Страница 7 из 11
Проанализированные факторы тесно взаимосвязаны и обладают кумулятивным эффектом, усиливая друг друга.
Мировое сообщество на протяжении последних лет очень активно ищет подходы к оценке уровня системного риска финансового сектора. Международный валютный фонд предложил методику расчета индекса финансового стресса еще в 2008 г.[15] Этот индекс предлагалось рассчитывать отдельно для развитых и развивающихся стран. Так, при расчете субиндексов для оценки рисков развитых экономик предлагалось учитывать волатильность котировок банковских акций, спрэды между межбанковскими ставками и ставками по казначейским бумагам, спрэды по корпоративным облигациям, доходность и волатильность доходности акций, волатильность валютных курсов. Построение индекса финансового стресса для развивающихся рынков связано с особенностями, вызванными сжатием валютного рынка и исключением спрэдов по корпоративным облигациям, обусловленных недостаточным развитием долгового рынка.
В работе R. Ranciere, A. Tornell и A Vamvakidis (2010)[16] предлагалось оценивать показатель валютных диспропорций, отражающий риски глобальной финансовой системы. Так, A. Jorge, Chan-Lau (2010)[17] ключевое внимание уделяли оценке взаимосвязанности финансовых институтов через такое понятие, как «издержки регулятивного капитала», при этом авторы предлагали конкретные инструменты оценки: модель оценки риска кредитного портфеля, сетевой анализ и CoRisk-анализ[18]. В исследовании N. Gia
К настоящему времени исследователями предложены классификации способов измерения системного риска. В частности, Giglio et al. (2012)[20] предложена классификация, в которой определены пять способов измерения рисков.
1) Специфические способы. В этих моделях рассчитываются индивидуальные оценки системного риска для каждого из банков, с последующей их агрегацией. Примерами таких моделей служат CoVaR (Adrian, Bru
2) Меры сонаправленности (comovements). Эти модели позволяют оценить степень сонаправленности между доходностью акций выбранных банков.
3) Оценка нестабильности финансовых систем. В соответствии с этим подходом предлагается проводить оценку агрегированной нестабильности и волатильности финансовой системы.
4) Оценка ликвидности. Эти модели направлены на то, чтобы связать системное событие и уровень ликвидности на финансовых рынках.
5) Оценки, базирующиеся на использовании спредов CDS.
В работе L. Laeven, L. Ratnovski, H. Tong (2016) предложено в качестве меры системного риска банковского сектора использовать уже известные показатели: CoVaR[21] (оценка условной стоимости под риском) и SRISK[22] (уровень дефицита капитала в случае кризиса). В качестве фундаментальных источников риска в этой модели взяты банковский капитал, фондирование, активы и их взаимосвязь с масштабом деятельности банка.
В практике МВФ в качестве индикаторов системных рисков финансового сектора используются такие показатели, как оценка макроэкономических рисков, кредитного риска, рыночных рисков и риска ликвидности, риска взаимосвязи, спрэды CDS крупнейших банков, спрэды долгового рынка, оценка банковского управления, оценка волатильности индекса VDaX.
Среди отечественных моделей оценки системных рисков необходимо выделить методику Центра макроэкономического анализа и краткосрочного прогнозирования, в соответствии с которой предлагается определять вероятность реализации системных рисков с учетом оценки ряда сводных индикаторов, которые положены в основу прогнозирования. К ним отнесены продолжение системного банковского кризиса, рецессии в российской экономике, системных кредитных, валютных рисков и рисков ликвидности. Данная система раннего оповещения о макрофинансовых рисках отличается комплексностью, но, на наш взгляд, имеет существенные недостатки. Например, оценка системных кредитных рисков осуществляется без учета таких значимых, на наш взгляд, факторов как рентабельность и обеспеченность собственными средствами предприятий – заемщиков банков, имея в виду, что доля кредитного портфеля нефинансовому сектору экономики составляет свыше 40 % активов банковского сектора. Можно выделить и иные спорные моменты предлагаемой системы оценки.
В качестве значимых источников системных рисков, на основе которых возможно формирование индикаторов раннего предупреждения, по нашему мнению, следует выделить:
• рентабельность нефинансового сектора экономики;
• уровень долговой нагрузки заемщиков;
• соотношение денежных доходов населения и долговой нагрузки;
• динамику валютного курса, цен на основное экспортное сырье;
• концентрацию активов и уровень взаимосвязанности банков;
• зависимость от шоков глобального финансового рынка;
• зависимость от ресурсов международного рынка капитала;
• регуляторную нагрузку на банковский сектор.
