CC BY
71
1 2 3 4
Данчу А.Р. и др. (Danciu et а1., 2012), Румыния Индекс конкурен- тоспособ- ности региона Индекс состоит из 18 показателей, сгруппированных в 5 индексов: • экономический; • социальный; • технологический; • инфраструктурный; • агломерационный Индекс конкурентоспособности получен путем взвешивания экспертным путем 5 индексов, которые были получены также путем взвешивания совокупности показателей по 5 направлениям
Перес-Дакаль Д. и др. (Përez-Dacal et а1., 2014), Испания Индекс туристической специализации регионов Индикаторы сгруппированы по четырем разделам: • сторона спроса внутренних туристов; • сторона спроса международных туристов; • сторона предложения; • удобства. Все индикаторы состоят из ряда показателей Используется анализ главных компонентов. Оценка для каждой области рассчитывается как среднее арифметическое оценок компонентов, взвешенных по доле дисперсии, объясненной каждым компонентом. Синтез в итоговый показатель получается с помощью среднего арифметического
Велич-кина А.В. (Велички-на, 2014), Россия Индекс туристической инфраструктуры Индикаторы: • транспорт; • информационно-коммуникационная инфраструктура; • коммунальная инфраструктура; • объекты экологической очистки; • туроператоры и турагенты; • средства размещения; • предприятия отдыха и развлечений; • предприятия общественного питания; • торговля; • безопасность. Каждый индикатор характеризуется совокупностью показателей Показатели всей совокупности данных нормализуются путем соотнесения фактических значений с наилучшими в выборке. Каждый индикатор рассчитывается путем среднего арифметического входящих в него показателей. Итоговый индекс представляет собой среднее арифметическое 10 индикаторов
Пороши-на О.В. (Пороши-на, 2016), Россия Показатель экономической эффективности функ-циони-рования сферы туризма Количество организованных туристов на единицу вместимости всех мест размещения, включая специальные. Коэффициент использования номерного фонда. Инвестиции в основной капитал для развития коллективных средств размещения. Доля отрасли туризма в ВРП региона. Количество туристов на 1000 чел. населения. Число мест в объектах общественного питания на 1000 чел. населения. Оборот общественного питания на душу населения региона Итоговый показатель определяется путем взвешивания каждого отдельного показателя на вес. Веса показателей находятся как соотношение суммы коэффициентов парной корреляции каждого показателя с остальными с общей суммой коэффициентов по всей матрице коэффициентов парной корреляции. Значения каждого показателя полученной совокупности нормируются в виде деления разности фактического значения и минимального на разность максимального значения и фактического
1 2 3 4
Котельников Д.А. (Котельников, 2017), Россия Индекс устойчивого развития туризма Индикаторы: • экономические; • социальные; • экологические; • культурные; • туристической инфраструктуры. Каждый индикатор формируется рядом показателей Методика расчета предполагает нормирование показателей путем соотнесения показателей с наилучшими в выборке. Индикаторы по блокам находятся как среднее арифметическое полученных величин. Итоговый индекс рассчитывается с помощью среднего арифметического значения индикаторов и лежит в интервале от 0 до 100
Курт Ко-накоглу С. и др. (Kurt et al., 2019), Турция Показатель устойчивого развития туризма Показатели агрегированы по группам: • политическая реализация концепций устойчивого развития; • экологические показатели; • социальные и культурные показатели эффективности; • экономические показатели Сбор данных для оценки проводится в трех формах: интервью с представителями местной власти, данные из местного центрального статистического управления, собственные наблюдения. Анализ проводится на основе сравнения показателей двух стран путем сопоставления их значений
Настоящее исследование предлагает построение рейтингов тремя способами на основе базы данных, состоящей из индикаторов по нескольким направлениям: экономическому, социальному, транспортному, деятельности коллективных средств размещения и туристических фирм. Аналогичные показатели были составляющими индексов развития туризма в работах зарубежных и отечественных исследователей. Экономический и социальный показатели учитывались в работах (Azizi et al., 2011; Котельников, 2017; Kurt et al., 2019). Экономический показатель также рассчитывается при определении сводного показателя привлекательности рынка туристических услуг региона (Валиев, 2008). Оборот общественного питания, входящий в состав социального показателя, показатели деятельности коллективных средств размещения и показатель деятельности туристических фирм использовались в работах (Величкина, 2014; Порошина, 2016). В исследовании (Ве-личкина, 2014) также представлен отдельный индикатор - транспорт.
Один из трех методов построения рейтинга развития туризма в нашем исследовании основан на методологии, представленной в работе (Danciu et al., 2012). Выбор в пользу данного метода сделан по причине очевидных преимуществ: он учитывают максимальное число ранее указанных в других исследованиях групп показателей, структурируют показатели в соответствии со значимостью для целей исследования. Кроме этого, подход характеризуется относительной простотой вычислений, что актуально для большого объема данных. В то же время у метода имеются и недостатки, основным
из них является основание расчета на экспертном мнении, что вносит долю субъективизма в получаемые результаты. В целях частичного устранения указанного недостатка сводный (итоговый) рейтинг составляется на основе еще двух видов рейтингов, в основе одного лежит DEA-анализ, в основе другого - нормализация показателей (подробнее о методах написано в разделе «Методология исследования»).
ДАННЫЕ
В настоящем исследовании с целью построения трех различных рейтингов была собрана единая база данных, состоящая из совокупности индикаторов по 5 направлениям, каждый из которых состоит из ряда показателей (табл. 2). Исходной базой данных является информация Росстата по каждому региону Российской Федерации за 2013-2017 гг.
Таблица 2
Индикаторы, входящие в состав индексов развития туризма
Table 2
Indicators compiling tourism growth indices
Индикатор Показатели в составе индикатора
Экономический показатель (ЭП) Э1 - ВВП на душу населения
Э2 - индекс физического объема ВРП на душу населения
Э3 - индекс производительности труда
Э4 - удельный вес инвестиций в основной капитал в ВРП
Социальный показатель (СП) С1 - доля площади жилищного фонда, обеспеченного всеми видами благоустройства
С2 - численность врачей всех специальностей в организациях, оказывающих медицинские услуги
С3 - индекс физического объема оборота общественного питания
Показатель транспортной инфраструктуры (ТИ) Т1 - протяженность автомобильных дорог общего пользования
Т2 - доля автомобильных дорог общего пользования, отвечающих нормативным требованиям регионального или межмуниципального значения
Т3 - пассажирооборот автобусов
Показатель деятельности коллективных средств размещения (КСР) КС1 - площадь номерного фонда средств размещения
КС2 - среднесписочная численность работников
КС3 - численность размещенных лиц в коллективных средствах
КС4 - число ночевок в коллективных средствах размещения
Показатель деятельности туристических фирм(ТФ) ТФ1 - объем платных туристических услуг, оказанных населению
ТФ2 - число турпакетов, реализованных населению
ТФ3 - число турфирм
Источник: составлено автором на основе данных Росстата.
В работе исследуется уровень развития туризма в регионах РФ через их группировку по 13 туристическим зонам. Туристические зоны федерального значения указаны в соответствии с методикой, принятой Госкомстатом РФ1 и обновлены авторами с учетом включения в состав Российской Федерации Республики Крым.
МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ
В ряде исследований оценивается конкурентоспособность туристической отрасли за счет составных показателей. Общей целью большинства этих показателей является ранжирование стран или регионов по некоторым агрегированным измерениям (Martin et al., 2017).
Широкое распространение приобрел метод DEA-анализа с целью оценки эффективности туристической индустрии. Этот непараметрический подход был использован в работе (Cracolici et al., 2008) для оценки конкурентоспособности туризма путем анализа эффективности назначения 103 итальянских регионов. Региональную эффективность туризма и его детерминанты исследованы с помощью двухэтапного подхода DEA-анализа в работе (Chaabouni, 2019). Эффективность бизнеса гостинично-туристиче-ских предприятий на основе влияния инновационных факторов с применением модели DEA рассмотрена в исследовании (Qi, Ma, 2011). С помощью модели DEA были оценены экономические показатели 16 крупных городов Японии (Suzuki, Nijkamp, 2018).
В целях построения первого рейтинга авторы настоящего исследования также используют DEA-анализ.
В методиках расчета большинства индексов, рассмотренных ранее, используется нормализация показателей, однако каждый исследователь по-разному подходит к этому процессу. Различия заключаются и в способах расчета, и в интервале значений, которые принимают показатели. Также показатели приводятся к соразмерному виду путем оценки значений в баллах.
Настоящее исследование состоит из нескольких этапов:
1. Построение рейтинга по туристическим зонам на основе индекса эффективности (DEA-анализ) за 2013-2017 гг.
2. Построение рейтинга по туристическим зонам на основе индекса конкурентоспособности туризма региона за 2013-2017 гг.
3. Построение рейтинга по туристическим зонам на основе индекса развития туризма за 2013-2017 гг.
4. Построение сводного рейтинга по туристическим зонам за 2016 и 2017 гг.
1 Туристические зоны федерального значения в России // Туризм в России: стат. сб. / Госкомстат России. М., 2000, с. 126.
ПЭ Е.А. Федорова, Л.И. Черникова, А.Э. Пастухова
№ 1 2020
5. Построение рейтинга регионов, входящих в состав туристической зоны-лидера.
6. Сопоставление полученных результатов.
В данном исследовании рейтинг рассматривается как совокупность показателей, отнесенных к одной туристической зоне, за несколько рассматриваемых лет, отображающих величину уровня развития туризма. Для всех построенных в исследовании рейтингов актуально то, что наибольшая величина показателя характеризует наилучшее развитие туризма в соответствующей туристической зоне или регионе.
Позицию туристической отрасли или региона в рейтингах характеризуют принятые в соответствии с методологией индексы. Под индексами в данном случае следует понимать относительные величины, полученные на основе совокупности данных по регионам Российской Федерации и рассчитанные тремя различными способами, описанными далее.
На первом этапе построение рейтинга осуществлено по итогам оценки индекса эффективности (DEA-анализа) за 2013-2017 гг. В работе использовалась модель BCC(VRS) output. Входные показатели модели: среднесписочная численность работников в коллективных средствах размещения, численность размещенных лиц в коллективных средствах размещения, число ночевок в коллективных средствах размещения, число турфирм. Выходные показатели: объем платных туристических услуг, оказанных населению; число турпакетов, реализованных населению.
Вторым этапом исследования было построение рейтинга на основе индекса конкурентоспособности туризма региона, который был составлен аналогично индексу конкурентоспособности региона по методологии исследования (Danciu et al., 2012). В указанном исследовании была разработана модель оценки региональной конкурентоспособности с конечной целью выявления потенциала каждого региона и повышения региональных показателей по привлечению иностранных инвестиций.
Предлагаемая в работе (Danciu et al., 2012) модель составлена из показателей, основанных на статистических данных, предполагающих полное представление о потенциале региона в привлечении прямых иностранных инвестиций, где были выбраны 18 показателей и сгруппированы с использованием взвешивания в 5 индексов: экономический, социальный, технологический, инфраструктурный и агломерационный. Эти индексы были агрегированы в индекс региональной конкурентоспособности по формуле 1:
40xEI+20xSI+20xTI+10xII+10xAI пч Индекс конкурентоспособности региона = --, (1)
где EI - экономический показатель; SI - социальный показатель; TI - тех-
нологический показатель; II - показатель инфраструктуры; AI - показатель агломерации.
Все веса были выбраны исследователями экспертным путем. Описанная методология предполагает оценку регионов в рамках привлечения инвестиций, в нашем исследовании рассматривается конкурентоспособность регионов в рамках туристической отрасли. По этой причине ряд показателей был заменен на актуальные для целей нашего исследования.
По описанной методологии расчет индекса конкурентоспособности туризма в регионе производился с помощью средневзвешенного значения индикаторов: экономического, социального, транспортной инфраструктуры, деятельности коллективных средств размещения, деятельности туристических фирм. Перечисленные индикаторы представляют собой средневзвешенные значения показателей, выбранных из каждой области, в процентах. Каждое значение показателей было получено при делении статистических данных на их средние показатели по стране, после чего полученные значения агрегировали в результате их взвешивания с весами (табл. 3).
Весовые доли индикаторов и показателей в составе индекса конкурентоспособности туризма в регионе
Weighted indicators and components compiled into regional tourism competitiveness index
Таблица 3
Table 3
Показатель Вес Показатель Вес
ЭП 20 КСР 25
Э1 20 КС1 30
Э2 20 КС2 15
Э3 30 КС3 35
Э4 30 КС4 20
СП 15 ТФ 25
С1 30 ТФ1 50
С2 35 ТФ2 35
С3 35 ТФ3 15
ТИ 15
Т1 40
Т2 35
Т3 25
Источник: рассчитано автором.
Оценка индекса производится поэтапным расчетом показателей по формулам 2-7.
20хЭ1+20хЭ2+30хЭ3+30хЭ4
ЭП =
(2)
111
ПЭ1
№ I 2020
„„_ 30хС1+35хС2+35хС3 (3)
СП = 100 ' ^
ТИ = 40хТ1+35хТ2+25хТ3 (4)
Ш - 100 ' ^
_ 30хКС1+15хКС2+35хКС3+20хКС4
КСР - 100 ' (5)
50хТФ1+35хТФ2+15хТФ3
ТФ --т-, (6)
ИнДекс конкурентоспособности 20хЭП+15хСП+15хТИ+25хКСР+25хТФ туризма региона - -^-
(7)
Величина весов формировалась в зависимости от значимости признака для цели построения индекса туристической конкурентоспособности, их сумма равняется 100. При вычислении итогового индекса наибольший и равный вес был выбран для показателей деятельности коллективных средств размещения и деятельности туристических фирм и составил 25 для каждого. Одинаково были оценены показатели социальной и транспортной инфраструктуры (15). Экономический показатель имел вес 20. Приоритетность показателей необходима, так как непосредственными ориентирами при оценке конкурентоспособности туризма является развитие туристической индустрии в первую очередь, а во вторую - смежных направлений, таких как транспорт и социальная инфраструктура. Однако не менее важным является и экономическое развитие региона, которое предопределяет дальнейшие возможности развития ранее названных направлений.
