Дипломная работа: Факторы, влияющие на образование просроченной задолженности юридических лиц банкам России

При сравнении двух моделей по различным методам было выявлено, что лучшей моделью, т.е. с лучшей объясняющей способностью и с высоким качеством полученных результатов, из двух оцененных является модель с логарифмической спецификацией. Кроме того, результаты такой модели удобнее интерпретировать с точки зрения экономики.

Поскольку мы имеем дело с панельными данными, то существует несколько способов оценивания моделей с использованием такого типа данных: модель сквозной регрессии, модель с фиксированными эффектами и модель со случайными эффектами. Первая модель не учитывает панельную структуру данных, т.е. не различает индивидуальные особенности банков, что приводит в итоге к смещенным оценкам влияния факторов на зависимую переменную. Такая модель для исследования не подходит. При выборе между моделями с различными эффектами была выбрана модель с фиксированными на основании изученной ранее литературы. Кроме того. в корпоративных финансах исследователи в своих работах в большинстве случаев используют модель с фиксированными эффектами.

Таким образом,. была оценена модель с фиксированным эффектами, и были получены следующие результаты (Таблица 4):

Таблица 4

Результаты оценки модели "model"*

*Расчетные оценки из программного пакета Eviews

*- 10% уровень значимости

**- 5% уровень значимости

***- 1% уровень значимости

В результате построенной модели было получено пять статистически значимых переменных. На уровне значимости 10% это: кризис, финансовые результаты организаций, а также коэффициент их рождаемости. На 5-ти % уровне значимости влияние на зависимую переменную имеют средняя ставка по кредитам для фирм и коэффициент автономности юридических лиц. Так, включенные в модель параметры позволяют объяснить около 50% дисперсии объема просроченной задолженности юридических лиц банкам России. Стоит также отметить, что модель является статистически значимой на уровне значимости в 1%.

Кроме того, дополнительно была построена модель, включающая в себя одновременный эффект взаимодействия двух переменных: фиктивная переменная, отвечающая за кризис и коэффициент быстрой ликвидности организаций. Модель выглядит следующим образом (3):

LOG(SHARE_LL)it=в0+в1*LOG(COEF_OB__AR)it+в2*CRISISit+в3*LOG(FIN_REZ)it+в4*LOG(COEF_ROZHD)it+в5*LOG(LYKV)it+в6*LOG(LYKV_ORG)it +в7*LOG(AUTONOM)it +в8*LOG(SRED_STAVKA)it+ в9*LOG(LYKV_ORG)*CRISISit + еit (3)

где: SHARE_LL- доля просроченной задолженности юридических лиц в общем объеме выданных им кредитов банком;

COEF_OB__AR- коэффициент оборачиваемости задолженности юридических лиц;

CRISIS- дамми-переменная, отвечающая за кризисное или стабильное состояние экономики;

FIN_REZ- финансовые результаты организаций;

COEF_ROZHD- коэффициент рождаемости фирм;

LYKV- коэффициент текущей ликвидности банковских активов;

LYKV_ORG- коэффициент быстрой ликвидности активов фирм;

AUTONOM- коэффициент автономии организаций;

SRED_STAVKA- средняя ставка по выдаваемым фирмам кредитам;

LYKV_ORG*CRISIS- совместное влияние ликвидности активов организации и кризисного периода в стране

Она также была проверена и протестирована на выполняемость условий Гаусса- Маркова. Было получено, что четыре из пяти основных условий выполняются. Не выполняется условие об отсутствии эндогенности, а также дополнительное условие о нормальном распределении ошибок. Однако не смотря на это оценки все равно будут несмещенными и эффективными.

По упомянутым ранее причинам была также оценена модель с фиксированными эффектами. Так, были получены
следующие результаты (Таблица 5):

Таблица 5

Результаты оценки модели "model_intef"*

*Расчетные оценки из программного пакета Eviews

*- 10% уровень значимости

**- 5% уровень значимости

***- 1% уровень значимости

В данной модели мы получили те же пять статистически значимых переменных, что и в ранее описанной. Однако гипотеза о совместном влиянии переменной кризис и коэффициента быстро ликвидности активов юридических лиц не подтвердилась, эта переменная оказалась статистически незначимой на всех уровнях значимости. Кроме того, стоит отметить, что объясняющая способность новой модели выше.

