Банковское регулирование и надзор в системе мероприятий предотвращающие возникновение банковских кризисов

В современных условиях для банковского сектора России основное - добиться выполнение уже принятых Законов не нарушив работу банковской системы. Опыт надзорных органов зарубежных стран помогает банковской системе России, формировать взгляды специалистов и учиться на ошибках финансистов развитых стран.

У Банка России есть уникальные возможности осуществлять банковский надзор не только административными, но и экономическими мерами, создавая условия для повышения эффективности работы подконтрольных кредитных организаций. Реализация такой политики предполагает конструктивный, созидательный характер надзорной деятельности. Под конструктивностью имеется в виду использование в практике регулирования таких инструментов, которые в рамках полномочий и ответственности ЦБ РФ способствовали бы формированию работоспособной прогрессивной банковской системы. Вместе с тем эффективность надзора при таком подходе зависит не только от Банка России, но и от общей экономической политики, а также от ее конкретных результатов.

 

3.2. Перспективы развития  банковского регулирования и  надзора в системе мероприятий  по предотвращению банковских  кризисов с применением экономико-математического моделирования

 

В целях решения задачи прогнозирования вероятности возникновения кризиса в банковской системе России проведём исследование банковской системы посредством корреляционно-регрессионного анализа, который позволяет количественно выразить взаимосвязь между показателями и спрогнозировать их.

Применение корреляционного анализа позволяет решить следующие задачи:

а) определить изменение результативного показателя под воздействием одного или нескольких факторов, то есть выяснить, на сколько единиц изменяется величина результативного показателя при изменении факторного на единицу;

б) установить относительную степень зависимости результативного показателя от каждого фактора.

Необходимыми условиями применения корреляционного анализа являются:

- наличие достаточно большого  количества наблюдений о величине  исследуемых факторных и результативных  показателей (в динамике или за текущий год по совокупности однородных объектов);

- исследуемые факторы должны  иметь количественное измерение  и отражение в тех или иных  источниках информации.

Множественный регрессионный анализ начинается с решения вопроса о спецификации модели. Он включает в себя два круга вопросов: отбор факторов и выбор вида уравнения регрессии.

Считается, что две переменные явно коллинеарны, то есть находятся между собой в линейной зависимости, если rxy>=0,7. Если факторы явно коллинеарны, то они дублируют друг друга и один из них рекомендуется исключить из регрессии. Предпочтение при этом отдается не фактору, более тесно связанному с результатом, а тому фактору, который при достаточно тесной связи с результатом имеет наименьшую тесноту связи с другими факторами. В этом требовании проявляется специфика множественной регрессии как метода исследования комплексного воздействия факторов в условиях их независимости друг от друга. После того, как отобраны необходимые параметры, можно приступать к построению уравнения множественной регрессии. Возможны разные виды уравнений множественной регрессии: линейные и нелинейные. Ввиду четкой интерпретации параметров наиболее широко используется линейная функция. Уравнение линейной множественной регрессии выражено следующей формулой:

 

                               ,                            (3.2.1)

где:    a – исследуемый параметр;

           bm – параметры при х – коэффициенты регрессии.

Коэффициенты регрессии характеризуют среднее изменение результата с изменением соответствующего фактора на единицу при неизмененном значении других факторов, закрепленных на среднем уровне.

Построим корреляционно-регрессионную модель вероятности возникновения кризиса в банковской системе России. В таблице 3.2.1 представлены данные для проведения корреляционно-регрессионного анализа.

 

Таблица 3.2.1

Данные для построения корреляционно-регрессионной модели [48,57,61]

Показатели		2008 г.	2009 г.	2010 г.	2011 г.	2012 г.	2013 г.	2014 г.	2015 г.
Вероятность кризиса в банковской системе России, %	y	90	80	70	30	10	10	70	50
Количество кредитных организаций, подвергшихся штрафным санкциям, ед.	x1	81	96	109	128	154	171	133	212
Количество кредитных организаций с ограничениями на осуществление отдельных операций, ед.	x2	143	152	163	175	181	194	209	243
Количество кредитных организаций с требованиями по устранению нарушений, ед.	x3	438	467	483	491	507	524	546	623
Количество кредитных организаций, у которых отозвана лицензия, ед.	x4	5	45	15	19	20	22	22	22
Количество кредитных организаций, не выполнивших норматив достаточности капитала Н1.0, ед.	x5	9	7	4	1	1	1	4	8
Прирост задолженности по рефинансированию, %	x6	65	115	-77,11	272,15	122	1,43	36,8	-42,3

 

Факторами, влияющими на вероятность возникновения кризиса в банковской системе России, были выбраны следующие: количество кредитных организаций подвергшихся штрафным санкциям, количество кредитных организаций с ограничениями на осуществление отдельных операций, количество кредитных организаций с требованиями по устранению нарушений, количество кредитных организаций,  у которых отозвана лицензия, количество кредитных организаций, не выполнивших норматив достаточности капитала Н1.0, прирост задолженности по рефинансированию. Вероятность возникновения кризиса в банковской системе России определена на основе данных аналитической записки, посвященной значениям опережающих индикаторов системных финансовых и макроэкономических рисков, подготовленной Центром макроэкономического анализа и краткосрочного прогнозирования.

С целью выявления мультиколлинеарных параметров проведем на основании вышеприведенных данных корреляционный анализ. В таблице 3.2.2 приведена матрица коэффициентов корреляции.