Основные риски, которые целесообразно рассматривать в рамках модели, – это кредитный риск, рыночные риски, процентный риск банковского баланса, риск потери ликвидности и операционный риск.
Определение показателей финансовой стабильности банковского сектора является еще одной важной составляющей комплексной модели. В числе показателей стабильности банковского сектора могут быть названы: показатели достаточности капитала, рентабельность капитала, количество банков с отозванной лицензией за период и т. д.
Рассмотрим кратко динамику отдельных показателей, отражающих влияние системных рисков банковского сектора и их источники без моделирования взаимосвязей между ними.
В последние годы российский банковский сектор развивался в условиях негативных показателей деятельности реального сектора экономики. Так, средняя рентабельность хозяйства снизилась с 2009 г. почти в восемь раз: с 8,6 до 1,1 % по итогу 2015 г. (рис. 2.4)[23]. Доля прибыльных организаций в первом полугодии 2016 г. составила только 69,2 %, остальные соответственно показали убытки[24]. Уровень самофинансирования предприятий и организаций за два года (с начала 2014 по начало 2016 г.) упал с 59,5 до 50,8 %[25].
Рис. 2.4. Отдельные факторы системных рисков банковского сектора РФ[26]
Негативная тенденция наблюдается и при анализе факторов, связанных с кредитоспособностью частных лиц. Так, если рост кредитного портфеля физических лиц с 2009 г. составил 2,9 раза, то денежные доходы населения выросли в 1,9 раз, при том, что за тот же период времени индекс потребительских цен составил 1,76[27].
Если рассматривать влияние на системные риски банковского сектора такого фактора как концентрация рисков, то здесь надо говорить о многоплановом влиянии: речь идет и о концентрации активов банковского сектора, и о территориальной концентрации кредитных институтов, и о концентрации рисков на заемщиков и кредиторов. Так, почти 76 % активов банковского сектора сосредоточено в 20 крупнейших банков, при этом на пять крупнейших кредитных организаций приходится 54 % активов[28], значима концентрация и по форме собственности банков. Следует отметить и высокий уровень крупных кредитных рисков в активах банковского сектора – средний показатель по банкам составляет 27,6 %, при этом достигнуто максимальное значение с 2012 г.
15
World Economic Outlook. 2008. Oct.Ch. 4: Financial Stress and Economic Downturns. 2008. 2 Oct. URL: http://www.imf.org/external/pubs/ft/weo/2008/02/pdf/c4.pdf
16
Ranciere R., Tornell A., Vamvakidis A. New Index of Currency Mismatch and Systemic Risk // IMF Working paper. 2010. Nov. URL: http://www.imf.org
17
Jorge A., Chan-Lau Regulatory Capital Charges for Too-Co
18
Анализ созависимости, который может быть оценен при помощи квантильной регрессии.
19
Giglio S., Kelly B., Pruitt S., Qiao X. Systemic Risk and the Macroeconomy: An Empirical Evaluation. Working Paper, University of Chicago, 2012.
20
Манаев В. Измерение системного риска // Риск-менеджмент в кредитной организации. 2013. № 3.
21
∆CoVaR отражает предельный вклад рассматриваемого института в генерирование системного риска.
При этом последний показатель рассчитывается по следующей формуле: SRISK = k × DEBT – (1 – k) × EQUITY × (1 – LRMES), где k – требование по достаточности капитала банковского сектора; LRMES – долгосрочный предельный Expected Shortfall; EQUITY – текущая рыночная капитализация компании; DEBT – балансовая оценка привлеченных средств.
22
De Nicolo G., Lucchetta М. Systemic Risks and Macroeconomy // IMF Working Paper. WP 10/29. 2010. Feb. URL: http://www.imf.org
23
По компаниям заемщикам банков.
24
Рассчитано по данным Росстата. URL: http://www.gks.ru/bgd/free/b04_03/IssWWW.exe/Stg/d01/175.htm
25
По данным обзора банковского сектора Банка России. № 165. URL: http://www.cbr.ru/analytics/bank_system/obs_1607.pdf
26
Составлено авторами по данным обзоров банковского сектора Банка России. № 111–165. URL: http://www.cbr.ru/analytics/bank_system/obs_1607.pdf
27
Рассчитано по данным Росстата. URL: http://www.gks.ru/wps/wcm/co
28
По данным обзора банковского сектора Банка России. № 165. URL: http://www.cbr.ru/analytics/bank_system/obs_1607.pdf