CC BY
5ДИФФЕРЕНЦИАЦИЯ РЕГИОНОВ ПО УРОВНЮ КРЕДИТНОГО ОБЕСПЕЧЕНИЯ СУБЪЕКТОВ ХОЗЯЙСТВОВАНИЯ КАК СДЕРЖИВАЮЩИЙ ФАКТОР ЭКОНОМИЧЕСКОГО РОСТА РОССИЙСКОЙ ФЕДЕРАЦИИ DIFFERENTIATION OF REGIONS BY THE LEVEL OF CREDIT SECURITY OF ECONOMIC SUBJECTS AS A CONTRACTING FACTOR OF ECONOMIC GROWTH OF THE RUSSIAN FEDERATION
DOI:10.38197/2072-2060-2020-224-4-493-504
494
РЯБЧЕНКО ДМИТРИЙ СЕРГЕЕВИЧ
Студент 4-го курса кафедры «Финансы и кредит», Института финансов, экономики и управления, ФГАОУ ВО «Севастопольский государственный университет»
DMITRIY S. RYABCHENKO
4th year student of the Department of Finance and Credit Institute of Finance, Economics and Management, Sevastopol State University
НАУЧНЫЙ РУКОВОДИТЕЛЬ
Черемисинова Диана Валерьевна, старший преподаватель кафедры «Финансы и кредит», Института финансов, экономики и управления, ФГАОУ ВО «Севастопольский государственный университет»
RESEARCH SUPERVISOR
Diana V. Cheremisinova, Senior Lecturer, Department of Finance and Credit Institute of Finance, Economics and Management, Sevastopol State University
АННОТАЦИЯ
В работе выявлена существенная дифференциация регионов по уровню кредитного обеспечения субъектов хозяйствования с помощью кластерного анализа. Разработана методика оценки уровня развития банковского сектора и экономического роста регионов на основе интегрального показателя, что позволило подтвердить наличие существенной связи между сформированными кластерами и уровнем их кредитного обеспечения. Предложенная методика может служить количественным ориентиром для оценивания результатов кредитной политики банковского сектора и его взаимодействия с реальным сектором экономики в регионах РФ.
Л** W
ABSTRACT
The paper reveals a significant differentiation of regions by the Level of credit support for business entities using cluster analysis. A methodology has been developed for assessing the level of development of the banking sector and the economic growth of regions on the basis of an integral indicator, which allowed confirming the existence of a significant relationship between the formed clusters and the level of their credit support. The proposed methodology can serve as a quantitative guideline for assessing the results of the credit policy of the banking sector and its interaction with the real sector of the economy in the regions of the Russian Federation.
КЛЮЧЕВЫЕ СЛОВА
Экономический рост, кластерный анализ, кредитование, валовый региональный продукт, интегральный показатель, дифференциация, субъект хозяйствования. KEYWORDS
Economic growth, cluster analysis, lending, gross regional product, integral indicator, differentiation, business entity.
Существуют различные источники привлечения субъектами хозяйствования заемного капитала, но на текущий момент из всей совокупности действующих источников финансирования банковское кредитование является одним из основных, поскольку банковская система в Российской Федерации наиболее институционально организована среди других участников финансового рынка и обладает максимальными финансовыми возможностями.
При этом кредитные ресурсы в среднем только на 8% обеспечивают вложения в основной капитал [1]. По данным С.Ю. Глазьева, «из-за политики Центрального банка по сжатию
496
кредитного предложения за 2014-2017 гг. российская экономика не получила 10 трлн руб. инвестиций, необходимых для увеличения объемов произведенной продукции на сумму 20 трлн руб.» [2].
Помимо недостаточных объемов кредитных ресурсов для финансирования экономики существенной проблемой является пространственная неоднородность доступности кредитования для субъектов хозяйствования. Проблема межрегиональной асимметрии развития существует достаточно давно, однако масштабы диспропорций не сокращаются, а, как показывают современные исследования, напротив, растут.
