CC BY
57
Удк 336.6
сопоставление российских публичных банков с европейскими аналогами: многомерный анализ методом главных компонент
А. А. ПАТРАКЕЕВ, аспирант кафедры финансово-экономического инжиниринга E-mail: [email protected] Ростовский государственный экономический университет «РИНХ»
В статье выполнен анализ выборки 187 европейских банков на основе методологии многомерного статистического анализа методом главных компонент в целях выявления внутренних взаимосвязей показателей инвестиционной привлекательности банковских структур, а также места российских банков в пространстве выделенных взаимосвязей. Особое внимание уделено обоснованию исходного набора переменных модели, принимаемой к анализу.
Ключевые слова: европейские банки, инвестиционная привлекательность, сравнительная оценка банков, метод главных компонент,
В рамках представленного исследования проведен расчет укрупненной структуры финансово-экономических переменных, которые характеризуют деятельность 187 публичных европейских банков (включая банки ЕС и Восточной Европы, в том числе 7 российских банков: Сбербанка России, ВТБ, Номос банка, Банка Москвы, Росбанка, банка «Санкт-Петербург» и Регионального банка развития). Целями исследования являются получение интегральных показателей, характеризующих ключевые аспекты инвестиционной привлекательности публичных европейских банков, а также выявление внутренних взаимосвязей между наиболее распространенными в современных финансовых исследованиях переменными - финансово-экономическими индикаторами банковских структур в рамках рассматриваемой межстрановой выборки.
Последовательность проведенного анализа:
1) спецификация переменных и допущений их использования - формирование гипотетической укрупненной структуры га-ключевых исходных переменных, объясняющих различие между ее объектами на основе рассматриваемой выборки банков;
2) рассмотрение в общем виде модели главных компонент для га-мерного «случайного» вектора Х = (Х1, Х2,..., XТ рассматриваемых га показателей европейских банков с помощью ортогонального преобразования, когда в качестве системы линейно независимых векторов берется ортонормирован-ная система собственных векторов, отвечающих собственным значениям ковариационной матрицы вектора Х. (. = 1,...га) в случае нормированного вектора-столбца, каждый элемент которого центрируется по уровню математического ожидания (оценка по среднему ц) и нормируется по стандартному
X — ц
отклонению с, т. е. (X = —к——), специфицирует° с ся как X = AF - что фактически означает расчет
значения главной компоненты для каждого объекта выборки как нормированного средневзвешенного по нагрузкам А (где F = F2,..., Fk)- центрированный и нормированный случайный вектор-столбец некоррелированных главных компонент F., (/ = 1, 2,..., к), укк - (неслучайная) матрица нагрузок случайных величин X на компоненты F (/' = 1, 2,., к;
1 у
] = 1, 2,., к) [3];
3) корректировка состава укрупняемых ^-переменных. В качестве критерия изменения количества дополнительных переменных в классификационной модели главных компонент используется процент объясняемой дисперсии выборки (далее для данного показателя применяется обозначение Prp. Ttl.);
4) интерпретация логики внутренних взаимосвязей конечной структуры главных компонент и выделение наиболее характерных наблюдений в рамках полученных метрик, используя которые представляется возможным определить место российских банков в пространстве исследуемых параметров.
В качестве объекта анализа использовались показатели по 187 банкам, расположенным на территории Европы (включая публичные банки стран ЕС, Восточной Европы и России). Данные финансовых показателей - ценообразующих факторов рассматриваемой выборки банков - были получены из базы данных Infinancials (режим доступа, отчетность и рыночные мультипликаторы выборки представлены по итогам 2011 г.). Источником данных макропеременных за 2011 г. является база данных Всемирного банка (World bank), частично размещенная на информационном ресурсе Tradingeconomics.
