Эволюция российской банковской системы в 2013-2019 гг. : ключевые факты и тенденции Текст научной статьи по специальности «Экономика и бизнес»

Финансовый сектор

ЭВОЛЮЦИЯ РОССИЙСКОЙ БАНКОВСКОЙ СИСТЕМЫ В 2013-2019 гг.: КЛЮЧЕВЫЕ ФАКТЫ И ТЕНДЕНЦИИ

К. Д. ШИЛОВ А. В. ЗУБАРЕВ

В рамках данной работы проанализированы изменения, произошедшие в российском банковском секторе в период с середины 2013 по середину 2019 гг. Выявлены тренды в динамике и структуре банковских пассивов и активов, в частности рост долгосрочных кредитов за счет роста краткосрочных обязательств. Проведен эконометрический анализ факторов, значимо влиявших на вероятность дефолтов российских банков в трех подпериодах: с середины 2013 до конца 2016 гг., на протяжении 2017 г. и с 2018 по середину 2019 гг. Результаты свидетельствуют о том, что за последние годы причины банковских дефолтов изменились.

Ключевые слова: российская банковская система, дефолты, санация, Центральный банк РФ, банковские балансы.

Введение

С середины 2013 г. ЦБ РФ взял курс на оздоровление банковской системы и сокращение числа кредитных организаций. Кризисный период 2014-2015 гг., вызванный падением цен на энергоносители и введением экономических санкций против России, также привел к усилению рисков и давлению на банковский сектор. Основными целями настоящей работы являются дескриптивный анализ эволюции банковской системы после 2013 г. сквозь призму агрегированных показателей банковских балансов и выявление факторов, влиявших на вероятность дефолта российских кредитных организаций в рассматриваемый период.

Банковский сектор в 2013-2018 гг.

С начала 2013 г. ландшафт банковского сектора в России претерпел ряд существенных изменений. Ввиду активной деятельности ЦБ РФ количество банков в России сократилось более чем в два раза - с 878 в январе 2013 г. до 419 в июне 2019 г. (См. рис. 1.)

При этом совокупные чистые активы банковского сектора (за вычетом сформированных под них резервов) выросли за этот же период, к середине 2019 г., на 76% - с 46,3 до 81,3 трлн. руб. (в номинальных величинах). (См. рис. 2.) Практически весь этот прирост пришелся исключительно на крупнейшие пять банков, активы же других кредитных организаций за аналогичный период увеличились всего на 27% в номинальном выражении - с 22,6 до 28,1 трлн. руб. Таким образом, доля активов пяти крупнейших банков повысилась с 51 до 65%. Примечательно, что среди всех российских банков, попадавших за рассматриваемый период в первую десятку по объему активов и не являвшихся дочерними структурами иностранных компаний, только «Альфа-Банк», «Московский Кредитный Банк» и «АБ "Россия"» не стали государственными, хотя последнему оказывалась активная государственная поддержка ввиду введенных против банка международных санкций.

Изменилась также структура источников привлечения средств (пассивов) банками. (См.

Шилов Кирилл Дмитриевич, научный сотрудник РАНХиГС при Президенте Российской Федерации (Москва), е-таИ; бЫЫ-kd@ranepa.ru; Зубарев Андрей Витальевич, старший научный сотрудник РАНХиГС при Президенте Российской Федерации, канд. экон. наук (Москва), е-таИ; zubarev@ranepa.ru

рис. 3.) За рассматриваемый период снизилась доля средств, привлекаемых на межбанковском рынке, а также доля собственного капитала в пассивах. При этом выросла доля срочных и текущих счетов (с 45 до 52% и с 19 до 22% соответственно). Значительно увеличилась доля средств государственных организаций на срочных счетах (с 6 до 14%). Порядка 50% всех срочных средств пришлось на средства физических лиц, объем которых вырос за шесть лет более чем в два раза - с 11,3 до 22,2 трлн. руб. Однако этот рост был зафиксирован

преимущественно у первой пятерки банков -во всех прочих кредитных организациях он составил всего 34%: с 5 до 6,7 трлн. руб. Причем пиковый объем средств на срочных счетах физических лиц в этих банках в размере почти 8 трлн. руб. наблюдался в середине 2016 г., из чего можно сделать вывод, что происходил скорее переток средств граждан в крупные банки.

