Структура индексов Херфиндаля-Хиршмана

• А) Cn1. Первый индекс включает в себя информацию о концентрации по типу заемщиков банка. Нами были выделены 6 направлений кредитования, в числе которых займы: физическим лица, юридическим лицам-резидентам, юридическим лицам-нерезидентам, государственным компаниям, на межбанковском рынке, а также индивидуальным предпринимателям. Раздел, соответствующий, непосредственно, источникам информации для этого индекса, найти можно далее в части, касающейся описанию собранных данных.
• Б) Cn2. Второй индекс содержит в себе информацию о том, сколько денежных средств предоставляется в качестве займа для 10 крупнейших отраслей экономики. Все они представляли собой показатели по некоторому стандартизированному списку крупнейших секторов промышленности, который может быть найден в подавляющем числе банковских отчётностей, а именно в пояснительной записке к ней. Детально с данным списком можно ознакомиться в (см. Приложении № 1). Для конструирования индекса в него было включено кредитование по таким направлениям, как: добыча полезных ископаемых; обрабатывающее производство, производство и распределение электроэнергии, газа и воды; сельское хозяйство, охота и лесное хозяйство; строительство; транспорт и связь; оптовая и розничная торговля, ремонт; операции с недвижимым имуществом, аренда и предоставление услуг; прочие виды кредитования. Первоначально в данный показатель планировалось включить и потребительское кредитование, как важную отрасль для банков, но ввиду высокой корреляции индекса в данном случае с Cn1, было решено исходить исключительно из данных для юридических лиц и наиболее востребованных отраслей промышленности, в которых они оперируют.

Таким образом, используя методы построения, описанные выше в данной главе, и были получены две объясняющие переменные для концентрации Cn₁, Cn₂.

Зависимы переменные.

Проанализировав общую теорию по выбранной теме, можно прийти к выводу, что качество кредитного портфеля стандартно характеризуется такими показателями, как риск и доходность. Конечно, чтобы переложить эти термины в рамки эконометрического исследования, необходимо подобрать подходящие объясняющие переменные. В нашем случае, мерой доходности было решено считать коэффициент рентабельности капитала (ROE), а степень риска измерялась сформированными резервами на возможные потери по ссудной задолженности (LLP). Действительно, в большинстве исследовательских работ, а также в базовых учебниках по теме можно увидеть, что чаще всего именно этими банковскими переменными и описывают выбранные термины.

Показатель LLP показывает то, как банк сам оценивает степень своей склонности к риску в соответствии с предписаниями регулятора. После внесения изменений в кредитный портфель по средствам, например, диверсификации ссуд, цикл управления, описанный в первой части обзора литературы (см. Глава 2, раздел 1), повторяется снова. По его результатам и определяется величина резервов. Следовательно, данный показатель может считаться хорошей объясняющей переменной для степени кредитного риска в портфеле. Также, из вышесказанного можно понять, почему в нашей модели (1) все объясняющие и контрольные переменные действуют на риск с лагом (из предыдущего периода), ведь резервы формируются на основе оценки результатов внесения изменений в портфель в предыдущий период управления.

Коэффициент рентабельности капитала же традиционно считается одной из основных мер доходности кредитного учреждения. Он демонстрирует степень эффективности, с которой был использован капитал акционеров банка и равен отношению чистой прибыли к размеру собственных средств. В силу упомянутой цикличности управления портфелем кредитов, все переменные также действуют на ROE с лагом.

Таким образом, предполагалось построение двух базовых моделей и выявления закономерностей на их основе. Третья модель также включает в себя степень доходности в качестве объясняющей переменной. Помимо контрольных переменных, она содержит переменные-произведения индексов Херфиндаля-Хиршмана на риск, а также на квадрат риска. Гипотеза, для которой разработана данная эконометрическая модель, а также причины ее выдвижения, находятся в соответствующем одноименном разделе (см. Глава 3, раздел Гипотезы).

Контрольные переменные.

Под обозначением Controls в (1), (2) и (3), как можно догадаться, скрывается вектор контрольных переменных, ведь странно было бы предполагать, что лишь диверсификация имеет сколь либо ощутимый эффект на качество кредитного портфеля. Для всех трех моделей набор показателей является практически схожим. Далее рассмотрим, что именно включено в каждую из регрессий, и каковы причины того, что упомянутые показатели задействованы.

