Влияние современной государственной денежно-кредитной политики на кредитный потенциал российских банков тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат наук Голованов Владислав Сергеевич

• Голованов Владислав Сергеевич
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Голованов Владислав Сергеевич

Введение

Глава 1 Теоретические основы формирования и реализации кредитного потенциала банка

1.1 Понятие кредитного потенциала банка и факторы, его определяющие

1.2 Влияние денежно-кредитной политики на механизм формирования

и реализации кредитного потенциала банков

1.3 Управление кредитным потенциалом современного банка

в контексте влияния денежно-кредитной политики

Глава 2 Анализ и оценка кредитного потенциала российских банков и его трансформация под воздействием современной денежно-кредитной политики

2.1 Анализ и оценка состояния кредитного потенциала российских банков

2.2 Анализ эффектов влияния денежно-кредитной политики

на кредитный потенциал российских банков

2.3 Анализ влияния внешних факторов на формирование и реализацию кредитного потенциала российских банков в сложившихся негативных макроэкономических условиях

Глава 3 Предложения по повышению кредитного потенциала российских банков в условиях современной денежно-кредитной политики

3.1 Анализ мирового опыта применения инструментов денежно-кредитной политики для повышения кредитного потенциала банков в условиях кризиса

3.2 Предложения по активизации влияния инструментов и методов денежно-кредитной политики на формирование и реализацию кредитного потенциала российских банков

3.3 Совершенствование механизма формирования кредитного

потенциала российских банков

Заключение

Список литературы

Приложение А Результаты опроса Central Banking в части преимуществ

внедрения цифровой валюты

Приложение Б Сравнительная характеристика различных форм рубля как национальной валюты Российской Федерации, а также

криптовалюты

Приложение В Преимущества и недостатки внедрения цифрового рубля

в России

Приложение Г Преимущества и недостатки различных видов онбординга клиентов, предлагаемого для кредитных организаций с целью привлечения клиентов

Введение диссертации (часть автореферата) на тему «Влияние современной государственной денежно-кредитной политики на кредитный потенциал российских банков»

Введение

Актуальность темы исследования. На сегодняшний день не существует страны, где эффективная денежно-кредитная политика государства не являлась бы определяющим фактором успешного развития экономики. Известно, что денежно-кредитная политика в той или иной мере оказывает влияние на все сферы экономики без исключения, что делает ее формирование в соответствии с макроэкономическими целями важнейшей народнохозяйственной задачей.

Особенностью российской экономики является ориентация ее финансового рынка на банковский сектор. Это предполагает особую роль кредитной составляющей современной денежно-кредитной политики, так называемого кредитного канала ее трансмиссионного механизма. С учетом этого можно констатировать, что рост конкурентоспособности экономики страны на глобальном рынке и устранение последствий структурных несоответствий, появившихся в период целого ряда кризисов, в значительной степени вероятны в результате роста адаптивности кредитного потенциала российских банков, их способности давать адекватную реакцию на «кредитный спрос».

В данном контексте повышается значение формирования адекватного потребностям экономики кредитного потенциала банковской системы, а также эффективных методов для его оценки и управления. Очевидной становится важность принятия к учету нестабильности внешней среды при проведении оценки кредитного потенциала банковской сферы и определение факторов повышения эффективности на стадии его формирования, а также использования. Немаловажную роль здесь играют современные меры денежно-кредитной политики, эффективность каналов ее трансмиссионного механизма.

В условиях экономического кризиса, вызванного, в том числе, пандемией коронавируса СОУГО-19, банки столкнулись с дефицитом

привлекаемых финансовых ресурсов в результате падения доходов населения, банкротства предприятий, повышения уровня безработицы. Нехватка финансовых ресурсов спровоцировала отток вкладчиков из российских банков. Вместе с тем, по тем же причинам повысился спрос на кредитные услуги банков. В этих условиях денежно-кредитная политика стала играть главенствующую роль в поиске путей повышения кредитного потенциала банков (даже на фоне действия современных негативных факторов) и, соответственно, в стабилизации национальной экономики с целью дальнейшего экономического роста. Поэтому исследование вопросов влияния инструментов денежно-кредитной политики на кредитный потенциал российских банков приобретает наибольшую актуальность в условиях кризиса, в том числе пандемического.

Степень разработанности темы исследования. В последние годы было опубликовано большое количество отечественных и зарубежных исследований, посвященных методам воздействия инструментов денежно-кредитной политики на экономику страны, в том числе российскую, воздействию различных каналов трансмиссионного механизма в денежно-кредитной политике. Вопросы влияния и эффективности инструментов денежно-кредитной политики изучались такими авторами, как Абрамова М.А., Блажевич А.А., Воробьева Е.И., Головнин М.Ю., Господарчук Г.Г., Дубова С.Е., Егоров А.В., Ершов М.В., Заернюк В.М., Звонова Е.А., Зюзина О.А., Карпова Е.И., Крепцев Д., Ларионова И.В., Масленников В.В., Мамонтов М.Е., Моисеев С.Р., Могилат А.Н., Османова Э.У., Перевышина Е.А., Перевышин Ю.Н., Саадулаева Т.А., Савина Т.Н., Салманов О.Н., Селезнев С., Солнцев О.Г.

В зарубежной литературе существует большое количество исследований процентного и кредитного канала в составе трансмиссионного механизма в денежно-кредитной политике таких авторов, как Antunes J.A.P., Apergis N., Bech M.L., Bernanke B.S., Borio C., Cavalcanti A.L.C., Chan-Lau J.A., Christou C., Cunha G.H.M., De Marco F., Deryugina E., Dovciak P., Fazio D.M.,

Fisher I., Fungácová Z., Gambacorta L., Gatkowski M., Gertler M., Giansante S., Gutiérrez-Nieto B., Keynes J.M., Kuttner K.N., Mishkin F.S., Montes G.C., Moraes C.D., Moreira T.B., Mosser P.C., Peixoto G.B., Pétursson T.G., Serrano-Cinca C., Shaghaghi A.R., Shao H., Shin H. S., Solanko L., Soramaki K., Souza L.V., Tabak B.M., Weill L., Wieladek T., Xiong Q., Yang J., Zhu H.

Однако исследованию кредитного потенциала банков, а также проблеме влияния инструментов денежно-кредитной политики на него посвящено ограниченное количество научных источников. В частности, не существует единого подхода к определению понятия «кредитный потенциал банка», его структуре, а также факторов, оказывающих на него влияние. Кроме того, отсутствует консенсус в вопросе формирования методики оценки кредитного потенциала банка. Недостаточно изученным остается вопрос влияния разных инструментов денежно-кредитной политики на механизм формирования и реализации кредитного потенциала банков.

Среди исследований, связанных с изучением кредитного потенциала банков, можно отметить работы следующих авторов: Андрюшина С.А., Артеменко Д.А., Валенцевой Н.И., Зайцевой Е.Ю., Заславской О.И., Иваньковой А.А., Корнеевой Е.И., Кривошаповой С.В., Лаврушина О.И., Мазиковой Е.В., Макарова Р.В., Мгвделадзе М.З., Несмеяновой Н.А., Остимука О.В., Рыковой И.Н., Саласкиной И.Д., Фисенко Н.В., Якуповой Э.М.

Вопросам формирования методики оценки кредитного потенциала банков, а также управлению им посвящены работы таких авторов, как Васильев О.В., Зенченко С.В., Калоев Ю.В., Кируца Г.А., Корнеев М.В., Рыкова И.Н., Степанова В.В., Фисенко Н.В., Якупова Э.М.

Сегодня пока еще недостаточно полно освещены вопросы влияния цифровизации и информатизации на кредитный потенциал современных банков. Отечественными и зарубежными экономистами исследуются вопросы цифровизации всего банковского бизнеса. Среди них можно отметить таких авторов, как Bukht R., Heeks R., Hindy J., Биркле Я.В., Долгушина А.Я., Ермаков С.Л., Кафиятуллина Ю.Н., Кокшарова Т.А.,

Макеева В.Г., Мамыкина Е.В., Мирошниченко М.А., Пашковская И.В., Полтораднева Н.Л., Регельман Р., Рудакова О.С., Сандалов И.В., Трелевская К.-А.И., Тысячникова Н.А., Халимон Е.А., Шакер И.Е., Юденков Ю.Н.

