Методы макроэкономического стресс - тестирования банковской системы Пестова Анна Эксперт Центра макроэкономического анализа и краткосрочного прогнозирования. - презентация

1 Методы макроэкономического стресс - тестирования банковской системы Пестова Анна Эксперт Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП) Москва 2010

2 2 Цели и задачи Целью настоящего исследования является проведение стресс - тестирования банковской системы России. Для достижения цели реализуются следующие задачи : анализ структуры финансовой системы и выявление наиболее значимых финансовых институтов для России ; анализ основных видов рисков банков как ключевых посредников в финансовой системе Росси и вычленение наиболее опасных из них ; определение места стресс - тестирования в общем наборе инструментов повышения финансовой устойчивости ; обзор основных подходов к стресс - тестированию кредитных рисков как наиболее значимых среди всех других видов рисков ; эмпирический анализ проблемы плохих долгов в России и в других странах мира ; оценка устойчивости банковского сектора к кризису плохих долгов с помощью эконометрического моделирования доли необслуживаемых ссуд и построение прогноза этой доли.

3 3 Асимметрия информации на финансовых рынках неблагоприятный отбор моральный риск Банки в наибольшей степени приспособлены к тому, чтобы решать проблемы неблагоприятного отбора и морального риска

4 4 Структура долгового рынка корпоративного сектора России на начало 2010 г.

5 5 Виды рисков банковской системы рыночный риск риск снижения стоимости активов, в том числе ; фондовый риск (equity price risk) риск снижения цены акций ; валютный риск ( foreign exchange risk) риск изменения курсов валют ; процентный риск (interest rate risk) риск изменения процентных ставок ; товарный риск (commodity price risk) риск изменения цен товаров ; риск ликвидности – риск, возникающий при появлении затруднений с продажей актива, и риск невозможности доступа к средствам для своевременного погашения обязательств. кредитный риск – риск дефолта контрагента по своим обязательствам ;

6 6 Структура активов российских банков на конец февраля 2010 г., %

7 7 Валютная позиция ( по балансовым операциям ) банковской системы России ( млрд. долл.)

8 8 Средневзвешенные процентные ставки по кредитам и депозитам в России, %

9 9 Доля необслуживаемых кредитов и просроченной задолженности в общем объеме кредитов российских банков, % Показатель просроченной задолженности не включает в себя всей суммы необслуживаемого кредита. Он отражает только непогашенные «транши» кредита. Показатель доли необслуживаемых кредитов (NPL – non –performing loans), отражает всю величину кредита, по которому имеется длительная задержка платежа (более 90 дней). В качестве доли необслуживаемых кредитов для России берет несколько другой показатель – доля проблемных и безнадежных ссуд. (IV и V категории качества)

10 10 Количественные методы анализа устойчивости финансовой системы индикаторы финансовой устойчивости (financial soundness indicators); модели раннего оповещения ( early warning indicators – опережающие индикаторы кризисов ); стресс-тестирование ; прогнозирование динамики финансового сектора.

11 11 Примеры индикаторов финансовой устойчивости Достаточность капитала Отношение капитала к активам, взвешенным по степени риска Качество активовОтношение необслуживаемых ссуд к общему объему кредитного портфеля Отраслевое распределение кредитного портфеля Географическое распределение кредитного портфеля Доходы и прибыльОтношение прибыли к активам Отношение процентной маржи к общим доходам Спрэд между ставкой по кредитам и ставкой по депозитам ЛиквидностьОтношение ликвидных активов к общим активам Среднедневной оборот на рынках ценных бумаг Чувствительност ь к рыночному риску Отношение чистой открытой валютной позиции к капиталу Отношение обязательств, номинированных в иностранной валюте, к общему объему обязательств

12 12 Отличия между стресс - тестированием, прогнозированием и моделями раннего оповещения Макроэкономическое прогнозирование Модели раннего оповещения (опережающие индикаторы) Макроэкономический стресс- тест

13 13 Стресс - тестирование - это способ оценки уязвимости к исключительным, но возможным шокам Цель стресс - тестирования – выявить основные виды рисков, оценить возможные потери в случае их реализации и соотнести величину этих потерь с имеющимся запасом капитала. Стресс - тест не отвечает на вопрос : « какова вероятность потерь ?», он отвечает на вопрос « каков объем возможных потерь ?». портфелей инструментов, финансовых институтов финансовой системы в целом

