CC BY
47
УДК 330.46 ББК 65.262
О ПРЕДПОСЫЛКАХ И ПОДХОДАХ К УПРАВЛЕНИЮ ЛИКВИДНОСТЬЮ
КОММЕРЧЕСКОГО БАНКА ASSUMPTIONS AND APPROACHES OF COMMERCIAL BANK LIQUIDITY
MODELLING
А. В. Кореков
аспирант кафедры информационных систем и математических методов в
экономике
Пермский государственный национальный исследовательский университет
Электронный адрес: av.korekov@gmail.com
Аннотация: В данной статье рассматриваются предпосылки к формированию модели оптимального управления ликвидностью российского коммерческого банка на горизонте до года. В первой части дается определение понятие ликвидности, её влиянию на деятельность банка. Далее, формируются основные предпосылки к условиям, в которых находится рассматриваемый объект. Определяется понятие банка в условиях трансфертного ценообразования. В третьей части статья проводится анализ современных подходов к управлению ликвидностью банка. Приводится анализ достоинств и недостатков методов. Формулируются требования к методологии управления ликвидностью.
Ключевые слова: ликвидность банка, моделирование, трансфертное ценообразование.
Abstract: In this article we research on assumptions and approaches of a Russian commercial bank optimal liquidity management. In the first part we define what
liquidity is and how it affects commercial bank operations. In the next part we formulate main assumptions of a bank in a transfer pricing and its' environment. In the third part, the analysis of modern approaches of bank liquidity management is made. We conclude the article by making a comparison of liquidity management methodologies and formulating model requirements.
Keywords: bank liquidity, modelling, transfer pricing.
Вопрос о термине «ликвидность» достаточно подробно освещен во множестве работ (см. [8], [11], [17]). В отличие от ликвидности центральных банков, характеризующейся способностью предоставлять средства финансовой системе для сглаживания временного дисбаланса, вызванного перераспределением средств между финансовыми институтами, ликвидность коммерческого банка -это способность банка в полное мере и в срок исполнять свои обязательства, с минимальными затратами удовлетворять требования контрагентов по текущим расчетам, обеспечивать выполнение обязательств по кредитным договорам, и быть способным в достаточном объеме привлекать средства клиентов.
Задача управления ликвидностью возникает в связи с оптимизацией банками своих затрат на привлечение средств и управлением дефицитом ресурсов. Для любой современной финансовой структуры минимизация затрат - одна из приоритетных задач в условиях нестабильности экономической ситуации и снижения уровня ликвидности по банковскому сектору в целом [6]. Для банковской сферы данная оптимизация выливается в выдачу долгосрочных кредитов под высокие процентные ставки с последующим перекрытием дефицита ликвидности путем привлечения «коротких» денежных средств, или средств со сроком погашения менее срока кредита. Таким образом, мы получаем ситуацию, когда долгосрочный кредит фактически обеспечен только в краткосрочной перспективе, что может порождать краткосрочные разрывы ликвидности [16].
Выходом из сложившейся ситуации для банка являются заимствования на рынке межбанковского кредита (МБК). При этом привлечение средств на рынке МБК изменяет срочную структуру баланса банка, на которую наложены ограничения, называемые нормативами ликвидности.
Нормативы ликвидности - это установленные регулирующим органом ограничения риска, вызванного различием в срочности инструментов. Среди нормативов Банка России наиболее существенны для модели управления ликвидностью на горизонте до года включительно, следующие.
• Норматив мгновенной ликвидности банка (Н2). Регулирует (ограничивает) риск потери банком ликвидности в течение одного операционного дня
• Норматив текущей ликвидности банка (Н3) регулирует (ограничивает) риск потери банком ликвидности в течение ближайших к дате расчета норматива 30 календарных дней.
Помимо нормативов Банка России, стоит учесть и нормативы, предлагаемые Базельским комитетом (Базель III) [3], [15].
