Кредитное ценообразование

Кредитное ценообразование

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. МОДЕЛИ КРЕДИТНОГО ЦЕНООБРАЗОВАНИЯ

.1 Теоретические модели цены кредита

.2 Исследования моделей цены кредита

.3 Факторы кредитного ценообразования

.3.1 Обзор текущей конъюнктуры

.3.2 Макроэкономические факторы

.3.3 Микроэкономические факторы

.4 Выводы и построение гипотез

ГЛАВА 2. ФОРМИРОВАНИЕ ЭМПИРИЧЕСКОЙ МОДЕЛИ

.1 Описание выборки данных и переменных

.2 Математическое построение эмпирической модели

.3 Интерпретация полученных результатов

.4 Выводы и подтверждение гипотез

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ 1

ПРИЛОЖЕНИЕ 2

ПРИЛОЖЕНИЕ 3

ПРИЛОЖЕНИЕ 4

ВВЕДЕНИЕ

В данной магистерской диссертации будет проверен ряд гипотез, описывающих процесс формирования стоимости кредита, которые основываются на результатах научных исследований, также представленных в работе.

Целью исследования в данной работе является построение актуальной модели цены кредита для различных групп предпринимателей с учётом динамических факторов ценообразования.

Для достижения данной цели необходимо выполнить ряд задач. Задачами исследования являются:

Анализ существующих теоретически моделей кредитного ценообразования.

Выбор актуальных переменных на основании обзора научной литературы, посвящённой оценке стоимости кредита.

Формирование ключевых гипотез на основании результатов использованных научных работ.

Сбор и описание выборки данных, необходимых для проведения собственного исследования.

Создание адекватной модели, учитывающей все релевантные переменные для тестирования гипотез.

Формирование выводов проведённого исследования.

Объектом исследования в работе является кредитный портфель банка корпоративных клиентов, классифицированный по типу кредитов, категориям качества, размеру заёмщиков, наличия пассивов и некредитных продуктов.

В качестве предмета исследования используются факторы, влияющие на стоимость кредитов, составляющих кредитный портфель.

Работа состоит из 87 страниц и включает введение, две основных главы, заключение и четыре приложения.

В первой главе описывается теоретическое обоснование исследования и обзор работ по теме; во второй приводится описание использованных данных, формируется итоговая модель и проводится тестирование сформированных гипотез; в заключении подводятся результат работы.

Для формулирования гипотез и подтверждения результатов использовались тридцать научных статей, как российских, так и зарубежных авторов, датированных с 1999 по 2016 год.

В качестве базы для исследования брались данные одного из региональных филиалов банка, входящего в ТОП-10 по размеру активов в России, в размере 56 720 строк, содержащих более 2,7 млн. наблюдений.

ГЛАВА 1. МОДЕЛИ КРЕДИТНОГО ЦЕНООБРАЗОВАНИЯ

.1 Теоретические модели цены кредита

На формирование цены кредита влияет множество факторов, но среди них можно выделить как более значимые, так и менее значимые. В качестве одной из ключевых переменных, которая непосредственно влияет на цену займа, в первую очередь выделяют стоимость привлечения средств. Ресурсы банка формируются как за счёт фондирования депозитов юридических и физических лиц, так и смежных продуктов, таких как: депозитные сертификаты, векселя, счета до востребования и т.д. Стоит также выделить недепозитные источники поступления средств, а именно: сделки РЕПО, межбанковские кредиты, ссуды Центрального Банка, различные коммерческие и ценные бумаги. Таким образом, кредитная организация учитывает стоимость средств, необходимых для формирования кредитной сделки.

Следующими по важности выступает группа показателей, определяющих риск банка, а именно его компенсация за ведение кредитной деятельности. Банки стараются учесть возможные потери, которые могут быть связаны с недобросовестным исполнением обязательств его заёмщиков, при этом для каждого из реальных и возможных клиентов банк будет стараться определить наиболее справедливую кредитоспособность и рейтинг, что не может не отразиться в итоге на цене кредита. При прочих равных условиях, заёмщик с наименьшей степенью риска претендует на наиболее удобные и дешёвые для него условия[1].

Стоит отметить, что для проведения качественного анализа заёмщика необходимо иметь штат подготовленных специалистов, большую вычислительную и статистическую базу, что отражается на расходах банка при формировании каждой кредитной сделки. Таким образом, в цену кредита так же закладывается часть расходов банка. Помимо прочего, желаемая маржа прибыли так же увеличивает стоимость кредита для клиента.

Кроме того, при принятии решения о ставке по ссуде банк стремится учесть внешние и внутренние взаимоотношение клиента и кредитной организации. В настоящий момент банки предлагают обширное количество услуг и возможностей для заёмщика, за что может взиматься дополнительная комиссия, что так же формирует доходы банка. Если клиент формирует надежный источник доходов для банка, то кредитная организация будет стараться упрочнить свои взаимоотношения с данным заёмщиком, что приводит к льготному ценообразованию [1], более того, наличие ранее погашенного кредита без нарушения обязательств со стороны клиента, в данной кредитной организации практически всегда снижает стоимость ссуды.

Таким образом, основная цель различных теоретических моделей - это учесть описанные выше факторы и дать адекватное объяснение заложенных в них тенденций. Наиболее простая из них: «стоимость плюс» - состоит из следующих компонентов (см. рис.1).

Рисунок 1 - Модель «стоимость плюс»

Главным недостатком данной модели является то, что она не учитывает конкуренцию со стороны других кредитных организаций, что в итоге привело к формированию более совершенных методик, которые позволяют учесть заложенные ограничения.

Следующая группа называется модели «ценового лидерства», в основе них лежит базовая ставка или PRIME-RATE, которая является наименьшей из возможных ставок в банке, и, как правило, формируется по наиболее дешёвым кредитам (к примеру, это может быть краткосрочный кредит на финансирование оборотных средств постоянного клиента имеющего наивысший рейтинг). Реально выдаваемая ставка по ссуде корректируется на величину «надбавки», что учитывает в себе дополнительную премию за риск и срочность данной сделки (рис.2) [1].

Рисунок 2 - Модель «ценового лидерства»

Данная модель была сформирована в середине прошлого века, где за базовую ставку по кредитам бралась ставка наиболее крупных банков США, которые назывались «денежными центрами», и опубликовывали свои PRIME RATE[2]. При этом все остальные банки ориентировались именно на PRIME RATE данных «денежных центров», а базовая ставка, как правило, менялась на заседании совета директоров банка, что являлось исключительной редкостью. Однако, в результате развития рынка ценных бумаг и депозитных сертификатов, усиления инфляции и волатильности межбанковского кредитного рынка, это привело к появлению плавающей базовой ставки. В таких условиях при плавающей PRIME-RATE наиболее крупные корпоративные клиенты, имеющие безупречную репутацию и кредитный рейтинг, могли брать средства по базовой ставке +1/2 процентного пункта от неё.

С 1980-х годов в качестве базовой ставки стало приято использовать ставку по предложению средств на лондонской бирже: LIBOR (London Interbank Offered Rate). В данной ставке учтена общая база формирования цены кредита, как у национальных, так и у иностранных банков, что в итоге дало возможность проводить сравнительный анализ условий предоставления у разных кредитных организаций [2].

В современных условиях многие банки уже отказались от такого ориентира, как базовая ставка, в пользу индикаторов денежного рынка, однако PRIME-RATE до сих пор является одним из ориентиров стоимости заимствования для компаний малого и среднего бизнеса [2].

В дальнейшем развитие моделей ценообразования пошло по пути учёта конкуренции в отрасли и принятия во внимание всего спектра взаимоотношений между заёмщиками и банками. Таким образом, процент мог устанавливаться на уровнях ниже, чем PRIME-RATE: ставка по ссудам приблизилась к ставке привлечения средств [1], усиливая клиентоцентричный подход к формированию цены кредита.

Одним из наиболее современных подходов к формированию стоимости заимствования средств является рисковое ценообразование (Risk Based Pricing), что вылилось в появление модели «СПРЭДа (SPREAD MODEL)» (рис. 3).

Рисунок 3 - Модели «СПРЭДа (SPREAD MODEL)»

Суть данной модели состоит в том, что банк учитывает свои процентные расходы на привлечение средств на денежном рынке и надбавку, которая перекрывает процентные риски и делает кредитование прибыльным по аналогии с моделью «ценового лидерства». Однако в ней ещё учтена комиссионная составляющая: (выплаты за бронирование средств, за обслуживание ссудного счета и возмещение за хранение компенсационного остатка), что в результате может приводить к отличию ставки по данной модели и PRIME-RATE на несколько процентных пунктов [1].

Ещё одним её принципиальным отличием от предыдущих моделей, в частности от «модели ценового лидерства», является то, что надбавка за риск формируется не в виде константы, что позволяло заранее определить, является ли заёмщик пригодным для кредитования с точки зрения банка, а на основании каждой конкретной ситуации по клиенту. В новой модели кредитный комитет определяет фактор риска на основании результатов деятельности и отчётности заёмщика, учитывая индивидуальные особенности в каждом случае, что в основном применяется для корпоративных клиентов уровня «малый плюс», в розничном кредитовании данный подход встречается значительно реже [2]. Это обусловлено тем, что частные заёмщики подпадают под более шаблонные ссуды с меньшими суммами и большим количеством стандартизированных договоров.

В современных банковских условиях так же часто встречается ещё один подход к формированию стоимости кредита: Perfomance Pricing - суть которого сводится к тому, что текущая процентная ставка подстраивается под результаты деятельности заёмщика. Общее правило: чем лучше состояние конкретного заёмщика, тем выше ставка для него, при ухудшении ставка может уменьшаться [2]. Таким образом, данная модель учитывает в себе состояние заёмщика не только на момент выдачи, но и в динамике, что даёт возможность клиентам банка получить «смягчение» в случае сложной финансовой ситуации, а у банка имеется возможность лучше контролировать свои риски.

В качестве итога стоит отметить, что в основе своих кредитных стратегий банки на сегодняшний день используют различные вариации приведённых моделей различной степени сложности и уникальности. Особенно стоит отметить последнюю модель: Perfomance Pricing, которая является наиболее популярной среди корпоративного кредитования на текущий момент, и, по сути, будет сформирована в практической части данной работы. Приведенные в дальнейшем эмпирические исследования подтверждают описанные теории и проводят анализ перечисленных факторов.

1.2 Исследования моделей цены кредита

В данной части главы будут приведены прикладные работы, в основе которых заложены общие теоретические принципы, описанные ранее, где в качестве главной цели ставится построение адекватной модели и используется математический аппарат для формирования взаимосвязей. Это наиболее сложные и подходящие в рамках настоящего исследования работы, которые позволят выявить потенциальные факторы различной значимости и провести их сравнительный анализ.

Одной из работ, в которой применили подход ценообразования кредитной ставки, подстраивающийся под результаты деятельности заёмщиков (Perfomance Pricing)является статья П. Аскуит, А. Бэтти и Дж. Вебер [3] -(2005), где ставится и подтверждается гипотеза о том, что банки склонны перестраховываться при выдаче кредита, чтобы иметь возможность в дальнейшем изменить ставку.

