РЕЗУЛЬТАТЫ  МОДЕЛИРОВАНИЯ  ВЕРОЯТНОСТИ  НАСТУПЛЕНИЯ  ДЕФОЛТА  БАНКА  НА  ПРИМЕРЕ  РОССИЙСКОЙ  БАНКОВСКОЙ  СИСТЕМЫ

Иванов  Виктор  Викторович

канд.  экон.  наук,  профессор  Департамента  финансов  Национальный  исследовательский  институт-Высшая  школа  экономики,  РФ,  г.  Москва

Е-mail: 

Федорова  Юлия  Игоревна

слушатель  магистратуры  Национальный  исследовательский  институт-Высшая  школа  экономики,  РФ,  г.  Москва

RESULTS  OF  MODELLING  OF  PROBABILITY  OF  APPROACH  OF  THE  DEFAULT  OF  BANK  ON  THE  EXAMPLE  OF  THE  RUSSIAN  BANK  SYSTEM

Ivanov  Victor

Ph.D  in  Economics,  Professor  at  the  Department  of  Finance  National  Research  University  Higher  School  of  Economics,  Russia,  Moscow

Fedorova  Yulia

student  of  a  magistracy  National  Research  University  Higher  School  of  Economics,  Russia,  Moscow

АННОТАЦИЯ

В  работе  авторы  провели  расчет  вероятности  наступления  дефолта  банков  с  помощью  статистического  пакета  STATA,  на  базе  выборки  данных  по  российским  банкам  с  2004  по  2014  годы,  и  с  учетом  уточнения  понятия  дефолт,  и  связанных  с  ними  характеристик,  что  позволило  скорректировать  используемый  набор  показателей  в  модели  оценки.  Итоговые  объясняющие  переменные  в  моделях  выбирались  по  экономическому  смыслу,  некоторые  незначимые  переменные  по  мере  выявления  «удалялись».  О  значимости  полученных  регрессий  в  целом  свидетельствуют  высокие  значения  статистики  Вальда  (Waldchi2),  и  их  экспертная  оценка.

ABSTRACT

In  work  authors  carried  out  calculation  of  probability  of  approach  of  a  default  of  banks  by  means  of  a  statistical  packet  of  STATA  based  on  selection  of  data  on  the  Russian  banks  from  2004  to  2014,  and  taking  into  account  refining  of  concept  a  default,  and  the  related  characteristics  that  allowed  to  correct  the  used  set  of  indicators  in  assessment  model.  The  final  explaining  variables  in  models  got  out  in  economic  sense;  some  insignificant  variables  in  process  of  identification  "were  removed".  High  values  of  statistics  of  Wald  (Wald  chi2)  and  their  expert  evaluation  in  general  testify  to  the  importance  of  the  received  regressions.

Ключевые  слова:  дефолт  кредитной  организации;  российская  банковская  система;  логит-модели  оценки;  управление  ликвидностью;  банкротство;  недостоверность  отчетности.

Keywords:  default  of  the  credit  organization;  Russian  bank  system;  assessment  logit  model;  liquidity  management;  bankruptcy;  unauthenticity  of  the  reporting.

Российская  банковская  система,  несмотря  на  25  летнюю  историю  своего  развития,  все  еще  находится  в  активной  фазе  формирования.  И  хотя  скорость  развития  основных  процессов  заметно  замедляется,  состав  участников  и  их  стабильная  деятельность  еще  не  устоялась  в  полной  мере.  Наоборот,  в  настоящее  время  отмечается  фаза  активной  институциональной  перестройки,  так  как  основные  цели  и  драйверы  первоначального  развития  претерпевают  значительные  изменения,  и  чтобы  основная  масса  банковских  учреждений  перешла  к  стабильной  реализации  фундаментальных  банковских  ценностей  и  технологий,  в  ближайшие  годы  владельцам  и  менеджменту  сотен  кредитных  организаций  еще  придется  сменить  модели  своего  развития,  или  тем  или  иным  способом  прекратить  свою  деятельность. 

Так,  на  сегодня,  остановка  деятельности  и/или  отзыв  лицензий  банков  по  другим  причинам,  происходят  практически  каждую  неделю,  включая  банки,  входящие  в  топ-50.  Страхование  вкладов  в  России  распространяется  только  на  суммы  до  1,4  млн.  рублей  физическим  лицам.  При  этом  возврат  остальным  клиентам  банков  составляет  в  среднем  до  10—15  %  от  вложенных  сумм.  Ежегодно  от  банкротства  нескольких  десятков  банков  суммарные  потери  их  клиентов  составляют  от  сотен  миллиардов  до  триллиона  рублей,  а  без  процедур  санации  крупнейших  банкротов,  эта  сумма  могла  бы  удвоиться  и  даже  утроиться. 