Также для уверенности в достоверности полученных результатов был проведен тест на наличие пропущенных и лишних переменных в модели. Результаты показали, что исключив или добавив новые параметры, качество модели не повысится.

По результатам F-теста с вероятностью 99% можно утверждать, что модель статистически значима, а значит, ее результатам можно доверять. Построенная модель позволяет объяснить практически 50% дисперсии объемов банковской просроченной задолженности юридических лиц в России.

Мы получили, что на уровне 10% статистически значимыми переменными являются кризис, финансовые результаты и коэффицент рождаемости организаций, а также коэффициент автономии фирм. Кроме того, все факторы за исключением коэффициента рождаемости имеют положительное влияние на объемы просроченной задолженности юридических лиц. На 5% уровне значимости статистически значимая переменная- средняя ставка по кредитам, которая также имеет положительное влияние на зависимую переменную.

Убедившись в том, что модель статистически значима и в том, что все оцененные значения параметров входят в промежуток своих соответствующих доверительных интервалов, можно переходить к интерпретации полученных эмпирических результатов.

Результаты

Представление результатов

В результате проведенного анализа, а именно оценки лог- линейной регрессионной модели было получено пять статистически значимых переменных, что говорит о их влиянии на зависимую переменную- доля просроченной задолженности юридических лиц в общем объеме выданных им кредитов.

Так, можно сказать, что среди внутрибанковских показателей на просроченную задолженность влияет средняя ставка по выданным кредитам. Если банк примет решение об изменении своей кредитной политики и повысит ставку по кредитам на 1%, то при прочих равных условиях это увеличит не возвраты со стороны клиентов, и доля просроченной задолженности увеличится на 1,32% согласно построенной модели.

Что касается внешних по отношению к банку факторов, то среди статистически значимых находятся показатели, характеризующие финансовое положение организаций- заемщиков, а также экономическая ситуация в стране. Исследование показывает, что однопроцентное улучшение финансовых результатов компаний в стране, а именно сальдо их доходов и расходов, повышает просроченную задолженность на 6%. Такой результат может быть связан с тем фактом, что при неуплатах организациями своих обязательств их список расходов снижается, а прибыль увеличивается, тем самым увеличивая итоговое сальдо, т.е. свои финансовые результаты. Схожие выводы можно сделать и со значимым фактором коэффициентом автономии, характеризующим финансовую независимость предприятия. Поскольку он равен отношению собственного капитала юридического лица и его активов, то появления просроченных задолженностей в фирме также влияет в меньшую сторону на собственный капитал. Таким образом, улучшение финансовой независимости на 1% повышает долю просроченной задолженности на 9%. Кроме того, на просроченную задолженность в банках влияет и количество фирм, влияние которого отражено коэффициентом рождаемости фирм. Так, при повышении данного коэффициента на 1%, просроченная задолженность будет снижаться согласно модели на 35%. Это можно объяснить тем, что чем больше фирм появляется на рынке, тем больше в банках спрос на кредиты, тем, соответственно, больше вероятность, что банк получит назад свои денежный средства, выданные под кредит юридическим лицам. Однако на сегодняшний момент статистика показывает, что значения по коэффициенту рождаемости фирм имеют негативную тенденцию, количество фирм не увеличивается, а, напротив, значительно снижается.

Немаловажным в настоящем исследовании также оказался и фактор, отвечающий за финансовое состояние экономики страны в целом. Переменная "кризис" имеет статистическую значимость, а из этого следует, что во время экономических кризисов доля просроченной задолженности в банках растет примерно в 3 раза. Это связано с тем, что кризисные периоды негативно отражаются на финансовом положении компаний, которые уже не могут справляться со взятыми на себя ранее обязательствами и выплачивать кредиты, а также дополнительные проценты.

Что касается совместного эффекта двух переменных: ликвидность активов организаций и кризиса, то их статистическая значимость не подтвердилась. Таким образом, эта гипотеза отвергается. Это говорит о том, что влияние ликвидности активов во время кризисных периодов не увеличивается.

Ограничения исследования

Несмотря на качественный анализ данных, выбор оптимального метода, а также подходящей и лучшей для данной работы модели оценивания влияния параметров не избавило настоящее исследование от некоторых недостатков.