В качестве исследуемой переменной в работе был выбран спрэд текущей процентной ставки над ставкой LIBOR, а в качестве регрессоров применялись: вероятность изменения процентной ставки, кредитный рейтинг заёмщика, размер компании, наличие секьюритизированных активов, тип кредита, наличие фактора слияния-поглощения, издержки морального риска и неблагоприятного отбора.

Таким образом, в работе рассматривается применение и значимость подхода Performance Pricing по выборке из 8761 банковских кредитов с объемом 1757 млрд. долларов США, выданных за 1995-1998 годы. Авторы отмечают, что Performance Pricing является важным нововведением в качестве модели кредитного ценообразования, которое уже используется в 41% кредитов с общим объемом в 943 млрд. долл. Данный подход устанавливает зависимость между предполагаемыми изменениями в качестве кредита отражающихся в финансовых коэффициентах или кредитных рейтингах компании, и стоимостью кредита, измеряемой процентными ставками.

Стоит отметить, что снижение текущей процентной ставки по сравнению с начальной наблюдается значительно чаще и предполагает потенциальные выгоды для заемщиков, в том числе и от имеющейся возможности на досрочное погашение, что возможно путем автоматического снижения процентных ставок по кредитам, если заемщик улучшает свою кредитоспособность. При этом авторы отмечают, что если официально включить данное условие в договор кредита, повторное улучшение финансового состояния уже не приводит к изменению ставки процента, так как это уже считается проявлением ассиметричной информации.

Подход Performance Pricing чаще всего используется, когда он приносит наибольшую чистую пользу для контрагентов. В частности, результаты исследования показывают, что возможность снижения ставки является желательным пунктом для включения в кредитный договор, когда имеется риск неблагоприятного отбора. Проведённый анализ также показывает, что повышение ставки возможно в случае возникновения издержек морального риска, когда заемщик получил заведомо более низкую начальную процентную ставку.

Авторы также подчёркивают значимость релевантной бухгалтерской информации, которая играет важную роль в долговых контрактах и отражается на процентных ставках, более того помогает облегчить бремя безвозвратных потерь для банка, которые возникают из-за неблагоприятного отбора и морального риска.

Ещё одним исследованием, посвященным современному подходу кредитного ценообразования, является статья Филиппа Страхана [4]. В ней автор оценивает степень влияния кредитного риска на различные параметры банковского кредита, при этом особенно подчёркивается сложность получения достоверных эмпирических данных, что является основным препятствием для формирования релевантных выводов. В работе используются данные Loan Pricing Corporation Dealscan (LPC) за период с 1988 по 1999 годы, которые содержат в себе посделочную информацию на основании материалов Комиссии по Ценным Бумагам и Биржам SEC (The United States Securities and Exchange Commission).

В качестве основных переменных автор выделяет: размер компании заёмщика, её инвестиционный рейтинг, оценку денежных потоков и вид деятельности. Для получения однородной выборки Страхан предлагает три возможных классификации заёмщиков: предприятия с удовлетворительным инвестиционным рейтингом, предприятия с низким инвестиционным рейтингом и предприятия без рейтинга. Основным методом исследования является оценка результатов линейной и логарифмической регрессии, которые сравнивают среднюю стоимость кредита с размером компании заёмщика, его инвестиционным рейтингом, отраслевой принадлежностью и целевым назначением ссуды.

Результаты в целом поддерживают идею, что банки склонны структурировать свои кредитные договора, чтобы контролировать риски по ним и следить за финансовым состоянием заемщиков с течением времени. Более крупным и прибыльным фирмам комфортнее обслуживать свой долг, чем остальным; они также имеют меньше стимулов искусственно ухудшать своё финансовое состояние, чтобы относиться к более качественной категории активов, поскольку дорожат своей репутацией, что так же влияет на их оценку при структурировании сделки. Крупные компании больше склонны к финансированию за счёт заёмных средств, они платят более низкие проценты по кредитам, и имеют возможность получать увеличенные сроки по ссудам, более того, к ним мягче требования по залоговому обеспечению. Авторы показывают, что малые предприятия с большей долей непрозрачных активов, высоким соотношением рыночных активов к балансовым и низким уровнем материального обеспечения имеют значительно большие ограничения по займам. Кредитование для них осуществляется под больший процент, меньший срок и значительно более высокое залоговое обеспечение. Таким образом, автор приходит к доказательству того, что банки и другие кредитные организации помимо цены и размера кредита, используют сложную систему показателей для каждого заёмщика, что в итоге способствует снижению издержек «неблагоприятного отбора» и «морального риска». При этом замечено, что компании с низким инвестиционным уровнем и компании, где он отсутствует, имеют практически равные ставки по кредитам.

В другом исследовании посвященном контролированию уровня риска банка через стоимость кредита А. Готтсман и Г. Робертс [5] проанализировали взаимосвязь спрэда по процентным ставкам и сроком их кредитования на примере клиентов корпоративного бизнеса на основании данных Loan Pricing Corporation DealScan. В работе тестировались две гипотезы:

Гипотеза компромисса, когда банки получают компенсацию за предоставление кредитных ресурсов на более длительный срок;

Гипотеза кредитного качества, когда банки снижают уровень риска за счёт кредитования менее надёжных клиентов на меньший срок.

Стоит отметить, что данные гипотезы подтвердились, более того, авторы так же отметили, что в ходе переговоров с каждым конкретным заёмщиком банк больше склонен идти к компромиссу по цене и сроку кредита, чем при структурировании всего кредитного портфеля.

В исследовании У. Эделберга [6] автор акцентировал внимание на то, как именно риск влияет на цену кредита, протестировал и подтвердил три гипотезы, а именно:

При введении рискового ценообразования, стоимость кредита пропорционально зависит от риска.

Долговая нагрузка на заёмщиков со временем растёт.

Доля рисковых домохозяйств в портфеле постоянно увеличивается, что влияет на размер спрэда между активами разных категорий качества.

В своей работе Муравьева М.П. [7] проводит анализ факторов, влияющих на процентную ставку по кредитам для физических лиц на основании данных «Альфа Банка» за 2013 год. В ходе работы автор ставит перед собой три задачи:

Поиск факторов, которые оказывают влияние на процентную ставку по кредитам.

Построение адекватной регрессионной модели.

Проверка надёжности модели.

В модель были включены пять внешних переменных, а именно: X 1 - сумма кредита (руб.); X 2 - срок кредита (год); X 3 - участие в зарплатном проекте; X 4 - доход клиента (руб); X 5 - наличие вкладов в банке.

В итоге была получена следующая модель:

где значимыми оказались только сумма (Х 1), срок (Х 2) и участие в зарплатном проекте банка (Х 3), при этом сама модель оказалась достаточно качественной с точки зрения проверки на теорему Гаусса-Маркова и достаточно высокому R^2 (79%).

В качестве итогового вывода регрессия иллюстрирует, что размер процентной ставки в среднем возрастает на 0,0002% при росте суммы кредита на 1 руб.; на 0,38% - при увеличении срока кредита на 1 год. Размер процентной ставки в среднем уменьшается на 2,39% при участии клиента в зарплатном проекте. Таким образом, представленная модель оказалась несмещённой, эффективной и состоятельной по своим оценкам и может давать адекватный прогноз процентной ставки по кредиту для физических лиц.

В работе 2014 [8] года Ч. Лим, Э. Ли, А. Каузар и М. Уолкер провели масштабный анализ влияния различных переменных на цену синдицированного кредита, тестировалось две гипотезы:

В отсутствие кризиса банки, которые заранее признавали наличие убытков, назначают более высокую ставку кредита.

В случае кризиса спрэд по кредитным ставкам меньше у тех банков, что заранее признавали свои убытки.

В качестве выводов авторы указали, что своевременное признание потерь у банков является разумным решением в процессе банковского кредитования в части цены кредита, так как в обратном случае это ведёт к убыткам из-за формирования более высоких спредов. Результаты являются статистически значимыми при наличии следующих регрессоров: дамми-переменная признания убытков, долговой рейтинг заёмщика, срок кредита, индекс банковского риска, наличие ГСЛ, фиктивными переменными географической и отраслевой принадлежности.

Авторы также доказывают, что данный вывод согласуется с более ранними исследованиями. При этом, так как анализируемый период подразделяется на докризисный и кризисный, это дает необходимые предпосылки в части корреляции своевременного признание убытков и цены кредита во времени. Результаты показывают, что банки, которые своевременно информируют о своих убытках, не смотря на альтернативные издержки, будут демонстрировать менее про-циклическое изменение цены на предоставление ссудных средств, так как данные кредитные организации закладывают больше необходимых резервов под обесценение кредитов до начала рецессии, и в итоге наименее подвержены риску кризисных явлений. Особенно подчёркивается, что данная категория банков реже принимают некорректные решения в части выдачи ссуд. Отчасти это происходит из-за того, что кредитные менеджеры имеют больше стимулов, избежать плохих кредитов, если расходы отражаются своевременно. Также авторы подчёркивают, что лучшая информированность банков о собственном финансовом положении приводит к более низким потерям в кризис, и за счёт этого они смогут предложить более низкие спреды. Иными словами, условный бухгалтерский консерватизм, выражающийся в сокрытии негативной отчётной информации, может влиять на стоимость заемного капитала на рынке не только через заемщиков со стороны спроса, а также через кредиторов со стороны предложения.

В работе также отмечается, что существующие исследования данной проблемы сосредотачиваются главным образом на изменениях в размерах кредитов и уровне риска для банка, а не исследованиях доходности портфеля, что имеет непосредственное влияние на ценообразование активов на долговых рынках.

В одной из последних работ по процентному ценообразованию А. Аль-Барани и Кинг Су [9] (2015) провели анализ портфеля банков и кредитных организаций по ипотечным ссудам, которые выдавались в период 2002-2007 годов. В качестве объекта исследования выступали панельные данные по ипотечным кредитам, а именно: процентная ставка и комиссионный доход. Используя квантильную регрессию авторы выделили внешние переменные, такие как: цель кредита (рефинансирование, покупка в потребительских целях, покупка в инвестиционных целях), кредитоспособность, государственное регулирование, возможности фондирования банков. В качестве результата авторы работы отметили, что наиболее значимым фактором является рейтинг заёмщика, который находится в обратной пропорции от цены кредита, далее по убыванию такие факторы как: срок кредита, источники фондирования, сумма кредита, целевое назначение.

Самым актуальным исследованием на текущий момент (2016) является работа Горелой Н.В. [2] по анализу данных кредитного портфеля регионального банка, входящего в топ 200 по размеру активов в РФ, по кредитам, выданным с начала 2007 года по середину 2015 года.

В качестве основных инструментов применялся регрессионный анализ, метод k-средних и метод бутстрап. Таким образом, была предложена модель:

где в качестве объясняемой переменной - ставка процента (RATEISED), в качестве регрессантов: ставка фондирования (FRATE), наличие обеспечения (COLAT), тип заёмщика (LEPP), срок ссуды (TERM), наличие кредитной линии (LINE) и переменные определяющие категорию качества ссуды от 1 до 5 (CGOF), логарифм суммы кредита (lnAMTFCSIZ). В качестве основных результатов было отмечено:

формирование стоимости кредита по ипотечным займам отличается от других ссуд;

доказано, что цену ипотечного кредита увеличивают такие факторы как сумма и срок кредита, снижение категории качества и отсутствие обеспечения;

для корпоративных заёмщиков увеличение суммы займа наоборот снижает стоимость заимствования, наличие обеспечения не играет особенной роли;

ставка фондирования не является значимым показателем.

