Развитие инструментов макропруденциальной политики для управления системными рисками банковского сектора тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат наук Серякова Екатерина Вадимовна

• Серякова Екатерина Вадимовна
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Серякова Екатерина Вадимовна

ВВЕДЕНИЕ

Глава 1 Теоретические и практические аспекты макропруденциальной политики в отношении банковского сектора

1.1. Особенности макропруденциальной политики применительно к банковскому сектору в российской и зарубежной практике

1.2. Систематизация инструментария макропруденциальной политики применительно к банковскому сектору

1.3. Практические аспекты применения инструментария макропруденциальной

политики

Глава 2 Идентификация и оценка системных рисков банковского сектора в процессе формирования и реализации макропруденциальной политики

2.1. Источники и каналы распространения системных банковских рисков

2.2. Выявление факторов возникновения системных банковских рисков для выработки мер макропруденциальной политики

2.3. Эмпирический анализ индикаторов системного банковского риска в

процессе реализации мер макропруденциальной политики

Глава 3 Подходы к оценке эффективности мер макропруденциальной политики

3.1. Формирование подходов к оценке эффективности макропруденциальной политики банковского сектора

3.2. Исследование эффективности мер макропруденциальной политики банковского сектора в отношении ее инструментария

3.3. Потенциал развития и проблемные вопросы реализации

макропруденциальной политики в России

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЯ

Введение диссертации (часть автореферата) на тему «Развитие инструментов макропруденциальной политики для управления системными рисками банковского сектора»

ВВЕДЕНИЕ

Актуальность исследования. Концепция макропруденциального регулирования банковского сектора развивается с 1970-х годов и является относительно молодой. До середины 2000-х годов проблематика макропруденциального регулирования подробно не рассматривалась, так как считалось, что кризисы зарождаются в реальном секторе экономики, а финансовая система является лишь их проводником. После глобального финансово-банковского кризиса 2007-2009 годов усилился практический интерес к изучению системных рисков, проблем макропруденциальной политики и её инструментария, так как финансовая нестабильность стала рассматриваться как триггер заражения реального сектора экономики. Финансовая нестабильность обусловлена реализацией системных банковских рисков, вследствие чего параллельно стали глубоко изучаться вопросы, связанные с источниками, каналами распространения и количественными показателями оценки системных рисков.

Актуальность изучения макропруденциальной политики возросла после глобального финансово-банковского кризиса, когда стало очевидно, что с одной стороны, инструментарий денежно-кредитной политики не достаточен для обеспечения финансовой стабильности и сглаживания всплесков финансового цикла, а с другой стороны, стало очевидно, что проведение микропруденциальной политики не является панацеей для предотвращения системных банковских кризисов. В связи с этим возникла необходимость совершенствования инструментария регулирования банковского сектора. Таким образом, в сферу ответственности Банка России как регулятора финансового рынка России помимо традиционных направлений, связанных с разработкой и проведением денежно-кредитной и микропруденциальной политики, была включена также макропруденциальная политика.

В настоящее время в России ведётся работа по формированию и развитию инструментария макропруденциальной политики на основе всестороннего

изучения опыта банковских регуляторов развитых и развивающихся стран. Меры макропруденциальной политики направлены на поддержание финансовой стабильности, т.е. преодоление реализации системных банковских рисков. Таким образом, ключевой целью макропруденциальной политики является управление системными банковскими рисками, что требует их своевременной идентификации и оценки. В связи с этим актуальным вопросом является исследование феномена системного банковского риска и его оценка. Актуальность его изучения мотивируется следующими причинами. Во-первых, ввиду взаимосвязанности участников банковского сектора на национальном и трансграничном уровне, подверженности банков общим рискам и процикличности их деятельности возрастает угроза реализации системного банковского кризиса. Для заблаговременного предотвращения наступления системных кризисов важно оценивать уровень системного риска. Некоторые количественные оценки уровня накопленного системного риска банковского сектора можно трактовать как опережающие индикаторы системного финансово-банковского кризиса. Во-вторых, глобальный финансово-банковский кризис 2007-2009 годов показал, что финансовая нестабильность является причиной снижения объемов кредитования и дефицита ликвидности, что приводит к замедлению темпов экономического роста. Поэтому важно идентифицировать источники и каналы распространения системных рисков в банковском секторе и определить их влияние на реальный сектор экономики. В-третьих, существуют методологические предпосылки для дальнейшей разработки концепции системного банковского риска. По-прежнему актуальным вопросом является выработка предложений по количественным оценкам системного банковского риска. Учитывая интегрированность российского финансового рынка в мировой финансовый рынок, логичным также представляется проведение оценки трансграничного распространения системных банковских рисков. В данной диссертационной работе рассмотрение системных рисков ограничивается преимущественно системными банковскими

рисками, на управление которыми направлена макропруденциальная политика.

Актуален также вопрос оценки эффективности применяемых мер макропруденциальной политики в отношении её инструментария для минимизации системных банковских рисков. Определение эффективности мер в отношении инструментов макропруденциальной политики для регулирования кредитного рынка связано с необходимостью оценки контрциклического характера макропруденциальной политики, своевременного пересмотра мер в отношении её инструментария и определения побочных эффектов от её проведения. В настоящее время в мировой практике проводится в основном оценка эффективности мер в отношении инструментов, влияющих на банковские активы, а изучение эффективности мер применительно к инструментам, влияющим на капитал и ликвидность банков, ограничивается небольшим количеством исследований. Отсутствует однозначный ответ, какие инструменты эффективнее для регулирования темпов роста объема кредитов и цен на недвижимость: например, применять ли риск-веса для расчёта активов, взвешенных по степени риска, либо же максимальное ограничение на отношение объёма кредита к стоимости залога. Аналогичный вопрос возникает при выборе между применением антициклической надбавки к нормативам достаточности капитала либо риск-весов для расчёта активов, взвешенных по степени риска. Практическую актуальность представляет также вопрос комплементарности применения инструментария денежно-кредитной и макропруденциальной политики для регулирования кредитного рынка.

Степень разработанности проблемы. Среди отечественных ученых, занимающихся проблематикой макропруденциальной политики и системного финансового риска, выделяются исследования И.К. Андриевской, С.А. Андрюшина, О. Дж. Говтваня, М.Ю. Головнина, Е.О. Даниловой, С.В. Дробышевского, М.В. Ершова, А.В. Канаева, А.М. Карминского, И.В. Ларионовой, А.В. Леонидова, В.Е. Маневича, А.К. Мансурова, Е. И. Мешковой, Я.М. Миркина, С.Р. Моисеева, Г.С. Пановой, А.А. Пестовой, Г.Й. Пеникаса, А.Ю. Симановского, О.Г. Солнцева, М.И. Столбова, П.В. Трунина, А.А. Хандруева и др.

В зарубежной литературе этой проблематике посвящены работы О. Акинчи, В. Ачарья, Т. Адриана, О. Б. Бернанке, Д. Бисиаса, К. Борио, К. Браунлиса, К. Будника, М. Бруннермайера, В. Бруно, К. Буха, Б. Гаданца, Г. Галати, Л. Голдберг, Е. Золи, Л. Жанга, Д. Игана, Ч. Кима, С. Клэссенса, Тода А. Кнупа, М. Крицмана, К. Крове, Ж. Леффлера, Ф. Мишкина, Р. Моесснера, Э. Нира, Я. Сицеля, Е. Фьорентино, Л. Хакоме, Л.Хансена, А. Хелдена, Ж. Хименеза, Е. Черутти, И. Шима, Л.Т. Штерна, Р. Энгла и др.

Дополнительного исследования требуют подходы к оценке эффективности проведения макропруденциальной политики российским банковским регулятором и методы оценки системных банковских рисков с целью своевременной реализации мер макропруденциальной политики.

Область исследования соответствует паспорту специальности ВАК по специальности 08.00.10 «Финансы, денежное обращение и кредит» и включает пункты: п. 10.5. «Устойчивость банковской системы РФ и стратегии ее развития»; п. 11.8. «Государственное регулирование кредитно-финансовых институтов».

Объект исследования - макропруденциальная политика и ее инструментарий, направленный на упреждение системных банковских рисков.

Предмет исследования - развитие инструментария макропруденциальной политики и подходов к оценке эффективности мер в отношении ее инструментария с целью управления системными банковскими рисками.

Теоретической и методологической основой исследования послужили работы отечественных и зарубежных авторов в области банковского дела, банковского риск-менеджмента, системных кризисов и системных рисков, а также макропруденциальной политики. Методология исследования базировалась на сравнительном и комплексном подходах. В рамках данных подходов были использованы общенаучные методы исследования, такие как анализ, синтез, классификация, систематизация. Для эмпирических количественных исследований использовались статистический метод и эконометрическое моделирование.

Информационной базой исследования послужили следующие источники: отчеты и рабочие материалы международных аналитических и статистических организаций (Федеральной службы государственной статистики Российской Федерации, Банка международных расчетов, Международного валютного фонда, Организации экономического сотрудничества и развития и др.); данные экономической статистики (Банка России, Московской биржи), а также базы данных по российским банкам; данные аналитических агентств, в том числе информационно-аналитического агентства Bloomberg; справочно-информационные материалы Банка России, аналитические обзоры и мониторинги системного риска стран ЕС.

Цель и задачи исследования. Цель диссертационной работы состоит в разработке рекомендаций по совершенствованию инструментария макропруденциальной политики и оценке эффективности проведения макропруденциальной политики в целях упреждения системных банковских рисков в национальном банковском секторе.

Для достижения цели исследования были поставлены следующие задачи:

• определить область исследования макропруденциальной политики регулятора банковского сектора и провести сравнительный анализ межстранового применения инструментов макропруденциальной политики;

• выделить показатели оценки системных банковских рисков, применяемых национальными и зарубежными регуляторами банковского сектора, базовые понятия и виды системных банковских рисков, определить источники и каналы их распространения в банковском секторе;

• выработать предложения для Банка России по совершенствованию инструментария макропруденциальной политики с учетом накопленных системных рисков в банковском секторе России;

• агрегировать критерии оценки эффективности макропруденциальной политики и разработать модель оценки эффективности мер в отношении инструментов макропруденциальной политики для регулирования кредитного рынка;

• разработать индекс вклада Топ-10 (по размеру активов) российских банков в распространение системного риска ликвидности для его оценки и дальнейшего управления этим риском;

• оценить общую системную связанность банковских секторов стран ЕС на основе ежемесячных страновых индексов финансового стресса стран ЕС (CLIFS) для исследования трансграничного распространения системных фондового и валютного рисков.

Обоснованность основных положений диссертации вытекает из использованных в ходе подготовки диссертации результатов фундаментальных и практических исследований, работ ведущих зарубежных и российских учёных и экспертов в области макропруденциальной политики и области изучения системных рисков банковского сектора. Полученные автором результаты исследования соответствуют поставленным в диссертации целям и задачам. Выводы диссертации опираются на теоретические положения и выводы в области макропруденциальной политики, проводимой зарубежными и российскими регуляторами. Выводы диссертационной работы подтверждены фактическими данными и подкреплены аргументированным применением современных экономико-аналитических и статистических методов, позволивших выявить основные тенденции в развитии банковской деятельности.

Научная новизна исследования заключается в развитии инструментария макропруденциальной политики и разработке модели оценки эффективности мер в его отношении в российском банковском секторе, а также развитии показателей системных банковских рисков в целях управления системным риском ликвидности и оценке трансграничного распространения системных валютного и фондового рисков по странам ЕС.

Результаты, полученные лично автором, состоят в следующем:

• представлена авторская классификация показателей оценки системных банковских рисков, применяемых национальными и зарубежными регуляторами банковского сектора, определены их виды, источники и каналы распространения в банковском секторе;

• систематизированы цели и задачи макропруденциальной политики, выявлены и исследованы практические аспекты применения инструментов макропруденциальной политики в странах ЕС и в развивающихся странах (в т.ч., в странах БРИКС): интенсивность применения в развитых и развивающихся странах, длительность применения, выбор банковского регулятора в пользу конкретного инструмента из одной и той же группы инструментов;

• предложены направления совершенствования инструментария макропруденциальной политики Банка России на основе анализа накопленных системных рисков в банковском секторе России. Предложено помимо уже используемых применять следующие инструменты: максимальные ограничения на отношение кредитов к депозитам для стимулирования сокращения банками наименее стабильных источников ликвидности; максимальные ограничения на чувствительность чистой приведённой стоимости для системно значимых банков для ограничения угрозы системного процентного риска; максимальные ограничения на объём избытка валютной ликвидности системно значимых банков в целях поддержания их прибыльности и, как следствие, их финансовой устойчивости;

• дана оценка эффективности проведения макропруденциальной политики в сфере регулирования кредитного рынка, одним из критериев которой является степень уязвимости национального банковского сектора к системному кредитному риску;

• перечень количественных показателей оценки системных банковских рисков дополнен выведенным автором индексом «вклада» крупнейших российских банков (Топ-10 по величине активов) в системный риск ликвидности, использование которого позволит упреждать его реализацию;

• проведена оценка трансграничного распространения системных фондовых и валютных рисков на примере стран ЕС, которая позволяет определить степень подверженности входящих в союз стран внутренним, либо внешним шокам. Полученные результаты позволили установить взаимозависимость банковских секторов стран ЕС, а также выявить ряд стран

9

(Кипр, Греция, Хорватия), источниками состоявшихся банковских кризисов которых стали внутренние дисбалансы этих секторов. Полученные результаты могут использоваться в методическом аппарате Банка России при проведении оценки вероятности распространения системных рисков на межнациональном уровне.