В рассматриваемый период произошли также изменения в структуре срочности депозитов: доля депозитов со сроком от 180 дней

Рис. 1. Количество банков и количество дефолтов в банковской системе РФ

900

18

750

15

600

g 450

OJ

I 300

150

о р-

2013

2014

2015

2017

2018

2019

12

2016 Годы

Количество дефолтов -Количество банков

Примечание. В качестве дефолта принимаются отзыв лицензии у банка, ликвидация или ввод временной администрации (или то, что из вышеперечисленного произошло ранее). Источник составлено авторами по данным ЦБ РФ, АСВ и banki.ru

о ■&

Рис. 2. Активы (за вычетом резервов) банковского сектора РФ, трлн. руб.

90

Годы

-Все банки -Банки топ -5 -Другие банки

Источник составлено авторами по данным ЦБ РФ.

до 1 года выросла с 21 до 35% за счет снижения доли долгосрочных (от 1 года до 3-х и более 3-х лет) депозитов. Выросла также доля краткосрочных депозитов со сроком от 1 до 6 месяцев. Это можно объяснить как изменением структуры процентных ставок, так и некоторым усилением неопределенности ввиду

снижения структурных темпов экономического роста.

Юридические лица также стали держать на своих срочных счетах больше краткосрочных средств; порядка двух третей средств юрлиц в середине 2019 г. было размещено на депозитах сроком до 1 года, хотя в 2013 г. доля дан-

Рис. 3. Динамика и структура пассивов российских банков, трлн. руб.

2013

2014

2015

2017

2016 Годы

Обязательства и капитал - всего (правая шкала) -Срочные счета

-Собственный капитал ----Выпущенные ценные бумаги

----Средства банков -Прочие обязательства

-Текущие счета

Источник; составлено авторами по данным ЦБ РФ.

2018

2019

Рис. 4. Динамика и структура высоколиквидных активов банков, трлн. руб.

3,2

2013

2014

2015

2017

2016 Годы

Высоколиквидные активы - всего (правая шкала) -НОСТРО-нерезиденты

----Денежные средства ----В расчетах

-Корсчета ЦБ РФ -На бирже

-НОСТРО-резиденты

Источник составлено авторами по данным ЦБ РФ.

2018

2019

ных счетов в их общем объеме находилась в районе 50%. Значительно сократился объем средств на депозитах организаций от 1 до 3-х лет - с 2,1 до 1,3 трлн. руб. (с 24 до 6%), при этом объем средств на их счетах сроком от 1 до 6 месяцев вырос с 2,2 до 6,2 трлн. руб. (с 25 до 33%).

Изменения отразились и на структуре активов: высоколиквидные активы (денежные средства, средства на корреспондентских счетах, в расчетах и на бирже) банки стали охотнее держать на счетах в Центральном банке. (См. рис. 4.) Если в начале 2013 г. 34% высоколиквидных активов хранилось в виде денежных средств, 38% - на НОСТРО-счетах в других банках и только 20% - на счетах в Банке России, то к середине 2019 г. на счетах в ЦБ РФ было сосредоточено 38% всех высоколиквидных активов банков, на денежные средства приходилось 29%, а на НОСТРО-счета - всего 21%. Такая динамика является результатом санкций и обусловлена главным образом сокращением средств в банках-нерезидентах примерно вдвое. Причиной ее могут быть ограничения доступа на зарубежные рынки из-за экономических санкций.