Автор акцентирует внимание на то что, данные результаты могут не быть актуальны для любого банка в силу сравнительно небольшого портфеля, однако они очень хорошо соотносятся с предыдущими исследованиями.

Стоит выделить ещё одну работу [10], где авторы проводят исследования влияние макроэкономических факторов на банковское кредитование, доказывая, что эти факторы должны существенно влиять на будущие денежные потоки заёмщиков и приходят к следующим выводам на основании статистики Loan Pricing Corporation DealScan:

межстрановые отличия являются существенными детерминантами в определении цены и условий кредитования;

традиционно использующиеся показатели цены и условий кредитования являются объективно значимыми при построении модели;

период выборки в каждой конкретной стране иллюстрирует сильную зависимость изменений макроэкономических переменных и пакетных условий кредитования.

Что касается конкретных переменных, показывается, что спрэд по кредиту выше для фирм с более высоким уровнем долгового капитала и для фирм с более высокими кредитными рисками. Напротив, спрэды ниже для фирм с более высокой долей материальных активов, а также у более крупных и прибыльных фирм. Стоит отметить, что у компаний без кредитного рейтинга спрэды в целом уже, чем у остальных. Срок кредита меньше для фирм с менее прозрачной структурой активов, высоким соотношение рыночной и балансовой стоимости и меньшим сроком существования, а размер кредита традиционно выше для компаний с более высоким рейтингом и размером. Авторы акцентируют внимание на то, как различные специфические межстрановые отличия, общие корпоративные финансовые результаты и другие макроэкономические переменные влияют на условия кредитования в коммерческом банке по каждому конкретному заемщику. Предыдущие исследования в данной области, которые анализировали взаимосвязь между корпоративным управлением и условиями кредитования, тестировали гипотезы, что адекватные рыночные механизмы управления государством способствуют лучшему финансовому состоянию кредиторов в случае, когда компания движется в сторону дефолта. Однако, данное исследование ориентировано в первую очередь на поиск взаимосвязи между государственным управлением, уровнем правовой защиты, различными экономические индикаторами и ценой кредита и другими условиями предоставления ссудных средств.

Доказывается, что межстрановые различия в уровне правовой защиты кредитора и правоприменительные механизмы не в полной мере отражают суть макроэкономических отличий. Это объясняется тем, что макроэкономические условия в стране, где уровень предложения со стороны кредиторов оказывает существенное влияние на каждый конкретный банк, находятся в отрыве от факторов, связанных с управлением по защите кредитора на общестрановом уровне. Кроме того, в отличие от прошлых исследований, которые делали акцент на многомерном анализе различных условий кредитования, как аспектов отдельной кредитной сделки, авторы исследовали эмпирический подход, который предполагает, что условия по займам следует рассматривать как единый кредит. Данный подход состоит в применении смешанных процессов, методологии, впервые затронутыми Roodman [11], позволяет одновременно оценивать различные типы моделей.

Приведённая статья является первой, где был применён описанный тип методологии для тестирования эмпирических взаимозависимостей. В работе авторы показывают, что использование приведённой модели гораздо точнее описывает существующие взаимосвязи между параметрами кредита и макроэкономикой и позволяет учесть влияние специфических факторов. Период исследования в работе превышает 20 лет, охватывая конъюнктуру как до 2008 года, так и после него, что даёт возможность использовать результаты работы при любом состоянии рынка. Более того, подход на основании суммирования различных кредитных условий в едином представлении позволяет экстраполировать результаты на микро-уровне.

ВЫВОДЫ

В данной части главы были рассмотрены различные исследования, основной целью которых является построение адекватных эконометрических моделей на реальных эмпирических данных, как на российском рынке, так и за рубежом с 1999 по 2016 годы. Стоит подчеркнуть, что основная масса исследований проводилась именно на западных рынках, что довольно типично в текущих условиях. Обзор данных статей позволяет выделить необходимые регрессоры в настоящей работе, а также сформировать основные гипотезы.

Таким образом, были представлены основные теоретические модели, проведён обзор эмпирических исследований, посвященных формированию цены кредита для различных групп заёмщиков. Стоит отметить, что большинство исследований написаны сравнительно недавно и носят строго прикладной характер, подтверждённый релевантной статистикой. Анализ данных работ позволяет получить широкое представление о методах формирования моделей стоимости кредита, значимых переменных и фундаментальных факторах, которые имеют прямое и косвенное влияние на процентную ставку по кредитам.

1.3 Факторы кредитного ценообразования

В предыдущей части первой главы рассматривались теоретические и эмпирические модели формирования цены кредита с акцентом на конкретную проблематику, которые хоть и описывают различные модели в целом, но не позволят выделить конечный список факторов, необходимых при проведении исследования. Таким образом, необходимо представить решение данной проблемы: ниже буду приведены те работы, где проводится анализ влияния различных переменных без построения регрессионных моделей, на основании теории, данных статистики и кредитных портфелей, что позволит получить фундаментальное объяснение различных тенденций и феноменов.

Стоит отметить, что описанные ниже работы, в отличии от описанных ранее, направлены на изучение именно российского рынка заёмного капитала, что даст лучшее представление о ценообразовании кредитов для различных категорий заёмщиков в зависимости от их специфики.

1.3.1 Обзор текущей конъюнктуры

Начать следует с работ, которые описывают текущую конъюнктуру на российском рынке банковского кредитования. В статье [12] Оруджовой М. Н. (2015) проводится обзор и анализ динамики процентных ставок по кредитам коммерческих банков в 2013-2014 годах, которые автор отмечает как кризисные для банковской сферы, из-за санкций и общей финансовой нестабильности. В качестве наглядной иллюстрации показан график прироста изменений по отдельным условиям кредитования населения и бизнеса с 3 кв. 2013 года по 3 кв. 2014 года (рис. 4).

Рисунок 4 - Динамика условий кредитования

Стоит отметить, что все обозначенные показатели показали прирост, но больше всех изменилась процентная ставка, требования к заёмщику и требования к обеспечению кредита - как самые чувствительные к финансовой нестабильности переменные, с другой стороны срок и размер кредита остались примерно на том же уровне. Автор объясняет приведённую динамику следующими причинами:

снижением доступности альтернативного фондирования и доступа к внешним кредитным ресурсам;

снижением спроса на кредитование со стороны малого и среднего бизнеса из-за общего падения производства и продаж в экономике;

снижением спроса со стороны населения из-за роста инфляционных ожиданий, снижения реального дохода и общего доверия к финансовой системе.

Данные причины, по мнению автора, и привели к снижению доступности кредитования, как в бизнесе, так и среди населения.

В следующей статье Гатауллин А.Р. [13] (2014) приводит оценку качества кредитного портфеля коммерческих банков классифицированного по различным отраслям России по таким переменным как: просроченная ссудная задолженность и кредитный риск за 2011 - 2014 годы на основании данных ЦБ. Стоит отметить, что по всем отраслям, кроме торговли, доля просроченных кредитов росла каждый год, в то время как в данной сфере бизнеса эта доля снизилась с 36.62% до 26.77%, при этом само соотношение остаётся максимальным. Так же автор показывает прямую зависимость между долей просроченных кредитов в отрасли и размером выдач: больше всего рост просроченной задолженности заметен в таких отраслях как добыча полезных ископаемых, транспорт и связь, что объясняется временным лагом между сбытом товара и перечислением средств за него.

Под кредитным риском автор понимает соотношение просроченной задолженности к общей: в целом данный показатель снизился с 5.43 в 2011 до 4.31 в 2014 году, что объясняется превышением роста кредитного портфеля над снижением его качества. Хуже всего данный показатель выражен у таких отраслей как торговля и обрабатывающая промышленность, хотя он и снижается в динамике. При этом, для кредитов, выданных в валюте, динамика оказалась схожей с рублевыми.

Так же автор показывает динамику процентных ставок корпоративного кредитования в зависимости от срока погашения. Стоит отметить, что за приведённый период только краткосрочные кредиты становились дороже (рис.5).

Рис. 5 - Динамика процентных ставок в зависимости от срока кредита

В статьях [14]/[15] - 2012 и 2016 года, соответственно, авторы показывают основные причины отказов в кредитовании малого бизнеса со стороны банков, а именно:

осуществление деятельности менее 3-6 месяцев, так как срок работы является одним из обязательных условий кредитования;

отсутствие ликвидного залога, так как у многих малых предприятий имущество находится в аренде;

отсутствие поручительства из-за высокого риска;

низкая официальная эффективность бизнеса и теневая деятельность, так как многие предприятия вынуждены оптимизировать свою налоговую нагрузку и применять различные схемы;

низкая финансовая грамотность заёмщиков.

Так же на основании данных опросов предпринимателей и статистики Федеральной Службы Государственной Статистики за 2012 год проводится анализ кредитования корпоративного бизнеса, а именно:

Основных причин отказа в кредитовании малого и среднего бизнеса:

Рис. 6

Наиболее распространенных типов кредитов:

Рис. 7

Наиболее желательных сроков финансирования:

Рис. 8

Подтверждая выводы предыдущих работ Колесников А.М., Видякина В.А. в статье 2014 года [16] подчёркивают сложность получения банковского кредита субъектами малого предпринимательства по сравнению с более крупными сегментами бизнеса из-за внутренних особенностей данных предприятий и кредитной политики банков в части получения залогов и гарантий возврата средств. Вместе с тем, авторы указывают на то, что с 2013 года происходит заметное расширение продуктовых линеек и условий кредитования, что положительно сказывается на возможностях малого бизнеса.

1.3.2 Макроэкономические факторы

Следующая категория работ описывает макроэкономиские взаимодействия цены кредитования и различных глобальных переменных. Стоит отметить, что они не являются основополагающими для данного исследования, так как ключевой акцент ставится именно на внутренние параметры кредита, но имеют важное фундаментальное значение, так как позволяют рассмотреть важные корреляции.

В работе Илюхина И.Б. Гатилова Н.В. [17] (2015) исследуются воздействие внешних макроэкономических условий и государственного регулирования на внутреннюю политику банков. В частности показывается влияние решений Центрального Банка о резком увеличении ключевой ставки до 17% 16 декабря 2014 года и последующем её снижением до 15% на спрос и предложение заёмных средств на долговом рынке:

первоначальный отток средств из банков был перекрыт повсеместным увеличением ставки по депозитам, что успокоило население и бизнес;

постепенное увеличение ставки по кредитам нивелировалось падающими темпами прироста кредитования со стороны банков, что в итоге не привело к усилению краткосрочного шока на заёмном рынке.