Основные результаты, содержащие научную новизну и выносимые на защиту, заключаются в следующем:

1. Систематизированы существующие определения и трактовки системного банковского риска, а также его виды, источники, каналы распространения, особенности и свойства. Проанализирован перечень существующих показателей системных банковских рисков, и предложена авторская классификация показателей количественной оценки системного банковского риска, используемых в регуляторной практике как в России, так и в зарубежных странах. Классификация представляет теоретический вклад в совершенствование подходов к оценке системных банковских рисков Банком России.

2. Детализированы задачи макропруденциальной политики, и систематизирован перечень инструментов макропруденциальной политики на основе российского и зарубежного опыта. Предложено классифицировать инструменты по видам системных банковских рисков, по объектам воздействия макропруденциальной политики (активы банков, капитал банков, банковская ликвидность) и по задачам макропруденциальной политики. С учетом проведенного сравнительного анализа текущей практики использования инструментария макропруденциальной политики в ряде стран выделены страновые особенности их применения.

3. Предложен набор рекомендаций по актуализации инструментария макропруденциальной политики для предотвращения нарастания системных банковских рисков, выявленных в текущих реалиях, и приобретения ими системного характера. Данные рекомендации могут найти применение в

практике национального банковского регулятора (Банка России).

10

4. Разработана модель оценки эффективности мер макропруденциальной политики в отношении дифференцированных требований к обязательным резервам и риск-весов, применяемых к различным видам кредитов. Использование данной модели позволит регулировать темпы роста совокупного объема кредитов в целях предотвращения локализации системного кредитного риска и ограничения его негативного влияния на реальный сектор экономики. Для анализа были собраны рыночные данные, а также балансовые показатели российского банковского сектора за период с 01.01.2007 по 01.04.2018. Модель основана на построении кумулятивного индекса макропруденциальной политики за период с 01.01.2007 по 01.04.2018 по исследуемым инструментам, направленным на регулирование системного кредитного риска.

5. Построен агрегированный индекс "вклада" системно значимых кредитных организаций в распространение системного риска ликвидности банковского сектора (далее - Индекс) в целях предотвращения реализации системного риска ликвидности.

6. Для системно значимых кредитных организаций получены коэффициенты, характеризующие вклад этих банков в системный риск ликвидности, а также проверена гипотеза о направлениях влияния этих факторов на распространение риска. Дополнительно с помощью моделей векторной авторегрессии и теста причинности по Грейнджеру исследована причинно-следственная связь между предложенным Индексом и Индексом промышленного производства (ИПП), что позволило сделать вывод, что значения ИПП за предшествующий период позволяют предсказывать значения Индекса.

В диссертации показано, что применение исключительно мер денежно-кредитной политики недостаточно для поддержания финансовой стабильности банковского сектора, т.е. денежно-кредитная политика не может достигать

одновременно и цели поддержания курса национальной валюты, и цели обеспечения финансовой стабильности.

7. Проведено эмпирическое исследование трансграничного механизма распространения системных валютного и фондового рисков с помощью метода разложения дисперсии ошибок векторной авторегрессии на основе ежемесячных сводных страновых индексов финансового стресса для стран ЕС (CLIFS). Для банковских секторов 27 стран ЕС получен индекс общей системной связанности (84%), который свидетельствует о высокой подверженности каждой страны внешним шокам из других стран-членов ЕС. Также выявлены страны-реципиенты и страны-источники системных банковских рисков на основе индексов чистой связанности банковских секторов этих стран. Путём эмпирического исследования была подтверждена гипотеза о том, что банковские сектора стран, подверженные внутренним шокам, в период с 2008 года по настоящее время пережили банковские кризисы, обусловленные внутренними макрофинансовыми дисбалансами.

Теоретическая значимость работы состоит в развитии теории банковского риск-менеджмента в части анализа понятий, видов и классификаций системного банковского риска, совершенствовании инструментария макропруденциальной политики применительно к российскому банковскому сектору, развитии подходов к оценке эффективности мер макропруденциальной политики путем проведения оценки эффективности мер в отношении некоторых инструментов, применяемых в российской банковской практике для регулирования кредитного рынка.

Практическая значимость работы. Отдельные положения исследования

могут быть использованы Банком России при разработке мер по поддержанию

финансовой стабильности и регулированию системных банковских рисков.

Практический интерес представляет разработка индекса вклада Топ-10 банков в

системный риск балансовой ликвидности, а также разработка модели оценки

эффективности мер макропруденциальной политики применительно к

российскому банковскому сектору. Исследование трансграничного

12

распространения системных валютного и фондового рисков в странах ЕС служит цели развития методических подходов к оценке Банком России российского банковского сектора как источника либо как реципиента системных банковских рисков на межнациональном уровне. Материалы диссертационного исследования использованы автором при проведении научно-исследовательского семинара и курса лекций "Математические методы и модели в банковском деле" в рамках магистерской программы "Международный банковский бизнес" кафедры "Экономика и банковский бизнес (совместно с АО "Газпромбанк")" в МГИМО МИД России. Результаты диссертационного исследования представляют практический интерес для Банка России, системно значимых кредитных организаций, а также более мелких финансовых институтов, в части совершенствования набора показателей системы раннего оповещения о наступлении стрессовой ситуации и инструментов микропруденциальной политики.

Апробация результатов исследования. Основные положения и выводы диссертационного исследования нашли отражение в статьях автора, опубликованных в рецензируемых научных изданиях, рекомендованных ВАК Минобрнауки России, а также в ходе выступлений на XVII Апрельской международной научной конференции по проблемам развития экономики и общества НИУ ВШЭ (секция «Финансовые институты и рынки», г. Москва, 20 апреля 2016 г.), научном семинаре НИУ ВШЭ «Эмпирические исследования банковской деятельности» (г.Москва, 16 декабря 2015 г.), научном аспирантском семинаре в МГИМО МИД России, международной конференции по системным рискам (г. Париж, Сорбонна, 9-12 октября 2018 г.), международном семинаре по системным рискам (г. Москва, НИУ-ВШЭ, 16-17 ноября 2018 г.). Результаты диссертации нашли применение в преподавании дисциплин по банковским рискам и финансовой макроэкономике, при проведении научно-исследовательских семинаров и в курсе лекций «Математические методы и модели в банковском деле» в рамках магистерской программы «Международный банковский бизнес» в МГИМО МИД России. Представленные в работе

13

количественные оценки системного банковского риска были использованы при актуализации показателей стрессовой ситуации в АО «Газпромбанк» с целью обеспечения его финансовой устойчивости.

Публикации. По теме данного исследования опубликовано 7 работ, общим объемом 5,5 п. л., в том числе 6 статей в изданиях, рекомендованных ВАК (общий объём - 5,9 п.л., личный вклад автора - 5,5 п.л.).

Структура диссертационной работы определяется общим замыслом и логикой проведения исследования. Диссертация включает введение, три главы, содержащие 33 таблицы и 7 рисунков, заключение, список использованных источников, включающий 192 позиции. Основной текст занимает 179 машинописных страниц.

Глава 1 Теоретические и практические аспекты макропруденциальной политики в отношении банковского сектора

1.1. Особенности макропруденциальной политики применительно к банковскому сектору в российской и зарубежной практике

Глобальный финансовый кризис 2008-2010 годов показал, что развитие банковского сектора невозможно без согласованных действий регуляторов. Обеспечение финансовой стабильности в настоящее время координируется на глобальном уровне Советом по финансовой стабильности (СФС), который был создан странами «Большой двадцатки» (G20) на Лондонском Саммите в апреле 2009 г. для осуществления, разработки и применения надзорной политики, направленной на выявление и устранение финансовой нестабильности. В 2010 г. в ЕС был создан Европейский Совет по системным рискам (European Systemic Risk Board (ESRB)) для оценки и мониторинга системных финансовых рисков. Таким образом, международным сообществом было признано, что приоритетной задачей национальных и наднациональных регуляторов должно стать поддержание макрофинансовой стабильности, которая реализуется путём последовательного проведения макропруденциальной политики. Особенности макропруденциальной политики обусловлены текущим состоянием банковского сектора, в т.ч. уровнем накопленных системных банковских рисков. В Таблице 1.1 приведены индикаторы российского банковского сектора c 01.01.2015 (в единицах), характеризующие уровень системного кредитного и процентного рисков, а также системного риска ликвидности (0 - наименьший уровень риска, 6 - наивысший уровень риска).

Таблица 1.1 Уровень системных банковских рисков в российском банковском секторе, единицы_

Системный риск кредитный процентный балансовой ликвидности рыночной ликвидности структурной ликвидности

Индикаторы Кредитный риск Процентный риск Снижение вкладов физ. лиц Дефицит обеспечения Массовая конверсия рублевых вкладов в валютные Устойчивость фондирования

01.01.2015 2 4 3 3 3 2

01.04.2016 3 2 2 1 2 2

01.10.2016 3 2 2 1 2 2

Системный риск кредитный процентный балансовой ликвидности рыночной ликвидности структурной ликвидности

01.04.2017 3 2 2 1 1 1

01.10.2017 3 2 2 1 2 2

01.01.2018 3 3 2 1 2 3

01.04.2018 2 3 2 1 2 2

01.10.2018 3 3 2 1 2 2

01.04.2019 3 3 2 1 2 3

01.10.2019 4 3 2 1 2 3

Источник: составлено автором на основе отчётов финансовой стабильности Банка России.

Из Таблицы 1.1 видно, что в настоящее время системный кредитный риск представляет наибольшую угрозу финансовой стабильности. За ним по уровню значимости следуют системный процентный риск, который нарастает с 01.01.2018, и системный риск структурной ликвидности, перешедший в "желтую зону" с 1 квартала 2019 г. (индикатор - устойчивость фондирования). Угроза реализации системного кредитного риска обусловлена прежде всего ростом объемов необеспеченного потребительского и ипотечного кредитования на фоне увеличения долговой нагрузки населения. 1 С точки зрения регулирования финансовой стабильности наибольшую обеспокоенность у Банка России вызывают на текущем этапе кредитные розничные риски (риски необеспеченного потребительского кредитования и риски ипотечного кредитования), а также риски валютных заёмщиков, которые проявились вследствие роста процентных ставок в конце 2014 года. Однако с начала 2018 года отмечается снижение валютных рисков банков, при этом, как было уже отмечено, с начала 2018 года в зону особого внимания регулятора попадают риски потребительского и ипотечного кредитования. По состоянию на 01.06.2019 задолженность по необеспеченным потребительским кредитам составила 8 трлн руб., увеличившись за год на 25,1%. Задолженность по ипотечным кредитам составила на 01.06.2019 6,9 трлн руб., увеличившись до 7,6 трлн руб. к 01.12.2019. На 01.06.2019 доля просроченных ипотечных кредитов составила 1,1%, составив к 01.12.2019 в абсолютном выражении 72,6 млрд руб.

Список литературы диссертационного исследования кандидат наук Серякова Екатерина Вадимовна, 2020 год

Источник:

составлено на основе статьи Куликова Д.М., Барановой В.М. Индекс финансового стресса для финансовой системы России// Деньги и кредит, №6,2017.

Индексом финансового стресса считается первая главная нормированная компонента. Критическим (пороговым) значением для перехода в режим финансового кризиса было выбрано значение 2,5. График индекса финансового стресса представлен на Рисунке 2.2. Рисунок 2.2 График индекса финансового стресса АКРА

Источник:

Режим доступа: https://www.acra-ratings.ru/research/index.

