Влияние норматива достаточности капитала банков на узкий кредитный канал денежной трансмиссии в России

Борзых О.А.
аспирант Департамента теоретической экономики
факультета экономических наук
Национального исследовательского университета «Высшая школа экономики»
ведущий экономист
Департамента денежно-кредитной политики Банка России

С 2000-х годов центральные банки многих стран начали широко применять режим инфляционного таргетирования. Если в 1998 г. 7 стран использовали данный режим, то к 2008 г. их число выросло до 26 (Моисеев, 2008). Популярность нового режима денежно-кредитной политики стимулировала большой интерес исследователей к вопросу об эффективности денежной трансмиссии, особенно до мирового финансового кризиса 2007-2009 гг. Как правило, в работах, посвященных экономике других стран, такая эффективность находила подтверждение (см., например: Kishan, Opiela, 2000; Farinha, Marques, 2001; Bernanke et al., 2005; Ashcraft, 2006). Применительно к российской экономике подобные исследования не пользовались популярностью. Чаще всего ответ на вопрос об эффективности был отрицательным или авторы приходили к выводу о низкой эффективности трансмиссионного механизма в отечественной экономике (Souza, 2006; Дробышевский и др., 2008).

В большинстве подобных исследований, проведенных до мирового финансового кризиса 2007-2009 гг., не учитывалось потенциальное воздействие регуляторных требований к банкам на их кредитно-депозитную политику. Среди немногих ранних работ в этой области можно назвать анализ влияния регулирования достаточности капитала в соответствии с соглашением «Базель II» на кредитный рынок Индии (Nachane et al., 2006; Ghosh, 2008). Было показано, что низкая достаточность капитала банков снижает объем кредитования в условиях сдерживающей политики денежно-кредитных властей. После публикации данных работ необходимость в подобных исследованиях стала более явной.

Начавшаяся в 2008 г. Великая рецессия показала, что проблемы в банковском секторе могут стать причиной кризиса не только в финансовой системе, но и в реальном секторе экономики. В связи с этим Базельский комитет по банковскому надзору в 2010 г. принял решение ужесточить регулирование банковского сектора, утвердив соглашение «Базель III» и тем самым дополнительно ограничив возможные риски, которые берут на себя коммерческие банки. Установление более жестких требований по существовавшим нормативам, а также введение новых нормативов для банков были призваны не допустить повторения ситуации 2007-2009 гг.

Кризис привлек внимание не только органов макропруденциального регулирования, но и различных исследователей. Начиная с 2010 г. в мировой экономической литературе стали появляться работы, посвященные влиянию банковских нормативов на эффективность трансмиссионного механизма денежно-кредитной политики. В частности, отмечается наличие связи между нормативными требованиями и денежной трансмиссией: чем жестче требования (чем меньше достаточность капитала банков), тем сильнее эффект от сдерживающей денежно-кредитной политики (Gavalas, 2015; Gambacorta, Shin, 2016). В этом смысле ожидаемо, что на сдерживающую денежно-кредитную политику наиболее сильно могут реагировать кредитные портфели малых банков, у которых, в отличие от крупных, может быть низкий показатель достаточности капитала (см., например: Aiyar et al., 2014; De Marco, Wieladek, 2015). При этом в силу не всегда жестких регуляторных требований банки не принимают на себя излишние риски. Чрезмерное повышение требований к капиталу может заставить банки проводить более рискованную политику для достижения желаемой доходности вложений (Gale, 2010). Интересно также, что не только макропруденциальная политика оказывает влияние на эффективность денежно-кредитной политики, но и направленность денежно-кредитной политики может влиять на установление регуляторных требований (Borio, Zhu, 2012; Moraes et al., 2016).

В России введение требований в соответствии с соглашением «Базель III» произошло одновременно с США и странами ЕС. Оно началось в 2014 г. с выделения трех самостоятельных нормативов достаточности капитала банков — базового капитала Н1.1, основного капитала H1.2 и собственных средств (капитала) банка H1.0 — и продлится до начала 2019 г., когда будет окончательно введен норматив краткосрочной ликвидности. Во многом наличие переходного периода связано с объективной необходимостью адаптации Банком России самих требований Базельского комитета к российским реалиям. Например, необходимо принимать во внимание несовершенство российского финансового рынка, которое создает ограничения на использование кредитными организациями различных финансовых инструментов. Кроме того, переход на стандарты «Базель III» вынуждает коммерческие банки корректировать свои бизнес-модели, чтобы соответствовать новым регуляторным требованиям. К примеру, такая корректировка может быть связана с изменением структуры портфеля ликвидных активов, структуры кредитного портфеля или источников фондирования. Подобные изменения не могут произойти одномоментно и занимают определенное время.