В другой работе авторами Кузнецова О. А., Ишеева И. А. Дворникова Ю. В. [18] (2014) акцентируется внимание на дифференцированном подходе к клиентам со стороны банков, в частности показывается, что чрезмерное увлечение банком только одним из возможных сегментов бизнеса/типом кредитов/категориям заёмщиков может привести к неожиданному увеличению рисков в случае возникновения форс-мажора. В исследовании показано, что для диверсификации и как следствию - снижению рисков, банку необходимо проводить сглаженную политику. Также авторы указывают, что формирование лимитов на возможные потери положительно сказывается на кредитной политике банка, более того, часть своих собственных средств предусмотрительно держать в безрисковых и ликвидных активах, что позволит быстро исполнить свои обязательства в случае срочной необходимости.

В статье Зверева К. Ю. [19] (2015) затрагивается вопрос конкуренции на российском долговом рынке и приводится статистика:

“Доля 20 крупнейших российских банков в совокупных активах банковской системы составляет ровно две трети, из которых 50 % приходятся на шесть крупнейших банков, контролируемых государством, - Сбербанк, ВТБ, Газпромбанк, Россельхозбанк, ВТБ24, Банк Москвы. На рынке корпоративных кредитов доля пятерки крупнейших госбанков еще выше: около 58 %, из которых более трети приходится на Сбербанк [20]… Таким образом, низкий уровень конкуренции между банками приводит к тому, что банки-лидеры диктуют свои условия на рынке, способствуя завышению процентных ставок по кредитам для малого бизнеса, и к сокращению банков для кредитования населения. Это, в свою очередь, лишает клиента выбора подходящей для себя программы кредитования в банке. Клиенту приходится выбирать между выгодными условиями с более требовательным пакетом документов и менее выгодными с упрощенным пакетом документов (например, высокие процентные ставки и не требуется подтверждение дохода). Все это приводит к сокращению производственных программ для предприятий и неплатежеспобности населения.”

Иными словами, автор акцентирует внимание на то, что кроме внешних макроэкономических факторов и внутренней политики банков, конкуренцию нельзя не учитывать при анализе стоимости кредита в России.

В своей работе [21] Лупанов В.В. (2010) также описывает и приводит классификацию фундаментальных факторов, которые влияют на цену кредита и депозита для банка:

Рис. 9

Автор указывает, что сильнее всего на ставку по кредиту влияет инфляция, конкуренция, реальный валютный курс и уровень качества заёмщика: чем выше уровень качества, тем меньше будет для него процентная ставка, что не всегда подтверждается в других исследованиях.

1.3.3 Микроэкономические факторы

Наиболее важными в рамках текущего исследования являются работы, которые оценивают различные внутренние взаимодействия между клиентом и кредитной организацией.

Раздроков Е. Н. в своём исследовании 2009 года [22] описывает факторы, которые имеют наиболее значимое влияние на ставки по кредитам для физических лиц. Он выделяет следующие внутренние переменные:

срок кредитования: как правило, чем он продолжительнее тем, выше кредитная ставка, что объясняется ростом уровня риска и возможным снижением уровня кредитоспособности заёмщика;

тип обеспечения: автор показывает, что наименьшие ставки наблюдаются по вкладам, обеспеченных залогом (особенно недвижимость), а наибольшие - вкладом в банке, при этом важно, является ли залоговая недвижимость жилой, так как в данном случае это снижает ставку;

взаимоотношение с банком: наличие зарплатного проекта или время обслуживания банком - снижает ставку;

наличие договора страхования: данный фактор снижает риск для банка, как следствие и кредитную ставку;

цель кредита: в общем, целевое финансирование на крупные покупки является более дешёвым, чем на недорогие бытовые товары;

доля заёмных средств в покупке: при прочих равных условиях, чем она выше, тем выше уровень риска и процент соответственно.

Так же существенным является ряд внешних факторов:

цена фондирования: чем сложнее банку привлечь на в свой портфель пассивы и чем они дороже для него, тем выше будет процентная ставка по кредитам;

надёжность банка: автор указывает, что чем выше доля государственного участия, тем ниже будет ссудный процент;

самостоятельность банка: небольшие местные банки более чутко реагируют на изменение внешних условий, чем филиалы более крупных банков;

политика банка: качественное, дорогое обслуживание или массовый сегмент не могут не отражаться на цене услуг в банке;

субсидии за счёт участия банка в государственных программах поддержки снижают цену кредита.

Автор показывает, что ряд макроэкономических показателей, таких как безработица и высокая инфляция так же могут увеличивать риски невозврата в каждом конкретном регионе, тем самым увеличивая ставку.

В статьях [23]/[24] - 2010 и 2011 года соответственно, авторы подчёркивает особенности формирования расходов на резервы коммерческого банка в контексте выдачи ссуд, так как при выдаче кредита банк обязан учитывать такие факторы как:

часть средств банк обязан хранить в качестве обязательных резервов;

часть средств банк направляет на формирование необязательных резервов по рисковым и безнадёжным кредитам;

в ряде кредитных договоров происходят задержки выплат по процентам и основному долгу, что формирует кассовый разрыв;

некоторые кредиты могут быть возвращены частично или вообще не быть возвращены.

Всё это приводит к формированию расходов и рисков, что отражается на величине кредитной ставки. Авторы так же разделяет процентную ставку на базовую - минимальную, которая учитывает только:

плату за привлечённые ресурсы;

размер обязательных отчислений по ФОТ;

налоговые отчисления;

минимально необходимой маржи банка;

потерь по отчислениям в фонд обязательных резервов;

издержек деятельности банка: заработная плата, аренда, коммунальные расходы и т.д;

расходы по операциям с иностранной валютой;

расходы по операциям с ценными бумагами.

Важно, что при прибавлении к данной ставке процента, который учитывает все прочие расходы банка и желаемую прибыль, получается рыночная ставка. Однако, в работах подчёркивается, что в банке, как правило, представлены и другие услуги, такие как: инкассация, валютный контроль, обслуживание расчётного счёта и прочий некредитный доход, что может уменьшать итоговый процент для клиента, если он пользуется данными услугами и приносит доход банку. Таким образов в исследовании показывается, что при формировании итоговой ставки для каждого клиента необходимо иметь в виду довольно широкий список факторов.

Терновский Д. Н. в своём исследовании [25] (2010) ставится акцент на важности предоставления обеспечения по кредиту со стороны малых и средних предприятий с точки зрения банка. Иными словами, у многих предприятий в данном сегменте часто не хватает собственных средств для предоставления в качестве залога, и автор статьи ставит под вопрос саму необходимость данного обеспечения на примере кредитного портфеля 2007-2008 годов одного из банков Самарской области.

Выборка строилась на основании двух массивов данных:

кредиты на приобретение необходимого имущества, где существует первоначальный взнос в размере 30%, данное имущество полностью идёт в залог;

беззалоговые кредиты с поручительством собственников бизнеса.

В таблице 1 приведена динамика кредитного портфеля в разрезе этих двух массивов:

Таблица 1 - Динамика кредитного портфеля

Стоит отметить, что по необеспеченным кредитам был только один договор, когда заёмщик не исполнил свои обязательства перед банков, в то время как по залоговому кредитованию процент просрочки варьировался от 10% до 30% от всего портфеля. Важно, что данные результаты нельзя транслировать на весь сегмент в силу наличия небольшой выборки, но сами тесты не подтверждают тот факт, что кредитование с залогом является гарантом исполнения обязательств по сравнению с беззалоговым.

Винихина С. И. [26] (2010) затрагивает вопрос кредитования малого бизнеса, и описывает ряд проблем, которые влияют на возможность получения кредита, а именно:

чаще всего банки кредитуют малые предприятия, занимающиеся торговлей, их доля составляет 57% на начало 2010 года, при этом остальные отрасли находятся в менее выгодном положении (доля любого другого не превышает 16.2% от общего числа);

банки гораздо охотнее выдают один крупный кредит, чем множество малых, что связано со значительными издержками в оценке бизнеса и несовершенством кредитного анализа со стороны банков, только крупные банки могут себе позволить методики экпресс-анализа, которые нивелируют данные проблемы;

для получения кредита малому предприятию необходимо представить очень перспективный проект, оформление которого требует значительных ресурсов и привлечение сторонних аудиторов, что слишком затратно для данного сегмента;

предоставление залогового обеспечения так же является преградой для получения кредита, так как в большинстве банков - это одно из необходимых условий, при этом специфика работы малых предприятий не предполагает наличие большого количества собственных ресурсов (большинство капитальных и недвижимых активов находятся в аренде, а не собственности предприятия). При этом подчёркивается сложность реализации залога в силу различных правовых ограничений, поэтому многие банки требуют обеспечение выше, чем сумма кредита;

короткая кредитная история или её отсутствие так же является препятствием к получению кредита: так в скорринговых моделях банков может быть заложено ограничение по отношению к клиентам, имеющим короткую кредитную историю, что характерно для малого бизнеса, так как кредит - это скорее вынужденная мера для решения конкретной ситуации, а не типовое решение;

оборотные кредиты, которые являются наиболее необходимыми для малого бизнеса, как правило, имеют короткий срок погашения, что увеличивает кредитную нагрузку на компанию.

Не смотря на список проблем, автор акцентирует внимание на то, что у 46% банков в 2007 г. уже имелась собственная кредитная политика по отношению к малому бизнесу и их доля постоянно растет. При этом растет число видов кредитных продуктов для малого бизнеса, которые ориентируются не на требования банка, а на ориентиры рынка: появляются типовые решения наиболее часто возникающих проблем. Так же имеет место государственное субсидирование банков, оказывающих поддержку малым предприятия, что положительно сказывается на цене кредита в случае, когда банк подходит под данную программу.

В статье [27] (2007) авторы проводят математическое исследование влияния кредитной истории на принятие решения в банке, выделяется три возможных типа:

Добросовестная кредитная история - заёмщик исполнял свои обязательства перед банков в полном размере и без просрочек.

Недобросовестная кредитная история - заёмщик допускал систематические или длительные просрочки, не выполнил полностью свои обязательства перед банком.

Отсутствующая кредитная история - заёмщик ни разу не брал кредит в банке.

Для каждого случая строится математическая модель максимизации доходности при минимизации риска для банка и приводится логичное доказательство, что при прочих равных условиях, заёмщики с хорошей кредитной историей являются наиболее привлекательными клиентами для банков.

В своей статье Инюшин С. В.[28] (2008) акцентирует внимание на проблеме определения реальной стоимости кредита, так как в неё необходимо включать и промежуточные комиссии, которые заёмщику придётся уплатить в случае получения кредита, а именно:

возможная комиссия за рассмотрение заявки по ссуде;

комиссия за выдачу и сопровождение по ссуде;

комиссия за ведение и открытие ссудного счёта;

комиссия по расчётному и операционному обслуживанию;

платежи в пользу третьих лиц: нотариус, страхование и т.д.;

комиссия за досрочное погашение;

комиссия за погашение наличностью;

комиссия за предоставление информации о текущем состоянии задолженности.

Всё это приводит к скрытому увеличение стоимости кредита без непосредственного влияния на процентную ставку.

В исследовании Литвинова Е. О. [29] (2013) проводится анализ влияния графика погашения на итоговую стоимость кредита, в частности доказывается, что аннуитетный график гашения, не смотря на некоторые преимущества увеличивает доходность банка, а значит и долговую нагрузку для заёмщика. При этом банки всё реже применяют дифференцированный график платежей, что видно исходя из статистики, представленной порталом Банки.ру на 2013 год, что по мнению автора в итоге негативно сказывается на рынке кредитования, так как уменьшает доступные альтернативы для заёмщиков.