14 14 Функция плотности потерь от реализации кредитных рисков

15 15 Сдвиг функции плотности потерь в результате системного кризиса

16 16 Обзор существующих работ по макроэкономическому стресс - тестированию ( в скобках – зависимая переменная ) Эконометрические методы Подходы Анализ временных рядовАнализ панельных данных Частичный подход «сверху-вниз» уровень банковской системы в целом Hoggarth, Sorensen, Zicchino (2005) (отношение списаний к кредитному портфелю) Pesola (2005) (отношение потерь по кредитам к кредитному портфелю) Boudriga, Boulila, Jellouli (2009) (доля необслуживаемых кредитов в кредитном портфеле) «снизу-вверх» уровень отдельных банков может применяться для целей внутреннего стресс- тестирования отдельных банков Jimenez, Saurina (2005) (доля необслуживаемых кредитов в кредитном портфеле) Hadad. Santoso (2006) (отношение потерь по кредитам и доли необслуживаемых кредитов к кредитному портфелю) Głogowski (2008) (доля резервов под возможные потери к кредитному портфелю) Интегрированный подх од «сверху-вниз» Boss (2002) (агрегированная вероятность дефолта) «снизу-вверх» может применяться для целей внутреннего стресс- тестирования отдельных банков Virolainen (2004) (вероятность дефолта в i-й отрасли) Jimenez, Saurina (2005) (вероятность дефолта по i-му кредиту) Carling, Jacobsen, Linde, Roszbach (2003) (вероятность дефолта i-й фирмы)

17 17 Действие обратных связей от банковской системы к макроэкономическим показателям Макроэкономический шок ( цен на активы) отношения долга к накопленному богатству и к текущему финансовому результату пересмотр потребительских и инвестиционных решений экономической активности снижение способности заемщиков выплачивать кредиты в срок ужесточение условий кредитования, рост процентных ставок дефолты по ссудам давление на капитал банков кредитного портфеля для того, чтобы соответствовать нормативу достаточности капитала Стресс- тестирование (без учета обратных связей) СО СТОРОНЫ СПРОСА НА КРЕДИТ Обратные связи «порочный круг» СО СТОРОНЫ ПРЕДЛОЖЕНИЯ КРЕДИТА

18 18 Тестирование наличия обратных связей на российских данных c помощью VAR-модели Список используемых переменных – Z : NPL – доля проблемных и безнадежных ссуд в кредитном портфеле российских банков, на конец квартала ; REER_2000=100 – индекс реального эффективного курса рубля, 2000 г.= 100; INTEREST_RATE_REAL – реальная процентная ставка по кредитам, на конец квартала ; T_CREDIT_REAL_Y – темп прироста кредитного портфеля в реальном выражении, за год или, что то же самое, квартал к кварталу предыдущего года ; T_GDP_Y – темп прироста реального ВВП в годовом выражении ( квартал к кварталу предыдущего года ); INFLATION_Y – темп инфляции в годовом выражении ( квартал к кварталу предыдущего года ). Временные ряды по России, поквартально с 1998 по 2009 гг. Данные Банка России, Росстата.

19 19 Тесты на стационарность временных рядов Расширенный тест Дики - Фулера (ADF- тест ) KPSS-тест Порядок интегрируе - мости Критичес - кий уровень Число значимых лагов Порядок интегрируе - мости Критичес - кий уровень NPL I(0) 10%1 I(0) 1% REER_2000=100 I(1)5% 1 I(0) 10% INTEREST_RATE_REAL I(0) 1%2 I(0) 10% T_CREDIT_REAL_Y I(0)10%1I(0)1%1% T_GDP_Y I(0)5% 1 I(0) 10% INFLATION_Y I(0)5%1I(0)1%

20 20 Функция отклика VAR- модели Значение критериев Число лагов 1234 Akaike Information Criteria Schwarz Criteria Выбор порядка VAR

21 21 Эконометрический анализ на панельных данных регрессия по объединенным данным и ее модификации : регрессия по объединенным данным (pooled), с индивидуальными фиктивными переменными регрессия по объединенным данным c о стандартными ошибками, учитывающими панельную структуру данных (PCSE - Panel-Corrected Standard Error) модель с фиксированными эффектами модель со случайными эффектами динамическая модель на панельных данных, обобщенный метод моментов Панельные данные за 1997–2008 гг. по 35 странам. Данные МВФ (International Financial Statistics – IFS и Global Financial Stability Report – GFSR)

22 22 Описание переменных и дескриптивные статистики ПеременныеОписаниеЧисл. набл. СреднееМинМакс NPLДоля нефункционирующих ссуд в общем объеме ссуд банковской системы NPL_averageБескризисное среднее NPL Negative_real_ gdp_growth Отрицательные темпы прироста реального ВВП ROA_ instability Волатильность отношения прибыли к активам банковской системы. Квадрат отклонения ROA от среднего Inflation_ slowdown Торможение инфляции CrisisФиктивная переменная наличия кризиса