При выборе исходного набора переменных представляется необходимым оговорить следующие допущения:
1) основной фундаментальной переменной, аккумулирующей влияние ценообразующих факторов и сопоставимой со стоимостью коммерческого банка, является капитал банка. Соответственно, в модели в качестве рассматриваемой стоимостной переменной принимается мультипликатор стоимости собственного капитала (обозначение в модели - P/B 2011);
2) значимым показателем, влияющим на привлекательность акций кредитных учреждений, является показатель рентабельности капитала банка (обозначение в модели - Return on equity capital);
3) значимым индикатором странового риска банка является доходность к погашению облигаций соответствующей страны (обозначение в модели -10y Bond yield);
4) в качестве значимых переменных модели с учетом уравнения зависимости мультипликатора капитала от уровня его рентабельности и рисков (ставки дисконтирования), а также от долгосрочной оценки темпов роста компании представляется необходимым выделить показатели темпов роста: темпы роста чистого дохода и темпы роста экономи-
ки. Отмеченное уравнение связи, принятое в теории корпоративных финансов и инвестиционной оценки и лежащее в основе изложенного допущения, имеет следующий вид [1, с. 714]:
P ■ BV-1 = (ROE - g) (r - g)-1, где P - цена акции;
BV - собственный капитал банка на одну акцию;
ROE - рентабельность акционерного капитала;
g - долгосрочная оценка темпов роста экономики;
r - ставка дисконтирования.
Предполагается, что, являясь финансовым посредником для экономических агентов, банковские структуры обеспечивают свой рост при прочих равных условиях за счет роста экономики в целом. Соответственно, включение обеих переменных роста (рост прибыли банка и рост экономик соответствующей страны, обозначенных в модели как Net income growth и GDP annual growth соответственно) в указанную модель главных компонент представляет интерес с точки зрения выделения зависимостей на основе рассматриваемой выборки между различными ценообразующими факторами и/или стоимостной переменной, а также переменными роста разного уровня (на уровне банка и/или экономики);
5) в качестве показателей основных групп риска используются значения кэффициентов платежеспособности (коэффициент долговой нагрузки (доля займов в валюте баланса) и Debt/equity), коэффициенты ликвидности Net loans/total deposits и Net Loans/Total assets, а также коэффициент уровня резервирования возможных потерь по ссудам -индикатор понесенного кредитного риска (доля резервов по ссудам в среднегодовом объеме чистого кредитного портфеля (обозначение в модели - Loan loss provision/Avg. Net loans);
6) в качестве значимого фактора инвестиционной привлекательности в части эффективности операционных расходов представляется возможным рассмотреть также отношение чистой прибыли к количеству сотрудников (обозначение в модели - Net banking income/Employee).
Таким образом, в целях укрупнения финансово-экономических параметров банков в рамках метода главных компонент к рассмотрению принимаются 10 специфицированных ранее переменных:
1) P/B 2011;
2) Return on equity capital;
3) 10y bond yield;
4) Net income growth;
5) GDP annual growth;
6) Debt/equity;
7) Net loans/total assets;
8) Net loans/total deposits;
9) Net banking income/Employee;
10) Loan loss provision/Avg. Net loans.
Необходимо отметить, что показатели ликвидности Net loans/Total assets и Net loans/Total deposits, по определению, должны быть в значительной степени мультиколлинеарны из-за отражения уровня ликвидности с точки зрения отношения размещенных активов в виде ссуд к депозитам и к активам банка. То есть определенная взаимозаменяемость данных показателей обусловлена жесткими нормативами Базельских соглашений, регулирующих предельные показатели структуры активов и общепринятые подходы к порядку учета депозитов. Соответственно, на первом этапе расчета модели представляется целесообразным включение в модель лишь одного из этих двух показателей.
При этом (с учетом существенных убытков банковского сектора Европы, а также нестабильности структуры его активов) рассмотрение различий между данными показателями ликвидности может представлять отдельный интерес в рамках итераций модели. В исходную структуру переменных включается более «узкий» показатель ликвидности (переменная № 8) - Net Loans/Total deposits, что обусловлено допущением объективно более жестких ограничений порядка отражения депозитов на балансе банков по сравнению с отражением объема активов в целом. Данное допущение представляется обоснованным по причине большего количества возможностей недостоверного отражения отдельных, более укрупненных, показателей (активы). Соответственно, переменная № 7 Net loans/Total assets может быть рассмотрена на стадии последующих итераций процесса корректировок исходной структуры специфицированных переменных в целях максимизации объясняемой моделью дисперсии, как указано в п. 3 последовательности проведения анализа.
Итак, исходная структура переменных в рамках первого приближения модели главных компонент включает 9 из 10 перечисленных ранее показателей: 1 - 6, 8 - 10.
