64
Таблица 11
Значения факторов эконометрической модели, 2011-2019 гг.
Процентный
доход
Кредитный риск
Процентный
риск
Фондовый
риск
2011
42055220
1116738380
859973
2590224
2012
46630473
1152712746
2914152
6797839
2013
53429185
1169664375
1683538
6763395
2014
68934744
1909824099
3534311
12655908
2015
89210067
1679157501
7001752
4293618
2016
86957361
1459949171
3866715
462729
2017
76855769
1442484335
4373930
746956
2018
82474649
2161126905
4296283
882424
2019
84839462
2443501574
5733867
674525
Источник: [составлено и рассчитано авторами по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
В основе модели лежит величина процентных доходов, которые и
обозначим величиной Y. За факторы принимаются: X
1
-кредитный риск (тыс
руб.), X
2
-процентный риск, X
3
– валютный риск, выраженные в денежном
эквивалента
Для нахождения параметров линейного уравнения множественной
регрессии необходимо воспользоваться следующими формулами:
(19)
(20)
(21)
65
Таблица 15
Расчетные значения коэффициентов регрессии
Коэффициенты
Y-пересечение
35081711,34
Кредитный риск
0,008661556
Процентный риск
6,476061042
Валютный риск
-0,896203984
Источник: [составлено и рассчитано автором по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
После нахождения коэффициентов регрессии, уравнение выглядит
следующим образом:
Коэффициент при факторе X
1
показывает, что при его увеличении на 1
млрд руб., величина процентных доходов банка увеличится свыше чем на 8
млн. руб. при нулевом значении фактора процентного и валютного риска.
Таблица 16
Проверка значимости коэффициентов уравнения регрессии
Источник: [составлено и рассчитано автором по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
Значимость коэффициентов при факторах проверяется на основе
распределения Стьюдента. Для этого задаются гипотезы H
0
и H
1
. При этом
должно соблюдаться условие о том, что модуль t
stat
не должен быть меньше t
crit
,
в противном случае коэффициент будет незначим, а полученное значение
сформировалось под действием других факторов. Из табличных данных видно,
что значимым оказался коэффициент при факторе X
2
, так как |t
stat
|>t
crit
(10%;9).
Свободный коэффициент и коэффициенты при факторах X
1
и X
3
оказались
незначимыми на всех уровнях.
Коэффициенты Стандартная ошибка t-статистика P-Значение
Y-пересечение 35081711,34 13553914,85 2,588308377 0,048936996
Кредитный риск 0,008661556 0,009843704 0,8799083 0,419184193
Процентный риск 6,476061042 2,510328665 2,5797662 0,049446119
Валютный риск -0,896203984 0,876634816 -1,022323057 0,35351881
66
Для определения функциональной связи в экономико-математическом
моделировании используется понятия корреляция. Значение данного
показателя равное «+1» характеризует функционально прямую взаимосвязь
между факторами, «-1»-сильную обратную связь. При значении равным «0»-
можно судить об отсутствии взаимосвязи.
Таблица 17
Корреляционный анализ факторов уравнения регрессии
Процентный
доход
Кредитный
риск
Процентный
риск
Валютный
риск
Процентный
доход
1
Кредитный риск
0,697431465
1
Процентный риск
0,866126512
0,658611772
1
Валютный риск
-0,40659951
-0,166373405
-0,250406732
1
Источник: [составлено и рассчитано автором по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
Исходя из данных таблицы видно, что процентный риск имеет сильную
связь с результатом, также между факторами не наблюдается сильная связь, что
говорит об отсутствии мультиколлениарности.
Для оценки доли вариации результата за счет представленных в
уравнении факторов в общей вариации результата, находится
нескорректированный коэффициент детерминации
. Эта доля составляет
90,38% и указывает на высокую степень обусловленности вариации результата
вариацией факторов.
При построении любой модели важно оценить надежность уравнения в
целом. Данный процесс описывается распределением Фишера.
(22)
В нашем случае фактическое распределение F-критерия Фишера равно:
Сравнивая данное значение с критическим (0,0272), можно судить об
отсутствии случайности получения данного значения критерия Фишера. Оно
67
сформировалось под влиянием существенных факторов, что подтверждает
статистическую значимость уравнения в целом, а также показателя тесноты
связи.
При построении модели, следует оценить целесообразность включения в
уравнение множественной регрессии того или иного фактора. Данное
утверждение проверяется на основе нахождения частных критериев Фишера.
После осуществления предварительных расчетов получили, что F
частн
,x
2
=2,41,
F
частн
,x
1
=0,49, F
частн
,x
3
=4,75. Сравнивая данные показатели с табличным
значением (0,0272) видно, что подтверждается целесообразность включения в
уравнение факторов кредитного, процентного и валютного риска.