Таблица 3.2.2

Матрица коэффициентов корреляции, в долях

	Y	x1	x2	x3	x4	x5	x6
y	1
x1	-0,83547	1
x2	-0,7643	0,412003	1
x3	-0,72601	0,915931	0,991229	1
x4	0,007127	0,056569	0,051776	0,109819	1
x5	0,810966	-0,22825	-0,07262	-0,00969	0,00485	1
x6	-0,23759	-0,27633	-0,33269	-0,37688	0,160912	-0,34267	1

 

Анализ матрицы коэффициентов парной корреляции показывает, что зависимая переменная, то есть вероятность кризиса в банковской системе России имеет  наиболее сильную связь с количеством кредитных организаций подвергшихся штрафным санкциям (ryx1= 0,89), количеством кредитных организаций, не выполнивших норматив достаточности капитала Н1.0 (ryx5= -0,81),  количеством кредитных организаций с ограничениями на осуществление отдельных операций (ryx2= 0,72). Судя по таблице, мультиколлинеарность между факторами отсутствует.

Проведем регрессионный анализ. В приложении 1 приведён результат регрессионного анализа.

В регрессионном анализе наиболее важными результатами являются:

- коэффициенты при переменных  и y-пересечение, являющиеся искомыми параметрами модели;

- множественный R, характеризующий  точность модели для имеющихся  исходных данных;

- F-критерий Фишера;

- t-статистика – величины, характеризующие степень значимости отдельных коэффициентов модели.

По результатам приведенной в приложении 1 таблицы можно записать уравнение множественной регрессии:

 

y = 8,21 – 0,91x1 + 0,78x2 + 5,95x5,                             (3.2.2)

где: у – вероятность кризиса в банковской системе России;

       х1 - количество кредитных организаций, подвергшихся штрафным санкциям;

       х2 – количество кредитных организаций с ограничениями на осуществление отдельных операций;

       х5 - количество кредитных организаций, не выполнивших норматив достаточности капитала Н1.0.

Коэффициенты регрессии b1, b2, b5 отражают степень влияния каждой из переменных на вероятность кризиса в банковской системе России. Так, коэффициент b1, равный  0,91, указывает, что при прочих равных условиях увеличение количества кредитных организаций, подвергшихся штрафным санкциям на 1% приведет к снижению вероятности кризиса в банковской системе России на 0,91%. Далее рост количества кредитных организаций с ограничениями на осуществление отдельных операций приведёт к увеличению показателя «у» на 0,78%, также увеличение количества кредитных организаций, не выполнивших норматив достаточности капитала Н1.0 приведет к увеличению показателя на 5,95%. 

Коэффициент детерминации R2 равен 0,97, что составляет 97%. Это означает, что все исследуемые воздействующие факторы объясняют 97% вариации анализируемой функции. Остальные 3% остаются необъясненными и могут быть связаны с влиянием других, неучтенных факторов.

Определим статистическую значимость полученного уравнения.

При проверке значимости модели принято придерживаться следующей последовательности действий:

- сначала выполняется общая проверка полученного уравнения на пригодность;

- если результат оказался положительным (уравнение значимо), то проверяют  на значимость уже каждый коэффициент  уравнения регрессии bi;

- дается сравнительная оценка  степени влияния каждого из анализируемых факторов хk.

Статистическую оценку полученного уравнения принято начинать с проведения F-теста, целью которого является выяснение способности исследуемых факторов хk объяснять значимую часть колебания функции у. Если результат теста значим, то связь существует, значит можно приступать к ее исследованию и объяснению. Если проверка указывает на незначимость связи, то заключение лишь одно: мы имеем дело с набором случайных чисел, никак не связанных между собой.

Для выполнения F-теста воспользуемся результатами компьютерного расчета:

- наиболее распространенным считается  выполнение проверки по F-критерию. Fрасч = 40,88. Необходимо определить величину Fкрит при условии, что для числителя степень свободы f1 = k, то есть составит 4 (число воздействующих факторов равно 3), а для знаменателя f2 = n − k− 1 = 8 − 3 − 1 = 4. Следовательно, получим следующее значение для Fкрит = 230,2 (для α = 0,05). Поскольку выполняется соотношение Fрасч < Fкрит, можно c вероятность 95% говорить о высокой степени адекватности анализируемого уравнения;

- коэффициент детерминации R2 = 0,97. По специальным таблицам при n = 8, к = 3 (число переменных), a = 0,05 находим Rрасч  = 0,68. Поскольку R2 > Rрасч, то с вероятностью 95% можно утверждать о значимости данного уравнения регрессии.

Проведем анализ адекватности коэффициентов регрессии.

Проверку на адекватность коэффициентов регрессии рекомендуется проводить по эквивалентным методам: использование t-критерия и уровня значимости.

Табличное значение t-критерия Стьюдента при a = 0,05 и числе степеней свободы v = n – 4 = 4 составляет tр=12,7. Анализируемый коэффициент считается значимым, если его t-критерий по абсолютной величине меньше tр. В нашем случае мы имеем для коэффициентов b0, b1, b2, b5 следующие показатели критерия Стьюдента: tb0=0,39, tb1=-5,24, tb2=3,5, tb5=6,05. Следовательно, все коэффициенты уравнения являются значимыми.

Далее проведем анализ показателя р, то есть уровня значимости α. Коэффициент признается значимым, если рассчитанное для него р-значение  больше 0,05.

В таблице 3.2.3 представлен показатель р для коэффициентов b0, b1, b2, b5. 

Данные таблицы 3.2.3 позволяют сделать вывод, что все рассмотренные коэффициенты статистически значимы. Иначе говоря, можно сделать вывод о неслучайном характере влияния всех изученных параметров.