Моделирование работы каналов российского трансмиссионного механизма денежно-кредитной политики Текст научной статьи по специальности «Экономика и бизнес»

Удк 336.711

моделирование работы каналов российского трансмиссионного механизма денежно-кредитной политики

О. Н. СЕМИТУРКИН, аспирант кафедры финансов и кредита E-mail: olsem1@bk. ru Российская академия народного хозяйства и государственной службы при Президенте РФ

В статье представлены результаты исследования трансмиссионного механизма денежно-кредитной политики РФ (далее - ТММ) методом наименьших квадратов. Целью работы является получение модели, описывающей работу трех каналов ТММ в России: канала процентной ставки, канала валютного курса и кредитного канала. Особенностями исследования являются кластеризация исходных данных, а также использование результатов мониторинга предприятий Банком России в моделировании ТММ.

Ключевые слова: российский трансмиссионный механизм денежно-кредитной политики, мониторинг предприятий.

Исследование работы канала процентной ставки, канала валютного курса, кредитного канала проведено с учетом двух ступеней ТММ. Первая ступень - это влияние импульсов денежно-кредитной политики (ДКП) на банковскую систему и в целом на макропоказатели, вторая - это влияние результатов работы первой ступени на реальный сектор экономики. Исследование проведено на основе ежемесячных данных Банка России и Росстата с 01.01.2010 по 01.04.2012 с учетом допустимого количества переменных после устранения мульти-коллинеарности при данном количестве наблюдений. Период был выбран исходя из относительно умеренной волатильности основных макроэкономических переменных в РФ. Особенностями исследования являются кластеризация исходных данных на секторы экономики по отраслям «добыча полезных

ископаемых»1 и «обрабатывающие производства»2, кластеризация банковского сектора по величине активов, разделение объемов кредитования в рублях и в валюте. Еще одна особенность - это использование в моделировании ТММ результатов мониторинга Банком России более 15 000 предприятий в части оценки ожиданий изменения экономической конъюнктуры в стране, влияния рисков хозяйственной деятельности и других показателей.

моделирование канала процентной ставки

Используем ставку MIACR по однодневным кредитам в рублях на межбанковском рынке для оценки влияния инструментов Банка России. Данная процентная ставка выбрана по причине широкого набора сроков, по которым она рассчитывается (6 диапазонов ставок), а также репрезентативности выборки, на основании которой рассчитывается этот индикатор. Выборка MIACR составляет около половины общего оборота российского рынка однодневных рублевых межбанковских кредитов (МБК).

В качестве инструментов Банка России будем использовать / - ставку по операциям РЕПО,

геро -> г •>

1 Здесь и далее под отраслью «Добыча полезных ископаемых» понимается вид деятельности «Добыча полезных ископаемых» (раздел С по ОКВЭД).

2 Здесь и далее под отраслью «Обрабатывающие производства» понимается вид деятельности «Обрабатывающие производства» (раздел D по ОКВЭД).

12

финансы и кредит

idep - ставку по однодневным депозитам, SaldoBR -сальдо операций Банка России по предоставлению/абсорбированию ликвидности. Результаты статистического исследования представлены в табл. 1 и 2.

Получим следующее линейное уравнение3: i = 4,05 + 1,44 i, - 0,4 i -

miacr ' ' dep ' repo

- 0,0018 Saldom - 0,078 Stoim,.,

' BR ' biv>

R2 = 0,89, DW = 1,59.

Полученное уравнение подтверждает выводы, полученные при предварительном анализе первой ступени канала процентной ставки, и имеет достаточно большую степень надежности. Высока доля дисперсии, объясненной при помощи уравнения регрессии, - 89 %. Статистика Дарбина-Уотсона DW близка к 2 и понятно, что гипотеза об отсутствии автокорреляции остатков первого порядка будет принята при любом разумно малом уровне значимости. Однако значимые коэффициенты имеются лишь при показателе idep. По этому же показателю имеется удовлетворительное значение t-статистики, равное 9,02.

Рассмотрим зависимость i . от i_

Таблица 1

Регрессионная статистика

miacr

i . = -1,32 + 1,57/, ,

miacr ' ' aep^

dep'

(0,38) (0,12), Я2 = 0,77, DW = 1,97, ^ = 169,7.