Индексы финансовой стабильности, наиболее часто используемые зарубежными регуляторами - FSI St. Louis Fed и Composite Indicator of Systemic Stress (CISS). CISS применяется ЕЦБ для отслеживания накопления дисбалансов в финансовой сфере. FSI является альтернативой для VIX и TED, используемые ФРС США в качестве показателей финансовой нестабильности. CISS и FSI строятся на основе большого количества данных и охватывают долевой рынок, долговой рынок капитала, денежный рынок, банковский сектор и валютный рынок. ЕЦБ также публикует страновые сводные индексы финансового стресса для каждой страны ЕС - CLIFS, который считается по трем субиндексам: рынка акций (по страновым индексам акций), рынка облигаций (10-летним гособлигациям) и валютного рынка.61 Стоит также упомянуть GFSI Bloomberg (Global FSI), представляющий собой агрегированную величину стресса по разным сегментам и разным географическим областям и разработанный в качестве альтернативы индексу VIX. Индикатор рассчитывается на основе 20 показателей по различным классам финансовых активов (в том числе внебиржевым) и по различным странам. Он отражает уровень риска (волатильность, платежеспособность, ликвидность), спрос на деривативы, определяемый отклонением цен акций и валютных опционов от справедливого значения, аппетит инвесторов к риску, оцениваемый по объемам торгов на рынке акций, облигаций и денежном рынке. Пики индекса наблюдались после краха Lehman Brothers в 4 кв. 2008 г., во 2 кв. 2010 г. и 3 кв. 2011 г. (см. Рисунок 2.3).

61 Duprey, T. and Klaus, B., "Dating systemic financial stress episodes in the EU countries", Working Paper Series, No 1873, ECB, December 2015.

Рисунок 2.3 Global Financial Stress Index

Global Financial Stress Index

Источник: Информационно-аналитический источник Bloomberg

Индекс финансовой стабильности, построенный на основе дистанции Махаланобиса, является усеченной альтернативой выше описанным индексам (FSI, GFSI, CISS). Данный индекс был предложен в диссертации Щепелевой М.А. в качестве опережающего индикатора спада в реальной экономике.62

Показатели оценки системного риска в сетевых моделях строятся на том, что все участники связаны между собой путем взаимных требований и обязательств. Чем более полная система, то есть чем больше участников связаны взаимными требованиями и обязательствами, тем легче риск передается по системе, при этом потери равномерно распределяются по всем финансовым институтам. Если система неполная, то риск может распространяться по системе медленнее, но крупные потери могут коснуться лишь нескольких банков, что приведет их к дефолту и возникновению цепной реакции дефолтов в дальнейшем в системе ("эффект домино"). Среди сетевых подходов наиболее распространённым показателем является показатель декомпозиции вариации (volatility spillovers) (Diebold- Yilmaz (DY)).

3. Сетевые модели. В работах российских ученых в области сетевого анализа хорошо исследованы аспекты анализа системных рисков рынка

62 Шепелева М.А. Макроэкономические аспекты оценки системного риска финансового сектора, диссертация кандидата экономических наук: 08.00.01. - Москва, 2016. -212 с.

104

межбанковского кредитования (далее - МБК).63 В данном исследовании, как и в любом другом сетевом анализе, использовался метод графов, где узлами графа были банки, а ребрами - их связи между собой. Допущением исследования явилось предположение о том, что банковская система полная (все банки связаны между собой). Банк признавался дефолтным, когда его капитал снижался ниже порогового уровня. Требования между банками для каждого дня вычислялись на нетто-основе, т.е требования банка за вычетом его обязательств перед другими участниками. Применительно к рассматриваемой задаче выделяют банки, являющиеся только заемщиками, банки, являющиеся только кредиторами, и банки, являющиеся как заемщиками, так и кредиторами. В исследовании был сделан вывод, что российский рынок МБК характеризуется большим числом чистых кредиторов (295 банков) и значительно меньшим числом чистых заемщиков (94).

4. Параметрические метрики (показатели "вклада" банков в системный риск). Показатели данной группы призваны оценить долю вклада каждого участника в распространение системного риска. Метрика CoVaR была предложена в 2008 году американскими учеными Т. Адрианом и М. Бруннермайером.64 Этот показатель рассчитывается для каждого финансового института и определяет потери всего банковского сектора при условии ухудшения финансовой устойчивости конкретного одного банка. Также рассчитывают показатель ACoVaR, который показывает предельный вклад банка в системный риск банковского сектора, который является разностью CoVaR в условиях финансовой неустойчивостии банка i и CoVaR при нормальных условиях функционирования этого же банка. Внутри группы параметрических метрик выделяют четыре показателя производных от метрики ES (expected shortfall): MES, CES, SES, LRMES. В современной практике риск-менеджмента под показателем ES понимают средние ожидаемые потери в а-% худших

63 Леонидов А.В., Румянцев Е.Л. Оценка системных рисков межбанковского рынка России на основе сетевой топологии// Журнал Новой экономической ассоциации, № 3 (19), с. 65-80.

64 Adrian T., Brunnermeier M. CoVaR. Staff Report №348. - Federal Reserve Bank of New York, September, 2008.

случаях. Иными словами, ES показывает средние потери, превышающие VaR (Value-at-Risk): максимально возможные потери на доверительном (1-а)% интервале в течение выбранного периода. Метрика ES рассчитывается крупнейшими банками и является более точной по сравнению с метрикой VaR (Value-at-Risk). 65 MES показывает уровень потерь в капитале банка при наступлении стресса на фондовом рынке в течение определенного периода времени.66 Показатель вклада банка в агрегированный риск системы - CES банка - можно определить как произведение MES банка и доли его капитализации отнесенное к капитализации всей банковского сектора. LRMES (long-run MES) представляет среднее между MES банка для различных по степени жёсткости кризисных сценариев: 67

LRMES = 1,69 * MES (2.3)

Показатель SRISK, в отличие от MES, означает необходимую величину капитала, которая может понадобиться банку в случае реализации системного кризиса в банковском секторе и является абсолютной величиной.68 SRISKit = max(0; k*Dit-(1-k)* Wit * (1 - LRMESit), (2.4)

где k- показатель отношения активов к капиталу (банковский мультипликатор); Dit -показатель обязательств банка i в период t; Wit -показатель чистых активов банка i в период t.

Таким образом, в нормальной ситуации SRISK должен составлять 0 для банка, и таковым должно быть пруденциальное требование к его значению. Пруденциальное ограничение на показатель SRISK заставит банки контролировать уровень своего левереджа. В отличие от других показателей группы показатель SRISK измеряется в абсолютной величине.

65 Серякова Е.В. Глобальные проблемы банковской системы России в контексте ее системного риска//Управление финансовыми рисками, 2017. № 1, с. 20.

66 http://vlab.stern.nyu.edu/ (сайт Volatillity Institute (V-LAB)).

67 Манаев В.Н. Измерение системного риска//Риск-менеджмент в кредитной организации, №3, 2013.

68 Brownlees T., Engle R. SRISK: A Conditional Capital Shortfall Index for Systemic Risk Measurement//Unpublished Working Paper, 2015.

URL: http://papers.ssrn.com/sol3/papers.cfm7abstract id=1611229

Показатель DIP (Distress Insurance Premium) представляет величину некой страховой премии от риска реализации системного кризиса, который определяется как потери совокупного капитала кредитного института, превышающие триггерную величину (например, 15% от обязательств банка).

В целях расширения перечня показателей оценки системного банковского риска, относящихся к парметрическим метрикам, был разработан взвешенный по степени системной значимости банка агрегированный индекс вклада крупнейших банков (Топ-10 по состоянию на 01.08.2017) в системный риск ликвидности69. Оценка значимости факторов системной значимости каждого банка позволит конкретизировать источник системного риска и разбить крупные банки в группы с одинаковыми по значимости критериями системной значимости, что позволит более адресно и точечно применять инструменты макропруденциальной политики на уровне отдельного банка из Топ-10. Агрегированный индекс вклада крупнейших банков (Топ-10) в распространение системного риска ликвидности может служить индикатором для смягчения или наоборот ужесточения мер макропруденциальной политики, направленных на ликвидность.

Индекс строился по данным банковских балансов за период с 01.01.2012 по 01.08.2017. Методологически для каждого банка на основе показателей системной значимости были построены регрессии и найден коэффициент детерминированности (R2), который показывает уровень системной значимости каждого банка и используется как вес для каждого банка в расчете агрегированного индекса на каждую дату. В качестве зависимой переменной была выбрана переменная вклада каждого банка в вариацию чистой ликвидной позиции банковской системы:

RC = cov(npNLp , (2.5)

VVAR(NLP) ' v '

где nlp (net liquidity position) - избыток\дефицит ликвидности каждого банка;

69 Серякова Е.В. Оценка влияния крупнейших российских банков на распространение системного риска ликвидности // Финансовая аналитика: проблемы и пути решения, 2018. № 3, с. 332.

NLP (Net Liquidity position) - избыток\дефицит ликвидности банковской системы;

VAR (NLP) - дисперсия дефицита ликвидности банковской системы;

NLP (nlp) определяется как разность требований всех банков системы (банка) к

Банку России над их (его) обязательствами перед Банком России.70

В данном исследовании к требованиям были отнесены депозиты в Банке России

и облигации Банка России, а к обязательствам сделки прямого РЕПО с Банком

России, кредиты банкам под нерыночные активы в соответствии с Положением

Банка России №312-П (с 22.05.2018 4801-У), валютный своп с Банком России

(продажа рублей за валюту). В качестве регрессоров в модели были выбраны

следующие показатели - факторы системной значимости банков (Таблица 2.11).

Критерий Показатель

Размер Обязательства банка

Взаимосвязанность (с другими участниками банковского сектора) Сальдо МБК размещенных и привлеченных по отношению к совокупным обязательствам

Взаимозаменяемость Акции и облигации, переданные в залог по операциям репо Отношение срочных средств физ.лиц в общем объеме депозитов банковского сектора

Сложность

-операционной деятельности Доля обязательств перед иностранными банками в объеме привлеченных МБК

-международной деятельности Сальдо требований и обязательств в валюте

Источник: составлено автором.

Для каждого из Топ-10 банков был получен показатель Я2, т.е. доля дисперсии зависимой переменной, объясняемая факторными переменными регрессии. Данный показатель трактуется как степень значимости каждого банка в банковском секторе. Далее на каждую дату с 01.01.2012 по 01.08.2017 показатель ЯС для каждого банка был скорректирован на Я2 этого банка. Получившийся временной ряд был интерпретирован как агрегированный взвешенный индекс

70 Серякова Е.В. Оценка влияния крупнейших российских банков на распространение системного риска ликвидности // Финансовая аналитика: проблемы и пути решения, 2018. № 3, с. 332.

вклада Топ-10 российских банков в системный риск ликвидности российского банковского сектора (далее - Индекс). В результате исследования удалось:

1. Построить агрегированный взвешенный индекс вклада ТОП-10 российских банков в системный риск ликвидности российского банковского сектора (представлен на Рисунке 2.4):

Рисунок 2.4 Взвешенный индекс вклада системнозначимых банков в системный риск ликвидности

Взвешенный агрегированный индекс вклада системнозначимых банков в системный риск ликвидности

Источник: составлено автором. 2. Определить статистическую значимость факторов системной значимости банков для возможности более адресного и корректного применения инструментов макропруденциальной политики к каждому банку из Топ-10 банков. Так было показано, что:

• показатель обязательства банка, аппроксимирующий критерий SIZE, не является статистически значимым для ТОП-3 российских банков. Таким образом, можно подтвердить гипотезу международных экспертов, что размер банка является необходимым, но недостаточным условием для определения

" 71

уровня вклада в системный риск ликвидности.

71 Здесь и далее значимость регрессоров оценивается на доверительном интервале равном 99%.

• зависимость от рынка МБК Сбербанка и двух банков не из Топ-3 банков по величине активов и капитала статистически значима для их вклада в системный риск ликвидности (Сбербанк, РСХБ, Открытие).

• показатель доли депозитов физ. лиц, аппроксимирующий критерий взаимозаменяемости (substitution), в объеме депозитов банковского сектора является статистически значимым критерием для четырех банков (ВТБ 24, Альфа-банк, Промсвязьбанк и ФК "Открытие").

3. Удалось ранжировать банки в три группы, для которых статистически значимы те или иные показатели системной значимости (Таблица 2.12)72.

Таблица 2.12 Классификация исследуемых банков по статистически значимым факторам системной значимости__

№ Статистически значимые показатели Банки

1 Размер и взаимозаменяемость ВТБ-24 Альфа-банк Промсвязьбанк НКЦ

2 Взаимосвязанность и сложность операционной деятельности Сбербанк РСХБ ФК Открытие

3 Международная деятельность (сотр1ех11у_т1егпа1;юпа1)73 ВТБ Газпрмомбанк МКБ

Источник: составлено автором.

4. Проанализированы гипотезы о знаке коэффициентов регрессоров для разных банков (Таблица 2.13).