Однако в данных работах не рассматривается влияние процессов цифровизации и информатизации на кредитный потенциал банков и трансформацию его элементов.

Цель исследования - на основе критического анализа теоретических и практических подходов к формированию и реализации кредитного потенциала банков с учетом влияния на данные процессы инструментов и методов денежно-кредитной политики обосновать направления активизации этого влияния и разработать рекомендации по повышению кредитного потенциала российских банков в целях достижения устойчивого развития банковского сектора.

Для достижения указанной цели поставлены следующие задачи:

- раскрыть содержание кредитного потенциала банков и факторы, его определяющие;

- определить каналы воздействия денежно-кредитной политики на механизм формирования и реализации кредитного потенциала банков;

- выявить особенности управления кредитным потенциалом современного банка с учетом воздействия на кредитный потенциал инструментов и методов денежно-кредитной политики;

- оценить современное состояние кредитного потенциала российских банков;

- проанализировать эффекты влияния денежно-кредитной политики на кредитный потенциал российских банков;

- оценить влияние кризисных факторов на кредитный потенциал российских банков;

- обобщить мировой опыт применения инструментов денежно-кредитной политики для увеличения кредитного потенциала банков в целях выхода из кризиса и последующего экономического роста;

- рассмотреть направления совершенствования механизма формирования кредитного потенциала российских банков с учетом активизации влияния на него денежно-кредитной политики.

Объектом исследования является кредитный потенциал российских банков.

Предметом исследования являются каналы влияния денежно-кредитной политики на кредитный потенциал банков.

Область исследования соответствует п. 10.3. «Проблемы обеспечения сопряженности денежно-кредитной и банковской макрополитики и микроподхода к развитию банковской системы РФ», п. 11.2. «Особенности формирования денежно-кредитной политики РФ и механизмов ее реализации в современных условиях» Паспорта научной специальности 08.00.10 - Финансы, денежное обращение и кредит (экономические науки).

Научная новизна исследования состоит в разработке теоретико-методических положений, а также практических рекомендаций по эффективному формированию и реализации кредитного потенциала российских банков с учетом влияния на него государственной денежно-кредитной политики.

Теоретическая и практическая значимость работы. Исследование направлено на совершенствование методических подходов к понятию и структуре кредитного потенциала банков, а также самого механизма влияния государственной денежно-кредитной политики на процесс его формирования и реализации. Разработанные в исследовании теоретические положения касательно содержания, структуры кредитного потенциала банка, а также факторов, влияющих на него, и методики его оценки могут быть использованы в практике действующих кредитных организаций. Особую актуальность в современных условиях приобретает трансформация системы управления кредитным потенциалом банка в условиях цифровизации экономики.

Практическую значимость для современных банков имеет также предложенная методика оценки кредитного потенциала банка, обоснование

возможности применения дифференцированной ключевой ставки для отдельных отраслей российской экономики, а также разработанные рекомендации по совершенствованию механизма формирования и реализации кредитного потенциала российских банков в разрезе его элементов под влиянием мер денежно-кредитной политики.

Методология и методы исследования. Методологической основой исследования послужили прикладные и фундаментальные труды зарубежных и отечественных ученых, в которых рассматриваются отдельные вопросы влияния денежно-кредитной политики на кредитный потенциал банков. В ходе исследования изучены и обобщены статистические данные и аналитические материалы Банка России о деятельности российских кредитных организаций, современное законодательство, а также материалы экспертных статей в сети Интернет, посвященных инструментам влияния денежно-кредитной политики на кредитный потенциал, а также цифровизации банковской деятельности в современных условиях. Сложность и многосторонний характер исследуемых тенденций обусловили применение в работе комплексного метода познания, включающего методы сравнения, описания, классификации, дедукции и индукции, структурно-функционального анализа, методы экономико-математического моделирования и другие.

Информационную базу исследования составили монографии и научные публикации по теме работы, в том числе статьи в зарубежных журналах, документы международных организаций, статистические данные о деятельности кредитных организаций на сайте Банка России, результаты исследований, выполненных российскими организациями в области анализа денежно-кредитной политики России и зарубежных стран, в том числе в условиях пандемического кризиса и происходящей цифровизации экономики.

Результаты исследования, составляющие научную новизну, и положения, выносимые на защиту:

1) С учетом переосмысления научных результатов, полученных в существующих исследованиях кредитного потенциала, систематизированы научные подходы к трактовке понятия «кредитный потенциал банка» и его

оценке, в частности выделены ресурсный, резервный и прибыльный подходы. На основе синтеза выявленных подходов обосновано определение данного понятия как совокупности параметров, определяющих экономические возможности банка по мобилизации и использованию финансовых, организационных, кадровых и клиентских ресурсов для целей последующего кредитования с учетом ориентации на повышение эффективности деятельности кредитной организации (С. 15-21).

2) Выявлена происходящая трансформация элементов кредитного потенциала банка на разных этапах управления им (формирования и реализации), в том числе обоснован дополнительный элемент в структуре кредитного потенциала в условиях развития цифровых технологий - информационные ресурсы, на формирование и реализацию которых влияет цифровизация в виде роста скорости передачи информации как внутри банка, так и клиенту, что способствует ускорению процессов формирования кредитного потенциала и более эффективной его реализации (С. 50-55).

3) Расширением сложившихся в науке представлений является разработка и апробация методики оценки кредитного потенциала банков, включающая не только количественные, но и качественные показатели оценки его элементов. К основным этапам предложенной методики отнесены следующие: анализ и оценка финансовых ресурсов кредитного потенциала на стадии его формирования и реализации, анализ организационных ресурсов, технологий и бизнес-процессов банка, анализ кадровой составляющей кредитного потенциала, анализ клиентов банка, анализ информационных ресурсов (С. 58-62).

4) Предложено и обосновано применение дифференцированной ключевой ставки для ряда банков в условиях кризиса, в частности ее снижение на 1 ,0 процентного пункта от применяемой ключевой ставки - для предприятий аграрной отрасли, на 0,5 процентного пункта - для предприятий туристической отрасли, на 0,5 процентного пункта - для инновационных предприятий (от установленной ставки для кредитования инноваций). Расчет

на примере аграрной отрасли показал, что снижение ключевой ставки на 1,0 процентного пункта позволит увеличить объемы кредитования на 6,37%, что выше темпов роста объемов кредитования предприятий аграрного сектора в предыдущем периоде. Положительное влияние дифференцированной ключевой ставки на формирование и реализацию кредитного потенциала банков будет выражаться в увеличении объемов кредитования агарных, туристических и инновационных предприятий, а также в привлечении дополнительных финансовых ресурсов в результате повышения доходности и увеличения оборотов на счетах таких предприятий, что в конечном итоге окажет положительное влияние на темпы экономического роста (С. 148-154).

5) На основе исследования механизма выпуска цифрового рубля, его особенностей и возможных вариантов внедрения, выявлены отрицательные и положительные последствия для денежно-кредитной политики и, как следствие, для формирования и реализации кредитного потенциала российских банков. Введение цифрового рубля отразится на усилении эффектов трансмиссионного механизма денежно-кредитной политики и контроля за финансовыми операциями со стороны Банка России и других государственных органов. Однако внедрение цифрового рубля может вызвать отток средств со счетов клиентов банка, что в конечном итоге сократит его ресурсную базу. Представлен прогноз сокращения объема привлеченных средств клиентов кредитных организаций при трех разных сценариях применения цифрового рубля, а также рекомендации по снижению негативных последствий внедрения цифрового рубля для кредитного потенциала российских банков (С. 155-162).

