Развитие государственных ипотечных программ в современной россии

Ипотека

.1 Условия
проведения госпрограммы поддержки ипотечного (жилищного) кредитования

в первом случае они направляются на
гарантирование погашения ипотечных обязательств отдельных
социально-незащищенных категорий граждан, во втором – используются для премирования
спроса/предложения участников ипотечного рынка. При этом последний формат
господдержки, получивший особенную популярность вместе с созданием в 2009 г.

https://www.youtube.com/watch?v=ytaboutuk

Агентства по реструктуризации ипотечных жилищных кредитов (АИРЖК),до 2015 г.
предполагал предоставление дотаций исключительно на возмещение первоначальных
взносов по ипотечным кредитам, в то время как субсидирование ипотечных ставок
оставалось менее привлекательной мерой в глазах регулятора (Махонин, 2009).

Государственные программы, направленные на возмещение недополученных кредитными
организациями доходов, реализовывались в редких случаях в целях точечной
поддержки различных участников ипотечного рынка только на региональном уровне
(по инициативе высших органов исполнительной власти отдельных субъектов
страны).

Так, программа поддержки ипотечного (жилищного) кредитования,
осуществленная при содействии Министерства финансов РФ в период с 1 марта 2015
г. по 1 января 2017 г., стала первой государственной программой, реализованной
на федеральном уровне и построенной по принципу субсидирования ставок по
ипотечным кредитам.

Именно рекордная масштабность данной программы (около 6,491
млрд. руб. выданных субсидий в течение периода действия), ее относительная
актуальность (недавние сроки проведения) и полнота предоставленных по ней
данных (список участников и сведения о выданных им субсидиях размещены на
информационном портале Министерства финансов РФ) обусловили то, что именно она
была взята за основу в рамках оценки влияния государственных программ поддержки
ипотечного кредитования на финансовые результаты и кредитные риски российских
банков.

Условия действия программы предполагали получение кредитными
организациями (далее – КО) (помимо АИЖК)субсидий от Министерства финансов РФ с
целью дальнейшего предоставления ими льготных ипотечных кредитов по процентной
ставке, не превышавшей 12% годовых. Получаемые дотации от Минфина, в частности,
шли на возмещение недополученных банками доходов в размере разницы между
ключевой ставкой ЦБ РФ, увеличенной на 3,5 пп. (по кредитам, выданным с 1-ого
марта 2016 г., – увеличенной на 2,5 пп.) и 12%.

Развитие государственных ипотечных программ в современной россии

Несмотря на то, что госпрограмма была подготовлена Минфином в кротчайшие
сроки в ответ на экстренно возникшие на рынке ипотечного кредитования
последствия ускорившихся инфляционных и девальвационных процессов, госпрограмма
конструировалась по принципу максимального благоприятствования участия в ней
КО.

Условия участия в госпрограмме были построены Минфином таким образом,
чтобы минимизировать всевозможные риски и при этом создать дополнительные
положительные эффекты для других участников жилищного сектора страны, в
частности для строительных компаний. В связи с этим далее рассматриваются
некоторые условия действия программы, требующие отдельного упоминания по
причине их возможного воздействия на методы и результаты оценки исследуемого
эффекта (с более подробным перечнем условий проведения госпрограммы можно
ознакомиться в Приложении 1).

Прежде всего, следует подчеркнуть, что выдававшиеся в рамках программы
ипотечные займы предоставлялись гражданам исключительно для приобретения жилья
у юридических лиц на первичном рынке недвижимого имущества. Такой вектор
устремления денежных потоков, генерируемых в рамках программы, должен был не
только поддержать жилищное строительство, но и повысить, при прочих равных
условиях, благонадежность совершавшихся сделок купли-продажи жилья.

Данное
условие, безусловно, могло в той или иной степени снизить кредитные риски,
принимавшиеся КО вместе с выдачей субсидированных ипотечных займов. То же самое
можно было бы утверждать со значительно меньшей долей уверенности в случае,
если субсидируемые кредиты направлялись бы на приобретение жилья на вторичном
рынке, регулируемом в меньшей степени и обладающим сравнительно менее высокой
надежностью осуществляемых сделок.

Именно отсутствие проявления в рамках
госпрограммы каких-либо несистемных рисков, связанных с неблагонадежной работой
отдельных КО или застройщиков первичного жилья, позволило Минфину через
несколько месяцев после запуска программы отказаться от ее возможного
расширения на рынок вторичного жилья (Ковтун, Лебедева, 2015).