Выявив целесообразность включения факторов, а также значимости
уравнения в целом для нахождения прогнозного значения процентного дохода,
воспользуемся уравнением множественной линейной регрессии.
Точечный прогноз значения результирующего признака делается на
основании прогнозных значений факторов, влияющих на данный показатель. В
результате чего значение фактора X, в линейной модели регрессии, заменяется
на его прогнозное значение X
прогноз
за определённый период.
Прежде чем спрогнозировать объем процентных доходов Банка на 2020
год, необходимо определить прогнозное значение имеющихся факторов X –
кредитный риск, процентный риск, валютный риск.
Для того чтобы получить количественную модель, выражающую
основную тенденцию изменения уровней динамического ряда во времени
используют аналитическое выравнивание ряда динамики. Основным
содержанием этой методики является то, что общая тенденция развития
рассчитывается как функция времени.
????????
Рассчет параметров функции производится методом обычных квадратов,
в которых в качестве решения применяется точка минимальной суммы
квадратов отклонений между теоретическими и эмпирическими уровнями.
68
????
????
Произведя необходимые расчеты, получили прогнозное значение
факторов процентного дохода на 2020-2021 гг.
Таблица 12
Прогнозное значение факторов процентного риска на 2020-2021 гг.
Источник: [составлено и рассчитано авторами по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
Из табличных данных видно, что показатель увеличивается в течение
всего рассматриваемого периода времени, что может говорить об увеличении
объема процентных доходов, так как на 90,38% изменение Y (процентные
доходы) объясняется изменением факторов X.
В результате, после подстановки в уравнение Y
Y^=a+b1*X
прогн
+b2*X
прогн
+b3*X
прогн
прогнозных значений риска,
соответствующих 2020 году, величина процентного дохода составила
95786526,7 тыс руб.
Однако для определения достоверности получения прогноза необходимо
определить стандартную ошибку прогноза (основанного на факторе кредитного
риска, как наиболее коррелирующего с результирующим показателем)
????
????
????
????
. (23)
Для ее нахождения необходимо воспользоваться следующими
формулами:
(24)
Кредитный риск Процентный риск Валютный риск t
t
2
yt1 yt2 yt3 y1^ y2^ y3^
2011 1116738380 859973 2590224 -4 16 -4466953519 -3439892 -10360896 1053146993 1850158,5 7294297,4
2012 1152712746 2914152 6797839 -3 9 -3458138238 -8742456 -20393517 1193614664 2339411,2 6467045,8
2013 1169664375 1683538 6763395 -2 4 -2339328750 -3367076 -13526790 1334082335 2828663,8 5639794,2
2014 1909824099 3534311 12655908 -1 1 -1909824099 -3534311 -12655908 1474550005 3317916,4 4812542,5
2015 1679157501 7001752 4293618 0 0 0 0 0 1615017676 3807169 3985290,9
2016 1459949171 3866715 462729 1 1 1459949171 3866715 462729 1755485347 4296421,6 3158039,3
2017 1442484335 4373930 746956 2 4 2884968670 8747860 1493912 1895953018 4785674,2 2330787,6
2018 2161126905 4296283 882424 3 9 6483380715 12888849 2647272 2036420688 5274926,9 1503536
2019 2443501574 5733867 674525 4 16 9774006296 22935468 2698100 2176888359 5764179,5 676284,36
2020* 5 25 2317356030 6253432,1 -150967,3
2021* 6 36 2457823701 6742684,7 -978218,9
Итого 14535159086 34264521 35867618 60 8428060246 29355157 -49635098
69
Где
, RSS – сумма квадратов
остатков, df – число степеней свободы.
????
????
– отклонение прогнозного значения фактора от среднего
значения показателей фактора в выборочной совокупности.
????
????
– дисперсия.
После произведённых расчетов получили следующие данные:
Показатели
/Год
2021*
2020*
Se=
9783525,655
9783525,655
Число
наблюдений(n)
9
9
(X1*-X1 ср)^2
8617252424946,49
5984203072879,51
28549225726356,00
28549225726356,00
с.о(Employ^*)
11629437,50
11243485,07
Ошибка прогноза составляет 11243485,07 ед. и будет увеличиваться по
мере того насколько прогнозное значение фактора отдаляется от среднего
значения фактора по выборочной совокупности.
Для определения значений, в пределах которых может колебаться
значение Y – процентные доходы АО «ЮниКредит Банк», необходимо
построить доверительный интервал.
При нахождении границ доверительного интервала предварительно
необходимо определить средние квадратические отклонения истинных
значений от расчетных
????
????
????
????