23 23 Эмпирические результаты оценивания модели зависимости доли плохих долгов (NPL) от факторов на панельных данных Переменная Объединенная модель (pooled) Модель с фиксированными эффектами Модель со случайными эффектами Коэффициентt-statКоэффициентt-statКоэффициентz-stat Constant–0,0007–0,17 0,0653 *** 23,45–0,0015–0,36 NPL_average1,0177 ****** 19,61––1,0228 *** 20,10 Negative_real_ gdp_growth (–1) –0,0059 ****** –3,77-0,0059 *** –3,59–0,0052 *** –3,40 ROA_ instability 0,0003 *** 5,710,0003 *** 5,670,0003 *** 5,83 Inflation_ slowdown (–1) –0,0002 *** –4,95–0,0001 *** –2,62–0,0001 *** –2,79 Crisis0,0991 ****** 12,710,0986 *** 11,390,1017 *** 13,43 0,71780,75090,7279 F-тест (число степеней свободы), P-valueF (34, 300) = 0,82 Prob > F = 0,7584 LM-тест (число степеней свободы), P-valueχ 2 (1) = 0,30 Prob > χ 2 = 0,5837 Число наблюдений (число групп наблюдений)339 (35)

24 24 Модельные ( рассчитанные на основе эконометрической модели ) и фактические значения доли « плохих долгов » (non- performing loans, NPL) на пике кризиса, %

25 25 Влияние проблемы плохих долгов на капитал банков Исходя из расчетов, потребность в дополнительной капитализации на 2010 г. составляет 126 млрд. руб. За гг. в капитал уже было привлечено порядка 1,1 трлн. руб. через выдачу банкам субординированных кредитов и дополнительную эмиссию акций госбанков в пользу государства доля необслуживаемых кредитов резервы под возможные потери и обесценение (часть издержек) Прибыль Собственный капитал если прибыль < 0 списания безнадежных ссуд с балансов Собственный капитал

26 26 Микроэкономические факторы роста необслуживаемых кредитов : проблема морального риска РегННазвание бета в уров- нях Значимая константа (α) R2R2 Inverted AR Roots бета в первых разностях R2R2 Потребность в допкапитализации на основе [6] 11481СБЕРБАНК РОССИИ ВТБ ГАЗПРОМБАНК РОССЕЛЬХОЗБАНК БАНК МОСКВЫ ВТБ ЮНИКРЕДИТ БАНК АЛЬФА-БАНК РОСБАНК да 10323МДМ БАНК Результаты оценивания модели по 10 крупнейшим банкам оценивается для каждого i-го банка модель следующего вида (по аналогии с бета- коэффициентом на рынке акций):, Временные ряды, помесячно, за 2004–2008 гг. по 50 крупнейшим банкам РФ. Данные Банка России (101 балансовые формы кредитных организаций).

27 27 Основные результаты и выводы, полученные в работе Проведен анализ структуры финансовой системы и выявлены наиболее значимые финансовые посредники для России и других развивающихся стран – банки ; Выявлены основные виды рисков и обоснован выбор наиболее значимого вида рисков для банковской системы России – кредитного ; Сделан обзор основных методов анализа устойчивости финансовой системы и обозначено место стресс - тестирования среди этих методов ; Проведен обзор литературы по данной тематике, в ходе которого выявлены основные методы, этапы и подходы к стресс - тестированию, а также основные факторы доли плохих кредитов ; Выделены четыре критерия типологизации работ. На основе трех критериев была построена классификационная таблица изученных работ, которая позволила систематизировать исследования в данной области

28 28 Основные результаты и выводы, полученные в работе На основе модификации спецификаций, принятых в мировой практике, были оценены модели зависимости доли проблемных и безнадежных ссуд по России на основе временных рядов и на панельных данных. Оценивание VAR- модели на основе временных рядов указывает на наличие обратных связей от банковской системы к макроэкономическим показателям. Результаты оценки на панельных данных указывают на зависимость доли необслуживаемых кредитов от отрицательных темпов экономического роста, дезинфляции, отклонения прибыльности активов от многолетнего среднего. При этом доля объясненной дисперсии зависимой переменной была не ниже 70%. Проведенные расчеты по модели, оцененной на панельных данных, позволили построить прогноз доли проблемной задолженности в России и оценить устойчивость банковской системы к ожидаемому росту необслуживаемых кредитов в среднесрочной перспективе.

29 29 Научная новизна работы Впервые стресс - тестирование банковской системы с применением эконометрических методов было осуществлено для России. При этом полученные результаты свидетельствуют об устойчивости банков к ожидаемому росту проблемной задолженности ; Впервые для исследования микроэкономических факторов роста кредитных рисков была адаптирована методология расчета бета - коэффициентов на рынке ценных бумаг. С помощью нее были выявлены банки, рост просроченной задолженности у которых объясняется в большей степени микроэкономическими причинами. new

30 Спасибо за внимание !