Свой вклад в формирование большей определенности относительно будущих
денежных потоков КО по субсидированным займам внесли фиксация процентной ставки
в совокупности с аннуитетной формой платежей, установленные Минфином в качестве
обязательных условий выдачи субсидированных кредитов. Известно, что кредиты с
плавающей процентной ставкой оказывают непрерывное влияние на формирование
бюджета заемщиков, что в перспективе может привести к непредсказуемым
последствиям в обслуживании ими собственных кредитов и, соответственно,
увеличить объемы просроченной задолженности на балансе КО (Collins, Wanjau,
2011).

Ипотечные продукты с фиксированной ставкой, наоборот, обладают большей
ясностью в глазах заемщиков, и в связи с этим пользуются большим спросом (Францева,
2016), что, при прочих равных условиях, должно увеличивать объем
предоставленных КО займов и обеспечивать их относительно более высокую
надежность.

Несмотря на, казалось бы, очевидные недостатки кредитов с
плавающими ставками, их присутствие в портфеле КО позволяет диверсифицировать
риски, связанные со стоимостью привлекаемого капитала (Александров, 2012).
Именно поэтому оптимальной стратегией для КО является использование обоих видов
кредитования (Collins, Wanjau, 2011), что и объясняет наблюдающееся в настоящее
время постепенное внедрение крупными игроками ипотечного рынка – АИЖК –
ипотечных продуктов с плавающими ставками, привязанными, в частности, к уровню
инфляции (Францева, 2016).

Так или иначе, фиксация процентной ставки в
совокупности с аннуитетной формой платежей обеспечили большую ясность и
определенность относительно того, как и каким образом должны были формироваться
платежи в рамках обслуживания субсидированных займов, что, предполагается,
позволило принимать более эффективные решения как для заемщиков, так и для КО.

перехода Банка России к режиму
плавающего валютного курса в ноябре 2014 г. и последовавшего резкого
обесценения отечественной валюты в декабре 2014 г.. Таким образом, в рамках
госпрограммы КО не предстояло напрямую столкнуться с ростом валютных рисков, обусловленных
непосредственной операционной деятельностью по выдаче субсидированных ипотечных
займов.

Еще большую свободу действий КО в рамках данной госпрограммы обеспечило
отсутствие в ней каких-либо критериальных ограничений по видам потенциальных
заемщиков. Указания о предоставлении дотаций конкретным группам материально
незащищенных граждан, которые зачастую присущи адресно-целевым инструментам
поддержки ипотечного кредитования, по объективным причинам ведут к увеличению
кредитных рисков, принимаемых КО в рамках работы с данными категориями
населения.

Тем не менее, несмотря на то, что для КО были созданы относительно
свободные и комфортные условия участия в госпрограмме, Минфином были также
сконструированы механизмы по снижению стимулов банков-участников к
оппортунистическому поведению. В частности, условия участия в госпрограмме
предполагали порядок выплаты субсидий, по которому денежные дотации от Минфина
поступали КО только после выдачи последними ипотечных кредитов, удовлетворявших
всем условиям займов, имевших право на субсидирование.

Еще одним примером подобных инструментов, направленных на снижение
вероятности возникновения в рамках госпрограммы оппортунистического поведения
со стороны КО, являются внедренные Минфином условия предоставления субсидий,
согласно которым они сводятся к нулю в ответ на необоснованное увеличение
банками процентных ставок по выданным субсидируемым кредитам.

На основании
этого в рамках исследования вводится предпосылка о том, что ни одна из КО,
участвовавших в госпрограмме, не могла пользоваться выдававшимися Минфином
субсидиями во имя достижения сверхрыночного дохода, обусловленного
использованием нерыночных и не предусмотренных правилами госпрограммы методов.

Развитие государственных ипотечных программ в современной россии

Таким образом, обзорная оценка специфических условий участия КО в
государственной программе поддержки ипотечного (жилищного) кредитования,
проводившейся в период с марта 2015 по январь 2017 гг., не продемонстрировала
наличие в рамках условий госпрограммы каких-либо существенных ограничений для КО
по осуществлению ими стандартных процедур собственной операционной деятельности
помимо тех, что были направлены на ограничение стимулов к оппортунистическому
поведению (необоснованному увеличению процентных ставок по кредитам и т.п.).