В первую очередь необходимо отметить ограничение в количестве наблюдений выборки. Данные для исследования были собраны за период, равный 8 годам, а именно с 2009года по 2016 год включительно. Поскольку в исследуемую выборку попали крупнейшие банки из рейтинга топ-25 банков, то в целом для исследования было доступно 200 наблюдений. Это ограничение связано с отсутствием в открытом доступе архивной информации по банкам за предыдущие года.

Кроме того, настоящая исследовательская работа была проведена на основании данных, которые были взяты из официальных источников информации. Однако нельзя быть совершенно уверенными в том, что официальная статистика "не приукрашена" и отражает действительную ситуацию в стране. Возможно именно этот факт стал одной из причин статистической не значимости некоторых показателей в модели, несмотря на их экономическую обоснованность, описанную в разделе "Данные".

Еще одним ограничением настоящего исследования стало наличие эндогенности в построенной модели по двум причинам. Во- первых, существует одновременность влияния между некоторыми независимыми переменными и зависимой, наличие которого нельзя нивелировать. Однако, несмотря на это ограничение оценки в модели остаются эффективными, и результатам можно доверять. Во- вторых, существует фактор, не учтенный в модели по причине отсутствия открытых данных по политике Центрального Банка, а именно по возможности санации банковских организаций за счет государственных инвестиций. Это напрямую связано с работоспособностью банка, а это, в свою очередь, с клиентами, и как следствие с потребляемыми ими банковскими продуктами и услугами, в частности, с выданными кредитами. Поскольку отследить данное влияние не представляется возможным, то этот фактор находится в случайной ошибке, которая коррелирует с зависимой переменной- долей просроченной задолженности.

Помимо вышеуказанного скрытого фактора, имеющего свое некоторое влияние на исследуемую переменную возможно были некоторые другие важные факторы, которые могли бы иметь потенциальное экономическое влияние на долю просроченной задолженности юридических лиц, которые остались неучтенными.

Таким образом, подводя итоги, можно сделать вывод, что в будущем проведенное исследование возможно улучшить, повысить его качество и сделать более прикладным к практике, попытавшись "обойти" ограничения настоящей работы. Так, если с эндогенностью в модели побороться крайне сложно, то повысить качество модели можно, попробовав увеличить количество наблюдений в выборке, включить в нее боМльшее количество банков или же расширить изучаемый период для получения в результате более целостной картины.

Заключение

Роль кредита в экономике государства крайне важна и многогранна, она проявляется как на макроэкономическом уровне, так и на уровне отдельных хозяйствующих субъектов. Кредитование помогает временно перераспределять финансы: так, временно свободные денежные средства одних перераспределяются тем (в данной работе предприятиям), кто претерпевает некоторые финансовые трудности и испытывает нехватку денежных средств, с получением в дальнейшем выгоды от совершенной операции (проценты по кредитам). При всем прочем благодаря процессу кредитования в целом в общественном хозяйстве происходит ускорение оборота денежных средств, что способствует развитию рынка, а также и всей экономики страны. Однако, важно отметить, что активная выдача кредитов недобросовестным заемщикам, а также заемщикам с уже имеющейся негативной кредитной историей, способна привести к серьезным проблемам в экономике государства в целом.

Использование кредита предприятием наряду с собственными средствами нормальная общепринятая практика, которая позволяет организации развиваться, становиться успешнее и т.п. Однако ввиду нестабильной экономической ситуации в стране юридическое лицо может утратить свои финансовые возможности по выплатам кредитов, а также дополнительных процентов к уплате. В таких случаях банки, где кредитовались организации, получают ущерб, связанный с просроченными задолженностями своих клиентов, которые в последствие банки списывают как безнадежные и становятся банковскими убытками. При учащении таких ситуаций в банке может наступить критическое положение, он может стать банкротом ввиду большого количества неработающих кредитов, списанных как убытки. Это в свою очередь может привести к отзыву лицензии Центробанком. В настоящее время получить кредит довольно непросто ввиду введения более строгих банковских политик, поскольку требования Центрального Банка России все растут, Центробанк усиленно контролирует сложившуюся ситуацию в банковском секторе и активно проводит политику "оздоровления" и санации банковских структур.