Число самостоятельных исследований каналов денежной трансмиссии в России растет (Ломиворотов, 2015; Перевышина, Перевышин, 2015; Ono, 2015; Борзых, 2016а; 2016b), но нам не удалось обнаружить в современной литературе эконометрические исследования, посвященные влиянию банковских нормативов на эффективность денежно-кредитной политики в России. В то же время данный вопрос представляется актуальным в условиях проведения Банком России политики инфляционного таргетирования. Поэтому в данном исследовании изучается связь между нормативом достаточности собственных средств (капитала) банка Н1.0 и влиянием денежно-кредитной политики Банка России на банковское кредитование, один из важнейших источников инвестиций и выпуска в российской экономике (Борзых, 2016а; 2016b). При этом временные особенности изменения ключевой ставки Банка России позволили отдельно изучить эпизоды повышения и снижения ключевой ставки, то есть степень асимметрии канала банковского кредитования в России. Насколько нам известно, такой анализ ранее не проводился.

Модель и переменные

Несмотря на возможность подробно исследовать узкий кредитный канал денежной трансмиссии в теоретических работах (Mishkin, 1996), в эмпирических исследованиях невозможно отделить эффекты со стороны предложения кредитов от эффектов со стороны спроса на заемные средства (Kashyap, Stein, 2000). В распоряжении исследователей реальной экономики чаще всего имеются лишь статистические данные об уже заключенных (равновесных) кредитных договорах, на объем которых повлияли как спрос, так и предложение. Поэтому в настоящей работе под каналом банковского кредитования понимается влияние денежно-кредитной политики (ключевой ставки Банка России) на равновесные объемы кредитования на корпоративном кредитном рынке.

Для ответа на поставленный исследовательский вопрос были оценены статические¹ модели панельных данных следующего общего вида:

В качестве прироста объема кредитования использован «очищенный» от эффекта переоценки валютных активов ежемесячный процентный прирост корпоративного кредитного портфеля банков. Импульс денежно-кредитной политики рассчитывался как абсолютный прирост ключевой ставки Банка России. Характеристика достаточности собственных средств для банка представляла собой разность (в процентных пунктах) между фактическим значением норматива H1.0 кредитной организации и минимально установленным значением, которое в 2014-2015 гг. составляло 10%, а в 2016 г. было снижено до 8%. В качестве такой характеристики была выбрана именно разность, а не абсолютный уровень норматива достаточности собственных средств, поскольку банкам важен не уровень норматива, а насколько он выше минимальной границы. Если значение норматива банка существенно выше минимально установленного уровня, то банк не несет дополнительных рисков. Поэтому даже заметное снижение норматива Н1.0, вызванное, например, ухудшением качества кредитного портфеля, не приведет к нарушению регуляторных требований. Напротив, банк, у которого значение норматива близко к минимально установленному, рискует по не зависящим от него причинам нарушить требования Банка России. В дальнейшем неоднократное нарушение одного из основных банковских нормативов может привести к отзыву у этого банка лицензии на осуществление банковской деятельности.

В список контрольных переменных, потенциально способных повлиять на равновесие на корпоративном кредитном рынке, вошли следующие показатели:

• индекс выпуска товаров и услуг по базовым видам экономической деятельности (прирост в %, месяц к предыдущему месяцу, сезонно скорректированный ряд);
• инфляция по ИПЦ ( /о, месяц к предыдущему месяцу, сезонно скорректированный ряд);
• дефицит консолидированного государственного бюджета (прирост в %, месяц к предыдущему месяцу, сезонно скорректированный ряд);
• средний за месяц курс доллара США к рублю (прирост в %, месяц к предыдущему месяцу);
• цена на нефть марки Brent (прирост в %, месяц к предыдущему месяцу);
• индекс ММВБ (прирост в %, месяц к предыдущему месяцу).

Индекс выпуска товаров и услуг по базовым видам экономической деятельности отражает динамику выпуска в реальном секторе экономики, который, в свою очередь, оказывает непосредственное влияние на потребность компаний в заемных средствах и, следовательно, на кредитный рынок. Инфляция также может оказывать значимое влияние на спрос на банковские кредиты. Кроме того, текущие темпы прироста потребительских цен учитываются коммерческими банками при формировании бизнес-модели. В частности, рассчитывая желаемую для себя реальную доходность по кредитам, банки закладывают инфляцию в номинальные ставки по кредитам конечным заемщикам, что также находит отражение в равновесных объемах кредитных портфелей. Изменение дефицита консолидированного государственного бюджета включалось в модели для учета возможного эффекта вытеснения частных инвестиций государственными. Изменение курса доллара США к рублю может отразиться на издержках производителей товаров и услуг, негативно сказаться на их надежности как заемщиков и, следовательно, снизить кредитную активность банков на соответствующих сегментах рынка. Включение цены на нефть обусловлено ее существенным влиянием на экономическое развитие России и, следовательно, на спрос на кредитном рынке. Наконец, динамика индекса ММВБ отражает изменения в благосостоянии российских компаний финансового и нефинансового секторов, что может влиять на рынок кредитования.

