CC BY
26УДК 338.12.017
ВЛИЯНИЕ ФИНАНСОВОЙ СТРУКТУРЫ НА ЭКОНОМИЧЕСКИЙ РОСТ РОССИИ
Т.Н. Мдинарадзе
THE IMPACT OF FINANCIAL STRUCTURE ON ECONOMIC GROWTH IN RUSSIA
T.N. Mdinaradze
Аннотация. Статья посвящена доказательству тому, что в России банки, как элемент финансовой структуры сильнее, чем фондовый рынок, влияют на уровень экономического роста.
Ключевые слова: финансовая структура, экономический рост, коинтегра-ция, векторная модель коррекции ошибок.
Abstract. The article is devoted to the idea: banks (in the form of domestic credit) as part of the financial structure is stronger than stock market (in the form of overall capitalization) influence on the economic growth in Russia (in the form of nominal GDP).
Key words: financial structure, economic growth, co-integration, vector error correction model.
Финансовые услуги - мобилизация сбережений, управление риском, распределение ресурсов и ускорение трансакций - играют важную роль в экономическом развитии и сами меняются под влиянием этого развития. Финансовые кризисы, массовое банкротство кредитных организаций, коллапс рынка акций и другие потрясения финансовой системы сдерживают экономический прогресс и даже могут повернуть его вспять. Известно, что структура финансовой системы меняется от страны к стране. Традиционное деление этой системы на «рыночную» и «банковскую» относится, например, к США и еврозоне. Европейские компании больше полагаются на банки как на источник внешних инвестиционных фондов, а аме-
* Хотела бы от всей души поблагодарить профессора РГГУ, д-ра экон. наук Алехина Бориса Ивановича за его невероятную поддержку в процессе моей научной работы, значительный вклад и ценную помощь в подготовке данной статьи. Осуществление данной работы было бы невозможно без существенной поддержки со стороны Бориса Ивановича.
риканские - на рынок ценных бумаг, в первую очередь облигаций. В еврозоне банковские ссуды компаниям составили 42,6 % ВВП, а в США - 18,8 %. Облигации в обращении и рыночная капитализация нефинансовых корпораций равнялись соответственно 6,5 % и 71,7 % в еврозоне и 28,9 % и 137,1 % в США [7, с. 5].
Большинство эмпирических работ подтверждает теоретически установленную связь между экономическим ростом и уровнем развития финансов. Вопрос сводится к тому, что - причина, а что - следствие. Если верна гипотеза, что экономический рост зависит от прогресса финансов, то какая часть финансовой структуры - рынок ценных бумаг или банки - оказывает большее влияние на экономический рост?
Автор данной работы придерживается «рыночной» точки зрения на связь экономического роста с финансовой структурой: рынок эффективнее, чем банки, во-первых, раскрывает информацию об возможных инвестициях, то есть выявляет хорошие бизнес-проекты, во-вторых, облегчает мониторинг инвестиций после выделения финансовых ресурсов, в-третьих, облегчает торговлю, диверсификацию и управление риском, в-четвертых, мобилизует и объединяет сбережения для инвестиций, то есть поставляет «длинные» деньги, в-пятых, ускоряет обмен товарами, услугами и финансовыми претензиями и поэтому лучше, чем банки, стимулирует экономический рост.
Гипотеза формулируется следующим образом: в России банки, как элемент финансовой структуры сильнее, чем фондовый рынок, влияют на уровень экономического роста.
Поскольку планируется найти связь между финансовым рынком и экономическим ростом, то нужно определить, чем измерить этот рост? В случае анализа данной связи на примере одной страны подходящим показателем будет ВВП в текущих ценах (GDP), поскольку он отражает номинальный рост производства без корректировки на размере экономики [11]. Данная переменная будет являться зависимой.
Уровень развития банковской системы измерен внутренним кредитом (CRD) на основе данных Центрального банка [12]. CRD дает представление о финансовых ресурсах, предоставленных внутреннему частному сектору путем ссужения, покупки его ценных бумаг кроме акций, торгового кредитования и прочих операций, образующих у кредиторов счета к получению. Внутренний частный сектор не включает государство, центральный банк и (для большинства стран) государственные предприятия. Ожидаемый знак в моде-
ли зависимости - «+»: чем выше CRD, тем выше уровень (больше глубина) развития банков и тем выше GDP.