Таким  образом,  большинство  экономических  субъектов  в  стране  остаются  беззащитными  перед  угрозой  спонтанной  потери  своих  средств  и  развитием  собственного  банкротства.

Именно  поэтому  необходимо  активно  искать  формы  профилактики  и  предотвращения  дефолтов  кредитных  организаций.  А  первым,  шагом,  без  которого  эффективность  даже  самых  серьезных  мер,  будет  незначительной,  является  своевременное  выявление  угрозы  остановки  деятельности  кредитных  организаций. 

Отметим  также,  что  в  рамках  внедряемого  в  текущий  надзор  требования  пакета  рекомендаций  «Базель  2»,  в  основе  регулирования  рисков  лежит  как  раз  модель  оценки  дефолтов  контрагентов,  в  том  числе  и  банков.

Как  показывает  анализ  данного  направления,  несмотря  на  прилагаемые  усилия  экспертного  сообщества  и  надзорных  органов,  эффективность  применяемых  методик  оценки  остается  не  достаточной. 

При  этом  данная  проблема  характерна  не  только  для  России,  но  и  для  всего  мира,  и  российские  исследования  выглядят  более  успешными  на  фоне  мировых  проблем  в  этой  области.

Стоит  отметить,  что  особенно  важным  представляется  построение  такой  модели,  которая  смогла  бы  определять  проблемные  банки  не  только  во  время  кризиса,  на  чем  акцентируется  большая  часть  исследований,  но  и  во  время  относительно  стабильных  экономических  условий,  когда  зарождаются  предпосылки  финансовой  неустойчивости  как  отдельных  кредитных  организаций,  так  и  банковской  системы  в  целом.

Для  достижения  данной  задачи  авторами  был  проведен  ряд  исследований,  начиная  от  уточнения  самого  понятия  дефолт  кредитной  организации  [4],  особенностей  проведения  и  эффективности  предыдущих  исследований  данной  темы  [5],  изучения  вопроса  особенностей  подбора  данных,  их  полноты  и  достоверности  [6],  особенностей  формирования  периодов  развития  банковской  системы  России  и  возникновения  в  эти  периоды  дефолтов  кредитных  организаций  [7],  а  так  же  учета  дополнительных  индикаторов  и  показателей  развития  угрозы  остановки  деятельности  банков  [8].

На  базе  результатов  этих  исследований  авторы  пришли  к  необходимости  скорректировать  текущее  понятие  дефолта  кредитной  организации  (от  англ.  default  —  невыполнение  обязательств)  как  неспособности,  в  том  числе  скрытой  и/или  умышленной,  своевременно  выполнять  финансовые,  регуляторные  и  иные  договорные  обязательства.

Авторы  также  указали  на  наличие  ряда  характерных  признаков  данного  процесса,  возникающих  в  разных  ситуациях,  которые  желательно  учитывать  в  оценке  и  рассмотрении  угрозы  возникновения  остановки  деятельности  для  детализации  и  его  правильного  понимания,  такие  как:  разные  степени/градации  развития  проблемы  остановки  (риск,  повышенный  риск,  технический  дефолт,  скрытый,  преднамеренный,  контролируемый),  разные  инструменты  (клиентские  обязательства,  отдельные  инструменты  или  договора,  нормативные  требования)  [4].

Также  были  выявлены  проблемы  и  недостатки  использования  в  текущих  исследованиях  отдельных  показателей  и  информационной  базы  [5;  6].  При  этом  авторами  было  установлено,  что  проблемы  использования  отчетности  носят  объективный  характер,  снижая  эффективность  результатов.  Исправить  ситуацию  можно  лишь  частично,  за  счет  уточнения  состава  показателей,  а  также  дополнительно  оценивая  достоверность  данных,  за  счет  введения  новых  показателей.  При  этом  наличие  и  степень  недостоверности  данных,  могут  сами  служить  прямой  оценкой  роста  риска  остановки  деятельности.

С  учетом  выявленных  особенностей  и  доступных  возможностей  по  корректировке  применяемых  для  оценки  вероятности  наступления  дефолтов  кредитной  организации  методов,  авторами  методика  расчета  была  усовершенствована.  При  этом  на  данном  этапе  для  ее  совершенствования  из-за  объективных  ограничений  (прежде  всего  информационного  характера,  которые  могут  быть  устранены  в  будущем),  в  методику  удалось  внести  не  все  планируемые  усовершенствования.  Таким  образом,  данные  исследования  носят  промежуточный  характер  и  будут  продолжены  в  будущем,  что  создает  дополнительный  потенциал  развития  полученной  модели.

В  рамках  этой  модели,  были  проведены  расчеты  с  помощью  статистического  пакета  STATA,  итоговые  объясняющие  переменные  в  моделях  выбирались  по  экономическому  смыслу,  некоторые  незначимые  переменные  по  мере  выявления  «удалялись».  О  значимости  полученных  регрессий  в  целом  свидетельствуют  высокие  значения  статистики  Вальда  (Waldchi2).

