Методология исследования. 
Анализ портфеля автокредитов российских банков

В ходе работы были изучены проведенные ранее эмпирические исследования на заданную тематику. Их можно условно разделить на два направления: статьи, используемые как основа для построения эконометрических моделей и являющиеся информативной базой для анализа автолизинга.

Начиная с первого направления, остановимся на работе Айвазяна А. «Оценка экономической эффективности мероприятий банка по рекламированию кредитных продуктов», основанную на инсайдерских данных одного из коммерческих банков. 1].

Ее целью было выявление влияния рекламного мероприятия, проведенного банком в периоде T, на объем приращения автокредитования в периоде T+1.

В связи с этим использовалась модель, показывающая зависимость между объемом выданных автокредитов в n-ом филиале определенного коммерческого банка в расчете на 1 городского жителя регионального центра, набором макро факторов (валовым региональным продуктом и напряженностью на рынке труда в i-ом регионе) и фиктивными переменными (показатель сезонности спроса на автокредиты, участия в выставке и проведения рекламной компании в СМИ). Такая спецификация получилась после анализа нескольких вариаций, при этом изначальный набор макро факторов был следующим:

• · среднемесячная начисленная заработная плата в i-ом регионе за месяц t;
• · уровень безработицы в i-ом регионе за месяц t (в %);
• · валовый региональный продукт на душу населения в i-ом регионе за месяц t;
• · напряженность на рынке труда в i-ом регионе за месяц t.

Данный набор независимых переменных будет весьма полезным для настоящего исследования. Из него можно выбрать те переменные, которые будут иметь наименьшую корреляцию между собой и, как следствие, обеспечат наилучшую спецификацию модели.

Что касается результатов рассмотренного исследования, то они не релевантны для данной работы, т.к. основной целью авторов было оценивание именно эффекта от рекламных мероприятий, в то время как мы анализируем влияние только макрои микрофакторов на количество выданных автокредитов.

Еще одно исследование, касающееся объема выданных кредитов, анализирует уже более широкую область: в нем рассматривается зависимость объема кредитного портфеля для юридических лиц от факторов бизнес-среды. [3] Выборка формировалась по 30 российским банкам, из которых 15 банков — с государственным участием, а у остальных владельцем являются частные лица. Здесь авторы делят независимые переменные на внутренние и внешние, то есть те, которые находятся под контролем банка и, соответственно, вне него. Нас будут больше интересовать внешние факторы, так как внутренние были выбраны исходя из специфики зависимой переменной — общего портфеля по юридическим лицам. В данной работе исследуется только портфель кредитов, выданных физическим лицам, поэтому микрофакторы будут отличаться. Что касается внешней среды, то тут авторы выбрали следующие параметры:

• · ставка по депозитам населения;
• · ставка по кредитам юридических лиц;
• · объем средств, инвестированных организациями (заемщиками) в свои основные средства;
• · оборот организаций в российской экономике;
• · уровень инфляции;
• · средняя ставка на рынке МБК.

Из вышеперечисленного в нашу модель можно было бы включить два параметра: уровень инфляции и ставку по автокредитам, по аналогии со ставкой по кредитам юридических лиц. Однако из анализа рынка видно, что предложений по автокредитованию много, и волатильность ставки очень высока: она может варьироваться даже в пределах одного банка. Вдобавок, во время макроэкономического шока диапазон ставок также сильно меняется, и в итоге, сложно учесть какое-либо усредненное значение ставки по рынку. Поэтому ставка процента не будет включена в дальнейшую модель.

С другой стороны, уровень инфляции вполне подойдет как одна из объясняющих переменных. Он способен отражать процессы, происходящие в экономике в целом, являясь в значительной мере следствием мер, принимаемых регуляторами на макроэкономическом уровне.

Однако, построив корреляционную матрицу, авторы увидели слабую связь зависимой переменной и внешних факторов и при дальнейшем регрессионном анализе отказались от их включения в модель. Тем не менее, это скорее нетривиальный результат: в зарубежных работах, исследующих кредитный портфель, наоборот, именно внешняя среда оказывает наибольшее влияние на объясняемую переменную.

Исследование просроченной задолженности подробно описывается в работе «Многомерное регрессионное моделирование и прогноз просроченной задолженности по кредитам». [5] На данных по пяти крупным российским банкам — Сбербанк России, ВТБ24, Газпромбанк, Альфа-Банк и Банк Москвы — в ней оценивается влияние различных макрофакторов на объемы просроченной задолженности по портфелям физических, юридических лиц, а также по кредитам банков. В правой части регрессии авторы берут такие показатели, как индекс промышленного производства, индекс потребительских цен, базовую инфляцию, общий уровень безработицы, реальные располагаемые денежные доходы, цены на нефть, а также официальный курс рубля к доллару США.