Показатель LCR - Liquidity Coverage Ratio - является аналогом показателя текущей ликвидности Н3 - ограничивает риск потери банком ликвидности в течение ближайших 30 календарных дней. LCR является сценарием стресс-тестирования, в основе которого лежит: отсрочка по кредитным выплатам со стороны контрагентов, частичный отзыв депозитов, значительные списания по расчетным счетам физических и юридических лиц, выборка открытых кредитных линий. Расчет производится по формуле:
(1) Совокупностьвысоколиквидныхактивов ^ 100
Предстояш,ийвтечение30днейчистыйденежныйотток
Применительно к российской действительности и рассматриваемой проблематике считаем целесообразным квалифицировать активы следующим
образом. Высоколиквидные активы: денежные средства в кассе и на корреспондентских счетах, депозиты в ЦБ РФ, государственные ценные бумаги и векселя первоклассных эмитентов. Активы второго класса: краткосрочные депозиты физических и юридических лиц, кредиты МБК и остатки на счетах Лоро, корпоративные ценные бумаги.
Второй показатель - NSFR, оценивает риск потери банком ликвидности на горизонте более одного года. Расчет производится по формуле:
(2) 105 > Стабильноефондирование ^ 95
Необходимыйобъемстабильногофондирования
Данные нормативы являются неотъемлемой части экономических ограничений, налагаемых на переменные задачи. Однако, эмпирически очевидно, что данные нормативы никак не учитывают ёмкость рынка МБК, которая ограничена. Для устранения этого недостатка будем полагать, что размеры моделируемого банка достаточно малы, что спрос со стороны рынка может быть удовлетворен полностью как при привлечении ресурсов, так и при размещении.
Кроме того, в целях упрощения моделирования и формализации процентной политики и ставок, сложившихся на рынке межбанковского кредитования, мы будем полагать, что моделируемый банк действует в условиях трансфертного ценообразования. Основной интересующий нас в данной схеме момент - это возможность проведения операций перераспределения ресурсов внутри банка по некоторым трансфертным ставкам. Согласно определению из статьи [10]: Трансфертное ценообразование — это система установления цен, используемых при расчетах между самостоятельными подразделениями внутри корпорации. В нашем случае можем несколько откорректировать данную терминологию. Под трансфертным ценообразованием мы будем понимать систему взаиморасчетов между филиальной сетью банка с едиными трансфертными процентными
ставками и с отсутствием ограничений на объем привлекаемых и размещаемых ресурсов в данной системе.
Использование подхода, когда банк действует в условиях трансфертного ценообразования позволяет решить несколько существенных проблем при моделировании денежных потоков и управления ликвидностью.
Во-первых, наличие возможности проведения сделок привлечения и размещения ресурсов в достаточном для выполнения нормативов ликвидности объеме исключает фактор отсутствия средств на рынке, вследствие чего у банка всегда есть возможность выполнить требования регулятора, но с большими затратами.
Во-вторых, нивелируется наличие «человеческого фактора» при заключении сделки межбанковского кредитования, что позволяет принять зависимость величины ставки только от срока операции.
В-третьих, это позволяет наложить формальный запрет на досрочные истребования по сделкам, что упростит построение модели затрат банка, которые могут быть представлены в совокупности двух факторов.
К первому фактору формирования затрат следует отнести расходы на регулирование внутридневной ликвидности - необходимо обеспечить остаток на внешнем счете в объеме большем, либо равному, овердрафтному лимиту по банку (по каждому из счетов Ностро), в противном случае для перекрытия дефицита по операциям за день необходимо будет пользоваться кредитом «овернайт» банка-корреспондента.
Второй фактор формирование затрат в рамках рассматриваемой модели -затраты на регулирование нормативов ликвидности, в особенности - нормативов Н3 и NSFR. Как было указано выше, данные нормативы ограничивают риск потери ликвидности банком в течение следующих 30 и 365 (366) дней соответственно. Методом регулирования данных нормативов служит либо
привлечение средств на рынке МБК на срок, превышающий 30 / 365 дней соответственно, либо привлечение средств внутри системы на указанные сроки.