Индекс развития туризма на основе нормализации лег в основу следующего рейтинга туристических зон. Проведена нормализация каждого отдельного показателя путем деления разности показателя и соответствующего среднего значения по всем годам на среднее квадратическое отклонение. Значения каждого показателя после нормализации находились в диапазоне от -2 до 2, далее они были агрегированы путем суммирования по 5 индикаторам, перечисленным ранее. Итоговый индекс образуется вычислением среднего арифметического по всем индикаторам и регионам соответствующей туристической зоны. В наших расчетах используется как нормализация показателей для одного рейтинга, так и взвешивание значений экспертным методом с целью создания другого. Это обусловлено тем, что оба способа могут использоваться на практике, и применение их на одной базе данных позволит сравнить полученные результаты и восполнить недостатки расчетов.
Итоговым является сводный рейтинг за 2016 и 2017 гг. Полученным результатам в каждом из рейтингов присваиваются баллы таким образом: за исследуемый год туристические зоны ранжируются в порядке возрастания
индекса и им присваиваются баллы от 1 до 13. Туристическая зона, характеризующаяся наивысшим индексом, имеет 13 баллов. Баллы по каждому рейтингу суммируются для соответствующих туристических зон. Сводный рейтинг показывает совокупный результат по трем различным подходам, лидерами рейтинга являются зоны, оцененные в большее число баллов.
ПОЛУЧЕННЫЕ РЕЗУЛЬТАТЫ
В результате построения рейтинга с помощью расчета индекса эффективности (DEA) были получены следующие значения по каждой туристической зоне (табл. 4).
Таблица 4
Рейтинг туристических зон на основе индекса эффективности
Table 4
Rating of tourist zones based on efficiency index
№ Туристическая зона 2013 2014 2015 2016 2017
1 Западная 0,25 0,24 0,23 0,30 0,37
2 Северо-Западная 0,23 0,28 0,23 0,27 0,31
3 Центральная 0,26 0,27 0,28 0,34 0,35
4 Южно-Русская 0,30 0,33 0,36 0,34 0,35
5 Поволжская 0,33 0,34 0,32 0,38 0,39
6 Уральская 0,48 0,51 0,48 0,61 0,62
7 Приазовско-Черноморская 0,14 0,24 0,32 0,50 0,36
8 Кавказская 0,26 0,46 0,54 0,51 0,48
9 Обско-Алтайская 0,42 0,42 0,39 0,43 0,42
10 Енисейская 0,13 0,26 0,24 0,24 0,41
11 Байкальская 0,27 0,59 0,31 0,32 0,39
12 Дальневосточная 0,70 0,77 0,77 0,70 0,72
13 Российский Север 0,34 0,49 0,46 0,51 0,58
Среднее 0,32 0,40 0,38 0,42 0,44
Источник: рассчитано автором.
Из таблицы 4 видно, что за период 5 лет уровень развития туризма в стране возрос. Заметный рост наблюдается в 2014 г., который полон событий, стимулирующих рост внутреннего туризма, связанных с изменениями в экономике страны за счет введения другими государствами санкций, а также значимым событием стало присоединение Крыма, что позволило привлечь новые потоки туристов. Таким образом, в 2014 г. позиции в рейтинге наиболее сильно укрепили зоны: Байкальская (+0,32), Кавказская (+0,20), Российский Север (+0,15), Енисейская (+0,13), Приазовско-Черноморская (+0,10). В последующие годы динамика роста уровня туризма практически
ПЭ Е.А. Федорова, Л.И. Черникова, А.Э. Пастухова
№ 1 2020
во всех зонах была нестабильной, но критических падений не наблюдается. Устойчивый рост показателей заметен в Центральной зоне, в Приазовско-Черноморской, за исключением 2017 г. Снижение уровня развития туризма в Приазовско-Черноморской зоне в 2017 г. может быть связано с тем, что наблюдается плавное снижение туристических потоков, вызванное проведением зимних Олимпийских игр 2014 г в Сочи.
Следующим был построен рейтинг на основе индекса конкурентоспособности туризма в регионе (табл. 5).
Таблица 5
Рейтинг туристических зон на основе индекса конкурентоспособности туризма в регионе
Table 5
Rating of tourist zones based on regional tourism competitiveness index
№ Туристическая зона 2013 2014 2015 2016 2017
1 Западная 0,79 0,82 0,79 0,60 0,80
2 Северо-Западная 1,02 0,99 0,96 0,90 1,02
3 Центральная 1,56 1,49 1,57 1,31 1,61
4 Южно-Русская 0,66 0,67 0,67 1,01 0,64
5 Поволжская 0,93 0,93 0,91 1,08 0,90
6 Уральская 1,60 1,60 1,56 0,69 1,56
7 Приазовско-Черноморская 1,84 2,43 2,73 0,97 2,74
8 Кавказская 0,67 0,67 0,64 1,49 0,64
9 Обско-Алтайская 0,93 0,90 0,87 0,91 0,87
10 Енисейская 0,79 0,77 0,72 1,08 0,68
11 Байкальская 0,83 0,78 0,76 0,87 0,79
12 Дальневосточная 1,21 1,14 1,01 0,46 1,02
13 Российский Север 0,70 0,70 0,69 0,67 0,68
Среднее 1,04 1,07 1,07 0,93 1,07
Источник: рассчитано автором.
Полученные значения индекса конкурентоспособности туризма в туристических зонах практически стабильны на протяжении исследуемых 5 лет. Стабильность показателей на протяжении ряда лет говорит о том, что соотношение развития зон к средним значениям по стране не имеет значительных изменений. Лидерами в рейтинге являются Приазовско-Черноморская зона, Центральная и Уральская туристические зоны. По данным таблицы видно, что значительные изменения индекса в 2014 г. произошли только в Приазовско-Черноморской зоне. Данный факт - еще один наглядный показатель влияния проведения зимних Олимпийских игр и присоединения Республики Крым.
Последним был рассчитан индекс развития туризма (табл. 6).
Таблица 6
Рейтинг туристических зон на основе индекса развития туризма
Table 6
Rating of tourist zones based on tourism growth index
№ Туристическая зона 2013 2014 2015 2016 2017
1 Западная -1,77 -0,30 -1,34 1,59 1,82
2 Северо-Западная -1,52 -1,19 -0,41 0,86 2,11
3 Центральная -0,93 -0,77 -1,18 0,63 2,26
4 Южно-Русская -1,21 -0,23 -0,28 -0,12 1,83
5 Поволжская -0,55 -0,37 -0,96 -0,12 1,99
6 Уральская -1,56 0,03 -0,56 0,08 2,02
7 Приазовско-Черноморская -0,89 -1,06 0,24 0,95 1,81
8 Кавказская -1,67 -0,32 -0,75 0,78 1,96
9 Обско-Алтайская 1,46 -0,60 -1,10 -0,44 0,69
10 Енисейская -1,63 0,66 -0,18 0,34 0,81
11 Байкальская 1,18 -1,05 -1,22 -0,23 1,32
12 Дальневосточная 0,09 -0,19 -0,50 -0,37 0,97
13 Российский Север 1,05 -0,77 -0,62 -0,14 0,47
Среднее -0,61 -0,47 -0,68 0,29 1,54
Источник: рассчитано автором.