В скобках указаны стандартные ошибки для каждого коэффициента. В полученном уравнении высока доля дисперсии, объясненной при помощи уравнения регрессии, - 77 %. Статистика Дарбина-Уотсона DW еще ближе к 2, что вполне позволяет принять гипотезу об отсутствии автокорреляции остатков первого порядка. F-statistica = 169,7 (при сравнении с табличными критичными значениями для подобного количества переменных и наблюдений позволяет не принимать нулевую гипотезу с вероятностью 0,99). Значения ^статистик - 3,39 и 13 для свободного члена и соответственно. Свободный член - 1,32 (это свидетельствует о спрэде между исследуемыми ставками).

Действительные и рассчитанные по уравнению регрессии величины ставки MIACR, спрогнозированные на основе предложенного уравнения, представлены на рис. 1.

Далее исследуем банковскую процентную ставку по кредитам нефинансовым организациям. В российской экономике экзогенные переменные имеют весомое влияние на уровень процентных

Показатель регрессионной статистики Значение показателя

Я2 0,89

Нормированный Я2 0,87

Стандартная ошибка 0,35

Количество проведенных наблюдений 28

Таблица 2 Статистические характеристики

Показатель Коэффициенты Стандартная ошибка t-ста-тистика

Y-пересечение 4,0515 2,7433 1,4769

Ставка по одноднев- 1,4433 0,1600 9,0200

ным депозитам

Минимальная ставка -0,4111 0,2822 -1,4568

по аукционам прямого РЕПО на 1 день

Сальдо операций Банка России по предостав-лению/абсорбирова-нию ликвидности -0,0018 0,0004 -4,2515

Стоимость бивалютной -0,0779 0,0662 -1,1779

корзины, рассчитанная по официальным курсам, руб.

' Здесь и далее описание переменных представлено в табл. 7.

ставок. В первую очередь это касается таких макроэкономических переменных, как ставки LIBOR, Fed Funds, мировые цены на сырьевые товары. Две трети дисперсии денежной массы М2 в нашей стране описывается названными экзогенными переменными, в то время как на одну треть Банк России способен оказывать реальное воздействие (данный вывод следует из построения стандартной модели векторной авторегрессии VAR с указанными переменными) [1].

Введем показатель уровня кредитного риска. Рассчитаем его как разницу между MIACR-IG и MIACR-B. MIACR-IG - это средняя фактическая ставка по кредитам, которые отчитывающиеся банки разместили в российских банках. MIACR B - это средняя фактическая ставка по кредитам, которые отчитывающиеся банки разместили в российских банках, имеющих спекулятивный кредитный рейтинг. В некоторых исследованиях также используются спрэды между MIACR-IG и процентными ставками Банка России [2], однако автор ограничится рассмотрением лишь одного индикатора.

Обозначим зависимость уровня банковских процентных ставок от некоторых экономических

6,0 5,5 5,0 4,5 4,0 3,5 3,0 2,5 2,0

рис. 1. Действительные и рассчитанные по уравнению регрессии величины ставки М!АС^ %

&

с

<<

&

с

<<

&

с

<<

U О w ^

—♦—Фактическая MIACR —■■

переменных (см. выражение (1). В качестве инструментов Банка России (CB^CB^) используем i - ставку по операциям РЕПО, i, - ставку по

repo J г ' dep J

однодневным депозитам, SBR - сальдо операций Банка России по предоставлению/абсорбированию ликвидности, Va¡br - валютные интервенции Банка России:

i = f (i , U , SBB, п, М2, Val, StV S ,

J 4 repo dep BR ' ' br tek cap

ЬШО^ Poil

Преобразуем исходные абсолютные значения данных к относительному виду, приняв значение на 01.01.2010 за 100 %, а последующие - за отношение к этому значению. Проведем исследование на основе месячных данных Банка России с 01.01.2010 по 01.04.2012, используя метод наименьших квадратов.

Предварительно проверим все объясняющие переменные на наличие коррелляции, чтобы избежать мультиколлинеарности. Анализ выявил, что из двенад-

Предсказанная MIACR

цати переменных четыре имеют корреляцию больше 0,5 с ценой на нефть, со ставкой по однодневным депозитам, со ставкой LIBOR и с сальдо счета операций с капиталом и финансовыми инструментами; две -с валютными интервенциями Банка России, две -с изменением валютных резервов; одна - с сальдо операций Банка России по предоставлению/абсорбированию ликвидности. Принимая во внимание результаты первого этапа исследования и теоретические предпосылки, исключим из исследования только указанные макроэкономические показатели. Полученные результаты по оставшимся шести переменным представлены в корреляционной матрице.