Таким образуем, сформируем исходные предпосылки к постановке задачи прогнозирования и оптимального управления ликвидностью: банк действует в условиях трансфертного ценообразования, являющимся отображением рынка МБК, с определенным уровнем процентных ставок, отличающимся от рыночных на малую величину. Масштабы банка в достаточной мере невелики относительно рынка, и его операции не оказывают существенного влияния на уровень ставок. Досрочные истребования по сделкам отсутствуют. Задача лица, принимающего решение (ЛПР) - минимизировать расходы на регулирование дефицита ликвидности (максимизировать доходы от профицита) с условием обязательно исполнения нормативов Банка России Н2, Н3, рекомендаций Базельского комитета LCR и NSFR.
Среди современных подходов к прогнозированию и управлению ликвидностью стоит отметить работы Шальнова П. С. [12], [13], Морозова А. Ю. [4], [5], а так же разработку центральных банков Индии [17]. Кратко рассмотрим основные результаты указанных исследований.
В работе Шальнова П. С. касательно создания механизма управления ликвидностью коммерческого банка [13] освещен следующий подход к моделированию ликвидности банка. Предполагается, что горизонт прогнозирования потоков платежей банка составляет один год, ввиду оптимальности данного срока как с точки зрения построения бизнес-плана банка, так и с точки зрения статистической оценки параметров потоков. Поток платежей при этом полагается дискретным и предлагается провести его классификацию на «клиентские платежи» - наиболее волатильная и плохо прогнозируемая часть потока и «собственные платежи» банка. В основе классификации лежит предпосылка о том, что указанные потоки необходимо прогнозировать разными инструментами. В первом случае автор предлагает использовать
эконометрические методы, во втором - методы GAP-анализа и платежного календаря.
В качестве основы прогнозирования «клиентских платежей» в работе используется ARMA и ARIMA модели, а метод аппроксимации оценок - метод наименьших квадратов. В подходе к прогнозированию указано, что можно строить прогноз как для ежедневных данных, так и для месячных (квартальных) и более крупных агрегатов.
Тем не менее, при освещении практического применения модели проведена оценка коэффициентов модели только на месячных данных, в связи с закрытостью ежедневных балансов банков, и построены прогнозы для указанных выше разбиений потоков. Полученные результаты, с одной стороны, позволяют провести оценку изменения баланса, его структуры и динамики показателей во времени, с другой стороны, дают слишком мало информации для управления ликвидностью, а именно не учитывают динамику выдачи и погашения кредитов, полагая её статичной величиной, не рассматривают возможное запаздывание списания средств при выдаче кредитов.
Более того, указанные в работе [12] данные не позволяют ЛПР сформировать и разрешить задачу оптимального управления ликвидностью с учетом динамики потоков платежей в течение месяца. Так же не учтены влияния движения наличных средств, резервов, перераспределения ресурсов в разные валюты с соответствующим отражением в балансе. Данная работа дает общую картину по динамике показателей нормативов ликвидности, но не учитывает частные взаимосвязи внутри баланса, которые должны быть учтены при построении модели ликвидности.
В работе Морозова А. Ю. [4] предлагается применить оптимизационный подход к управлению банком на долгосрочном горизонте с построением оптимальной траектории управления укрупненными балансовыми статьями банка. Автор обращает внимание, что укрупненные статьи бывают условно-
управляемыми, такие как кредиты и депозиты и управляемыми, такими как средства на корреспондентских счетах (счетах Ностро).
Предполагается сначала разрешить оптимизационную задачу сначала на уровне условно-управляемых величин активов X и пассивов Y c учетом их стоимости V, U и переоценки курсов d:
T.jejXi,j * vi,i * di * Ui,k * ¿i ^ max.