Необходимо отметить, что в большинстве исследований, касающихся изучения детерминант
ценообразования акций, различных показателей интегральной эффективности банков и структуры их капитала, анализ с участием выделенных и/или производных от показателей проводится, как правило, на основе традиционного подхода построения множественных регрессий, в том числе на базе панельных данных. В некоторых доступных зарубежных исследованиях используется от 3 до 10 перечисленных факторов в различных сочетаниях в составе прочих исследуемых независимых переменных. Состав исследуемых переменных отличается географией рассмотрения банковских структур, а также выбором зависимого показателя. В качестве характерных примеров предметов исследований, для анализа которых используются в том числе отмеченные и/или производные от них показатели наряду с другими значимыми специфическими переменными, можно, в частности, выделить ряд характерных направлений. Среди них - рассмотрение детерминант интегральной эффективности и риска на примере европейских банков [6], стратегической эффективности банков на развивающихся рынках капитала на примере банков России, Украины и Казахстана [2], рентабельности до и во время кризиса на примере швейцарских банков [5], рентабельности банков на примере рынка Нигерии [4], структуры капитала европейских и американских банков [7, 9].
Таким образом, задача укрупнения структуры отмеченных переменных для европейских банков представляется достаточно актуальной ввиду их фрагментарного использования в рамках ряда отмеченных исследований в составе прочих параметров. Соответственно, формирование главных компонент на основе выделенных переменных может позволить более эффективно решать задачи формирования значимых регрессионных зависимостей, а также оптимальной кластеризации исходной выборки банков, что может являться одним из основных направлений развития данного исследования.
Проведение анализа в рамках модели главных компонент. Учитывая существенную разнородность представленной выборки, представляется необходимым рассмотреть модель, рассчитанную на базе не менее четырех выделяемых факторов (далее обозначаемых в соответствии с принятой терминологией как «главные компоненты»).
При выделении главных компонент будет использован распространенный подход Variгaax (нормализации) - последовательное вращение метрических осей, в результате которого происходит
минимизация расстояния от исследуемых наблюдений до данных осей.
Проведение дальнейшего анализа будет осуществляться в рамках отдельных итераций - пересчетов модели в результате изменения структуры входящих в нее переменных. При этом подробное описание результатов будет проводиться по итогам первой (интерпретация экономического смысла полученных главных компонент) и финальной итерации (актуализация экономического смысла главных компонент и определение отдельных банков, лежащих в их пространстве, где будет отдельно указано место российских банков, близких к центральной тенденции соответствующих главных компонент).
В рамках первой итерации модели главных компонент воспользуемся всем массивом рассмотренных переменных, отражающих основные аспекты фундаментальной привлекательности и рисков коммерческого банка. В результате включения всех перечисленных переменных в состав исходных данных расчета главных компонент специфицированная модель объясняет 65 % общей вариации значений переменных рассматриваемой выборки (табл. 1).
Полученная структура главных компонент характеризуется следующими признаками:
1) первая компонента (Factor 1), характеризующая 16,71 % вариации (Prp. Той.), включает в себя три переменные, которые обладают условно значимыми значениями факторных нагрузок. Здесь и далее в качестве условно значимых уровней факторных нагрузок принимаются значения из диапазона 0,4 - 1. В данном диапазоне для первой компоненты используемая модель позволяет выделить следующие переменные:
Результаты первой итерации
а) показатель риска ликвидности c точки зрения уровня фондирования выданных ссуд за счет депозитной базы - Net Loans/Total deposits, значение факторной нагрузки - 0,8266;
б) показатель годового роста чистого банковского дохода - Net Income Growth (1yr), значение факторной нагрузки - 0,5864;
в) общий показатель долговой нагрузки/платежеспособности банка - Debt/Equity, значение факторной нагрузки - 0,5528.
Таким образом, разнонаправленные значения пары показателей ликвидности и платежеспособности (отрицательная корреляция) и годового роста чистой прибыли (положительная корреляция) указывают, что данную компоненту можно обозначить как «недостаточная ликвидность - препятствие роста»;
2) вторая компонента (Factor 2, Prp. Той. = = 16,02 %) содержит две значимые переменные с однонаправленными факторными нагрузками:
а) доходность акционерного капитала - ROE (Return on equity capital), значение факторной нагрузки - 0,7854;
б) чистый банковский доход на одного сотрудника - Net Banking Income/Employee, значение факторной нагрузки - 0,8611.