Для исследования неоднородности кредитного обеспечения российских регионов был проведен кластерный анализ, в основе которого лежит распределение 85 объектов (субъектов Федерации) по величине среднедушевого ВРП и объемам кредитов, предоставленных субъектам хозяйствования. Было определено, что оптимальным вариантом будет кластеризация на 6 кластеров. Характеристики центров полученных кластеров обобщены в табл. 1.
Кластеры расположены в порядке убывания объемов кредитования, приходящихся на одно ЮЛ и объемов ВРП на душу населения. В первом кластере находятся регионы-лидеры с максимальными значениями среднедушевого ВРП и кредитов, предоставленных ЮЛ, а в шестом — регионы-аутсайдеры с наименьшими значениями данных показателей.
В I, II, IV и V кластере в 2015-2016 годах наблюдается уменьшение значений центроидов, что связано с уменьшением кредитования в данный период. При этом в 2017 году процесс нарастания пространственной неоднородности продолжается, а темпы роста показателей среднедушевого ВРП и объемов кредитов, предоставленных субъектам хозяй-
Таблица 1
Характеристики центров кластеров по годам, учитывая данные 85 субъектов Федерации1
Показатель Кластер
I II III IV V VI
Характеристика кластеров в 2014 году
LN (ВРП/чел.) 7,10 5,95 6,49 5,63 5,17 4,36
LN (Кредит/ ЮЛ) 9,51 8,92 7,95 8,26 6,98 4,89
Характеристика кластеров в 2015 году
LN (ВРП/чел.) 7,17 5,88 6,55 5,69 5,22 -
LN (Кредит/ ЮЛ) 9,50 8,82 7,95 7,94 6,58 -
Характеристика кластеров в 2016 году
LN (ВРП/чел.) 7,22 5,96 6,63 5,77 5,36 5,24
LN (Кредит/ ЮЛ) 9,43 9,20 8,10 8,10 7,01 5,83
Характеристика кластеров в 2017 году
LN (ВРП/чел.) 7,31 6,14 6,68 5,83 5,42 5,21
LN (Кредит/ ЮЛ) 9,58 9,48 8,21 8,33 7,02 5,59
ствования, в регионах-«лидерах» по отношению к средним показателям по РФ ускоряются, вследствие чего II кластер становится наименее многочисленным. Графическая интерпретация результатов кластерного анализа в 2014 и в 2017 годах представлена на рис. 1.
Рис. 1 наглядно иллюстрируют сокращение количества регионов во II-IV кластерах. Практически в каждом кластере наблюдаются «отстающие» регионы или регионы, уже
1 Источник: составлено автором с помощью SPSS Statistics.
498
выпавшие из кластера, такие как Республика Калмыкия, Республика Дагестан, Чеченская Республика. В соответствии с данными 2017 года наращивание объемов кредитования субъектов хозяйствования быстрее всего происходит во II кластере. Регионом—лидером данного кластера по темпам прироста объемов кредитования субъектов хозяйствования стала Республика Татарстан.
Рис. 1. Графическая интерпретация результатов кластерного анализа за 2014 и 2017 гг.1
1 Источник: составлено автором на основании проведенного кластерного анализа.
В 2017 г. несмотря на замедление темпов прироста объемов среднедушевого ВРП в III кластере он еще опережает среднероссийские результаты, однако на графике уже заметно приближение значительного числа регионов III кластера к IV кластеру. Наилучшие результаты по относительному изменению как прироста ВРП, так и кредитования за 4 года продемонстрировали такие крупные регионы, как г. Москва, г. Санкт-Петербург, Республика Татарстан, Тюменская область, Красноярский край, Республика Саха, Камчатский край, Магаданская область.