Из проведенного исследования по шести переменным можно наблюдать, что уровень кредитного риска и стоимость бивалютной корзины имеют несущественные коэффициенты и неприемлемый уровень t-статистики.

м2 индекс потребительских цен стоимость бивалютной корзины, руб. Уровень оценки кредитного риска минимальная ставка по аукционам прямого рЕпо на 1 день сальдо счета текущих операций

м2 1,00

индекс потребительских цен -0,27 1,00

стоимость бивалютной корзины, рублей 0,04 -0,13 1,00

Уровень оценки кредитного риска 0,35 -0,05 0,03 1,00

минимальная ставка по аукционам прямого рЕпо на 1 день -0,08 0,04 -0,17 0,12 1,00

сальдо счета текущих операций 0,15 0,15 0,14 0,08 0,38 1,00

Корреляционная матрица

14

финансы и кредит

После исключения этих переменных получим регрессионное уравнение следующего вида: i =1,19 + 0,29/ - 0,25п - 0,46М2+ 0,065,,,

' repo ' ' ' tek

R2 = 0,9; DW = 1,9; F = 51,3.

Полученное уравнение подтверждает выводы, полученные при предварительном анализе второй ступени канала процентной ставки, и имеет достаточно большую степень надежности. Высока доля дисперсии, объясненной при помощи уравнения регрессии, - 90 %. Статистика Дарбина-Уотсона DW близка к 2 и понятно, что гипотеза об отсутствии автокорреляции остатков первого порядка будет принята при любом разумно малом уровне значимости. F-statistica = 51,3 (при сравнении с табличными критичными значениями для подобного количества переменных и наблюдений позволяет не принимать нулевую гипотезу с вероятностью 0,99). Однако коэффициент при п имеет отрицательный знак, что противоречит теоретическим предпосылкам. Значимый положительный коэффициент при п очевиден в российских условиях, так как уровень инфляции является одним из факторов, определяющих ставку банковского кредитования. Предложена и проверена гипотеза о наличии связи между ставками банков и лагированного значения п. Гипотеза может быть принята при лаге п, равном 12 мес. Обозначим его как п-12. В таком случае получим окончательный вид уравнения:

i = 0,25 + 0,35i + 0,38 п „ - 0,11М2,

' ' repo ' -12 ' '

(0,12) (0,12) (0,03) (0,03) R2 = 0,93, DW = 1,54, F = 103.

В скобках указаны стандартные ошибки для соответствующего коэффициента. Можно наблюдать, что все показатели имеют теоретически обоснованные знаки, а также удовлетворительные t-статистики. Статистика Дарбина-Уотсона осталась на приемлемом уровне, а F-статистика значительно улучшилась.

В дальнейшем подробное описание анализа приводиться не будет.

Моделирование канала валютного курса

При анализе факторов, влияющих на канал валютного курса Stoimbiv = f (CB1... CBN,Xy.. XN) используем Stoimbjv - стоимость бивалютной корзины, рассчитанную по официальным курсам.

Преобразуем исходные абсолютные значения данных к относительному виду, приняв значение на 01.01.2010 за 100 %, а последующие - за отноше-

ние к этому значению. Проведем исследование на основе месячных данных Банка России за период с 01.01.2010 по 01.04.2012, используя метод наименьших квадратов.

По результатам проведенного исследования было выявлено, что стоимость бивалютной корзины объясняется с помощь показателей «валютные интервенции Банка России» и «сальдо счета текущих операций». Результаты представлены в табл. 3 и 4.

Получим регрессионное уравнение вида: StoimЬv = 0,97 - 0,02Уа1Ьг - 0,025^, (0,03) ™ (0,03) Г (0,01)

К2=0,78; DW=1,4; ^=41,7.

В скобках указаны стандартные ошибки для соответствующего коэффициента. Представленное уравнение подтверждает выводы, полученные при предварительном анализе канала валютного курса, и имеет достаточно большую степень надежности. Высока доля дисперсии, объясненной при помощи уравнения регрессии, - 78 %. F-statistica = 41,7 (при сравнении с табличными критичными значениями для подобного количества переменных и наблюдений это позволяет не принимать нулевую гипотезу с вероятностью 0,99). Критерий Дарбина-Уотсона в данных условиях находится в так называемой зоне неопределенности, но ближе к приемлемому уровню.

Действительные и рассчитанные по уравнению регрессии относительные величины стоимости бивалютной корзины, спрогнозированные на основе предложенного уравнения, представлены на рис. 2.