6) В современных условиях экономического кризиса и пандемии, а также цифровизации общественно-экономических процессов предложены направления совершенствования механизма формирования кредитного потенциала российских банков в разрезе его элементов, а именно: организационная трансформация банков в экосистемы с целью поиска новых

источников финансовых ресурсов для роста кредитного потенциала, еще более активное развитие цифровых банковских технологий, соответствующее повышение квалификации банковского персонала, применение когнитивных инструментов анализа данных, а также мероприятия по привлечению клиентов: активное применение цифровых карт, онбординга клиентов, международных карточных переводов, инвестиционных продуктов для массового клиента, что будет способствовать формированию, укреплению и эффективному использованию кредитного потенциала в современных условиях (С. 163-174).

Степень достоверности, апробация и внедрение результатов исследования. Проведенное исследование основано на фундаментальных положениях экономической науки в области банковского дела, денежного обращения и кредита, а также результатах исследований зарубежных и российских ученых и аналитиков, посвященных инструментам влияния денежно-кредитной политики на кредитный потенциал банков. Представлены достоверные данные, подтвержденные достаточной информационно-эмпирической базой.

Основные положения и результаты исследования апробированы на следующих конференциях: на VII Международной научно-практической конференции «Правовая защита, экономика и управление интеллектуальной собственностью» (Москва, Финансовый университет, 18-20 октября 2019 г.); на LVШ Международной научной конференции «Современная экономика» (г. Кемерово, Издательский дом «Плутон», 18 мая 2020 г.); на XLIV Международной научно-практической конференции «Научный форум: экономика и менеджмент» (Москва, Издательство «МЦНО», 27 ноября 2020 г.).

Материалы работы используются в практической деятельности Отдела банковского надзора Банка России, в частности используется методика оценки кредитного потенциала коммерческих банков. Данная методика позволяет всесторонне оценить кредитный потенциал не только с точки зрения финансовых ресурсов, но также с точки зрения

организационных, кадровых, клиентских и информационных ресурсов. Выводы и основные положения исследования используются в практической работе Отдела банковского надзора Банка России и способствуют повышению эффективности оценки кредитного потенциала коммерческих банков.

Материалы исследования используются Департаментом банковского дела и финансовых рынков Финансового факультета ФГОБУ ВО «Финансовый университет при Правительстве Российской Федерации» в преподавании учебных дисциплин «Научно-исследовательский семинар», «Финансовые и денежно-кредитные методы регулирования экономики».

Апробация и внедрение результатов исследования подтверждены соответствующими документами.

Публикации. Основные положения и результаты исследования отражены в 5 работах общим объемом 2,09 п.л. (весь объем авторский), в том числе в 4 статьях авторским объемом 1,78 п.л., опубликованных в рецензируемых научных изданиях, определенных ВАК при Минобрнауки России.

Структура и объем диссертации. Цель и задачи исследования определили структуру диссертации, включающую введение, три главы, заключение, список литературы, состоящий из 208 наименований, и четыре приложения. Текст диссертации изложен на 216 страницах, содержит 53 рисунка, 32 таблицы.

Глава 1

Теоретические основы формирования и реализации кредитного

потенциала банка

1.1 Понятие кредитного потенциала банка и факторы, его определяющие

В условиях экономического кризиса возможность восстановления экономики, ускорения экономического роста и устойчивого социально-экономического развития страны в значительной степени зависит от достаточности денежных ресурсов, которые в России в большей части определяются объемом кредитного потенциала банковского сектора [54]. В связи с этим повышается значимость проведения оценки кредитного потенциала банков с целью его наиболее эффективного использования в целях дальнейшего роста экономики страны. Важность кредитного потенциала на макро- и микроуровне делает необходимым обратиться к содержанию данного понятия.

Термин «потенциал» является заимствованием из английского языка и эквивалентен термину «potential», в переводе означающего «возможность, способность» [146].

Данный термин произошел от латинского «potentia» (сила) и трактуется в Большой советской энциклопедии как средства, источники, которые имеются в наличии и в случае необходимости могут быть мобилизованы и использованы для достижения тех или иных целей и решения задач [185].

Понятие «кредитный потенциал», являющееся объектом данного исследования, связано с понятием «кредит», трактуемым в соответствии со статьей 819 Гражданского кодекса Российской Федерации как сделка по предоставлению кредитной организацией денежных средств заемщику

на базе кредитного договора при условии возврата заемщиком полученной суммы [1].

С экономической точки зрения О.И. Лаврушин определяет сущность кредита как экономические отношения, возникающие при передаче кредитором ссуженной стоимости заемщику для использования им на началах возвратности и в интересах общественных потребностей [28].

Исходя из указанных трактовок, можно определить «кредитный потенциал» как возможность (способность) предоставить денежные средства заемщику на условии возврата. Однако данная формулировка является достаточно ограниченной и узкой и не отражает специфических особенностей кредитного потенциала, а также его структуру.

В литературе можно встретить термин «кредитный потенциал» применительно к юридическим лицам, а также к регионам или странам [49; 62; 80; 172]. В рамках данного исследования объектом является кредитный потенциал банка.

Исследование показало весьма ограниченное количество научных источников, непосредственно посвященных исследованию понятия «кредитный потенциал банка». Анализ различных публикаций по данной теме демонстрирует следующие подходы к раскрытию понятия «кредитный потенциал банка»:

1) Ряд авторов, таких как В.А. Шаповалов, Ю.В. Калоев, Е.И. Исаева, С.Р. Моисеев, И.Н. Рыкова, Н.В. Фисенко, М.В. Корнеев, Е.И. Карпова, А.А. Блажевич, определяют кредитный потенциал банка с точки зрения совокупности имеющихся у него доступных ресурсов для реализации целей. Такой подход можно назвать ресурсным [23; 24; 26; 68; 79; 80; 82].

Данный подход исходит из того, что мобилизация и концентрация свободных средств является приоритетной функцией в деятельности коммерческого банка. Мобилизация и концентрация средств в банке также определяют объем средств, которые в основном за счет кредитов, а также других активных операций банк «вливает» в процесс воспроизводства.

Задача банка - мобилизовать больше свободных средств и разместить их в активах, которые являлись бы оптимальными с точки зрения прибыльности банка [68]. Этим определяется сам процесс управления кредитным потенциалом банка, его две стадии: формирование и использование.

Такой подход к трактовке понятия «кредитный потенциал», очевидно, не конкретизирует назначение и границы использования мобилизованных средств банка. Данный аспект является значимым, так как термин «кредитный потенциал» неразрывно связан с понятием кредита и кредитованием как одним из видов банковской деятельности. Следовательно, назначением мобилизованных средств в данном случае является осуществление кредитования, что характеризует фазу использования кредитного потенциала и обязательно должно учитываться в определении его понятия.

Некоторые авторы, придерживающиеся ресурсного подхода, делают акцент на том, что ресурсы, входящие в кредитный потенциал банка, направляются именно на осуществление операций кредитования. Тем самым они отличают понятия «потенциал банка» в целом и «кредитный потенциал банка» как его составную часть. Так, И.Н. Рыкова, Н.В. Фисенко предлагают понимать под кредитным потенциалом банка часть его ресурсной базы, предназначенную для кредитования или других активных операций. Тогда как «потенциал банка», по их мнению, представляет собой находящуюся в распоряжении банка совокупность ресурсов, которая определяет границы его финансовых возможностей [68]. Аналогично М.В. Корнеев определяет кредитный потенциал банка как максимально возможную сумму собственных и привлеченных средств, предназначенных для эффективного размещения в ссудную задолженность [80].

Альтернативной точки зрения придерживается О.В. Остимук. Рассматривая несколько видов потенциала банка, он определяет кредитный потенциал в виде дополнительного объема средств, предполагаемого к размещению банком на тех же условиях [64]. Однако и данное определение

можно также отнести к ресурсному подходу, так как оно определяет кредитный потенциал в виде средств (ресурсов) банка.