В структуре доходных активов можно отметить замедление роста кредитования юридических лиц, но при этом - увеличение объема кредитования физических лиц. (См. рис. 5.) В целом юридические лица стали больше брать долгосрочных кредитов на срок от 3-х лет и более - с 2013 г. к середине 2019 г. их доля увеличилась с 40 до 54-55%. Основной прирост кредитования физических лиц наблюдается за счет долгосрочных кредитов, а также, частично, за счет краткосрочных кредитов сроком до 30 дней (кредитные карты). На фоне снижающихся реальных доходов населения увеличение объемов кредитования повышает риски невозвратов, что может потенциально подорвать устойчивость банковского сектора. Однако такие краткосрочные кредиты физическим лицам занимают несущественную часть всего кредитного портфеля банковской системы, из чего можно сделать вывод, что даже в случае реализации данные риски вполне могут быть абсорбированы за счет собственных средств кредитных организаций.

Помимо этого наблюдается увеличение объема просроченной задолженности. Вступление в силу в начале 2019 г. изменений в По-

Рис. 5. Динамика и структура доходных активов банков, трлн. руб.

40 35 30 25 20 15 10 5

80 70 60 50 40 30 20 10

2013

2014

2015

2017

2018

2019

Доходные активы - всего (правая шкала)

-Кредиты физическим лицам

-Кредиты юридическим лицам

Источник составлено авторами по данным ЦБ РФ.

2016 Годы

----Кредиты индивидуальным предпринимателям

----МБК

-Ценные бумаги

ложение о плане счетов бухгалтерского учета в банках, в которых вводятся некоторые принципы отображения стоимости активов в соответствии с МСФО, привело к переоценке объемов просроченной задолженности, доля которой в активах выросла до 5,4% к середине 2019 г. против 3,9% в конце 2018 г. и 2,8% в начале 2013 г. Выделение дополнительных ре-

зервов под такую задолженность может оказывать негативное давление на банковский сектор.

Сопоставляя временную структуру депозитов (см. рис. 6) и кредитов (см. рис. 7), можно отметить, что за рассматриваемый период значительный рост долгосрочных кредитов сопровождался таким же ростом краткосроч-

Рис. 6. Динамика и структура текущих и срочных депозитов в разрезе сроков, трлн. руб.

2013

2014

2015

2017

2016 Годы

Привлеченные текущие и срочные депозиты - всего (правая шкала) -До 1 года

-До 30 дней ----До 3 лет

-До 180 дней ----Более 3 лет

Источник составлено авторами по данным ЦБ РФ.

2018

2019

Рис. 7. Динамика и структура всех кредитов в разрезе сроков, трлн. руб.

36 30 24 18 12

60 50 40 30 20 10 0

2013

2014

2015

2016 Годы

Кредиты - всего (правая шкала) _До 1 года

-До 30 дней ----До 3 лет

-До 180 дней ----Более 3 лет

Источник составлено авторами по данным ЦБ РФ.

2017

2018

2019

ных депозитов. Подобное расхождение во временной структуре активов и пассивов может негативно сказываться на финансовой устойчивости банковской системы в целом. Так, сумма всех непросроченных кредитов со сроком до 1 года в 2013 г. в банковской системе составляла 11,5 трлн. руб., или 47,4% к сумме всех обязательств с аналогичным сроком погашения объемом 24,04 трлн. руб. К середине же 2019 г. данное отношение уменьшилось до 35% - с 17,3 трлн. руб. кредитов и 49,2 трлн. руб. депозитов.

Описанные выше особенности эволюции показателей банковской системы говорят о возможном различии факторов, влиявших, в рамках изучаемого периода, на банковскую устойчивость (либо являвшихся ее индикаторами). Здесь можно сформулировать ряд гипотез. Во-первых, дефолты банков до 2016 г. могли быть вызваны реализовавшимися валютными рисками из-за резкого снижения обменного курса рубля и удорожания рублевых обязательств. Во-вторых, смещение динамики в пользу краткосрочных депозитов и долгосрочных кредитов могло привести к увеличению дисбаланса временной структуры активов и пассивов, что, по всей видимости, могло повышать риск дефолта. Проверить подобные гипотезы можно с использованием экономет-рического анализа.

