицировали группу российских
банков, для которой эта гипотеза не отвергается. Характерные черты этой группы – повышенная
эффективность издержек (возможно, искусственно завышенная) и повышенные (агрессивные) темпы
наращивания кредитных портфелей (для удержания достигнутых рыночных позиций или их дальнейшего
наращивания). Ключевой – негативный – момент в этом отношении состоит в положительной воздействии
(краткосрочной) эффективности на (долгосрочную) подверженность кредитному риску
При этом, не менее 25% от общего числа банков «скимперов» (порядка 100 банков) подвержены более
высокому кредитному риску, чем средний банк в российской банковской системе
Кроме того, на «скимперов» приходилось 1.6% рынка кредитов в начале 2010 г. и уже 16.4% – к концу 2012 г. Их
масштаб растет и, следовательно, они представляют собой потенциальную угрозу для устойчивости всей
банковской системы. Если эти банки имеют к тому же существенное вовлечение в рынок МБК, то их
банкротство может спровоцировать ухудшение ситуации в прочих банков (вопрос для будущих исследований).
Рекомендации – внедрение норм диффернцированного пруденциального регулирования, направленных на
сдерживание агрессивной кредитной политики банков, преследующих «скимпинг»:
– повышенные требования по нормативу достаточности капитала Н1,
– повышенные платежи в фонд страхования вкладов.
15
СПАСИБО
ЗА
ВНИМАНИЕ!
ЦМАКП
16