Формирование ресурсной базы коммерческого банка и оценка его фондирования
Маркова Ольга Михайловна,
кандидат экономических наук, доцент Департамента банковского дела и финансовых рынков Финансового университета при Правительстве Российской Федерации E-mail: markova1310@bk.ru
Наиболее значимым направлением развития коммерческого банка следует считать грамотное формирование его ресурсной базы, которая во многом определяет не только его финансовую устойчивость, но и возможность стабильной эффективной работы в перспективе. Влияние внешних факторов в первой половине 2020 г., связанное с экономическим давлением на России на основе санкций, проявлением короновируса, привели к значительным финансовым потерям российских банков, что впоследствии породили кризисные явления в данной сфе-ре[1]. Актуальность темы основана на необходимости системного подхода к анализу ресурсной базы банков и применения соответствующих критериев ее изменения. Другими словами, возникает необходимость разработки определённых мер для формирования эффективной ресурсной базы банка. На условном примере, согласно данным ПАО Сбербанк за период 2011-2019 гг. с учетом методов корреляционно-регрессионного анализа будет продемонстрирована зависимость между ресурсной базой и показателями фондирования. Рассмотрена модель зависимости роста чистого комиссионного дохода на основе изменений переменных: наличия собственных средств (X1), капитала (Х2), чистой прибыли (Х3), привлечённых средств клиентов (Х4), вложений в ценные бумаги (Х5), средств физических (Х6) и юридических (Х7) лиц.
Ключевые слова: ресурсная база банка; фондирование; прибыль.
Ое
см
1Л
Важно отметить, что развитие коммерческих банков в России в современных условиях требует поиска адекватных мер по совершенствованию их деятельности и обеспечению прибыльной работы в будущем. Целью данного исследования является анализ связи между структурой ресурсной базы и эффективной деятельностью коммерческого банка. Для выявления указанных проблем применим метод корреляционно-регрессионного анализа факторов, влияющих на состояние ресурсной базы банка и эффективность его фондирования (табл. 1).
Осуществляя корреляционный анализ, можно заметить, что большая часть частных коэффициентов между каждым параметром и откликом Y > 0,8, что говорит о тесной связи корреляции с откликом, таким образом следует, что они подходят для работы с построением модели, т.е. объем чистого комиссионного дохода и выбранные факторы эффективно взаимодействуют друг с другом (табл. 2).
Рассчитаем уравнение, используя функцию регрессии, демонстрирующее взаимодействие между Х и Y (см. табл. 3).
R-квадрат - коэффициент детерминации, который показывает процентную зависимость расчетных параметров. Более высокий показатель демонстрирует наиболее эффективную и качественную модель.
После обнаружения связи осуществляем переход к регрессионному анализу. Благодаря использованию «Анализ данных» в программе Excel смогли произвести анализ данной функции.
В графе Предсказанные Y данные столь близки по значению с фактической информацией.
Далее получаем уравнение линейной регрессии:
Y = - 70,4563721 - ((8,749818 * х1 + 9,527732 * х2 + 1,658976 * х3 + 148,5804165 * х4 + 7,307174 * х5 + 29,05244 * х6 + 19,69541 * х6))
Рассчитаем прогнозное значение привлеченных средств клиентов за 2016-2019 гг. через линейный тренд, то есть получаем: Y = 2700 181,27-5100 883,23. Получаем Y2016 = (2700 181, 27х * 2016) -5100 883,23 = 135315 556 млн руб.; Y2017 = (2700 181,27 x * 2017) - 5100 883,23 = 143426 290 млн руб.; Y2018 = (2700 181,27 x * 2018) - 5100 883,23 = 162570 796 млн руб.; Y2019 = (2700 181,27x * 2019) - 5100 883,23 = 171797 048 млн руб.
Следовательно, можно подвести итог, что наблюдается рост привлеченных средств клиентов (к 2020 г. относительно ситуации на 2017 г.) на 27%. Для более наглядного визуального понимания построим линейный тренд факторного показателя X4 (рис. 1).
Таблица 1. Исходные данные [2]
Год Соб-ые средства Капитал Чистая прибыль Чистый комиссионный доход Привлечённые средства клиентов, млн руб. Ценные бумаги, млн руб. Физ. лица, млн руб. Юр. лица, млн руб.