Таблица 3

Регрессионная статистика

Показатель регрессионной Значение

статистики показателя

Множественный К 0,88

К-квадрат 0,78

Нормированный Л-квадрат 0,76

Стандартная ошибка 0,02

Количество проведенных наблюдений 27,00

Таблица 4 Статистические характеристики

Показатель Коэффициенты Стандартная ошибка t-ста-тистика

Y-пересечение 0,974 0,007 143,725

Валютные интервенции Банка России -0,021 0,002 -9,023

Сальдо счета текущих операций -0,022 0,011 -1,997

1,06 1,04 1,02 v» 1,00

0,98 0,96 0,94 0,92 0,90

рис. 2. Действительные и рассчитанные по уравнению регрессии относительные величины стоимости бивалютной корзины

(N (N (N (N (N (N

Л H Л 5S Л Л

К & К я И К

Я Я (D ^ О О

& 5 ь л «

я ^ В S S

0 0 0 0 0 1 1 1

10 2 10 2 10 2 10 2 10 2 10 2 10 2 10 2

н о Л Л о в X и и Л Л о s M О Л Л о « о К Л Л о га м и ^ Л (X Л п H Л

Й < ta X Л и и © s

M M rj M

Л 5B Л Л

К й в к

и > 2 2

& S S

1 1 1 1 1 2 2 2

10 2 10 2 10 2 10 2 10 2 10 2 10 2 10 2

H о Л Л о ¡3 X и и Л Л о s M О Л Л о « о К Л Л о га м и Ы Л (X Л п H fx

ta < ta £ Л и и © s

. Стоимость бивалютной корзины - Предсказанная стоимость бивалютной корзины

моделирование кредитного канала

При анализе факторов, влияющих на кредитный канал, используем показатели задолженности по кредитам юридических лиц и ИП Loan = f(CB1... CBN, Xr..XN). Причем при анализе этого канала будут применены отраслевая и валютная кластеризации. Данные по кредитам будем анализировать по отраслям «Добыча полезных ископаемых» и «Обрабатывающие производства». Также (где это возможно) проанализируем канал по задолженности в рублях и в валюте. В качестве других показателей (Х... XN), влияющих на объем выданных кредитов, добавим данные опросов и результаты мониторинга предприятий Банком России.

В качестве инструментов Банка России будем использовать i , £„„, Val, :

repo BR br

Loan ,, = -0,1 + 0,55Stoim,. + 0,57М2 +

all ' ' biv '

+ 0,44/ - 0,1n - 0,39R

' repo ' ' ha

R2 = 0,98; DW = 1,67; F = 214.

Таблица 5

Регрессионная статистика

Показатель регрессионной Значение

статистики показателя

Множественный R 0,99

Л-квадрат 0,98

Нормированный Л-квадрат 0,98

Стандартная ошибка 0,02

Количество проведенных наблюдений 27,00

Таблица 6 Статистические характеристики

Loan = f (/

repd

SBR' St0imbV П М2, Valbr, Stek'

S ' LIBOR' P , R , IF , R ,).

cap ' oïl crea crea ha

Преобразуем исходные абсолютные значения данных к относительному виду, приняв значение на 01.01.2010 за 100 %, а последующие - за отношение к этому значению. Проведем исследование на основе месячных данных Банка России за период с 01.01.2010 по 01.04.2012, используя метод наименьших квадратов. Предварительно проверим все объясняющие переменные на наличие коррелляции, чтобы избежать мультиколлинеарности.

По результатам проведенного исследования общей суммы задолженности по кредитам выявлены 5 объясняющих переменных. Результаты приведены в табл. 5 и 6.

Получим регрессионное уравнение вида:

Показатель Коэффициенты Стандартная ошибка t-статис-тика

Y-пересечение -0,10 0,22 -0,44

Стоимость бивалютной 0,55 0,13 4,17

корзины

М2 0,57 0,04 13,92

Минимальная ставка 0,44 0,10 4,41

по аукционам прямого РЕПО на 1 день

Индекс потребительских -0,10 0,02 -5,28

цен

Баланс ответов на воп- -0,39 0,13 -3,03

рос анкеты мониторинга предприятий: «Как Вы

оцениваете влияние

рисков хозяйственной деятельности?» *

* Чем ниже значение показателя, тем меньше ответов «значительное влияние» и больше ответов «слабое влияние».

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки, кроме i .