Одним из ключевых элементов модели является произведение характеристики достаточности собственных средств банка DiffN10 на изменение значения инструмента денежно-кредитной политики Банка России ΔMP. Коэффициент при данном произведении отражает направление влияния регуляторных требований на функционирование макроэкономического канала банковского кредитования. Так, если знак коэффициента при произведении DiffN10 • ΔMP совпадет со знаком коэффициента при отдельно учитываемом в уравнении регрессии импульсе денежно-кредитной политики ΔMP, значит, наличие регуляторных требований усиливает влияние денежно-кредитной политики на кредитный рынок. И наоборот, если знак коэффициента при произведении DiffN10 • ΔMP противоположен знаку коэффициента при регрессоре ΔMP, то можно сделать вывод о более слабом воздействии макропруденциальной политики на макроэкономические механизмы банковского кредитования. Подобный способ учитывать влияние различных показателей на эффективность денежно-кредитной политики широко используется в экономической литературе (Kashyap, Stein, 2000; Jurikkala et al., 2009; Перевышина, Перевышин, 2015; Борзых, 2016а)².

Данные

В анализе используются месячные данные по индивидуальным характеристикам деятельности российских кредитных организаций, а также по отдельным макроэкономическим показателям. К основным источникам данных по отдельным кредитным организациям относятся формы обязательной банковской отчетности 0409101 («Оборотная ведомость по счетам бухгалтерского учета кредитной организации») и 0409135 («Информация об обязательных нормативах и о других показателях деятельности кредитной организации»). Данные для агрегированных показателей, использованных в качестве контрольных переменных, взяты из баз Росстата и Банка России. Итоговая сбалансированная панель включала данные по 583 кредитным организациям за период с января 2014 по октябрь 2016 г., то есть 19 822 наблюдения.

Правая граница указанного временного промежутка обусловлена доступностью необходимых данных на момент проведения расчетов. При этом следует отметить, что отсутствие двух последних точек за 2016 г. не привело к существенному искажению результатов, поскольку вышедшие позднее данные за ноябрь—декабрь свидетельствуют о сохранении тенденций развития кредитного рынка, характерных для всего 2016 года. Выбор левой границы анализируемого периода обусловлен двумя причинами. В первую очередь, в конце 2013 г. была окончательно сформирована система процентных инструментов Банка России, которая необходима для действующего в настоящее время режима инфляционного таргетирования. Поэтому учитывать более ранние периоды излишне с точки зрения анализа эффективности процентной политики Банка России. Кроме того, с января 2014 г. в российской экономике введены стандарты соглашения «Базель III», в частности — норматив достаточности капитала Н1.0, пришедший на смену нормативу соглашения «Базель II» III и действующий по настоящее время³. В связи с этим выбранный для анализа временной интервал позволяет в полной мере учесть период действия современных регуляторных предписаний и текущего режима денежно-кредитной политики, не затрагивая период действия неактуальных в настоящее время банковских нормативов.

Все больше исследователей российского банковского сектора отмечают его неоднородность (Головань и др., 2010; Egorov, Kovalenko, 2013; Борзых, 2016а; 2016b). В данном исследовании различия между российскими кредитными организациями также приняты во внимание.

Чтобы избежать искажения результатов, вызванных неоднородностью российских кредитных организаций, для целей настоящего исследования исходная выборка банков разделена на три группы: 10 системно значимых кредитных организаций; прочие крупные банки из группы выделяемых Банком России 30 крупнейших кредитных организаций; средние и малые банки.

Состав группы системно значимых кредитных организаций впервые опубликован на сайте Банка России в конце 2015 г. и с тех пор не претерпел изменений⁴. В нее вошли десять крупнейших частных и государственных банков страны. Согласно информации Банка России, на балансах системно значимых кредитных организаций сосредоточено свыше 60% активов всего российского банковского сектора, их деятельность может повлиять на его развитие.

В группу прочих крупных кредитных организаций вошли банки, которые, с одной стороны, не относятся к системно значимым в определении Банка России, с другой — включены в список 30 крупнейших российских кредитных организаций по состоянию на конец исследуемого периода, то есть на 1 ноября 2016 г.⁵ Данные кредитные организации аккумулируют около 80% всех активов российского банковского сектора, это ключевые игроки на кредитном и депозитном рынках и в силу своего размера и, как правило, высокого уровня надежности обладают широкими возможностями фондирования и размещения средств.

В отличие от крупнейших кредитных организаций, доля средних и малых банков на российском рынке сравнительно невелика. Более того, у таких банков значительно меньше возможностей привлекать и размещать средства и поэтому они сильнее связаны со своими клиентами (Борзых, 2016а). Другими словами, бизнес-модель средних и малых банков может существенно отличаться от бизнес-модели более крупных конкурентов. Как следствие, объединение крупных и малых банков в одну группу при анализе может привести к недостоверности полученных результатов и потому неоправданно.

Последняя группа средних и малых банков разделена на четыре подгруппы в зависимости от среднего за период значения норматива достаточности собственных средств (капитала) и направления основной деятельности. Среди средних и малых банков есть банки, значение норматива которых значительно больше минимально установленного и даже может превышать 100%. В силу принципа расчета норматива достаточности капитала это означает, что банк практически не кредитует нефинансовый сектор экономики. Чтобы избежать искажения результатов оценки, банки со средним за период значением норматива достаточности капитала выше 50% выделены в подгруппу, условно названную «не кредитующими банками». Как видно из таблицы 1, данная граница отделяет почти 10% выборки банков с наибольшим значением норматива Н1.0.