В качестве ещё одного фактора, который учитывается при формировании текущей цены кредита нельзя не отметить наличие/отсутствие реструктуризация, что описывают Тубольцев М. Ф. Болтенков В. И в своей статье [30] (2010). Можно выделить несколько шаблонных видов реструктуризации займа:

снижение процентной ставки, что является исключительным, так как это относится скорее к пересмотру условий договора;

увеличение срока кредитования, чтобы снизить ежемесячную нагрузку на заёмщика;

отсрочку платежей по основному долгу, значительно реже даётся полная отсрочка, так как это формирует убыток для банка;

формирование индивидуального графика платежей с учётом сезонности бизнеса;

различные комбинации описанных выше типов.

Стоит отметить, что сам факт наличия реструктуризации кредита может означать, что изначально были выбраны не самые оптимальные условия по кредиту из доступных или финансовое состояние заёмщика ухудшилось. Обе причины играют отрицательную роль в состоянии портфеля активов банка, но при этом банк имеет возможность дополнительно контролировать свои риски, а заёмщик получает возможность смягчить начальные условия по займу.

1.4 Выводы и построение гипотез

Таким образом, исходя из представленных работ и теоретических моделей, можно выделить следующие выводы, которые также будут проверяться в эмпирическом исследовании данной работы, формируя необходимые гипотезы исследования:

Вывод 1. Требования к обеспечению кредита - одна из наиболее чувствительных и значимых переменных в моделях ценообразования кредита, чем оно лучше, тем меньше риски для банка и цена кредита.

Гипотеза №1: залоговое обеспечение значимо и снижает текущую процентную ставку.

Вывод 2. Отраслевая принадлежность заемщика - один из факторов, которые влияют доходность банковского портфеля в зависимости от конъюнктуры рынка.

Гипотеза №2. Отраслевая принадлежность значима и может по-разному влиять на цену кредита в зависимости от отрасли.

Вывод 3. Размер кредита и его срок влияют на решение о выдаче кредита и дальнейшей процентной ставке, так как являются основными параметрами сделки.

Гипотеза №3. Размер/срок кредита значимы и обратно/прямо пропорциональны его стоимости соответственно.

Вывод 4. Наиболее приемлемый тип кредита для банка - финансирование оборотных средств, за счёт его распространенности и сравнительной простоты.

Гипотеза №4. Оборотное кредитование наиболее значимый тип кредита и уменьшает его цену.

Вывод 5. Чем меньше размер бизнеса, тем хуже условия кредитования, за счёт более высоких рисков для банка.

Гипотеза №5. Размер бизнеса клиента значим, и чем он меньше, тем больше цена кредита.

Вывод 6. Наличие дополнительного дохода для банка в виде комиссий от клиента может повлиять на его процентную ставку.

Гипотеза №6. Наличие некредитных продуктов значимо и уменьшает текущую стоимость кредита.

Вывод 7. Формирование резервов на ссуды является обязательным условием банковской деятельности, увеличивает стоимость кредитования для клиента из-за роста расходов, но снижает риски для банка.

Гипотеза №7. Категория качества значима, и чем она хуже, тем выше текущая процентная ставка.

Вывод 8. Тип графика погашения и наличие реструктуризации - являются одними из факторов, влияющих на цену кредита, так как сигнализируют о нестандартных условиях для заёмщика до и после выдачи ссуды.

Гипотеза №8. Тип графика погашения/наличие реструктуризации значимо и может по-разному влить на цену кредита, в зависимости от типа.

В итоге, результаты работ представленных во второй части главы во многом подтвердили выводы эмпирических моделей и описанных ранее переменных, более того позволили расширить список возможных факторов, оказывающих влияние на стоимость кредита. Проведенный обзор работ первой главы позволил сформировать ключевые гипотезы, которые будут проверяться в последней главе на основании данных эконометрической модели. Стоит отметить, что цена/стоимость кредита описываются текущей процентной ставкой.

ГЛАВА 2. ФОРМИРОВАНИЕ ЭМПИРИЧЕСКОЙ МОДЕЛИ

.1 Описание выборки данных и переменных

В практической части данной работы будет построено исследование, которое основывается на данных одного из крупнейших филиалов банка, входящего в ТОП-10 по размеру активов в России. Основной статистической базой является кредитный портфель корпоративного бизнеса на начало каждого месяца с 01.02.2015 г. по 01.03.2016 г., итого 56 720 строк, в среднем по 4 050 договоров на каждую дату. Стоит отметить, что помимо информации кредитного портфеля к исходной выборке была также присоединена информация наличия некредитных услуг и пассивов у клиентов. Важно, что включение данного списка регрессоров было обосновано различными исследованиями, проводимыми как на российском, так и на зарубежных рынка, описанных в первых двух главах. В качестве объясняемой переменной в модели выступает ставка кредита на момент формирования текущего портфеля, так как она учитывает в себе все возможные изменения состояния заемщика.

В качестве непрерывных объясняющих переменных выступают:

Все представленные показатели учитывались в более ранних исследованиях и должны быть приняты к вниманию при построении модели. Выбранная функциональная форма в виде логарифма по непрерывным переменным объясняется лучшей сопоставимостью с объясняемой переменной, так как I_NEW выражена в процентах, а остальные выражены в рублях или днях, что позволяет нивелировать эффект масштаба и избежать коэффициентов отличных от нуля с точностью до десятого знака после запятой._MOMENT - это ставка, которая была установлена в момент выдачи кредита, важно, что её среднее значение составляет 13.36% по всей выборке, что на 0.97% ниже, чем у той, что является внешней переменной в модели. При этом данные ставки отличаются в 44% случаев, что говорит о том, что для компаний корпоративного блока кредитное ценообразование сильно подвержено изменению положения заёмщика и соответствует принципам Perfomance Pricing. На приведённом ниже графике 1 показано распределение ставок по всей выборке, что наглядно иллюстрирует приведённое выше описание:

График 1 - Распределение ставок в момент выдачи и в момент формирования текущего портфеля

Включение данного показателя может быть обосновано для построения прогнозной, но не объясняющей модели, так как текущая ставка по кредиту и первоначальная хотя и могут отличаться, тем не менее, учитывают в себе ряд параметров, которые влияют на обе ставки одинаково, либо уже учтены в момент выдачи кредита. Таким образом, при включении переменной в объясняющую модель возникает риск неправильной спецификации, не смотря на фиктивный рост её объясняющей силы: R^2 увеличивается в 1.5 - 2 раза в зависимости от периода. При этом данный параметр может быть выбран как эндогенный при построении моделей, которые описывают формирование первоначальной ставки по кредиту, что является отдельной задачей и не является целью данной работы, так как не позволяет учесть изменение положения заёмщика в динамике._SSZ - это логарифм суммы остатков срочной и просроченной ссудной задолженности по каждому договору на момент формирования портфеля.

График 2 - Распределение ставки в момент выдачи в зависимости от логарифма суммы кредита на 01.03.2016 г.

Данный показатель является одним из ключевых при принятии решения о выдаче кредита и отличается от первоначальной суммы на разницу ранее погашенных средств. Показывает актуальную сумму обязательств клиента перед банком без разделения на срочную и просроченную задолженность, так как категория качества ссуды является более информативным критерием её качества._TIME - это логарифм срока кредитного договора с момента выдачи, до погашения с учётом последней пролонгации, учитывает ещё один ключевой параметр, без которого невозможно сформировать сделку по кредиту (гр.3).

График 3 - Распределение ставки в момент выдачи в зависимости от логарифма срока кредита на 01.03.2016 г.

/SSZ - это переменная, которая отвечает за обеспеченность залогом текущего остатка по кредиту, которая рассчитывается исходя из суммы оценённого залога/остаток текущей задолженности (график 4).

График 4 - Распределение ставки в момент выдачи в зависимости от обеспеченности кредита на 01.03.2016 г.

Важно, что оценённая сумма представленного залога на момент заключения кредитной сделки уже не пересчитывается, так как это очень трудозатратно, при том, что банк уже заложил допустимое изменение в первоначальные условия. Таким образом, хоть и снижается информативная составляющая данного показателя, но он должен остаться в модели._FOND - это логарифм стоимости фондирования для каждого кредитного договора (график 5).

График 5 - Распределение ставки в момент выдачи в зависимости от стоимости фондирования кредита на 01.03.2016 г.

Стоимость привлечения ресурсов является одним из важнейших параметров для банка при формировании любой кредитной сделки, данный показатель учитывается почти во всех теоретических моделях и обязательно учитывается при определении итоговой стоимости кредита.

Таким образом, были описаны основные доступные непрерывные объясняющие переменные, каждая из которых обязательна для включения в определённую модель, но помимо этих переменных стоимость кредита может объясняться ещё и фиктивными переменными, которые иллюстрируют принадлежность ссуды к определённому кластеру.

Первая группа фиктивных переменных не имеет определённой группировки и описывает различные детали конкретного кредита или заёмщика:

- сам факт наличия реструктуризации свидетельствует о необходимости изменения первоначальных условий для заёмщика, что является вынужденной мерой, которая может либо напрямую отразиться на цене кредита, либо косвенно через увеличение срока или изменения графика платежей.- самым распространённым графиком погашения кредита является ежемесячный платёж, однако в силу специфики определённых кредитов или достижения нетипичных договорённостей, он может быть изменён и составить: 1 раз в день, раз в 9 дней, раз в квартал, раз в полгода и т.д. - что скорее всего также отразится на цене кредита.- валютная принадлежность является одним из самых важных параметров кредита, так как ссуды, выданные в валюте, отличной от национальной, как правило, попадают под особые условия и имеют собственное ценообразование. В таком случае одним из необходимых условий однородности является исключение нерублёвых кредитов (на 01.03.2016 из 3773 договоров только 101 является валютным), что позволит получить лучшую спецификацию модели без существенного снижения анализируемой выборки.- интересный параметр, который определяет, является ли заёмщик акционером банка, что может отразится на цене кредита из-за более тесных отношений между организациями.

Следующая группа фиктивных переменных CGOF(i) отражает категорию качества каждой конкретной ссуды, где в 1 категорию входят лучшие заёмщики для банка, а в 5 - безнадёжные с наивысшей степенью риска. В зависимости от степени риска, банк может варьировать цену кредита по каждой из категорий, при этом как увеличивая процентную ставку, так и снижая её. Данный показатель необходим для построения объясняющих и прогнозных моделей текущей стоимости кредита, но неприменим для изучения первоначальной цены, так как может принимать только первые 2 значения, банк не станет выдавать заведомо невозвратные кредиты. Также необходимо отметить, что при построении моделей буду использоваться только последние четыре категории, так как каждый кредит априори относится к одной из них, а общее правило обязывает использовать n(-1) количество фиктивных переменных, где n - это количество возможных значений. Более того, первая категория описывает наиболее стандартные ссуды и не представляет особого интереса, так как может меняться только в худшую сторону.