г repo

По результатам исследования суммы задолженности в отрасли «Добыча полезных ископаемых» не удалось получить линейного уравнения с приемлемыми характеристиками. Однако при анализе этого же показателя, но по кредитам в отрасли «Добыча полезных ископаемых» в иностранной валюте получено следующее уравнение:

Loan,. , =1,46 + 0,26Stoim, - 0,46М2-

dpi_val ^ ' biv '

- 0,34i - 0,09п + 0,21R, ,,

' repo ' ' hd

R2 = 0,91; DW = 1,59; F = 43.

Все показатели имеют удовлетворительные t-статистики, но не все имеют теоретически обоснованные знаки.

По результатам исследования общей суммы задолженности в отрасли «Обрабатывающие производства» получено линейное уравнение с приемлемыми характеристиками:

Loan ,, = -0,34 + 0,67Stoim + 0,66М2,

op_all ' ' biv ' '

R2=0,93; DW = 1,48; F = 182.

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки. Полученное уравнение имеет достаточно большую степень надежности.

Рассмотрим общую сумму задолженности юридических лиц по 30 крупнейшим банкам: = -0,73 + 0,75St - 0,07п + 0,38i

Loan „ = -0,73 + 0,75Stoim,. + 0,7М2 -

large_all ' ' biv '

repo'

R2 = 0,96; DW = 1,94; F = 153.

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки, кроме irepo. Полученное уравнение имеет достаточно большую степень надежности. Примечательно, что коэффициент при п (индекс потребительских цен) незначителен, однако при исключении его из уравнения статистика Дарбина-Уотсона значительно снижается.

Рассмотрим общую сумму задолженности юридических лиц по мелким и средним банкам: Loan

Smaii_aii

- 0,22Rh R2 = 0,98; DW = 1,79; F = 534.

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки, кроме ieepo. Полученное уравнение имеет достаточно большую степень надежности.

Интересно сопоставление полученных результатов по кредитованию крупнейшими банками

. „ „ = 0,45 + 0,54М2- 0,09п + 0,28i -

small_all repo

vhd,

^оап1а^е аП) и мелкими и средними ^оаптаЦ а1). Первая величина зависит от стоимости бивалют-ной корзины StoimЪiv, но не зависит от ощущений предприятий по рискам во внутрихозяйственной деятельности Rhd, вторая - напротив, не зависит от StoimЪjv и зависит от Rhd. На взгляд автора, это отражение ориентации мелких и средних банков на внутреннего заемщика, преимущественно не осуществляющего импортно-экспортные операции. Это может быть в большей степени сфера услуг, торговля отечественными товарами, мелкие производства из отечественного сырья, которые ориентированы на внутреннего потребителя. Для таких заемщиков не слишком важен валютный курс, но внутрихозяйственные риски могут сказаться на планах по кредитованию. Крупные же банки кредитуют крупных заемщиков, которые осуществляют импортно-экспортные операции, для них валютный курс напрямую отражается на балансе предприятия и на инвестиционных решениях. К тому же мониторинг предприятий в большей степени отражает ситуацию именно в мелком и среднем бизнесе, поскольку имеет ориентацию на количество ответов (кроме некоторых видов анкет) и не использует «весовые показатели» в зависимости от размера предприятия.

Моделирование второй ступени ТММ

Для оценки влияния банковской процентной ставки, валютного курса, объема выданных кредитов, стоимости активов и других факторов на ВВП необходимо учитывать различное воздействие заданных параметров на компоненты ВВП. Например, уровень валютного курса будет по-разному влиять на экспортно ориентированные отрасли экономики и на инновационные. Для анализа российского ТММ с экспортно ориентированной экономикой предлагается разделять ВВП на компоненты в соответствии с принадлежностью к определенному сектору экономики. Кластеризация будет произведена по отраслям экономики «Обрабатывающие производства» и «Добыча полезных ископаемых».

В качестве исследуемой величины предлагается взять не ВВП, а обороты денежных средств в отрасли Os. Показатель рассчитывается ежемесячно и имеет необходимую кластеризацию по отраслям экономики. В качестве других показателей (X1... X), влияющих на объем выданных кредитов, добавим данные опросов и мониторинга предприятий Бан-

ком России. Добавим баланс ответов на следующие вопросы анкет: «Как Вы оцениваете изменение объема производства» (Varop), «Как изменился спрос на продукцию (услуги) отрасли» (Spr) и «Как изменится в следующие 3 месяца объем производства продукции» (Ozh) в следующем виде:

Os = f (i, Loan, Stoimb., п, М2, Valb Stk, P .f

Kee* Rhdd P SPr e

Преобразуем исходные абсолютные значения данных к относительному виду, приняв значение на 01.01.2010 за 100 %, а последующие - за отношение к этому значению. Проведем исследование на основе месячных данных Банка России и Росстата за период с 01.01.2010 по 01.04.2012, используя метод наименьших квадратов. Предварительно проверим все объясняющие переменные на наличие коррелля-ции, чтобы избежать мультиколлинеарности.