Таблица 2.13 Гипотезы о знаке коэффициентов регрессоров и их эмпирическое значение в результате регрессионного анализа___

Критерий Гипотеза Банки Знак коэффициенто в регрессии

Взаимозаменяемость Значимость банка в аккумулировании депозитов положительно влияет на его вклад в системный риск ликвидности ВТБ-24 Альфа-банк + +

72 Серякова Е.В. Оценка влияния крупнейших российских банков на распространение системного риска ликвидности // Финансовая аналитика: проблемы и пути решения, 2018. № 3, с. 332.

73 Этот показатель оказался статистически значимым на доверительном интервале 90%.

110

Критерий Гипотеза Банки Знак коэффициенто в регрессии

Взаимосвязанность Зависимость банка от рынка МБК увеличивает его вклад в системный риск ликвидности Сбербанк РСХБ ФК Открытие + +

Размер Чем выше размер активов (обязательств) банка, тем выше его вклад в системный риск ликвидности ВТБ -24 Альфа-банк НКЦ РСХБ ФК Открытие + +

Источник составлено автором.

5. Было показано, что Индекс не является опережающим показателем для темпа роста реального ВВП и темпа роста объёма промышленного производства (см. Рисунок 2.5). С помощью моделей векторной авторегрессии и теста причинности по Грейнджеру была проанализирована причинно-следственная связь между предложенным индексом и показателем Индекса промышленного производства (ИПП), и сделан вывод, что прошлые значения ИПП позволяют предсказывать значения Индекса, а не наоборот. Несмотря на то, что Индекс не носит опережающего характера, можно сделать вывод, что при снижении ИПП можно говорить о нарастании угрозы системного риска ликвидности в банковском секторе: при снижении уровня промышленного производства следует снижение номинального ВВП, что влечёт снижение денежной массы и, как следствие, создаёт дефицит ликвидности в банковской системе, в том числе, увеличивает дефицит ликвидности крупнейших банков, что может спровоцировать развитие системного кризиса ликвидности. В условиях сокращения денежной массы в экономике (и таким образом, роста курса национальной валюты) логичной мерой было бы ослабление традиционной ДКП (снижение ключевой ставки), что привело бы к устранению дефицита ликвидности у банков в краткосрочной перспективе и стабилизации валютного курса, но с другой стороны, спровоцировало бы рост темпов кредитования, который может быть угрозой финансовой стабильности. Таким образом, показано, что применение исключительно мер ДКП недостаточно для

поддержания финансовой стабильности банковского сектора, т.е. ДКП не может достигать одновременно и ценовой стабильности, и финансовой стабильности.

Рисунок 2.5 Взвешенный индекс вклада системнозначимых банков в системный риск ликвидности и динамика макропоказателей

5 4 3 2 1 0 -1 -2 -3 -4 -5 -6 -7

Взвешенный индекс вклада системнозначимых банков в системный риск ликвидности (Топ-10) и динамика макропоказателей

Темпы роста ВВП, кв./кв. ■Индекс

-Темп роста пром. производства, мес./мес.

СП "О "О "О "О

^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч ^ч

О О О О О О О О О О О О О О О О О О О О О О О О

г^ Г^ Г^ Г^ Г^

,—1* к о ,—1* к о ,—1 тТ к О ,—1 тТ к О ,—1 О ,—1* к О

О о о -—; о о о -—; о О О -—; О О О '—; О О О -—; о О О -—;

,—1* ,—1* ,—1* ,—1* ,—1* ,—1 ,—1 ,—1* ,—1 ,—I ,—I ,—1* ,—I ,—I ,—I ,—1 ,—1* ,—1* ,—1* ,—1 ,—1* ,—1* ,—1* ,—1

о о о о о о о о о О О о О О О О О О О о о О О о

Источник: составлено автором.

В завершении Главы 2 важно рассмотреть трансграничный характер распространения системного риска, который является его неотъемлемой характеристикой. Ввиду высокой степени взаимодействия участников финансового рынка на наднациональном уровне и сильной финансовой глобализации, было бы логичным определить, какие страны являются донорами системного банковского риска, а какие акцепторами. Исследование трансграничного механизма трансмиссии системных рисков служит цели предотвращения зарождения и распространения системных банковских кризисов. На основе накопленного международного опыта и анализа логических финансово-экономических связей был составлен и представлен в Таблице 2.14. перечень факторов, которые ведут к реализации системных банковских кризисов в той или иной форме.

Факторы системных банковских кризисов Вид (форма реализовавшегося системного риска)

Снижение процентных ставок -> снижение ЧПМ банков -> массовое изъятие вкладов (в результате асимметрии информации клиентов о финансовом состоянии банка), т.н. "animal spirit" ->шок ликвидности Системный риск ликвидности

Высокий уровень левереджа компаний -> рост NPL-> рост кредитных рисков Системный кредитный риск ("эффект домино")

Высокая банковская конкуренция - снижением ЧПД банков рост кредитования плохих заемщиков (в силу асимметрии информации) -> наращивание кредитных рисков по высокорисковым кредитам Системный кредитный риск потребительского (в т.ч. необеспеченного) кредитования

Резкое изменение рыночных показателей: • Ослабления курса нац. валюты • Рост инфляции • Снижение фондовых индексов • Рост рыночных процентных ставок И макропоказателей: • Снижение темпов экономического роста • сальдо счета текущих операций • объема ЗВР Системный валютный риск Системный кредитный риск Системный ценовой риск Системный процентный риск Системные макроэкономические риски

Крах СЗКО -> реализация морального риска -> Банкротство других банков из-за Эффекта домино и связанности взаимными требованиями и обязательствами Реализация всех видов системных рисков (системные кредитные, рыночные, валютные, риски валютной и рублевой ликвидности)

Источник составлено автором.

Для исследования трансграничной трансмиссии системных рисков финансового рынка были выбраны 27 стран - членов ЕС.74 Цель исследования заключается в обосновании с помощью эмпирического анализа гипотезы о высокой системной связанности стран-членов ЕС ввиду высокой степени интеграции их финансовых систем. Также исследование служит цели доказать, что ряд стран (Кипр, Греция), испытавшие с 2008 года банковские кризисы, имеют наибольшую собственную связанность, объясняющую наличие внутренних дисбалансов на финансовых рынках в этих странах.

Рассмотрим работы, которые использовались для заимствования методологии подобных исследований. Первой работой, где была представлена

74 Данное исследование рассматривает системный риск не только банковского сектора, а финансового рынка в силу специфики построения индекса СЬГРБ.

113

методология УЛЯ для интерпретации обобщенной функции импульсного отклика, была работа Купа Г., Песарана М. и Поттера М.75 УЛЯ - модель, как способ объяснения вариации одной переменной (индикатора финансовой нестабильности, макропеременной) долей вариации другой макроэкономической переменной, была рассмотрена в работе Дж. А. Чан-Лау.76 Автор ссылался на два подхода декомпозиции вариации: предложенный Песараном М. и Шином И. в 1998 году77 и представленный Лэйном М. и Нюбергом Х. в 2016 году.78 Для данной статьи был выбран метод, предложенный в работе Песарана М. и Шина И.

В качестве показателя системного риска для каждой страны, на основании которого для каждой страны строились УЛЯ-модели, был выбран страновой сводный индекс финансового стресса (СЬШЗ). Анализ проводился с 01.01.2005 по 01.12.2018 на ежемесячной основе. 79 В основе анализа лежит метод декомпозиции вариации, с помощью которого выявляется влияние на каждую страну вариации СЫББ других стран-членов ЕС на горизонте 18 месяцев. Результатом исследования является матрица связанности. Элементы матрицы связанности dij (при i Ф j) означают долю вариации переменной 1, которую можно объяснить вариацией остатков переменной j, т. е. чем больше значение dij, тем больше влияние j на г Диагональные элементы dii показывают «собственную связанность», т. е. долю вариации переменной, которая объясняется самой собой.80 На основании матрицы связанности рассчитаны:

75 Koop G., Pesaran M., Potter S. Impulse Response Analysis in Nonlinear Multivariate Model // Journal of Econometrics. 1996. Vol.74 № 1, pp. 119-147.

76 Jorge A. Chan-Lau Variance Decomposition Networks: Potential Pitfalls and a Simple Solution // IMF Working Paper №17/107, 2017.

77 Pesaran, M., Y. Shin "Generalized Impulse Response Analysis in Linear Multivariate Models" Economic Letters, Vol. 58, № 1, pp. 17-29, 1998.

78 Lanne M., H. Nyberg "Generalized Forecast Error Variance Decomposition for Linear and Nonlinear Multivariate Models," Oxford Bulletin of Economics and Statistics, Vol. 78, № 4, pp. 595603, 2016.

79 В силу недостаточности данных за исследуемый период Эстония была исключена из выборки стран.

80 Серякова Е.В. Основные факторы и межстрановая трансмиссия системных банковских рисков в условиях глобальной финансовой нестабильности // Управление финансовыми рисками. 2018. № 4. С. 268-275, 0,5 п.л.

индикатор общей направленной связанности:

а ч. (2.6)

]=1

• нетто-показатель общей связанности:

Сь = а ^ • - С^ ^ ]. (2.7)

• и индикатор системном связанности:

С =7,) Ь, (2.8)

N / , ■ Ч

Если СI >0, то страна является нетто-реципиентом системного риска, если С^ <0, то нетто - донором. Для анализа были построены попарные векторные авторегрессии неавтокоррелированных остатков временных рядов. Динамика каждой из зависимых переменных характеризовалась остатками самой зависимой переменной и текущим и лаговыми значениями остатков другой переменной. Влияние неучтенных в модели факторов проявляется через остаточный компонент е^, i = 1,2. Были сделаны следующие выводы:

• был получен индекс общей системной связанности (84%), который говорит о высокой подверженности каждой страны внешним шокам из других стран-членов ЕС.

• выявлены страны нетто-доноры системного риска: Австрия, Кипр, Дания, Бельгия, Хорватия, Чехия, Ирландия, Болгария, Финляндия, Греция, Франция, Латвия.

• выявлены страны нетто - акцепторы (реципиенты) системного риска: Великобритания, Испания, Румыния, Португалия, Германия, Люксембург, Словакия, Словения, Польша, Литва, Мальта, Венгрия, Нидерланды, Италия.

• для всех стран фиксируется довольно низкая зависимость от собственных шоков. Относительно высокая зависимость от шоков в своей стране наблюдается в: Греции, Кипре, Болгарии, Хорватии (в порядке убывания). Данный вывод подтверждает факт наблюдавшихся банковских

кризисов в этих странах, возникших за счёт собственных макрофинансовых дисбалансов.81

И так, в Гдаве 2 были выявлены источники и каналы распространения системных банковских рисков, определены факторы системных банковских рисков и классифицированы показатели оценки системного банковского риска. Классификация была расширена предложенным показателем вклада системно значимых банков в распространение системного риска ликвидности и выявлен вклад каждого из крупнейших российских банков в его распространение. Также в рамках изучения свойства трансграничного распространения системного риска была выявлена системная связанность банковских секторов стран ЕС на основе индекса СЬШЗ, характеризующего системные валютный и фондовый риски. Несмотря на то, что отдельно концепция системных банковских рисков является актуальной темой для теоретического и эмпирического изучения, в данной работе системные банковский риски рассмотрены как объект минимизации макропруденциальной политики. Можно сказать, что сдерживание нарастания и распространения системных банковских рисков является целью макропруденциальной политики, оценка эффективности которой будет рассмотрена в Главе 3.

81 Эконометрические результаты исследования представлены в Приложении №3 работы.

Глава 3 Подходы к оценке эффективности мер макропруденциальной политики

3.1. Формирование подходов к оценке эффективности макропруденциальной политики банковского сектора

Наиболее дискуссионным и перспективным вопросом в области макропруденциальной политики является вопрос оценки эффективности мер применительно к её инструментарию. Под эффективностью в широком смысле понимают финансовые последствия после активации или деактивации инструментов для банковского сектора. В международной практике проведения макропруденциальной политики выделяют два основных критерия эффективности82:

• способствование предотвращению роста системных банковских рисков

• способствование укреплению финансовой стабильности банковского сектора путем создания банками дополнительного буфера капитала.

Помимо данных критериев российский банковский регулятор к критериям эффективности мер в отношении инструментов макропруденциальной политики относит:

• соотношение выгод и издержек после реализации мер применительно к инструментам макропруденциальной политики;

• своевременность применения мер банковским регулятором;

• оценку утечек от применения мер макропруденциальной политики (уход банков в теневой банковский сектор).83

Можно выявить как положительные, так и негативные финансовые последствия в результате принятия мер макропруденциальной политики. К положительным относят:

82 Cerutti, E., R. Correa, E. Fiorentino, and E. Segalla Changes in Prudential Policy Instruments: A New Cross-Country Database // International Journal of Central Banking, vol. 13 (1), pp. 477-503, 2017.

83 Системный риск финансового сектора: оценка и регулирование: монография / Карминский А.М, Столбов М.И., Щепелева М.А. под ред. А.М. Карминского.М.: Научная библиотека, 2017-284 с.

