Методы макроэкономического стресс-тестирования...
DESCRIPTION
Методы макроэкономического стресс-тестирования банковской системы. Пестов а Анн а Эксперт Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП). Цели и задачи. Целью настоящего исследования является проведение стресс-тестирования банковской системы России. - PowerPoint PPT PresentationTRANSCRIPT
1
Методы макроэкономического стресс-тестирования банковской системы
Пестова Анна
Эксперт Центра макроэкономического анализа
и краткосрочного прогнозирования( )ЦМАКП
Москва2010
2
Цели и задачиЦелью -настоящего исследования является проведение стресс
.тестирования банковской системы России
Для достижения цели реализуются следующие задачи: анализ структуры финансовой системы и выявление наиболее
;значимых финансовых институтов для России анализ основных видов рисков банков как ключевых посредников
;в финансовой системе Росси и вычленение наиболее опасных из них - определение места стресс тестирования в общем наборе
;инструментов повышения финансовой устойчивости - обзор основных подходов к стресс тестированию кредитных
;рисков как наиболее значимых среди всех других видов рисков эмпирический анализ проблемы плохих долгов в России и в других
;странах мира оценка устойчивости банковского сектора к кризису плохих
долгов с помощью эконометрического моделирования доли .необслуживаемых ссуд и построение прогноза этой доли
3
Асимметрия информации на финансовых рынках
неблагоприятный отбор моральный риск
Банки в наибольшей степени , приспособлены к тому чтобы решать
проблемы неблагоприятного отбора и морального риска
4
Структура долгового рынка корпоративного сектора России на начало 2010 г.
5
Виды рисков банковской системы — , рыночный риск риск снижения стоимости активов
в том ;числе (equity фондовый риск price risk) — риск снижения цены
;акций (валютный риск foreign exchange risk) — риск изменения
; курсов валют (interest rate risk) — процентный риск риск изменения
;процентных ставок (commodity товарный риск price risk) — риск изменения цен
;товаров – , риск ликвидности риск возникающий при
, появлении затруднений с продажей актива и риск невозможности доступа к средствам для .своевременного погашения обязательств
– кредитный риск риск дефолта контрагента по своим;обязательствам
6
Структура активов российских банков на конец февраля 2010 г., %
7
Валютная позиция (по балансовым операциям) банковской системы России (млрд. долл.)
8
Средневзвешенные процентные ставки по кредитам и депозитам в России, %
9
Доля необслуживаемых кредитов и просроченной задолженности в общем объеме кредитов российских банков, %
Показатель просроченной задолженности не включает в себя всей суммы необслуживаемого кредита. Он отражает только непогашенные «транши» кредита.
Показатель доли необслуживаемых кредитов (NPL – non –performing loans), отражает всю величину кредита, по которому имеется длительная задержка платежа (более 90 дней). В качестве доли необслуживаемых кредитов для России берет несколько другой показатель – доля проблемных и безнадежных ссуд. (IV и V категории качества)
10
Количественные методы анализа устойчивости финансовой системы
индикаторыфинансовой устойчивости (financial
soundness indicators);
(модели раннего оповещения early warning
indicators – опережающие индикаторы);кризисов
с -тресс тестирование;
прогнозирование динамики финансового.сектора
11
Примеры индикаторов финансовой устойчивости
Достаточнос тькапитала
, Отношение капитала к активам взвешенным по степени риска
Качествоактивов
Отношение необслуживаемых ссуд к общему объему кредитного портфеля
Отраслевое распределение кредитного портфеля Географическое распределение кредитного
портфеля Доходы и
прибыль Отношение прибыли к активам Отношение процентной маржи к общим доходам
Спрэд между ставкой по кредитам и ставкой по депозитам
Ликвидность Отношение ликвидных активов к общим активам Среднедневной оборот на рынках ценных бумаг
Чувствительн ость к
рыночномуриску
Отношение чистой открытой валютной позиции к капиталу , Отношение обязательств номинированных в
, иностранной валюте к общему объемуобязательств
