II Национальный конкурс научных и инновационных работ по теоретической и прикладной экономике для молодых ученыхэкономистов (до 35 лет) Эффективность издержек, макроэкономические процессы и их воздействие на качество кредитных портфелей российских банков Михаил Мамонов, ведущий эксперт Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП) аспирант НИУ ВШЭ 7 ноября 2013 Мотивация и постановка задачи 1. 2. 3. 4. 5. 6. Кризис 2008-2009 гг. выявил существенные дисбалансы в развитии российского банковского сектора. До кризиса кредиты росли на 20-30% в реальном выражении, в среднем в 4 раза превышая темпы роста экономики, а соотношение кредитов и депозитов выросло до 1.5 – банки демонстрировали повышенные аппетиты к риску, уделяя больше внимания извлечению прибыли «здесь-и-сейчас» (ROA выросло до 3.5%), чем адекватному риск-менеджменту. Как следствие, доля «плохих» долгов (NPL) выросла с 2.5% на начало 2008 г. до 9.6% на начало 2010 г., т.е. почти в 4 раза всего за 2 года. С тех пор, за 3.5 года к текущему моменту доля NPL снизилась лишь до 6.3%. Рост был стремительным, сокращение оказалось долгим. Настороженность регулятора и аналитиков вызывали: – «отсутствие эффективного корпоративного управления и риск-менеджмента, высокие концентрации риска…» (Банк России, 2010) и – способность банков продолжать кредитовать экономику в условиях вялотекущего рассасывания «плохих» долгов (ЦМАКП, 2010) С нашей точки зрения, в условиях низких темпов роста экономики и, соответственно, ограниченной платежеспособности экономических агентов процесс рассасывания «плохих» долгов может затянуться во времени, а для некоторых (агрессивных) банков – даже перейти к росту В таких условиях возникает вопрос: в какой мере банки способны улучшать качество своих кредитных портфелей посредством повышения собственной операционной эффективности? Это требует эмпирического исследования на предмет взаимосвязи эффективности издержек российских банков и качества их кредитных портфелей. 2 Обзор литературы 1. Berger, DeYoung (1997) – фундаментальная работа по оценке связей между эффективностью и качеством кредитов банков. Авторы предложили следующие концепции таких связей: – «плохой менеджмент»: низкая операционная эффективность менеджеров банков – сигнал об общих недостатках корпоративного управления (моральный риск) – эти недостатки проявляются, в т.ч., в неадекватных процедурах скрининга качества заемщиков – рост «плохих» долгов – «скимпинг» (экономия на риск-менеджменте): в целях повышения эффективности в краткосрочном периоде банки могут сократить затраты на скрининг заемщиков, что в будущем может привести к росту «плохих» долгов (посредством неблагоприятного отбора заемщиков) – «неудачное стечение обстоятельств»: ухудшение макроэкономических условий – сокращение платежеспособности населения и нефинансовых предприятий по обслуживанию ранее взятых кредитов – рост «плохих» долгов – рост издержек банков на скрининг новых заемщиков – сокращение эффективности 2. Гипотеза «плохого менеджмента» подтвердилась для банковских систем: – США в Berger, DeYoung (1997), Eisenbeis (1997), – ЕС в Williams (2004), Fiordelisi et al. (2011), Salas, Saurina (2002), Louzis et al. (2011) – России в Мамонов (2012) и Pestova, Mamonov (2013) 3. Гипотеза «скимпинга» подтвердилась в Berger, DeYoung (1997) – однако лишь на подвыборке высокоэффективных банков США и в целом для банков ЕС в Altunbas et al. (2007) 4. В Quagliariello (2007) концепция «плохого менеджмента» не нашла подтверждения для банков Италии. 5. Как видно, результаты работ весьма противоречивы. Это усиливает актуальность вопроса о том, «как это все работает в России»? 