Для набора контрольных переменных из модели (1) предполагается взять следующие показатели:

• 1) Pers. Данный показатель отражает качество мониторинга кредитного портфеля. В модель переменная включается под названием Pers и численно равна расходам на персонал из данных финансовой отчетности деленным на общее число активов.
• 2) Size. Размер банка в данном случае связывается со всем хорошо известной гипотезой «too big to fail». Предполагается, что банки большого размера в силу неверия в то, что регулятор даст им погибнуть в случае каких-либо трудностей (широкое участие в кредитовании клиентов, значительное участие на рынке МБК, хранение денежных средств клиентов в огромных объемах), склонны брать на себя высокий уровень риска. Отсюда вытекает большой объем резервов на возможные потери по ссудам в следующем периоде.
• 3) Величина собственных средств (Cap). Благодаря установленным регулятором нормативам, описанным выше, банк постоянно должен контролировать размер своего капитала для покрытия возможных рисков, в том числе и кредитных. Соответственно, существует связь между этими показателями, и кредитная организация с низким количеством собственных средств вряд ли будет заниматься чрезмерно ненадежной деятельностью.
• 4) Коэффициент рентабельности капитала (ROE). В данном случае подразумевается нахождение традиционного баланса между риском и доходностью. Считается, что чем выше один из них, тем больше другой, и, соответственно, наоборот.

Что касается модели (2), то здесь задействованы схожие переменные, хотя имеющие иную мотивацию для их включения. Итак, они представлены далее:

• 1) Количество рабочего персонала (Pers). Связь здесь предполагается следующая: чем больше сотрудников задействовано в управлении кредитным портфелем, тем больше расходы на их труд, тем меньше показатели доходности у банка.
• 2) Размер банка (Size). В действие в данном случае вступает теория отдачи от масштаба. Чем крупнее банк, тем больше операций он проводит. Соответственно, имея внушительные размеры, кредитное учреждение в теории может извлекать высокий уровень доходов из проводимых операций. Как и для большинства эконометрических исследований, данный показатель измеряется натуральным логарифмом активов банка.
• 3) Уровень капитала (Cap). Вычисляется данный показатель как отношение капитала определенного банка к его активам. Все исследователи, упомянутые в обзоре литературы, включали этот компонент в модель.
• 4) Величина резервов на возможные потери по ссудам (LLP). Причина включения в модель (2) этого показателя аналогична случаю с (1). Здесь нами была предпринята попытка оценить стандартную взаимосвязь между риском и доходностью.

Модель (3), как можно заметить, является своеобразной модификацией (2). Необходимость такого изменения вызвана желанием проверить наличие немонотонного по риску влияния концентрации на доходность. Предположения относительно такого характера отношений уже выдвигались в литературе (см. Глава 1, раздел 2). Что касается контрольных переменных, то набор их и мотивация включения аналогичны модели (2). Кроме них присутствует показатели, которые являются произведением различных индексов Херфиндаля-Хиршмана на уровень риска, а также на его квадратичную форму.

В случае всех моделей указанные выше переменные влияют на текущие показателя риска и доходности с лагом в один период. Это вызвано опять-таки продекларированной цикличностью в управлении кредитным портфелем.

Выдвижение гипотез.

Разобравшись с моделью и ее компонентами необходимо выдвинуть ряд основных гипотез, достоверность которых и была исследована. Опираясь на литературные источники и собственные размышления, можно выдвинуть несколько предположений относительно влияния диверсификации на риск и доходность. Всего, в ходе данной работы было проверено 4 гипотезы. Они описывают предполагаемые причины выявленного влияния диверсификации.

1) «Classical diversification hypothesis». («-"для риска, «+"для доходности):

Высокая степень диверсификация положительно влияете на доходность и снижает уровень риска. Применение этого метода позволит улучшить качество кредитного портфеля. Целесообразность выдвижения данного предположения диктует классическое мнение о степени диверсификации, ее эффекте. Применяется она, как для модели (1), так и (2). Естественно, для меры концентрации, которая задействована в конечных моделях, знаки противоположны (как и во всех следующих далее гипотезах).

2) «Quiet life hypothesis» («-"для доходности):

Банки тратят слишком много средств на оптимизацию кредитного портфеля и повышение уровня его диверсификации, чтобы снизить будущие издержки. Так много, что это ведет к уменьшению прибыли. Данная гипотеза разработана для модели (2).

3) «Lack of expertise hypothesis» («+"для риска):

Желание диверсифицировать портфель кредитов приводит к выходу на новые рынки (заемщиков), с которыми опыт работы отсутствует. Риск растет. Данная гипотеза разработана для модели (1).

4) Гипотеза о немонотонном влиянии.

Согласно предположениям впервые выдвинутым (Winton, 1999), концентрация наилучшим образом влияет на величину доходности при очень большом и маленьком степенях риска. Соответственно, между показателями существует U-образная (параболическая) форма отношений. Это действительно так, когда в уравнении.

(4).

где Risk-уровень риска; Cn-уровень концентрации различных видов; Returns — степень доходности.

Итоги по выработанной методологии.

Для обобщения вышесказанного разработана Таблица 1, в которой в наглядной форме представлена вся основная информация относительно тех или иных описанных выше переменных, ожидаемые эффекты, способы подсчета. Вопросительным знаком отмечено влияние, которое еще только предстоит определить исходя из подтверждения или опровержения основных гипотез.