CC BY
94
МОДЕЛИ ПРОГНОЗИРОВАНИЯ КРИЗИСА ЛИКВИДНОСТИ НА РЫНКАХ ДОЛГОВОГО КАПИТАЛА И НЕДВИЖИМОСТИ
Э. Е. МАЛКИНА
В работе рассматриваются эмпирические исследования в области оценки кризиса ликвидности в российской экономике. В частности, с учетом существующей институциональной среды выявляются наиболее значимые характеристики зависимой переменной, например, снижение стоимости активов. В контексте существующих теоретико-модельных представлений о возможностях прогнозирования кризиса ликвидности анализируются как сами эконометрические модели, так и применяемые показатели. На основе доступной информационной базы (данные Росстата и Центрального банка РФ) рассматриваются возможности прогнозирования кризиса ликвидности с помощью связной модели регрессии для сбалансированной панели и типологии структуры долгового рынка в различные периоды.
Ключевые слова: кризис ликвидности, прогнозирование, панельные данные, эконометрическая модель, регрессия, рынки долгового капитала.
Кризис ликвидности - это неспособность быстрой продажи активов экономическими агентами по цене, близкой к рыночной, и ограничение возможностей по оплате обязательств и предъявляемым денежным требованиям. Мировая экономика в новейшей истории испытывала кризис ликвидности на рынке долгового капитала в 1990, 1997 и
2008 гг. В частности, центром последнего мирового кризиса стали США, где сосредоточены крупнейшие финансовые структуры, в частности, такие крупные банки, осуществляющие ипотечное кредитование, как Lehman Brothers, Fannie Mae и Fraddie Mac. История развития экономической системы показывает, что колебания конъюнктуры рынка недвижимости оказывают существенное влияние на стабильность банковского сектора. Инвестиции в строительство и приобретение недвижимости и ликвидность на рынках долгового капитала взаимосвязаны, кроме того, недвижимость является основным видом залога. Структурные изменения на рынке долгового капитала, связанные с существенным переоценива-нием активов в целом, и недвижимости в частно -сти, носят циклический характер и в условиях институциональных преобразований в российской экономике стали характерны и для отечественного финансового сектора.
Рассмотрим особенности появления кризиса ликвидности на рынках долгового капитала и недвижимости.
В настоящее время банки широко применяют методики оценки и управления рыночными и кре-
дитными рисками, основанные на использовании исторически сложившихся распределений цен финансовых активов и возвратности вложенных средств. Поскольку и неблагоприятные изменения цен активов, и дефолты заемщиков происходят достаточно часто, то банки вынуждены уделять им значительное внимание. В то же время такие шоки как крах рынка недвижимости, которые происходят крайне редко, банки не рассматривают в качестве вероятного риска.
Цена в экономике является сигналом о качестве, уровне спроса и предложения. Рост относительных цен в какой-нибудь отрасли, вызванный увеличением спроса на продукцию, обеспечивает повышение прибыльности работающих в ней предприятий и, тем самым, способствует перетоку капитала в отрасль. Инвестиции фондов стимулирует увеличение объемов производства, что в конечном итоге обеспечивает баланс между спросом и предложением на рынке и возврат цен к уровню тренда. Время восстановления цен зависит, прежде всего, от гибкости предложения. В большинстве секторов экономики это происходит достаточно быстро за счет наличия у компаний свободных производственных мощностей.
На рынке недвижимости предложение земли является фиксированным, а с момента начала подготовки проекта до сдачи объекта в эксплуатацию проходит значительный срок. Цены жилья и офисных помещений определяются в первую очередь факторами спроса. Приход иностранных компаний в страну и сдвиг структуры производ-
ства в пользу сферы услуг увеличивают спрос на коммерческую недвижимость.
Время, то есть возвращения цен к равновесным значениям («схлопывания пузырей»), зависит от ликвидности рынка недвижимости и наличия торгуемых прав требований к недвижимости на финансовом рынке. Если существует развитый рынок акций строительных и риэлтерских компаний, проходит активная торговля ипотечными ценными бумагами, то возврат к равновесному уровню цен происходит достаточно быстро, если нет - то медленно. Кроме того, из-за времени реализации девелоперских проектов уровень спроса на стадии разработки и стадии сдачи объекта недвижимости может существенно отличаться.