По данным таблицы 6 видно, что произошел общий рост показателя развития туризма во всех зонах за исследуемые 5 лет. Характерным отличием данного рейтинга является его динамичность, на протяжении исследуемого периода зоны-лидеры и слабые туристические зоны меняли позиции. Также данный рейтинг отличает то, что нормализация, которая проводилась с использованием среднегодовых значений, выявляет изменения показателей относительно совокупности исследуемых лет. Влияние политических и экономических событий 2014 г. на рост показателей выражается в общем росте индекса по итогам года, который был спровоцирован ростом показателя деятельности туристических фирм. В то же время значение экономического показателя снизилось и привело к изменению индексов до отрицательных значений в ряде туристических зон. Центральная туристическая зона занимает первую строку по результатам 2017 г., так как все регионы, входящие в ее состав, имеют высокие показатели. Самой слабой по итогам 2017 г. является зона Российский Север.
Результаты построенных рейтингов имеют значительные отличия, что объективно связано с разницей в подходах к их построению, рассчитанных индексах. С целью более объективной оценки приведен совокупный рейтинг за 2016-2017 гг., учитывающий вышеуказанные результаты (табл. 7).
Большее число баллов соответствует более высокой оценке развития туризма. Таким образом, в 2016 г. первая тройка туристических зон по уровню
развития туризма - Кавказская, Приазовско-Черноморская, Центральная; в 2017 г. - Уральская, Центральная, Дальневосточная. Центральная зона является традиционным центром туризма за счет Московской области и городов Золотого кольца, по этой причине устойчивость высоких показателей рейтинга объективна.
Таблица 7
Совокупный рейтинг уровня развития туризма в туристических зонах
Table 7
Aggregate rating of tourism growth in tourist zones
№ Туристическая зона 2016 2017
1 Западная 18 18
2 Северо-Западная 19 22
3 Центральная 26 27
4 Южно-Русская 21 13
5 Поволжская 22 24
6 Уральская 23 34
7 Приазовско-Черноморская 29 23
8 Кавказская 34 20
9 Обско-Алтайская 16 18
10 Енисейская 20 15
11 Байкальская 12 17
12 Дальневосточная 16 27
13 Российский Север 17 15
Источник: рассчитано автором.
На основе полученных данных следует выделить Уральскую зону, которую характеризуют высокие значения индексов за 2016 (4-е место в рейтинге) и 2017 гг. Подробнее разобраться в причинах устойчивости развития туризма зоны можно, рассмотрев рейтинг регионов, входящих в ее состав (табл. 8).
Таблица 8
Совокупный рейтинг развития туризма в регионах Уральской туристической зоны
Table 8
Aggregate rating of tourism growth in the regions of the Ural tourist zone
№ Регион 2016 2017
1 Республика Башкортостан 5 5
2 Оренбургская область 6 9
3 Пермский край 11 12
4 Свердловская область 15 13
5 Челябинская область 8 6
Источник: рассчитано авторами.
В результате оценки получаем, что в общем рейтинге позиции регионов одинаковы за 2016, 2017 гг., за исключением позиций Челябинской и Оренбургской областей, которые поочередно занимают третью позицию. Наибольшее число баллов в рейтингах приходится на Свердловскую область. В таблице 9 представлены показатели по всем трем подходам, которые использовались в исследовании, для каждого региона. По данным видно, что Свердловская область характеризуется максимальной оценкой индексов эффективности и высокими показателями индексов конкурентоспособности и развития туризма.
Таблица 9
Показатели по индексам оценки развития туризма в регионах Уральской туристической зоны
Table 9
Indicators compiled into tourism growth assessment indices in the Ural tourist zone
Регион Индекс эффективности Индекс развития туризма Индекс конкуренте способности туризма
2017 2016 2017 2016 2017 2016
Республика Башкортостан 0,43 0,47 1,79 -0,63 0,64 0,80
Оренбургская область 0,30 0,33 2,74 -0,47 0,68 1,56
Пермский край 0,84 0,73 1,96 0,17 0,70 1,58
Свердловская область 1,00 1,00 1,89 1,14 0,92 2,42
Челябинская область 0,52 0,54 1,71 0,19 0,49 1,44
Среднее 0,62 0,61 2,02 0,08 0,69 1,56
Лидирующее место в рейтинге Свердловской области связано с высокими значениями всех характеризующих индексы показателей, в частности, с показателем деятельности туристических фирм, равным 5,66 в 2016 г., и 5,42 в 2017 г. (по индексу конкурентоспособности туризма), что подтверждает высокую конкурентоспособность данного направления на межрегиональном уровне.
Наименьшее число баллов в рейтинге характеризует Республику Башкортостан, это связано в целом с невысокими оценками по каждому из подходов, однако критически низких значений по каким-либо показателям за период 2016-2017 гг. не наблюдается. Республика Башкортостан проигрывает на общем межрегиональном уровне, при этом имеет значимую оценку транспортной инфраструктуры: 2,77 в 2016 г. и 2,21 в 2017 г. (по индексу конкурентоспособности туризма).
В настоящей работе утверждается, что оценка уровня регионального развития туризма должна проводиться на основе комплексного исследования по нескольким направлениям, а также с использованием различных
подходов к построению рейтингов. Аналогичные выводы были сделаны в работах многих российских исследователей. Так, в работе (Валиев, 2008) указывается на то, что «методика ранжирования туристических территорий по критериям уровня и потенциала развития призвана облегчить принятие оптимального решения как для нужд собственно туристического предпринимательства, так и для формирования государственных социально-экономических программ и проектов развития туризма»; отмечается необходимость подкреплять оценку такими факторами, как природные, экономические, социальные. В исследовании (Котельников, 2017) утверждается, что объективный подход к оценке устойчивости развития туризма возможен на основе агрегирования ряда показателей по направлениям. Необходимо отметить, что некоторые исследователи критически относятся к используемым подходам и отмечают их неуниверсальность для целей оценки развития туризма в различных субъектах Российской Федерации. Отмечаются недостатки существующих подходов к оценке развития инфраструктуры туризма и утверждается, что методика анализа должна опираться на существующий инструментарий, учитывать показатели официальной статистики и быть дополненной «анализом качественных показателей развития туристической инфраструктуры, полученных с помощью экспертных оценок и на основе результатов опроса, проведенного как среди туристов, так и предприятий туротрасли» (Величкина, 2014). Также отмечается проблема использования методик по причине различий в методологиях статистического учета в регионах России (Порошина, 2016).
ЗАКЛЮЧЕНИЕ
Построение рейтингов является эффективным инструментом для целей оценки уровня развития туризма. Подход на основе построения нескольких индексов, их сопоставления и агрегирования позволяет рассмотреть все возможные преимущества оцениваемых туристических зон и регионов в их составе.
Путем проведенных исследований было выявлено, что на развитие туристической индустрии в регионах1 и туристических зонах России оказали влияние внешние экономические и политические события 2014 г В 2014 г. наблюдался рост индексов при снижении некоторых показателей, в частности, экономического для некоторых регионов. Таким образом, введение санкций, запрет на въезд в некоторые зарубежные государства и присоединение к составу Российской Федерации Республики Крым, проведение зим-
1 Все разработанные рейтинги по регионам высылаются авторами по запросу.
них Олимпийских игр стимулировали рост потоков внутреннего и въездного туризма, в результате чего стала эффективнее работа туристических фирм, коллективных средств размещения и усовершенствовалось качество транспортной инфраструктуры в наиболее привлекательных для туристов регионах.