Уровень развития рынка акций измерен общей капитализацией (CAP) основного рынка на Московской бирже на основе данных сайта Investfunds [13]. CAP также дает представление о финансовой глубине. Ожидаемый знак в модели зависимости - «+»: чем выше CAP, тем выше уровень (больше глубина) развития банков и тем выше GDP.
Проведем статистический анализ данных по финансовому рынку и экономическому росту в России. В данном исследовании тестировалось предположение о том, что CAP и CRD - причины, а GDP - следствие. Причинно-следственная зависимость может идти в обратном направлении и даже быть взаимной, двусторонней. Ответ на вопрос, что - причина, и что - следствие, дает в известном смысле парный тест Грэнджера на причинность. Простое определение причинности по Грэнджеру звучит так: «CAP и CRD - причина для GDP, если совместная история CAP, CRD и GDP лучше предсказывает GDP, чем только история GDP». Заявление «CAP и CRD - причина для GDP по Грэнджеру» не следует принимать за чистую монету. Причинность по Грэнджеру показывает прецеденты и информационное содержание, а не причинно-следственную зависимость в общепринятом смысле этого выражения [8, с. 424-438.]. Результаты приведены в табл. 1. Причинность по Грэнджеру взаимная: Банковский кредит влияет на номинальный ВВП, и номинальный ВВП (еще значимее) влияет на банковский кредит. Интуиция подсказывает, что это нормально для уровня развития российской банковской системы.
Таблица 1
Парный тест Грэнджера на причинность
Нулевая гипотеза Наблюдений F-статистика p-значение
CAP не причина для GDP 43 0,633 0,724
GDP не причина для CAP 2,077 0,079
CRD не причина для GDP 42 3,688 0,006
GDP не причина для CRD 0,753 0,631
CRD не причина для CAP 42 2,971 0,019
CAP не причина для CRD 1,346 0,268
Составлено автором на основе данных Центрального банка, Федеральной службы государственной статистики и Investfunds с использованием программы EViews 5.
Тест Грэнджера показывает, что CRD - причина для GDP и CAP, а CAP не влияет на GDP. Очень реалистично.
Для анализа переменных на нормальное распределение мы воспользуемся тестом Шапиро-Уилка. Этот тест был применен до логарифмирования и после, чтобы сравнить результаты. Логарифмирование лишь слегка изменило распределение переменных; CAP, CRD и GDP не прошли тест Шапиро-Уилка на нормальность. Нормальное распределение - редкое свойство рядов экономической динамики. Если логарифмирование не дает более нормального распределения, то оно все равно полезно: снижает вариацию, заменяя знаки умножения и деления на сложение и вычитание, а также дает процентные эластичности. В расчетах использованы логарифмированные данные, чтобы получить коэффициенты эластичности.
В экономике и финансах временные ряды обычно нестационарны (нестабильны). Нестационарность - серьезная проблема, поскольку корреляция, «выживающая» даже в очень длинных нестационарных рядах, может быть мнимой, если использовать метод наименьших квадратов (МНК), а сделанные на основе МНК-регрессий прогнозы - ненадежными [2]. Выполним формальный тест на стационарность. Пусть это будет Тест Квятковского-Филлипса-Шмидта-Шина (KPSS-тест). Он короток и ясен, так как не основан на поиске единичных корней. Нулевая гипотеза теста - переменная стационарна вокруг константы или вокруг тренда (возможно убрать константу и оставить тренд, если предполагается, что в данных тренд есть, и наоборот). Нулевая гипотеза отвергается, если статистика теста больше критического значения. Согласно полученным результатам статистика теста больше критического значения, то есть нулевая гипотеза не опровергнута, и обе переменные - нестационарные (интегрированные порядка 1).
Дифференцирование CAP, CRD и GDP решило бы проблему нестационарности, и можно было бы закончить эту работу обсуждением регрессии перворазностного GDP по перворазностных CAP и CRD. Однако остается другая важная проблема: эмпирически поддержать предсказания теории о пребывании нестационарных CAP, CRD и GDP в долгосрочном равновесии. Ведь перейдя на разности и удалив тем самым тренд, мы, по словам Канторовича, «отказываемся анализировать долгосрочное поведение переменной и отрицаем возможность существования долгосрочного равновесия для нестационарных переменных» [5, с. 79].