Полученные  результаты  по  логит-оцениванию  данных  по  двум  спецификациям  Default1  и  Default2  сведены  в  таблицу:

Таблица  1. 

Результаты  логит-оценивания

Примечание:  ***,  **,  *  —  значимость  коэффициентов  на  1  %,  5  %  и  10  %  уровне  значимости  соответственно

Стоит  отметить,  что  оба  показателя  рентабельности  (ROE,  ROA)  оказались  незначимыми.  Возможно,  это  связано  с  тем,  что  в  принципе  в  банковской  деятельности  высокие  значения  рентабельности  могут  показывать  банки  лишь  после  достижения  определенного  размера  бизнеса.  Также,  нередки  случаи,  когда  у  устойчивого  банка  может  оказаться  отрицательный  финансовый  результат,  а  проблемная  финансовая  организация  покажет  существенный  рост  прибыли  перед  дефолтом  вследствие  того,  что  отток  клиентов  потребует  реализации  не  только  ликвидных  активов,  но  и  наиболее  качественной  доли  кредитного  портфеля. 

Кроме  того,  анализ  деятельности  российских  банков  по  результатам  рассмотрения  их  банкротств  выявляет  высокий  уровень  недостоверности  отчетности,  скрывающий  реальный  уровень  финансового  результата,  как  в  процессе  их  деятельности,  так  и  при  развитии  угрозы  ее  остановки  [9;  10].

Добавим,  что  предшествующие  исследования  механизма  банковской  деятельности  одного  из  авторов  (Иванов  В.В.)  в  процессе  осуществления  банковского  надзора,  не  выявил  прямого  влияния  финансового  результата  на  способность  банка  отвечать  по  своим  текущим  обязательствам  [1].

Таким  образом,  вряд  ли  показатели  рентабельности  банка  способны  оказать  содействие  в  прогнозировании  вероятности  наступления  его  дефолта  из-за  слишком  высокой  неопределенности  и  фальсифицируемости  этого  фактора.

Следует  обратить  внимание  на  влияние  размера  активов  на  вероятность  дефолта  банка.  Результаты  проведенного  анализа  не  подтверждают  выводы,  полученные  в  работе  (Костров,  Карминский,  2013),  где  авторы  обнаружили  квадратичную  зависимость  вероятности  дефолта  от  размера  активов,  при  этом  без  учета  нелинейности  этот  показатель  у  них  оказывался  незначимым.  Напротив,  по  результатам  данного  исследования,  осуществленного  в  рамках  магистерской  диссертации,  показатель  размера  банка  оказывается  значимым  и  с  учетом,  и  без  учета  нелинейности,  причем  в  обеих  спецификациях  модели.  Особенно  интересно,  что  знак  при  логарифме  активов  в  квадрате  оказался  противоположным  знаку,  полученному  в  упомянутой  выше  работе. 

Выявленную  отрицательную  квадратичную  зависимость  между  вероятностью  дефолта  банка  и  его  размером  можно  объяснить  с  точки  зрения  практики.  Так,  Банк  России  не  допускает  банкротства  крупных  системообразующих  банков,  а  у  мелких  банков  отзыв  лицензии  в  основном  происходит  за  проведение  сомнительных  операций,  при  этом  малые  банки,  имеют  не  рыночную  финансовую  устойчивость,  так  как  их  задача  не  зарабатывать  средства  на  финансовом  рынке,  а  выполнять  определенную  функцию  для  ключевого  владельца,  за  реализацию  которой  он  формирует  бюджет  банка,  часто  превышающий  рыночную  стоимость  данных  услуг. 

Кроме  того,  распределение  активов  в  российской  банковской  системе  носит  логарифмический  характер,  и  собственно  крупных  рыночных  банков  в  России  существенно  меньше,  чем  средних  и  малых.  При  этом  более  60  %  активов  и  капиталов  банковской  системы  сосредоточены  в  пяти  наиболее  крупных  государственных  банках,  вопрос  остановки  деятельности  которых  связан  не  с  их  финансовым  положением,  а  с  принятием  решений  о  целесообразности  их  функционирования.  В  результате  чего  получается,  что  дефолт  в  классическом  понимании  чаще  всего  наблюдается  по  средним  банкам. 

Влияние  значений  генерального  коэффициента  деловой  активности  на  вероятность  дефолта  соответствует  ожиданиям:  падение  данного  показателя  снижает  устойчивость  банка  и  говорит  о  существенной  угрозе  остановки  деятельности.  Следует  отметить,  что  из  практики  наблюдения  за  развитием  дефолтов  кредитных  организаций  данный  показатель  является  наиболее  важным  и  точным,  так  как  затрагивает  наиболее  существенную  и  сложно  искажаемую  характеристику  клиентского  платежного  потока.  Кроме  того,  исследования  одного  из  авторов  (Иванов  В.В.)  свидетельствуют,  что  по  своей  природе  данный  показатель  в  наибольшей  степени  отражает  поведение  не  столько  самих  банков,  сколько  их  клиентов,  а  его  величина  зависит  также  от  состояния  экономики  в  целом. 