Влияние рынка долгового капитала для отдельной страны заключается не только в снижении доступности инвестиционного капитала, но и в ухудшении возможностей обслуживания существующих займов. Так, согласно исследованиям Института переходной экономики [3], мировой кризис ликвидности 2008 г. стал причиной сложностей обслуживания имеющихся долговых обязательств. Многие кредиты взяты российскими заемщиками по плавающим ставкам, привязанным к LIBOR. Например, к LIBOR привязаны кредиты на 22 млрд долл., взятые Роснефтью на покупку активов ЮКОСа, облигационный заем Транснефти на 1,3 млрд долл., часть обязательств компании Газпром. В финансовом секторе практически все привлекаемые синдицированные кредиты привязаны к LIBOR, включая кредиты, привлеченные в 2008 г. Сбербанком (на 1,5 млрд долл.), Внешэкономбанком (на 800 млн долл.) и ВТБ (на 600 млн долл.).
Наиболее значимым фактором обесценивания рынка акций в России во время последнего кризиса ликвидности являлся негативный настрой иностранных инвесторов, связанный с опасениями относительно ослабления экономического роста. Согласно эмпирическим исследованиям показателей финансовых рынков России [2], во время кризиса ликвидности поведение фондовых индексов, как правило, предвосхищает изменения базисных экономических показателей. С июня 2008 г. падение индекса РТС еще до существенного снижения цен на нефть и уровня ВВП прекратилось в феврале 2009 г. Рост индекса возобновился, при этом промышленное производство стало расти с апреля
2009 г. [1]. По итогам года индекс РТС достиг 58,7 % от предкризисного пика, индекс ММВБ -71,2 %.
Следует отметить, что работы, посвященные исследованиям кризиса ликвидности рынка дол-
гового капитала и недвижимости, отличаются по составу факторов, применяемых при анализе развивающихся стран и стран западной Европы, Англии и США. Для разработки модели кризиса ликвидности финансового рынка в российских условиях целесообразно ориентироваться на модели, применяемые в развивающихся странах. Институциональные факторы, такие, как уровень развития демократических институтов, возможности макроэкономического регулирования монетарными методами, существенно отличаются, учет данных условий является ключевым для оценки эффективности модели.
Согласно Gishan и Markar (2009) причиной кризиса ликвидности в Азии являлось применение большинством крупных участников рынков типа корпоративного управления, ориентированного на высокий уровень корпоративных займов [6]. Очевидно, что высокий уровень показателя финансового левериджа характерен для условий экономического роста, поэтому динамика данного показателя в модели закрытой экономики может объективно описывать существующие процессы.
Аналогичные показатели применяются в исследовании кризиса ликвидности 1997-1998 г. в странах Азии в исследовании Cook, Devereux (2006). Следует отметить, что, если в первом исследовании применяются эконометрические модели, основанные на моделях регрессии, то во втором оцениваются модели с позиции оценки равновесия рынка в условиях открытой экономики небольшой страны [5]. Следует отметить, что результатом прогнозирования в данных моделях являются оценки такого сочетания макроэкономических факторов и факторов рынка, которые определяют возникновение кризиса ликвидности на рынке долгового капитала и недвижимости.
Принципиально другой подход применяется в моделях, оценивающих уровень странового риска по отношению к рынку долгового капитала. Так, в одной из работ (Taffler, Abassi 1984) анализируются модели альтернативной оценки инвестирования в развивающиеся страны на основе альтернативного подхода по сравнению с применяемым крупнейшими рейтинговыми агентствами. В частности, используется сочетание таких факторов как прибыль до налогообложения и амортизации, а также уровень задолженности компаний [4]. Данный подход развивается в работах, посвященных «эффекту пузыря» активов в развивающихся странах (Hali, Ponsak) [7].
Согласно анализу показателей кризиса в России, значимыми показателями являлись данные об изменении биржевых индексов. Однако про-
гнозирование на основе индекса не учитывает совокупности влияющих факторов. Поэтому прогнозирование кризиса ликвидности можно проводить с позиции данных реального сектора экономики и с точки зрения структуры финансовых активов.
В первом случае прогнозирование можно проводить с помощью различных видов моделей на основе показателей прибыльности, косвенных показателей инвестиционной уверенности. В качестве прогнозируемого фактора возможно исследовать изменение коэффициента автономии как наиболее близкого к оценке соотношения активов и заемных средств. Следует отметить, что в период до кризиса ликвидности значение данно-
Следует отметить, что набор исследуемых показателей можно отнести к сбалансированным панельным данным, так как при анализе исследуются агрегированные показатели в определенные моменты времени. Для анализа таких данных возможно применение метода связной регрессии, при этом специфика панельных данных в части выявления влияния фиксированных и нефиксированных моделей в таком случае не учитывается.