Еще одна группа фиктивных переменных: PASSIVE (i) описывает наличие пассивов у заемщика, который является клиентом банка и может косвенно влиять на стоимость кредита вследствие наличия особых взаимоотношений клиента и кредитной организации.

Отраслевая принадлежность: SECTOR (i)- может оказаться значимым фактором при формировании начальной стоимости кредита, так как отражает общие тенденции на различных рынках. Более того имеет непосредственное отражение в условиях предоставления ссуды, к примеру может существовать правило, при котором определённые кредиты имеют ограничения по выдачам, в частности для компаний занимающихся производством минимальные срок необходимой деятельности как правило ниже, что косвенно влияет на стоимость ссуды.

По аналогии с CGOF(i) и в соответствии с общим правилом введения фиктивных переменных, отличные от первых трёх основных типов отраслевой принадлежности не будут показываться в модели. Стоит также отметить, что отраслей значительно больше, чем указано в текущей выборке, однако они как правило не выделяются в нормативных документах банка при структурировании кредита, более того кредитные аналитики стараются группировать компании по первым первых трём типам, что обосновывает выбранное разделение.

Данная группа фиктивных переменных: SEGM (i) - описывает размер компании заёмщика, что не может быть не учтено при его обращении в банк, так как существуют отдельные подразделения, которые занимаются только определёнными сегментами и они предполагают различный подход к разным клиентам. К примеру, заёмщики массового сегмента (микро-малый бизнес) редко претендуют на особые условия по кредиту, в то время как системообразующие предприятия имеют большую переговорную силу, что не может не отражаться на цене кредита. По аналогии с предыдущей группой переменных из моделей будет исключен сегмент крупного-среднего бизнеса, как наиболее типичный для портфеля.

Тип предоставляемого кредита TYPE (i) характеризует ключевую потребность клиента в зёмных средствах, которая определяет, на какие именно цели будут направлены ресурсы, что не может косвенно не отразиться на стоимости ссуды:- инвестиционное кредитование, характеризующееся потребностью в выполнении определённого проекта, с заранее известной целью и возможной отдачей.- наиболее распространённый тип кредита, который характеризует потребность организации на заранее известные текущие нужды.- позволяет получить заёмные ресурсы в случае нехватки собственных средств на короткий период времени.

Прочие виды кредитования будут также исключены из итоговой модели, так как не представляют особо интереса, как в самой отчётности банка, так и в представленной модели в силу их широкого разброса при малом количестве каждого типа.

Последняя группа показателей COMIS (i) описывает наличие основных некредитных продуктов у заёмщика и позволяет понять глубину отношений клиента и банка:

Формируя конечную стоимость кредита банк учитывает совокупный доход, который приносит клиент через использование не кредитных продуктов, что в итоге влияет на его решение, как о выдаче кредита, так и его стоимости, так как постоянный клиент, формирующий стабильный денежный поток, при прочих равных условиях имеет сравнительное преимущество. Важно, что вместе с кредитным обслуживанием организация может использовать и другие услуги банка, что впоследствии может уменьшить цену кредита. Также стоит дать краткое описание каждого из не кредитных продуктов:_INVOICING - система электронного документооборота, позволяющая обмениваться различными документами с контрагентами и контролирующими органами.- эквайринг, продукт, дающий возможность использовать кредитные карты в качестве оплаты по предоставленным товарам и услугам через специальные платёжные терминалы.- предоставление услуг инкассации даёт возможность транспортировки наличности._CART - использование корпоративных карт для сотрудников компании-клиента банка существенно упрощает процесс выдачи зарплат и снижет транзакционные издержки у бизнеса._CONTR - услуги по валютному контролю операций со стороны банка существенно снижают риск неправильного формирования сделки между контрагентами в случае использования иностранной валюты._PLAT - подключение зарплатного проекта сокращает транзакционные издержки по выдаче зарплаты сотрудникам компании-клиента банка за счёт использования автоматических систем расчёта и оплаты.

Стоит отметить, что в работе описаны основные доступные для анализа не кредитные продукты банка, которые можно сопоставить с каждым конкретным клиентом, их общее количество значительно больше, однако они сравнительно более редкие и комиссионный доход по ним как правило не превышает отдельно взятого продукта из приведённого списка в данном случае.

Таким образом, в данном разделе были перечислены и описаны основные регрессоры, на основании которых проводится тестирование модели. Также были приведены теоретические обоснования включения их в тестируемую регрессию, подтвержденные различными ранними исследованиями. Стоит отметить, что данный список включает в себя все переменные, описанные в первой главе, что даёт возможность тестировать широкий список гипотез и принимать во внимание различные предпосылки.

2.2 Математическое построение эмпирической модели

Следующим важнейшим этапом данной главы является построение собственной эмпирической модели, которая будет показывать все основные взаимосвязи и соответствовать математическим правилам работы с данными. В качестве решения будет предложена множественная линейная регрессия, удовлетворяющая теореме Гаусса-Маркова, главным образом выполненная в статистическом пакете EVIEWS 7. Важно, что помимо статического анализа на определённую дату будет представлен и динамический анализ на весь период исследования, где каждая выбранная дата является отчётной и показывает итоговый результат банка на момент премирования подразделений, таким образом, отражая реальный результат их деятельности.

После формирования выборки данных, описанной в предыдущей части главы, первоначальная оцениваемая модель зависимости текущей процентной ставки от различных переменных принимает следующий вид:

I_NEW = a + b1*LN_SSZ + b2*LN_TIME + b3*ZALOG_SSZ + b4*LN_FOND + b5*RESTUCTOR + b6*NOT30 + b7*STAKEHOLD + ∑b8*CGOF(i) + ∑b9*PASSIVE(i) + ∑b10*SECTOR(i) + ∑b11*SEGM(i) + ∑b12*TYPE(i) + ∑b13*COMIS(i)

Стоит отметить, что в данной модели учтены все описанные регрессоры, без изъятия незначимых и коррелируемых переменных. Для перехода к более точной модели необходимо выполнить процедуру исключения переменных на основании значимости их t-статистик на 5% уровне. В текущей работе используется нестандартный метод исключения, суть которого состоит в том, чтобы построить регрессию на каждый доступный момент времени, в данном случае на начало каждого отчётного месяца с 01.02.2015г. по 01.03.2016г. Затем необходимо выделить незначимые переменные на каждую дату и оставлять только те, которые оказались значимыми более трёх раз на протяжении всей выборки (см. ПРИЛОЖЕНИЕ 1). Данный метод позволяет установить важность каждой переменной в динамике, и исключить вероятность неправильной спецификации за счёт изъятия показателей, существенных с точки зрения финансовой логики. Действительно, построив модель только на одну дату и исключив все незначимые переменные, существует риск того, что в модели не будет учтена какая-либо важная составляющая, которая на самом деле в любой другой период была бы принята. В данном случае это возможно из-за математических особенностей построения множественных регрессии, которые могут учитывать только статические взаимосвязи на один определённый период, чтобы исключить данный риск и был использован данный метод. Стоит отметить, что фундаментально это обосновывается нелинейной особенностью формирования как кредитного портфеля, так продажами не кредитных и прочих продуктов, учтённых в модели. К примеру, наличием сезонности, установлением планов, различным премированием бизнес подразделений за их перевыполнение, целями управляющих директоров и т.д. - всё это не позволяет установить чёткую тенденцию в уровне значимости различных показателей в данной модели, но при выборке только на один конкретный период можно не увидеть существующие особенности. Основанием для оставления в модели факторов, значимых именно в четырёх и более случаях, является то, что при исключении большего количество показателей объясняющая сила модели: R^2 - резко снижается для каждого из периодов (>4%), при этом, до этого момента R^2 практически не менялся.

Таким образом, в модели были исключены:- показатель, который описывает участие компании заёмщика в капитале банка. Это может объясняться доступностью и распространённостью акций банка на открытом рынке, что позволяет практически любой компании являться её акционером и не оказывать на него какого-либо влияния; отсутствием финансовых поощрений со стороны банка для миноритарных акционеров. В то время как для компаний-заёмщиков, имеющих значительно большую долю акций претендующих на особое отношение, остальные показатели точнее иллюстрируют возможные льготные условия стоимости кредита._VEC - наличие векселей, это объясняется их слабой распространённостью (около 100 штук на кредитный портфель из 4000 договоров), что никак не учитывается при структуризации сделки.- принадлежность к отрасли услуг, что иллюстрирует желание банка участвовать в более капиталоёмких отраслях, где компании имеют больше имущества, предоставляемого в залог, больше материальных активов и более понятную структуру ценообразования. При этом крупные компании, работающие в данной отрасли, но имеющие необходимый капитал претендуют на кредитные льготы исходя уже из других предпосылок. Более того, в нормативных документах банка заложено, что компании, занимающиеся производством и торговлей, заведомо имеют преимущества в виде меньшего срока ведения деятельности при принятии решения по выдаче кредита.- факт использование данного продукта не учитывается банком при принятии решения о выдаче кредита и используется сравнительно редко (около 300 штук на кредитный портфель из 4000 договоров, при этом ставка изменилась по сравнению с первоначальной только в 25 случаях на 01.03.2016)_PLAT - наличие зарплатного проекта не является значимым показателем, что идет в разрез с предыдущими исследованиями: [7], [18]. При этом стоит отметить, что в них оценивались модели на основании данных физических лиц, в то время как в данной модели учитываются только компании-заёмщики, для которых работают другие модели ценообразования.

В итоге большая часть переменных оценена, как значимые и будут влиять на цену кредита в приведённой модели. Однако для дальнейшего исследования необходимо убедиться, что полученная модель удовлетворяет теореме Гаусса-Маркова. Стоит отметить, что в качестве примера для проверки является последний отчётный месяц: 01.03.2016г., так как именно он является наиболее актуальным, при этом в остальных периодах принципиальных отличий при проверке обнаружено не было.

По сути теоремы Гаусса-Маркова проверялось соответствие нескольким условиям, а именно:

Модель правильно специфицирована - состоит из фиксированной и неопределённой части, имеет линейное распределение, отсутствует недоопределённость (не учтены значимые переменные) и переопределённость (учтены не значимые переменные), адекватна устройству данных (одинаковая функциональная форма).

Все переменные детерминированы и не все равны между собой - факторы не должны быть постоянными, иначе невозможно оценить коэффициенты перед ними.

Ошибки наблюдений не должны носить систематического характера, то есть случайный член не должен быть смещён в определённом направлении.

Дисперсия ошибок должна быть одинакова - отсутствие влияния случайного члена на размер дисперсии ошибок.

Случайные наблюдения должны быть независимо распределены друг от друга.

В случае выполнения данных условий, модель оказывается: эффективной, несмещённой и состоятельной - что позволит получить адекватные выводы, таким образом, для проверки данной теоремы необходимо выполнить ряд тестов, а именно:

Математическое ожидание ошибок должно быть равно нулю - среднее значение остатков = 0. Ниже приведён график тестируемой модели текущей работы, где среднее значение остатков равно 0,00000000000000437 - что округляется до нуля уже на 14 знаке после запятой.

График 6 - Распределение остатков на 01.03.2016 г.