Факторы дефолтов российских банков

Основной объем отзывов лицензий пришелся на период с середины 2013 по начало 2017 гг. Рекордным по количеству отзывов и по сумме активов банков, попавших в пристальное поле зрения регулятора и потерявших лицензию, является 2016 г. [6]. Самым значимым для банковской системы России, однако, можно назвать 2017 г., в течение которого под процедуру санации специально созданного Банком России Фонда консолидации банковского сек-

тора попали крупнейшие частные банки -«Открытие» (7-й по размеру активов), Промсвязьбанк (8-й) и Бинбанк (10-й). Таким образом, представляется интересным оценить, как менялась стратегия Банка России в части принятия решений об отзыве лицензий у российских банков.

Для решения этой задачи воспользуемся логистической бинарной моделью (логит-рег-рессией), где в качестве объясняющей переменной возьмем бинарную переменную, принимающую значение 1 в случае, если банк лишился лицензии или попал под процедуру санации, и 0 в ином случае. Данный инструмент является стандартным методом предсказания наступления дефолта банка (см., например, работы [1-5]). Мы воспользуемся этой моделью для анализа факторов, влиявших на вероятность наступления дефолта кредитных организаций на трех подпериодах: с середины 2013 до конца 2016 гг., на протяжении 2017 г. и с 2018 по середину 2019 гг. Их выделение объясняется, во-первых, намерением отдельно посмотреть на момент отзыва лицензий у крупнейших банков и, во-вторых, изменением в динамике показателей банковского сектора, описанным выше.

В качестве объясняющих переменных в настоящей работе используется стандартный для такого рода исследований набор факторов: логарифм актива банка (в квадратичной форме), отношение кредитного портфеля к активам, доля зарубежных банковских активов (выданные кредиты банкам-нерезидентам и НОСТРО-счета) в активах, отношение депозитов (текущих и срочных) физических лиц к активам, отношение резервов к активам1. Также мы воспользуемся мерой создания ликвидности, характеризующей то, насколько банк активно финансирует предоставление долгосрочных кредитов за счет краткосрочных обязательств (депозитов). Расчет данного показателя производится в соответствии с методо-

1 На основе ежемесячных данных оборотной ведомости по счетам бухгалтерского учета формы 101 (URL: http://www.cbr.ru/ credit/forms/), агрегированных по методике: URL: http://kuap.ru/methodics/

логией, апробированной в статье Фунгачевой, Тюрка и Вейла [7]. В настоящей работе мы воспользуемся фиктивной переменной (dummy), принимающей значение 1, если мера создания банком ликвидности, нормированная на активы, больше, чем у 90% всех других банков в выборке в каждый отдельный месяц, и 0 в иных случаях.

Именно финансирование неликвидных активов за счет ликвидных обязательств является одной из причин санации «Открытия», Бин-банка и Промсвязьбанка. Банк «Открытие» финансировал приобретение убыточного Росгосстраха и санировал банк «Траст» за счет заемных средств. Существенная часть активов

Бинбанка (65%) в конце 2016 г. приходилась на кредиты санируемому им банку «Рост», а финансировалось это за счет активного привлечения вкладов населения и выпуска краткосрочных облигаций с высокой процентной ставкой. Санация Автовазбанка и долгосрочное кредитование аффилированных с ним структур с неадекватной оценкой рисков вызывали значительные проблемы с ликвидностью у Промсвязьбанка, заставляя его и повышать ставки по депозитам за год до санации, и активно приобретать дорогую (относительно вкладов) ликвидность у ЦБ РФ.

В качестве момента наступления дефолта банков на основе «Книги памяти» сайта

Результаты оценивания модели банковских дефолтов

Период

2-е п/г 2013-2016 гг. 2017 г. 20181-е п/г 2019 гг.