Тестирование модели методов исключения переменных показало, что наименьшую ошибку имеют уравнения множественной регрессии с та-
го коэффициента последовательно снижалось, и в условиях кризиса составило менее 50 %.
Показатели оценки стоимости жилья согласно подходу статистических органов носят выборочный характер (не более 20 % выборки в границах определенного региона) и не учитывают специфику ценовых показателей. Следовательно, необходимо для оценки использовать альтернативные показатели. В частности, показатели производства стали используются в моделях оценки стоимости коммерческой недвижимости стран Азии. На основе значений факторов 2000-2009 гг. с помощью коэффициента линейной корреляции была произведена проверка данных на мультиколлинеарность (табл. 1).
Таблица 1
кими показателями, как коэффициент текущей ликвидности (х1), сальдо прибылей и убытков (х2), удельный вес прибыльных организаций (х3), сумма убытка(х4) и производство стали (х5).
Коэффициент автономии = 121,58 - 1.0 х1 +
0.711 х 2 - 0.15 х 3 - 0.18 * х 4 - 0.51 х 5
При этом подавляющее количество значений попадает в доверительный интервал, что говорит о достоверности прогноза, полученного с помощью модели (рис. 1). В качестве направления совершенствования модели можно исследовать возможности применения независимых индексов цен на рынке недвижимости, цен на строительные ма-
Показатели линейной корреляции и статистического уровня значимости (на основе данных Росстата)
Просроченная дебиторская задолженность Задолженность покупателей и заказчиков Сальдо прибылей и убытков Сумма прибы- лей Удельный вес прибыльных организаций, % Сумма убытка Удельный вес убыточных организаций, % Объем производства стали, т
Динамика наличия производственных мощностей .4041 .9409 .8400 .9222 .8983 .7592 -.8983 .7520
р=.247 р=.000 р=.002 р=.000 р=.000 р=.011 р=.000 р=.012
Коэффициент текущей ликвидности .3560 .8463 .5689 .6441 .6016 .6082 -.6016 .1504
3 .31 и' р р=.002 р=.086 р=.044 р=.066 р=.062 р=.066 р=.678
Коэффициент обеспеченности собственными оборотными средствами -.4284 -.8639 -.6577 -.7420 -.6639 -.6905 .6639 -.3212
р=.217 р=.001 р=.039 р=.014 р=.036 р=.027 р=.036 р=.366
Коэффициент автономии -.3244 -.8770 -.5044 -.6209 -.6085 -.7786 .6085 -.2103
р=.360 р=.001 7 3 и' р р=.055 р=.062 р=.008 р=.062 р=.560
Дебиторская задолженность .4824 .9992 .7416 .8460 .8585 .8235 -.8585 .4831
р . 5 ОО р=.000 р=.014 р=.002 р=.001 р=.003 р=.001 7 5 и' р
Просроченная дебиторская задолженность 1.0000 .4791 .2954 .3856 .4377 .5620 -.4377 .0497
р= --- р . 61 р=.407 71 и' р р=.206 91 О и' р р=.206 р=. 891
териалы в целом или отдельные их виды (напри- меньшей агрегацией и без применения значений,
мер, цемент). Кроме того, для более точного про- оценку которых органы статистики производят на
гнозирования необходимо использовать данные с основе небольшой выборки.
Predicted vs. Residual Scores Dependent variable: Коэффициент автономии б---------------,------,------,-------,------,------,------,------,------
4 ■ ■
-4 • -5 --б -
42 44 4б 48 50 52 54
Predicted Values
5б
58
б0
б2
о 95% confidence
Рис. 1. Диаграмма рассеяния остатки - определенные значения
Альтернативным подходом к прогнозированию кризиса ликвидности является подход к прогнозированию, основанный на методах многомерной классификации и оценке структуры финансового рынка в части соотношения различных видов долговых обязательств и всего финансового сектора страны.
Общей идеологией расчетного алгоритма может быть отличие структуры долговых обязательств в различные фазы экономического цикла, в том числе и предшествующие кризису ликвидности. Источником информации могут служить помесячные данные о значениях отдельных видов долговых обязательств, представленные на сайте Центрального Банка РФ. Далее, на основе прогноза изменения структуры с помощью дискриминантного анализа возможно определять апосте-ройдную принадлежность к классу прогнозируемой структуры долговых обязательств - например, к классу структуры рынка, предшествующей кризису ликвидности.