Таблица 1

Распределение значения норматива Н1.0 в выборке по состоянию на 01.11.2016

Источники: Банк России, расчеты автора.

Оставшиеся кредитные организации разделены на три подгруппы в зависимости от преобладающего типа кредитования. В частности, розничными признаны банки, у которых средняя за период доля кредитов населения в активах превышала 50%, а доли остальных типов кредитов менее 30%. По аналогичному принципу выделена подгруппа корпоративных банков, которые преимущественно кредитуют нефинансовые организации. Банки, не вошедшие в эти подгруппы, объединены в подгруппу прочих средних и малых «кредитующих» банков.

Основные характеристики анализируемых групп банков приведены в таблице 2. Для каждой из описанных групп банков построены отдельные модели, в которых оценивается влияние регулирования достаточности капитала Банком России на функционирование канала банковского кредитования. Следует остановиться на особенностях рассматриваемого периода, когда отмечались два важных структурных сдвига, учтенные в данном исследовании.

Таблица 2

Группы банков

Источники: Банк России, расчеты автора.

Первый важный структурный сдвиг произошел в динамике ключевой ставки Банка России. Если в течение всего 2014 г. Банк России проводил только сдерживающую денежно-кредитную политику, повышая ключевую ставку, то в 2015-2016 гг. монетарные власти России умеренно смягчали политику, постепенно снижая уровень ключевой ставки (см. рисунок). Подобное естественное разграничение периодов ужесточения и смягчения денежно-кредитной политики позволило оценить не только функционирование канала банковского кредитования, но и возможную асимметрию такого функционирования, связанную с потенциально разной реакцией коммерческих банков на рост и снижение ключевой ставки Банка России.

Второй структурный сдвиг произошел в начале 2016 г., когда для российских кредитных организаций были введены дополнительные макропруденциальные требования в соответствии с соглашением «Базель III». Минимальное значение норматива H1.0 было снижено с 10 до 8%, но требования к кредитным организациям фактически повысились: усложнен расчет нормативов достаточности капитала в части определения и состава многих показателей, изменены критерии отнесения различных показателей к той или иной группе по риску, увеличены коэффициенты риска, введены «буферы» капитала как дополнительная нагрузка на показатель Н1.0 (буфер поддержания капитала, антициклический буфер и буфер «за системную значимость»).

Для каждой из рассматриваемых групп банков оценены три модели:

• по данным за 2014 г. (период минимального значения Н1.0 на уровне 10% и ужесточения денежно-кредитной политики);
• по данным за 2015 г. (период минимального значения Н1.0 на уровне 10% и смягчения денежно-кредитной политики);
• по данным с января по октябрь 2016 г. (период минимального значения H1.0 на уровне 8% и смягчения денежно-кредитной политики).

При этом сбалансированность панели, то есть наличие наблюдений для каждого банка за весь рассматриваемый период, обеспечила сопоставимость результатов между периодами.

Регуляторные требования и денежно-кредитная политика: результаты

Полученные оценки коэффициентов дополнительно тестировались на устойчивость путем включения в модель отличных от первоначально использованных индикаторов выпуска в реальном секторе и инфляции. В частности, вместо индекса выпуска товаров и услуг по базовым видам экономической деятельности в модели включались индекс промышленного производства и индекс выпуска обрабатывающих производств, а вместо индекса потребительских цен — индекс цен производителей. В подавляющем большинстве случаев новые показатели оказывались незначимыми или их включение не улучшало либо существенно не изменяло оценки, полученные при изначальном наборе контрольных переменных. Только в двух случаях (прочие крупные банки в 2015 г. и средние и малые корпоративные банки в 2014 г.) изменение набора контрольных переменных привело к улучшению качества построенных моделей (возрастанию показателя R²_within более чем на 0,01 или расширению набора значимых регрессоров). В таблице 3 приведены результаты оценки наилучших моделей.

Таблица 3

Основные результаты регрессионного анализа

Начнем описание полученных результатов с группы системно значимых кредитных организаций. Как видно из таблицы 3, для всех рассматриваемых периодов сумма коэффициентов при переменной денежно-кредитной политики Сум₁, как и ожидалось, статистически значима и отрицательна. Повышение ключевой ставки Банка России в 2014 г. сдерживало рост корпоративных кредитных портфелей системно значимых банков, ав 2015-2016 гг. при постепенном снижении ключевой ставки возрастало кредитование нефинансовых организаций.

Влияние нормативов достаточности капитала этой группы банков на функционирование канала банковского кредитования со временем претерпело изменения. Так, для 2014 г. сумма коэффициентов при произведении характеристики «запаса» достаточности собственных средств и импульса денежно-кредитной политики положительна, но значима только на уровне 10%. Другими словами, наличие дополнительного запаса собственных средств у системно значимых кредитных организаций ограничивало сдерживающий эффект денежно-кредитной политики.