После проведения оценки регрессии по очереди убирались самые коррелированные регрессоры для поиска наилучшей спецификации. Т.к. регрессия оценивалась по данным из разных банков, то для каждого набор переменных оказался своим. Таким образом, например, для Сбербанка России автор указывает значимыми переменные индекса промышленного производства, валютного курса, реальных располагаемых доходов и уровня производства. Причем валютный курс и уровень безработицы положительно влияют на объем просроченной задолженности, в то время как оставшиеся регрессоры — отрицательно. Экономической интерпретации полученным результатам автор не дает, в оставшейся части исследования он концентрируется на прогнозировании просроченной задолженности на следующий период.

Также данной тематикой занимались зарубежные авторы, однако как зависимую переменную они брали уже размер кредитного риска, рассчитанный как отношение non-performing loans к совокупному кредитному портфелю банка.

Так, в работе Mileris (2012) [15] на данных по 22 странам Европейского союза оценивалось влияние макроэкономических факторов на кредитный риск совокупного кредитного портфеля, причем объясняющие переменные делились на 3 группы: факторы, относящиеся к общему макроэкономическому состоянию страны (уровень безработицы, инфляции); факторы, характеризующие направление движения экономики (темп роста ВВП) и факторы, описывающие существующие условия на рынке (ставки процента, доходность ценных бумаг).

Включение темпа роста ВВП объяснялось тем, что он отображает цикличные колебания в экономике и выступает как определяющий показатель эффективности работы банков. Mileris и другие авторы находят обратную зависимость между размером кредитного риска и темпом роста ВВП. Обобщая предыдущие эмпирические исследования авторы говорят о том, что особенно чувствительно к темпу роста ВВП качество потребительских кредитов, более того, автокредиты и кредиты на покупку бытовой техники показывают наибольший рост просроченной задолженности в периоды кризисов, то есть снижения темпов роста ВВП.

Такую же зависимость имеют уровень инфляции и ставка процента. Однако интересно отметить, что предыдущие исследования (Derbali, 2011) году выявило положительную зависимость между инфляцией и банковской прибыльностью. Ученый объясняет это тем, что высокий уровень инфляции обычно приводит к повышенным ставкам процента по кредитам, а следовательно, большей доходности. Но это верно только при условии, если банки ожидают рост инфляции и своевременно увеличивают ставку процента, иначе их расходы, связанные с тем же привлечением денежных средств, окажутся больше доходов. Еще одна информативная работа по влиянию макрофакторов на размер кредитного риска была написана Gitonga K. (2014) [13]. В ней автор рассматривает только кенийский банковский сектор, а в качестве объясняющих переменных выделяет темп роста ВВП, ставки процента по кредитам, обменный валютный курс и темп роста объема кредитования внутри страны. В результате все параметры оказались значимыми, при этом ставка процента влияла положительно на зависимую переменную, в то время как все остальные регрессоры — отрицательно. При этом авторы ожидали противоположные эффекты у уровня инфляции и темпа роста кредитования. Полученное влияние инфляции объясняется тем, что возможно, т.к. большинство заемщиков у банков — предприятия, то с ростом инфляции они просто повышают цены на свои услуги или продукцию, тем самым оставаясь платежеспособными по своим обязательствам. Как пример, авторы приводят транспортную компанию, которая увеличивает тарифы при росте уровня инфляции. Однако в данной работе заемщиками являются только физические лица, вследствие чего такое объяснение будет недействительным, если влияние инфляции окажется отрицательным.

Расхождение у темпа роста кредитования интерпретируется с точки зрения различных страновых эффектов. Ввиду того, что авторы сделали предположение о положительной зависимости данного регрессора и размера кредитного риска на основе предыдущих исследований, использовавших данные по другим странам, то вполне возможно, что ситуация на рынке кредитования в Кении совершенно иная, т.к. это развивающаяся страна.

Следующая работа Zsigraiova M (2014) [18] рассматривает как зависимую переменную не кредитный риск всего кредитного портфеля, а вероятность банкротства отдельного заемщика. Используя базу данных Чешского Центрального банка, автор оценивает логит и пробит модели, однако выбранные макроэкономические независимые переменные сильно перекликается с вышеописанными.

Так, автор изучает влияние инфляции, ставки процента, безработицы, фондового индекса и темпа роста ВВП. В итоге значимыми оказались темп роста ВВП и уровень безработицы. Уровень безработицы имеет положительную зависимость, а темп роста ВВП — отрицательную, что было замечено и в предыдущих работах. Рассмотрев исследования, послужившие основой для построения эконометрических моделей, следует перейти к статьям, изучающим выбор потребителя между автокредитованием и автолизингом для физических лиц. Фундаментальными трудами в этой группе являются работы Nunnally Jr и D. Anthony Plath (1989 и 1991) [16, 17], построившие исследование на высчитывании стоимостей кредита и лизинга для аналогичных автомобилей. Их целью было сравнение данных стоимостей и определение более дешевого варианта, тем самым показав, что выгоднее для потребителя. Важным моментом здесь является то, что нужно было сделать рассматриваемые стоимости эквивалентными, сравнимыми. Для этого в работе 1989 года авторы впервые вводят понятие эффективной ставки лизинга, которая служила еще одним инструментом оценки финансовой выгоды для потребителя при двух альтернативах. Данная ставка представляет собой ставку процента для единичного периода, которая позволяет трансформировать чистые денежные сбережения при выплате лизинговых платежей в остаточную стоимость автомобиля в конце срока лизинга.