Сочетание этих двух переменных в составе рассматриваемой компоненты указывает на повышенную чувствительность рентабельности капитала к затратам на персонал из-за значительной их доли в общем круге операционных затрат, что объясняется условно-постоянным характером данных расходов в ситуации снижения банковских доходов. Соответственно, данную компоненту представляется возможным обозначить как «избыточный персонал -негативное влияние на рентабельность»;
Таблица 1
модели главных компонент
Variable Factor Loadings
Factor 1 Factor 2 Factor 3 Factor 4
GDP Annual Growth -0,169915 -0,132246 -0,766521 -0,309358
10y Bond yield 0,345921 0,205775 0,589456 0,437115
P/B 2011 0,091901 0,135129 -0,752955 0,358058
Net Income Growth (1yr) 0,586354 -0,055788 0,198497 0,045904
Return on Equity Capital -0,036532 -0,785417 -0,236014 -0,239819
Net Banking Income/Employee 0,113374 -0,861128 0,132011 0,128783
Debt/Equity -0,552816 -0,015173 -0,070862 -0,117650
Net Loans/Total Deposits -0,826590 0,045491 0,130257 0,145847
Loan Loss Provision/Avg Net Loans -0,010425 0,014786 0,035913 0,860200
Expl. Var 1,503942 1,442145 1,637763 1,266239
Prp. Totl 0,167105 0,160238 0,181974 0,140693
Источник: расчеты автора на базе пакета Statistica.
3) третья компонента (Factor 3, Prp. Totl. = 18,20 %) содержит условно значимые нагрузки трех переменных, две из которых обратны третьей:
а) переменная годового роста ВВП 2011/2010 -GDP Annual Growth, значение факторной нагрузки -0,7665;
б) переменная уровня рыночной стоимости - P/ B 2011, значение факторной нагрузки - 0,7530;
в) переменная уровня странового риска дефолта по обязательствам бюджета той страны, в которой находится головной офис банка (уровень доходности к погашению 10-летних облигаций госдолга 10-year bond yield), значение факторной нагрузки - 0,5895.
Соответственно, данную главную компоненту можно обозначить как «риск пониженного потенциала страны - стоимость банка». Такое обозначение следует из состава ее переменных, в рамках которого наибольший значимый вес наряду с мультипликатором стоимости принадлежит показателю роста экономики;
4) четвертая компонента (Factor 4, Prp. Той. = = 14,06 %) включает две однонаправленные переменные риска: на уровне банка и на уровне страны расположения головного офиса кредитной организации:
а) показатель уровня понесенного кредитного риска - Loan loss provisions/Average net loans, значение факторной нагрузки - 0,8602;
б) показатель доходности к погашению государственных облигаций страны расположения головного офиса банка - 10-year bond yield, значение факторной нагрузки - 0,4371.
Соответственно, данную переменную обозначим как «уровень кредитных рисков».
Учитывая относительно низкий уровень факторной нагрузки показателя «доходность 10-летних
облигаций государственного займа» (10-year bond yield) в рамках ключевой для данной переменной третьей главной компоненты (Factor 3, первая итерация), а также в целях увеличения объясняющей способности выделенных главных компонент, представляется возможным исключить данный показатель из расчета модели. За счет роста объясняющей способности первых двух компонент в результате концентрации дисперсии вокруг значимых переменных общий уровень показателя Prp. ^tl. увеличивается с 65 до 66,3 % (табл. 2).
Руководствуясь аналогичной логикой, в качестве следующей исключаемой переменной целесообразно принять параметр долговой нагрузки debt/equity. Кроме того, учитывая существенную концентрацию факторной нагрузки показателя ликвидности Net loans/Total deposits в составе первой главной компоненты при относительно невысоком уровне другой условно значимой переменной - Debt/ Equity (Factor 1: - 0,8112 и 0,5784 соответственно), представляется возможным протестировать замену данной переменной на более «широкий» показатель ликвидности Net loans/Total assets.
В результате, за счет роста объясняющей способности всех четырех компонент общий уровень объясняющей дисперсии увеличивается с 66,3 до 74,26 %. При этом введенная в модель «широкая» переменная ликвидности вносит условно-достаточный вес в объяснение сразу двух главных компонент: № 3 (факторная нагрузка - 0,66) и № 4 (факторная нагрузка - 0,58) (табл. 3).