Уровень конкурентоспособности таких зон, как Уральская, Байкальская, Российский Север значительно возрос и стал выше, чем в зонах - устоявшихся центрах туризма, таких как Центральная, Северо-Западная. Приазов-ско-Черноморская туристическая зона занимает с 2014 г. наиболее высокие позиции по привлекательности туристов за счет того, что в состав зоны вошла Республика Крым.
Уровень развития туризма в туристических зонах предопределяется показателями отдельных регионов, входящих в ее состав. Критически низкие показатели одних регионов и высокие других в составе зоны складываются в общий средний показатель развития. В исследовании более подробно была рассмотрена Уральская зона, которая имеет достаточно высокие позиции в рейтингах. После детального рассмотрения регионов в составе Уральской туристической зоны отмечено, что высокие значения индексов связаны с тем, что показатели регионов по всем направлениям были выше средних значений по стране. Таким образом, стабильность туристической зоны в рейтинге может быть связана с равномерным развитием туризма в регионах, входящих в ее состав.
СПИСОК ЛИТЕРАТУРЫ
Валиев М.Ш. Анализ и оценка инфраструктурного развития внутреннего регионального туризма // Вестник Томского государственного университета. 2008. № 317. С. 165-170.
Величкина А.В. Оценка развития туристской инфраструктуры региона // Экономические и социальные перемены: факты, тенденции, прогноз. 2014. № 2 (32). С. 239-250. https://doi.Org/10.15838/esc/2014.2.32.18 Зиновьева А.А., Михеева Е.Е. Принципы и индикаторы конкурентоспособного развития в регионе // Казанский экономический вестник. 2017. № 1 (27). С. 11-17. Котельников Д.А. Анализ устойчивости развития туристских дестинаций Краснодарского края на основе индикаторного подхода // Экономика устойчивого развития. 2017. № 2 (30). С. 144-152. Порошина О.В. Оценка эффективности развития сферы туризма на основе целеориен-тированного подхода // Проблемы развития территории. 2016. № 1 (81). С. 79-95. Azizi H., Biglari M., Joudi P. Assessment the Feasibility of Sustainable Tourism in Urban Environments Employing the Cumulative Linear Model // Procedia Engineering. 2011. Vol. 21. Pp. 24-33. https://doi.org/10.1016/j.proeng.2011.11.1983 Barbosa L., Oliveira C., Rezende C. Competitiveness of Tourist Destinations: The Study of 65 Key Destinations for the Development of Regional Tourism // Brazilian Journal of
Public Administration. 2010. Vol. 44. No. 5. Pp. 1067-1095. https://doi.org/10.1590/ S0034-76122010000500004 Danciu A.R. The Ranking of the Romanian Regions based on the Potential to Attract FDI // Procedia-Social and Behavioral Sciencies. 2012. Vol. 62. Pp. 40-44. https://doi. org/10.1016/j.sbspro.2012.09.009 D'Hauteserre A.-M. Lessons in Managerial Destination Competitiveness in the Case of Foxwoods Casino Resort // Tourism Management. 2000. Vol. 21. Issue 1. Pp. 23-32. https://doi.org/10.1016/S0261-5177(99)00097-7 Chaabouni S. China's Regional Tourism Efficiency: A Two-Stage Double Bootstrap Data Envelopment Analysis // Journal of Destination Marketing & Management. 2019. Vol. 11. Pp. 183-191. https://doi.org/10.1016/jjdmm.2017.09.002 Cracolici M.F., Nijkamp P., Rietveld P. Assessment of Tourism Competitiveness by Analysing Destination Efficiency // Tourism Economics. 2008. Vol. 14. Issue 2. Pp. 325-342. https://doi.org/10.5367/000000008784460427 Gahin R., Veleva V., Hart M. Do Indicators Help Create Sustainable Communities? // Local Environment. 2003. Vol. 8. Issue 6. Pp. 661-666. https://doi. org/10.1080/1354983032000152752 Hassan S. Determinants of Market Competitiveness in an Environmentally Sustainable Tourism Industry // Journal of Travel Research. 2000. Vol. 38. Issue 3. Pp. 239-245. https://doi.org/10.1177/004728750003800305 Hickey G.M., Innes J.L. Indicators for Demonstrating Sustainable Forest Management in British Columbia, Canada: An International Review // Ecological Indicators. 2008. Vol. 8. Issue 2. Pp. 131-140. https://doi.org/10.1016/j.ecolind.2006.11.005 Kurt S., HeldakM., Kurdoglu B.C., Wysmulek J. Evaluation of Sustainable Development of Tourism in Selected Cities in Turkey and Poland // Sustainability. 2019. Vol. 11. Issue 9. https://doi.org/10.3390/su11092552 Martin J.C., Mendoza C., Roman C. A DEA Travel-Tourism Competitiveness Index // Social Indicators Research. 2017. Vol. 130. Issue 3. Pp. 937-957. https://doi.org/10.1007/ s11205-015-1211-3
PalatkovaM., Hrubcova G. Monitoring Regional Competitiveness Using the BSC Method: A Case of the Czech National Tourism Organisation // Czech Journal of Tourism. 2015. Vol. 3. Issue 2. Pp. 107-126. https://doi.org/10.1515/cjot-2014-0006 Pérez-Dacal D., Pena-Boquete Y., Fernández M. A Measuring Tourism Specialization: A Composite Indicator for the Spanish Regions // AlmaTourism. 2014. Vol. 5. No. 9. Pp. 35-73. https://doi.org/10.6092/issn.2036-5195/4403 Qi Z., Ma J. Research on Business Efficiency of Hotel and Tourism Enterprises Based on the Influence of Innovation Factors // Energy Procedia. 2011. Vol. 5. Pp. 742-746. https:// doi.org/10.1016/j.egypro.2011.03.130 Reed M.S., Fraser E.D.G., Dougill A.J. An Adaptive Learning Process for Developing and Applying Sustainability Indicators With Local Communities // Ecological Economics. 2006. Vol. 59. Issue 4. Pp. 406-418. https://doi.org/10.1016/j.ecolecon.2005.11.008 Shi Y., ZhongL., Chen T., Yu H. Tourism Competitiveness Eevaluation and Spatio-Temporal Characteristics of Chinese Border Counties // Chinese Geographical Science. 2016. Vol. 26. Pp. 817-828. https://doi.org/10.1007/s11769-016-0822-1 Suzuki S., Nijkamp P. Winners in the Urban Champions League - A Performance Assessment of Japanese Cities by Means of Dynamic and Super-Efficient DEA // Journal of Urban Management. 2018. Vol. 7. Issue 1. Pp. 6-20. https://doi.org/10.1016/j. jum.2018.01.001
Tasser E., Sternbach E., Tappeiner U. Biodiversity Indicators for Sustainability Monitoring at Municipality Level: An Example of Implementation in an Alpine Region //
Ecological Indicators. 2008. Vol. 8. Issue 3. Pp. 204-223. https://doi.Org/10.1016/j. ecolind.2007.01.005
The Travel & Tourism Competitiveness Index 2017 / World Economic Forum. Geneva, 2017. 387 р. URL: http://reports.weforum.org/travel-and-tourism-competitiveness-report-2017/ (дата обращения: июль 2019).