Структура правил участия в госпрограмме, а именно отсутствие среди них таких,
что влекут за собой экстраординарные (выдающиеся по сравнению со стандартной
операционной деятельностью КО) скачки денежных средств и кредитных рисков, не
создает потребность в использовании особенных (исключительных по сравнению с
исследованиями эффектов других госпрограмм субсидирования) инструментов
статистического анализа.

2.4
Результаты оценки моделей

где, переменная  обозначает блок зависимых переменных, отвечающих за уровень
рентабельности банка (ROA); объясняющие переменные охарактеризованы в таблицах
1 и 2.

где переменная  обозначает блок зависимых переменных, отвечающих за уровень
принимаемого банкамикредитного риска (RPL); объясняющие переменные охарактеризованы в таблицах 1 и 2.

На основании данных моделей был проведен панельный анализ, целью которого
была попытка пролить свет на то, как государственная программа поддержки
ипотечного кредитования сказалась на показателях рентабельности и кредитного
риска российских банков. Построение эконометрических спецификаций при этом было
основано на выборе между качеством подгонки, значимостью и знаками отдельных
коэффициентов.

Как для моделей оценки влияния на рентабельность, так и для
моделей оценки влияния на кредитные риски в данной работе применялись подходы
«снизу-вверх» и «сверху-вниз». Данный метод позволил отобрать наиболее
подходящий, а главное -полный, состав спецификаций. В ходе анализа было
установлено, что лаги ключевых переменных (вплоть до 6-го) не оказывают
значимого влияния на коэффициенты перед ключевыми переменными исследования.

Возможно, это обусловлено высокими с точки зрения условий проведения
госпрограммы размерами первых взносов по льготным ипотечным кредитам (порядка
30%), которые позволяли мгновенно получить часть выданных средств и обеспечить
стимулы для заемщиков к более тщательному соблюдению кредитной дисциплины в
последующих периодах.

В конечном итоге, были оценены 4 спецификации(две основных – для
тестирования гипотез о финансовых результатах и кредитных рисках и еще две –
для тестирования на робастность). Основные спецификации были, в частности,
протестированы при использовании модели сквозной регрессии («pooledregression»), модели с фиксированными эффектами
(«fixedeffectmodel»), а также модели со случайными
эффектами («randomeffectmodel»). Подробные результаты сравнения
данных моделей для обоих видов спецификаций представлены в Приложении 7 и
Приложении 8.

С учетом рекордных масштабов государственной программы, влияние которой
на деятельность российских банков исследуется в данной работе, ее относительно
гибких условий проведения и солидных объемов инициированного ей ипотечного
кредитования автором данной работы были первоначально сделаны предположения о в
целом позитивном влиянии госпрограммы на деятельность КО (снижении кредитных
рисков и увеличении прибыльности).

Такая логика могла бы быть обусловлена тем,
что снижение процентной ставки по ипотечным кредитам до уровня 12% могло
охватить принципиально большую аудиторию потенциальных потребителей ипотечных
продуктов, которые при более высоких ставках не могли позволить себе их,
несмотря на собственную благонадежность.

Ко всему прочему, более высокие
процентные ставки, присутствовавшие на рынке ипотечного кредитования до начала
действия госпрограммы, могли способствовать проявлению эффекта неблагоприятного
отбора, согласно которому установление процентных ставок определенного уровня
могло привлекать менее надежных заемщиков, которые оценивали вероятность своего
дефолта выше и, соответственно, были готовы уплачивать предложенные банками
процентные платежи (Stiglitz, Weiss, 1981).

Высокие ставки могли также
стимулировать заемщиков к участию в более рискованных, в случае данной работы,
жилищно-строительных проектах, что могло провоцировать в дальнейшем
возникновение условий для нарушения ими обязательств по обслуживанию взятых
ипотечных кредитов. Так, предполагается, что снижение процентной ставки,
инициированное началом субсидирования ипотечных займов, могло увеличить
масштабы и надежность аудитории потенциальных заемщиков КО, чем,
соответственно, снизить объемы принятых ими кредитных рисков, а также повысить
доходность по выданным ссудам.