Ресурсный подход получил развитие в трактовке, в которой кредитный потенциал банка детализируется по видам ресурсов как совокупность денежных средств и нематериальных активов, имеющихся у банка. При этом к нематериальным активам в данном случае относят квалифицированный персонал, приобретенный опыт банка в кредитной деятельности, банковские технологии и бизнес-процессы, клиентская база и т.д. Такого подхода придерживается несколько авторов, в частности Э.М. Якупова, Е.И. Воробьева [39; 83].

С этой позиции данный подход к трактовке понятия «кредитный потенциал банка» является оправданным. Однако некоторые из его компонентов, в частности такие нематериальные ресурсы, как «опыт банка в кредитной деятельности», не имеют количественной оценки. Следовательно, возникают трудности при оценке кредитного потенциала в количественном выражении с точки зрения данного подхода.

2) Указанная сложность разрешается при использовании другого подхода, который можно обозначить как резервный. Данный подход используется в зарубежной практике банковского дела и констатируется некоторыми отечественными экономистами, в частности Г.А. Кируца, В.В. Степановой, Ю. Толочко, Н. Мирончик [54; 74; 130].

Список литературы диссертационного исследования кандидат наук Голованов Владислав Сергеевич, 2022 год

источников в составе

привлеченных средств

Коэффициент соотношения стабильных и нестабильных источников 8,79 8,53 7,19 6,61 5,71 5,20 4,39 49,94

Коэффициент соотношения стабильных источников 1,12 1,06 1,01 1,01 0,99 0,96 0,93 83,04

средств и кредитов

Коэффициент соотношения объемов кредитования к ВВП 0,66 0,69 0,65 0,63 0,62 0,62 0,63 95,45

Коэффициент соотношения объема кредитования юридических лиц к ВВП 0,42 0,46 0,42 0,39 0,39 0,38 0,38 90,48

Коэффициент соотношения объема кредитования физических лиц к ВВП 0,14 0,13 0,13 0,13 0,14 0,16 0,16 114,29

Источник: составлено автором по материалам [178].

Доля стабильных источников в составе привлеченных средств снижается ежегодно с 89% до 81% за исследуемый период, что оценивается отрицательно и обусловлено ростом суммы средств, привлеченных до

востребования. Об этом же свидетельствует почти двукратное сокращение коэффициента соотношения стабильных и нестабильных источников. Коэффициент соотношения стабильных источников средств и кредитов с конца 2018 года снижается и составляет менее единицы, что обусловлено снижением объемов кредитования, прежде всего снижением кредитования юридических лиц.

Показатель отношения объемов кредитования к ВВП имеет нестабильную динамику и находится на уровне 0,62-0,63 с конца 2017 года. Явное снижение показывает коэффициент отношения объема кредитования юридических лиц к ВВП, что обусловлено снижением первого. Данный коэффициент сократился с 0,42 с конца 2014 года до 0,38 к середине 2020 года. По показателю отношения объема кредитования физических лиц к ВВП наблюдается рост с 0,14 на конец 2014 года до 0,16 к середине 2020 года, что оценивается положительно.

Указанные коэффициенты важны для расчетов при проведении анализа кредитного потенциала конкретных банков, так как позволяют сравнить их между собой и определить состояние кредитного потенциала в данном аспекте.

На следующем этапе необходимо провести оценку организационных ресурсов банков, для чего проанализируем количество банков в России. Важной тенденцией последних лет стало сокращение количества банков, что отражено в таблице 8.

Таблица 8 - Численность банков, действовавших на территории Российской Федерации с 01.01.2015 по 01.07.2020

В единицах

Темп роста

Показатель январь 2015 январь 2016 январь 2017 январь 2018 январь 2019 январь 2020 июль 2020 за весь период, в процентах

Количество банков 783 681 575 517 440 402 389 49,68

в том числе с 556 482 475 358 291 266 258 46,40

универсальной

лицензией

с базовой лицензией 227 199 100 159 149 136 131 57,71

Источник: составлено автором по материалам [178].

Данные таблицы показывают, что число банков в России сократилось более чем в два раза с конца 2014 года: с 783 единиц на конец 2014 года до 389 единиц к середине 2020 года, то есть на 394 банка за семь лет, что отражено на рисунке 17.

783

575

517

..........440

402

389

900 800 700 600 500 400 300 200 100 0

1 января 2015 г. 1 января 2016 г. 1 января 2017 г. 1 января 2018 г. 1 января 2019 г. 1 января 2020 г. 1 июля 2020 г.

Источник: составлено автором по материалам [178].

Рисунок 17 - Численность банков, действовавших на территории Российской Федерации

с 01.01.2015 по 01.07.2020

Сокращение произошло как по количеству банков с универсальной лицензией на 54%, так и по количеству банков с базовой лицензией на 43%. Существует несколько причин, по которым в финансовой системе России происходит сокращение общего количества банков. Часть из них уходят с рынка самостоятельно, потеряв прибыльность, но таких организаций очень мало. Наиболее значимой причиной является политика Банка России по выводу с рынка нестабильных банков, которые негативно влияют на состояние банковской системы и экономику в целом. Банк России осуществляет отзыв лицензий по причине несоблюдения ими действующего законодательства. В частности, причинами для отзыва лицензий в исследуемом периоде стали:

- снижение достаточности собственного капитала до значения ниже минимального;

снижение норматива мгновенной ликвидности до значения ниже минимального;

- отсутствие резервов на принятые кредитные риски;

- вовлеченность банка в сомнительные операции;

- несоблюдение требований Банка России;

- недостоверная финансовая отчетность.

Кроме того, банки ликвидировались также по причине присоединения к другим кредитным организациям, что было обусловлено как высокой активностью банков в совершении сделок по слиянию и поглощению, так и объединением банков одной группы с целью снижения издержек, включая присоединение санируемых банков [169]. В первом полугодии 2020 года были отозваны лицензии только у четырех кредитных организаций. Все отзывы произошли еще в январе, после чего на фоне пандемии были приостановлены выездные проверки кредитных организаций и реализация крайних мер регулятивного воздействия со стороны Банка России.

Влияние ухудшения операционной среды на показатели деятельности банков пока не отражено в отчетности и находится вне области точных оценок. С учетом права банков реструктурировать кредиты предприятий из пострадавших от пандемии отраслей, а также некоторых групп граждан без доначисления резервов проверка капитала и финансового результата была отложена на конец 2020 года и 2021 год. Кредитные организации с выраженными признаками низкой кредитоспособности в текущих условиях не могут повысить эффективность деятельности, поскольку пытаются аккумулировать запас капитала и запас ликвидности для компенсации волатильности средств клиентов. Это может привести к ускорению темпов отзыва лицензий в дальнейшем [161]. Сокращение численности банков, с одной стороны, оказывает негативное влияние на представительства данных организаций, но, с другой стороны, влияет на повышающийся уровень финансовой стабильности учреждений банковского сектора Российской Федерации за счет сокращения численности проблемных и нестабильных коммерческих банков. «Уход» с рынка банков с низким уровнем финансовой устойчивости позволил «оздоровить» совокупный уровень операций на рынке кредитных ресурсов.

Указанные тенденции положительно отражаются на формировании и реализации кредитного потенциала российских банков, так как способствуют повышению доверия граждан к кредитным организациям, что благоприятно сказывается на объемах привлеченных средств и объемах кредитования как со стороны физических, так и со стороны юридических лиц.

Кроме того, в рамках оценки организационных ресурсов кредитного потенциала банков необходимо также рассмотреть используемые в банках технологии и бизнес-процессы. В современных условиях экономического кризиса одним из главных направлений повышения стабильности экономики и гарантии устойчивости банковского сектора выступает применение новейших информационных технологий, позволяющих формировать конкурентные преимущества банка, делая его услуги, с одной стороны, более привлекательными, а с другой - более доступными для клиентов.

По мнению экспертов международной консалтинговой компании Deloitte Digital, Российская Федерация вошла в пятерку лидеров в области цифровых банковских услуг в регионе EMEA, в который входят Европа, Ближний Восток и Африка [187]. По итогам 2019 года был составлен рейтинг российских банков по эффективности цифровых услуг, представленный на рисунке 18.