Долгосрочная равновесная связь - свойство только коинте-грированных переменных. Коинтеграция - это когда нестационарные CAP, CRD и GDP, «разбежавшись» недалеко и ненадолго в разные стороны, возвращаются в предсказанное теорией эффективного рынка равновесие (в новой точке). При коинтеграции корреляция может быть разной, но она всегда подлинная. Еще одно важное отличие коинтеграции от корреляции состоит в том, что корреляция не отвечает на вопрос, какая переменная - причина, какая - следствие, а коинтеграция означается наличие хотя бы односторонней причинно-следственной зависимости [4].
В данной работе использован популярный тест Йохансена на ко-интеграцию, разработанный «по мотивам» работ Грэнджера и Энг-ла [109]. Он основан на векторной модели коррекции ошибок (ВМКО).
Тест Йохансена выполнен в Варианте 5 - константа и тренд входят в коинтегрирующее уравнение и векторную авторегрессию, тренд входит в векторную авторегрессию. Варианты («пять знаменитых случаев») - это гипотезы в отношении детерминированных компонент коинтегрирующего уравнения и векторной авторегрессии.
Тест имеет две статистики - след матрицы и ее максимальное число (по сути два теста в одном). Результаты приведены в табл. 2. В качестве статистики теста здесь фигурирует след матрицы.
Таблица 2
Результаты теста Йохансена на коинтеграцию
Ранг Собственное Тест на след Lmax тест
значение матрицы (p-значение) (p-значение)
0 0,605 63,022 (0,000) 39,053 (0,000)
1 0,382 23,970 (0,006) 20,197 (0,015)
2 0,086 3,773 (0,052) 3,773 (0,052)
Переменная Коинтегрирующий вектор (нормализованная бета) Корректирующий вектор (нормализованная альфа)
logGDP 1,000 -0,449
logCAP -0,335
logCRD 0,209
Составлено автором на основе данных Центрального банка, Федеральной службы государственной статистики и Investfunds с использованием программы Gretl.
Если след матрицы и ее максимальное собственное число имеют р < 0,005, то есть обнаружен хотя бы 1 ранг коинтеграции. Коин-тегрирующие векторы (бета) образуют коинтегрирующее уравнение для каждой переменной (3 переменных - 3 уравнения).
Нормализованные корректирующие векторы (альфа) показывают скорость восстановления равновесия в системе трех уравнений.
ВМКО представляет собой динамическую модель, в рамках которой изменение зависимой переменной в текущем периоде обусловлено нарушением равновесия в предыдущем периоде из-за шока независимой переменной. Когда переменные коинтегри-рованы и любой шок вызывает потерю равновесия, срабатывает хорошо определенный динамический процесс возвращения системы в равновесие. ВМКО объединяет в одном уравнении долгосрочную компоненту зависимой переменной и ее краткосрочную реакцию, обеспечивающую поддержание равновесной связи с независимой переменной. Главное достоинство ВМКО в том, что она оставляет спецификацию долгосрочного равновесия на попечение теории, а краткосрочную динамику извлекает из данных.
Поскольку результаты модели ВМКО представляют собой достаточно объемную таблицу данных для целей анализа приведем два показателя: константа, которая равна 3,289 и ЕС1 = -0,449.
Описательные статистики (табл. 3) помогают охарактеризовать модель, указывая ее основные статистические характеристики и важный показатель - исправленный (скорректированный на число степеней свободы) R-квадрат.
Таблица 3
Описательные статистики системы ВМКО
Среднее зависимых переменных 0,035 Стандартное отклонение зависимых перемен 0,036
Сумма кв. остатков 0,006 Стандартная ошибка модели 0,017
R-квадрат 0,886 Исправленный R-квадрат 0,777
Параметр rho (непараметрический коэффициент корреляции Спирмана) 0,196 Статистика Дарбина-Вотсона 1,562
Составлено автором на основе данных Центрального банка, Федеральной службы государственной статистики и Investfunds с использованием программы Gretl.