Гипотеза 1: Участие в госпрограмме положительно влияет на финансовые
результаты российских банков;

Гипотеза 2: Участие в госпрограмме снижает кредитные риски, принимаемые
российскими банками;

Гипотеза 3: Участие в госпрограмме в большей степени влияет положительно
на финансовые результаты менее крупных банков;

Гипотеза 4: Участие в госпрограмме в большей степени снижает кредитные
риски, принимаемые менее крупными банками;

Гипотеза 5: Участие в госпрограмме в большей степени влияет положительно
на финансовые результаты российских государственных банков;

Гипотеза 6: Участие в госпрограмме в большей степени снижает кредитные
риски, принимаемые российскими государственными банками.

Таким образом, благодаря проведенным тестам было установлено, что, среди
трех рассмотренных моделей (RE, FE и Pooled)для оценки влияния госпрограммы на финансовые
результаты банков лучшей является модель с фиксированными эффектами (FE), для оценки влияния на принятые ими
кредитные риски – модель со случайными эффектами (RE). В таблице 5 приведены оценки данных регрессий.

Таблица 5. Оценки лучших моделей регрессий

ROA

RPL

лучшая модель – FE

лучшая модель – RE

Переменная

Коэффициент

Переменная

Коэффициент

Ln (Cred)

-0.00093***

Ln (Cred)

0.00178***

Priv * Ln
(Cred)

0.000485***

Priv * Ln
(Cred)

-0.00048**

Public * Ln
(Cred)

0.00076***

Public * Ln
(Cred)

-0.00058*

Size * Ln (Cred)

0.000099**

Size * Ln (Cred)

-0.00036***

Size * RPL

-0.032*

Size * SOL

0.1419***

RIR

-0.1708**

RIR

Cap/NA

0.0339***

Norm_H2

0.0000054***

Norm_H2

-0.000052**

Norm_H1

0.0000655

Norm_H1

0.000081

IIP

0.0225***

IIP

0.023***

Constant

0.1013***

RPL

-0.1884***

Constant

0.0373***

Wald/

0.163

Wald/

150.58

количество наблюдений: 3684

количество наблюдений: 3684

***-1%
значимость** -5% значимость* -10% значимость

Развитие государственных ипотечных программ в современной россии

Влияние госпрограммы на финансовые результаты (рентабельность)

В рамках исследования было установлено, что в целом для
среднестатистического банка эффект участия в программе был скорее негативным,
нежели позитивным. То есть, интенсификация выдачи субсидируемых ипотечных
займов приводила больше к уменьшению рентабельности, нежели ее росту. Таким
образом, гипотеза №1 была отвергнута.

Несмотря на это, можно выделить некоторые категории банков, для которых
верно обратное. Так, к примеру, в то время как для небольшого частного банка
(Size = 1, Priv= 1) на 1-но процентное увеличение
выданных в рамках госпрограммы кредитов приходится падение рентабельности
активов на «0,000346», для более крупного государственного банка (Size = 4,
Public = 1)- приходится увеличение рентабельности активов на «0,000226».

Это обусловлено тем, что введение критериальной переменной для разделения
банков по величине чистых активов позволило заключить, что размер банка влиял
значимо и положительно на величину ROA при участии КО в госпрограмме: чем
больше был размер банка, тем более положительное влияние оказывало увеличение
кредитов по госпрограмме на показатель рентабельности. Таким образом, гипотеза
№3 была отвергнута.

Более того, разделение всех банков по типу собственности
(государственные, частные, иностранные) позволило установить, что увеличение
кредитов по программе у государственных банков, при прочих равных условиях,
более позитивно отражалось на их рентабельности по сравнению с частными и
иностранными банками. Таким образом, гипотеза №5 не была отвергнута.

Влияние госпрограммы на кредитные риски

Влияние госпрограммы на кредитные риски, принятые российскими банками,
оказалосьдиаметральным тому, что было получено в моделях с рентабельностью.
Так, если программа уменьшала рентабельность основной массы банков выборки,
эффект на кредитный риск был противоположным: чем больше субсидированных
кредитов выдавалось в рамках госпрограммы, тем больше был уровень принимаемых
банками кредитных рисков. Таким образом, гипотеза №2 была отвергнута.

Исходя из оценок модели, можно заключить, что размер банка влиял значимо
и отрицательно на величины, характеризующие уровень кредитного риска: чем
больше был размер банка и чем больше субсидированных кредитов он выдавал, тем
меньше были принимаемые им кредитные риски. Это согласуется с ранее полученным в
рамках эмпирических исследований выводом о том, что более крупные КО
осуществляют менее рискованную политику, что в частности может быть обусловлено
тем, что им доступно большее количество эффективных инструментов по работе с
проблемными кредитами (Горелая, 2015, стр. 6). Таким образом, гипотеза №4 была
отвергнута.