Wu W.-W. Beyond Travel & Tourism Competitiveness Ranking Using DEA, GST, ANN and Borda Count // Expert Systems with Applications. 2011. Vol. 38. Issue 10. Pp. 12974-12982. https://doi.org/10.1016/j.eswa.2011.04.096
REFERENCES
Azizi H., Biglari M., Joudi P. Assessment the Feasibility of Sustainable Tourism in Urban Environments Employing the Cumulative Linear Model. Procedia Engineering, 2011, vol. 21, pp. 24-33. https://doi.org/10.10167j.proeng.2011.11.1983 Barbosa L., Oliveira C., Rezende C. Competitiveness of Tourist Destinations: The Study of 65 Key Destinations for the Development of Regional Tourism. Brazilian Journal of Public Administration, 2010, vol. 44, no. 5, pp. 1067-1095. https://doi.org/10.1590/ S0034-76122010000500004 Chaabouni S. China's Regional Tourism Efficiency: A Two-Stage Double Bootstrap Data Envelopment Analysis. Journal of Destination Marketing & Management, 2019, vol. 11, pp. 183-191. https://doi.org/10.1016/jjdmm.2017.09.002 Cracolici M.F., Nijkamp P., Rietveld P. Assessment of Tourism Competitiveness by Analysing Destination Efficiency. Tourism Economics, 2008, vol. 14, issue 2, pp. 325342. https://doi.org/10.5367/000000008784460427 D'Hauteserre A.-M. Lessons in Managerial Destination Competitiveness in the Case of Foxwoods Casino Resort. Tourism Management, 2000, vol. 21, issue 1, pp. 23-32. https://doi.org/10.1016/S0261-5177(99)00097-7 Danciu A.R. The Ranking of the Romanian Regions based on the Potential to Attract FDI. Procedia-Social and Behavioral Sciencies, 2012, vol. 62, pp. 40-44. https://doi. org/10.1016/j.sbspro.2012.09.009 Gahin R., Veleva V., Hart M. Do Indicators Help Create Sustainable Communities? Local Environment, 2003, vol. 8, issue 6, pp. 661-666. https://doi. org/10.1080/1354983032000152752 Hassan S. Determinants of Market Competitiveness in an Environmentally Sustainable Tourism Industry. Journal of Travel Research, 2000, vol. 38, issue 3, pp. 239-245. https://doi.org/10.1177/004728750003800305 Hickey G.M., Innes J.L. Indicators for Demonstrating Sustainable Forest Management in British Columbia, Canada: An International Review. Ecological Indicators, 2008, vol. 8, issue 2, pp. 131-140. https://doi.org/10.1016/j.ecolind.2006.11.005 Kotelnikov D.A. Indicator Approach to the Analysis of Sustainability of Development of the Tourist Areas of Krasnodar Region. Ekonomika Ustoychivogo Razvitiya = Economics of Sustainable Development, 2017, no. 2 (30), pp. 144-152. (In Russian). Kurt S., Heldak M., Kurdoglu B.C., Wysmulek J. Evaluation of Sustainable Development of Tourism in Selected Cities in Turkey and Poland. Sustainability, 2019, vol. 11, issue 9. https://doi.org/10.3390/su11092552 Martin J.C., Mendoza C., Roman C. A DEA Travel-Tourism Competitiveness Index. Social Indicators Research, 2017, vol. 130, issue 3, pp. 937-957. https://doi.org/10.1007/ s11205-015-1211-3
PalatkovaM., Hrubcova G. Monitoring Regional Competitiveness Using the BSC Method:
A Case of the Czech National Tourism Organisation. Czech Journal of Tourism, 2015, vol. 3, issue 2, pp. 107-126. https://doi.org/10.1515/cjot-2014-0006 Pérez-Dacal D., Pena-Boquete Y., Fernández M. A Measuring Tourism Specialization: А Composite Indicator for the Spanish Regions. AlmaTourism, 2014, vol. 5, no. 9, pp. 35-73. https://doi.org/10.6092/issn.2036-5195/4403 Poroshina O.V. Evaluation of Tourist Industry Development Efficiency on the Basis of Target-Oriented Approach. Problemy Razvitiya Territorii = Problems of Territory's Development, 2016, no. 1 (81), pp. 79-95. (In Russian). Qi Z., Ma J. Research on Business Efficiency of Hotel and Tourism Enterprises Based on the Influence of Innovation Factors. Energy Procedia, 2011, vol. 5, pp. 742-746. https:// doi.org/10.1016/j.egypro.2011.03.130 Reed M.S., Fraser E.D.G., Dougill A.J. An Adaptive Learning Process for Developing and Applying Sustainability Indicators With Local Communities. Ecological Economics, 2006, vol. 59, issue 4, pp. 406-418. https://doi.org/10.1016/j.ecolecon.2005.11.008 Shi Y., Zhong L., Chen T., Yu H. Tourism Competitiveness Evaluation and Spatio-Temporal Characteristics of Chinese Border Counties. Chinese Geographical Science, 2016, vol. 26, pp. 817-828. https://doi.org/10.1007/s11769-016-0822-1 Suzuki S., Nijkamp P. Winners in the Urban Champions League - A Performance Assessment of Japanese Cities by Means of Dynamic and Super-Efficient DEA. Journal of Urban Management, 2018, vol. 7, issue 1, pp. 6-20. https://doi.org/10.1016/j. jum.2018.01.001
Tasser E., Sternbach E., Tappeiner U. Biodiversity Indicators for Sustainability Monitoring at Municipality Level: An Example of Implementation in an Alpine Region. Ecological Indicators, 2008, vol. 8, issue 3, pp. 204-223. https://doi.org/10.1016/j. ecolind.2007.01.005
The Travel & Tourism Competitiveness Index 2017. World Economic Forum. Geneva, 2017, 387 р. Available at: http://reports.weforum.org/travel-and-tourism-competitiveness-re-port-2017/ (accessed July 2019). Valiev M.S. Evaluation and Analysis of Infrastructural Development for Domestic Tourism of a Region. Vestnik Tomskogo Gosudarstvennogo Universiteta = Tomsk State University Journal, 2008, no. 317, pp. 165-170. (In Russian). Velichkina A.V. The Assessment of the Regional Tourism Infrastructure Development. Ekonomicheskie i Sotsialnye Peremeny: Fakty, Tendentsii, Prognoz = Economic and Social Changes: Facts, Trends, Forecast, 2014, no. 2 (32), pp. 239-250. https://doi. org/10.15838/esc/2014.2.32.18 (In Russian). Wu W.-W. Beyond Travel & Tourism Competitiveness Ranking Using DEA, GST, ANN and Borda Count. Expert Systems with Applications, 2011, vol. 38, issue 10, pp. 1297412982. https://doi.org/10.1016/j.eswa.2011.04.096 Zinovyeva A.A., Mikheeva E.E. Principles and Indicators of Competitive Development of Tourism in a Region. Kazanskii Ekonomicheskii Vestnik [Kazan Economic Bulletin], 2017, no. 1 (27), pp. 11-17. (In Russian).