• повышение финансовой устойчивости банков;

• контрциклическое регулирование кредитного рынка;

• снижение процикличного поведения участников банковского сектора;

К отрицательным можно отнести:

• потерю банками заемщиков;

• миграцию кредитной активности (т.н. утечки в некредитные финансовые организации, в другие регионы, и т.д.);

• замедление темпов экономического роста путем сдерживания кредитного цикла;

• сужение рынка финансовых услуг;

• дополнительные расходы банков.

К индикаторам эффективности макропруденциалъной политики, выделяемых в зарубежной и российской банковской практике, можно отнести индикаторы состояния кредитного и финансового циклов в результате применения тех или иных мер макропруденциальной политики, а именно:

• изменение темпов роста кредитования;

• изменение темпов роста кредитования корпоративного и розничного сектора;

• изменение темпов роста ипотечного кредитования;

• доля валютных кредитов в совокупном кредитном портфеле;

• доля корпоративных (розничных) кредитов в общем кредитном портфеле;

• доля просроченных ссуд в совокупном розничном кредитном портфеле;

• доля кредитов нефинансовым организациям IV-V категории качества;

• темп роста цен на жилую недвижимость;

• темп роста цен на коммерческую недвижимость;

• отношение цен на жилую недвижимость к располагаемому доходу населения.

Ключевым индикатором, при достижении определённого триггера которым регуляторы принимают решение об активации мер макропруденциальной

политики, считается отношение совокупного кредитного портфеля к ВВП.84 Таким образом, при принятии решений в области макропруденциальной политики Банк России также оценивает величину т.н. кредитного гэпа, определяемого как отклонение текущего значения соотношения кредитов банковского сектора к реальному ВВП от его долгосрочного тренда. Кредитный гэп является одним из основных индикаторов кредитного цикла, мониторинг которых регулярно проводится Банком России. 85 К прочим индикаторам кредитного цикла Банк России относит:

• показатели деятельности банковского сектора (нормативы достаточности капитала и отношение кредитов к ВВП);

• кредитные гэпы (широкое определение кредитного предложения; узкое определение кредитного предложения; кредитное предложение нефинансовым организациям; кредитное предложение физ. лицам);

• условия кредитования.86

На основе статистических данных по активации или деактивации инструментов для каждой страны можно построить индексы макропруденциальной политики (а также кумулятивные индексы87), которые используются как объясняющая переменная для оценки влияния мер макропруденциальной политики на темпы роста объема кредитов (в т.ч. ипотечных) и темпы роста цен на недвижимость. Индексы макропруденциальной политики можно построить кумулятивно по каждому инструменту отдельно для каждой страны для идентификации его общего характера (смягчающего или рестрикционного) за выбранный период. За каждый период индекс может принимать три значения:

84 Обзор финансовой стабильности Банка России за 2-3 кв.2016 г.

85 Информация по индикаторам кредитного цикла (сводные данные и ряды значений) представлена на сайте Банка России. Режим доступа: https://www.cbr.ru/analytics/fin 81аЬ/пап1/

86 Описаны в буллитах 1-7 индикаторов кредитного цикла на стр. 128.

87 Кумулятивные индексы строят накопленным итогом с начала периода построения путём суммирования бинарных значений индексов за каждый период.

119

• 1: мера, задействующая данный инструмент, носит рестрикционный характер;

• -1: мера, задействующая данный инструмент, носит смягчающий характер;

• 0: данный инструмент не использовался в данный период t либо нет никакой информации о его применении в данный период t.

Можно отметить несколько сложностей, возникающих при построении индексов макропруденциальной политики. Во-первых, учитывая, что информация по активации или деактивации инструментов базируется на основе опроса национальных регуляторов, могут возникать неточности в количественном отражении их применения. Во-вторых, по каким-то периодам могут возникать пропуски в данных, что также искажает конечный индекс. В-третьих, эксперты не рекомендуют сопоставлять динамику субиндекса какого-либо инструмента в разных странах, так как причины активации или деактивации одного и того же инструмента могут быть различны.

Анализируя использование инструментов в разных странах по субиндексам макропруденциальной политики, эксперты делают следующие выводы по интенсивности их использования и характеру их изменения:

• наибольшее число эпизодов ужесточения и смягчения приходится на ограничение на LTV и требования к обязательному резервированию по депозитам как в национальной валюте, так и в иностранной;

• индекс для общих минимальных требований к капиталу носит всегда только рестрикционный характер, так как отражает внедрение стандартов Базеля по достаточности регуляторного капитала и принимает значения либо 0, либо 1;

• несмотря на высокую интенсивность использования ограничений на лимиты по позициям МБК, изменения политики по данному инструменту фиксируются только в 20% стран выборки (совокупно 64 страны).

• отмечается различная интенсивность использования инструментов развитыми и развивающимися странами до и после глобального финансового

кризиса: так, в среднем с 2015 года развитые страны используют инструментарий макропруденциальной политики интенсивнее. 88 Так, развитые страны демонстрируют наибольший темп прироста значения общего индекса макропруденциальной политики за период с 2000 по 2017 г.г., равный 3,5 б.п. (значения индекса принимают значения 1,-1,0; при построении общего индекса за период представляют простое суммирование значений по каждому субиндексу в каждом периоде). При этом наибольший прирост в развитых странах показывает субиндекс для буфера капитала для системнозначимых банков (с 0 ед. до 0,85 ед.) в период с 2010 до 2017 г.г., что объясняется возрастающей угрозой накопления системного банковского риска, исходящей от крупных финансовых институтов.

• динамично развивающиеся страны продемонстрировали прирост индекса за тот же период с 1,25 ед. до 3,5 ед.; страны с низким уровнем дохода и развивающиеся страны - с 0,5 ед. до 2,25 ед. Лидерами по интенсивности применения инструментов в этих странах являются лимиты на валютное кредитование, минимальные требования к левереджу и требования к обязательному резервированию по валютным депозитам, что связано с высоким объёмом притока иностранного капитала в эти страны после кризиса 2008-2010 г.г.

Одним из подходов к оценке эффективности макропруденциальной политики для регулирования кредитного рынка является анализ корреляций темпа роста кредитов и кумулятивных субиндексов макропруденциальной политики. Так, например, по выборке из 64 стран (развитых, динамично развивающихся, развивающихся и стран с низким уровнем дохода) фиксируется невысокая отрицательная корреляция между субиндексом для ограничений на лимиты концентрации и темпом роста кредитных портфелей банковских

88 Cerutti E., Claessens S., Laeven L. The increasing faith in macroprudential policies, 18 September 2018. Режим доступа: https://voxeu.org/article/increasing-faith-macroprudential-policies

секторов этих стран. Аналогичный вывод подтверждается и для субиндекса для ограничений на лимиты на межбанковские позиции и кредитных портфелей банковских секторов этих стран. При этом наблюдается высокая отрицательная статистически значимая корреляция между темпами роста кредитования и субиндексом, построенном для минимальных требований к капиталу. Отрицательность корреляций не является контринтуитивным результатом и подтверждает контрциклический характер применяемых мер.

Также анализ корреляций позволяет оценивать результаты одновременного (комплементарного) применения инструментов денежно-кредитной и макропруденциальной политик в разных странах. Так, для Дании. Люксембурга, Исландии наблюдается положительная статистически значимая корреляция между максимальным ограничением на LTV и процентной учётной ставкой, в то время как для Сингапура, Гонконга и Канады такая корреляция отрицательна. Между требованиями к обязательным резервам по депозитам в национальной валюте и процентной учётной ставкой отмечается высокая отрицательная корреляция в Индии, Аргентине, Китае, Болгарии и Филиппинах.

В 2018 году эксперты из МВФ обогатили статистику за период с 2000 по 2018 г.г. по странам, использующим инструменты макропруденциальной политики, добавив 41 страну (в итоговой выборке 160 стран).89База данных содержит кумулятивный общий индекс макропруденциальной поликики, субиндексы (по инструментам воздействия на заёмщиков и воздействия на банковский сектор) и 12 инструментов макропруденциальной политики: ограничения сверху на LTV, DTI, контрциклический буфер капитала, буфер за системную значимость банка, динамическое резервирование, левередж, лимиты на темпы роста кредитования, лимиты на объём валютных кредитов, требования к обязательным резервам, налоги на проведение определённых операций, лимиты концентрации и лимиты на межбанковские позиции. Так, например, в

89 2018 update of Cerutti, Claessens, Laeven (2017) macroprudential policy dataset". Reference: Cerutti, Eugenio; Claessens, Stijn; and Luc Laeven, 2017. "The Use and Effectiveness of Macroprudential Policies: New Evidence." Journal of Financial Stability, Vol. 28, pp. 203-224.

122

России регулятор с 2000 года ежегодно ограничивал лимиты концентрации (рестрикционная мера), в 2017 году впервые применил рестрикционную меру по лимитированию межбанковских позиций, а с 2016 года ужесточал (увеличивал) требования к обязательным резервам как в рублях, так и в валюте.

На основе международных исследований можно выделить несколько проблем, препятствующих проведению эффективной макропруденциалъной политики. Так, Х. Бенгуи и Х. Бианчи90, отмечают в качестве главных угроз регуляторный арбитраж, который подразумевает либо уход деятельности банков в теневую область, либо в другие юрисдикции. В своей работе М. Обстфельд замечает, что финансовая глобализация также негативно влияет на эффективность макропруденциальной политики. К.М. Бух и Л. Голдберг91 выделяют области дальнейшего анализа эффективности инструментов макропруденциальной политики:

• каково различие после применения мер макропруденциальной политики между реакцией банков, осуществляющих свою деятельность на национальном финансовом рынке, и на зарубежных финансовых рынках;

• различна ли реакция банков в зависимости от их типа, географического охвата деятельности и модели фондирования;

• одинаково ли реагируют банки на внедрение альтернативных мер макропруденциальной политики;

• отличается ли ответная реакция банков на внедрение инструментов в зависимости от фазы финансового цикла;

• что влияет на выбранную стратегию банков после применения к ним инструментов макропруденциальной политики.

Несмотря на то, что инструменты макропруденциальной политики служат минимизации уровня системного банковского риска и устранения финансовой нестабильности, применение некоторых из них может даже наоборот усугублять

90 J. Bengui, J. Bianchi Capital Flow Management when Capital Controls Leak// Manuscript, 2014.

91 C. M. Buch, L. Goldberg Cross-Border Regulatory Spillovers: How Much? How Important? A Project of the International Banking Research Network, 2015.

123

кризисные явления. Более того, их эффективность зависит от фазы экономического цикла, на которой применяются те или иные меры и одновременности их внедрения с мерами денежно-кредитной политики.92 Так, К. Куттнер и И. Шим93отмечают в своем исследовании, что ужесточение в фазу роста финансового цикла максимальных ограничений на инструменты, касающихся заемщиков (LTV, DTI, DSTI), более эффективно, чем их смягчение (увеличение ограничения сверху) в периоды спада. Б. Гаданец и К.Хайрам94 отмечают, что предпочтительнее использовать инструменты разных групп воздействия последовательно, нежели одновременно. Также эксперты обозначают последствия преждевременной или, наоборот, запоздалой реакции регуляторов по ужесточению/смягчению инструментов макропруденциальной политики, которые определяют их эффективность (Таблица 3.1).

Таблица 3.1 Последствия несвоевременной активации/деактивации инструментов макропруденциальной политики__

Преждевременно Поздно

Деактивация инструмента Ложный сигнал для банковского сектора Способствование процикличности деятельности банков

Активация инструмента Чрезмерное регулирование рынка, приводящее к ослаблению эффективности инструмента Способствование нарастанию дисбалансов

Источник: составлено автором.

Оценка эффективности особенно актуальна в силу отсутствия единых правил выбора той или иной меры для каждой ситуации и для каждой фазы экономического цикла. Рассмотрим детально выгоды и издержки применения мер макропруденциальной политики. К выгодам можно отнести потенциальное снижение вероятности развития системного кризиса, снижение потерь в случае уже наступившего кризиса, рост доверия участников финансовой системы к действиям мегарегулятора. Издержками можно считать:

92 S. Claessens, S. R. Ghosh, and R. Mihet Macro-Prudential Policies to Mitigate Financial System Vulnerabilities//IMF Working paper, №155, 2014. Режим доступа: http://www.imf.org/external/pubs/ft/wp/2014/wp14155.pdf

93 K.N. Kuttner and I. Shim Can non-interest rate policies stabilise housing markets? Evidence from a panel of 57 economies //BIS Working Papers, №433, November 2013.