Было также установлено, что для государственных банков влияние
госпрограммы на кредитный риск было значительно менее положительным по
сравнению с иностранными и частными банками. Таким образом, гипотеза №6 не была
отвергнута.

Второстепенные результаты

2.2 Описание
переменных и источники данных

§  рентабельности активов (ROA);

§  рентабельности капитала (ROE).

§  доля просроченных задолженностей в чистых активах (SOL);

https://www.youtube.com/watch?v=ytadvertise

§  доля резервов на возможные потери по ссудам в чистых активах (RPL).

Развитие государственных ипотечных программ в современной россии

Перечень всех рассмотренных в рамках исследования переменных представлен
в таблице 1.

Таблица 1. Описание переменных моделей

Аббревиатура переменной в
модели

Расчет в терминах
переменных ИАС «Банки и финансы» и значения дамми-переменных

Расшифровка

ПОКАЗАТЕЛИ ПРИБЫЛЬНОСТИ

ROE

Отношение балансовой
прибыли к собственным средствам (капиталу)

ROA

Отношение балансовой
прибыли к чистым активам

ПОКАЗАТЕЛИ КРЕДИТНОГО РИСКА

SOL

NPL/CA

Доля просроченных кредитов
в чистых активах

RPL

RES/CA

Доля резервов на возможные
потери по ссудам в чистых активах

ПОКАЗАТЕЛИ ВОВЛЕЧЕННОСТИ В
ПРОГРАММУ

Ln (Cred)

Нат. логарифм объема
выданных в рамках госпрограммы кредитов

ДЕТЕРМИНАНТЫ РЕНТАБЕЛЬНОСТИ
И КРЕДИТНЫХ РИСКОВ

Norm_H1

H1_NORM

Норматив достаточности
капитала

Norm_H2

H2_NORM

Норматив мгновенной
ликвидности

Cap/NA

SK/CA

Отношение собственных
средств  к чистым активам

ПЕРЕМЕННЫЕ ФОРМ
СОБСТВЕННОСТИ И РАЗМЕРА

Priv

1 – частный банк

Дамми-переменные на форму
собственности (частный, государственный, иностранный)

0 – иначе

Public

1 – государственный

0 – иначе

Size

0 – ln(CA) {amp}lt;
[Percentile(CA;0,16)]

Дамми-переменная на размер
банка в зависимости от величины натурального логарифма  чистых активов

1 – ln(CA) {amp}lt;
[Percentile(CA;0,16); Percentile(CA;0,33)]

2 – ln(CA) {amp}lt;
[Percentile(CA;0,33); Percentile(CA;0,50)]

3 – ln(CA) {amp}lt;
[Percentile(CA;0,50); Percentile(CA;0,66)]

4 – ln(CA) {amp}lt;
[Percentile(CA;0,66); Percentile(CA;0,83)]

5 – ln(CA) {amp}gt;
[Percentile(CA;0,83)]

МАКРОЭКОНОМИЧЕСКИЕ
ПЕРЕМЕННЫЕ

RIR

Реальная процентная ставка

IIP

Индекс промышленного
производства

Переменные в уровнях были
взяты в тыс. рублей

В блоке «Показатели вовлеченности в программу» представлена единственная
доступная переменная (помимо дамми-переменной на участие), демонстрирующая
масштабы деятельности КО в рамках проведенной Минфином госпрограммы. Блок
«Детерминанты рентабельности и кредитных рисков» раскрывает использовавшиеся в
рамках исследования переменные, которые отражают масштабы осуществляемой
банками кредитной деятельности, а также уровень их надежности и финансовой
мобильности.

В последнем блоке – «Макроэкономические переменные» – представлены
переменные, характеризующие макроэкономические показатели российской экономики,
а именно реальная процентная ставка и индекс промышленного производства.

Следует заметить, что в течение рассматриваемого отрезка времени
отсутствуют очевидные кризисные периоды и/или экстремальные скачки ключевых
детерминант функционирования экономики. В связи с этим в рамках исследования
было принято решение не вводить дамми-переменную на кризисные периоды,
учитывающую всевозможные структурные сдвиги, сопровождаемые ими.

