Методы макроэкономического стресс-тестирования банковской системы

1. Методы макроэкономического стресс-тестирования банковской системы Пестова Анна ЭкспертЦентра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП)

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

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

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

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

9. Доля необслуживаемых кредитов и просроченной задолженности в общем объеме кредитов российских банков, %

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. Примеры индикаторов финансовой устойчивости

12. Отличия между стресс-тестированием,прогнозированием и моделями раннего оповещения

13. Стресс-тестирование - • портфелей инструментов, • финансовых институтов • финансовой системы в целом 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?».

14. Функция плотности потерь от реализации кредитных рисков

15. Сдвиг функции плотности потерь в результате системного кризиса

16. Обзор существующих работ по макроэкономическому стресс-тестированию (в скобках – зависимая переменная)

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

18. Тестирование наличия обратных связей на российских данныхc 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. Тесты на стационарность временных рядов

20. Функция отклика VAR-модели Выбор порядка VAR

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 cо 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. Описание переменных и дескриптивные статистики

23. Эмпирические результаты оценивания модели зависимости доли плохих долгов (NPL) от факторов на панельных данных

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

25. ↑ доля необслуживаемых кредитов ↑ резервы под возможные потери и обесценение (часть издержек) списания безнадежных ссуд с балансов ↓ Собственный капитал ↓ Прибыль если прибыль < 0 ↓ Собственный капитал Влияние проблемы плохих долгов на капитал банков • Исходя из расчетов, потребность в дополнительной капитализации на 2010 г. составляет 126 млрд. руб. • За 2008-2009 гг. в капитал уже было привлечено порядка 1,1 трлн. руб. через выдачу банкам субординированных кредитов и дополнительную эмиссию акций госбанков в пользу государства

26. Микроэкономические факторы роста необслуживаемых кредитов: проблема морального риска , оценивается для каждого i-го банка модель следующего вида (по аналогии с бета-коэффициентом на рынке акций): Результаты оценивания модели по 10 крупнейшим банкам Временные ряды, помесячно, за 2004–2008 гг. по 50 крупнейшим банкам РФ. Данные Банка России (101 балансовые формы кредитных организаций).

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. 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. 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!