CC BY
44
УДК 336.717.061
УЧЕТ НЕЦЕНОВЫХ УСЛОВИЙ БАНКОВСКОГО КРЕДИТОВАНИЯ В ПРОГНОЗИРОВАНИИ ФИНАНСОВО-ЭКОНОМИЧЕСКИХ
ПОКАЗАТЕЛЕЙ
© П.М. Симонов, Д.В. Шимановский
Ключевые слова: неценовые условия банковского кредитования; комплекс регрессионных уравнений; экономическое прогнозирование.
Построен комплекс регрессионных моделей, включающих новые для России статистические показатели — индексы неценовых условий банковского кредитования. Рассмотрен опыт ведения данной статистики как в России, так и в других странах. Спецификация уравнений учитывает зарубежный опыт. Модели включают лаговые значения объясняющих переменных и позволяют прогнозировать важнейшие финансовые и макроэкономические показатели.
В настоящее время финансовый рынок играет важнейшую роль в любой рыночной экономике. В свою очередь, наиболее важным сегментом Российского финансового рынка является кредитный (или более правильно — кредитно-депозитный) рынок.
На начало 2011 г. активы банковского сектора России составили 71,7 % от объема годового ВВП. Из них 30,5 % ВВП приходилось на объем задолженности юридических лиц перед банковским сектором. 8,8 % от ВВП составил объем задолженности физических лиц. По данным показателям Россия отстает не только от стран Европейского Союза, но и от крупных развивающихся стран. Например, в Китайской Народной Республике, где рыночные отношения формируются немногим более 30-ти лет, объем активов банковского сектора превышает 150 % от уровня годового ВВП.
В последние годы макроэкономические показатели все больше коррелируют с показателями кредитно-депозитного рынка. Например, коэффициент корреляции между темпами прироста ВВП и размером процентной ставки по кредитам юридическим лицам составляет - 0,75 (по квартальным данным за 2009-2012 гг.). Аналогичный коэффициент для темпов прироста ВВП и темпов прироста объемов кредитования составляет 0,96.
Наличие кредитных рисков делает необходимым регулирование кредитно-депозитного рынка. В свою очередь, для качественного регулирования необходимо проводить анализ, мониторинг и прогнозирование показателей кредитного рынка. В последнее время растет число аналитических показателей, позволяющих прогнозировать главные индикаторы кредитного рынка.
Один из наиболее известных примеров подобных показателей — индексы условий банковского кредитования (УБК). Расчет данных индексов осуществляется Банком России раз в квартал, начиная со II квартала 2009 г. Сбор статистики происходит посредством анкетирования. Раз в квартал 50 крупнейшим банкам, на долю которых приходится 87 % кредитного рынка России, приходит анкета, содержащая около 30 вопросов относительно неценовых условий банковского кредитования. На каждый вопрос кредитной организации предлагается пять вариантов ответа.
На основании ответов кредитных организаций происходит расчет двух индексов: «net percentage» и «диффузный индекс». Данные индексы определяют динамику неценовых условий банковского кредитования. Положительное значение любого из индексов означает, что в текущем квартале банки ужесточили требования к кредитоспособности заемщиков по
2675
отношению к предыдущему кварталу. Отрицательное значение индексов говорит об обратном.
Вторым автором данной работы были предприняты попытки использования индексов условий банковского кредитования в эконометрическом моделировании. Первая модель описывает зависимость изменения ставки по кредитам юридическим лицам от индекса net percentage и ставки межбанковского кредитования (MIACR). Данная модель является моделью множественной регрессии с двумя объясняющими переменными. Коэффициент детерминации модели равен 0,78. Объем выборки — 14 наблюдений.
Модель была проверена на мультиколлинеарность значениями элементов корреляционной матрицы. На автокорреляцию проверка осуществлялась с помощью статистики Дарбина-Уотсона (DW). Все параметры модели значимы по критерию t-статистики на уровне значимости 0,95.Среднее отклонение модельных значений процентной ставки от фактических составило 2,54 % (0,257 процентных пунктов).
Далее были спрогнозированы объясняющие переменные модели. Индекс условий кредитования для юридических лиц был спрогнозирован через ожидаемое значение этого же самого индекса (анкета содержит специальный блок вопросов, посвященный ожиданиям кредитных организаций на следующий квартал). Величина ставки межбанковского рынка была спрогнозирована через динамику ставки рефинансирования. Коэффициенты детерминации данных моделей составили 0,92 и 0,59.
На основании этих трех моделей был составлен прогноз динамики ставки по кредитам для юридических лиц на I—II кварталы 2013 г. Прогноз исходит из трех сценариев: ставка рефинансирования не изменится, ставка рефинансирования снизится на 0,25 процентных пунктов, и ставка рефинансирования повысится на 0,25 процентных пунктов.
Также вторым автором данной работы был составлен прогноз динамики четырех основных компонентов ВВП: потребления домашних хозяйств, валового накопления, государственных расходов и чистого экспорта. Прогноз строится на четырех регрессионных моделях, включающих индексы неценовых условий банковского кредитования.
ЛИТЕРАТУРА
1. Егоров А.В., Карамзина А.С., Чекмарева Е.Н. Анализ и мониторинг условий банковского кредитования // Деньги и кредит. 2010. № 10.
2. Меркурьев И.Л. Моделирование финансово-экономической деятельности коммерческого банка / И.Л. Меркурьев, В.Д. Виноградов. М.: Рос. экон. акад., 2000. 160 с.
3. Носко В.П. Эконометрика: учебник М.: Изд. дом «Дело» РАНХиГС, 2011. Кн. 1. Ч. 1, 2. 672 с.
БЛАГОДАРНОСТИ: Работа поддержана ЗАО «Прогноз».
Simonov P.M., Shimanovsky D.V. ACCOUNTING FOR NON-PRICE TERMS OF BANK LENDING IN PREDICTING THE FINANCIAL AND ECONOMIC INDICATORS
We built a set of regression equations involving new statistical indicators for Russia - the indices of non-price terms of bank lending. The experience of doing this statistic as in Russia and in other countries are considered. Specification of the equations takes into account the international experience. The models include the lagged values of the explanatory variables and can be predictive of the most important financial and macroeconomic indicators.
Key words: non-price terms of bank lending; complex regression equations; economic forecasting.
2676