V.
blEl
Для указанной оптимизационной функции задаются ограничения на объем рынка привлеченных и размещенных средств, балансовое ограничение и ограничения ликвидности, и открытую валютную позицию банка. При этом взаимосвязь ограничений ликвидности и условно-управляемых величин не раскрывается. На втором уровне автор рассматривает конкретизированные величины модели первого уровня.
На этом уровне решение предыдущей модели выступает в качестве экзогенных переменных. Кроме того, автор формирует ограничения модели в развернутом виде - в том числе ограничения на норматив текущей ликвидности Н3 и на ОВП.
Ценным наблюдением модели является то, что учтено различие формирований функций дохода первого и последнего периодов. Автор так же обозначает влияние изменение портфеля привлечения ценных бумаг (с точки зрения ограничений ликвидности - полный аналог привлечения МБК) на нормативы ликвидности.
В качестве информационной основы выступают Excel как агрегатор данных моделей и расчетный механизм модели первого уровня, и Maple как средство расчета модели второго уровня. На наш взгляд, данная работа является хорошим приближением к построению задачи оптимального управления ликвидностью.
Альтернативный подход к моделированию ликвидности представлен в статье [14]. Несмотря на то, что указанные наработки более сосредоточены на ликвидности Центробанков, крайне важно, что сформирована модель, учитывающая взаимосвязи переменных и их влияние на состояние ликвидности банка и рассмотрен вопрос о краткосрочном размещении ресурсов. Определено, что функция оптимизации в краткосрочном периоде зависит не только от рыночной ставки, но и от операций по сделкам привлечения клиентских средств.
Среди наиболее ценных, с точки зрения описываемого подхода, определены следующие взаимосвязи. Зависимость платежей по системе ЦБ (авансы и овердрафты - WMA) от чистой позиции по ликвидности предыдущего дня NETLIQ2t_! и совокупных платежей за 14 суток с лагом в 11 периодов CWMAt_11:
(4) WMA = f[LOANTOT, COUPON, NETLIQ2t_1,CWMAt_11}.
А так же зависимость процентной ставки WTCALL от совокупных резервов EXRRt_1, ставки за предыдущий период WTCAHt_1 и средней ставки DCALLSBIt_1 :
(5) WTCALL = f[CEXRRt_llWTCALLt_llDCALLSBlt_l}.
В целом указанная модель позволяет определить тенденции в изменении состояния внешних счетов банков, но не ставит своей целью оптимизацию по затратам банка на управлении ликвидностью.
Исходя из рассмотренных выше предпосылок и подходов, мы считаем целесообразным выдвинуть следующие требования к построению методологии управления ликвидностью российского коммерческого банка.
Созданная методология должна позволять ЛПР принимать решение, оптимальное с точки зрения затрат на управление ликвидностью. Данное решение
должно быть оптимальным как с позиции обеспечения выполнения требований контрагентов, так и с позиции выполнения нормативов ликвидности. Необходимо учесть влияние долгосрочного привлечения средств на краткосрочные издержки банка и влияние на нормативы ликвидности.
Предлагается для краткосрочного моделирования использовать подход, схожий с подходом Шальнова П.С., но с декомпозицией «клиентских платежей» на платежи Лоро-респондентов, платежи «крупнейших» клиентов (общая сумма по активным и пассивным счетам превышает некоторое пороговое значение) и оставшуюся часть платежей. В рамках долгосрочного прогнозирования предлагается использовать стандартные подходы, основанные на прогнозировании статей баланса. Для устранения расхождения между прогнозами краткосрочного и долгосрочного периодов необходимо добавить соответствующее ограничение в задачу.
При оценке и моделировании изменения нормативов банковской ликвидности необходимо учесть влияние не только безналичных, но и наличных потоков платежей, изменение совокупной позиции по рынку МБК, учесть влияние изменения резервов и запаздывания при списании средств при выдаче кредитов.