Чтобы вычислить стоимости двух альтернатив, авторы собирали информацию от 3ех групп агентов на американском автомобильном рынке — банков, салонов-автодилеров и коммерческих лизинговых фирм. При этом они поделили исследуемую область на 25 крупных городских статистических центров. В итоге авторы выявили, что в целом по всему рынку нельзя однозначно сказать, какая альтернатива обойдется покупателю дешевле, в то время как в разных зонах получились свои результаты. Такие выводы, с одной стороны, противоречат многим предыдущим исследованиям, а с другой — сходятся с широким кругом литературы, описывающей причины падения или повышения стоимости лизинга по отношению к стоимости займа. Однако работа Brown S. (1997) [12] дает уже более конкретные результаты. В ней проводится анализ чувствительности уже представленной ранее эффективной ставки лизинга к следующему набору факторов: остаточная стоимость автомобиля, пробег, износ автомобиля, а также налоговый вычет на проценты по автокредиту. Выборка формировалась по рынку США из наборов предложений по лизингу и по автокредитам для двух моделей автомобилей — обычной и люксовой категорий. Результаты исследования оказались следующими:

• · С ростом остаточной стоимости авто лизинг становится менее дорогим, чем покупка в кредит, причем для люксовой категории данный эффект проявляется сильнее;
• · Для обеих категорий, чем выше пробег, тем лизинг становится относительно дороже. Это происходит потому, что во многих штатах США существует ограничение по пробегу для автомобилей, находящихся в лизинге, и соответственно, при превышении этого ограничения, платежи по лизингу возрастают. Эффект сильнее выражается для авто обычной категории.
• · С ростом износа автомобиля лизинг также становится дороже. Эффект оказывается сильнее для обычной категории авто.
• · При увеличении налогового вычета, очевидно, стоимость кредита уменьшается относительно лизинга. Здесь также превалирует эффект для обычной категории автомобилей.

Вдобавок к этому, автор выделяет еще ряд характеристик, по которым лизинг является более или менее предпочтительным для потребителя.

Таблица 1 Сравнение предпочтений индивидов.

В целом, данное исследование содержит много полезной информации для изучения лизинга и его сравнительных преимуществ, которые будут рассматриваться в последней главе настоящей работы.

Mannering F., Winston C. в своей статье 2001 года тоже описывает потребительский выбор между лизингом и автокредитованием, однако он использует nested-logit модель, строящуюся на данных по 654 американским домохозяйствам, которые приобрели 700 новых автомобилей в период 1993; 1995 годов. 14] Зависимая переменная — выбор между способом покупки авто: за наличные, в кредит, либо в лизинг. Объясняющие переменные авторы разделили на несколько категорий. В первую очередь, факторы, характеризующие сам автомобиль — марка, модель, год выпуска, размер, цена покупки, страховые издержки, остаточная стоимость, мощность, радиус поворота, наличие подушки безопасности; затем социоэкономические показатели — возраст потребителя, доход домохозяйства, место жительства (район); лояльность потребителя к той или иной марке машины. При этом остаточная стоимость определяется процентом предложенной производителем розничной цены, по которой ожидается продать автомобиль после трех лет использования. Ценой покупки была заменены совокупные издержки по лизингу, в том числе первоначальный взнос, месячные платежи, т.к. у авторов не было доступа к такой детальной информации. Такое преобразование возможно, т.к. цена покупки сильно коррелирована с размером лизинговых расходов, и такая корреляция почти для всех автомобилей одинакова.

В качестве основных результатов можно отметить следующие. Домохозяйства, более склонные к лизингу, в среднем, обладают более высокими доходами и более образованны, чем те, кто выбирает кредит. В то же время, потребители, предпочитающие автокредит, в среднем, старше тех, кто пользуется лизингом. Что касается параметров автомобиля, то выбор лизинга вероятнее для тех моделей, которые оснащены подушкой безопасности на пассажирском сидении, имеют более высокие значения мощности, остаточной стоимости, размера.

Исследование также обнаружило, что для потребителей, пользующихся лизингом характерна лояльность марке автомобиля. Другими словами, если однажды человек покупал машину определенного производителя, то велика вероятность, что потом он возьмет в лизинг транспортное средство этого же производства, причем такая вероятность особенно велика для европейских моделей. В то же время, потребители, выбирающие лизинг, больше всего предпочитают европейские и японские марки машин, что было выявлено на основе значимости введенных дополнительно дамми-переменных.