Отсутствие мультиколлинеарности - сильной взаимосвязи между регрессантами, корреляция между сегментами не должна быть высокой (более 0.7), в качестве общего теста применяется построение корреляционной матрицы, более точные выводы получаются на основании VIF-тестов: 1/(1-Ri^2) для каждого регрессора должен быть меньше 10.

Исходя из матрицы корреляций (см. ПРИЛОЖЕНИЕ 2) можно заметить, что только две пары переменных имеют сильную положительную корреляцию: логарифм фондирования/логарифм текущей кредитной задолженности и тип кредита овердрафт/нетипичный график погашения (NOT_30). Проведённый VIF тест в последнем случае указывает на отсутствие мульколлинеарности: R^2 в модели, где внешней переменной является нетипичный график погашения равен 0,67 - что соответствует VIF равному 2,7 < 10. В то время как в первом случае, где внешней переменной является логарифм текущей кредитной задолженности, R^2 равен 0,97 - что соответствует VIF равному 33,(3), и говорит о наличии сильной взаимной зависимости, но в случае исключения логарифма фондирования из модели R^2 падает до 0,54 - что соответствует VIF равному 2,(2). Таким образом, подтверждается взаимозависимость в обозначенной паре переменных, что ухудшает выбранную модель. Для решения данной проблемы был проведён соответствующий анализ двух моделей с учётом и без учёта фондирования (убирался именно данный параметр, так как в динамике его значимость ниже), который показал, что:

В модели без фондирования количество значимых переменных на любую отчётную дату значительно больше, что говорит о том, что логарифм фондирования «перетягивал» на себя часть значимости остальных переменных, что характерно для проблемы мульти- коллинеарности. Таким образом, его исключение в данном случае только улучшает модель, не смотря на снижение R^2 от 2% до 4%.

Все коэффициенты перед регрессорами в модели с учётом и без учёта фондирования имеют слабые отличия (до 10%) и остаются одинакового знака, кроме логарифма кредитных остатков: в первоначальной модели он равен (-1,199) при коэффициенте фондирования равном 0,90; в модели без учёта фондирования коэффициент кредитных остатков равен (-0,247), что приближено к сумме приведённых коэффициентов в первоначальной регрессии, что говорит о взаимоучёте данных показателей. В данном случае это имеет чёткое фундаментальное обоснование, так как фондирование - это, по сути, расходы банка на выделение своих средств в заём, что не может не увеличивать стоимость кредита, в то время как в приведённых исследованиях [1] сумма кредита для корпоративных клиентов обратно пропорциональна его стоимости.

Таким образом, для исключения мульколлинеарности логарифм суммы фондирования был исключён из модели, так как его влияние уже отражено в кредитных остатках. Стоит также отметить, что для всех остальных переменных VIF не превышает значения 4,54 - что говорит об отсутствии обозначенной проблемы.

Наличие гомоскедастичности - нет функциональной связи между остатками (квадратом остатков) и регрессантами (предсказанными значениями). Существует множество способов проверки, к примеру, тест Уайта или построение точечной диаграммы между остатками (их квадратами) и непрерывными переменными.

Графический метод тестирования гомоскедастичности (см. ПРИЛОЖЕНИЕ 3) иллюстрирует отсутствие какой либо функциональной связи между выбранными переменными, более того, видно, что остатки в целом сосредоточены около нулевого уровня без явного смещения в определённую сторону, что говорит в пользу приведённой модели. Однако более точные тесты Уайта, Харви и Глейзера, выполненные в Eviews 7 говорят о наличии гетероскедастичности.

Таблица 2 - Тесты гетероскедастичности (Eviews 7)

В качестве решения проблемы вместо стандартных ошибок в тестируемых моделях были использованы ошибки в форме Уайта, который показал, что если использовать вместо неизвестных дисперсий ошибок квадраты остатков регрессии, меняя таким образом начальную ковариционную матрицу, то получается состоятельная оценка в случае отсутствия автокорреляции остатков, что и будет доказано в следующем пункте.

Отсутствие автокорреляции в ошибках - текущие значение остатков не зависит от предыдущих значений и они не имеют функциональной связи. В качестве одного из методов проверки используется отображение остатков модели разных периодов в одном графике. В качестве примера приведён ряд остатков, где по оси ординат - остатки в текущем периоде, а по оси абсцисс - остатки предыдущего наблюдения. По графику 7 видно отсутствие какой-либо функциональной формы, что также говорит в пользу приведённой модели.

График 7 - Распределение остатков различных периодов на 01.03.2016 г.

Желательное условие: нормальность распределения ошибок - остатки модели должны удовлетворять нормальному распределении, что гарантирует применимость t/f - тестов и нормальность распределения коэффициентов. Судя по приведённой на графике 8 гистограмме остатков модели, она стремится к нормальному: чем ближе вид гистограммы к «идеальному», тем более точное соответствие.

График 8 - Гистограмма остатков на 01.03.2016 г.

Ещё одним важным наблюдением в модели является сравнительно невысокий R^2, в среднем равный 0,30 - что допустимо при построении объясняющих моделей, так как основной задачей в них является получение и интерпретация значимых параметров, а не достижения высокой объясняющей силы, как это принято в прогнозных моделях. Стоит отметить, что в ходе построения работы, предпринимались разные попытки разделить данные на более однородные, что могло бы улучшить её объясняющую силу, но только в одном случае это может оказаться возможным и фундаментально обоснованным: исключение ранее выданных кредитов из выборки. Действительно, исключение старых ссуд в целом снижает количество наблюдений (с 3206 до 1401), при росте R^2 до 0,56 - что является сравнительно более высоким результатом. Это может обосновываться тем, что в модели теперь учитываются наиболее актуальные договора, которые лучше соответствуют описанным переменным, так как они в большей степени отражают последние требования и возможности банка. Для лучшего восприятия график нормированного R^2 модели в отчётных датах был совмещён с графиком, исключающим ранние ссуды, где каждый год после 01.03.2016 отсекает все договора, заключенные до его начала, что отражено на графике 9:

График 9 - Нормированный R^2 в динамике по периодам

Исследуя данную зависимость можно прийти к следующим выводам:^2 описанной модели растёт на протяжении всего периода, что косвенно указывает на то, что описанная регрессия с каждым разом всё точнее описывает обозначенные тенденции;

чем актуальнее период исследования, тем больший прирост показывает объясняющая сила модели.

Вместе с тем необходимо понимать, что существенное сокращение выборки может привести к негативным последствиям из-за снижения влияния отдельных показателей, что подтверждается в ПРИЛОЖЕНИИ 4, где показана значимость переменных в итоговой регрессии в зависимости от периода и начала выдачи кредита по годам. Действительно, модель, в которой учитываются наиболее актуальные кредиты, меньше подвержена влиянию кредитного риска, описанного категориями качества CGOF (i), глубина отношений с клиентом, которая описывается множеством других показателей, также ниже - что в итоге не позволяет выделить доступные взаимосвязи между регрессорами. Таким образом, для получения итоговых результатов было принято решение не исключать более ранние договора, не смотря на невысокий уровень R^2 в данном случае.

ВЫВОДЫ

В качестве итога к данной части главы была построена качественная эконометрическая модель, удовлетворяющая теореме Гаусса-Маркова, основанная на большой статистической базе одного филиалов банка, входящего в топ 10 по размеру активов в РФ.

Проведённый анализ пока не позволяет точно подтвердить обозначенные в первой главе гипотезы, однако точно не опровергает ни одну из них, так как перечисленные группы переменных, используемые в качестве регрессоров, в целом оказались значимыми, что позволит сформировать точный ответ на поставленную цель работы.

2.3 Интерпретация полученных результатов

В предыдущей части главы главным образом ставился вопрос о включении или исключении описанных переменных, в то время как в данной части будет представлено и проанализировано их непосредственное влияние на текущую процентную ставку. Важной особенностью является то, что вместо стандартного формульного вида итоговой модели будет представлена графическая интерпретация коэффициентов перед переменными на протяжении всего периода исследования. Это обосновывается лучшей наглядностью полученных результатов, более того, позволит ответить на вопрос: менялась ли направленность их влияния в динамике - что наиболее точно соответствует выбранному стилю исследования.

Первая группа регрессоров описывает ключевые параметры срока и суммы кредита. График 10 наглядно демонстрирует то, что данные факторы снижают его цену, при этом коэффициенты перед кредитными остатками показывают более плавную и устойчивую динамику, чем перед сроком кредита.

График 10 - Основные параметры кредита

Данная динамика отличается от выводов, описанных в другой работе [1], но имеет понятное логическое обоснование: чем больше будет сумма и срок кредита, тем больше потенциального дохода приносит клиент, не смотря на сравнительно более высокие риски, которые в большинстве случаев уже заложены при структурировании сделки.

Следующая группа показателей описывает некоторые особенности кредита: из графика 11 видно, что наличие реструктуризации скорее увеличивает текущую процентную ставку, в то время как нетипичный график погашения оказывает противоположный эффект.

График 11 - Особенности кредита

Основанием приведённой взаимосвязи служит то, что нетипичный график погашения, как правило, указывает на особенную сделку с точки зрения банка, которая может быть заключена на более мягких условиях. В то время как увеличение стоимости кредита при его реструктуризации, объясняется заключением нового кредитного договора, который в данном случае предоставляется на более жестких условиях, не смотря на то, что один из механизмов реструктуризации - это снижении ставки. Стоит отметить, что банки крайне неохотно идут именно на данную меру, так как это заведомо снижает их прибыль от сделки.

Не менее важная группа регрессоров на графике 12 иллюстрирует, как в динамике менялось их влияние на внешнюю переменную

График 12 - Категории качества

В качестве итогов стоит отметить следующее:

Начиная с 01.06.2015 изменился тренд влияния коэффициентов, менее качественные кредиты становятся всё более дорогими. Это объясняется как тем, что начиная со второго квартала 2016 года в банке стали пристальнее относиться к кредитам повышенного риска, что было одной из квартальных целей, так и общей динамикой кредитного рынка, где качество кредитов в условиях внешних экономических шоков стало особенно необходимым.

Чем выше категория качества, тем дешевле кредит - на графике видно, что нестандартные ссуды (2 категория) в среднем увеличивают цену ссуды, а для безнадежных (5 категория) всё наоборот. На первый взгляд это расходится с предыдущими выводами о наличии реструктуризации: чем хуже кредит, тем больше интереса его реструктурировать, однако в данном случае это иллюстрирует то, что безнадёжные клиенты вообще не платят проценты или делают это крайне нерегулярно, так как не могут себе позволить - для банка главной целью является уже не получение прибыли, а возврат вложенных средств, что снижает стоимость ссуды.

Другая группа показателей на графике 13 описывает влияние размера компании-заёмщика на текущую стоимость кредита:

График 13 - Размер заёмщика

Как было отмечено во многих исследованиях, описанных в данной работе: чем меньше клиент, тем хуже для него условия кредитования - он имеет меньшую переговорную силу, меньше залога, приносит меньше дохода и т.д. Стоит отметить, что описанная в приведённой регрессии тенденция полностью соответствует экономическому смыслу и логике: у клиентов микро-малого бизнеса ставка растёт на 1-2%, но для крупных клиентов она снижена на 0,5 - 1,5%.