Полученные таким образом оценки должны использоваться в оптимизационной задаче как параметры, а управляющее воздействие ЛПР - это решение на какой срок и в каком объеме перераспределять ресурсы. Помимо этого, целесообразно рассмотреть возможность привлечения средств у клиентов с премией к рынку для устранения временного прогнозного невыполнения нормативов ликвидности.
Основные требования, выдвигаемые к информационной архитектуре: возможность разделения потоков платежей в основной информационной системе банка, возможность получать оперативную информацию о счетах Ностро в оперативном режиме, возможность агрегации и прогнозирования во внешней информационно-аналитической системе.
Полученная таким образом модель позволит банку минимизировать свои затраты на управление ликвидностью.
ЛИТЕРАТУРА
1. Вестник Банка России, №11 (735) от 11 февраля 2004 года, С. 33.
2. Каштанов А. В. Фондирование как метод внутреннего (трансфертного) ценообразования в банковской деятельности // Экономические науки ВШЭ, № 5 (78) - 2011. С. 315-319.
3. Малыхина С. Новые стандарты Базель III - перспективы внедрения // Банковский вестник (Республика Беларусь), №25 (534) - С. 9 - 14.
4. Морозов А.Ю. Двухшаговый подход к решению проблемы построения адекватной модели математического программирования для решения задачи оптимального управления финансовым портфелем коммерческого банках // Финансы и кредит. 2009. 38 (374). С. 48-58.
5. Морозов А.Ю. Построение двухэтапной модели математического программирования для решения задачи оптимального управления финансовым портфелем коммерческого // Вестник Тамбовского ун-та. Сер. Естественные и технические науки. 2006. Т. 11, вып. 3. С. 270-274.
6. Обзор банковского сектора Российской Федерации // ЦБ РФ, обзор № 112 -февраль 2012.
7. Регламент Банка России № 110-И "Об обязательных нормативах банков".
8. Савцова А. В. О понятии «ликвидность» // Вестник СевКавГТУ. Серия «Экономика». 2003, вып. 3 (11). С 26 - 33.
9. Селезнева В. Ю. Механизм трансфертного ценообразования в многофилиальном коммерческом банке // Экономический журнал ВШЭ, № 1 - 2001. С. 68-70.
10.Семенюта О. Г., Шевцова О. В. Трансфертное ценообразование как элемент оперативного управления процентной политикой многофилиального банка // Финансовые исследования № 6 - 2003. С. 29 - 34.
11.Соколов В. Н. Влияние ликвидности, предоставленной Центральным банком, на банки с высоким уровнем иностранных заимствований во время кризиса // Журнал Новой экономической ассоциации, №13, С. 52.
12.Шальнов П.С. Механизм управления ликвидностью коммерческого банка: Автореферат дис. ... кандидата экономических наук: 08.00.10. М.: НИУ ВШЭ, 2006. 150 с.
13.Шальнов П.С. Технология управления ликвидностью в российском коммерческом банке // Финансовый бизнес, 2006 (5). C. 55 - 62.
14.Balwant S., Himanshu J., Shri S.C. и др. A Short Term Liquidity Forecasting Model for India // Reserve Bank of India, 2002.
15.Basel III: A global regulatory framework for more resilient banks and banking system // Basel Committee on Banking Supervision, December 2010
16.Jianbo Tian A Model of Bank Liquidity // SUNY at Albany - Department of Economics, 2010.
17.Michael J. Fleming Measuring Treasury Market Liquidity, Federal Reserve Bank of New York, С. 83 Доступ:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.139.6958&rep=rep1&t ype=pdf
REFERENCES
1. Vestnik Banka Rossii [Bank of Russia Bulletin], №11 (735) 11 February 2004, P. 33.
2. Kashtanov A. V. Fondirovanie kak metod vnutrennego (transfertnogo) cenoobrazovanija v bankovskoj dejatel'nosti [Funding as a Method of Internal Pricing in Banking] // HSE Economic Journal, № 5 (78) - 2011. P. 315-319.