Интересно, что и в 2015 г., когда Банк России начал постепенно снижать ключевую ставку, знаки Сум₁ и Сум₂ оказались противоположными. Чем больше разность между фактическим и минимально установленным значением норматива Н1.0 для системно значимых банков, тем слабее реакция корпоративных кредитных портфелей этой группы банков на денежно-кредитную политику. Причины такой взаимосвязи следующие. Первая: поддержание банком капитала на достаточно высоком уровне означает с его стороны проведение более осторожной — в том числе кредитной — политики. В этом случае банк вряд ли будет наращивать кредитный портфель в условиях нестабильности внешних и внутренних рынков (как в 2015 г., когда геополитическая ситуация была напряженной, существенно снизились цены на нефть, наблюдались высокая волатильность курса доллара США к рублю и снижение реальных доходов). Частично предположение о проведении осторожной кредитной политики согласуется с результатами опроса Банка России по условиям банковского кредитования⁷, согласно которым в 2015 г. банки ужесточали неценовые условия кредитования, тщательно отбирая наиболее надежных заемщиков.

Второй причиной можно считать желание банков сохранить запас собственных средств, не выдавать дополнительные кредиты в условиях реализации кредитных рисков со стороны заемщиков и роста доли просроченной задолженности в кредитных портфелях. Ухудшение качества кредитного портфеля заставляло банки большую часть капитала направлять на формирование резервов под возможные потери в соответствии с требованиями Положения Банка России № 254-П⁸.

Третьей причиной может быть предшествующая кредитная политика банков, связанная с эффектом «высокой базы». Как следует из расчетов по данным 2014 г., системно значимые банки тем меньше сокращали темпы прироста корпоративного кредитования, чем больше у них был запас капитала. Следовательно, таким банкам было относительно сложнее увеличивать портфель в условиях непростой макроэкономической ситуации.

Наконец, четвертой причиной может быть желание системно значимых банков сохранить или дополнительно нарастить запас капитала в преддверии объявленного заранее ужесточения требований в соответствии с соглашением «Базель III» в 2016 г. Отметим, что наиболее сильно ужесточены требования именно в отношении системно значимых кредитных организаций. В связи с этим для таких банков могло быть невыгодным наращивать кредитование, при прочих равных условиях отрицательно влияющее на достаточность капитала в краткосрочном периоде.

Характер влияния норматива достаточности капитала на функционирование канала банковского кредитования изменился в 2016 г., когда существенно снизилась общая макроэкономическая неопределенность. В этот период дополнительный запас капитала усиливал стимулирующее воздействие денежно-кредитной политики на корпоративный кредитный портфель системно значимых банков. Такой характер взаимосвязи в целом соответствует общей экономической интуиции: чем больше запас капитала, тем банку проще наращивать кредитование. Дополнительное стимулирующее воздействие могло оказать снижение минимального значения H1.0 с 10 до 8%, после чего у большинства системно значимых банков разность между фактическим и минимально установленным значением достаточности капитала выросла в среднем на 1 п. п.

Качественно схожие результаты для всех трех периодов получены для группы прочих крупных кредитных организаций. Такой результат ожидаем, поскольку для них в целом характерны процессы, происходившие в системно значимых банках — их близких конкурентах на большинстве сегментов рынка.

Для подгруппы средних и малых банков денежно-кредитная политика оказывала статистически значимое влияние на объем кредитования нефинансовых организаций, но прогнозная сила построенных моделей (R²_within) достаточно мала. Это свидетельствует о том, что денежно-кредитная политика не относится к факторам, определяющим поведение таких банков на кредитном рынке. Для банков среднего и малого размера наиболее важны взаимоотношения с заемщиками. Многие средние и малые банки имеют ограниченный круг заемщиков (по сегменту рынка, категории и основной деятельности самих заемщиков), в связи с чем поддержание взаимоотношений с заемщиками может быть для таких банков жизненно важным.

Наиболее сильное влияние на корпоративное кредитование отмечается для группы розничных банков, для которых данное направление размещения средств не входит в число приоритетных. Наиболее слабое влияние отмечено для группы корпоративных банков, которые в большей степени ориентированы на кредитование нефинансовых организаций и, следовательно, больше зависят от данной категории заемщиков. В целом такие результаты соотносятся с результатами, полученными для более ранних периодов (Борзых, 2016а), где использовалась другая методика классификации средних и малых банков.

Важное наблюдение на основании расчетов — асимметрия функционирования канала банковского кредитования в 2014-2016 гг. Для всех крупных российских банков снижение ключевой ставки Банка России в 2016 г. оказывало более сильное воздействие на корпоративный кредитный портфель, чем ее повышение в 2014 г. Это может быть связано с тем, что широкие возможности крупных банков по привлечению и размещению средств позволяют им меньше зависеть от уровня ставок в экономике. В результате именно крупные банки предлагают более низкие кредитные ставки для корпоративных заемщиков⁹. Снижение эффективности функционирования канала банковского кредитования в 2015 г. может быть связано с необходимостью адаптации банков в связи со снижением Банком России ключевой ставки в условиях общей макроэкономической неопределенности в стране.