Константа 8,23 (5,44) 25,42*** (9,70) 4,25 (9,80)

Логарифм активов -1,24* (0,68) -3,33*** (1,19) -0,58 (1,23)

Квадрат логарифма активов 0,04* (0,02) 0,10*** (0,04) 0,01 (0,04)

Кредитный портфель, в%кактивам -1,50*** (0,39) -1,32* (0.72) -0,39 (0.56)

Зарубежные банковские активы, в % к активам -3,82** (1,76) -3,93 (3,89) -0,49 (1,62)

Депозиты физических лиц, в % к активам 2,19*** (0,40) 2,32*** (0,75) -| 74*** (0,56)

Резервы на возможные потери, в % к активам 2 74*** (0,74) 2,44** (1,03) 1,31** (0,66)

Дамми создания ликвидности, 100-90 перцентиль 0,22 (0,28) 1,09** (0,47) 0,61 (0,40)

Hosmer-Lemeshow (prob.) 0,545 0,834 0,874

R2 McFadden 0,044 0,064 0,046

AUC 0,657 0,679 0,657

Количество наблюдений 2168 574 1067

Примечания:

1. * р < 0,1; ** р < 0,05; *** р < 0,01. В скобках приведены стандартные ошибки.

2. Hosmer-Lemeshow (prob.) - вероятность отвержения нулевой гипотезы теста Хосмера-Лемешоу о значимости различий между наблюдаемым и моделируемым распределении частот наступления дефолтов.

3. R2 McFadden - коэффициент детерминации Макфаддена, оценивающий объясняющую силу модели.

4. AUC (Area Under Receiving Operator Curve) - площадь под кривой рабочей характеристики приемника, оценивающей точность классификации наблюдений зависимой переменной.

Источник: расчеты авторов.

banki.ru, а также информации с официальных сайтов ЦБ РФ и Агентства по страхованию вкладов (АСВ) был выбран момент, соответствующий наиболее раннему событию из следующих:

а) ликвидация кредитной организации;

б) отзыв лицензии;

в) ввод временной администрации ЦБ РФ/ АСВ.

Представляется важным определить факторы, влияющие на вероятность дефолта за некоторый промежуток времени до наступления самого события. В данном случае мы рассматриваем промежуток длиной в 12 месяцев. Таким образом, в соответствии с бинарной объясняемой переменной, принимающей значение 1, ставятся значения объясняющих переменных по состоянию на 12 месяцев назад.

Более того, располагая панельной ежемесячной структурой данных, требуется максимально возможным образом нивелировать проблему автокорреляции следующих друг за другом наблюдений для каждого банка2. Следовательно, если баланс банка наблюдается в течение нескольких лет, то следующее наблюдение по нему включается в выборку еще через следующие 12 месяцев, а объясняемой переменной для такого случая уже присваивается значение 0. Для банков, не испытавших дефолт на выборке, первоначальный момент выбирается случайным образом за последние 12 месяцев наблюдений, объясняемой переменной присваивается значение 0, а далее процедура проводится аналогично банкам, испытавшим дефолт3. Кроме того, подобная процедура позволяет избежать существенного «перекоса» выборки в сторону наблюдений для действующих банков - таким образом, достигается баланс между ошибками первого и второго родов.

Из выборки были исключены ведущие государственные банки - Сбербанк, ВТБ, ВТБ 24, Газпромбанк и Россельхозбанк, поскольку ве-

роятность их дефолта оценивается на уровне риска странового дефолта. Также были исключены все небанковские кредитные организации (расчетные и платежные НКО, НДКО и НКЦ).

В таблице приведены результаты оценивания модели логистической регрессии вероятности банковских дефолтов на трех подперио-дах: с середины 2013 до конца 2016 гг., на протяжении 2017 г. и с 2018 по середину 2019 гг.

Устойчивыми факторами, положительно влияющими на вероятность дефолта на всех трех подпериодах, являются отношения депозитов физических лиц и резервов на возможные потери к активам. Увеличение средств физических лиц к валюте баланса свидетельствует о политике агрессивного привлечения вкладов под повышенный процент, что может быть индикатором проблем с ликвидностью или повышенного риска имеющихся активов (аналогичный результат был получен в работе [1]). Наращивание банком резервов говорит о размещении средств в более рисковые активы и об ожиданиях реализации этих рисков. Данный результат является устойчивым и был выявлен практически во многих аналогичных работах на различных выборках (см. [8, 2-4]).