12
Отличия между стресс-тестированием,прогнозированием и моделями раннего оповещения
Макроэкономическоепрогнозирование
Модели раннего оповещения
( опережающие)индикаторы
Макроэкономический-стресс тест
),(~11 ttt ZXgxE
),()~( 21 ttt ZXgxxP
),()~|~( 311 tttt ZXgxxY
13
Стресс-тестирование -
это способ оценки уязвимости
, к исключительным но возможнымшокам
- Цель стресс тестирования – , выявить основные виды рисков оценить возможные потери в случае их реализации и соотнести
.величину этих потерь с имеющимся запасом капитала
- Стресс тест не : « ?», отвечает на вопрос какова вероятность потерь « ?».он отвечает на вопрос каков объем возможных потерь
• , портфелей инструментов• финансовых институтов• финансовой системы в
целом
14
Функция плотности потерь от реализации кредитных рисков
%10,
%10,
)1Н(
рискастепениповзвешенныеАктивыКапиталкапиталапрочностиЗапас
рискастепениповзвешенныеАктивыКапиталкапиталастидостаточноНорматив
15
Сдвиг функции плотности потерь в результате системного кризиса
16
Обзор существующих работ по макроэкономическому стресс-тестированию (в скобках – зависимая
переменная)
17
Действие обратных связей от банковской системы к макроэкономическим показателям
Макроэкономический шок (↓ цен на активы)
↑ отношения долга к накопленному
богатству и к текущему
финансовому результату
пересмотр потребительских и инвестиционных
решений
↓ экономической активности
снижение способности заемщиков выплачивать
кредиты в срок
ужесточение условий кредитования, рост процентных ставок
дефолты по ссудам
давление на капитал банков
↓ кредитного портфеля для того, чтобы соответствовать
нормативу достаточности капитала
Стресс-тестирование
(без учета обратных связей)
Обратные связи
«порочный круг»
18
Тестирование наличия обратных связей на российских данных c помощью VAR-модели
111
1
tjt
p
jjt ZZ
Список используемых переменных – Z : NPL – доля проблемных и безнадежных ссуд в кредитном портфеле
, ;российских банков на конец квартала REER_2000=100 – , 2000 .= 100;индекс реального эффективного курса рубля г INTEREST_RATE_REAL – , реальная процентная ставка по кредитам на конец
;квартала T_CREDIT_REAL_Y – темп прироста кредитного портфеля в реальном
, , , выражении за год или что то же самое квартал к кварталу ;предыдущего года
T_GDP_Y – ( темп прироста реального ВВП в годовом выражении квартал к );кварталу предыдущего года
INFLATION_Y – ( темп инфляции в годовом выражении квартал к кварталу ).предыдущего года
, 1998 2009 Временные ряды по России поквартально с по. , .гг Данные Банка России Росстата
19
Тесты на стационарность временных рядов
- Расширенный тест Дики Фулера(ADF- )тест
KPSS-тест
Порядокинтегриру
-е мости
Критиче- с кий
уровень
Числозначимы
х лагов
Порядокинтегриру
-е мости
Критиче- с кий
уровень
NPL I(0) 10% 1 I(0) 1%
REER_2000=100 I(1) 5% 1 I(0) 10%
INTEREST_RATE_REAL I(0) 1% 2 I(0) 10%
T_CREDIT_REAL_Y I(0) 10% 1 I(0) 1%
T_GDP_Y I(0) 5% 1 I(0) 10%
INFLATION_Y I(0) 5% 1 I(0) 1%
20
Функция отклика VAR-модели
-0.03
-0.02
-0.01
0.00
0.01
0.02
0.03
1 2 3 4 5 6 7 8 9 10
Response of T_GDP_Y to One S.D. NPL Innovation
Значение критериевЧисло лагов
1 2 3 4
Akaike Information Criteria 20.72 17.88 16.04 14.78
Schwarz Criteria 22.39 21.01 20.67 20.92
VARВыбор порядка
21
Эконометрический анализ на панельных данных
регрессия по объединенным данным и ее:модификации
(pooled), регрессия по объединенным данным с индивидуальнымификтивными переменными
c регрессия по объединенным данным о стандартными, ошибками учитывающими панельную структуру
(PCSE - Panel-Corrected Standard Error)данных модель с фиксированными эффектами модель со случайными эффектами , динамическая модель на панельных данных
обобщенный метод моментов 1997–2008 . 35 . Панельные данные за гг по странам ДанныеМВФ (International Financial Statistics – IFS Global Financial Stability Report – GFSR)и
22
Описание переменных и дескриптивные статистики
0Y
Y-Y если 0,
0Y
Y-Y если ,
YY-Y
owtheal_gdp_grNegative_r
1-t
1-tt
1-t
1-tt
1-t
1-tt
2iit )AORROA(ilityROA_instab
0- если 0,0- если ,-
slowdownInflation_1-tt
1-tt1-tt
Переменные Описание Числ. набл.