Для подгрупп средних и малых банков наблюдалась противоположная динамика: повышение ключевой ставки Банка России оказывало более сильное воздействие на их корпоративный кредитный портфель, чем ее снижение. У средних и малых банков, в отличие от крупных, значительно меньше возможностей фондирования, в связи с чем повышение ставок в экономике, как правило, означает для них существенное удорожание заемных средств и, следовательно, ужесточение их кредитной политики. Снижение ставок в экономике, вызванное снижением ключевой ставки Банка России, напротив, повышает доступность фондирования и готовность средних и малых банков кредитовать. В то же время спрос на кредиты данных банков, в отличие от спроса на кредиты крупных банков, и, как следствие, возможности по расширению кредитного портфеля для средних и малых банков ограничены.

Полученные нами результаты позволяют сделать три основных вывода. Во-первых, подтверждается эффективность функционирования канала банковского кредитования за период 2014-2016 гг., выявленная для периода второй половины 2011 — конца 2014 г. (Борзых, 2016а). Канал банковского кредитования в российской экономике эффективнее всего работает через крупные кредитные организации, что, вероятно, определяется их возможностью выбирать различные источники фондирования и направления размещения средств. Такой возможности нет у большинства малых банков, которые сильнее зависят от своих кредиторов и заемщиков.

Во-вторых, канал банковского кредитования в российской экономике функционирует асимметрично, причем характер асимметрии зависит от размера банка. Снижение ключевой ставки Банком России оказывает большее воздействие на корпоративные кредитные портфели крупных банков, чем повышение. Для средних и малых банков наблюдается обратный эффект: наиболее сильно на корпоративный кредитный портфель этой группы банков воздействует рост ключевой ставки, приводящий к росту процентных ставок в экономике и, как следствие, к удорожанию стоимости фондирования. Справедливости ради отметим, что асимметричная реакция может быть обусловлена не только различными возможностями крупных и малых банков наращивать или сокращать свои кредитные портфели, но и другими причинами, например нелинейностью связи между объемом выданных кредитов и изменением ключевой ставки. Данный вопрос заслуживает отдельного внимания и может быть предметом дальнейшего исследования.

В-третьих, макропруденциальная политика Банка России в части регулирования достаточности капитала банков оказывает непосредственное влияние на функционирование канала банковского кредитования: высокий показатель достаточности капитала поддерживает кредитный рынок, ослабляя сдерживающий эффект от ужесточения денежно-кредитной политики и дополнительно стимулируя кредитование в условиях снижения ключевой ставки Банком России. Примечательно, что такой результат в целом согласуется с результатами для других стран, как развитых, так и развивающихся.

Учет асимметричного характера функционирования канала банковского кредитования, а также степени достаточности собственного капитала банков повысит точность прогнозов кредитных агрегатов, что позволит Банку России лучше определять возможные последствия решений об изменении ключевой ставки при выработке оптимальной стратегии денежно-кредитной политики. В первую очередь, точность прогнозов может возрасти при оценке отдельных моделей для кредитных портфелей различных по размеру групп банков и построении на основе полученных оценок соответствующих прогнозов с последующим агрегированием. Подобное разделение поможет учесть неоднородность реакции банков различного размера на денежно-кредитную политику и связанную с указанной неоднородностью асимметрию. Кроме того, предлагается в каждой из моделей для отдельных групп банков непосредственно учитывать эту асимметрию за счет введения в модели фиктивных переменных на константу (в случае использования VAR-моделей — см., например: Caldara, Kamps, 2008) или на коэффициент при переменной денежно-кредитной политики (в случае оценки одномерных моделей временных рядов или систем одновременных уравнений).

Учесть влияние достаточности капитала при прогнозировании кредитных агрегатов можно как неявным, так и явным образом. Неявный способ предполагает первоначальное построение самостоятельных прогнозов для различных элементов кредитного портфеля, капитала банков и прочих (укрупненных) переменных, входящих в состав показателя достаточности собственных средств банков. На следующем шаге оценивается показатель достаточности капитала на основе полученных прогнозных значений. Если полученное значение норматива Н1.0 будет существенно отличаться от текущего уровня, то это свидетельствует о плохом качестве прогноза. Например, если полученное значение Н1.0 будет меньше ожидаемого минимально установленного уровня, то построенный прогноз кредитования может считаться слишком оптимистичным, поскольку банки не готовы выдавать такой объем ссуд из-за наличия макропруденциального регулирования. Если прогнозное значение Н1.0 будет, например, существенно превышать текущее значение, то такая ситуация может быть вызвана либо заниженным прогнозом кредита, либо завышенным прогнозом капитала, то есть прибыли банков, что также требует корректировки. Согласно данным Банка России¹⁰, достаточность капитала банков меняется во времени довольно медленно, поэтому, при прочих равных условиях, существенные структурные сдвиги в значении норматива Н1.0 маловероятны. Справедливости ради отметим, что подобный метод достаточно трудоемок и требует дополнительных ресурсов. Явно учесть влияние достаточности капитала на банковское кредитование можно при введении соответствующей переменной (превышение фактического значения показателя Н1.0 над минимально установленным) в модель временных рядов. В частности, при проведении сценарного прогнозирования, которое используется Банком России, наиболее подходящим вариантом представляется включение характеристики достаточности капитала в качестве эндогенной переменной, имеющей отдельное уравнение. В таком случае данный показатель будет непосредственно влиять на прогноз других переменных (в частности, кредита), и в рамках построения сценария отдельно прогнозировать его не понадобится.