Регионами, показавшими наихудший прирост или спад (от -5,0 п.п. до +5,0 п.п.) среднедушевого ВРП стали Республика Ингушетия, Республика Северная Осетия — Алания, Омская область, Сахалинская область. По размеру среднего кредита, приходящегося на один субъект хозяйствования, изменения за 4 года носят неоднозначный характер, разброс прироста показателя очень значителен. Так, за период 2014-2017 гг. средний размер кредита, приходящегося на одно ЮЛ, в 38 регионах РФ сократился, а в 12 субъектах Федерации средний кредит уменьшился более чем в 3 раза, что говорит о слабом развитии и труднодоступности кредитования. Среди 85 исследуемых регионов только Республика Татарстан и Магаданская область за 4 года продемонстрировали наибольший совокупный рост и стали одними из лидеров II и III кластеров соответственно.
Так как региональные экономики имеют разный масштаб, для интерпретации результатов кластеризации регионов и оценки межрегиональной дифференциации целесообразно использовать безразмерный интегральный показатель, который позволит оценить уровень кредитного обеспечения исследуемых регионов. Интегральный показатель является синтетическим и включает в себя
00
4 индикатора, позволяющих оценить как концентрацию финансово-кредитных учреждений, так и наличие ресурсной базы для операций кредитования, качество кредитного портфеля банков региона, а также участие кредитования в создании ВРП региона.
Расчет интегрального показателя выглядит следующим образом:
т=4 т .т .т .т т
1 V ИНДОЛ ФН СД АРН ' V1/
где 1ИН/ЮЛ_ показатель институциональной насыщенности банковскими услугами (для юридических лиц); I — показатель финансовой насыщенности (по объему предоставленных кредитов юридическим лицам); 1„я — индекс сберегательного дела; 1РН — индекс риска невозврата ссудной задолженности.
Формулы для расчета индикаторов интегрального пока-д / Сг / / 1Сгр
т = ЮЛ.т =ВРп/ .1 = 1п/ .Т _ 1Сг (7 1инлол / Ул ^фн / УГг ^СД /Уп^рн- / • К*
зателя выглядят следующим образом:
Состав 1ИН/ЮЛ: q — количество подразделений кредитных организаций в субъекте федерации; ^ — количество подразделений кредитных организаций в РФ; £ЮЛ, ЮЛ —количество юридических лиц в РФ-всего, и в субъекте Федерации.
Состав 1ФН: Сг — объем выданных кредитов юридическим лицам в субъекте Федерации; £Сг — объем выданных кредитов юридическим лицам в целом по РФ; £ВРП, ВРП — общая величина валового регионального продукта в РФ — всего, и в субъекте Федерации;
Состав: I D — объем вкладов на душу населения в субъекте Федерации; ^ — объем вкладов на душу населения в целом по РФ; £1п, 1п — доходы, приходящиеся на 1 человека в РФ — всего, и в субъекте Федерации;
Состав ^ &р — объем просроченных кредитов юридическими лицами в субъекте Федерации; £Сгр — объем просроченных кредитов юридическими лицами в целом по РФ; £Сг, & — объем выданных кредитов юридическим лицам в РФ — всего, и в субъекте Федерации. Результаты оценки уровня кредитного обеспечения по кластерам представлены в табл. 2.
Таблица 2
Значение интегральных показателей в кластерах за 2014-2017 гг.2
Кластер Интегральный показатель
в 2014 в 2015 в 2016 в 2017
I кластер 1,184 1,314 1,295 1,318
II кластер 1,000 1,065 1,055 1,082
III кластер 0,788 0,809 0,832 0,898
IV кластер 0,795 0,776 0,786 0,797
V кластер 0,628 0,591 0,612 0,579
В соответствии с данными табл. 2 регионами — лидерами по уровню институциональной насыщенности стали: Чукотский автономный округ, Тюменская область, Курганская область, Забайкальский край, Республика Мордовия.
Декомпозиция индикаторов, включенных в интегральный показатель, позволила выявить, что наиболее финансово насыщенными регионами оказались г. Москва, Курская область, Московская область, Кемеровская область. В большей степени результаты данного показателя подчер-
2 Составлено автором на основании полученных интегральных показателей по 85 субъектам Федерации.