В целом, по итогам анализа факторных нагрузок, выделенных в результате расчета модели главных компонент, можно привести следующие характеристики их экономического содержания:
Таблица 2
Результаты второй итерации модели главных компонент
Variable Factor Loadings
Factor 1 Factor 2 Factor 3 Factor 4
GDP Annual Growth -0,210440 0,178134 0,680070 -0,328457
P/B 2011 0,031607 -0,097556 0,851356 0,189490
Net Income Growth (1yr) 0,610624 0,040526 -0,185950 0,074472
Return on Equity Capital -0,065694 0,809955 0,179803 -0,243886
Net Banking Income/Employee 0,122431 0,848021 -0,135803 0,131238
Debt/Equity -0,578948 0,023368 0,065597 -0,165940
Net Loans/Total Deposits -0,811182 -0,052752 -0,160595 0,207116
Loan Loss Provision/Avg Net Loans 0,046916 -0,044471 0,014278 0,921116
Expl. Var 1,432849 1,423364 1,302949 1,144928
Prp. Totl 0,179106 0,177921 0,162869 0,143116
Источник: расчеты автора на базе пакета Statistica.
Таблица 3
Результаты расчета модели главных компонент
Variable Factor Loadings
Factor 1 Factor 2 Factor 3 Factor 4
GDP Annual Growth -0,238836 0,731431 -0,158189 0,266564
P/B 2011 0,151623 0,852039 0,076003 -0,111916
Net Income Growth (1yr) -0,035824 -0,071296 0,131060 -0,781741
Return on Equity Capital -0,854277 0,161473 -0,104908 0,177274
Net Banking Income/Employee -0,791319 -0,139992 -0,013529 -0,277387
Net Loans/Total Deposits 0,072958 -0,050068 0,660917 0,583917
Loan Loss Provision/Avg Net Loans 0,068449 -0,016534 0,864461 -0,233791
Expl. Var 1,447299 1,314484 1,243269 1,198687
Prp. Totl 0,206757 0,187783 0,177610 0,171241
Источник: расчеты автора на базе пакета Statistica.
1) компонента «избыточный персонал - негативное влияние на рентабельность» — стала наиболее значимой из-за увеличения уровня ее объясняющей дисперсии (Prp. Totl.) с 17,91 до 20,67 % (Factor 1);
2) компонента «риск пониженного потенциала страны - стоимость банка» — увеличила показатель Prp. Totl. с 18,19 до 18,77 % и стала второй по уровню значимости (Factor 2);
3) компонента «уровень кредитных рисков» (Factor 3, Prp. Totl. = 17,76%) наряду с ключевым индикатором кредитных рисков loan loss provisions/avg. net loans (факторная нагрузка -0,8645) включила в себя также однонаправленный с ним показатель уровня долговой нагрузки net loans/total assets (факторная нагрузка - 0,66), заместив показатель уровня долговой нагрузки страны, исключенный после первой итерации модели;
4) вновь сформировавшаяся компонента № 4 (Factor 4, Prp. Totl. = 17,12 %) включает разнонаправленные показатели роста чистой прибыли (факторная нагрузка - 0,78) и долговой нагрузки банков (факторная нагрузка - 0,58). Соответственно, данную компоненту представляется возможным обозначить как «долговая нагрузка -негативное изменение доходов банка». Таким образом, по итогам проведенного многомерно анализа на основе метода главных компонент выделены следующие тенденции, отражающие укрупненные ключевые различия отдельных объектов-аналогов рассматриваемой выборки европейских банков:
1) в сложившихся условиях экономической стагнации (ввиду отсутствия достаточного потенциала роста доходности европейских банков) наиболее значимым фактором оптимизации
рентабельности банков становится сокращение штатного персонала и реинжиниринг бизнес-процессов (включая (но не ограничиваясь) проектами автоматизации). Такой вывод косвенно следует из наибольшего процента объяснимой дисперсии первой главной компоненты: «долговая нагрузка - негативное изменение доходов банка». Банки, для которых характерно не более чем 30 %-ное отклонение от медианного значения первой главной компоненты, приведены в табл. 4 в составе 7 ед. (российские банки среди них отсутствуют). Отсутствие российских банков среди группы аналогов, отражающих центральную тенденцию распределения данной главной компоненты, объясняется более высокими показателями трудоемкости бизнеса, сокращение которой не является первостепенным фактором оптимизации рентабельности ввиду наличия потенциала роста;
2) ключевым ценообразующим фактором европейских банков в текущих условиях являются темпы экономического роста/спада страны (где расположен головной офис кредитной организа-
Таблица 4
Европейские банки, близкие к центральной
тенденции главной компоненты «долговая нагрузка - негативное изменение доходов банка»
Банк Страна Значение фактора
UBS Швейцария -0,02786
Barclays Великобритания -0,03346
Lloyds Banking Group PLC Великобритания -0,02388
CIC Франция -0,02565
Luzerner Kantonalbank Швейцария -0,03088
Berner Kantonalbank AG Швейцария -0,03639
Banca Carige SpA Италия 0,03292
ции), что следует из структуры второй главной компоненты: «риск пониженного потенциала страны - стоимость банка». Близкие к медианному значения данной главной компоненты банков по критерию не более чем 30 %-ного отклонения приведены в табл. 5 в составе 8 ед. Среди них российские банки отсутствуют, что объясняется наличием нереализованного потенциала роста (данный факт находит свое отражение в относительно более высоких темпах роста экономики и мультипликатора оценки). Данное обстоятельство отлично от ситуации для уже развитых европейских экономик, к которым относится большинство банков выборки;
