Инструментарий прогнозирования спроса и предложения на кредитном рынке на основе диффузных индексов банка России

Аннотация

Банковская система является важнейшим элементом национальной экономики, определяющим её устойчивость и стабильное развитие. В связи с этим вопрос прогнозирования динамики показателей, характеризующих национальный кредитный рынок, является крайне актуальной темой экономических исследований. В частности, в отечественной литературе идет научная дискуссия вокруг проблемы рационального управления неудовлетворенным спросом на российском рынке заемных ресурсов. Согласно одной из позиций на нём присутствует значительный избыточный спрос. При этом предполагается, что стимулирование предложения кредитных ресурсов через инструменты денежно-кредитной политики должно привести к росту национальной экономики и повышению уровня конкурентоспособности производимой продукции. Однако существует и альтернативная точка зрения, согласно которой уровень избыточного спроса является невысоким. Следовательно, стимулирование предложения на рынке кредитных ресурсов путем смягчения условий денежно-кредитной политики приведет лишь к усилению инфляционных процессов. В статье рассматривается авторская модель прогнозирования спроса и предложения на российском кредитном рынке, описывающая механизм прогнозирования динамики двух его важнейших показателей – процентной ставки и объема кредитного портфеля. Эмпирическую базу исследования составили относительно новые показатели – диффузные индексы Центрального банка Российской Федерации. Для прогнозирования макропоказателей российской банковской системы использованы эконометрические методы, в частности модель векторной авторегрессии (VAR-модель) и двухшаговый метод наименьших квадратов. Научная новизна исследования заключается в разработке подхода к прогнозированию макроэкономических показателей развития национальной банковской системы через оценку спроса и предложения банковских ссуд в потребительском и корпоративном сегменте на основе диффузных индексов условий банковского кредитования. Отдельно в статье рассматривается чувствительность указанных макроэкономических показателей к изменению ключевой ставки Банка России. В результате определены факторы, которые в наибольшей степени воздействуют на динамику спроса и предложения заемных средств. На их основе построена система регрессионных уравнений, описывающая зависимость будущего изменения процентной ставки и объема кредитного портфеля от изменения ключевой ставки Банка России в текущий момент времени. Результаты показаны в отдельности для розничного и корпоративного сегментов кредитования. Дальнейшим направлением исследований станет разработка методов прогнозирования рентабельности банковской системы через оценочный прогноз спроса и предложения на рынке заемных средств.

Ключевые слова

рынок заемных средств, потребительские кредиты, коммерческие кредиты, условия кредитования, банковский надзор, диффузные индексы, прогнозирование, качество прогноза, модель векторной авторегрессии

Для цитирования

Шимановский Д.В. Инструментарий прогнозирования спроса и предложения на кредитном рынке на основе диффузных индексов Банка России // Вестник Пермского университета. Сер. «Экономика». 2017. Том 12. № 2. С. 202–217. DOI 10.17072/1994-9960-2017-2-202-217

