АннотацияЗа первые три года после смены руководства ЦБ РФ отозвал лицензию у каждого третьего банка страны и в значительной их части впоследствии обнаружил «дыры» в капитале на общую сумму в 2,1% ВВП. В настоящей работе предпринята первая попытка моделирования размера «дыры» в капитале российских банков с уже отозванной лицензией. В зарубежных исследованиях для решения аналогичных задач использовались весьма простые индика-торы структуры активов и пассивов, размера и рисков банков. В настоящем исследовании сформулированы новые гипотезы фальсификации банковских балансов (Н1), высокой оборачиваемости активов (Н2) и низкой маржинальности банковского бизнеса (Н3) и пред-ложены комплексные индикаторы их тестирования. Для моделирования использованы официальные данные «Вестников Банка России» об обнаруженных «дырах» в капитале банков в период с середины 2013-го по начало 2016 года -исходная выборка включала 106 банков-банкротов, а после устранения выбросов по отдельным показателям, использу-емым при моделировании, -89 банков-банкротов. Расчеты показали, что эти индикаторы обладают добавленной стоимостью при объяснении размера «дыры» с помощью простых индикаторов. Более того, наиболее сильные экономические эффекты принадлежат именно комплексным индикаторам. В частности, если банк уже обанкротился, то «дыра» оказыва-лась тем больше, чем (1) выше были обороты по корпоративным кредитам; (2) в большей мере банк специализировался на привлечении (дорогих) вкладов населения и их размеще-нии в (дешевые) корпоративные кредиты; (3) больше был размер самого банка; (4) выше были обороты по корсчетам в Банке России; (5) меньше капитала банк раскрывал на балансе накануне отзыва лицензии. Ключевые слова: банки, «дыра» в капитале, отзыв лицензии, фальсификация отчетности, обороты по активам, низкая маржинальность бизнеса. JEL: G21, P23, P34, P52.

Кредитный канал монетарной политики в России...

Ценовые реакции на кредитном рынке и стабильность российских банков в кризисные и бескризисные периоды в экономике Аннотация. Работа посвящена анализу ценовой конкуренции в различных сегментах кредитного рынка и ее влиянию на неустойчивость банков к рискам в кризисные и бескризисные периоды общесистемного усиления конкуренции в российской банковской системе в 2004-2015 гг. В отличие от предшествующих исследований в данной работе ценовая конкуренция измеряется с помощью показателей ценовых реакций отдельного банка на изменения среднегрупповых значений процентных ставок. Мы выделяем четыре группы банков: «Сбербанк» (группа 1), банки с позицией 2-30 в рейтинге по размеру активов (группа 2), банки 31-100 (группа 3), банки 101-… (группа 4). Предполагается, что каждый банк может конкурировать внутри своей группы и с банками остальных групп. Результаты оценок показали, что интенсивность влияния ценовой конкуренции на неустойчивость к рискам зависит от того, кто с кем конкурирует, в каком сегменте кредитного рынка и на какой фазе бизнес-цикла. В розничном сегменте было показано, что группа 1 оказывается наиболее эффективной, т.е. способной увеличивать показатели своей устойчивости в результате ценовых реакций на остальные группы. Для прочих групп были обнаружены эффекты перераспределения рисков-между кредитными и прочими видами рисков, и эти реакции не всегда оказываются эффективными. В корпоративном сегменте, в отличие от розничного, не было обнаружено ни одного примера ценовых реакций, подтверждающего эффекты перераспределения рисков, а эффекты взаимного усиления рисков наблюдаются только в реакциях группы 2 и только в кризисные периоды. Ключевые слова: банки, розничные и корпоративные кредиты, ценовые реакции, процентные ставки, ценовые войны, экономические кризисы, неустойчивость банков.

In this paper, we compare the transmission of monetary policy shocks using quarterly data for 13 emerging market economies (EMEs) with that in a benchmark advanced open economy, the United Kingdom, in the periods of inflation targeting (from 1990s onward). To estimate the transmission within a given country, we specify a monetary VAR-model and we extend it with a variable reflecting commodities terms of trade. We identify monetary policy shocks using a sign restriction scheme: a restrictive shock is determined as an unexpected rise of policy rate and reduction of inflation (CPI) and money demand (M2). We apply the Bayesian approach to estimating VARs to address the curse of dimensionality. Our results indicate that monetary policy in EMEs is not less efficient comparable to the U.K.: restrictive monetary shocks decrease inflation but also lead to a slowdown of GDP and stock market outflows. Overall, our findings add to the debate on the real effects of monetary policy surprises with a special attention to a large set of EMEs.