38,9 38,4 38 36.6 35

34,6 34,1 33,6 31 5

"292"

й £

й М

й

М g

о С

й м

й ю к 53

m

И

Рм

й М

й ю

S О

9 10 11 12 13 14 15 16 17 18 19 20

ю S

ft

о

m

dn

1

2

3

4

5

6

7

8

Источник: составлено автором по материалам [187].

Рисунок 18 - Т0П-20 рейтинга эффективности интернет-банков для частных лиц

в 2019 году

Рейтинг ясно показывает желание банков активно совершенствовать свои цифровые ресурсы, что приведет к единому уровню качества онлайн-обслуживания. Согласно графику видно, что Тинькофф Банк смог создать цифровой офис, изначально позиционировавшийся как онлайн-банк, клиент которого может решить любую проблему с помощью цифрового сервиса. Другие банки постепенно переходят на цифровое обслуживание клиентов. На текущий момент в большинстве банков ведется разработка новых технологических платформ для размещения экосистемы банков.

Основная задача - сократить сроки разработки банковских продуктов и улучшить автоматическую обработку транзакций.

Несмотря на растущие темпы «оцифровки», на российском рынке очень мало полностью цифровых банков. Тем не менее, банковский сектор активно использует все виды технологий для интеграции в цифровую среду. Банк России также уделяет особое внимание цифровому банкингу.

Развитие банковских цифровых технологий способствует расширению ассортимента и количества банковских услуг, повышает степень их доступности для населения и бизнеса. Как следствие, увеличивается количество привлеченных клиентов как на депозитные операции, так и на операции кредитования, что обеспечивает повышение кредитного потенциала российских банков и повышает эффективность его реализации.

В рамках следующего этапа исследования проведем анализ кадровой составляющей кредитного потенциала российских банков. Ввиду отсутствия открытых данных по численности работников, занимающихся именно кредитованием по всем кредитным организациям России, проанализируем имеющиеся данные о численности работников финансовой сферы, тем более что в ней доминируют именно банки. Общей тенденцией последних нескольких лет является сокращение численности всех категорий персонала организаций, осуществляющих деятельность в сфере финансов, что представлено на рисунке 19.

Источник: составлено автором по материалам [169].

Рисунок 19 - Динамика численности работников организаций финансовой сферы

в 2016-2019 гг.

Наблюдается ежегодное сокращение численности работников финансовой сферы, обусловленное, прежде всего, процессами цифровизации и автоматизации (использование ботов). Если рассматривать банковскую сферу отдельно, необходимо сказать, что в последние годы наблюдается тенденция сокращения количества структурных подразделений банков, что обусловлено цифровизацией и уходом на дистанционные каналы обслуживания клиентов. С 2016 года количество подразделений банков сократилось на 15% к середине 2020 года.

Наибольшие темпы снижения наблюдаются по операционным кассам (их количество уменьшилось с 6,7 тысяч до 0,9 тысяч в период с 01.01.2015 по 01.07.2020) и филиалам (снижение с 1,7 тысяч до 0,6 тысяч). Также в целях сокращения расходов на содержание подразделений банки проводят «облегчение» формата офисов, трансформируя часть филиалов и дополнительных офисов в кредитно-кассовые офисы (далее - ККО): количество ККО выросло к началу 2020 года на 15% с 1,9 тысяч до 2,2 тысяч.

Вместе с сокращением подразделений снижается и численность банковского персонала. По итогам 2014-2016 гг. зафиксировано увольнение

120 тысяч сотрудников, что составляет 15% [148]. В настоящее время тенденция сокращения численности работников продолжается. Прежде всего уменьшение численности обусловлено возросшей популярностью дистанционных форм банковских услуг, сокращением количества кредитных организаций в результате отзыва лицензий, а также в результате проведения реорганизаций в банках.

Довольно распространенной тенденцией стало проведение централизации некоторых функций, которые могут выполняться в удаленном режиме (например, колл-центры, кадровая работа, отдельные бухгалтерские операции), и перенос их в регионы и города с более дешевой рабочей силой по сравнению с крупными городами [147]. Кроме того, важным фактором в начале 2020 года стала пандемия коронавируса, сопровождавшаяся режимом самоизоляции работников, ограничениями деятельности, повлекшими сокращение работников во всех сферах экономики, в том числе в банковской деятельности.

Таким образом, наблюдается тенденция ежегодного сокращения численности банковского персонала в условиях цифровизации бизнес-процессов, что позволяет банкам существенно экономить на фонде оплаты труда работников. Само по себе сокращение численности работников банковского сектора не оказывает какого-либо влияния на состояние кредитного потенциала банков. Однако причины этого сокращения (роботизация, цифровизация) позволяют повысить качество и доступность банковских услуг, что положительно сказывается на уровне кредитного потенциала банков.

На следующем этапе оценки кредитного потенциала банков проведем анализ клиентов, для чего исследуем качественную сторону клиентской базы по двум направлениям: клиенты, на базе которых привлекаются финансовые ресурсы для кредитного потенциала, а также клиенты, которые пользуются кредитными средствами. Спрос клиентов на качество и оперативность

оказания банковских услуг ежегодно возрастает: если раньше ключевым определяющим фактором была величина комиссий за обслуживание, то в последние годы для клиентов становятся все более значимыми скорость и доступность услуг, удобство интерфейса мобильного и интернет-банка. Так, по данным Банка России, в 2019 году доля взрослого населения, которая может мгновенно совершить перевод денежных средств с помощью мобильного телефона, выросла до 85%, а доля банков, которые открывают банковский счет без посещения клиентом офиса банка, выросла до 35%. Поэтому банки проводят оптимизацию сети подразделений и персонала в целях сокращения издержек [169].

В условиях пандемического кризиса 2020 года необходимо отметить повышенный спрос на услуги кредитования и рост количества клиентов в соответствующей сфере по сравнению с 2019 годом. Прежде всего это касается юридических лиц и индивидуальных предпринимателей, которые вынуждены были платить заработную плату работникам в условиях остановки и ограничения деятельности. Для этого потребовались значительные финансовые ресурсы, источником которых стало, главным образом, банковское кредитование.

Кроме того, государственные меры поддержки экономики предполагали, в числе прочего, возможность получения кредита по льготным ставкам или на льготных условиях с целью сохранения штата сотрудников и сдерживания роста безработицы. В данной программе участвовали и некоторые крупные банки. Рисунок 20 показывает увеличение количества заемщиков в период пандемического кризиса.

Прежде всего общее количество заемщиков увеличилось за счет роста кредитования индивидуальных предпринимателей, которые являются наиболее незащищенными перед экономическим кризисом.

Перейдем к оценке информационных ресурсов кредитного потенциала российских банков.

450 000 400 000 350 000 300 000 250 000 200 000 150 000 100 000 50 000 0

Заемщиков всего

юридические лица

индивидуальные предприниматели

01.07.2019 01.08.2019 01.09.2019 01.10.2019 01.11.2019

01.12.2019

01.01.2020 01.02.2020 01.03.2020 01.04.2020 01.05.2020 01.06.2020 01.07.2020

Источник: составлено автором по материалам [193].

Рисунок 20 - Динамика количества заемщиков (юридических лиц и индивидуальных предпринимателей) за период с 01.07.2019 по 01.07.2020

Ускорение передачи информации в современных банках достигается путем использования электронных банковских услуг, отличительной особенностью которых является использование электронных технических средств. В качестве электронных технических средств, которые сегодня используются банками для предоставления услуг, выступают такие средства, как Интернет, мобильная связь, телефонная связь, мессенджеры, социальные сети и смс-сервис [187]. Наибольшее распространение в настоящее время получил интернет-банкинг - это электронная банковская деятельность, которая предполагает осуществление операций через специальные системы благодаря программному обеспечению через Интернет. Электронные банковские услуги через интернет-банкинг позволяют проводить не только расчетные операции, но и операции с ценными бумагами, иностранной валютой, инвестиционные и страховые операции, операции по оформлению и погашению кредитов, по открытию и пополнению вкладов, оказывать услуги по оформлению банковских карт и другие [187].