Важным  наблюдением  также  является  то,  что  интенсивность  клиентских  потоков  незначительно  отличается  от  размера  бизнеса  клиентов  и  размера  бизнеса  банков,  через  которые  они  проводят  операции.  При  этом  следует  учитывать  долю  клиентских  расчетных  операций  в  структуре  баланса  банка.  То  есть  значения  данного  показателя  являются  достаточно  универсальной  характеристикой  для  всех  банков  и  наиболее  выпукло  отражают,  в  том  числе  в  сравнительном  режиме,  проблемность,  связанную  с  угрозой  возникновения  дефолта,  с  проведением  сомнительных  операций  и  даже  наличием  значительной  доли  фиктивных  активов  на  балансе  банка.

Низкая  вовлеченность  в  операции  на  рынке  МБК,  а  также  высокая  доля  собственного  капитала  в  валюте  баланса  (в  расчетах  использовалось  отношение  обязательств  к  валюте  баланса,  но  можно  говорить,  что  капитал  влияет  на  вероятность  дефолта  со  знаком,  противоположным  знаку  при  коэффициенте  при  доле  обязательств),  повышают  вероятность  дефолта  банка.  Подобные  соотношения  соответствуют  структуре  баланса  банков  в  преддефолтном  состоянии  и  объясняются  резким  оттоком  клиентских  средств  в  предшествующий  период.  Кроме  того,  нередко  отток  средств  сопровождается  реализацией  значительной  части  активов,  резервы,  сформированные  под  которую  поступают  в  доходы  и  увеличивают  капитал. 

В  ряде  случаев  известно  кратное  увеличение  капитала  за  несколько  месяцев  в  преддверии  развития  дефолтной  ситуации.  Отметим,  что  данные  характеристики  имеют  место  в  отчетности,  которая  может  быть  существенно  искажена,  и  при  описанных  выше  аспектах,  также  скрытно  выводятся  активы  (без  уменьшения  баланса),  но  при  этом  объем  недоформированных  резервов  может  оказаться  сравним  с  числящимися  по  балансу  активами. 

Так,  по  данным  представителей  АСВ  после  их  обследования  объем  скрытых  потерь  превысил  39  млрд.  рублей  по  Судостроительному  банку,  и  более  100  млрд.  рублей  по  Мособлбанку  и  банку  Траст,  в  каждом  случае. 

Отсутствие  существенного  объема  МБК  в  операциях  подтверждают  тезис  о  том,  что  уровень  аналитиков  и  службы  банков,  выдающих  кредиты  на  рынке  МБК  существенно  выше,  а  возможности  оперативного  возврата  средств  больше,  чем  у  других  клиентов  банков. 

При  этом  надо  учитывать,  что  низкий  уровень  МБК  на  момент  дефолта  достигается  часто  в  короткий  промежуток  времени  перед  ним,  и  по  данному  показателю  в  ряде  ситуаций  сложно  ориентироваться  за  длительный  период  до  развития  дефолта. 

Аналогичные  по  форме  результаты  этих  показателей  получены  в  исследованиях  (Пересецкий,  2013  [11];  Поляков,  Полякова,  2013  [12]).

Доля  неработающих  активов  оказалась  значимой  лишь  в  спецификации  Default1,  при  этом  рост  неработающих  активов  положительно  влияет  на  вероятность  дефолта  банка,  что  вполне  соответствует  экономической  теории:  банк  меньше  средств  направляет  в  операции,  способные  приносить  доход,  в  результате  эффективность  деятельности  банка  и  его  устойчивость  снижаются. 

Анализ  банковской  практики,  по  мнению  одного  из  авторов  (Иванов  В.В.),  при  этом  показывает,  что  констатирование  роста  или  большого  объема  проблемных  кредитов  и  активов  в  целом  для  любого  банка  является  крайне  невыгодным  и  не  желательным.  Поэтому  в  большинстве  случаев,  при  реальном  росте  проблем  банки  предпочитают  по  возможности  до  конца  искажать  реальную  картину.  В  момент  же  непосредственно  перед  остановкой  деятельности,  особенно  в  условиях  накопленных  скрытых  рисков,  основной  менеджмент  банка  может  «бежать»  из  банка,  а  оставшимся  техническим  исполнителям  нет  резона  продолжать  скрывать  реальное  положение  дел. 