Кроме того, значимыми факторами снижения вероятности дефолта в период с 2013 до конца 2016 гг. оказались доли зарубежных банковских активов и кредитного портфеля в общем объеме активов. Наличие иностранных активов позволяло банкам хеджировать валютные риски в период кризиса 2014-2015 гг. Отрицательный коэффициент при доле кредитов в активах свидетельствовал о том, что ЦБ РФ занимался в тот период преимущественно отзывами лицензий у «сомнительных» банков, чья деятельность была в меньшей степени сопряжена с кредитованием (отрицательное и значимое влияние кредитного портфеля на вероятность банковского дефолта также было получено в работе [5]).

2 Автокорреляция очевидным образом присутствует, так как балансовые показатели довольно устойчивы и изменяются от месяца к месяцу медленно.

3 Данная процедура проводится аналогично работам [8] и [2].

В 2017 г. на вероятность дефолта существенно влиял размер банка, выраженный логарифмом активов. Отрицательный коэффициент при линейном члене и положительный при квадратичном свидетельствуют о том, что вероятность дефолта в данный период была больше у крупных и малых по размеру активов банков. Уменьшение значимости доли кредитного портфеля связывается именно с отзывом лицензий у крупных банков, которые занимались преимущественно кредитованием. Примечательно, что как раз в 2017 г. чрезмерная ликвидность стала значимым фактором, повышающим вероятность отзыва лицензий у российских кредитных организаций. Это соответствует описанной выше ситуации с крупнейшими обанкротившимися банками.

Выводы

Российская банковская система претерпела за последние годы существенные изменения. В первую очередь это объясняется более чем двукратным сокращением числа кредитных организаций после 2013 г. Другой важнейшей характеристикой развития российской банковской системы в этот период являлся рост концентрации кредитных организаций: доля активов пяти крупнейших банков увеличилась с 51 до 65%. Важно также отметить уменьшение доли долгосрочных и увеличение доли краткосрочных депозитов (у физических и юридических лиц), что может быть связано как с изменением структуры процентных ставок,

так и с некоторым усилением неопределенности ввиду падения структурных темпов экономического роста. Что касается структуры активов, то наблюдается существенное сокращение объема счетов в банках-нерезидентах, что может быть вызвано экономическими санкциями, а также увеличением доли долгосрочных кредитов физических и юридических лиц по сравнению с краткосрочными.

В итоге мы наблюдаем существенное увеличение дисбаланса между временной структурой активов и пассивов банков, что увеличивает риски для банковской системы. Кроме того, стоит отметить, что рост просроченной задолженности по кредитам потребовал создания дополнительных резервов, что также оказывало негативное давление на банковский сектор.

Базируясь на изложенных выше фактах, мы попытались выявить основные причины (индикаторы) банковских дефолтов в рассматриваемый период с использованием экономет-рических моделей. Мы обнаружили, что излишнее создание банком ликвидности (трансформации ликвидных обязательств в неликвидные активы) существенно увеличивало вероятность дефолта банка в 2017 г. Помимо этого на протяжении всего периода с 2013 по 2019 гг. высокие доли депозитов и резервов на возможные потери в активах (рост которых был обусловлен, в том числе, и ростом просроченной задолженности по кредитам) оказались значимыми факторами, увеличивающими вероятность дефолта. ■

Литература

1. Дробышевский С.М. Уязвимость российской банковской системы // В кн.: Анализ макроэкономических и институциональных проблем финансового кризиса в России, разработка программы мер, направленных на его преодоление и осуществление финансовой стабилизации. Взаимодействие финансовых показателей и некоторых характеристик реального сектора / Соавт.: Р. Энтов, С. Синель-ников-Мурылев и др. - М.: Изд-во Института Гайдара, 2000. С. 49-78.

2. Зубарев А.В. Факторы устойчивости российских банков во время кризиса 2008-2009 годов // Экономическая политика. 2012. № 4. С. 126-142.