В условиях цифровизации одновременно с сокращением количества подразделений и персонала банки увеличивают инвестиции

в ИТ-инфраструктуру и ИТ-персонал в целях повышения уровня автоматизации операций и перевода клиентов на онлайн-обслуживание. С 2017 года расходы банков на информационные технологии растут значительно быстрее расходов на оплату труда: плюс 16,4% против 9,4% в 2019 году. В целом по банковскому сектору в 2019 году доля ИТ-расходов в административно-хозяйственных расходах составила 6,7%. Средняя доля ИТ-специалистов в общей численности персонала как у крупных, так у небольших банков постепенно растет с 7% в 2018 году до 7,8% в 2020 году. Банки увеличивают инвестиции в технологическую трансформацию и автоматизацию бизнеса, что обуславливает рост доли расходов на амортизацию нематериальных активов в структуре ИТ-расходов (с 20,6% за 2016 год до 25,8% за 2019 год). Данные, обработанные «Эксперт РА», демонстрируют существенный разрыв между крупными и небольшими банками в уровне диджитализации операций: в 2019 году средняя доля онлайн-продаж основных банковских продуктов у топ-100 банков по активам составила 22%, а у банков за пределами топ-100 9%. В будущем крупные банки, имеющие кредитный рейтинг «Эксперт РА», собираются значительно нарастить долю онлайн-продаж, что заметно увеличит разрыв в уровне диджитализации продаж крупных и небольших банков [187].

Использование электронных технических средств и цифровых информационных ресурсов однозначно способствует развитию кредитного потенциала российских банков как в части его формирования на этапе привлечения ресурсов, так и в части его реализации на этапе эффективного размещения средств.

Проведенный анализ финансовых ресурсов кредитного потенциала российских банков показал его наращивание в исследуемом периоде. Это подтверждается ростом объема привлеченных банками средств, прежде всего, средств клиентов - физических и юридических лиц несмотря на стабильное снижение процентных ставок. Однако необходимо отметить,

что во второй половине 2020 года в результате влияния пандемического кризиса ожидается отток вкладчиков, и, следовательно, сокращение объема финансовых ресурсов в составе кредитного потенциала. Использование финансовых ресурсов кредитного потенциала направлено на кредитование, прежде всего, некредитных организаций и физических лиц. Анализ свидетельствует о наращивании объемов кредитования в исследуемом периоде, особенно в 2020 году в условиях пандемического кризиса. Этому способствует стабильное снижение процентных ставок по кредитам. Влияние кризиса также отрицательно отразилось на показателях эффективности использования финансовых ресурсов кредитного потенциала: в 2020 году произошло сокращение уровня рентабельности активов и капитала, ухудшение показателей ликвидности. Анализ коэффициента корреляции между объемом привлеченных средств и объемом кредитных вложений показал их очень тесную взаимосвязь: при увеличении объема привлеченных средств всегда будет повышаться объем кредитных вложений. Анализ кадровых ресурсов кредитного потенциала показал сокращение численности работников банковского сектора в последние годы, что было обусловлено цифровизацией бизнес-процессов, повлекших высвобождение персонала. Вместе с тем, банки увеличивают расходы на ИТ-технологии и численность ИТ-персонала, что свидетельствуют о развитии информационных ресурсов кредитного потенциала банков на основе предоставления электронных банковских услуг. Анализ клиентских ресурсов кредитного потенциала показал увеличение количества клиентов в 2020 году в условиях пандемического кризиса, когда повысился спрос на кредиты, в том числе кредиты с льготной ставок в рамках государственных программ поддержки экономки. Следовательно, проведенный анализ позволяет говорить о наращивании кредитного потенциала российских банков как в целом, так и отдельных его элементов (ресурсов).

2.2 Анализ эффектов влияния денежно-кредитной политики на кредитный потенциал российских банков

В рамках данного исследования целесообразно рассмотреть применение инструментов денежно-кредитной политики в России, а также их влияние на объемы кредитования и объемы привлеченных средств в контексте формирования и реализации кредитного потенциала банка, то есть провести анализ так называемых эффектов влияния денежно-кредитной политики на кредитный потенциал банка.

При этом сужение анализа до финансовой составляющей кредитного потенциала обусловлено, прежде всего, важностью и главенствующей ролью данного элемента для банковской деятельности. Кроме того, выделение финансовой составляющей обусловлено ограниченностью возможностей анализа влияния стандартного инструментария денежно-кредитной политики на другие составные части кредитного потенциала.

Для оценки влияния применяется корреляционно-регрессионный анализ, позволяющий выявить существенность или несущественность влияния фактора, а также уровень зависимости объемов кредитования и объемов привлеченных средств от рассматриваемых факторов.

Среди основных элементов денежно-кредитной политики Банка России, направленной на стабилизацию ситуации в банковском секторе страны, необходимо выделить, прежде всего, изменение ключевой ставки Банка России, динамика которой представлена на рисунке 21.

В исследуемом периоде наблюдается поступательное снижение ключевой ставки Банка России с 2015 года, что позволило стабилизировать ситуацию в сфере инфляционных процессов и создать условия для снижения ставок по кредитам.

Взаимосвязь динамики ключевой ставки и ставок по кредитам можно проследить на рисунке 22.

18 16 14 12

I 10

я

а 8

6

17,00

5,5

7,75 725 7,75 7,50

4,50 4,25 4,25

-1-1-1-1-1-1-1-1-1-1-1-1-1-1-1-

Их Л Л ч<0 ЧЬ Л ЧЛ А ч% Л Л г® А® л® л\ „о4 „о4 „о4 „о4 „о4 „о4 „о4 „о4 „<ач „(У „Ф

лУ лУ ¿У лУ О» л> ч> Л^ Ч^ л^ Л^ оУ к?

4

2

Источник: составлено автором по материалам [167]. Рисунок 21 - Динамика ключевой ставки Банка России в 2014-2020 гг.

35,00

30,00

25,00

§ 20,00 я

§ 15,00

с

с 10,00 5,00 0,00

1Г1 1Г1 1Г1 1Г1 6 6 6 6 7 7 7 7 00 8 8 8 9 9 9 о 0 0

<4 2 2

0 0 0 0 0 0 0 0 0 0 0 0 о 0 0 0 о 0 0 0 о 0 0

гч <4 <ч <ч гч <4 <4 <4 гч <4 <ч <4 гч <4 <4 <4 гч <ч <4 <ч гч <4 <4

о о О о ^■ч о ^■ч

О о о О О о О О О ^ р о О о О О р о О

,—| ,—1 ,—1 ,—1 ,—1 ,—| ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1 ,—1

0 0 0 0 0 0 0 0 0 0 0 0 о 0 0 0 о 0 0 0 о 0 0

■ ставки по кредитам физических лиц до 1 года • ставки по кредитам юридических лиц до 1 года ключевая ставка

ставки по кредитам физических лиц свыше 1 года ставки по кредитам юридических лиц свыше 1 года

Источник: составлено автором по материалам [167; 195].

Рисунок 22 - Динамика ключевой ставки Банка России и средневзвешенных процентных ставок по кредитным операциям российских банков с 01.01.2015 по 01.07.2020

Наглядно видно соответствие динамики ключевой ставки Банка России и средневзвешенных ставок по кредитам физических и юридических лиц как до 1 года, так и свыше 1 года. Это оказывает влияние на кредитный потенциал банков, так как способствует увеличению объемов кредитования в условиях сниженных ставок: снижение ключевой ставки способствует повышению эффективности реализации кредитного потенциала путем

увеличения объемов кредитования, и, наоборот, рост ключевой ставки способствует сокращению объемов кредитования, что отрицательно влияет на эффективность реализации кредитного потенциала банков. С целью проверки данной гипотезы проанализируем влияние ключевой ставки Банка России на объем кредитования при помощи критерия Фишера. Исходные показатели представлены в таблице 9.