Вместе  с  тем,  как  отмечалось  выше,  что  в  момент  активного  оттока  клиентов  частично  гасятся  активы,  что  приводит  к  росту  доходов  от  снижения  резервов  по  ним.  Поэтому  в  одних  случаях  происходит  чистый  рост  капитала  и  финансового  результата,  в  других,  несмотря  на  движения  по  активам,  существенных  изменений  в  общем  объеме  резервов  нет,  в  третьем  случае  может  происходить  резкий  рывок  по  созданию  резервных  требований. 

Портфель  государственных  ценных  бумаг  и  доля  ликвидных  активов  в  валюте  баланса  также  оказались  значимыми  только  в  одной  модели:  Default2.  Согласно  полученным  результатам,  наблюдается  отрицательная  зависимость  между  данными  показателями  и  вероятностью  дефолта  банка.  Аналогично  влияние  портфеля  негосударственных  ценных  бумаг,  оказавшееся  значимым  в  обеих  моделях. 

Отрицательное  влияние  данных  переменных  на  устойчивость  организации  можно  объяснить  следующим  образом.  Когда  у  банка  возникает  нехватка  ликвидности  для  проведения  операций,  в  случае  небольшой  величины  портфеля  ценных  бумаг  и  прочих  ликвидных  активов  он  не  может  быстро  привлечь  денежные  средства  на  достаточном  уровне,  и  в  результате  он  не  способен  выполнить  свои  обязательства,  то  есть  происходит  дефолт. 

Следует  иметь  в  виду  специфику  рынка  ценных  бумаг  и  рынка  МБК  в  России.  Они  имеют  недостаточное  развитие  по  объему  и  собственной  устойчивости.  Поэтому,  по  мнению  одного  из  авторов  (Иванов  В.В.),  во  время  абсолютно  всех  кризисов  наблюдается  их  полное  или  частичное  схлопывание  в  течение  короткого  времени.  При  этом  отдельные  сегменты,  (прежде  всего  в  работе  крупнейших  банков  и  их  взаимодействии  с  государством)  продолжают  работать. 

В  рамках  же  не  кризисного  развития  рынка  до  недавнего  времени  отмечались  существенные  манипуляции  с  фиктивными  ценными  бумагами  или  даже  работа  с  несуществующими  депозитариями,  которые  активно  вскрылись  в  ходе  банкротства  целого  ряда  банков  (например,  Банк  Монетный  дом  и  др.),  принадлежащих  г-ну  Урину,  осужденному  впоследствии  за  данные  мошенничества.  При  этом  согласно  обследованиям  Банковского  надзора  Банка  России,  впоследствии  было  выявлено  и  лишено  лицензий  более  десятка  банков,  включая  Мультибанк,  Банк  Русич  и  другие  кредитные  организации.

Коэффициент  при  доле  резервов  в  активах  показал  вполне  ожидаемый  знак:  больший  уровень  резервирования  говорит  о  повышенных  рисках  банка  (несмотря  на  их  покрытие  за  счет  капитала)  и  соответственно  повышает  вероятность  его  дефолта. 

Вместе  с  тем,  следует  иметь  в  виду,  что  на  практике,  уровни  непокрытых  (по  тем  или  иным  причинам)  рисков  невозврата  портфелей  в  значительной  части  банков  постоянно  остаются  высокими.  Об  этом  свидетельствуют,  как  правило,  анализ  результатов  массовых  банкротств  и  потерь  устойчивости  банками  после  «схлопования»  очередного  высокорискованного  инструмента.  Последнее  время  таким  инструментом  было  потребительское  кредитование. 

В  течение  почти  десятилетия  этот  сектор  рос  с  «нуля»  фантастическими  темпами.  Даже  в  последние  годы  темпы  его  роста  составляли  более  60  %  за  год  в  целом  по  рынку.  Хотя  проблематика  данных  операций  отдельным  специалистам,  включая  авторов,  была  видна  еще  несколько  лет  назад,  когда  рост  данного  рынка  ничем  не  сдерживался,  и  о  колоссальном  накоплении  скрытых  проблем  не  было  речи  ни  в  банках,  ни  в  Банке  России.  И  лишь,  когда  дальнейшее  игнорирование  сложившейся  проблемы  было  невозможно,  вследствие  роста  претендентов  на  банкротство  с  потерей  большей  части  активов  достаточно  крупных  финансовых  учреждений,  специализировавшихся  на  потребкредитах,  ситуация  изменилась  в  противоположную  сторону,  и  требования  к  резервированию  в  ряде  случаев  становятся  выше  самих  рисков. 

При  этом  время  действительно  решения  данной  задачи  упущено,  и  в  настоящее  время  возможно  лишь  перераспределить  ответственность  за  потери  между  участниками  процесса,  но  учитывая  цену,  а  также  неразрешенность  ситуации,  банки  не  спешат  брать  на  себя  всю  ответственность,  поэтому  отчетный  уровень  резервов,  часто  не  соответствует  реальному,  при  этом  специфика  банковской  деятельности  позволяет  банкам  достаточно  долго  и  в  больших  объемах  скрывать  реальное  положение  дел.  Надзорные  же  органы  в  ряде  случаев  не  столько  выявляют  реальные  проблемы  одних  банков,  сколько  формируют  фантомное  представление  о  проблемах  других,  которые  могут  их  и  не  иметь  в  указанных  количествах,  что  усложняет  выявление  и  статистическую  корректировку  данного  явления.