¹ Динамические модели панельных данных не были использованы для получения итоговых выводов в силу статистической незначимости лагов зависимых переменных.

² Для получения состоятельных оценок использованы модели с фиксированными индивидуальными эффектами. При этом стандартные ошибки в этих моделях скорректированы по методу Дрисколл—Краая (Driscoll, Kraay, 1998), что позволило учесть возможное наличие гетероскедастичности, автокорреляции и пространственной корреляции случайных ошибок. Все расчеты проводились в статистическом пакете STATA.

³ См. Указание Банка России от 25.10.2013 № 3097-У «О внесении изменений в Инструкцию Банка России от 3 декабря 2012 г. № 139-И „Об обязательных нормативах банков"».

⁴ Согласно пресс-релизу Банка России от 20.10.2015 «Об утверждении перечня системно значимых кредитных организаций», таковыми признаны АО ЮниКредит Банк, Банк ГПБ (АО), Банк ВТБ (ПАО), АО «АЛЬФА-БАНК», ПАО Сбербанк, ПАО Банк «ФК Открытие», ПАО РОСБАНК, ПАО «Промсвязьбанк», АО «Райффайзенбанк» и АО «Россельхозбанк». Критерии отнесения кредитных организаций к группе системно значимых определены в Указании Банка России от 22.07.2015 № 3737-У «О методике определения системно значимых кредитных организаций».

⁵ Список 30 крупнейших российских кредитных организаций регулярно публикуется на официальном сайте Банка России (www.cbr.ru) в материале «Сводная статистическая информация по крупнейшим банкам» подраздела «Банковский сектор» раздела «Информационно-аналитические материалы».

⁶ Подробные результаты оценивания моделей доступны по запросу у автора.

⁷ См. выпуски бюллетеня «Условия банковского кредитования» за 2015 г., ежеквартально публикуемого на официальном сайте Банка России в разделе «Денежно-кредитная политика».

⁸ Положение Банка России от 26.03.2004 № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».

⁹ Согласно данным Банка России, средневзвешенные ставки 30 крупнейших банков по кратко- и долгосрочным кредитам корпоративным заемщикам в среднем в 2015-2016 гг. примерно на 0,5 п. п. были ниже соответствующих ставок в целом по банковскому сектору, а значит, и ниже ставок средних и малых банков (см. материалы под заголовком «Процентные ставки и структура кредитов и депозитов по срочности», публикуемые на официальном сайте Банка России www.cbr.ru в подразделе «Банковский сектор» раздела «Статистика»).

¹⁰ См. «Обзор банковского сектора Российской Федерации», ежемесячно публикуемый на официальном сайте Банка России www.cbr.ru в подразделе «Банковский сектор» раздела «Информационно-аналитические материалы».

Автор выражает особую благодарность А.В.Егорову за вдохновение, а также В. А. Бессонову, С. Э. Пекарскому, Е. Б. Федоровой, Н. В. Волковой и анонимному рецензенту за ценные комментарии и замечания. Содержание настоящей статьи отражает личную позицию автора, которая может не совпадать с официальной позицией Банка России.

Список литературы / References

Борзых О. А. (2016а). «Антиэффект» ликвидности в российской банковской системе // Экономический журнал ВШЭ. Т. 20, № 3. С. 377—414. [Borzykh О. А. (2016а). Liquidity "anti-effect" in the Russian banking system. HSE Economic Journal, Vol. 20, No. 3, pp. 377—414. (In Russian).]

Борзых О. A. (2016b). Канал банковского кредитования в России: оценка с помощью TVP-FAVAR модели // Прикладная эконометрика. Т. 43. С. 96 — 117. [Borzykh О. A. (2016b). Bank lending channel in Russia: A TVP-FAVAR approach. Applied Econometrics, Vol. 43, pp. 96 — 117. (In Russian).]

Головань С. В., Назин В. В., Пересецкий А. А. (2010). Непараметрические оценки эффективности российских банков // Экономика и математические методы. Т. 46, № 3. С. 43-57. [Golovan S. V., Nazin V. V., Peresetsky А. А. (2010). Non-parametric analysis of the efficiency of Russian banks. Economics and Mathematical Methods, Vol. 46, No. 3, pp. 43-57. (In Russian).]