2010 1059 497 1251 489 183588 157608 21289 300 1767 532 1301 453 4765 699
2011 1308 956 1527 171 321891 171150 26565 233 1486 517 1777395 6388 537
2012 1649 738 1678 293 344416 194336 30507 840 1715 067 2528 320 7459 551
2013 1950 187 2002 947 392635 227470 35277 417 1952 381 3333 191 8584 254
2014 1945 906 2254 469 305703 276879 42658 289 1916 465 8514 538 5067 547
2015 2352 644 2679 223 236256 290622 51590 202 2279 637 10859252 6737 791
2016 2842 092 3142800 516988 318624 50113 510 2049 272 11449806 5401 777
2017 3380 794 3688 045 674115 354873 53117284 2527 263 12124 797 5642 651
2018 3826 067 4259 958 811104 429083 60207 366 2893 278 13038 995 6981 622
2019 4412 471 4566206 870057 469472 63624 267 3301 786 13624 750 6650202
Далее произведём соответствующие расчёты и составим таблицу 2.
Таблица 2. Корреляционная модель [2]
Показатели Соб-ые средства Капитал Чистая прибыль Чистый ком-ый доход Привлеченные средства клиентов, млн руб. Ценные бумаги, млн руб. Физ. лица, млн руб. Юр. лица, млн руб.
Соб-ые средства 1
Капитал 0,991355569 1
Чистая прибыль 0,899875771 0,923092042 1
Чистый комиссионный доход 0,986769241 0,991355569 0,899875771 1
Привлечённые средства клиентов, млн руб. 0,969747969 0,963126402 0,963126402 0,969747969 1
Ценные бумаги, млн руб. 0,95578236 0,946101384 0,868080993 0,95578236 0,898991804 1
Физ. лица, млн руб. 0,935054173 0,93250052 0,736457139 0,935054173 0,977808806 0,842054293 1
Юр. лица, млн руб. 0,100900434 0,044349671 0,157608788 0,040325711 0,061720729 0,107106394 - 0,130542432 1
Таблица 3. Регрессионная модель [2]
Окончание
Регрессионная статистика Расчёты
Множественный R 0,995965
R-квадрат 0,991947
Нормированный R-квадрат 0,880836
Стандартная ошибка 254348,6
Наблюдения 10
Показатели Коэффициенты
Y-nересечение -70,4563721
Регрессионная статистика Расчёты
Переменная Х1 8,749818
Переменная Х2 9,527732
Переменная Х3 1,658976
Переменная Х4 148,5804165
Переменная Х5 7,307174
Переменная Х6 29,05244
Переменная Х7 19,69541
сз о
со £
гп Р сг
от А ш
Таблица 4. Чистый комиссионный доход, млн руб.
а. в
см
1Л
Год Показатели (фактические) Показатели (по прогнозам Y)
2010 157608 155901,37847119
2011 171150 171150,91628730
2012 194336 192716,20472938
2013 227470 230379,17256834
2014 276879 268453,15462484
2015 290622 286462,56172325
2016 318624 321362,48279047
2017 354873 351371,89165356
2018 429083 434152,38292824
2019 469472 467362,32829147
Привлеченные средства клиентов прогноз
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Рис. 1. Прогнозируемое значение привлечённых средств клиентов в млн руб. [2]
Далее произведём расчёт по прогнозному значению собственных средств за период 2018-2020 гг. по линейному тренду по формуле: Y = 582489,36х - 321178 903,13. Получим Y2018 = (582489,36х * 2018) - 321178 903,13 = 86936 442, 06 млн руб.; Y2019 = (582489,36х * 2019) -321178 903,13 = 139249 811,48 млн руб..; Y2020 = (582489,36х * 2020) - 321178 903,13 = 186151 854,75 млн руб.
Размер собственных средств на 2020 г. по сравнению с 2018 вырос в 2,14 раза (то есть на 214%) (рис. 2).
Прогноз собственных средств ПАО Сбербанк
200 000 000,00 180 000 000,00 160 000 000,00 140 000 000,00 120 000 000,00 100 000 000,00 80 000 000,00 60 000 000,00 40 000 000,00 20 000 000,00 0,00
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Рис. 2. Прогнозируемое значение собственных средств млн руб. [2]
Рассчитаем прогнозное значение вложений в ценные бумаги на 2018-2020 гг. по линейному
тренду, используя выражение: Y = 15671,28х -28910 292,35. Получаем Y2018 = (15671,28х * 2018) - 28910 292,35 = 39576,54 млн руб. Y2019 = (15671,28х * 2019) - 28910 292,35 = 45312,46 млн руб. Y2020 = (15671,28 * 2020) - 28910 292,35 = 51714, 30 млн руб.
Прогнозируемый показатель показал рост на 31% к 2020 по сравнению с 2018 годом (рис. 3).
