Дыры в капиталах российских банков и оценка потерь экономики

Конференция НИУ ВШЭ, Апрель 2016
Дыры в капиталах российских банков и оценка потерь
экономики в результате кредитного сжатия
Михаил Мамонов1
Мотивация. Эта эмпирическая работа направлена на выявление банков, предоставляющих недостоверные отчетности по своим балансовым характеристикам в ЦБ РФ, и
оценку потерь экономики, которые возникали в последние годы и будут возникать в ближайшем будущем в результате обнаружения монетарными властями дыр в капиталах таких банков. К основным потерям экономики в данном случае относятся, во-первых, появление внеплановых расходов федерального бюджета на поддержку капиталов или санацию проблемных банков (Солнцев, Пестова, Мамонов, 2011) и, во-вторых, недополученный населением и нефинансовыми предприятиями кредит (кредитное сжатие), что ведет к
замедлению или даже падению в совокупном выпуске (Cardarelli, Elekdag, Lall, 2011). Согласно одному из наиболее распространенных в литературе по банкам и финансам определению, эмпирически введенному в работе Demirguc-Kunt, Detragiache (2002), рост расходов государства на поддержку проблемных банков свыше порога в 2% ВВП ознаменует
собой наступление системного банковского кризиса, следствием которого становятся паника вкладчиков и кредитное сжатие в экономике. В условиях российской банковской системы кредитные организации обладают внушительным арсеналом методов фальсификации своих отчетностей перед ЦБ РФ, имеющих целью "приукрашивание" реального качества выданных ссуд для занижения объемов отчислений в резервы под потери по кредитам (Pestova, Mamonov, 2013) и выполнения таким образом обязательного норматива Н1
достаточности капитала (не менее 10% от риск-взвешенных активов согласно Инструкции
110-И Банка России). Анализ природы отзывов лицензий на осуществление банковской
деятельности, наблюдаемых в последние годы, показывает, что основной причиной таких
отзывов служит недостоверность отчетностей и неадекватность созданных резервов по
кредитам принятым банком на себя рискам. В результате отзыва лицензий у таких банков
и введения в них временной администрации для оценки реального состояния баланса активов и пассивов обычно выясняется (и официально публикуется в Вестнике Банка России), что банк в последние несколько месяцев перед отзывом лицензии функционировал с
отрицательным капиталом. Как показал предварительный анализ на выборке из 62-х кредитных организаций, у которых лицензии были отозваны в 2014-2015 гг., размеры дыры в
капитале превышали декларируемый банками размер капитала минимум в 1.1 раза, в
Центр макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП) Института
народнохозяйственного прогнозирования РАН; Национальный Исследовательский Университет «Высшая
Школа Экономики». Email: [email protected]
1
1
Конференция НИУ ВШЭ, Апрель 2016
среднем в 5 раз и максимум в 12 раз. Совокупный размер дыр в капитале таких банков составляет порядка 770 млрд. руб., т.е. может быть оценен на уровне 1.1% ВВП России на
конец 2014 года. При углублении кризисных процессов в российской экономике в ближайшем будущем число банков-фальсификаторов и масштабы дыр в капитале могут значительно возрасти. Для предотвращения подобного развития событий необходимо разработать инструмент для заблаговременной идентификации подобных банков с использованием обучающей выборки (training sample), сформированной на основе отмеченных выше
банков, лицензии которых были отозваны в последние годы. Кроме практической необходимости, инструментарий оценки величин дыр в капитале банков развивает эмпирическую литературу по банковским банкротствам (по банкам США — Kolari, Glennon, Shin,
Caputo, 2002; Jagtiani, Kolari, Lemieux, Shin, 2003; по странам Восточной Европы — Mannasso, Mayes, 2009; по российским банкам — Lanine and Vander Vennet, 2006, Claeys and
Schoors, 2007; Peresetsky, Karminsky, Golovan, 2011; Пересецкий, 2011; Fungacova, Weill,
2013; Карминский, Костров, 2013), являющуюся частью более общей литературы по системам раннего предупреждения о финансовых кризисах (EWS, Early Warning Systems;
Kaminsky, Lizondo, Reinhart, 1998; Lo Duca, Peltonen, 2011). Наконец, предлагаемый инструментарий оценки вероятности образования дыр в капитале может быть полезен для
последующих работ в любой области прикладного анализа банковской деятельности, поскольку он позволяет проводить фильтрацию анализируемой в каждом конкретном случае
выборки банков (исключать банки с высокими значениями вневыборочного прогноза величины дыр в капитале) и может обеспечивать, таким образом, большую уверенность в
получаемых эмпирических выводах.