3) ключевым фактором, сопровождающим изменение ликвидности европейских кредитных организаций в текущих условиях, становится рост уровня резервов по ссудам, что является следствием влияния системных экономических проблем на кредитное качество большинства заемщиков, что косвенно следует из структуры третьей главной компоненты: «уровень кредитных рисков». Данный вывод является дополнительным подтверждением первостепенной значимости воздействия экономического роста на уровень рыночной стоимости, поскольку снижение темпов роста является основной причиной возникновения проблем с возвратом задолженности на микроуровне (уровне отдельных заемщиков), что при сохранении сопоставимого уровня депозитов приводит к снижению ликвидности. Группа банков с не более чем 30 %-ным отклонением от медианного значения данной главной компоненты в составе 10 ед., среди которых представлены два крупнейших российских банка России: Сбербанк России
Таблица 5
Европейские банки, близкие к центральной тенденции главной компоненты «риск пониженного потенциала страны -стоимость банка»
и ВТБ, представлена в табл. 6 Таким образом, российские банки попадают в центральную тенденцию европейской банковской системы в части роста кредитных рисков, связанных с рисками ликвидности, и могут быть сопоставимы по этому параметру с достаточным количеством аналогов, лежащих выше и ниже медианного значения;
4) долговая нагрузка является вторым по значимости фактором снижения рентабельности банков, что следует из уровня объясняемой дисперсии и структуры четвертой главной компоненты: «долговая нагрузка - негативное изменение доходов банка». Данный факт с еще одной стороны подтверждает значимость воздействия показателя роста экономики на инвестиционную привлекательность банка ввиду его косвенного (через канал фондирования) характера воздействия на прибыль банка. В условиях стагнации рефинансирование привлеченных ранее кредитов невозможно на прежних условиях, а поступление процентных платежей, направляемых в том числе на обслуживание привлеченных заимствований, сокращается относительно возрастающих потоков по обслуживанию привлеченного фондирования. Это ведет к снижению ликвидности и необходимости занимать деньги по еще более высоким ставкам. Группа банков с не более чем 30 %-ным отклонением от медианного значения четвертой главной компоненты, характеризующей данную взаимосвязь, представлена в табл. 7. Среди банков, близких к медианному значению европейской банковской системы, выделено 6 ед., в том числе один российский банк - Номос-Банк, который в настоящее время поглощен банком
Таблица 6
Европейские банки, близкие к центральной тенденции главной компоненты «уровень кредитных рисков»
Банк Страна Значение фактора
BNP Panbas SA Франция -0,16462
Banco Bilbao Vizcaya Argentari Испания -0,16542
Raiffeisen Bank International Австрия -0,18848
Basler Kantonalbank Швейцария -0,15745
Sparebanken More Норвегия -0,12762
Alandsbanken Abp (B-share) Финляндия -0,12872
Gronlandsbanken Дания -0,12437
First Investment Bank Болгария -0,16425
Банк Страна Значение фактора
Sberbank of Russia Россия 0,13914
Svenska Handelsbanken AB Швеция 0,12629
Bank VTB Россия 0,13921
Pekao (BK Polska Kasa Opieki) Польша 0,13390
Van Lanschot Нидерланды 0,09415
Banca Transilvania S.A. Румыния 0,09696
Sparebanken More Норвегия 0,11430
Nordjyske Bank A/S Дания 0,08120
Totens Sparebank ASA Норвегия 0,09377
M. W. Trade S.A. Польша 0,08310
Таблица 7
Европейские банки, близкие к центральной
тенденции главной компоненты «долговая нагрузка - негативное изменение доходов банка»
«Открытие». Соответственно, данный факт косвенно указывает вероятную модель дальнейшего изменения структуры собственности для многих европейских банков с поправками на принципы регулирования и поддержки банков со стороны местных регуляторов. Таким образом, выделенные укрупненные компоненты финансово-экономического состояния банков подчеркивают определяющий характер воздействия показателей роста (как на макроуровне экономики в целом, так и на уровне доходов банка) на финансовый результат и показатели рыночной оценки банка, что, в частности, согласуется с эмпирическими выводами исследования по методологии рыночного подхода на европейском рынке капитала [8]. Главная компонента № 2 отражает данную зависимость напрямую, компоненты № 1, 3 и 4 фактически указывают на производные воздействия негативного влияния стагнации и/или спада на формирование элементов финансового результата банка. Под производным воздействием в данном случае понимается связь канала макроэкономической динамики и показателей риска и доходности банка.