В  модель  также  были  включены  показатели  ресурсной  базы  банка:  доля  депозитов  физических  лиц  и  юридических  лиц  в  валюте  баланса,  при  этом  второй  показатель  оказался  незначимым  в  спецификации  модели  Default1.  Рост  данных  переменных  отрицательно  влияет  на  способности  банка  выжить.  Данным  фактам  также  можно  найти  объяснение.  Как  правило,  банки,  испытывающие  трудности,  нуждаются  в  больших  ресурсах  для  поддержания  своей  высокорисковой  политики,  и  для  привлечения  вкладов  они  повышают  ставки  по  депозитам,  вследствие  чего  наблюдается  прирост  депозитов.  Проблема  в  том,  что  даже  приток  средств  редко  способствует  решению  существующих  в  банке  проблем,  так  как  чаще  всего  эти  средства  уже  используют  не  для  стабилизации  банка,  а  вывода  из  него  вновь  получаемых  ресурсов.

Кроме  того,  следует  учитывать,  что  депозиты  физлиц  на  современном  этапе  развития  банковской  системы  (с  2003  года)  играют  особую  роль,  оставаясь  доминантой  банковского  развития.  При  этом  в  отличие  от  средств  банков,  государства  или  компаний,  средства  физлиц  лишь  частично  размещены  в  банках,  и  они  имеют  большую  свободу  в  смене  кредитной  организации.  Но  при  этом  способность  и  возможность  к  оценке  рисков  у  населения  почти  полностью  отсутствует,  что  в  совокупности  с  введенной  системой  страхования  вкладов,  делает  эту  категорию  ресурсов  наиболее  мобильной  и  доступной  для  банков.  При  этом  уровень  доступности  здесь  в  большей  мере  определяется  ростом  затрат  (в  том  числе,  и  в  зону  нерентабельности).  Однако  угроза  потери  всего  бизнеса  для  многих  банков  в  моменте  является  более  серьезным  аргументом,  чем  угроза  возникновения  убытков.

Таким  образом,  в  политике  банков  работа  с  депозитами  физлиц  является  одним  из  ключевых  инструментов  решения  проблемы  остановки  деятельности,  но  и  при  значительных  объемах  таких  депозитов,  может  стать  одной  из  основных  причин  развития  кризиса.

Вместе  с  тем,  статистика  в  понимании  результатов  может  создать  определенное  искажение,  так  как  дефолт  значительной  части  банков  сопровождается  сначала  резким  набором,  а  затем  и  возможным  оттоком  депозитов  физлиц.  Вместе  с  тем,  многие  банки,  реально  имевшие  высокий  риск  развития  дефолта  решили  проблемы  именно  за  счет  операций  с  депозитами  физлиц,  а  в  ряде  случаев  с  крупными  депозитами  юрлиц,  но  такого  рода  влияние  в  модели  отследить  невозможно,  указанное  поведение  банков  существенно  меняет  смысл  (точнее  сказать  остается  скрытым).

Показатель  долгосрочных  кредитов  экономике  также  оказался  значимым  только  в  одной  модели,  в  спецификации  Default1.  По  результатам  расчетов  наблюдается  положительная  зависимость  между  его  значением  и  вероятностью  дефолта  банка.  Данный  вывод  не  противоречит  теории,  так  как  он  лишь  подчеркивает  проблему  несбалансированности  сроков  привлеченных  и  размещенных  банком  средств.  Необходимо  также  указать,  что,  имея  проблему  «коротких  ресурсов»  объем  долгосрочных  кредитов  в  банках  часто  ограничен.  Более  того,  основной  объем  долгосрочного  кредитования  приходится  на  крупные,  прежде  всего  государственные  банки,  которые,  как  было  указано  выше,  фактически  защищены  от  возникновения  дефолта,  но  он  все  же  возможен  и  для  крупнейших  банков.

Вместе  с  тем,  надо  учитывать,  что  при  угрозе  остановки  деятельности  нередко  в  прошлые  годы  (что  затрагивает  значительное  число  дефолтов  выборки),  незадолго  до  остановки  деятельности  менеджмент  активизировал  вывод  активов,  которые  не  редко  оформлялись  (переоформлялись)  в  долгосрочные  кредиты  неким  (подставным)  экономическим  субъектам,  что  в  отчетности  показывало  существенный  рост  долгосрочных  кредитов  на  фоне  снижения  всех  остальных  вложений.  При  этом  по  своему  характеру  они  были  невозвратными  и  фиктивными,  а  по  признаваемой  до  банкротства  отчетности,  они  числились  как  вновь  выданные  качественные,  но  долгосрочные  активы,  без  формирования  адекватных  резервов.