94 B. Gadanecz B., K. Jayaram Macroprudential policy frameworks, instruments and indicators: a review. - Warsaw, 2015.

• снижение темпов экономического роста из-за снижения темпов кредитования реального сектора ввиду ужесточения требований к показателям LTV, DTI и требований в части динамическому резервированию;

• запаздывающий (непревентивный) характер макропруденциальной политики;

• экспертный характер выбора направленности макропруденциальной политики в зависимости от стадии экономического цикла. Так, жесткая макропруденциальная политика эффективнее в стадии бума, нежели мягкая в периоды экономического спада.

Исследования зарубежных экспертов в области оценки эффективности мер макропруденциальной политики ограничено, что объясняется относительно скромным опытом использования инструментов макропруденциальной политики при растущем их количестве. Подавляющее число немногочисленных исследований посвящено оценке мер, направленных на регулирование банковских активов.

В своей работе С.Клаессенс, С. Гош, Р. Михет из МВФ95 исследуют чувствительность таких балансовых показателей как левередж и долю непрофильных обязательств к изменению показателей LTV, DTI и ограничений на темп роста кредитования.

В исследовании С. Лима, Ф. Колумба, А. Косты 96 и др. проведен комплексный анализ эффективности мер макропруденциальной политики. Выявлены инструменты, эффективные в случае наступления тех или иных шоков, а также приведен страновой обзор использованных мер. Приводятся преимущества и недостатки различных способов использования мер макропруденциальной политики и их характеристик. Меры могут:

95 S.Claessens, S. R. Ghosh, and R.Mihet Macro-Prudential Policies to Mitigate Financial System Vulnerabilities// IMF Working paper, №155, 2014. Режим доступа: http://www.imf.org/external/pubs/ft/wp/2014/wp14155.pdf

96 Lim C., Columba F., Costa A, Kongsamut P., Otani A., Saiyid M., Wezel T., Wu X. Macroprudential Policy: What Instruments and How to Use Them? Lessons from Country Experiences // IMF Working Paper № 11/238, 2011.

125

• применяться точечно или иметь широкий охват;

• использоваться последовательно или одновременно несколько;

• быть фиксированными или с меняющимися параметрами;

• быть в координации с мерами других экономических политик или нет;

• быть основанными на каком-либо правиле (например, динамические резервы) или приниматься единолично регулятором.

Выбор той или иной тактики в выборе инструментов зависит от степени идентификации шоков и их численности, уровня развития внутрибанковского риск-менеджмента и противоречивости одновременно внедряемых инструментов.

Исследование экспертов МВФ в области международного опыта

" 97

применения инструментов макропруденциальнои политики показало, что большинство стран используют инструменты (кроме ограничений на открытую валютную позицию и ограничений на разрывы дюрации активов и обязательств) совместно с другими ограничениями, а также применяют их таргетированно (преимущественно инструменты, направленные на сдерживание роста темпов кредитования) с установлением гибких параметров их пересмотра с течением времени (кроме ограничений на распределение прибыли, ограничений на LTV/DTI и ограничений, регулирующих системный риск ликвидности и системный валютный риск). Также важно отметить, что большинство стран внедряют инструменты, основанные не на расчете их значений для каждого периода, а на экспертном суждении. Иной подход уместен в условиях быстрого наращивания системного риска, когда важно избежать регуляторной

98

неопределенности.98

Также ряд исследований рассматривает вопрос интенсивности использования инструментария макропруденциальной политики развитыми и развивающимися странами. Так, например, согласно исследованию МВФ в

97 BIS Papers Macroprudential frameworks, December 2017.

98 Borio C., Shim I. What Can MacroPrudential Policy Do to Support Monetary Policy? // BIS Working Papers № 242, 2007.

области финансовой стабильности и макропруденциальной политики, 99 наиболее активно используемыми инструментами макропруденциальной политики всеми странами являются ограничения на показатель отношения кредита к залогу (LTV), на открытую валютную позицию и требования к минимальному уровню обязательных резервов.

Все инструменты макропруденциальной политики можно разделить на две категории: нацеленные на сдерживание временного аспекта системного риска или структурного. К первой категории относятся инструменты, регулирующие кредитную экспансию (ограничения на темпы кредитования, LTV, DTI, требования к обязательным резервам) и меры, направленные на капитал (контрциклический буфер капитала, консервационный буфер капитала динамические резервы, ограничения на распределение прибыли)100. Ко второй группе относят лимиты концентрации по заемщикам/отраслям, лимиты на дюрацию активов и обязательств, ограничения на кредитование в иностранной валюте.

В зарубежной практике подавляющее количество исследований связано с оценкой влияния инструментов, основанных на воздействии на активы: на темпы роста кредитования, объемы ипотечного кредитования и цены на недвижимость. Часть исследований выявляет эффективность конкретного инструмента для той или иной страны. Так, например, Хименез и др. (2012)101, используя статистику кредитных заявок с 2000-2012 г.г., приходят к выводу, что динамическое резервирование, как контрциклический инструмент макропруденциальной политики, применяемый к банкам Испании, эффективен для сглаживания кредитного цикла. Динамическое резервирование предполагает наращивание

99 Lim C., Columba F., Costa A, Kongsamut P., Otani A., Saiyid M., Wezel T., Wu X. Macroprudential Policy: What Instruments and How to Use Them? Lessons from Country Experiences // IMF Working Paper № 11/238, 2011.

100 Серякова Е.В. Оценка эффективности мер макропруденциального регулирования: российская и зарубежная практика // Банковские услуги. 2018. № 6, с. 10.

101 Jimenez, G, S Ongena, J-L Peydro and J Saurina Macroprudential policy, countercyclical bank capital buffers and credit supply: evidence from the Spanish dynamic provisioning experiments// European Banking Center Discussion Paper, №2012-011, 2013.

127

банками резервов в периоды увеличения прибыли, что создает дополнительный буфер для использования в кризисные периоды. Однако эта мера работает только в периоды рецессии для сдерживания дальнейшего спада, но для предотвращения же наращивания системного риска и сдерживания кредитного бума мера неэффективна.

Ким (2013)102 исследовал влияние введения ограничений на показатели LTV и DTI на объемы ипотечного кредитования и цены на жилую недвижимость в Корее в период с 2003 по 2012 г.г. В своей работе ученый приходит к выводу, что данные меры имеют контрциклический характер и успешно регулируют как кредитный цикл, так и сдерживают рост цен на недвижимость. Также делается вывод, что ограничения на уровень левереджа приводят к сокращению краткосрочных заимствований банками. Однако подчеркивается, что при подобном моделировании необходимо учитывать специфические для каждой страны условия (принадлежность к развитым/развивающимся странам, размер финансового сектора, режим валютного курса, открытость экономики для свободного перетока капитала).103 Также отмечается, что малоисследованной областью является взаимодействие мер денежно-кредитной и макропруденциальной политики.

Исследование с учетом специфических страновых характеристик представили С.Клаессенс, С. Гош, Р. Михет. 104 Опыт использования мер макропруденциальной политики 35 странами в период с 2000-2010 г.г. позволил упорядочить интенсивность использования различных инструментов (по убыванию):

• LTV;

102 Kim Ch. Macroprudential Policies: Korea's Experiences. Rethinking Macro Policy II: First Steps and Early Lessons // Conference hosted by the IMF. Washington, DC, 16-17 April 2013. Режим доступа: https://www.imf.org/external/np/seminars/eng/2013/macro2/pdf/ck2.pdf

103 Серякова Е.В. Оценка эффективности мер макропруденциального регулирования: российская и зарубежная практика // Банковские услуги. 2018. № 6, с. 10.

104 Lim C., Columba F., Costa A, Kongsamut P., Otani A., Saiyid M., Wezel T., Wu X. Macroprudential Policy: What Instruments and How to Use Them? Lessons from Country Experiences // IMF Working Paper № 11/238, 2011.

128

• DTI;

• Ограничения на темпы роста кредитования;

• Ограничения на валютное кредитование;

• Требования к обязательным резервам;

• Динамическое резервирование;

• Контрциклический буфер капитала;

• Ограничения на распределение прибыли.

Было показано, что интенсивность применения инструментария макропруденциальной политики развивающимися странами выше в связи с подверженностью более высоким системным рискам, что связано с большими накопленными внутренними дисбалансами, более частыми внешними шоками, валютными рисками дефицитом ликвидности. Такие проблемы и объясняют выбор развивающихся стран в пользу инструментов, нацеленных на регулирование ликвидности (ограничения на внешние заимствования, ограничения на открытую валютную позицию, требования к обязательным резервам). Развитые страны в основном применяют инструментарий, нацеленный на сдерживание процикличности поведения банков (ограничения на темпы роста кредитного портфеля, LTV, DTI).105 При этом исследование МВФ касательно применения и оценки эффективности инструментов макропруденциальной политики от 2015 года106 по 119 странам за период с 2000 по 2013 г.г. расширило перечень инструментов и представило их новый рейтинг по убыванию частоты использования всеми странами выборки:

• Лимиты концентрации - 40%;

• Лимиты на межбанковские позиции - 29%;

• Требования к обязательным резервам (вкл. по депозитам в валюте) - 21%;

• LTV - 21%;

105 Серякова Е.В. Оценка эффективности мер макропруденциального регулирования: российская и зарубежная практика // Банковские услуги. 2018. № 6, с. 11.

106 Cerutti, E., Claessens S., and Laeven L. 2017a. "The Use and Effectiveness of Macroprudential Policies: New Evidence // Journal of Financial Stability, vol. 28, pp. 203-224.

• DTI - 15%;

• Левередж - 15%;

• Налог на проведение определённых банковских операций - 14%;

• Лимиты на открытую валютную позицию - 14%;

• Ограничения на темпы роста кредитов - 12%;

• Динамическое резервирование - 9%;

• Контрциклический буфер капитала - 2%;

• Буфер капитала за системную занчимость - 1% .

Среди развитых стран данной выборки наиболее часто применяются меры с использованием инструмента ограничения сверху кредита к стоимости залога (LTV), что может быть связано с большей глубиной рынка ипотечного кредитования в развитых странах. В динамично развивающихся странах наиболее популярными инструментами сейчас являются лимиты на открытую валютную позицию и требования к обязательным резервам по депозитам в валюте, так как эти страны после кризиса 2008-2010 года стали подвержены значительным притокам иностранного капитала. В развивающихся и наименее развитых странах к двум наиболее популярным инструментам можно отнести динамическое резервирование и ограничения на темпы кредитования.

В Таблице 3.2 представлена классификация инструментов макропруденциальной политики по фазе их внедрения и эффекта влияния на кредитный цикл.

Таблица 3.2 Классификация инструментов макропруденциальной политики по фазе их внедрения и эффекта на кредитный цикл__

Меры, применяемые к заемщику или инструменту Меры, применяемые к банковским балансам (активы, обязательства) Буферные меры (нацеленные на регулирование капитала)

Фаза подъема (бум) Ограничения на: -LTV, DTI -Отраслевую концентрацию -Темпы роста кредитования Переменные ограничения на: -разрывы дюрации активов и обязательств -разрывы валютных требований и обязательств Контрциклические требования к капиталу Ограничение на показатель левереджа Динамическое резервирование

Меры, применяемые к заемщику или инструменту Меры, применяемые к банковским балансам (активы, обязательства) Буферные меры (нацеленные на регулирование капитала)

Фаза спада (сжатие) Риск-веса Ограничения на риск ликвидности: -NSFR -LCR

Эффект по фазам Сглаживание последствий цикла Фаза подъема: сглаживание последствий цикла Фаза сжатия: поддержание стабильности банковского сектора Поддержание стабильности банковского сектора

Источник: составлено автором.

Как было показано ранее, крайне актуальным вопросом остается взаимодействие денежно-кредитной и макропруденциальной политики. В своем исследовании Л. Жанг и Е. Золи107 показывают целесообразность реализации в странах Азии макропруденциальной политики помимо монетарной политики в связи с различными циклами инфляции и циклами цен на активы, высокой затратностью монетарной политики для регулирования отдельного сектора/отрасли (например, только ипотечного кредитования), а также проблемой высокой волатильности притоков капитала, наблюдаемое после глобального финансового кризиса.

В своей работе Янко Цизель, Йон Фроси и др.108 исследует миграцию кредитной деятельности банков в параллельную (теневую) банковскую систему после применения инструментов макропруденциальной политики, приходя к выводу, что макропруденциальная политика снижает темпы роста кредитования, что особенно значимо для динамично развивающихся стран.

Как уже упоминалось, исследование эффективности инструментов макропруденциальной политики, направленных на капитал, представлено в

107 Zhang L. and Zoli E. Leaning against the wind: macroprudential policy in Asia// IMF Working Papers, №22, 2014.

108 Cizel J., Frost J., Houben A., and Wierts P. Effective Macroprudential Policy: Cross-Sector Substitution from Price and Quantity Measures// IMF Working Papers, №94, 2016.