Среднее Мин Макс
NPL Доля нефункционирующих ссуд в общем объеме ссуд банковской системы
368 0.0849 0.0020 0.4860
NPL_average Бескризисное среднее NPL 407 0.0650 0.0055 0.2319
Negative_real_gdp_growth
Отрицательные темпы прироста реального ВВП
972 -0.7729 -68.6351 0
ROA_instability
Волатильность отношения прибыли к активам банковской системы. Квадрат отклонения ROA от среднего
352 5.3443 0.0001 694.69
Inflation_slowdown
Торможение инфляции 936 -56.8796 -11473 0
Crisis Фиктивная переменная наличия кризиса 1148 0.1028 0 1
23
Эмпирические результаты оценивания модели зависимости доли плохих долгов (NPL) от факторов на панельных данных
Переменная
Объединенная модель (pooled)
Модель с фиксированными
эффектами
Модель со случайными эффектами
Коэффициент t-stat Коэффициент t-stat Коэффициент z-stat
Constant –0,0007
–0,17 0,0653 *** 23,45 –0,0015 –0,36
NPL_average 1,0177 *** 19,61 – – 1,0228 *** 20,10
Negative_real_gdp_growth (–1)
–0,0059
*** –3,77 -0,0059 *** –3,59 –0,0052 *** –3,40
ROA_instability
0,0003 *** 5,71 0,0003 *** 5,67 0,0003 *** 5,83
Inflation_slowdown (–1)
–0,0002
*** –4,95 –0,0001 *** –2,62 –0,0001 *** –2,79
Crisis 0,0991 *** 12,71 0,0986 *** 11,39 0,1017 *** 13,43
0,7178 0,7509 0,7279
F-тест (число степеней свободы), P-value F (34, 300) = 0,82 Prob > F = 0,7584
LM-тест (число степеней свободы), P-value χ2 (1) = 0,30 Prob > χ2 = 0,5837
Число наблюдений (число групп наблюдений) 339 (35)
24
Модельные (рассчитанные на основе эконометрической модели) и фактические значения доли «плохих долгов» (non-performing loans, NPL) на пике кризиса, %
Аргентина - 2002
Болгария - 1999
Доминикан_респ - 2003
Индонезия - 1998
Колумбия - 1999
Корея - 1999
Литва - 1997
Малайзия - 2001Россия - 1998
Турция - 2001
Украина - 1999
Уругвай - 2002
Филлипины - 2001
Хорватия - 1999
Эквадор - 2000
Россия - 2010
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
50%
0% 5% 10% 15% 20% 25% 30% 35% 40% 45% 50%модель
фак
т
страны с высоким пиковым уровнем NPL
страны с низким пиковым уровнем NPL
масштаб "замаскированной" задолженности в резу льтате введения послаблений на отнесение ссу д к проблемным и безнадежным
25
Влияние проблемы плохих долгов на капитал банков
, 2010 . 126 . .Исходя из расчетов потребность в дополнительной капитализации на г составляет млрд руб 2008-2009 . 1,1 . . За гг в капитал уже было привлечено порядка трлн руб через выдачу банкам
субординированных кредитов и дополнительную эмиссию акций госбанков в пользу государства
↑ доля необслуживаемых
кредитов
↑ резервы под возможные потери и обесценение (часть
издержек)
↓ Прибыль
↓ Собственный капитал
если прибыль < 0
списания безнадежных
ссуд с балансов
↓ Собственный капитал
26
Микроэкономические факторы роста необслуживаемых кредитов: проблема морального риска
№ РегН Название бета в уров-нях
Значимая константа
(α)
R2 Inverted AR
Roots
бета в первых
разностях
R2 Потребность в допкапитализации