Данные, методы и предварительные выводы. На основе данных, публикуемых в
«Вестнике Банка России», была сформирована выборка, содержащая фактические значения масштабов фальсификаций собственных средств в 62-х кредитных организациях, лицензии которых были отозваны в последние два года (treatment group). Далее, была построена выборка банков, для которых существует априорное доверие к раскрываемым ими
данным по размеру собственных средств в форме 101 (control group). В эту выборку вошли: 2 крупнейших банка с государственным участием в капитале — Сбербанк и ВТБ 24;
63 дочерних банка нерезидентов; 17 розничных банков резидентов, которые не скрывали
рост просроченных кредитов населению в периоды обострения проблемы «плохих долгов» в 2008-2009 и 2014-2015 гг.
На основе форм 101 и 102 отчетностей банков перед ЦБ РФ, для этой объединенной выборки, по каждому входящему в нее банку были собраны следующие показатели:
вложения банков в паевые инвестиционные фонды; оборачиваемости средств на корсче2
Конференция НИУ ВШЭ, Апрель 2016
тах в ЦБ РФ, оборачиваемости кредитов, депозитов, средств в зарубежных банках; эффективные процентные ставки по кредитам и по депозитам населения и компаний и др. Далее,
в рамках панельных tobit-регрессий, эти показатели тестировались на способность предсказать масштаб фальсификаций банками реального размера их собственных средств
накануне отзыва у них лицензий. Результаты представлены в Таблице.
Доля абсолютно ликвидных активов в совокупных активах, %
Низкие значения (<5%)
Высокие значения (>20%)
Доля вложений в ПИФы в совокупных активах, %
Отношение дебетовых оборотов по корсчетам к остатку на корсчетах
(раз) × Доля корсчетов в совокупных активах (%)
Отношение дебетовых оборотов по кассе к остатку в кассе, раз
Доля корпоративных кредитов в совокупных активах, %
Вложения в ценные бумаги нефинансовых предприятий, в т.ч.:
отношение дебетовых оборотов к портфелю этих бумаг, раз
I
II
III
–0.769**
(0.307)
0.020
(0.037)
0.248***
(0.063)
–0.007***
(0.002)
0.015*
(0.008)
0.111***
(0.015)
–0.667**
(0.296)
–0.054
(0.048)
0.204***
(0.044)
–0.004**
(0.002)
0.009**
(0.004)
0.034*
(0.017)
–0.502*
(0.281)
–0.041
(0.069)
0.171***
(0.042)
–0.003
(0.002)
0.011**
(0.005)
0.048**
(0.022)
0.022***
(0.002)
0.196***
(0.066)
0.014***
(0.004)
0.026***
(0.008)
0.079***
(0.024)
0.347***
(0.079)
0.025***
(0.003)
отношение дебетовых оборотов к портфелю этих бумаг (раз) × доля
0.168***
портфеля этих бумаг в совокупных активах (%)
(0.056)
Отношение дебетовых оборотов по корсчетам в зарубежных банках к
0.013***
остатку на них, раз, × 10000
(0.004)
Отношение дебетовых оборотов по просроченным кредитам нефинан0.019*
совым предприятиям к просроч. кредитам нефин. предприятиям, раз
(0.011)
Низкая прибыльность и низкие темпы пополнения капитала (цензури0.076***
рованная переменная)
(0.027)
Высокая доля частных вкладов в совокупных пассивах и высокая доля
0.257***
корпоративных кредитов в активах (цензур. переменная) × 100
(0.092)
Высокие значения эффективной процентной ставки по частным вкла0.595**
дам (цензурированная переменная)
(0.259)
Высокие значения эффективной процентной ставки по корпоративным
–0.007
кредитам (цензурированная переменная)
(0.004)
Число наблюдений (банков)
142
112
96
Квадрат корреляции факта и модели
0.310
0.510
0.542
Примечание: ***, ** и * — оценка коэффициента значима на 1%, 5% и 10% уровне соответственно. В скобках под оцененными коэффициентами представлены их робастные стандартные ошибки. Оценки осуществлены в пакете Stata с помощью метода максимального правдоподобия (MLE).
На основе итоговой модели III был осуществлен вневыборочный прогноз масштабов фальсификации данных о собственных средствах прочими банками, не попавшими в
выборку и продолжающими свою банковскую деятельность (out-of-sample). Результаты
расчетов показали, что из 698-ми банков, не включенных в выборку, у 250-ти кредитных
организаций возможно наличие фальсификаций на общую сумму 898 млрд. руб. Размер их
совокупного кредитного портфеля — порядка 4 трлн. руб. или 5.7% ВВП. Такова оценка
потерь экономики от кредитного сжатия в случае отзыва лицензий у этих банков.
Прошу включить предлагаемую работу в Секцию Финансовые институты и рынки.
3