3. Malyhina S. Novye standarty Bazel' III - perspektivy vnedrenija [Basel III New Standards - Aspects of Implementation] // Banks' Herald (Belarus Republic). 2011. №25 (534). P. 9 - 14.
4. Morozov A.Ju. Dvuhshagovyj podhod k resheniju problemy postroenija adekvatnoj modeli matematicheskogo programmirovanija dlja reshenija zadachi optimal'nogo upravlenija finansovym portfelem kommercheskogo bankah [Two-stage approach on a solution of a problem of an adequate mathematical model of commercial bank optimal financial portfolio management] // Finance and Credit. 2009. №38 (374). P. 48-58.
5. Morozov A.Ju. Postroenie dvuhjetapnoj modeli matematicheskogo programmirovanija dlja reshenija zadachi optimal'nogo upravlenija finansovym portfelem kommercheskogo banka [Composition of Two-Stage Mathematical Programming Model for Optimal Control of Commercial Bank Financial Portfolio Task Solution] // Tambov University Herald. Series: Natural and technical sciences. 2006. T. 11, № 3. P. 270-274.
6. Obzor bankovskogo sektora Rossijskoj Federacii [Russia Banking Sector Overview] // Financial Stability Review, № 112 - February 2012.
7. Reglament Banka Rossii № 110-I "Ob objazatel'nyh normativah bankov". [Bank of Russia Instruction N110-I 'On Banks' Required Ratios']
8. Savcova A.V. O ponjatii «likvidnost'» [About 'Liquidity' Term] // NCFU Herald. Series: Economics. № 3 (11) - 2003. P. 26 - 33.
9. Selezneva V. Ju. Mehanizm transfertnogo cenoobrazovanija v mnogofilial'nom kommercheskom banke [Mechanism of Transfer Pricing in Multidivisional Commercial Bank]// HSE Economic Journal, № 1 - 2001. P. 68-70.
10.Semenjuta O. G., Shevcova O. V. Transfertnoe cenoobrazovanie kak jelement operativnogo upravlenija procentnoj politikoj mnogofilial'nogo banka [Transfer Pricing as an Element of Operational Percent Policy Management in a Multidivisional Commercial Bank] // Finansovye issledovania № 6 - 2003. P. 29 - 34.
ll.Sokolov V. N. Vlijanie likvidnosti, predostavlennoj Central'nym bankom, na banki s vysokim urovnem inostrannyh zaimstvovanij vo vremja krizisa [The Impact of Central Bank Liquidity Infusions on Banks with High Level of Foreign Borrowing during the Crisis] // The Journal of the New Economic Association, №13 - 2012, P. 52.
12.Shal'nov P.S. Mehanizm upravlenija likvidnost'ju kommercheskogo banka [Mechanism of Commercial Bank Liquidity Management]: Dissertation, PhD in Economics: 08.00.10. M.: HSE, 2006. 150 p.
13.Shal'nov P.S. Tehnologija upravlenija likvidnost'ju v rossijskom kommercheskom banke [Technology of Russian Commercial Bank Liquidity Management] // Finansovyj Biznes, 2006 (5). C. 55 - 62.
14.Balwant S., Himanshu J., Shri S.C. и др. A Short Term Liquidity Forecasting Model for India // Reserve Bank of India, 2002.
15.Basel III: A global regulatory framework for more resilient banks and banking system // Basel Committee on Banking Supervision, December 2010
16.Jianbo Tian A Model of Bank Liquidity // SUNY at Albany - Department of Economics, 2010.
17.Michael J. Fleming Measuring Treasury Market Liquidity, Federal Reserve Bank of New York, С. 83 Доступ:
http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.139.6958&rep=rep1&t
ype=pdf