Ещё одна группа регрессоров, описанных 14 графиком, иллюстрирует то, как тип кредита изменяет ставку процента в динамике:

График 14 - Тип кредита

Инвестиционное и оборотное кредитование в целом чаще снижают стоимость кредита, чем овердрафтное, что может обосновываться их большей распространённостью и стандартизацией.

Следующая группа факторов на графике 15 демонстрирует влияние отраслевой принадлежности на цену кредита:

График 15 - Отраслевая принадлежность

В целом заметна некая общая тенденция для обеих принадлежностей, что указывает на регулярное увеличение текущей процентной ставки, когда клиент работает в приведённых отраслях.

Последняя группа показателей на графике 16 описывает, как наличие различных некредитных продуктов меняет стоимость кредита.

График 16 - Наличие некредитных продуктов

Важно, что только наличие эквайринга систематически снижает цену кредита, так как только данные коэффициенты всегда меньше нулевого значения. Это объясняется особенностью формирования услуги: установленное и обслуживаемое банком собственное оборудование и расчётная система формирует постоянный поток комиссионных доходов, что при прочих равных условиях может снижать цену ссуды.

Обеспеченность залогом была выведена в отдельный график 17 в силу малых значений коэффициентов за счёт сравнительно больших значений самого регрессора (среднее значение на 01.03.2016 равно 559, что значительно больше, чем в любой другой переменной).

График 17 - Обеспеченность залогом

В целом динамика коэффициентов перед переменной соответствует здравому смыслу: чем больше кредит обеспечен залогом, тем меньше рисков для банка, что выражается в снижении банковской ставки.

Последний регрессор в данной модели демонстрирует, как наличие пассивов может отразиться на стоимости кредита (график 18).

График 18 - Наличие срочного депозита

Сам факт наличия свободных денежных средств, размещающихся в банке под процент, когда клиент имеет ссудную задолженность, косвенно свидетельствует о сравнительно стабильном и прибыльном бизнесе, что может отразиться на снижении стоимости кредита для данного заёмщика. Более того в данном случае он не только формирует чистый доход для банка, но и обеспечивает средства для фондирования других потенциальных клиентов.

В качестве итога к данной части главы была дана интерпретация всех принятых регрессоров на протяжении всего периода исследования с 01.02.2015 г. по 01.03.2016 г. Таким образом, было сформировано 14 моделей на каждую отчётную дату, что дало возможность отследить влияние каждого показателя в динамике и предложить соответствующее фундаментальное объяснение, основанное на результатах различных исследований.

модель кредит переменная корреляция

2.4 Выводы и подтверждение гипотез

В качестве результата второй главы стоит рассмотреть эконометрическое подтверждение/опровержение сформулированных ранее фундаментальных гипотез и предложить новые, которые не могли быть сформированы на основании результатов теоретических работ, описанных в первой главе:

Гипотеза 1. Залоговое обеспечение значимо и снижает текущую процентную ставку.

ПОДТВЕРЖДЕНО: данная гипотеза действительно оказалась значимой в 12 случаях из 14, более того, интерпретация данных на графике 17 полностью соответствует финансовой логике и здравому смыслу.

Гипотеза 2. Отраслевая принадлежность значима и может по-разному влиять на цену кредита в зависимости от отрасли.

ЧАСТИЧНО ОПРОВЕРГНУТО: не все описанные отрасли включались в модель из-за низкого уровня значимости, а влияние оставшихся практически совпадает как в динамике, так и по знаку, что видно на графике 15.

Гипотеза 3. Размер/срок кредита значимы и обратно/прямо пропорциональны его стоимости соответственно.

ЧАСТИЧНО ПОДТВЕРЖДЕНО: в окончательной модели являются наиболее значимыми, но и размер и срок кредита снижают его стоимость.

Гипотеза 4. Оборотное кредитование наиболее значимый тип кредита и уменьшает его цену.

ОПРОВЕРГНУТО: оборотное кредитование в описанной модели оказывалось значимым значительно реже, чем инвестиционное, более того на графике 14 видно, что именно кредиты, направленные на инвестиционные цели, всегда снижали цену кредита.

Гипотеза 5. Размер бизнеса клиента значим, и чем он меньше, тем больше цена кредита.

ПОДТВЕРЖДЕНО: на графике 13 явно видно, что именно клиенты микро-малого бизнеса имеют более высокую ставку, чем более крупных сегментов, что полностью соответствует результатам ранних исследований.

Гипотеза 6. Наличие некредитных продуктов значимо и уменьшает текущую стоимость кредита.

ЧАСТИЧНО ПОДТВЕРЖДЕНО: переменные, отвечающие за наличие различных некредитных продуктов, чаще оказывались значимыми, однако, из рассмотренного списка некредитных продуктов, только наличие эквайринга систематически снижает цену кредита.

Гипотеза 7. Категория качества значима, и чем она хуже, тем выше текущая процентная ставка.

ПОДТВЕРЖДЕНО: ответственные за качество кредитного портфеля переменные оказались значимыми в большинстве моделей на разные отчётные даты и их интерпретация на основании графика 12 вполне соответствует здравому смыслу и финансовой логике.

Гипотеза 8. Тип графика погашения/наличие реструктуризации значимо и может по-разному влить на цену кредита, в зависимости от типа.

ПОДТВЕРЖДЕНО: обе переменные оказались значимыми и имеют существенное влияние на текущую ставку процента, что иллюстрирует 11 график.

Таким образом, большая часть представленных гипотез была либо полностью подтверждена, либо частично, что косвенно подтверждает высокое качество построенной модели, так как большая часть гипотез формировалась на основании исследований, не имеющих в своём распоряжении математических моделей. Существенным является то, что все поставленные в различных работах вопросы, смогли быть разобраны в рамках одной конкретной модели. Иными словами, проделанная работа в рамках одного подхода объединяет в себе предыдущие исследования, при этом имеет качественную математическую модель, основанную на достаточно большой выборке, что позволяет транслировать её результаты в дальнейшие исследования.

Исходя из результатов проделанной работы, обоснованно будет сделать ещё ряд выводов, не нашедших отражение в сформулированных гипотезах:

Нетрадиционный метод оценки влияния переменных, основанный на динамическом анализе, позволяет глубже интерпретировать результаты полученных моделей, так как учитывает больше реально значимых переменных и даёт возможность отследить силу влияния каждого показателя во времени, таким образом, демонстрируя более качественные выводы.

Чем более актуальная выборка кредитов используется при формировании модели, тем больше будет её объясняющая сила, но хуже качество, за счёт меньшего количества значимых объясняющих переменных.

ЗАКЛЮЧЕНИЕ

В данной магистерской диссертации была предоставлена адекватная модель исследования стоимости кредита, построенная на базе данных одного из региональных филиалов банка, входящего в ТОП-10 по размеру активов в России, что содержит в себе кредитный портфель корпоративных клиентов, классифицированный по типу кредитов, категориям качества, размеру заёмщиков, наличию пассивов и некредитных продуктов. Таким образом, цель работы была полностью достигнута с учётом решения поставленных задач:

Проанализированы все ключевые модели кредитного ценообразования.

На основании обзора литературы, состоящего из тридцати источников, было выделено 28 основных переменных.

На основании результатов использованных научных работ было сформулировано восемь гипотез.

Собрана и описана качественная выборка данных исследования в размере 56 720 строк, содержащих более 2,7 млн. наблюдений.

Построена адекватная эконометрическая модель на 14 отчётных периодов, удовлетворяющая теорема Гаусса-Маркова, на основании результатов которой были подтверждены или опровергнуты поставленные гипотезы.

Сформированы конечные выводы проведённого исследования.

В ходе работы полностью подтвердились четыре гипотезы - №1, № 5, №7, № 8:

Гипотеза 1. Залоговое обеспечение значимо и снижает текущую процентную ставку.

Гипотеза 5. Размер клиента значим, и чем он меньше, тем больше цена кредита.

Гипотеза 7. Категория качества значима, и чем она хуже, тем выше текущая процентная ставка.

Гипотеза 8. Тип графика погашения/наличие реструктуризации значимо и может по-разному влить на цену кредита, в зависимости от типа.

Частично подтвердились две гипотезы - №6, № 3:

Гипотеза 6. Наличие некредитных продуктов значимо и уменьшает текущую стоимость кредита, но только определённые продукты действительно значимы и имеют однозначную интерпретацию.

Гипотеза 3. Размер/срок кредита значимы и оба обратно пропорциональны его стоимости.

Частично опровергнута гипотеза №2:

Гипотеза 2. Отраслевая принадлежность не всегда значима и одинаково влияет на цену кредита в зависимости от отрасли.

Полностью опровергнута гипотеза №4:

Гипотеза 4. Оборотное кредитование - это не самый значимый тип кредита, который не всегда уменьшает его цену, в отличие от инвестиционного.

Также было доказало, что именно динамический анализ стоимости кредита наиболее точно описывает и позволяет интерпретировать полученные результаты.

СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ

1.      Горелая Н.В. Организация кредитования в коммерческом банке. М.: ИД «ФОРУМ»: ИНФРА - М, 2014.

.        Горелая Н.В. Оценка влияния факторов на формирование цены кредита, 2016.

3.      Asquith, P., Beatty, A., J. Weber, J. (2005) «Performance pricing in bank debt contracts», Journal of Accounting and Economics, No. 40, pp. 101-128.

.        Strahan, Ph. (1999) «Borrower risk and the price and non-price terms of bank loans», Working paper (1999).

.        Gottesman, A., Roberts, G. (2004) «Maturity and corporate loan pricing», The Financial Review, No.39, pp. 55-77.

.        Edelberg, W. (2006) «Risk-based pricing of interest rates for consumer loans», Journal of Monetary Economics, No.53, pp. 2283-2298.

7.      Муравьева М. П. Эконометрическая модель расчета процентной ставки при кредитовании физических лиц. // Интернет-журнал Науковедение. № 5 (18) / 2013. C. 1-4.

.        Lim, C., Lee, E., Kausar, A., Walker, M. (2014) «Bank accounting conservatism and bank loan pricing», Journal of Accounting and Public Policy, No.33, pp. 260-278.

.        Al-Bahrani, A., Qing Su. (2015) «Determinants of mortgage pricing: A quantile regression analysis», Journal of Housing Economics, No. 30, pp. 77-85.

.        Anagnostopoulou, S., Drakos K. (2016) «Bank loan terms and conditions: Is there a macro effect», Research in International Business and Finance, No.37, pp.269-282.

.        Roodman, D., 2009. Estimating fully observed recursive mixed-process models with CMP. Working Paper No. 168, Center for Global Development, Washington DC, USA.

12.    Оруджова М. Н. Адаптация политики процентных ставок российских коммерческих банков в условиях кризиса // Science Time <#"894845.files/image032.gif">

ПРИЛОЖЕНИЕ 3

Тестирование гетероскедастичности графическим способом

График 19 - Зависимость логарифма остатков от суммы кредита

График 20 - Зависимость логарифма остатков от срока кредита

График 21 - Зависимость квадрата логарифма остатков от суммы

График 22 - Зависимость квадрата логарифма остатков от срока кредитаПРИЛОЖЕНИЕ 4

Значение переменных в итоговой регрессии в зависимости от периода и начала выдачи кредита