Список литературы

1. Хесин Е.С. Современная мировая экономика: финансы и накопление капитала // Деньги и кредит. 2016. № 8. С. 31–36.
2. Симановский А. Ю. Текущий банковский надзор. Международные тенденции развития и некоторые вопросы совершенствования российской практики // Деньги и кредит. 2002. № 2. С. 18–23.
3. Отоцкий П.Л. Прогнозно-аналитический инструментарий управления социально-экономическими системами // Управление мегаполисом. 2009. № 2–3. С. 78–84.
4. Рухлова К.А., Маковецкий М.Ю. Полная стоимость кредита как инструмент повышения эффективности функционирования банковской системы РФ // Двадцать первые апрельские экономические чтения: материалы Международной научно-практической конференции. Омск, 2015. С. 60–64.
5. Пересецкий А.А. Модели причин отзыва лицензий российских банков. Влияние неучтенных факторов // Прикладная эконометрика. 2013. № 2 (30). С. 49–64.
6. Радева О.В. Основные подходы к применению индикаторов условий банковского кредитования в макроэкономическом моделировании // Деньги и кредит. 2012. № 10. С. 54–58.
7. Lown C., Morgan D.P. The credit cycle and the business cycle: new finding using the loan of-ficer opinion survey //Journal of Money, Credit and Banking. 2006. Vol. 38, № 6. P. 282–307. doi: 10.1353/mcb.2006.0086.
8. Bassett W.F., Chosak M.B., Driscoll J.C., Zakrajsek E. Changes in bank lending standards and the macroeconomy // Journal of Monetary Economics. 2014. Vol. 62. P. 23–40. doi: 10.1016/j.jmoneco.2013.12.005.
9. Busch U., Scharnagl, M., Scheithauer J. Loan supply in Germany during the financial crisis. Discussion Paper Series 1: Economic Studies. 2010. № 5. Deutsche Bundesbank, Research Centre. 31 p.
10. Schadler S., Murgasova Z., R. van Elkan. Credit booms, demand booms, and euro adoption. Vienna: Paper Presented at the Conference on Challenges for Central Banks in an Enlarged EMU, Austrian National Bank, 2004. 118 p.
11. Попкова Е.Г., Суворина А.П. Факторы формирования спроса на российском рынке банковских продуктов для физических лиц // Финансы и кредит. 2010. № 21. С. 7–11.
12. Полонский А.Э. Управление ликвидностью банковского сектора в условиях перехода к структурному профициту // Деньги и кредит. 2016. № 10. С. 3–7.
13. Егоров А. В., Карамзин А.С., Чекмарева Е.Н. Анализ и мониторинг условий банковского кредитования // Деньги и кредит. 2010. № 10. С. 16–22.
14. Stiglitz J.E., Weiss A. Credit rationing in market with imperfect information // American Economic Review. 1981. Vol. 71, № 2. P. 28–34.
15. Бондарь А.П., Гребнюк А.Н. Оценка рентабельности капитала кредитной организации с помощью пятифакторной модели на примере АО «Генбанк» // Научный вестник: Финансы, Банки, Инвестиции. 2016. № 1 (34). С. 73–79.
16. Гордеев В.Е., Кобзев Ю.А. Анализ динамики кредитных рынков с применением индикаторов УБК // Деньги и кредит. 2014. № 10. С. 18–25.
17. Ушаков А.С. Динамическая модель развития финансового рынка в экономических системах депрессивного типа // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2014. № 95. URL: http://ej.kubagro.ru/2014/01/pdf/20.pdf (дата обращения: 20.03.2017).
18. Шимановский Д.В. Учет неценовой конкуренции в процессе прогнозирования российского рынка корпоративного кредитования // Вестник Пермского университета. Серия «Экономика». 2014. № 4 (23). С. 24–31.
19. Шимановский Д.В. Учет индексов УБК в процессе прогнозирования региональных кредитных рынков // Управление экономическими системами: электронный научный журнал. 2015. № 6 (78). URL: http://uecs.ru/uecs-78-782015/item/3538-2015-06-02-06-40-23 (дата обращения: 20.03.2017).
20. Claek E. Leaving buyers in portfolio paralysis // Bank litter. 1998. № 8. P. 1–2.
21. Трегуб И.В., Трегуб А.В. Применение коинтеграционного анализа для исследования взаимного влияния финансовых временных рядов // Фундаментальные исследования. 2015. № 8 (3). С. 620–623.
22. Amemiya T. Advanced econometrics. Massachusetts: Harvard University Press, 1985. 504 p.
23. Elton E.J., Gruber M.J. Modern portfolio theory and investment analysis. N. Y.: John Wiley and Sons, 1995. 705 p.
24. Freixas X., Rochert J.-C. Macroeconomics of banking. Massachusetts: Massachusetts Institute of Technology, 1999. 312 p.
25. Колмыкова Т.С., Казаренкова Н.П. Значимость и перспективы развития розничного кредитования в российской экономике // Известия Юго-Западного государственного университета. 2016. № 4(7). С. 124–133.

Показать весь текст