3 Методология 1/5 1 Этап: Альтернативные оценки эффективности издержек российских банков 1. Балансовые показатели: – отношение операционных расходов к операционным доходам (operating cost-to-income, CIR) (новшество в сравнении с существующими работами: сальдирование переоценки средств банков в валюте) 2. Эконометрические показатели (панельные регрессии) : – SFA-индекс (подход стохастической границы эффективности, Stochastic Frontier Analysis) – DFA-индекс (подход без спецификации распределения, Distribution Free Approach) Индексы рассчитываются на основе оценок параметров эмпирической функции издержек российских банков в транслогарифмической форме (Fernandez de Guevara, Maudos, 2007): 3 ln OCit = β 0 + ∑ β j ⋅ ln Y j ,it + j =1 3 3 3 1 3 3 1 3 3 Y Y ⋅ + ⋅ ⋅ + ⋅ + ⋅ β γ P P P ln ln ln γ ln ln δ su ⋅ ln Ys ,it ⋅ ln Pu ,it ∑∑ kl k ,it l ,it ∑ ∑∑ rq r ,it q,it ∑∑ m m ,it 2 k =1 j =1 2 r =1 q =1 s =1 u =1 m =1 3 3 j =1 m =1 + α1 ⋅ TREND + α 2 ⋅ TREND 2 + + ∑ ϕ j ⋅ ln Y j ,it ⋅ TREND + ∑ψ m ⋅ ln Pp ,it ⋅ TREND + vit + uit где для банка i в квартале t Y – выпуски банков (кредиты, депозиты и комиссионные услуги), P – цены входящих факторов производства (привлеченных средств, труда и капитала) u – компонента неэффективности издержек банков SFAit = e −uˆit ∈ (0, 1) DFAit = uˆmin,t ∈ (0, 1] 1 + [uˆmin,t ; uˆit ] 4 Методология 2/5 2 Этап: Оценка причинно-следственной связи между эффективностью издержек и качеством кредитных портфелей российских банков (панельные регрессии) Тест Гранжера (Berger and DeYoung, 1997; Fiordelisi et al., 2011) – оценка двух уравнений: 4 4 k =1 k =1 ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t) 4 4 k =1 k =1 EFFi ,t = ∑ α k( 2 ) ⋅ ODLi ,t − k + ∑ β k( 2 ) ⋅ EFFi ,t − k + ε i(,2t ) где для банка i в квартале t ODL (Overdue loans ratio) – доля просроченных кредитов в совокупных кредитах, EFF – один из 3-х альтернативных показателей эффективности (CIR, SFA или DFA). Суть теста: 4 βˆ k(1) < 0 , то справедлива гипотеза «плохого менеджмента» (bad management); – если ∑ k =1 4 (1) – если ∑ βˆk > 0 , то релевантна концепция «экономии на риск-менеджменте» (skimping); k =1 4 – если ∑ α k( 2) < 0 , то справедлива гипотеза «неудачного стечения обстоятельств (bad luck)» k =1 Метод оценки: двухшаговый разностный ОММ (Two-step Difference GMM, Arellano, Bond, 1991) 5 Методология 3/5 2 Этап: Оценка причинно-следственной связи между эффективностью издержек и качеством кредитных портфелей российских банков (панельные регрессии) Способы идентификации банков, экономящих на риск-менеджменте («скимперов»): Уравнение 4 4 k =1 k =1 ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t) оценивается по всем банкам российской банковской системы (полная выборка). – Однако, вряд ли стоит ожидать, что все банки преследуют «скимпинг» (Berger, DeYoung, 1997) – Поэтому нужны фильтры на полную выборку Для разработки фильтров нужно выявить причины, по которым банк может преследовать «скимпинг» – Berger, DeYoung (1997) – «скимпинг» преследуют банки с повышенной эффективностью С нашей точки зрения, фильтра «завышенной эффективности» недостаточно. – Прочие причины «скимпинга» могут состоять в: (1) необходимости защиты собственных рыночных позиций от конкурентов. Это требует от банка не отставать от рынка или даже опережать его (2) нехватке собственного капитала банка для достижения своих стратегических целей 6 Методология 4/5 2 Этап: Оценка причинно-следственной связи между эффективностью издержек и качеством кредитных портфелей российских банков (панельные регрессии) Способы идентификации банков, экономящих на риск-менеджменте («скимперов»): Соответственно, мы оцениваем уравнение 4 4 k =1 k =1 ODLi ,t = ∑ α k(1) ⋅ ODLi ,t − k + ∑ β k(1) ⋅ EFFi ,t − k + ε i(,1t) : – на полной выборке банков – на подвыборке банков с «завышенной эффективностью» (EFF > 50-го процентиля полной выборки) – на подвыборке банков с «завышенной эффективностью» и с «завышенными годовыми темпами кредитования» (темпы > 50-го процентиля полной выборки) – на подвыборке подвыборке банков с «завышенной эффективностью» и с «дефицитом собственного капитала» (отношение капитала к активам < 50-го или 25-го процентилей полной выборки) 7 Методология 5/5 3 Этап: Эмпирическое уравнение доли просроченных кредитов в совокупных кредитах российских банков (панельный регрессионный анализ) Уравнение: N1 N2 j =1 l =1 ODLi ,t = α ⋅ ODLi ,t −1 + β ⋅ EFFi ,t −1 + ∑ ρ j ⋅ BSF j , it − q + ∑ ρ l ⋅ MACROl , t − k + ε i ,t где для банка i в квартале t ODL (Overdue loans ratio) – доля просроченных кредитов в совокупных кредитах, EFF – один из 3-х альтернативных показателей эффективности (CIR, SFA или DFA), BSF – прочие контрольные факторы, отражающие профиль бизнес-стратегии банка, MACRO – прочие контрольные факторы, отражающие общие для всех банков макроэкономические условия функционирования Цель – определить, насколько устойчивы оценки β к изменению состава прочих контрольных факторов на полной выборке банков и на отфильтрованных подвыборках банков. Другими словами – насколько устойчивы наши выводы о «плохом менеджменте» или «скимпинге» к неучтенным в модели факторам Метод оценки: двухшаговый разностный ОММ (Two-step Difference GMM, Arellano, Bond, 1991) 8 Базы данных 1. Банк России: данные для построения банковских переменных (BSF) – оборотные ведомости по счетам бухгалтерского учета российских банков (формы 101); – отчеты о прибылях и убытках российских банков (формы 102). 2. Росстат: данные для построения макроэкономических переменных (MACRO) Период наблюдений: 1 кв. 2004 г. – 3 кв. 2012 г. (35 кварталов) Число банков: – в исходной выборке: 705-1024 в зависимости от квартала – в конечной выборке (после устранения выбросов по относительным показателям – данных ниже 1-го и выше 99-го процентилей): 650-997 в зависимости от квартала 9 50 100 0 80 70 60 50 34 10 0 75 25 до кризиса 97.74 90 91.82 динамика во времени 85.89 30 до кризиса 79.96 37 35 25 74.03 75 68.11 0 1.00 91.49 85.29 79.09 72.90 66.70 60.51 54.31 9 48.11 20 41.92 40 62.18 0 57 35.72 50 64 29.52 64 56.25 40 38 59 50.32 100 62 44.40 50 65 38.47 66 23.33 60 32.54 71 17.13 70 26.61 80 4.74 90 10.94 100 Число банков динамика во времени 20.68 2. DFA-индексы: Число банков 01.04.2005 01.07.2005 01.10.2005 01.01.2006 01.04.2006 01.07.2006 01.10.2006 01.01.2007 01.04.2007 01.07.2007 01.10.2007 01.01.2008 01.04.2008 01.07.2008 01.10.2008 01.01.2009 01.04.2009 01.07.2009 01.10.2009 01.01.2010 01.04.2010 01.07.2010 01.10.2010 01.01.2011 01.04.2011 01.07.2011 01.10.2011 01.01.2012 01.04.2012 01.07.2012 01.10.2012 Индекс эффективности (SFA-score) 1. SFA-индексы: 14.76 01.07.2005 01.10.2005 01.01.2006 01.04.2006 01.07.2006 01.10.2006 01.01.2007 01.04.2007 01.07.2007 01.10.2007 01.01.2008 01.04.2008 01.07.2008 01.10.2008 01.01.2009 01.04.2009 01.07.2009 01.10.2009 01.01.2010 01.04.2010 01.07.2010 01.10.2010 01.01.2011 01.04.2011 01.07.2011 01.10.2011 01.01.2012 01.04.2012 01.07.2012 01.10.2012 Индекс эффективности (DFA-score) Результаты 1/5 1 Этап: Оценки эффективности издержек российских банков гистограмма распределения 90 300 250 200 150 30 100 10 50 0 Индекс эффективности (SFA-score) после кризиса гистограмма распределения 100 300 250 200 150 29 100 20 50 0 Индекс эффективности (DFA-score) после кризиса Выводы: 1) SFA-индексы адекватнее DFA-индексов, 2) Наши оценки SFA-индекса для медианного банка в выборке – 59-66% от границы за период 2005-2012 гг. Это на 10-20 проц. п. ниже, чем результаты Belousova (2009) и Kumbhakar, Peresetsky (2013). Причина – в сальдировании переоценки средств в валюте при расчете границы эффективности 10 Результаты 2/5 2 Этап: Тест Гранжера на причинно-следственную связь оценки для полной выборки банков Гипотеза «плохого менеджмента» подтвердилась, а «скимпинга» – нет Гипотеза «неудачного стечения обстоятельств» подтвердилась ***, ** и * – оценка коэффициента значима на 1%, 5% и 10% уровне. В скобках под коэффициентами указаны их робастные стандартные ошибки. 11 Результаты 3/5 2 Этап: Тест Гранжера на причинно-следственную связь оценки для подвыборок банков с фильтрами: – «завышенной эффективности» (М4-М6) – «завышенной эффективности» и с «дефицитом собственного капитала» (М7-М8) – «завышенной эффективности» и с «завышенными годовыми темпами кредитования» (М9) – «завышенной эффективности», но с «заниженными годовыми темпами кредитования» (М10) 1) «Скимпинг» существует 2) он наблюдается в эффективных и при этом быстро растущих банках ***, ** и * – оценка коэффициента значима на 1%, 5% и 10% уровне. В скобках под коэффициентами указаны их робастные стандартные ошибки. 