Таблица 9 - Исходные данные для анализа

Период действия ключевой ставки У - ключевая ставка, в процентах Х1 - объем кредитования, млрд руб. Х2 - длительность периода, дней Х3 - средний объем кредитования в периоде, млрд руб.

1 5,5 216962 167 1299

2 7 75537 56 1349

3 7,5 125915 91 1384

4 8 145041 100 1450

5 9,5 58010 37 1568

6 10,5 6469 4 1617

7 17 80120 48 1669

8 15 72179 42 1719

9 14 79031 50 1581

10 12,5 65947 42 1570

11 11,5 77438 48 1613

12 11 550259 316 1741

13 10,5 165987 97 1711

14 10 326357 189 1727

15 9,75 62376 36 1733

16 9,25 82544 48 1720

17 9 157986 91 1736

18 8,5 73704 42 1755

19 8,25 88470 49 1806

20 7,75 99381 56 1775

21 7,5 75290 42 1793

22 7,25 318550 175 1820

23 7,5 178438 91 1961

24 7,75 370082 182 2033

25 7,5 84636 42 2015

26 7,25 85220 42 2029

27 7 100547 49 2052

28 6,25 102629 49 2094

29 4,25 33282 16 2080

Источник: составлено автором.

В качестве показателей приняты сопутствующие факторы влияния, всего рассмотрено:

- У - ключевая ставка, в процентах;

- Х1 - объем кредитования, млрд руб.;

- Х2 - длительность периода, дней;

- Х3 - средний объем кредитования в периоде, млрд руб.

Далее представлена проверка общего качества уравнения множественной регрессии, в общем случае имеющего вид формулы (1)

где У - зависимая (объясняемая) переменная;

в - вектор параметров (подлежащих определению); Х = Х (Х1, Х2, ..., Хт) - вектор независимых (объясняющих) переменных; е - случайная ошибка (отклонение).

Теоретическое линейное уравнение множественной регрессии можно записать в соответствии с формулой (2)

где р0 - свободный член, определяющий значение У в случае, когда все объясняющие переменные Xj равны нулю.

Для того, чтобы определить нахождение оценок коэффициентов регрессии, проверяется ряд предпосылок с помощью метода наименьших квадратов (далее - МНК). Рассмотрим такие предпосылки.

Предпосылка 1: математическое ожидание случайного отклонения равно нулю для всех наблюдений (М(е;) = 0).

Предпосылка 2: гомоскедастичность, когда дисперсия случайных отклонений 81 постоянна для любых 1 и j (Э^) = Э^) = Б2). Предпосылка 3: автокорреляция отсутствует.

У = f (в, Х) + 8,

(1)

У = в0 + в1Х1 + в2Х2 + ... + втХт + 8,

(2)

Предпосылка 4: случайное отклонение должно быть независимо от объясняющих переменных (Уе1х1 = 0).

Предпосылка 5: модель является линейной относительно параметров.

Предпосылка 6: отсутствие мультиколлинеарности, то есть между объясняющими переменными отсутствует строгая (сильная) линейная зависимость.

Предпосылка 7: случайные ошибки 8; имеют нормальное распределение. Указанная предпосылка важна для проверки статистических гипотез и построения доверительных интервалов.

Эмпирическое уравнение множественной регрессии запишем по формуле (3)

У = Ь0 + № + № + ... + ЬтХт + е, (3)

где Ь0, Ь1, ..., Ьт - оценки теоретических значений в0, вь в2, . ., вт

коэффициентов регрессии (эмпирические коэффициенты регрессии);

е - оценка отклонения 8.

При выполнении предпосылок МНК относительно ошибок 8!, оценки Ь0, Ь1, ..., Ьт параметров в0, в1, в2, . ., вт множественной линейной регрессии по рассматриваемому методу будут несмещенными, эффективными и состоятельными (или, как их еще называют в специализированной литературе, ВШЕ-оценками).

Определим вектор оценок коэффициентов регрессии. Согласно методу наименьших квадратов, вектор б получается из выражения, показанного в формуле (4)

б = (ХТХ)-1ХТУ, (4)

где ХТХ-1 - обратная матрица; ХТ - матрица; У - матрица.

К матрице с переменными Xj и У, представленными в таблице 9, добавляем единичный столбец и получаем матрицу Х, показанную на рисунке 23, транспонированную матрицу ХТ, а также матрицу У, представленную на рисунке 24.

216962 167 1299

75537 56 1349

125915 91 1384

145041 100 1450

58010 37 1568

6469 4 1617

80120 48 1669

72179 42 1719

79031 50 1581

65947 42 1570

77438 48 1613

550259 316 1741

165987 97 1711

326357 189 1727

62376 36 1733

82544 48 1720

157986 91 1736

73704 42 1755

88470 49 1806

99381 56 1775

75290 42 1793

318550 175 1820

178438 91 1961

370082 182 2033

84636 42 2015

85220 42 2029

100547 49 2052

102629 49 2094

33282 16 2080

Рисунок 23

Источник: составлено автором. - Матрица с переменными Xj и единичный столбец

Г

V

5,5

7

7,5

8

9,5 10,5 17 15 14 12,5 11,5 11

10,5 10 9,75 9,25 9

8,5 8,25 7,75 7,5 7,25 7,5 7,75 7,5 7,25

7 6,25 4,25

А

У

Источник: составлено автором. Рисунок 24 - Матрица с переменными У и единичный столбец

Результаты умножения матриц (ХТХ) представлены на рисунке 25.

г

Л

29 3958387 2297 50400

V

3958387 929061903157 531280627 6927362648

2297 531280627 307875 3958228

50400 6927362648 3958228 88918890

Источник: составлено автором. Рисунок 25 - Результаты умножения матрицы ХТ и матрицы X

у

Результаты умножения матриц ХТУ представлены на рисунке 26.

266,5 35603340,25 20661 459202,5

Источник: составлено автором. Рисунок 26 - Результаты умножения матриц ХТУ

Находим обратную матрицу (ХТХ)-1, как это показано на рисунке 27.

7,958 0,000039 -0,0689 -0,00447

0,000039 0 0 0

-0,0689 0

0,000842 0,000039

-0,00447 0

0,000039 0,000003

Источник: составлено автором. Рисунок 27 - Результаты умножения матриц (ХТХ)-1

По формуле (4) находим вектор оценок коэффициентов регрессии б, как это показано на рисунке 28.

7,958 0,000039 -0,0689 -0,00447 266,5 27,7175

0,000039 0 0 0 35603340,25 0,000095

-0,0689 0 0,000842 0,000039 * 20661 = -0,1618

-0,00447 0 0,000039 0,000003 459202,5 ) -0,01035

Источник: составлено автором. Рисунок 28 - Расчет вектора оценок коэффициентов регрессии

Уравнение регрессии приобретает вид согласно формуле (5)

У = 27,7175 + 0,000095Х1-0,1618Х2-0,01035Х3.

(5)

Интерпретация коэффициентов регрессии показывает, что константа оценивает агрегированное влияние прочих (кроме учтенных в модели Х^ факторов на результат Y и означает, что Y при отсутствии Xi составила бы 27,7175. Коэффициент Ь1 указывает, что с увеличением X1 на единицу, Y увеличивается на 0,000095. Коэффициент Ь2 указывает, что с увеличением XI на 1 Y снижается на 0,1618. Коэффициент Ь3 указывает, что с увеличением X3 на 1 Y снижается на 0,01035.

Далее рассмотрим матрицу парных коэффициентов корреляции R.

Число наблюдений - в нашем случае количество периодов действий ключевых ставок - п равно 29. Число независимых переменных Х в уравнении регрессии (5) равно 3, а число регрессоров с учетом единичного вектора равно числу неизвестных коэффициентов. С учетом признака Y, размерность матрицы становится равной 5. Матрица независимых переменных Х имеет размерность (29х5). Матрица A, составленная из Y и X, значения которых представлены в таблице 9, и соответствующая транспонированная матрица АТ позволяют составить матрицу ^^К), представленную на рисунке 29.