Проанализируем  влияние  макропоказателей  на  вероятность  дефолта  кредитной  организации.  Все  переменные,  отражающие  инфляцию,  включая  лаги,  оказались  незначимыми.  Возможно,  это  связано  с  использованием  роста  общего  уровня  цен  за  месяц,  а  не  за  год.  Тем  не  менее,  можно  предположить,  что  влияние  инфляции  учитывается  неявно  в  финансовых  показателях,  характеризующих  деятельность  банка.  В  тоже  время  другая  переменная,  отражающая  макросостояние  в  стране,  а  именно  —  полугодовой  лаг  прокси  экономического  роста  –  оказалась  значимой  в  первой  спецификации  модели. 

Согласно  полученным  результатам,  падение  экономического  роста  повышает  вероятность  дефолта  банка.  Одно  из  объяснений  —  стагнация  экономики  снижает  финансовое  положение  большинства  контрагентов  банка,  в  результате  чего  ухудшается  качество  кредитного  портфеля  со  всеми  вытекающими  для  банка  неблагоприятными  последствиями. 

Также  следует  предположить,  что  ухудшение  общефинансовой  обстановки  делает  более  склонными  к  изъятию  средств  из  банка  значительных  масс  клиентов,  формируя  общерыночные  оттоки.  Так  по  анализу  данных  за  2008  год,  первичный  отток  физлиц  из  банков  (в  среднем  оттоки  из  большинства  банков,  включая  Сбербанк  были  одинаковы)  за  три  недели  в  октябре  2008  года  составил  15  %.

Незначимость  влияния  инфляции  может  объясняться  тем,  что  в  целом  на  протяжении  последнего  десятилетия,  мы  имеем  выраженную  тенденцию  снижения  инфляции,  при  этом  из-за  специфики  и  важности,  данный  показатель  очевидно  сглаживает  свои  изменения  во  времени.  Поэтому  при  банкротствах  между  кризисами  инфляция  явно  не  является  доминантой,  а  возможно  вообще  не  оказывает  существенного  влияния  на  результат. 

Иная  ситуация  должна  складываться  в  условиях  кризисов.  Поэтому  отсутствие  ее  четкого  влияния  на  дефолты  банков  во  время  кризисов  можно  объяснить  тем,  что  дефолты  возникают  быстрее,  в  начале  кризиса,  собственно  формируя  его  острую  фазу,  а  инфляция  разгоняется  в  его  следствии,  когда  дефолт  возникает  уже  у  существенно  меньшего  количества  банков.

Наконец,  отметим  влияние  индикаторов  фондового  рынка.  Была  выявлена  отрицательная  зависимость  между  доходностью  индекса  ММВБ  и  вероятностью  дефолта  банка,  тогда  как  цена  закрытия  индекса  оказалась  незначимой  в  одной  модели  и  показала  несущественное  влияние  в  другой  (предельный  эффект  стремится  к  нулю). 

Коэффициенты,  полученные  в  результате  оценки  логит-модели,  не  позволяют  говорить  об  эффекте,  оказываемом  каждой  переменной  на  вероятность  дефолта  банка,  они  показывают  лишь  направление  их  влияния.  Для  оценки  потенциального  воздействия  необходимо  рассчитать  предельные  эффекты,  которые  показывают,  насколько  изменится  вероятность  дефолта  при  изменении  объясняющей  переменной  на  единицу  измерения.

В  Таблице  2  представлены  результаты  по  расчету  предельных  эффектов  для  различных  спецификаций  модели,  жирным  выделены  значения  для  незначимых  даже  на  10  %-ом  уровне  значимости  коэффициентов  (Ликвидные  активы,  Депозиты  юрлиц).

Таблица  2. 

Предельные  эффекты

Таким  образом,  исследование,  проведенное  нами,  показало,  что,  несмотря  на  достаточно  низкое  качество  данных,  представленных  в  финансовой  отчетности  российских  кредитных  организаций,  и  сложностей  расчета  отдельных  показателей,  модели  прогнозирования  вероятности  дефолта  банка,  основанные  на  общедоступной  информации,  могут  использоваться  в  качестве  систем  раннего  предупреждения.  В  этих  целях  могут  используются  как  модели  бинарного  выбора,  так  и  непараметрические  подходы.

По  нашему  мнению,  в  процессе  исследования  помимо  анализа  финансовых  показателей,  напрямую  характеризующих  деятельность  банка  и  его  финансовое  положение,  следует  учитывать  и  некоторые  другие  особенности,  характеризующие  банковский  сектор. 