131

зарубежной регуляторной практике намного скромнее, чем исследования эффективности мер, направленных на банковские активы и цены на недвижимость. В этой связи малоисследованным остается вопрос эффективности одновременного применения инструментов из разных групп. В своем исследовании К. Бастен и К. Кох исследуют последствия внедрения CcyB в банках Швейцарии109 для ипотечного ценообразования. 110Ученые приходят к выводу, что введение CcyB способствует увеличению ипотечных портфелей у банков с большей капитальной базой. Также делается вывод, что увеличение риск-весов по ипотечным кредитам одновременно с внедрением CcyB никак не увеличивает положительный эффект от внедрения CcyB. При этом эффект не настолько однозначно положительный: менее финансово устойчивые банки реагируют на внедрение CcyB ростом ставок по ипотечным кредитам, тем самым увеличивая предложение и снижая спрос по ипотечным кредитам. Также подчеркивается, что одновременная реализация мер, направленных на заемщика (LTV) и мер, направленных на увеличение капитала банков, не имеет синергетического эффекта.

До недавнего времени подходы к эмпирической оценке эффективности макропруденциальной политики российским регулятором были развиты недостаточно. 111 В связи с малым опытом количественной оценки эффективности мер макропруденциальной политики в российской банковской системе в работе было реализовано количественное исследование влияния ряда макропоказателей, показателей рыночных риск-факторов, ряда балансовых показателей и индекса макропруденциальной политики на:

(1) реальный темп прироста кредитования экономики (R.Loans.growtht);

109 Швейцария была первой страной, где в рамках макропруденциальной политики в феврале 2013 года был внедрен ^yB.

110 C. Basten, C. Koch Higher Bank Capital Requirements and Mortgage Pricing: Evidence from the Countercyclical Capital Buffer (CCB) //BIS Working Papers, №511, 2015.

111 Каурова Н. Н., Макропруденциальное регулирование финансовых рынков // Финансовый журнал, Financial journal, №1, 2012. c.17.

(2) выданные кредиты всеми банками (Loansbanks, t).112 Модель, описание данных и выводы представлены в Приложении 3 данной работы.

3.2 Исследование эффективности инструментов макропруденциальной политики банковского сектора

Для исследования были предложены следующие спецификации модели для проведения оценки воздействия вышеописанных переменных на показатели банковского кредитования. Данные по переменным - регрессорам представлены на месячной основе с 01.01.2007 по 01.04.2018. Источниками данных служила статистическая база данных Банка России (Ключевая ставка Банка России, краткосрочная ставка денежного рынка (Mosprime 3M), темпы роста ВВП); Блумберг (VIX); базы аналитического ресурса КУАП (для балансовых данных банков). В качестве зависимых переменных были выбраны: в спецификации №1 - темпы роста кредитования всеми банками (кредиты юр. лицам; розничные кредиты; кредиты банкам); в спецификации №2 - абсолютная величина кредитного портфеля всего банковского сектора. Представим эконометрические спецификации моделей. Спецификация №1 модели такова: R.Loans.growtht = £* R.Loans.growtht.i + Z,p* MPPIndex*GDP growth + Zy*GDPgrowtht+Ze*Interestratet+ VIXt+dVIXt+C+ £t. (3.1)

В отличие от спецификации модели № 1, включающей помимо первого лага переменной темпов роста кредитования экономики, и индекса макропруденциальной политики MPP Index только макроэкономические регрессоры (темпы роста ВВП, краткосрочная ставка денежного рынка (Mosprime 3M), индекс волатильности опционов (VIX)), спецификация модели № 2 включает балансовые показатели банков, но не учитывает влияние показателя VIX на изменение совокупного кредитного портфеля.

112 Серякова Е.В. Оценка эффективности мер макропруденциального регулирования: российская и зарубежная практика // Банковские услуги. 2018. № 6, с. 11

133

Спецификацию №2 модели можно описать следующим образом: A\n(Loansbanks,t)=£*kln(Loansbanks,t-1 )+Ze*Interestratet-1 +Zy *GDPgrowthkJ-2+Zp * MPPIndexk,t-3 +ZQ *Cap/Assetsbanks,t-1 +ZS *Dep/LoanSbanks,t-i+C+¿t. (3.2)

Все переменные, включённые в спецификации №1 и №2, описаны в Приложении №3. Все включенные в спецификации моделей переменные предварительно были нормированы и приведены к стандартному отклонению всего временного ряда для целей обеспечения стационарности временных рядов. Также для ряда переменных были выбраны первые и вторые разности для гарантии стационарности их временных рядов с целью использования AR-моделей. AR (1) - модели были выбраны в качестве эконометрического аппарата ввиду предположения о зависимости текущих значений зависимых переменных от своих прошлых значений.

Опишем методику получения индекса макропруденциальной политики для России (график индекса MPPIndex представлен в Приложении №4 работы). На основе публикаций в Обзорах финансовой стабильности Банка России о применении тех или иных инструментов и опыте, собранном в экспертных материалах БКБН удалось с 2006 года проанализировать действия Банка России в области смягчения ил ужесточения мер, непосредственно влияющих на темпы кредитования и темпы роста кредитного портфеля банковского сектора. Такими мерами стали: (1) дифференцированные требования к обязательным резервам;(2) риск - веса, применяемые к различным видам кредитов. Стоит отметить, что решения по ужесточению либо смягчению второго показателя зависит от нескольких факторов: размера кредита того вида, к которому применяется риск-вес, качества обеспечения кредита, уровня эффективной продуктовой ставки по кредиту и LTV. Соответственно, для кредитов с высоким значением LTV обычно повышаются риск-веса, что является рестрикционной мерой. Можно проследить, что принимаемые решения по обоим показателям были направлены на сдерживание кредитной экспансии в периоды экономических бумов и на стимулирование в периоды спадов и рецессий. Значение индекса принимает 3 значения по состоянию на каждый месяц (т.е., например, если мера была принята

134

в июле 2007, то по состоянию на 01.08.2007 значение индекса примет значение, отличное от 0):

1: принятие рестрикционной меры; -1: принятие смягчающей меры; 0: отсутствие принятых мер.

Так как индекс строится на основе двух мер, то итоговое значение будет равно их алгебраической сумме. Восходящая линия тренда графика свидетельствует о том, что рестрикционные меры становятся после кризиса 2008-2010 г.г. еще более популярными, и что в целом российская макропруденциальная политика регулирования банковских активов в большей степени направлена на сдерживание роста в периоды кредитной экспансии.

Основные выводы, полученные в результате расчётов по моделям авторегрессии в спецификации №1, следующие:

• Принятые меры макропруденциальной политики с корректировкой на квартальные темпы роста ВВП статистически незначимы для объяснения темпов роста объема кредитов, как и сам показатель; таким образом, скорее всего влияние мер макропруденциальной политики необходимо рассматривать без привязки к темпам роста ВВП, как представлено в спецификации №2.

• Индекс волатильности опционов на индекс S&P500, использующийся в качестве альтернативы глобального индекса финансовой нестабильности, оказывает значимое влияние на реальные темпы роста объема кредитов на доверительном интервале 99%, что говорит о высокой степени реакции национального банковского сектора на волатильность глобального финансового рынка. Приведём полученные коэффициенты для факторных переменных для первой спецификации в Таблице 3.3 (*** - уровень значимости а =1%; ** -уровень значимости а =5%; * - уровень значимости а= 10%).

Таблица 3.3 Значимость объясняющих переменных спецификации №1

Коэффициенты регрессии Стандартная ошибка ^статистики

Константа (линия тренда) -0,017 0,08

Первая разность индекса волатильности опционов на индекс Б&Р 500 0 42*** 0,13

Вторая разность процентной ставки денежного рынка РФ 0,701*** 0,19

Индекс макропруденциальной политики в момент 1 с корректировкой на квартальные темпы роста ВВП в текущем квартале -0,012 0,06

Темп роста ВВП в текущем квартале 0,035 0,06

Совокупный объем кредитов банковского сектора в предыдущем квартале 0,554*** 0,08

Источник: составлено автором.

Выводы, полученные для спецификации №2 авторегрессионной модели, таковы:

• Добавленные переменные с временным лагом для трехмесячной ставки денежного рынка МоБрпше становятся менее статистически значимы для совокупного кредитного портфеля, что логично для краткосрочных процентных ставок денежного рынка.

• Влияние внедрения соответствующего для регулирования совокупного объема кредитов индекса макропруденциальной политики имеет существенное статистически значимое негативное влияние с единичным лагом на доверительном интервале 95%. По мере наращивания лагов статистическая значимость ослабевает ввиду быстрой реакции зависимой переменной на принимаемые регулятором меры.

• Единичные лаги балансовых переменных (Капитал/Активы банков РФ в предыдущем квартале, Депозиты/Кредиты банков РФ в предыдущем квартале), которые характеризуют в модели финансовое состояние всего банковского сектора, оказываются статистически значимы на доверительном интервале 90%.

• Темпы роста ВВП не оказывают значимого влияния на совокупный объем кредитов вне зависимости от лага.

Таким образом, из обеих спецификаций модели можно сделать вывод, что применение дифференцированных требований к обязательным резервам и риск-весов для расчета взвешенных по степени риска активов для регулирования кредитного рынка в российском банковском секторе значимо

136

влияет на совокупный объем кредитов на доверительном горизонте у =95% с лагом 1 квартал. При этом по мере наращивания лагов статистическая значимость индекса макропруденциальной политики ослабевает, что свидетельствует о высокой степени реакции кредитного рынка на применение дифференцированных требований к обязательным резервам и повышенных риск-весов для расчета взвешенных по степени риска активов: при росте индекса макропруденциальной политики на 1 единицу, первая разность натурального логарифма объёма кредитов экономике (кЩЬоатъапк*,) снизится на 6%. Также в обеих спецификациях статистически значимыми на доверительном горизонте у=99% оказываются краткосрочные ставки денежного рынка в момент 1:, причем зависимость положительная (к =0,06). При этом для ставок денежного рынка с лагом 1 квартал - коэффицент при факторной переменной "Процентная ставка денежного рынка" отрицательный (к=-0,03): это может объясняться тем, что при росте стоимости краткосрочного фондирования в предыдущем квартале ставки по кредитам будут повышены не сразу, а только через квартал, что приведет к сокращению кредитного предложения. При росте же ставок в момент 1:, ставки по кредитам будут оставаться еще на прежнем уровне, что будет стимулировать кредитный спрос в момент \ в ожидании последующего их повышения.Приведём все значимые объясняющие переменные для совокупного объема кредитов из второй спецификации модели в Таблице 3.4113.

Таблица 3.4 Значимость объясняющих переменных спецификации №2

Коэффициенты регрессии Стандартная ошибка ^ статистики

Константа (линия тренда) 0,023*** 0,01

Капитал/Активы банков РФ в предыдущем квартале 0,02* 0,01

Депозиты/Кредиты банков РФ в предыдущем квартале 0,02* 0,01

Процентная ставка денежного рынка в текущем квартале 0,06*** 0,01

Процентная ставка денежного рынка в предыдущем квартале -0,03** 0,01

из *** — уровень значимости а =1%; ** — урвень значимости а =5%; * — уровень значимости а= 10%.

Коэффициенты регрессии Стандартная ошибка 1-статистики

Индекс макропруденциальной политики в предыдущем квартале -0,06** 0,03

Индекс макропруденциальной политики 2 квартала назад 0,058* 0,03

Источник: составлено автором.

3.3 Потенциал развития и проблемные вопросы реализации макропруденциальной политики в России

Актуальным остаётся вопрос дальнейшего совершенствования инструментария макропруденциальной политики российским регулятором. В современных реалиях в условиях стагнации экономического роста для российского банковского сектора оправданным кажется продолжение курса на применение рестрикционных мер макропруденциальной политики.

В российской практике макропруденциального регулирования пока еще отсутствует регулярная оценка эффективности применяемых мер и единая методология такой оценки. Несмотря на то, что опыт использования мер макропруденциальной политики в России по сравнению со многими зарубежными странами (особенно странами "Большой 7" (07)) представляется скромным, можно проследить, какие меры применялись Банком России с 2006 года в тех или иных случаях.114 В 2006-2007 г.г. в силу относительно низких процентных ставок на европейских рынках наблюдался бурный рост ввоза капитала в Россию. Это способствовало росту доли пассивов банков в иностранной валюте, что порождало для банков риски возможного рефинансирования валютных обязательств на фоне замедления роста экономики, валютные и кредитные риски валютных заёмщиков. В связи с этим Банком России были использованы два инструмента макропруденциальной политики: лимитирование открытой валютной позиции (не более 10% в каждой валюте от совокупного капитала и не более 20 % совокупного капитала для суммы всех

114 Е.О. Данилова, Н.Б. Елизарова Макропруденциальная политика теоретические аспекты и практический опыт Банка России//Деньги и кредит, 2017.