Интервальный прогноз на % уровне определяется по следующим
формулам:
Y^*-с.о.(Y^*)*t
crit
(;df)<Y> Y^*+с.о.(Y^*)*t
crit
(;df) ,
где с.о.(Y^*) – стандартная ошибка уравнения прогноза, – уровень
значимости, соответствующий уровню доверия (обычно 95%), df – число
степеней свободы остатка, t
crit
– распределение Стьюдента.
Рассчитав все вышеперечисленные показатели, построим таблицу
соответствующих данных.
70
Исходя из данных таблицы, для более наглядного отображения
результата построим график зависимости величины процентного дохода Банка
от размера процентного риска, включив границы доверительных интервалов.
Рисунок 30. Доверительные интервалы прогноза
Источник: [составлено и рассчитано авторами по данным
информационного портала официального сайта АО «ЮниКредит Банк»].
На рисунке видно, что величина процентных доходов Банка находилась в
пределах нижней и верхней границы в течение всего рассматриваемого периода
времени. Данное обстоятельство подтверждает как эффективность проводимой
политики Банка на рынке, так и разработанной стратегии управления
финансовыми рисками в целом. С учетом нормального распределения остатков
при среднем значении процентного риска равном 3807169,00 тыс рублей с
вероятностью 0,7334 прогнозируемая величина процентного дохода АО
«ЮниКредит Банк» составит от 69060480,56 тыс руб. до 122512572,87 тыс руб.
Процентный доход Процентный риск Y^ X1-Xср
(X-Xср)
2
s
e
с.о(y^) tcrit дельта нижн. гран верх.гран
2011 42055220 859973 48002272,4 -2947196,00 8685964262416,00 9783525,65 11696306,92 2,36 27657371,00 20344901,40 75659643,40
2012 46630473 2914152 57845973,67 -893017,00 797479362289,00 10505035,26 24840461,14 33005512,53 82686434,81
2013 53429185 1683538 50054138,63 -2123631,00 4509808624161,00 11081612,80 26203850,37 23850288,25 76257989,00
2014 68934744 3534311 63169899,13 -272858,00 74451488164,00 10389016,34 24566119,99 38603779,14 87736019,12
2015 89210067 7001752 91121644,57 3194583,00 10205360543889,00 11912081,93 28167597,83 62954046,74 119289242,40
2016 86957361 3866715 72353526,26 59546,00 3545726116,00 10377568,78 24539050,81 47814475,44 96892577,07
2017 76855769 4373930 75232283,53 566761,00 321218031121,00 10428758,22 24660094,61 50572188,92 99892378,13
2018 82474649 4296283 80832593,02 489114,00 239232504996,00 10415571,23 24628912,33 56203680,70 105461505,35
2019 84839462 5733867 92774598,8 1926698,00 3712165183204,00 10960286,14 25916958,42 66857640,38 118691557,21
2020* 6253432,083 95786526,72 2446263,08 5984203072879,51 11302449,49 26726046,16 69060480,56 122512572,87
2021* 6742684,7 100913011,4 2935515,70 8617252424946,49 11686454,74 27634074,30 73278937,09 128547085,69
R² = 0,7334
0
20000000
40000000
60000000
80000000
100000000
120000000
140000000
71
в 2020 году, при этом условное среднее (наиболее вероятный объем
поступлений) ожидается 957866526,72 тыс руб.
Сложившиеся тенденции развития экономики Российской Федерации дают
основание полагать на положительную динамику функционирования
банковского сектора. Сокращение несостоятельных банков перераспределяет
капитал в пользу финансово устойчивых, крупных игроков рынка, что дает
возможность более стремительного развития и стабильного функционирования
системы. Однако, ввиду высокой концентрации банковского рынка, слабый
спрос на кредитование стимулирует аппетит мелких банков к риску, что может
привести к усилению влияния финансовых рисков (качество активов) и к более
стремительному очищению банковского сектора.
3.2 СРАВНИТЕЛЬНЫЙ АНАЛИЗ МЕТОДИК СТРЕСС-ТЕСТИРОВАНИЯ
СОБСТВЕННОГО КАПИТАЛА
В период с 2007 по 2019 годы Россия столкнулась с двумя кризисами,
оказавшими сильное воздействие на национальную экономику. Кризис 2008-
2009 гг. повлиял в большей степени на реальный сектор экономики. После того
как Банк России поднял ставку рефинансирования до уровня 13% произошло
удорожание займов (18-24%) для бизнеса, что привело к увеличению дефолтов
в 3 раза (в 2007 году уровень дефолта находился на уровне 2%)
24
. Кризис 2014-
2015 гг. отличался сильным воздействием на национальную валюту и
финансовый сектор экономики. В октябре 2014 года курс рубля по отношению
к доллару вырос более чем в 2,5 раза и достиг максимального значения в 84
рубля. К концу 2015 года 30% кредитных организаций банковского сектора
получили убыток (совокупная сумма составила 348,332 млрд руб.)