Поступила в редакцию / Submitted: 23.12.2019 Принята к публикации / Revised: 28.02.2020 Опубликована online / Published online: 30.03.2020
Пространственная Экономика 2020. Том 16. № 1. С. 123-155
JEL: E58, G28, R10 https://dx.doi.org/10.14530/se.2020.1.123-155
УДК 336.71+332.132
Кредитование малых и средних предприятий в российских регионах: последствия санации в банковской системе
А.Н. Новопашина
Новопашина Алина Николаевна кандидат экономических наук младший научный сотрудник
Институт экономических исследований ДВО РАН, ул. Тихоокеанская, 153, Хабаровск, 680042, Российская Федерация E-mail: alinanovopashina@gmail.com ORCID: 0000-0003-0112-4788
Аннотация. Трендом последнего десятилетия в России является закрытие кредитных организаций и их филиалов посредством отзыва лицензий в случае невыполнения требований по достаточности и структуре собственного капитала и резервов, а также консолидация банковских активов в форме слияний. В данной работе делается попытка ответить на вопрос, влияет ли закрытие банков и банковских филиалов на кредитование малых и средних предприятий. Для этого использовались панельные данные об объемах выданных кредитов субъектам малого и среднего бизнеса и количестве закрытых банков и банковских филиалов в российских регионах в 2010-2016 гг. Полученные в работе результаты свидетельствуют о неоднозначном влиянии закрытия банков на кредитование малых и средних предприятий в российских регионах. С одной стороны, полученные оценки свидетельствуют о негативном влиянии количества закрытых банков на объемы выданных кредитов, с другой стороны - не найдено свидетельств наличия статистически значимой связи между количеством закрытых банковских филиалов и объемами кредитования малого и среднего бизнеса в российских регионах в следующий за закрытием год. Также получены свидетельства того, что закрытие банков не приводит к росту концентрации процесса кредитования малых и средних предприятий в крупнейших банках, а сопровождается сокращением объемов выдаваемых ими кредитов.
Ключевые слова: банки, банковские филиалы, санация банковской системы, региональные банки, Центральный банк РФ, закрытие банков, кредиты, малые и средние предприятия, российские регионы
Для цитирования: Новопашина А.Н. Кредитование малых и средних предприятий в российских регионах: последствия санации в банковской системе // Пространственная экономика. 2020. Т. 16. № 1. С. 123-155. https://dx.doi.org/10.14530/se.2020.1.123-155
© Новопашина А.Н., 2020
Lending to Small and Medium-Sized Enterprises in Russian Regions: Effects of Banking System Reorganization
A.N. Novopashina
Alina Nikolaevna Novopashina Candidate of Science (Economics) Junior Researcher
Economic Research Institute FEB RAS, 153 Tikhookeanskaya St., Khabarovsk, 680042, Russian Federation
E-mail: alinanovopashina@gmail.com ORCID: 0000-0003-0112-4788
Annotation. The trend of the last decade is the closures of lending institutions and their branches by way of withdrawal of bank licenses in case of failure to meet the requirements for the adequacy and structure of equity and reserves, as well as the consolidation of bank assets in the form of mergers. The main object of this paper is to answer the following question: does the closure of banks and bank branches affects lending to small and medium-sized enterprises? To answer this question we used panel data on the loans granted to small and medium-sized enterprises and the closure of banks and bank branches in the Russian regions in 2010-2016. This research shows that the effect of bank closures on lending to SMEs in the Russian regions is ambiguous. On the one hand, the estimates show the negative effect of bank closures on the loans. On the other, there is no evidence of a statistically significant link between the closure of bank branches and lending to small and medium-sized enterprises in the Russian regions in the year following the closure. The findings also reveal that the closure of banks does not lead to the concentration of lending to small and medium-sized enterprises in the largest banks but is associated with shrinking of there loans to SMEs.
Keywords: banks, bank branch, financial assistance to the banking system, regional banks, RF Central Bank, bank closure, small and medium-sized enterprises (SMEs), Russian regions
For citation: Novopashina A.N. Lending to Small and Medium-Sized Enterprises in Russian Regions: Effects of Banking System Reorganization. Prostranstvennaya Ekonomika = Spatial Economics, 2020, vol. 16, no. 1, pp. 123-155. https://dx.doi.org/10.14530/se.2020.U23-155 (In Russian).
ВВЕДЕНИЕ
Одной из тенденций, характерных для российского банковского сектора на протяжении последних лет, является сокращение числа кредитных организаций и их филиалов. Это связано с санацией банковского сектора, проводимой Центральным банком РФ в форме укрупнения кредитных организаций, повышения их финансовой устойчивости и прозрачности всей банковской системы (Турбанов, 2012; Минакир, 2015; Сухов, 2014; Горюнов и др., 2015). Инструментом санации является отзыв (аннулирование) лицен-
зий у кредитных организаций, не отвечающих требованиям достаточности и структуры капитала и резервов, а также консолидация активов банков в форме их слияний и поглощений. Только в период 2010-2016 гг. было закрыто 504 кредитных организации и 2847 филиалов.
Сокращение числа кредитных организаций и их филиалов - общемировой тренд. Факторами, способствующими этому, является, во-первых, развитие информационных и телекоммуникационных технологий, которые исключают необходимость личного обращения клиентов в банки и способствуют росту географического расстояния между банками и их клиентами (Petersen, Rajan, 2002; Mills, McCarthy, 2014; Wyjcik, MacDonald-Korth, 2015). Во-вторых, на состояние банковской системы в последние годы оказывают влияние макроэкономические шоки. Из-за стагнации в середине 2010-х гг. упал спрос на кредит со стороны населения и нефинансовых организаций, которые являются ключевыми категориями банковских заемщиков. Значительная часть российских банков не смогла приспособиться к новым рыночным условиям, что привело к росту числа убыточных кредитных организаций (Мамонов, 2018). В-третьих, сокращению числа банков и концентрации в банковской отрасли способствуют государственная поддержка крупных банков, предотвращающая их банкротство, и рост государственного влияния в банковской сфере (Дворецкая, 2012; Vernikov, 2012; Ведев и др., 2014). Небольшие региональные банки проигрывают в конкурентной борьбе (Агеева, Мишура, 2017). Результатом является увеличение дисбаланса кредитного риска вследствие того, что государственные банки работают с лучшими заемщиками, прочие банки - с остальными (Мамонов, 2018). Тренд расчистки банковского сектора, вероятно, продолжится, так как, согласно оценкам, значительная часть банков имеют «дыры» в капитале на сумму от 3,6 до 6,8% ВВП. При этом наибольшие экономические потери локализуются в небольших по размеру активов банках (Мамонов, 2017).
В научной литературе ведется широкая дискуссия о последствиях происходящих изменений для банковского сектора и экономики в целом. Одной из ключевых обсуждаемых проблем является влияние изменений структуры банковской системы на доступность кредитных ресурсов для фирм и организаций, прежде всего для малых и средних предприятий (МСП), учитывая, что именно для МСП кредиты - основной источник заемных средств (Сараев, 2014). МСП являются основой экономики во многих странах мира. Например, в странах Евросоюза МСП составляют 99,8% общего числа фирм и обеспечивают 67% рабочих мест (Trentinaglia, 2015). Высокое значение данного сектора в экономике развитых стран объясняется тем, что МСП способствуют развитию конкуренции и повышению качества про-
ПЭ А.Н. Новопашина
№ 1 2020
изводимых работ и услуг, сглаживают колебания экономической конъюнктуры вследствие высокой возможности адаптации к внешним шокам. В России малый и средний бизнес едва ли можно рассматривать как основу экономики. Несмотря на то, что в 2010-2016 гг. доля МСП в общем количестве организаций увеличилась с 34,6 до 58,4%, они обеспечивали лишь от 26,2 (2010 г.) до 27,1% (2014 г.) рабочих мест и от 25,4 (2014 г.) до 29,2% (2016 г.) оборота организаций. Значение МСП в инвестициях в основной капитал еще более скромное - от 5,8 (2012 г.) до 9,5% (2010 г.) общей суммы инвестиций. Одним из факторов, сдерживающих развитие малого и среднего предпринимательства в России, является нехватка финансовых ресурсов и сложность получения кредитов в связи с оценкой банками данных операций как высокорискованных, а также высокая стоимость кредитов (Волкова, Попова, 2016).