9 266,5 3958387 2297 50400

266,5 2656 35603340.25 20661 459202,5

3958387 35603340,25 929061903157 531280627 6927362648

2297 20661 531280627 307875 3958228

50400 459202,5 6927362648 3958228 88918890

Источник: составлено автором. Рисунок 29 - Матрица (XTX)

Полученная матрица имеет соответствие, показанное в таблице 10.

Таблица 10 - Соответствие матрицы (ХТХ)

гт 1X1 1X2 1X3

^ Г*2 1Х1У ^зУ

1X1 XXI2 1X2X1 1X3X1

1X2 1X1X2 1X3X2

1X3 ^3 1X1X3 1X2 Хз

Источник: составлено автором.

Далее найдем парные коэффициенты корреляции гху согласно формуле (6)

Значение парного коэффициента корреляции гХ1, как показано в уравнении, свидетельствует о низкой линейной связи между Х1 и У

1227701,388 - 136496,103 * 9,19

7x1 =-=-=-= -0,0862

Х1 115781,825 * 2,267 ' ■

Значение парного коэффициента корреляции гХ2, как показано в уравнении, свидетельствует о низкой линейной связи между Х2 и У

712,448- 79,207* 9,19

гХ2 =---= -0,0877 .

Х2 65,899 * 2,671 '

Значение парного коэффициента корреляции гХ3, как показано в уравнении, свидетельствует о низкой линейной связи между Х3 и У

1227701,388 - 136496,103 * 9,19

г __'_'_ __0 239

Х3 115781,825 * 2,267 ,

Значение парного коэффициента корреляции гХ1Х2, как показано в уравнении, свидетельствует о весьма сильной линейной связи между X2 и X!

18320021,621 - 79,207 * 136496,103

Гулу? =-= 0,984

Х1Х2 65,899 * 115781,825 '

Значение парного коэффициента корреляции гХ1Х3, как показано в уравнении, свидетельствует о низкой линейной связи между Х3 и Х1

238874574,069 - 1737,931 * 136496,103

гХ1Х3 =-----= 0,0668

Х1Х3 213,926* 115781.825 '

Значение парного коэффициента корреляции гХ2Х3, как показано в уравнении, свидетельствует о низкой линейной связи между Х3 и Х2

136490,621 - 1737,931 * 79,207

гХ2Х3 =---= -0,0827 .

Х2Х3 213,926 * 65,899 '

Расчетные значения дисперсии ^О(Х), О(У) и среднеквадратических отклонений ^(Х), ¿-(У) представлены в таблице 11.

Таблица 11 - Дисперсия и среднеквадратические отклонения

Признаки X и У О(У) 5(У)

Для У и X! 13405431093,679 7,136 115781,825 2,671

Для У и X2 4342,647 7,136 65,899 2,671

Для У и Xз 45764,34 7,136 213,926 2,671

Для XI и X2 4342,647 13405431093,679 65,899 115781,825

Для XI и Xз 45764,34 13405431093,679 213,926 115781,825

Для X2 и Xз 45764,34 4342,647 213,926 65,899

Источник: составлено автором.

Матрица парных коэффициентов корреляции Я представлена в таблице 12. Таблица 12 - Матрица парных коэффициентов корреляции R

Признак У Х1 Х2 Хз

У 1 -0,08616 -0,08768 -0,2387

XI -0,08616 1 0,9841 0,06677

Х2 -0,08768 0,9841 1 -0,08267

Хз -0,2387 0,06677 -0,08267 1

Источник: составлено автором.

Далее рассмотрим частные коэффициенты корреляции. Частный коэффициент корреляции отличается от простого коэффициента линейной парной корреляции тем, что он измеряет парную корреляцию соответствующих признаков (у и х^ при условии, что влияние на них остальных факторов (х^ устранено. Поэтому на основании частных коэффициентов делают вывод об обоснованности включения переменных в регрессионную модель. Малое или незначимое значение коэффициента обозначает, что связь между данным фактором и результативной переменной либо очень слаба, либо отсутствует, поэтому фактор можно исключить из модели.

Так, например, частный коэффициент корреляции г между переменными у и х\ при фиксированном х^ рассчитывается по формуле (7)

■VI __ /м -V-»

_ 'ух1 'ух2 * 'х1х2 /'ул

гух1/х2 ~ I - . (7)

'(1-Гух2)*(1-Гх21х2)

Аналогичным образом рассчитываются частные коэффициенты корреляции для других переменных.

Подставим в формулу (7) значения переменных и определим тесноту их связи. Результаты расчетов представлены в таблице 13.

Таблица 13 - Частные коэффициенты корреляции

Частный коэффициент корреляции Расчетное значение частного коэффициента корреляции Характер связи переменных

ГУХ1/Х2 0,0007 Теснота связи низкая

ГУХ1/Х3 -0,0725 Теснота связи низкая

ГУХ2/Х1 -0,0163 Теснота связи низкая

ГУХ2/Х3 -0,111 Теснота связи низкая

ГУХ3/Х1 -0,234 Теснота связи низкая

ГУХ3/Х2 -0,248 Теснота связи низкая

ГХ1Х2/У 0,984 Теснота связи сильная

ГХ1Х2/Х3 0,995 Теснота связи сильная

ГХ1Х3/У 0,0478 Теснота связи низкая, межфакторная связь слабая

ГХ1Х2/Х3 0,837 Теснота связи сильная

ГХ2Х3/У -0,107 Теснота связи низкая, межфакторная связь слабая

ГХ2Х3/Х1 -0,837 Теснота связи низкая

Источник: составлено автором.

При сравнении коэффициентов парной и частной корреляции видно, что из-за влияния межфакторной зависимости между происходит завышение оценки тесноты связи между переменными.

Теперь приступим к анализу мультиплексорности. По общему правилу, если факторные переменные связаны строгой функциональной зависимостью, то говорят о полной мультиколлинеарности. В этом случае среди столбцов матрицы факторных переменных Х имеются линейно зависимые столбцы. Вид мультиколлинеарности, при котором факторные переменные связаны некоторой стохастической зависимостью, называется частичной. Если между факторными переменными имеется высокая степень корреляции, то матрица (ХТХ) близка к вырожденной (чем ближе к нулю определитель матрицы межфакторной корреляции, тем сильнее мультиколлинеарность факторов и ненадежнее результаты множественной регрессии).

Если в матрице есть межфакторный коэффициент корреляции Гх)ы больше 0,7, то в данной модели множественной регрессии существует мультиколлинеарность. В нашем случае г(Х1Х2) имеют |г| больше 0,7, что говорит о мультиколлинеарности факторов и о необходимости исключения одного из них из дальнейшего анализа.

Для оценки Р-коэффициентов применим МНК. При этом система нормальных уравнений, составленная на основе матрицы парных коэффициентов корреляции Я, представленной в таблице 12, будет иметь вид системы (8)

'-0,0862 = Р1 + 0,984в2 + 0,0668в3

) -0,0877 = 0,98401 + Р2 -0,0827Р3 0,239 = 0,066801 -0,082702 + 03 ■ (8)

ч.

Решая систему линейных уравнений (8) методом Гаусса, получаем 01 равным 3,896; р2 равным минус 3,99; р3 равным минус 0,829. Таким образом, стандартизированная форма уравнения регрессии 1у имеет вид формулы (9)

1у = 3,896X1-3,99X2-0,829X3 ■ (9)

Перейдем к статистическому анализу полученного уравнения регрессии: проверке значимости уравнения и его коэффициентов, исследованию абсолютных и относительных ошибок аппроксимации.

Для несмещенной оценки дисперсии е проделаем вычисления, показанные в таблице 14.

Таблица 14 - Вычисления для несмещенной оценки дисперсии е

У У(х) е = Y - У(х) е2 (У^ср)2 |е : Y|

1 2 3 4 5 6

5,5 6,76 -1,264 1,598 13,614 0,23

7 11,489 -4,489 20,149 4,795 0,641

7,5 9,994 -2,494 6,218 2,855 0,332