25
. На
сегодняшний день отечественная экономика столкнулась с новым кризис,
вызванным одновременно беспрецедентным падением цен на нефть и
последствиями распространения в мире коронавирусной инфекции, степень
24
Сценарии реализации банковских операций в условиях кризисных явлений: автореферат диссертация на
соискание ученой степени кандидата экономических наук: 08.00.10 / Соколов Артур Анатольевич - Москва,
2014. URL: https://dlib.rsl.ru; Кудрин А.Л. Влияние доходов от экспорта нефтегазовых ресурсов на денежно-
кредитную политику России // Вопросы экономики. 2013. №3.
25
Информационный портал «banki.ru». URL: https://www.banki.ru/news/bankpress/?id=735647
72
влияния которого на данном этапе оценить довольно сложно
26
. В условиях
макроэкономической нестабильности вопросы предупреждения и снижения
рисков стали все более востребованными в банковской практике.
В мировой практике для оценки проблем и перспектив развития как
банковской системы в целом, так и отдельно взятого банка применяются
различного рода модели стресс-тестирования, целью разработки и реализации
которых является как можно более раннее выявление проблем снижения их
финансовой устойчивости. В основу данных моделей закладываются
специфические для конкретной страны предикторы, отражающие состояние
экономики и показатели банка.
Существует довольно много различных видов стресс-тестов, среди
которых выделяют следующие группы (см. рис.31):
Рисунок 31. Методики стресс-тестирования
Источник: [составлено автором по данным официального сайта
«Ассоциация российских банков»].
Однофакторное стресс-тестирование – тестирование, при котором
рассматривается влияние изменения одного из факторов риска на стоимость
портфеля. Недостаток подхода заключается в том, что при стрессовых
26
Информационный портал «ГАЗЕТА.RU». URL:
https://www.gazeta.ru/business/2020/03/11/12999109.shtml?updated
Стресс-тест
Однофакторный
Многофакторный
Исторический
Гипотетический
Несистематический
Наихудший
Субъективный
Систематический
Корреляция
Монте-
Карло
Теория
экстремальных
значений
73
ситуациях изменяются и остальные факторы риска, поэтому если
рассматривать изменение только одного из них, то результаты могут
получиться некорректными (т.е. более благоприятными)
27
.
Многофакторное стресс-тестирование – тестирование, при котором
рассматриваются изменения сразу нескольких факторов риска. Такие сценарии
могут основываться на исторических и вероятностных сценариях
28
.
Наиболее распространённые стресс-тесты основываются на исторических
сценариях. В этом случае подразумевается оценка влияния на текущее
финансовое состояние кредитной организации изменений факторов риска,
которые уже происходили в прошлом. Проведение стресс-тестирования
исключительно на основе анализа прошлых событий недостаточно для
полноценной оценки рисков, так как они не описывают максимально
возможную величину потерь для кредитной организации
29
Помимо исторических сценариев могут использовать вероятностные
(гипотетические) сценарии. Они используются для получения более
корректных результатов, так как учитывают большое число факторов риска и
отвечают характеристикам портфеля. Данные сценарии являются наиболее
гибкими и применяются для определения возможных событий, по отношению к
которым рассматриваемый портфель наиболее уязвим. Недостаток заключается
в сложности определения событий, которые никогда ранее не происходили
30
.
Гипотетические сценарии должны учитываться системные и присущие
банку возможные изменения в настоящем и ближайшем будущем и таким
образом быть ориентированными на перспективу и моделировать ранее не
происходившие шоки. При разработке гипотетических сценариев необходимо
учитывать взаимосвязь между факторами риска. Разработка такого сценария
27
Крашенинников Н.В. Методические подходы и международный опыт организации стресс-тестирования в
коммерческих банках // Банковская деятельность. 2015. № 24.
28
Внутренние процедуры оценки достаточности капитала (ВПОДК) банка: монография / Р. В. Пашков, Ю. Н.
Юденков. - Москва: РУСАЙНС, 2018.
29
Официальный сайт Банка России. URL: http://cbr.ru/analytics/bank_system/stress/
30
Ткаченко Р.В. Стресс-тестирование в коммерческом банке: обзор и анализ методологии //Экономика и
предпринимательство. 2014. № 22.; Кузнецов И.В., Жевага А.А. Стресс-тестирование кредитного риска в
коммерческого банке на основе макроэкономических показателей // Управление финансовыми рисками. 2018.
№1.