2.2 Модели, основанные на макроэкономических и агрегированных по банковскому сектору данных

Характерной особенностью моделей данного направления исследования является отсутствие переменных, отвечающих за конкретный банк, среди объясняющих переменных, как следствие - невозможность оценить влияние идиосинкратических банковских шоков на кредитный риск. Однако подобное направление представляет особый интерес для пруденциального надзора со стороны контролирующего банковскую деятельность органа - Центрального Банка России, поскольку делает возможным провести процедуру бенчмаркинга с одной стороны и разработать систему раннего оповещения эффективности банковского сектора в зависимости от макроэкономической среды с другой.

Общеупотребимым подходом в оценке влияния макро факторов на кредитный риск является построение VAR модели. Он используется в работах авторов GamberaGambera, M. (2000). Simple forecasts of bank loan quality in the business cycle. Emerging Issues Series, Federal Reserve Bank of Chicago., Glogowski et al, Baboucer и JancarBabouиek, I., Janиar. M. (2005).Vector autoregression analysis of the effects of macroeconomic shocks to the quality of the aggregate loan portfolio of the Czech banking sector. Czech National Bank Working Paper, 1. и другие. Gambera строит двумерную VAR с целью прогнозирования просроченной задолженности по кредитам на недвижимость, коммерческим организациям и сельскому хозяйству в зависимости от дохода домохозяйств, валового регионального продукта, безработицы и числа зарегистрированных процедур банкротства. Baboucer и Jancar оценивают влияние на долю просроченной задолженности по банковскому сектору Чехии в рамках VAR модели эндогенных показателей курса евро, денежного агрегата M2, импорта, экспорта, выданных кредитов, индекса потребительских цен, реальной трехмесячной процентной ставки, доли просроченной задолженности и безработицы, а также семи экзогенных переменных: шесть из них бинарные, контролирующие структурные сдвиги в доле просроченной задолженности, и двухнедельная номинальная процентная ставка репо. Авторы анализируют функции импульсного отклика каждой из эндогенных переменных на шоки друг друга на три временных отрезка вперед: двенадцать, двадцать четыре и тридцать шесть месяцев. Построенная модель используется как для анализа чувствительности, так и для многофакторного стресс-тестирования доли просроченной задолженности. В качестве шоков для анализа чувствительности используется максимальное значение прироста каждой из переменной с построением 95 и 99% квантилей.

HoggarthHoggarth, G., Sorensen, S., Zicchino, L. (2005). Stress tests of UK banks using VAR approach. Bank of England Working Paper, 282. и другие исследуют кредитный риск банковской системы Британии за период с 1988 г. по 2004 г.. Авторы строят модели как на агрегированных данных списанных кредитов на РВПС по банковскому сектору в целом, так и на секторальных данных: корпоративный сектор и сектор домохозяйств. В свою очередь сектор домохозяйств делится на обеспеченные и необеспеченные кредиты. Деление списанных на РВПС долгов на группы и на сектора позволяет получить несмещенные оценки коэффициентов VAR модели. К подобному приему прибегает также WhitleyWhitley, J.,Windram, R. (2004). Prudence Cox. An empirical model of household arrears. Bank of England Working Paper, 214. и другие. Согласно результатам, полученным Hoggarth, наиболее значимым фактором, влияющим на формирование «плохих» долгов для банковского сектора в целом и для корпоративного сектора в частности, является разрыв между потенциальным и реальным ВВП, который достигает апогея спустя четыре квартала после шока. Для сектора домохозяйств по обеспеченным кредитам значимой является процентная нагрузка по задолженности перед банками. В исследовании Whitley и другие, посвященном домохозяйствам, этот показатель значим также для необеспеченных кредитов.

В некоторых исследованиях используются данные по группе стран для выявления зависимости РВПС от макро факторов и банковских показателей. К таким исследованиям относятся работы авторов Bikker et al, PesolaPesola, J. (2005). Banking fragility and distress: An econometric study of macroeconomic determinants. Bank of Finland Discussion Paper, 13. и другие. Pesola исследует скандинавские страны и пять европейских стран. Среди последних Бельгия, Германия, Греция Испания и Великобритания. Он выделяет хронологическую динамику развития банковского кризиса как последовательность максимальных значений нескольких временных периодов

· Бум кредитования;

· Рост просроченной задолженности;

· Рост числа банкротств компаний;

· Рост потерь банка по кредитам.

Так для Финляндии лаг между первым и четвертым этапами составляет пять лет, а между вторым и четвертым 3 года. Причиной роста потерь банков по кредитам являются негативные макроэкономические шоки совместно с высокой неплатежеспособностью заемщиков. К ним относятся шоки доходов и процентной ставки, аппроксимируемые разницей номинального и ожидаемого значений ВВП (процентной ставки).