кивают сложившуюся ситуацию в кластерах, где «регионы-лидеры» наиболее финансово насыщенны. Среди наиболее отстающих и «незакредитованных» регионов находятся 11 субъектов Федерации, которые по соотношению объемов кредитования и ВРП отстают от среднероссийских показателей более чем в 2 раза. При этом у 21 региона РФ значение данного показателя находится в пределах от 0,6 до 0,8, что свидетельствует об их существенном отставании от средних показателей по России.
По индексу сберегательного дела со значительным отрывом лидируют г. Москва и г. Санкт-Петербург, что связано со значительным разрывом между доходами в данных субъектах Федерации и в остальных регионах России. При этом 15 субъектов Федерации по данному показателю отстают более чем в 2 раза.
Регионами с наименьшей долей просроченных кредитов являются Чукотский автономный округ, г. Севастополь, Республика Татарстан, Республика Башкортостан. Так, в 30 регионах объемы просроченной задолженности более чем в 2 раза превышают среднероссийские значения. Данный показатель демонстрирует низкую кредитоспособность предприятий различных регионов РФ.
Максимальные значения интегрального показателя имеют Чукотский автономный округ, Республика Татарстан, Тульская область, Магаданская область. Следовательно, успех данных областей в приросте среднедушевого ВРП и объемов кредитования, предоставленных субъектам хозяйствования, за 4 года не случаен, а связан с рядом факторов, учтенных в предлагаемом интегральном показателе. Таким образом, согласно разработанной методологии достижение регионом более высоких темпов экономического роста невозможно без:
1) сбалансированного соотношения объемов кредитования и объемов ВРП (в наиболее успешных регионах за период 2014-2017 гг. соотношение кредитования ЮЛ к создаваемому ВРП составляло или было близким к 1);
2) банковская система должна быть разветвленной и иметь достаточное количество филиалов, отделений, операционных касс и других структурных единиц, должна быть представлена как крупными учреждениями, так и небольшими региональными банками, которые гораздо маневрен-нее и более адаптивны к быстро изменяющимся условиям рынка, ближе к малому и среднему бизнесу;
3) население должно иметь достаточные доходы (в регионах с наибольшими темпами прироста среднедушевого ВРП они выше среднероссийских) и быть финансово грамотным, направляя временно свободные ресурсы в банковскую систему.
Применение интегрального показателя позволило подтвердить существенную связь между сформированными кластерами и показателями развития регионов, входящими в состав кластера, а также уровня их кредитного обеспечения. Значения интегрального показателя подтверждают вывод о наличии существенной межрегиональной дифференциации по уровню кредитного обеспечения российских регионов и негативных тенденций закрепления периферийности регионов-аутсайдеров.
Библиографический список
1. Центральный банк Российской Федерации [Электронный ресурс]. URL: https://www.cbr.ru/ (дата обращения: 21.01.2020).
2. Глазьев С. Россия: главные аспекты мобилизационного проекта / Авторский доклад Изборскому клубу // Сайт Глазьев РУ. [Электронный ресурс]. URL: https://glazev.ru/
504
3. Федеральная служба государственной статистики / Национальные счета, население [Электронный ресурс]. URL: https://www.gks. ru/accounts
References
1. Tsentral'nyi bank Rossiiskoi Federatsii [Elektronnyi resurs]. URL: https://www.cbr.ru/ (data obrashcheniya: 21.01.2020).
2. Glaz'ev S. Rossiya: glavnye aspekty mobilizatsionnogo proekta / Avtorskii doklad Izborskomu klubu // Sait Glaz'ev RU. [Elektronnyi resurs]. URL: https://glazev.ru/
3. Federal'naya sluzhba gosudarstvennoi statistiki / Natsional'nye scheta, naselenie [Elektronnyi resurs]. URL: https://www.gks.ru/accounts
Контактная информация / Contact information
ФГАОУ ВО «Севастопольской государственный университет»; 299053,
Россия, г. Севастополь, ул. Университетская, 33 / Sevastopol State
University; 33 Universitetskaya str., Sevastopol, 299053, Russia
Рябченко Дмитрий Сергеевич / Dmitriy S. Ryabchenko
ryabchenkods@mail.ru, +7 (978) 702-50-73