12 Результаты 4/5 3 Этап: Эмпирическое уравнение доли просроченных кредитов в совокупных кредитах российских банков (панельный регрессионный анализ) Гипотеза «плохого менеджмента» подтверждается на полной выборке банков Гипотеза «скимпинга» подтверждается на подвыборке эффективных, быстро растущих банков 13 Результаты 5/5 3 Этап: Банки «скимперы» и банки, подверженные эффекту «плохого менеджмента»: соотношения долей просроченных кредитов в совокупных кредитах (ODL) 6 25 5 20 4 15 3 10 2 5 2012q3 2012q2 2012q1 2011q4 2011q3 2011q2 2011q1 2010q4 2010q3 2010q2 2010q1 2009q4 2009q3 2009q2 2009q1 2008q4 2008q3 2008q2 2008q1 2007q4 2007q3 2007q2 2007q1 2006q4 2006q3 2006q2 2006q1 2005q4 2005q3 2005q2 0 2005q1 1 0 Соотношение ODL банка "скимпера" с наихудшим качеством портфеля средти всех "скимперов" к ODL среднего банка, подверженного эффекту "плохого менеджмента" (правая шкала) ODL банков "скимперов" (медианное значение в подвыборке) ODL банков, подверженных эффекту "плохого менеджмента" (медианное значение в полной выборке) ODL банков "скимперов" (значение 75-го процентиля в подвыборке) Выводы: 1) не менее 25% от общего числа банков «скимперов» (порядка 100 банков) подвержены более высокому кредитному риску, чем средний банк в российской банковской системе, 2) на «скимперов» приходилось 1.6% рынка кредитов в начале 2010 г. и уже 16.4% – к концу 2012 г. Их масштаб растет и, следовательно, они представляют собой потенциальную угрозу для устойчивости всей банковской системы. Если эти банки имеют к тому же существенное вовлечение в рынок МБК, то их банкротство может спровоцировать ухудшение ситуации в прочих банков (вопрос для будущих исследований). Рекомендации – внедрение норм диффернцированного пруденциального регулирования, направленных на сдерживание агрессивной кредитной политики банков, преследующих «скимпинг» 1) повышенные требования по нормативу достаточности капитала Н1, 2) повышенные платежи в фонд страхования вкладов. 14 Выводы 1. 2. 3. 4. 5. Наши расчеты свидетельствуют о том, что для российского банковского сектора в целом справедливы концепции «плохого менеджмента» и «неудачного стечения обстоятельств». Первая означает, что банки в принципе способны улучшать качество своих кредитов за счет наращивания собственной эффективности, вторая – что такие улучшения могут быть в значительной степени нивелированы ухудшением макроэкономических условий Гипотеза «скимпинга» (экономии на риск-менеджменте) не нашла подтверждения для банковского сектора в целом. Однако, анализируя возможные причины «скимпинга», мы идентифицировали группу российских банков, для которой эта гипотеза не отвергается. Характерные черты этой группы – повышенная эффективность издержек (возможно, искусственно завышенная) и повышенные (агрессивные) темпы наращивания кредитных портфелей (для удержания достигнутых рыночных позиций или их дальнейшего наращивания). Ключевой – негативный – момент в этом отношении состоит в положительной воздействии (краткосрочной) эффективности на (долгосрочную) подверженность кредитному риску При этом, не менее 25% от общего числа банков «скимперов» (порядка 100 банков) подвержены более высокому кредитному риску, чем средний банк в российской банковской системе Кроме того, на «скимперов» приходилось 1.6% рынка кредитов в начале 2010 г. и уже 16.4% – к концу 2012 г. Их масштаб растет и, следовательно, они представляют собой потенциальную угрозу для устойчивости всей банковской системы. Если эти банки имеют к тому же существенное вовлечение в рынок МБК, то их банкротство может спровоцировать ухудшение ситуации в прочих банков (вопрос для будущих исследований). Рекомендации – внедрение норм диффернцированного пруденциального регулирования, направленных на сдерживание агрессивной кредитной политики банков, преследующих «скимпинг»: – повышенные требования по нормативу достаточности капитала Н1, – повышенные платежи в фонд страхования вкладов. 15 СПАСИБО ЗА ВНИМАНИЕ! ЦМАКП 16