Полученные данные соответствуют следующему коинтегри-рующему уравнению:
logGDP = 3,289 - 0,334 * logCAP + 0,208 * logCRD (1)
В данном уравнении константа взята из результатов ВМКО, а коэффициенты - это нормализованные беты из теста Йохансена. С ростом CRD на 1 %, GDP повышается на 0,208 %, а при росте CAP на 1 %, GDP снижается на 0,334 %. Исправленный R2 = 0,777, то есть модель объясняет 77,7 % вариации GDP. Коинтеграция CAP, CRD и GDP исключает их мнимую корреляцию, но этого еще недостаточно. Модель демонстрирует лишь то, что от одного квартала к другому элементы коинтегрирующего вектора (3,289, 0,208 и -0,334) служат параметрами долгосрочной связи. EC1 - это дисбаланс, возникший после шока CAP и CRD в прошлом квартале, его значение - скорость ликвидации дисбаланса. Так как связь долгосрочная, EC1 должна быть отрицательной. Тогда положительный (отрицательный) дисбаланс обеспечит падение (рост) GDP на его пути к своему равновесному значению. Дисбаланс, возникший в прошлом квартале, ликвидируется в текущем и, возможно, будущих кварталах темпом, заданным EC1. Ликвидация представляет собой последовательное уменьшение дисбаланса на произведение отрицательной EC1 и остатка дисбаланса, переходящего из предыдущего квартала в данный.
Чтобы GDP мог вернуться в равновесие с CAP и CRD, значение должно находиться между 0 и -1. Чем ближе EC1 к -1, тем быстрее достигается равновесие. При EC1 = -1 равновесие достигается за текущий квартал. Больше кварталов требуется, если EC1 стремится к нулю. Срок полного устранения отклонения - обратная EC1, то есть после 1 / EC1 недель GDP возвращается к равновесию с CAP и CRD.
EC1 указывает на приличную скорость восстановления равновесия (максимальная скорость, при которой равновесие не зашкаливает, -1) [10]. Системе ВМКО требуется примерно 2,2 квартала (1 / 0,449) чтобы вернуться в равновесие после отклонения от равновесия в предыдущем квартале.
Наконец, с помощью стандартных диагностических тестов было оценено качество ВМКО. Тесты Льюинг-Бокса на автокорреляцию остатков, Дурника-Хансена (Doornik-Hansen) на нормальное распределение остатков и тест на наличие в остатках ARCH-процессов («пучков» волатильности) не обнаружили серьезных упущений в спецификации модели.
Таким образом, авторская гипотеза о большей роли банков в поддержании экономического роста в России подтвердилась. Было выявлено, что именно рост капитализации и внутреннего кредита влияют на экономический рост, а не наоборот. Рост номинального ВВП положительно связан с ростом объема внутреннего кредита, и отрицательно связан с ростом общей капитализации. Оценивание ВМКО показало, что с ростом CRD на 1 %, GDP повышается на 0,208 %, а при росте CAP на 1 %, GDP снижается на 0,334 %. Системе GDP-CRD-CAP требуется 2,22 квартала, чтобы вернуться в равновесия после отклонения из него в предыдущем квартале.
Для преобладающей роли банков есть ряд причин: во-первых, банки исторически появились раньше института фондового рынка, они заработали себе репутацию и создали прочную систему. Во-вторых, банки подвергаются большему надзору государственных структур, и центрального банка в частности. В период кризисов именно они получают государственную поддержку, санируются регулятором, в то время как причиной дестабилизации ситуации, о чем мы можем судить на последних примерах, часто становится рынок. Кроме этого, если рынок находится еще в зачаточном или развивающемся состоянии, его излишняя волатильность не будет оказывать постоянно стимулирующего экономический рост.
Библиографический список
1. Алехин Б.И. Американские горки российского рубля // Финансовая аналитика: проблемы и решения. 2016. № 23.
2. Алехин Б.И. Сколько денег нужно россиянам и зачем // Вестник РГГУ Серия «Экономика. Управление. Право». 2015. № 2.
3. Алехин Б.И. Цена на нефть и экономический рост России // Экономический журнал. 2016. № 2.
4. Алехин Б.И. Эффект Фишера в России // Финансовая аналитика: проблемы и решения. 2015. № 46.
5. Канторович Г.Г. Анализ временных рядов // Экономический журнал Высшей школы экономики. 2003. № 1.
6. Кейнс Д.М. Теория предпочтения ликвидности из книги: Общая теория занятости, процента и денег: пер. с англ. / общ. ред. и предисл. А.Г. Милейковского и И.М. Осадчей. М., 1978.
7. De Fiore F., Uhlig H. Bank Finance Versus Bond Finance. What Explains the Difference Between US and Europe? // European Central Bank, Working Paper. 2005. Series No. 547 / November.
8. Granger C. Investigating Causal Relations by Econometric Models and Cross-Spectral Methods // Econometrica. 1969. Vol. 37 (1969).