По результатам исследования оборотов в отрасли «Добыча полезных ископаемых» было получено линейное уравнение с приемлемыми характеристиками:

Os, . = -0,99 + 1,22М2 + 0,9Stoim,.,

dpi ' ' ' bv

R2 = 0,79; DW = 1,64; F = 45,9.

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки. Полученное уравнение имеет достаточно большую степень надежности. Высока доля дисперсии, объясненной при помощи уравнения регрессии, - 79 %. F-statistica = 45,9 (при сравнении с табличными критичными значениями для подобного количества переменных и наблюдений это позволяет

не принимать нулевую гипотезу с вероятностью 0,99). Статистика Дарбина-Уотсона DW находится на приемлемом уровне для принятия гипотезы об отсутствии автокорреляции остатков.

Действительные и рассчитанные по уравнению регрессии относительные величины оборотов в отрасли «Добыча полезных ископаемых», спрогнозированные на основе предложенного уравнения, представлены на рис. 3.

По результатам исследования оборотов в отрасли «Обрабатывающие производства» получено линейное уравнение с приемлемыми характеристиками:

Os = -1,59 + 1,62 Loan „ - 0,67i -

Op ' ' op_all '

- 0,59Spr + 0,29п + 1,72Stoimbiv, R2 = 0,91; DW = 1,6; F = 44.iV

Все показатели имеют удовлетворительные t-статистики и теоретически обоснованные знаки. Полученное уравнение имеет достаточно большую степень надежности.

Действительные и рассчитанные по уравнению регрессии относительные величины оборотов в отрасли «Обрабатывающие производства», спрогнозированные на основе предложенного уравнения, представлены на рис. 4.

Выводы. Зависимость уровня банковских процентных ставок от индекса потребительских цен с лагом в 12 мес. вполне подтверждается российской практикой, а влияние денежной массы, которая определяется в российских условиях в основном внешнеэкономической конъюнктурой, отражает

£

1,90 1,80 1,70 1,60 1,50 1,40 1,30 1,20 1,10 1,00 0,90

- Обороты отрасли «Добыча полезных ископаемых» -Предсказанные обороты отрасли «Добыча полезных ископаемых»

Рис. 3. Действительные и рассчитанные по уравнению регрессии вели-< чины оборотов в отрасли «Добыча полезных ископаемых»

£

2,4 2,2 2,0 1,8 1,6 1,4 1,2 1,0

Рис. 4. Действительные и рассчитанные по уравнению регрессии величины оборотов в отрасли «Обрабатывающие производства»

С*1 С*1 С*1 С*1

<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N<N

& с

с

и 2 8

«& «& ¡3

Л о

и

& с

с

и 2 8

&

ю

в

О

& &

ю ю к я

&

с

Обороты отрасли «Обрабатывающие проиводства» ■Предсказанные обороты отрасли «Обрабатывающие проиводства»

зависимость банковского сектора от мировых рынков. Влияние ставки Банка России по однодневному РЕПО на банковские ставки подтверждает справедливость использования данного показателя в качестве возможной индикативной ставки Банка России, а также постепенный переход к намеченному курсу на таргетирование инфляции, обозначенному в стратегии развития ДКП.

Канал валютного курса существует в России и функционирует в рамках приоритетности режима таргетирования валютного курса. Равная зависимость от сальдо платежного баланса России и от валютных интервенций Банка России наглядно иллюстрирует режим «свободного плавания» в пределах валютного коридора.

Полученные результаты демонстрируют оправданность их применения при анализе кредитного канала отраслевой, валютной кластеризации, а также для выделения сегментов 30 крупнейших и мелких/средних банков по величине активов. Зависимость общего объема кредитов от внешнеэкономических факторов отражена в коэффициенте при М2 и стоимости бивалютной корзины. Зависимость от общего уровня рисков хозяйственной деятельности, которая выражена показателем, отражающем баланс ответов на вопрос мониторинга предприятий Банком России, иллюстрирует возможность использования результатов мониторинга для исследования работы канала. По результатам исследования суммы задолженности в отрасли «Добыча полезных ископаемых» не удалось получить линейного уравнения с приемлемыми характеристиками, однако

при анализе этого же показателя, но по кредитам в иностранной валюте, была получена зависимость с приемлемыми характеристиками, в которой максимальный коэффициент был получен при показателе М2. По результатам исследования общей суммы задолженности в отрасли «Обрабатывающие производства» получено линейное уравнение, которое отражает сохраняющееся воздействие канала валютного курса на обрабатывающие производства.

