Моделирование взаимосвязи между макроэкономическими переменными и показателями кредитного рынка для целей стресс-тестирования российского банковского сектора

• Автор: Пестова, Анна Андреевна
• Шифр специальности: 08.00.13
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 192 с. : ил.

Оглавление
Введение
Глава 1. Моделирование кредитного риска банковской системы: макроэкономический аспект
1.1. Обзор подходов к эконометрическому моделированию агрегированного кредитного риска банковского сектора в зависимости от факторов макроэкономической среды
1.2. Описание методологии эконометрической модели агрегированного кредитного риска банковского сектора и используемых данных
1.3. Результаты оценивания динамической модели агрегированного кредитного риска банковского сектора на панельных данных по странам ОЭСР и России
1.4. Моделирование агрегированного кредитного риска банковского сектора России: сигнальный подход
1.4.1. Выбор частных опережающих индикаторов реализации системных кредитных рисков банковского сектора
1.4.2. Составление сводного опережающего индикатора системных кредитных рисков и обзор его предсказательной силы на историческом периоде

Глава 2. Разработка опережающих индикаторов поворотных точек бизнес-цикла

2.1. Основные определения: бизнес-цикл, его фазы, способы их датировки

2.2. Обзор методов построения опережающих индикаторов бизнес-цикла
2.3. Обзор факторов макроэкономических кризисов и выходов из них на основе теоретического анализа
2.4. Обзор факторов макроэкономических кризисов и выходов из них на основе эмпирического анализа
2.4.1. Статистический подход
2.4.2. Эконометрический подход
2.5. Особенности выбранного подхода к количественному анализу бизнес-циклов

2.6. Описание результатов построения опережающих индикаторов бизнес-
цикла
2.6.1. Выбор показателей - предикторов смены фаз бизнес-цикла
2.6.2. Результаты оценивания моделей входа и выхода из рецессии
2.6.3. Анализ выгод от устранения посткризисного смещения
2.6.4. Анализ вневыборочной предсказательной силы моделей: краткосрочные макроэкономические перспективы стран Европы и России
Г лава 3. Моделирование макро- и микроэкономических факторов кредитного риска российских банков
3.1. Анализ и описание факторов макроэкономических условий и рискованности стратегий банков, определяющих индивидуальный уровень кредитного риска финансовых посредников
3.2. Описание методологии и данных
3.3. Результаты оценивания
3.4. Выявление групп банков, обладающих повышенной устойчивостью или уязвимостью к реализации негативных макроэкономических сценариев

Глава 4. Анализ устойчивости российского банковского сектора к кредитному риску при помощи разработанных моделей кредитного риска
4.1. Применение сигнальных моделей агрегированного кредитного риска к анализу кризисного потенциала кредитного рынка России и среднесрочной устойчивости российского банковского сектора
4.2. Обзор подходов к стресс-тестированию банковского сектора
4.2.1. Место макроэкономического стресс-тестирования в системе раннего оповещения о финансовых (банковских) кризисах
4.2.2. Этапы и схема макроэкономического стресс-тестирования
4.2.3. Виды учитываемых уязвимостей (рисков) и структура модели макроэкономического стресс-тестирования
4.2.4. Обзор подходов к разработке стрессовых сценариев
4.2.5. Возможные меры выходных параметров стресс-теста
4.2.6. Краткие выводы по мировому опыту стресс-тестирования и описание возможного применения методов стресс-тестирования к анализу устойчивости российского банковского сектора

4.3. Описание методологии и результатов стресс-тестирования
российского банковского сектора при помощи модели агрегированных
кредитных рисков и симуляции банковских балансов
Заключение
Список литературы
Приложение

говорит о корректности моментных условий для него. Согласно тесту Хансена, используемые инструментальные переменные релеванты.
Анализ предсказательной силы моделей агрегированного кредитного риска выявил, что качество объяснения моделями фактических данных высокое: показатель тесноты связи R2 во всех оцененных спецификациях варьируется от 0,8 до 0,9. По наилучшей из построенных моделей (по критерию наибольшего R2) - Модели 9 - были построены графики соответствия модельных и фактических значений NPL (см. рис. П1 в Приложении). Визуальный анализ рис. П1 указывает на высокую прогностическую силу модели.
1.4. Моделирование агрегированного кредитного риска банковского сектора России: сигнальный подход
В данном разделе строится сигнальный индикатор реализации
агрегированного кредитного риска банковского сектора России. Этот индикатор основывается на данных только одной страны, а отличие от межстрановой эконометрической модели агрегированного кредитного риска, изложенной выше. Построенная сигнальная модель кредитного риска позволит верифицировать выводы, получаемые на основе эконометрической модели и, тем самым, повысить обоснованность выводов относительно текущей ситуации на российском кредитном рынке и его среднесрочных перспектив.
В данном разделе используется стандартная методология сигнального подхода, предложенной Kaminsky et al. (1998) и подробно изложенная в работе Солнцев и др. (2011). Детектируемым событием, отражающим реализацию системных кредитных рисков банковского сектора, будем считать изменение тренда доли проблемных и безнадежных ссуд (NPL -nonperforming loans, IV и V категории качества) в совокупном кредитном портфеле банков с понижательного на повышательный. При этом устойчивым положительным трендом будем считать рост доли NPL более, чем на один процентный пункт в течение года (см. Рисунок 2).