Имеющиеся результаты эмпирических исследований на примере отдельных стран (Berger et al., 1998; Cole, Walraven, 1998; Sapienza, 2002; Bonaccorsi di Patti, Gobbi, 2003 и др.) не дают однозначного ответа на вопрос, ведет ли закрытие кредитных организаций к ограничению доступа к кредитам для МСП. Для России подобные исследования ранее не проводились. Поэтому автор сделал попытку поставить этот вопрос и исследовать имеющиеся факты и наметившиеся тенденции.
В данной статье производится оценка изменения объема кредитования субъектов малого и среднего предпринимательства в зависимости от количества закрытых банков или банковских филиалов в регионе их деятельности независимо от причины закрытия (аннулирование лицензии, слияние или присоединение). А также предпринимаются попытки ответить на следующие вопросы: привело ли закрытие банков к сокращению объемов кредитов, выданных субъектам малого и среднего предпринимательства; увеличили ли крупные банки, входящие в 30 крупнейших банков (по классификации Центрального банка РФ), объемы кредитования субъектов малого и среднего предпринимательства или же закрытие банков не оказывало статистически значимого влияния на объемы выданных кредитов?
Для ответа на поставленные вопросы в следующей части данной статьи выполнен обзор результатов исследований, оценивающих последствия изменений в структуре банковской сети для МСП; далее представлены описание и источники данных, использованных в исследовании; затем рассмотрены методика оценивания и полученные результаты, обсуждаются их устойчивость и ограничения; в заключении отражены основные выводы.
КРЕДИТОВАНИЕ МАЛЫХ И СРЕДНИХ ПРЕДПРИЯТИЙ И СУЖЕНИЕ БАНКОВСКОЙ СЕТИ: ОБЗОР ЛИТЕРАТУРЫ
В развитых рыночных экономиках банки являются одним из основных источников капитала многих фирм, поэтому, как отмечается в научной литературе, изменения в архитектуре банковской системы могут оказывать сильное воздействие на небанковский сектор. Отмечается, что это воздействие неоднозначно.
С одной стороны, сокращение числа кредитных организаций ведет к увеличению размеров действующих банков и снижению их издержек за счет действия эффекта масштаба (Williamson, 1968), что является положительным фактом для заемщиков. Но, с другой стороны, централизация банковского капитала вызывает рост цен на банковские услуги и продукты вследствие ослабления конкуренции в банковском секторе, что ведет к сокращению благосостояния заемщиков (Berger, Hannan, 1989; Hannan, 1991). При этом наибольшему риску закрытия подвержены небольшие по размеру банки, которые кредитуют преимущественно небольшие фирмы, в то время как клиентами крупных банков являются крупные предприятия (Nakamura,1994; Weston, Strahan, 1996).
Причиной такой «специализации» являются особенности процесса оказания банковских услуг малым фирмам. Издержки по кредитованию МСП выше по сравнению с кредитованием крупных предприятий вследствие необходимости сбора большего объема дополнительной информации о заемщике. Кроме того, выше и риски кредитования МСП по причине низкой прозрачности их деятельности и нехватки надежных залогов (Petersen, Rajan, 2002). Зачастую бухгалтерская отчетность МСП не отражает их действительного финансового положения (Сошина, 2008), и они, как правило, прибегают к кредитованию в тот момент, когда необходимо покрыть уже имеющиеся убытки. Поэтому банки вынуждены разрабатывать специальные процедуры оценки финансово-экономического положения МСП, связанные со сбором дополнительной информации о заемщике.
При этом небольшие региональные банки, находящиеся в географической близости от заемщика, имеют преимущество в возможностях сбора информации о нем по сравнению с крупными банками, центры принятия решений у которых расположены в столицах и локализованы в регионах лишь посредствам сети своих филиалов (Berger, Udell, 1998).
Для малых и вновь создаваемых фирм установление долгосрочных отношений с банком имеет наибольшую важность (Berger, Udell, 1998; Petersen, Rajan, 1994; Udell, 2015). В случае долгосрочных отношений с заемщиком банк накапливает достаточное количество необходимых данных о нем, что
ПЭ А.Н. Новопашина
№ 1 2020
существенно повышает шансы заемщика на получение кредита. Заемщики, кредитование которых зависит от отношений с банком, в результате их закрытия могут столкнуться с сокращением доступности кредитов, поскольку «мягкая» или случайная информация (soft information), включающая данные, полученные из разговоров с поставщиками, покупателями, коллегами, слухи, мнения, планы развития и т. д., теряется.
Преимуществом в сборе такой информации обладают местные региональные банки, действующие на том же рынке, что и заемщик, так как их издержки в оценке текущего финансового положения и возможных перспектив развития фирмы по сравнению с другими потенциальными инвесторами ниже (Nakamura, 1991). Это дает им возможность проявлять большую гибкость при оценке заемщика (Cole et al., 2004). Принятие решения другими банками, в которые ранее такие заемщики не обращались, связано с дополнительными издержками оценки их финансового состояния (Bonaccorsi di Patti, Gobbi, 2003).
Крупные банки при оценке финансового состояния заемщика преимущественно используют «жесткую» информацию и ориентируются на наблюдаемые характеристики фирм, так как процесс оценки в них очень жестко регламентирован. Поэтому крупные банки не имеют достаточно возможностей для оценки мелких фирм, что объясняет низкую долю данной категории заемщиков в их кредитном портфеле, и используют свой капитал для финансирования кредитов, предоставляемых крупному бизнесу. В таких условиях стратегией малого и среднего бизнеса становится обращение за заемными средства в небольшие банки (Cole, Walraven, 1998), закрытие которых в свою очередь может приводить к сокращению кредитов, выдаваемых МСП (Berger, Udell, 1998; Berger et al., 1999).
Имеющиеся исследования преимущественно используют микроданные о деятельности отдельных фирм и кредитных организаций на рынках развитых стран. Их результаты не дают однозначного ответа на вопрос, приводит ли сужение банковской сети к сокращению объемов кредитования малого бизнеса. Вывод о том, что консолидация нарушает кредитные отношения между банками и малыми предприятиями и вызывает сокращение доступа к кредитам, сделан в исследовании (Sapienza, 2002). Аналогичные результаты также получены в работe (Berger et al., 1998). Заемщики могут застраховать себя от шоков, в том числе связанных с закрытием банков, путем поиска альтернативных источников кредитования. Сокращение объемов кредитования также может быть компенсировано другими, не вовлеченными в процесс консолидации, кредитными организациями. В работе (Cole, Walraven, 1998) на основе данных по США, наоборот, показано, что деятельность по поглощению банков ассоциируется с ростом, а не с сокра-