Несмотря на то, что программа поддержки ипотечного кредитования
действовала с 1 марта 2015 г., Министерство финансов РФ не предоставляет данных
по активности КО в рамках госпрограммы за первый месяц ее действия, что и
обуславливает границы временного периода, вдоль которого располагаются
эмпирические наблюдения в данной работе – с 1 апреля 2015 г.

§  ИАС «Банки и финансы» агентства «Мобиле» – показатели «оборотных ведомостей
по счетам бухгалтерского учета кредитных организаций» – форма 0409101, «отчетов
о прибылях и убытках кредитных организаций» – форма 0409102;

§  Информационный портал Министерства финансов РФ – данные по активности КО
в рамках программы поддержки ипотечного (жилищного) кредитования;

Развитие государственных ипотечных программ в современной россии

§  Информационный портал Центрального банка РФ (Банка России) – данные по
динамике реальной процентной ставки;

§  Информационный портал Федеральной службы государственной статистики –
данные по динамике индекса промышленного производства;

Индекс промышленного производства (ИПП) представляет собою отношение
объема промышленного производства в денежном эквиваленте за определенный период
к объему промышленного производства за предшествующий или базисный период.

Фактически, ИПП является прокси-переменной для темпов роста валового
внутреннего продукта (ВВП), поскольку отражает динамику роста его наиболее
существенной части. Выбор в пользу индекса был обусловлен тем, что официальные
данные по нему публикуются с месячной периодичностью, в отличие от данных по
ВВП.

2.3 Проблемы
мультиколлинеарности, гетероскедастичности и автокорреляции

Все оцениваемые спецификации были проверены на наличие проблем
гетероскедастичности и автокорреляции. Для этого были проведены тест
Бройша-Пагана на гетероскедастичность и тест на серийную автокорреляцию,
которые показали, что на 5-ти процентном уровне значимости во всех
рассмотренных спецификациях имеется как та, так и другая проблемы.

Для проведения исследования из общей выборки банков была также выделена
одна подвыборка, состоящая только из тех КО, что участвовали в программе. Общая
выборка и данная подвыборка были проверены на мультиколлинеарность: результаты
тестирования представлены в виде корреляционных матриц основных переменных
исследования в таблицах 3 и 4.

Таблица 3. Попарные корреляции основных переменных модели (для всей
выборки банков)

ROA

ROE

RPL

SOL

Cred

Size

Type

ROA

1

ROE

0.32*

1

RPL

-0.27*

-0.105*

1

SOL

-0.31*

0.09*

0.48*

1

Cred

-0.099*

0.013

-0.08*

-0.03*

1

Size

-0.15*

0.035*

-0.021

0.11*

0.38*

1

Type

0.090*

-0.027

-0.134*

-0.065*

-0.045*

0.145*

1

* коэффициент значим на
5-ти процентном уровне

Развитие государственных ипотечных программ в современной россии

Таблица 4. Попарные корреляции основных переменных модели (для
банков-участников программы)

ROA

ROE

RPL

SOL

Cred

Cap/NA

Size

Type

ROA

1

ROE

-0.56*

1

RPL

-0.21*

-0.028

1

SOL

-0.31*

0.128*

0.58*

1

Cred

-0.18*

0.089*

-0.08*

-0.02

1

Cap/NA

0.278*

-0.001

-0.17*

-0.24*

-0.07

1

Size

-0.148*

0.066

-0.13*

-0.16*

0.36*

-0.26*

1

Type

0.09*

-0.08*

-0.048

-0.05

-0.01

0.018*

0.16*

1

* коэффициент значим на
5-ти процентном уровне

https://www.youtube.com/watch?v=ytpolicyandsafetyuk

Ввиду довольно низких значений коэффициентов попарной корреляции (отчасти
обусловленных тем, что не учитывается панельная структура данных) был сделан
вывод, что в моделях не должна присутствовать проблема сильной
мультиколлинеарности. В качестве дополнительного свидетельства отсутствия
проблемы сильной мультиколлинеарности в Приложении 4 приведена таблица
коэффициентов вздутия дисперсии («Varianceinflationfactors») для лучших среди оцененных моделей.

2.5
Тестирование на робастность

В рамках тестирования моделей на устойчивость в качестве
прокси-переменной для ROA был выбран показатель ROE, ввиду того, что обе
переменные являются показателями рентабельности и традиционно используются для
характеристики показателей прибыльности. На предварительном этапе исследования
ожидалось, что влияние госпрограммы на их динамику будет схожим.