138

длинных (коротких) открытых позиций) 115 и повышенные нормативы обязательного резервирования для обязательств перед нерезидентами. Наиболее консервативные значения были установлены для обязательств на рынке валютного МБК в связи с возросшими рисками ликвидности после банкротства крупнейших инвестиционных банков США: так, в сентябре 2008 года норматив был установлен на уровне 8,5%, с октября 2008 года по всем видам обязательств - на уровне 0,5%. Данная мера служила для формирования запаса ликвидности у Банка России и возможности последующего её предоставления банкам в предстоящий кризисный период. Уже через год доля валютных пассивов в обязательствах банков снизилась до 5-10%, а уровень просроченной задолженности (МРЬ) по валютным кредитам, достигнув максимального уровня 5,5%, с сентября 2009 года продолжила снижаться.

Второй случай применения мер макропруденциальной политики служил цели сдерживания чрезмерной кредитной экспансии в посткризисный период 2012 - 2013 г.г.116. Особенно бурный рост наблюдался в розничных средних и мелких частных банках в сегменте необеспеченного кредитования. В целях сдерживания процикличности кредитной деятельности и минимизации системного кредитного риска банков в 2013 г. регулятором был повышен минимальный размер РВПС по необеспеченным кредитам без просроченных платежей и с просроченными платежами до 30 дней. Также были повышены веса для таких кредитов для расчёта Я^А). В 2014 г. те же самые меры были ещё более ужесточены. При этом оценка эффективности мер показала ограниченное воздействие: доля необеспеченных кредитов (с ПСК выше 35%) оставалась стабильно высокой ещё в течение года после принятых в 2014 году мер, повышение коэффициентов также имело отложенный и ограниченный характер воздействия в силу высокой достаточности капитала таких банков и умеренного

115 Инструкция Банка России от 28 декабря 2016 г. N 178-И "Об установлении размеров (лимитов) открытых валютных позиций, методике их расчета и особенностях осуществления надзора за их соблюдением кредитными организациями" (с изменениями и дополнениями).

116 Данилова Е.О., Елизарова Н.Б. Макропруденциальная политика: теоретические аспекты и практический опыт Банка России// Деньги и кредит, №6, 2017.

139

кредитного риска. Лаги в срабатывании мер макропруденциальной политики обусловили накопление значительных кредитных рисков банками в 2014-2015 г.г. Только в июле 2014 года вступил в силу ФЗ №353-П "О потребительском кредите (займе)", где накладывалось ограничение сверху на ПСК банков.117

Примером использования смягчающей меры макропруденциальной политики могут служить льготные (пониженные) валютные курсы для банков при расчёте обязательных нормативов в период с 01.01.2015 по 01.01.2016 в связи с высоким уровнем валютизации активов и пассивов банковского сектора и ослаблением курса рубля в 3 кв. 2014 г. С другой стороны, ввиду высоких корпоративных валютных кредитных рисков и значительного роста NPL по кредитам компаниям с преимущественно рублёвой выручкой в 2015 г. Банком России были введены повышенные коэффициенты риска по требованиям к физическим лицам в иностранной валюте. С 1 мая 2016 г. был повышен со 100% до 110% коэффициент риска по кредитам в иностранной валюте корпоративным клиентам, имеющим недостаточный объем валютной выручки для обслуживания кредитных обязательств. Аналогичная мера была применена к валютным облигациям. Также был повышен со 100 до 130% коэффициент риска по корпоративным кредитам в иностранной валюте юридическим лицам на цели приобретения недвижимости.

Необходимость установления повышенного коэффициента риска по кредитам на приобретение коммерческой недвижимости отмечает и Базельский комитет по банковскому надзору (БКБН). Качество таких кредитов в меньшей степени зависит от финансовой устойчивости заемщика и в большей степени определяется характеристикой объекта недвижимости. В связи с этим БКБН рассматривает возможность установления повышенного коэффициента риска по таким кредитам вплоть до 150% при несоответствии объекта недвижимости или параметров кредита требованиям БКБН и до 130% при соответствии, но высоком уровне LTV по кредиту (более 80%). В целях дестимулирования роста валютных

117 Фактически было введено с июля 2015 года в силу изменившейся конъюнктуры осенью 2014 года.

обязательств в структуре пассивов кредитных организаций Банк России три раза в течение 2016 г. повышал нормативы обязательных резервов по обязательствам кредитных организаций в иностранной валюте (в совокупности на 1,75 п.п. по обязательствам в иностранной валюте перед физическими лицами и на 2,75 п.п. по прочим обязательствам в иностранной валюте). Принятые Банком России меры способствовали ограничению роста валютных обязательств в структуре пассивов банков, а также сокращению предложения кредитов в иностранной валюте в пользу роста рублевого кредитования. Портфель кредитов нефинансовым организациям в иностранной валюте с 1 апреля по 1 октября 2016 г. сократился на 12,3 млрд долл. США, в то время как портфель кредитов в рублях увеличился на 225,4 млрд рублей. 118 В 2015 г. доля депозитов в иностранной валюте в пассивах банковского сектора выросла на 7,5 п.п. (до 24,7%), при этом в течение девяти месяцев 2016 г. она снизилась на 5,9 п.п., до 18,8% (за вычетом эффекта переоценки от изменения курса рубля), что частично объясняется продолжающимся сокращением корпоративных депозитов, а также сокращением внешнего долга крупнейших компаний, а также более низким уровнем нефтяных цен в 2016 году. При этом рублевые средства клиентов увеличились с начала 2016 г. на 10,1%, что свидетельствует об эффективности мер Банка России по постепенному снижению уровня валютизации. По состоянию на 01.04.2019 годовой темп роста в ипотеке достиг 24,7%, доля кредитов, выдаваемых с низким первоначальным взносом (менее 20%), - высока и составляет 42,0%. В Таблице 3.3. приведены основные меры макропруденциальной политики, которые реализовывались Банком России в период с 2016 года по 2019 год.

118 Данилова Е.О., Елизарова Н.Б. Макропруденциальная политика: теоретические аспекты и практический опыт Банка России // Деньги и кредит, №6, 2017.

141

Таблица 3.3 Меры макропруденциальной политики Банка России, реализуемые в 20162019 годах_

Системный риск Сегмент/ банковские продукты Меры сдерживающего характера Условия эффективности (текущая макроэкономиче ская конъюнктура)

Корпоративные кредитные риски Необеспеченное потребительское кредитование Административно-законодательные : ограничение ПСК119 Экономические: Повышенные коэффициенты по требованиям физ. лицам при расчёте RWA для расчёта Н1.0, Н1.1, Н1.2 Период низких рыночных процентных ставок и высокой волатильности фондовых индексов (2014-2015 г.г.)

Розничные кредитные риски Необеспеченное потребительское кредитование и ипотечное кредитование Введение ограничения на кредиты с определенным DTI120; Ограничение на долю кредитов с определенным уровнем DTI в совокупном розничном кредитном портфеле Дифференциация коэффициентов риска для расчёта Н1.0 и норм резервирования по кредитам в зависимости от уровня DTI; Увеличение коэффициентов для расчёта RWA по потребительским кредитам с ПСК от 10 до 30% (с 01.04.2019); Повышение коэффициентов риска по ипотечным кредитам, Период низких рыночных процентных ставок и относительно низкой волатильности фондовых индексов (с начала 2016 г.г.)

119 Подготовленный Банком России проект указания «О внесении изменений в Инструкцию Банка России от 3 декабря 2012 г. № 139 - И «Об обязательных нормативах банков», предполагающем снижение границ ПСК по всем диапазонам для рублевых кредитов, а также по валютным кредитам, в отношении которых применяются повышенные коэффициенты взвешивания по риску

120 В отличие от LTI и PTI, DTI рассчитывается по всем имеющимся у заёмщика кредитам. DTI более эффективно характеризует платежеспособность заёмщика в отличие от LTI, который представляет отношение ссудной задолженности по кредиту к доходу заемщика на установленном горизонте времени. В качестве годового показателя оценки платежей по всем кредитам заёмщика используется PTI (Payment-to-Income), являющийся отношением совокупной годовой суммы платежей (основной долг и проценты) к совокупному годовому доходу заемщика (других членов его семьи).

Системный риск Сегмент/ банковские продукты Меры сдерживающего характера Условия эффективности (текущая макроэкономиче ская конъюнктура)

предоставленным после 01.01.2019 с первоначальным взносом от 10 до 20% (4 квартал 2018 г.).

Риски структуры баланса Все инструменты баланса В целях соблюдению банками НКЛ за счёт формирования портфеля ВЛА принятие решения регулятором о постепенном прекращении возможности использования безотзывной кредитной линии при расчёте НКЛ Внедрение с июня 2018 г. нового инструмента - договора банковского вклада, удостоверенного сберегательным сертификатом, условия которого не предусматривают права вкладчика на досрочное получение вклада по требованию

Риски концентрации кредитного портфеля банков на отдельных крупнейших заёмщиках с высокой долговой нагрузкой Крупные корпоративные кредиты заёмщикам с высокими показателями долговой нагрузки121 С 1.01.2016 по 1.01.2019 объём кредитных средств, предоставленных крупнейшим заемщикам, вырос на 68%. Возможные последовательно вводимые меры в 2019-2020 г.г. : мониторинг позиций крупнейших банков в обязательствах компаний с высокой долговой нагрузкой установление надбавок к коэффициентам риска по кредитным требованиям к компаниям имеющим низкую способность обслуживать накопленные долги

Источник: составлено автором.

Также с 01.05.2019 Банк России принял решение о повышении платы за открытие/продление безотзывной кредитной линии (БКЛ) с 0,15% в год до 0,5% в год. Эта мера призвана стимулировать банки сократить зависимость от БКЛ при соблюдении нормативов краткосрочной ликвидности (НКЛ) и чистого стабильного фондирования (НЧСФ). Повышение стоимости открытия/продления БКЛ приведёт к повышению спроса на высоколиквидные активы, в том числе облигации Банка России под ключевую ставку (КОБР) и ОФЗ, что окажет давление на доходность этих инструментов.122 Лимит БКЛ будет постепенно понижаться и к 01.05.2022 полностью закрыт. План сокращения от текущих лимитов следующий:

01.05.2019-30.04.2020 - 80%;

01.05.2020-30.04.2021 - 70%;

01.05.2021-30.04.2022 - 50%; Начиная с 01.05.2022 - 0%.

Проанализировав состав инструментов и характер применяемых в их отношении мер с 2006 по 2018 г.г., кажется целесообразным в текущих реалиях рекомендовать к применению Банку России следующие сдерживающие меры для устранения угрозы возникновения и распространения системного банковского риска.

Продолжать применять:

• повышенные риск - веса для определенных групп розничных кредитов (ипотечных, необеспеченных потребительских с тем или иным уровнем полной стоимости кредита (ПСК));

• повышенные нормы обязательного резервирования для валютных обязательств;

• повышенные нормы обязательного резервирования для рублёвых обязательств;

122 Банк России выступил с детальным предложением по уже озвученному ранее решению отказаться от инструмента безотзывной кредитной линии (БКЛ, приказ 16.04.2019 ОД-854).

144

• лимиты концентрации на определённые виды кредитов (альтернативно: ограничения на темпы роста розничного кредитования, в т.ч. ипотечного) для сдерживания системного риска розничного кредитования.

С учётом накопленных системных банковских рисков в российском банковском секторе целесообразно рекомендовать Банку России начать применять следующие инструменты:

• максимальные ограничения на объём валютной ликвидности в целях поддержания прибыльности крупнейших банков и, как следствие, их финансовой устойчивости;

• максимальные ограничения на отношение кредитов к депозитам для стимулирования сокращения банками наименее стабильных источников ликвидности;

• максимальные ограничения на чувствительность чистой приведённой стоимости для системно значимых банков для ограничения угрозы системного процентного риска;

• ограничения сверху на открытую валютную позицию для ограничения угрозы распространения системного валютного риска.

Особый акцент с 2019-го года Банк России делает на применении мер по ограничению высокорискового розничного кредитования. В Таблице 3.4. приведена квартальная статистика с 01.01.2010 по выданным рублевым ипотечным кредитам всеми банками.

Таблица 3.4 Ипотечные кредиты, предоставленные физическим лицам в рублях

Дата Объем предоставленных кредитов, млрд руб. Задолженность по предоставленным кредитам, млрд руб Доля просроченной задолженности

Всего В т.ч. просроченная задолженность

01.01.2010 170,3 966,8 20,7 2,14%

01.04.2010 53,7 968,3 23,2 2,40%

01.07.2010 145,4 990,6 25,0 2,52%

01.10.2010 258,2 1 033,8 28,0 2,71%