на основе [6]1 1481 СБЕРБАНК РОССИИ 0.67 0.99 0.94 0.68 0.642 1000 ВТБ 1.14 0.90 0.87 1.74 0.243 354 ГАЗПРОМБАНК 0.41 0.68 -4 3349 РОССЕЛЬХОЗБАНК 0.39 0.97 0.96 0.39 0.185 2748 БАНК МОСКВЫ 0.66 -0.41 0.98 0.82 0.49 0.196 1623 ВТБ 24 0.55 0.94 0.88 0.51 0.157 1 ЮНИКРЕДИТ БАНК 1.05 -1.35 0.97 -8 1326 АЛЬФА-БАНК 4.56 -6.07 0.99 0.72 3.74 0.489 2272 РОСБАНК 1.17 0.96 0.88 0.82 0.09 да
10 323 МДМ БАНК 2.16 0.99 0.93 1.93 0.48
10 Результаты оценивания модели по крупнейшим банкам
оценивается для каждого i- ( го банка модель следующего вида по - ): аналогии с бета коэффициентом на рынке акций
ttti Кредиты
стьзадолженноаяПросроченнКредиты
стьзадолженноаяПросроченн
,
,
, , 2004–2008 . 50 Временные ряды помесячно за гг по крупнейшим . банкам РФ
(101 Данные Банка России балансовые формы кредитных).организаций
27
Основные результаты и выводы, полученные в работе Проведен анализ структуры финансовой системы и
выявлены наиболее значимые финансовые посредники для – ;России и других развивающихся стран банки
Выявлены основные виды рисков и обоснован выбор наиболее значимого вида рисков для банковской системы
– ;России кредитного Сделан обзор основных методов анализа устойчивости
-финансовой системы и обозначено место стресс ;тестирования среди этих методов
, Проведен обзор литературы по данной тематике в ходе , которого выявлены основные методы этапы и подходы к
- , стресс тестированию а также основные факторы доли ;плохих кредитов
. Выделены четыре критерия типологизации работ На основе трех критериев была построена
, классификационная таблица изученных работ которая позволила систематизировать исследования в данной
области
28
Основные результаты и выводы, полученные в работе
, На основе модификации спецификаций принятых в мировой, практике были оценены модели зависимости доли
проблемных и безнадежных ссуд по России на основе .временных рядов и на панельных данных
Оценивание VAR- модели на основе временных рядов указывает на наличие обратных связей от банковской системы к
. макроэкономическим показателям Результаты оценки на панельных данных указывают на
зависимость доли необслуживаемых кредитов от отрицательных , , темпов экономического роста дезинфляции отклонения
. прибыльности активов от многолетнего среднего При этом доля 70%.объясненной дисперсии зависимой переменной была не ниже
, Проведенные расчеты по модели оцененной на панельных, данных позволили построить прогноз доли проблемной
задолженности в России и оценить устойчивость банковской системы к ожидаемому росту необслуживаемых кредитов в
.среднесрочной перспективе
29
Научная новизна работы - Впервые стресс тестирование банковской системы
с применением эконометрических методов было . осуществлено для России При этом полученные
результаты свидетельствуют об устойчивости банков к ожидаемому росту проблемной
;задолженности Впервые для исследования микроэкономических
факторов роста кредитных рисков была -адаптирована методология расчета бета
. коэффициентов на рынке ценных бумаг С помощью , нее были выявлены банки рост просроченной
задолженности у которых объясняется в большей .степени микроэкономическими причинами
new
30
Спасибо за внимание!