Прогнозное значений вложений в ценные бумаги
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Рис. 3. Прогноз вложений в ценные бумаги млн руб. [2]
Перейдём к расчёту прогноза средств физических лиц за 2017-2019 гг. через линейный тренд по формуле: Y = 50561,14х - 65132 867,45 (рис. 4).
Прогноз средств физических лиц
2010 2011 2012 2013 2014 2015 2016 2017 2018 2019
Рис. 4. Прогноз средств физических лиц в млн руб. [2]
Получаем Y2017 = (50561,14х * 2017) - 65132 867,45 = 612978,43 млн руб. Y2018 = (50561,14x * 2018) - 65132 867,45 = 659201,32 млн руб. Y2019 = (50561,14х * 2019) - 65132 867, 45 = 770566,26 млн руб. Следовательно, можно заключить, что произойдет рост средств физических лиц к 2020 г. на 26% относительно показателя на 2018 г.
При управлении собственными средствами и привлеченными средствами у банков в настоящее время возникают проблемы, и последствия этих проблем - это увеличение банковских рисков и колебания ликвидности [3,4]. Если рассматривать в целом по банковскому сектору, то можно выделить следующие основные проблемы [5]:
- недостаточный объем капитализации банковской сектора. Так, объем собственных средств всех банков в России ниже, чем капитал трех крупнейших в мире банков;
- низкое качество собственных средств банков в России, это обосновывается тем, что есть кредитные организации, которые при увеличении своего капитала использовали фиктивные схемы;
0
- слабый уровень диверсификации привлеченных средств, так в основном преобладают вклады физических лиц;
- увеличение доли «дорогих» ресурсов в структуре привлеченных средств, которое может привести к росту процентных расходов кредитной организации;
- нехватка «длинных» средств в банковском секторе, которая приводит к слабым пассивам. Долгосрочные ресурсы составляют менее 17% от общего объема;
- наступление кризиса в связи с последствиями от эпидемиологической ситуации в мире может повлиять на отток вкладов, особенно это затронет средние по размеру банки;
- негативная динамика нормативов достаточности капитала некоторых кредитных организаций наблюдается из-за введения изменений в расчете нормативов достаточности капитала, что влечет за собой отзыв лицензий у кредитных организаций;
- отрицательное влияние на деятельность банков может оказать снижения уровня жизни населения, также падение деловой активности и стагнация экономики.
Для решения выделенных выше проблем по формированию собственных и привлеченных средств необходимо выделить подходы к их решению. Таким образом, для улучшения и поддержания в будущем оптимальных факторов собственных и привлеченных средств, банковскому сектору рекомендованы следующие мероприятия:
1) пополнение акционерного капитала с помощью прибыли, а также привлечение средств за счет дополнительных выпусков ценных бумаг кредитной организации;
2) внедрение экосистем и «супераппов» в кредитные организации. Так Тинькоффбанк в конце 2019 года обновил свое мобильное приложение, в которое внедрил сервисы по покупке билетов в кино, бронирование столиков в ресторанах, заказ цветов и т.д. Однако, крупные банки также преследуют стратегию диверсификации бизнеса и объединяют банковские услуги с непрофильными в экосистемы и маркетплейсы. Данная заинтересованность банков в экосистемах и маркетплейсах заключается в том, что увеличение прибыли только за счет банковского бизнеса имеет ограничительный характер, так рынок растет только на 5-18% в год, но при этом показывать постоянный рост быстрее рынка невозможно.
3) увеличение прибыли кредитных организаций, так как прибыль - это важный показатель деятельности банка. Увеличение прибыли банков может быть проведено с помощью:
- роста объемов активных операций;
- совершенствования механизма работы с просроченной задолженностью;
- уменьшения комиссионных издержек;
- увеличения комиссионных доходов от операций, не связанных с кредитованием;
- снижения расходов по арендным платежам, а также хозяйственным расходам;
- выявления и впоследствии ограничения затратных направлений деятельности кредитной организации.
Таким образом, важность прибыли заключается в обоснованном потенциальном источнике для роста объема, и соответственно, достаточности собственных средств кредитной организации.
4) получение субординированного кредита. Многие кредитные организации могут привлечь субординированный заем для пополнения собственного капитала банка. Так если кредит имеет срок свыше 30 лет, то он используется как источник увеличения добавочного капитала, если срок кредита свыше 5 лет, то он является источником увеличения дополнительного капитала. Данный инструмент является популярным источником увеличения собственного капитала;
5) оптимальность сроков привлеченных средств. Банку необходимо при разработке новых продуктов по привлечению средств совершать такие действия, как:
- диверсификация ресурсов по категориям вкладчиков;
- расчет нужного объема привлекаемых средств;
- диверсификация привлеченных ресурсов по суммам.