3. Карминский А.М., Костров А.В. Моделирование вероятности дефолта российских банков: расширенные возможности // Журнал Новой экономической ассоциации. 2013. Т. 17. № 1. С. 64-86.

4. Синельникова-Мурылева Е.В., Горшкова Т.Г., Макеева Н.В. Прогнозирование дефолтов в российском банковском секторе // Экономическая политика. 2018. Т. 13. № 2. С. 8-27.

5. Фомин Л. Служат ли высокая процентная ставка по кредитам и депозитам и снижение расходов на рекламу индикаторами банкротства банка? Данные по России // Деньги и кредит. 2019. Т. 78. № 2. С. 94-112.

6. Хромов М. Домашние хозяйства переходят к кредитной модели потребления // Экономическое развитие России. 2018. Т. 25. № 8. С. 40-41.

7. Fungacova Z., Turk R., and Weill L. High liquidity creation and bank failures // International Monetary Fund. 2015. Vol. 15. No. 103.

8. Peresetsky A. A., Karminsky A. A., Golovan S. V. Probability of default models of Russian banks // Economic Change and Restructuring. 2011. Vol. 44. No. 4. Pp. 297-334.

References

1. Drobyshevsky, S. M. The vulnurability of the Russian banking system // An analysis of macroeconomic and institutional problems of the financial crisis in Russia, and the development of a program of measures aimed at surmounting it and achieving financial stabilization. The interaction of financial indices and some characteristics of the real sector // Co-authors: R. Entov, S. Sinelnikov-Murylev et al. Moscow: Gaidar Institute Press, 2000. Pp. 49-78.

2. Zubarev, A. V. Factors behind the stability of Russian banks during the 2008-2009 crisis // Economic Policy. 2012. No 4. Pp. 126-142.

3. Karminsky, A. M., Kostrov, A. V. Modelling the probability of Russian banks' default: widened opportunities // Journal of the New Economic Association. 2013. Vol. 17. No, 1. Pp. 64-86.

4. Sinelnikova-Muryleva, E. V., Gorshkova, T.G., Makeeva, N. V. Prediction of defaults in the Russian banking sector // Economic Policy. 2018. Vol. 13. No. 2. Pp. 8-27.

5. Fomin, L. Can a high interest rate on loans and deposits and cuts in publicity expenditures serve as indicators of a bank's bankruptcy? Nationwide data for Russia // Money and Credit. 2019. Vol. 78. No. 2. Pp. 94-112.

6. Khromov, M. Households switch over to a credit-based consumption model // Russian Economic Developments. 2018. Vol. 25. No/ 8. Pp. 40-41.

7. Fungacova Z., Turk R., and Weill L. High liquidity creation and bank failures // International Monetary Fund. 2015. Vol. 15. No. 103.

8. Peresetsky A. A., Karminsky A. A., Golovan S. V. Probability of default models of Russian banks // Economic Change and Restructuring. 2011. Vol. 44. No. 4. Pp. 297-334.

Evolution of the Russian Banking System in 2013-2019: Key Facts and Trends

Kirill D. Shilov - Researcher of the Russian Presidential Academy of National Economy and Public Administration (Moscow, Russia). E-mail: shilov-kd@ranepa.ru

Andrey V. Zubarev - Senior Researcher of the Russian Presidential Academy of National Economy and Public Administration, Candidate of Economic Sciences (Moscow, Russia). E-mail: zubarev@ranepa.ru

In this study we analyse the changes that occurred in the Russian banking system in 2013-2019. Trends are revealed in the dynamics and structure of bank liabilities and assets, in particular, the growth of long-term loans at the expense of short-term liabilities increase. An econometric analysis of factors that significantly affected default probability of Russian banks in 3 sub-periods is conducted: from mid-2013 to the end of 2016, during 2017 and from 2018 to mid-2019. The results indicate that the reasons for bank defaults have changed recently.

Key words: Russian banking system, defaults, sanation, central bank, bank balances.