На основе границы функции автокорреляции (рис. 2) можно сделать вывод, что статистически
значимый прогноз можно получить на последующие 7 периодов, что может быть достаточно для принятия решений на уровне участия в инвестиционном процессе отдельного экономического агента. Ограничением данного подхода является то, что Центральный Банк с 2008 г. изменил подход к агрегированию показателей, поэтому затруднительно достоверно оценить структуру до и после 2008 г. Кроме того, класс, предшествующий кризису, может быть сходен по характеристикам с классом активной фазы роста. Результатом прогноза может быть определение состояния рынка долгового капитала, а не указание продолжительности или возможной глубины падения цены активов.
На основе исследования практики оценки кризиса ликвидности долгового капитала, существующих методов исследования и практики применения моделей на основе последнего случая существенного обесценивания активов можно сделать вывод, что модель прогнозирования необходимо выбирать в соответствии с задачами по использованию для принятия решений на различных иерархических уровнях экономической системы.
№ б (G22), 2G1G
Autocorrelation Function Вложения в долговые обязательства (помесячные значения 2001-2008 г.г.) (Standard errors are white-noise estimates)
Lag Corr. S.E.
1 + 655 .1078
2 + 630 .1072
3 + 604 .1065
4 + 578 .1058
5 + 553 .1051
6 + 527 .1045
7 + 502 .1038
8 + 477 .1031
9 + 452 .1024
10 + 427 .1017
11 + 402 .1010
12 + 378 .1003
13 + 353 .0 996
14 + 329 .0 98 9
15 + 305 .0 982
Q p
36. 94 0000
71. 45 0000
103 .6 0 .000
133 .5 0 .000
161 .1 0 .000
186 .6 0 .000
210 .0 0 .000
231 .4 0 .000
250 .8 0 .000
268 .4 0 .000
284 .3 0 .000
298 .5 0 .000
311 .0 0 .000
322 .1 0 .000
331 .8 0 .000
0
Conf. Limit
-1.0 -0.5 0.0 0.5 1.0
Рис. 2. Автокорреляция показателя вложений в долговые активы (данные ЦБ РФ)
Так, для долгосрочного макроэкономического регулирования возможно использовать модель связной множественной регрессии на основе ряда показателей, которые можно отнести к сбалансированным панелям.
На уровне принятия решения об инвестировании компании реального сектора экономики возможно оценить стадию цикла с помощью последовательного применения моделей регрессии, кластерного и дискриминантного анализа на основе показателей структуры рынка долгового капитала.
Литература
1. Бутрин Д. Промышленность нехотя выходит из рецессии // Коммерсантъ. 2010. 25 янв. С. 2.
2. Кризисная экономика современной России: тенденции и перспективы / науч. ред. Е. Т. Гайдар. М., 2010.
3. Российская экономика в 2009 г. Тенденции и перспективы. М., 2010.
4. Country Risk: A Model for Predicting Debt Servicing Problems in Developing Countries Country Risk: A Model for Predicting Debt Servicing Problems in Developing Countries Journal of the Royal Statistical Society. Series A (General), Vol. 147, No. 4 (1984). Pp. 541-568.
5. David Cook, Michael B Devereux, Accounting for the East Asian Crisis: A Quantitative Model of Capital Outflows in Small Open Economies Journal of Money, Credit, and Banking. Volume 38, Number 3, April 2006. Pp. 721-749.
6. Gishan Dissanaike, Imran Markar.Corporate Financing in East Asia before the 1997 Crash // Journal of International Business Studies Vol. 40, No. 6, (Aug., 2009). Pp. 990-1004.
7. Hali J. Edison, Pongsak Luangaram, Marcus Miller. Asset Bubbles, Leverage and 'Lifeboats': Elements of the East Asian Crisis Asset Bubbles, Leverage and 'Lifeboats': Elements of the East Asian Crisis The Economic Journal, Vol. 110, No. 460 (Jan., 2000). Pp. 309-334.
MODELS OF FORECASTING LIQUIDITY CRISIS IN MARKETS DEBT CAPITAL AND REAL ESTATE
E. Ye. Malkina
The paper attempts to assess the liquidity crisis in the Russian economy empirically. In particular, it identifies the most significant characteristics of the dependent variable (for example, the reduction of asset value) in terms of the present institutional environment. At the context of the existing theoretical-model concepts of the possibilities of predicting the liquidity crisis, the author analyzes both the econometric models themselves and the factors applied. The possibilities of predicting the liquidity crisis by means of the connected regression model for balance panel and typology of the debt market structure at different periods are examined on the basis of the available information database (data from Rosstat and the Central Bank of the Russian Federation).
Key words: credit crunch, forecasting, panel data, econometric model, regression, debt capital markets.
* * *