По результатам сопоставления исследований объема предоставленных кредитов по кластерам «крупнейшие 30 банков» и «мелкие и средние банки» выявлено, что первая величина зависит от стоимости бивалютной корзины Stomb но не зависит от ощущений предприятий по рискам во внутрихозяйственной деятельности Вторая величина, напротив, не зависит от StomЬjv и зависит от Яы На взгляд автора, это отражение ориентации мелких и средних банков на внутреннего заемщика, преимущественно не осуществляющего импортно-экспортные операции. Для таких заемщиков не слишком важен валютный курс, но внутрихозяйственные риски могут сказаться на планах по кредитованию. Крупные же банки кредитуют крупных заемщиков, которые осуществляют импортно-экспортные операции, для них валютный курс напрямую отражается на балансе предприятия и на инвестиционных решениях.

По результатам моделирования зависимости оборотов денежных средств по отраслям «Добыча полезных ископаемых» и «Обрабатывающие производства» были получены линейные уравнения,

которые отражают зависимость оборотов в отрасли «Добыча полезных ископаемых» от внешнеэкономической конъюнктуры. В этот сектор передаются импульсы только канала валютного курса. В то же время отрасль «Обрабатывающие производства» зависит как от экзогенных переменных, так и от эндогенных. В частности, именно в этот сектор передаются импульсы всех трех каналов ТММ. Наибольшая зависимость выявлена от стоимости бивалютной корзины и от объема кредитов, выданных предприятиям отрасли «Обрабатывающие производства», меньшая зависимость - от уровня банковских процентных ставок. Обороты сектора зависят от индекса потребительских цен, и прослеживается связь с балансом ответов на вопрос мониторинга предприятий о том, как изменился спрос на продукцию (услуги) отрасли, что подтверждает гипотезу о том, что мониторинг предприятий Банком России возможно использовать в моделировании ТММ.

По результатам исследования предложена модель работы ТММ в России в некризисный период, которая, без сомнения, имеет элемент дискуссион-ности и требует постоянного совершенствования, анализа и уточнения:

7 = 0,25 + 0,357 + 0,38л - 0Д1М2;

' ' геро ' -12 ' '

БШт,. = 0,97 - 0,02М - 0,025

biv

Ъг

tek>

Loanall = -0,1 + 0,55Stoimbiv + 0,57М2 + + 0,44/ -0,1л -0,39R,/

' геро ' ' па'

Locm , , = 1,46 + 0,26Stoim,. - 0,46М2 -

dpi_val ' ' biv '

-0,34/ - 0,09л + 0,2 Ii?,

' геро ' ' па'

Locm „ = -0,34 + 0,67Stoim,. + 0,66М2;

op_all ' ' biv ' '

Locm, ,, = -0,73 + 0J5Stoim,. + 0,7M2 -

large_all ' ' biv '

-0,07л + 0,38/ ;

' геро'

Loan ,, ,, = 0,45 + 0,54M2 - 0,09л + 0,28/

small_all ' ' ' ' repo

— 0.22 Rhd,

Os, = -0,99 + 1,22M2+ 0,9Stoim,.;

dpi ' ' ' 6/v'

Os = -1,59 + 1,62 Locm ,, ~ 0,67/ -

op ' ' op_all '

- 0,59Spr + 0,29л + \,12Stoimbn,

Таблица 7

Описание используемых переменных

Условное обозначение Описание переменной Источник данных

7 Банковская процентная ставка по кредитам нефинансовым организациям URL: http://www.cbr.ru

7 геро Ставка по операциям РЕПО Там же

SBR Сальдо операций Банка России по предоставлению/абсорбированию ликвидности «

^ dep Ставка по однодневным депозитам «

Ж Индекс потребительских цен «

М2 Денежная масса М2 «

Valbr Валютные интервенции Банка России «

Stek Сальдо счета текущих операций страны «

s сар Сальдо счета операций с капиталом и финансовыми инструментами «

ml Цена на нефть сорта «Юралс» «

^ СП.'/1 Уровень оценки кредитного риска в рублях (разница между ставками МБК М1АСЯ-Ю и МАСЯ-В) «

