Модель Н2 - Характеристика системообразующих банков России

Итак, оценим регрессионную модель с показателем абсолютной ликвидности в качестве зависимой переменной.

Результаты после исключения всех незначимых переменных представлены в таблицах 3.1 и 3.2 ниже.

Таблица 3.1 Данные по регрессии относительно переменной "H2"

Random-effects GLS regression

Number of obs

=

338

Group variable: bank

Number of groups

=

15

R-sq: within = 0.4249

Obs per group: min

=

22

Between = 0.2083

Avg

=

22,5

Overall = 0.2826

Max

=

23

Random effects u_i ~ Gaussian

Wald chi2(10)

=

229.76

Corr(u_i, X) = 0 (assumed)

Prob > chi2

=

0.0000

Таблица 3.2 Значимые объясняющие переменные в модели "H2"

H2

Coef.

Std. Err.

Z

P>z

Indexes

-.0257974

.0073482

-3.51

0

Gko

-4.657179

1.867359

-2.49

0,013

Oil

-.1741928

.066955

-2.60

0,009

Inflation

9.870101

3.929737

2,51

0,012

Prom

-2.31709

.4231213

-5.48

0

_cons

353.4544

50.00078

7,07

0

Необходимо отметить, что при интерпретации модели данного типа не стоит основное внимание уделять показателю "R-sq", потому что в регрессии, оцененной с помощью GLS, он уже не является адекватной мерой качества подгонки. В свою очередь, выражение corr(u_i, x)=0 (assumed), находящееся в верхней части таблицы, отражает существенную гипотезу, лежащую в основе всей модели. Регрессоры должны быть некоррелированными с ненаблюдаемыми случайными эффектами, так как иначе оценки будут несостоятельными.

Итак, из таблицы 3.2 мы видим, что на 1% уровне значимости у нас остались значимы следующие переменные: indexes, oil, prom, cons. В свою очередь, на 5% уровне значимости - "gko", "inflation".

Взглянув на коэффициенты, можно сделать ряд следующих выводов. Отрицательная зависимость между показателем "indexes" и "h2" говорит нам в первую очередь о том, что в периоды экономической неустойчивости нашей страны, когда котировки акций крупнейших предприятий России падают, а с ними вместе и индекс ММВБ, банковская система, в свою очередь, старается максимально нарастить ликвидность, чтобы обеспечить максимальное доверие вкладчиков и уберечь всю систему от краха. Этот процесс можно довольно четко было проследить в период последнего кризиса.

Цены на нефть также имеют отрицательный коэффициент, потому что в периоды экономических спадов цены на углеводороды, как правило, снижаются, а показатели банковской ликвидности напротив растут.

Показатель среднесрочной доходности ГКО-ОФЗ так же имеет отрицательный коэффициент, это можно объяснить тем, что между началом падения ликвидности и процентов по ОФЗ был некоторый временной лаг, в результате чего, когда доходность облигациям уже начала падать, некоторый банки все еще наращивали ликвидность.

Инфляция получила положительный коэффициент, и в первую очередь это видно из рисунков 3.1 и 3.2. В период экономического спада сокращался темп экономического роста страны, а соответственно и инфляция. Показатель мгновенной ликвидности, в свою очередь, также начал активно сокращаться, начиная уже с первого квартала 2009 года. В целом движения графиков в последние годы тоже довольно схожи.

динамика инфляции в россии за исследуемый период

Рис. 3.1. Динамика инфляции в России за исследуемый период

динамика переменной

Рис. 3.2. Динамика переменной "H2" по исследуемым банкам

Коэффициент перед показателем объема промышленного производства на территории России имеет отрицательный знак, так как в периоды экономического спада объемы производства сокращаются, поскольку происходит замедление всей экономики. Однако в то же время банки, как правило, наращивают ликвидность, как это уже было указано выше.

Похожие статьи




Модель Н2 - Характеристика системообразующих банков России

Предыдущая | Следующая