Так,  банковская  система  России  довольно  неоднородна,  поэтому  в  целях  формирования  более  качественной  и  устойчивой  модели  следует  осуществлять  предварительную  кластеризацию  банков.  Кроме  того,  российская  экономика  все  еще  нестабильна,  вследствие  чего  включение  макроиндикаторов  в  модель  также  позволяет  повысить  прогнозную  силу  модели. 

Качество  получаемых  выводов  усовершенствует  и  введение  показателей,  характеризующих  институциональные  особенности  банковской  среды  —  тип  собственности  кредитных  организаций,  уровень  конкуренции  на  рынке,  а  также  участие  в  системе  страхования  вкладов,  поскольку  данные  факторы  прямым  образом  влияют  на  степень  рисков,  принимаемых  на  баланс  банка,  а  также  характеристики  определяющие  особенности  и  характеристики  управления  платежными  потоками  и  ликвидностью  банка.

Список  литературы:

1. Антикризисное  управление  предприятиями  и  банками.  Кол.  Авторов/  Изд-во  «Дело»,  М.  2001  г. 
2. Дефолт.  Понятие  и  виды  дефолта.  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://www.mirkrizis.ru/defolt/  (дата  обращения:  15.05.2015).
3. Иванов  В.В.,  Колесникова  Е.,  Бондарчук  П.  Проблемы  оценки  рисков  потери  ликвидности  российских  банков  Лизинг  —  №  6,  —  2011,  —  с.  16—21.
4. Иванов  В.В.,  Федорова  Ю.И.  Особенности  формирования  понятия  дефолт  кредитной  организации./  Экономика,  социология,  право:  журнал  научных  публикаций  №  1,  2015  г:  Мат-лыXX  междунар.  науч.-практ.  конференции  "Экономика,  социология,  право:  новые  вызовы  и  перспективы",  г.  Москва  6—7  апреля  2015  г/  науч.-инф.  издат.  центр  «Институт  стратегических  исследований»  М.:  Изд-во  ««Институт  стратегических  исследований»,  2015  —  с.  67—70.
5. Иванов  В.В.,  Федорова  Ю.И.  Проблемы  подбора  показателей  для  оценки  дефолта  кредитной  организации  /"Теоретические  и  практические  аспекты  развития  современной  науки"  [Текст]:  материалы  XV  международной  научно-практической  конференции,  г.  Москва  11—12  апреля  2015  г./  науч.-инф.  издат.  центр  «Институт  стратегических  исследований»  М.:  Изд-во  ««Институт  стратегических  исследований»:  Изд-во  «Перо»,  2015  —  с.  83—98.
6. Иванов  В.В.,  Федорова  Ю.И.  Подбор  данных  для  моделирования  вероятности  наступления  дефолта  банка/  Social  and  economic  problems  of  modern  society:  materials  of  the  V  international  scientific  conference  on  June,  2015.  Prague:  Vědecko  vydavatelské  centrum  «Sociosféra-CZ».
7. Иванов  В.В.  Специфика  выбора  периода  исследования  для  моделирования  вероятности  наступления  дефолта  у  российских  банков/  Social  and  economic  problems  of  modern  society:  materials  of  the  V  international  scientific  conference  on  June,  2015.  Prague:  Vědecko  vydavatelské  centrum  «Sociosféra-CZ».
8. Иванов  В.В.,  Федорова  Ю.И.  Построение  методологии  моделирования  вероятности  наступления  дефолта  банка  в  российских  условиях  Актуальные  вопросы  экономики  и  управления  (III):  материалы  междунар.  науч.  конф.  (г.  Москва,  июнь  2015  г.).  М.:  Буки-Веди,  2015. 
9. История.  Сайт  Тверьуниверсалбанка.  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://www.tubank.ru/?tp=5&dr=company&sub=02  (дата  обращения:  16.05.15).
10. Межпромбанк  С.  Пугачева  все-таки  не  смог  рассчитаться  по  долгам».  РБК.  07.07.2010.  [Электронный  ресурс].  —  Режим  доступа.  —  URL:  http://top.rbc.ru/economics/07/07/2010/432323.shtml  (дата  обращения:  12.08.10).
11. Пересецкий  А.А.  (2007):  Методы  оценки  вероятности  дефолта  банков  //  Экономика  и  математические  методы,  —  2007,  —  том  43,  —  №  3,  —  с.  37—62. 
12. Поляков  К.Л.,  Полякова  М.В.  (2013):  Специфика  оценки  устойчивости  коммерческих  банков  в  российских  условиях  //  Вопросы  статистики,  №  12,  —  стр.  35—44.
13. Федеральный  закон  от  25.02.1999  №  40-ФЗ  (ред.  от  14.10.2014)  «О  несостоятельности  (банкротстве)  кредитных  организаций».
14. Lanine  G.,  Vennet  R.  (2006):  Failure  Prediction  in  the  Russian  Bank  Sector  with  Logit  and  Trait  Recognition  Models  //  Expert  Systems  with  Applications.