^ li/i Баланс ответов на вопрос анкеты мониторинга предприятий: «Как Вы оцени- Результаты мониторинга

ваете влияние рисков хозяйственной деятельности?». предприятий Банком

Чем ниже значение показателя, тем меньше ответов «значительное влияние» России*

и больше ответов «слабое влияние»

^'cl'L'il Баланс ответов на вопрос анкеты мониторинга предприятий: «Источниками финансирования Ваших инвестиций являются кредиты банков?» Чем ниже значение показателя, тем больше ответов «Да» Там же

Var op Баланс ответов на вопрос анкеты мониторинга предприятий: «Как Вы оцени- «

ваете изменение объема производства?». Чем ниже значение показателя, тем меньше ответов «увеличился» и больше ответов «уменьшился»

Spr Баланс ответов на вопрос мониторинга предприятий: «Как изменился спрос на продукцию (услуги) отрасли?» Чем ниже значение показателя, тем меньше ответов «увеличился» и больше ответов «уменьшился» «

Ozh Баланс ответов на вопрос мониторинга предприятий: «Как изменится в следующие 3 месяца объем производства продукции?» Чем ниже значение показателя, тем меньше ответов «увеличится» и больше ответов «уменьшится» «

* Анкетирование охватывает более 15 000 предприятий по всей стране и во всех сферах хозяйственной деятельности.

Окончание табл. 7

Условное обозначение Описание переменной Источник данных

Os Оборотные средства организаций (всего) URL: http://www.fedstat.ru

Stoim,. biv Стоимость бивалютной корзины, рассчитанная по официальным курсам URL: http://www.cbr.ru

LIBOR Процентная ставка Лондонского межбанковского рынка Там же

Loan ,, all Задолженность по кредитам юридических лиц и индивидуальных предпринимателей по всем видам экономической деятельности «

Loan dpi val Задолженность по кредитам в иностранной валюте юридических лиц и индивидуальных предпринимателей по отрасли «Добыча полезных ископаемых» «

Loan, . „ dpi all Задолженность по кредитам юридических лиц и индивидуальных предпринимателей по виду экономической деятельности «Добыча полезных ископаемых» «

Loan „ op all Задолженность по кредитам юридических лиц и индивидуальных предпринимателей по отрасли «Обрабатывающие производства» «

Loan, ,, large all Задолженность по кредитам юридических лиц и индивидуальных предпринимателей по 30 крупнейшим банкам «

Loan ,, ,, small all Задолженность по кредитам юридических лиц и индивидуальных предпринимателей по всем банкам за исключением 30 крупнейших «

Os, . dpi Оборотные средства по отрасли «Добыча полезных ископаемых» URL: http://www. fedstat.ru

Os op Оборотные средства по отрасли «Обрабатывающие производства» Там же

Список литературы

1. Дробышевский С. М., Трунин П. В., Палий А. А., Кнобель А. Ю. Некоторые подходы к разработке системы индикаторов мониторинга финансовой стабильности / Научные труды № 103Р. М., 2006.

2. Егоров А. В., Меркурьев И. Л., Чекмарева И. Н. Индикаторы ставок межбанковского кредитного рынка и их использование в экономическом анализе // Деньги и кредит. 2012. № 8.

Вниманию руководителей и менеджеров высшего и среднего звена, экономистов, финансистов, преподавателей вузов и аспирантов!

Журнал «Финансы и кредит»

ISSN 2071-4688

Выпускается с 1995 года. Включен в перечень ВАК.

Включен в Российский индекс научного цитирования (РИНЦ).

Журнал реферируется ВИНИТИ РАН.

Формат A4, объем 80-100 с. Периодичность - 4раза в месяц.

ПОДПИСКА ПРОДОЛЖАЕТСЯ!

Индекс по каталогу «Почта России» Индекс по каталогу «Роспечать» Индекс по каталогу «Пресса России»

34131 71222 45029

За дополнительной информацией обращайтесь в отдел реализации Издательского дома «ФИНАНСЫ и КРЕДИТ» телефон/факс: (495) 721-85-75, E-mail:podpiska@fin-izdat.ru

Возможна подписка на электронную версию журнала, а также приобретение отдельных статей: Научная электронная библиотека: eLibrary.ru Электронная библиотека: dilib.ru

www.fin-izdat.ru