Соответственно, в качестве первого фактора при выборе объектов аналогов и проведении корректировок уровня странового риска в рамках рассмотренной межстрановой выборки банков могут, прежде всего, рассматриваться критерии ожидаемого роста (с учетом роста на макроуровне и на уровне прибыли банка). При этом, исходя из структуры главных компонент, следующими в порядке значимости критериями отбора и корректировок для изученной выборки европейских банков должны быть показатели операционной эффективности в расчете на 1 сотрудника, рентабельности капитала, кредитных рисков и уровня долговой нагрузки.
Таким образом, выявленные внутренние взаимосвязи в рамках полученной структуры четырех главных компонент позволили определить центральные тенденции рисков и ценнообразующих факторов рассмотренной выборки европейских банков, а также приблизиться к пониманию иерархии их значимости. Близкими к выделенным центральным тенденциям рассмотренных показателей выборки европейских банков оказались Сбербанк России, ВТБ и Номос-Банк.
Список литературы
1. Дамодаран А. Инвестиционная оценка: Инструменты и методы оценки любых активов / пер. с англ. 4-е изд. М.: Альпина Бизнес Букс, 2007. 1340 с.
2. Ивашковская И. В., Партин И.М., Скури-хина А. А. Детерминанты стратегической эффективности банков на развивающихся рынках капитала // Корпоративные финансы. 2012. № 3 (23). С. 5-21.
3. Калинина В. Н., Соловьев В. И. Введение в многомерный статистический анализ / ГУУ. М., 2003.66с.
4. Aburime Toni Uhomoibhi. Determinants of Bank Profitability: Company-Level Evidence from Nigeria (March 16, 2008). URL: http://ssrn. com/ abstract=1106825 (дата обращения: 10.03.2013).
5. Dietrich Andreas and Wanzenried Gabrielle. Determinants of Bank Profitability Before and During the Crisis: Evidence from Switzerland (January 14, 2010). URL: http://ssrn. com/abstract=1370245 (дата обращения: 20.03.2013).
6. Franco Fiordelisi and Phil Molyneux. The determinants of shareholder value in European banking. Working Paper. 2000. URL: http://apps. olin. wustl. edu/FIRS/PDF/2009/700.pdf (дата обращения: 10.03.2013).
7. Gropp Reint and Heider Florian. The Determinants of Bank Capital Structure (September 17, 2009) // Review of Finance. Vol. 14. P. 587-622, 2010 / Zentum Fuer Europaeische Wirtschaftsforschung (ZEW) - Center for European Economic Research. Vol. 8. № 15. 2008. URL: http://ssrn. com/abstract=967417 (дата обращения: 12.02.2013).
8. MeitnerM. The market approach to comparable company valuation / Series: ZEW Economic Studies. Vol. 35. 2006. 241 p.
9. Monica Octavia, Rayna Brown. Determinants of bank capital structure in developing countries: regulatory capital requirement versus the standard determinants of capital structure // Journal of emerging markets. New York. Vol. 15. № 1. 2010. P. 50-62.
Банк Страна Значение фактора
Nordea Bank Ab Швеция 0,11612
Credit Suisse Group Швейцария 0,08699
NOMOS-BANK ZAO Россия 0,12384
ZUGER KANTONALBANK Швейцария 0,12061
Banque Cant. Geneve Швейцария 0,10681
Bank Of Greece Греция 0,08855