6) оценка эффективности использования, структуры и состояния привлечённых средств. Это необходимо для того, чтобы понять по какому направлению больше привлекать средства, на какие сроки, сколько можно направить в активные операции;
7) введение индивидуального подхода по работе с клиентами во всех кредитных организациях. Так, большинство банковских продуктов должны быть ориентированы под определенного клиента, при этом учитывая индивидуальные потребности каждого из них. Для этого банкам необходимо проводить следующие мероприятия:
- сбор полной информации о клиенте, при этом сконцентрировать внимание на клиентах, которые принимают решение о смене кредитной организации;
- мониторинг бизнеса клиентов при помощи движения денежных средств по расчетным счетам;
- контроль взаимоотношений клиентов с филиалами банка, которые оказывают им услуги;
- мониторинг и прогнозирование действий других банков и на основе этого совершать подобные действия раньше;
- выделение отдельного структурного подразделения «private banking».
8) проведение глубокого анализа клиентов банка для того, чтобы изучить поведенческие особенности, стоящие за принимаемыми клиентами решениями. Так аналитика данных о клиентах является важным инструментом прогнозирования роста выручки и рентабельности, и в последствии оказывает прямое влияние на капитал банка. Таким образом, банки, анализирующие имеющиеся
сз о со от m Р от
от А
=Е
данные, могут привлекать клиентов готовностью предоставить нужное предложение для клиента.
Литература
1. Потапов С.В., Учамбрина И.Г. Функционирование банковской системы в условиях санкций // С.В. Потапов, И.Г. Учамбрина, - Контен-тус.- 2015.- № 6. - С. 40-46. (дата обращения 01.06.2020).
2. URL: https://www.sberbank.com/ru/investor-relations/reports-and-publications/ras (дата обращения 03.06.2020).
3. URL: https://cbr.ru/statistics/table/?tableId=302-21_old1 (дата обращения (02.06.2020).
4. URL: https://cbr.ru/statistics/bank_sector/sors/ (дата обращения 02.06.2020).
5. Митрохин, В.В. Повышение устойчивости ресурсной базы кредитных организаций / В.В. Митрохин, С.В. Потапов, А.И. Сурина // Управление экономическими системами: электронный научный журнал. 2017.- № 1 (95). - С. 1-12.
FORMATION OF THE RESOURCE BASE OF A COMMERCIAL BANK AND ASSESSMENT OF ITS FUNDING
Markova O.M.
Financial University under the Government of the Russian Federation
The most significant direction in the development of a commercial bank should be considered the competent formation of its resource base, which largely determines not only its financial stability, but al-
so the possibility of stable effective work in the future. The influence of external factors in the first half of 2020, associated with economic pressure on Russia based on sanctions and the manifestation of the coronavirus, led to significant financial losses for Russian banks, which subsequently gave rise to crisis phenomena in this area [1]. The relevance of the topic is based on the need for a systematic approach to the analysis of the resource base of banks and the application of the appropriate criteria for its change. In other words, there is a need to develop certain measures to form an effective resource base of the bank. For a conditional example, according to the database of Sberbank for the period 2011-2019. taking into account the methods of correlation-regression analysis, the dependence between the resource base and funding indicators will be demonstrated. A model of the dependence of the growth of net fee and commission income based on changes in variables is considered: the availability of own funds (X1), capital (X2), net profit (X3), attracted customer funds (X4), investments in securities (X5), physical funds (X6) and legal entities (X7). The subject of the research is the mechanisms of interaction between the structure of the resource base of a commercial bank and its funding.
Keywords: resource base of the bank; funding; profit. References
1. Potapov S.V., Uchambrina I.G. The functioning of the banking system under sanctions // S.V. Potapov, I.G. Uchambrina, - Contentus.- 2015. - No. 6. - P. 40-46. (date of treatment 06/01/2020)
2. URL: https://www.sberbank.com/ru/investor-relations/re-ports-and-publications/ras (date of access 03.06.2020).
3. URL: https://cbr.ru/statistics/table/?tableId=302-21_old1 (date of access (02.06.2020).
4. URL: https://cbr.ru/statistics/bank_sector/sors/ (date of treatment 06/02/2020).
5. Mitrokhin, V.V. Improving the sustainability of the resource base of credit institutions / V.V. Mitrokhin, S.V. Potapov, A.I. Surina // Management of economic systems: electronic scientific journal. 2017. - No. 1 (95). - P. 1-12.
a.
e
CM 1Л