Дробышевский С. M., Трунин П. В., Каменских М. В. (2008). Анализ трансмиссионных механизмов денежно-кредитной политики в российской экономике (Научные труды № 116Р). М.: ИЭПП. [Drobyshevsky S. М., Trunin P. V., Kamenskih М. V. (2008). Analysis of transmission mechanisms of money and credit policy in Russia's economy (Working Papers No. 116P). Moscow: Gaidar Institute Publ. (In Russian).]

Ломиворотов P. B. (2015). Использование байесовских методов для анализа денежно-кредитной политики в России // Прикладная эконометрика. Т. 38. С. 41 — 63. [Lomivorotov R. V. (2015). Bayesian estimation of monetary policy in Russia. Applied Econometrics, Vol. 38, pp. 41 — 63. (In Russian).

Моисеев С. P. (2008). Новая «священная корова»: таргетирование инфляции // Финансовая аналитика: проблемы и решения. Т. 1, № 7. С. 36—43. [Moiseev S. R. (2008). New "holy cow": inflation targeting. Financial analytics: Science and Experience, Vol. 1, No. 1, pp. 36 — 43. (In Russian).]

Перевышина E. А., Перевышин Ю. H. (2015). Оценка действенности кредитного канала в российской экономике // Журнал Новой экономической ассоциации. № 4. С. 96 — 110. [Perevyshina Е. A., Perevyshin Y. N. (2015). Evaluation of credit channel in Russia. Journal of the New Economic Association, No. 4, pp. 96 — 110. (In Russian).]

Aiyar S., Calomiris C. W., Wieladek T. (2014). How does credit supply respond to monetary policy and bank minimum capital requirements? Bank of England Working Paper Series, No. 508.

Ashcraft A. B. (2006). New evidence on the lending channel. Journal of Money, Credit and Banking, Vol. 38, No. 3, pp. 751—775.

Bernanke В. S., Boivin J., Eliasz P. (2005). Measuring the effects of monetary policy: a factor-augmented vector autoregressive (FAVAR) approach. Quarterly Journal of Economics, Vol. 120, No. 1, pp. 387—422.

Borio C., Zhu H. (2012). Capital regulation, risk-taking and monetary policy: a missing link in the transmission mechanism? Journal of Financial Stability, Vol. 8, No. 4, pp. 236-251.

Caldara D., Kamps С. (2008). What are the effects of fiscal policy shocks? A VAR-based comparative analysis. ECB Working Paper Series, No. 877.

De Marco F., Wieladek T. (2015). The real effects of capital requirements and monetary policy: Evidence from the United Kingdom. Bank of England Working Paper Series, No. 573.

Driscoll J. С., Kraay A. C. (1998). Consistent covariance matrix estimation with spatially dependent panel data. The Review of Economics and Statistics, Vol. 80, No. 4, pp. 549-560.

Egorov A., Kovalenko O. (2013). Structural features and interest-rate dynamics of Russia's interbank lending market. BOFIT Discussion Papers, No. 23.

Farinha L., Marques C. R. (2001). The bank lending channel of monetary policy: identification and estimation using Portuguese micro bank data. ECB Working Paper Series, No. 102.

Gale D. (2010). Capital regulation and risk sharing. International Journal of Central Banking, December, pp. 187—204.

Gambacorta L., Shin H. S. (2016). Why bank capital matters for monetary policy. Journal of Financial Intermediation, https://doi.Org/10.1016/j.jfi.2016.09.005

Gavalas D. (2015). How do banks perform under Basel III? Tracing lending rates and loan quantity. Journal of Economics and Business, Vol. 81, pp. 21 — 37.

Ghosh S. (2008). Capital requirements, bank behavior and monetary policy — a theoretical analysis with an empirical application to India. Indian Economic Review, Vol. 43, No. 2, pp. 205-227.

Juurikkala Т., Karas A., Solanko L. (2009). The role of banks in monetary policy: Empirical evidence from Russia. BOFIT Discussion Papers, No. 8.

Kashyap A. K., Stein J. C. (2000). What do a million observations say about the transmission of monetary policy? American Economic Review, Vol. 90, No. 3, pp. 407—428.

Kishan R. P., Opiela T. P. (2000). Bank size, bank capital, and the bank lending channel. Journal of Money, Credit and Banking, Vol. 32, No. 1, pp. 121 — 141.

Mishkin F. S. (1996). The channel of monetary transmission: Lessons for monetary policy. NBER Working Papers, No. 5464.

Moraes C. D., Montes G. C., Antunes J. A. P. (2016). How does capital regulation react to monetary policy? New evidence on the risk-taking channel. Economic Modelling, Vol. 56, No. C, pp. 177-186.

Nachane D. M., Ghosh S., Ray P. (2006). Basel II and bank lending behaviour: some likely implications for monetary policy. Economic and Political Weekly, Vol. 41, No. 11, pp. 1053-1058.

Ono S. (2015). Bank lending channel in monetary policy transmission: evidence from Russia. International Journal of Economics and Finance, Vol. 7, No. 4, pp. 1 — 11.

Souza L. V. (2006). Estimating the existence of the bank lending channel in the Russian Federation. Bank і Kredyt, No. 9, pp. 3 — 13.