В качестве прокси-переменной для доли резервов на возможные потери по
ссудам в чистых активах была выбрана переменнаяSOL, показывающая долю просроченных кредитов в чистых
активах. Несмотря на то, что есть основания полагать, что данные переменные
зависят от разных детерминант: RPL и SOL обладают невысоким значением попарной корреляции (см.

В таблице 6 представлены результаты тестирования.

Таблица 6. Тестирование на робастность (зависимые переменные – ROE и SOL)

ROA{amp}gt;{amp}gt;{amp}gt;
ROE

RPL{amp}gt;{amp}gt;{amp}gt; SOL

лучшая модель – FE

лучшая модель – RE

Переменная

Коэффициент

Переменная

Коэффициент

Ln (Cred)

-0.007***

Ln (Cred)

0.000836**

Priv * Ln
(Cred)

0.0029***

Priv * Ln
(Cred)

-0.000293*

Public * Ln
(Cred)

0.0057***

Public * Ln
(Cred)

-0.00056**

Size * Ln (Cred)

0.0009***

Size * Ln (Cred)

-0.00016**

Size * RPL

-0.209***

Size * RPL

0.0669***

RIR

-1.453***

RIR

-0.249***

Cap/NA

0.0632

Norm_H2

0.000000815

Norm_H2

-0.0000266

Norm_H1

-0.000069

Norm_H1

0.00027

Ln (NA)

-0.0092**

IIP

0.167***

IIP

0.0071*

RPL

-1.319***

Constant

0.216***

Constant

0.3107***

Wald/

0.121

Wald/

52.6

количество наблюдений: 3684

количество наблюдений: 3684

***-1%
значимость** -5% значимость* -10% значимость

Тестирование обеих моделей на робастность показало, что ранее полученные
коэффициенты оказались устойчивыми к изменению зависимой переменной. Несмотря
на то, что в рамках модели с объясняемой переменной ROEдве переменные стали незначимыми на 10-ти процентном
уровне, все знаки коэффициентов сохранили свой прежний вид.

Более того, что не
противоречит и подтверждает ранее полученные выводы,госпрограмма была также
более выгодна для более крупных государственных банков.В рамках модели с
объясняемой переменной SOL
все знаки коэффициентов также сохранили свой прежний вид.Однако, при этом
коэффициент перед переменной Norm_H2 стал не значим, что противоречит
доказательствам существования статистической взаимосвязимежду кредитным риском
и риском ликвидности (Imbierowicz и др., 2014).

Развитие государственных ипотечных программ в современной россии

Дополнительно, была осуществлена проверка устойчивости результатов к
изменению выборки, в рамках которой были построены модели исключительно для
банков-участников программы. Ввиду того, что выборка тех банков, которые
принимали участие в госпрограмме, значительно мала, т.е. число степеней свободы
невелико, нет статистической возможности строить «длинные» модели на основе
имеющихся по ним данных.

В таблице 7 представлены результаты тестирования.

Таблица 7. Тестирование на робастность к изменению выборки

ROA

RPL

модель – RE

модель – RE

Переменная

Коэффициент

Переменная

Коэффициент

Ln (Cred)

-0.00114**

Ln (Cred)

0.00094***

Priv * Ln
(Cred)

-0.000035

Priv * Ln
(Cred)

-0.00075*

Public * Ln
(Cred)

0.00031

Public * Ln
(Cred)

-0.00066*

Size * Ln (Cred)

0.0003***

Size * Ln (Cred)

-0.00011***

RIR

-0.207***

RIR

-0.702***

Norm_H2

-0.00000223

Norm_H2

0.00000347

Norm_H1

0.000158

Norm_H1

-0.000055

Size * RPL

-0.1***

Size

-0.0224**

Size

-0.0028***

IIP

0.0624***

IIP

0.014**

Constant

0.568***

Constant

0.0965***

Wald stat.

38.6

Wald stat.

28.8

количество наблюдений: 672

количество наблюдений: 672

***-1%
значимость** -5% значимость* -10% значимость

https://www.youtube.com/watch?v=ytdevuk

Тестирование на устойчивость моделей к изменению выборки показало, что
даже на такой короткой выборке знаки основных коэффициентов полностью
соответствуют тем, что были получены в больших(для всей выборки) моделях.
Следовательно, модели можно признать устойчивыми к изменению данных.

Оцените статью
Финансовый консультант