Результаты исследования - Факторы, влияющие на формирование чистой процентной маржи банка

Собрав все данные, я очистила их от выбросов, используя критерий, равный нормированному отклонению выброса:

,

Где:

Т - критерий выброса;

- выделяющееся значение признака (или очень большое или очень малое);

М, - средняя и сигма, рассчитанные для группы, включающей выброс;

TSt - стандартные значения критерия выбросов, определяемых согласно таблице распределения Стьюдента.

Описательные статистики данных до устранения выбросов и после приведены в приложениях 2, 3.

После этого, я проверила корреляционные взаимосвязи между переменными, используя корреляционную таблицу. В результате полученных взаимосвязей мне пришлось исключить следующие переменные: показатель, рассчитываемый как норматив Н7 и размер инфляции.

Корреляционная таблица приведена в приложении 1.

Далее я загрузила данные в Stata и еще раз проанализировала описательные статистики уже в ней, они приведены в приложении 4.

После этого я построила модель линейной регрессии (pooled regression) переменной NIM на все независимые переменные, используемые в моем исследовании. Нужно отметить, что это сквозная регрессия по всем периодам и всем банкам, она не учитывает панельную структуру данных и оценивается при помощи обычного метода наименьших квадратов.

R квадрат в данной регрессии составил 0,2804. Все регрессоры, кроме показателя отношения депозитов к общим обязательствам и реального ВВП России в ценах 2008 года являются значимыми на всех уровнях значимости.

При этом, согласно результатам, полученным в данной регрессии, все значимые факторы, кроме показателя текущей ликвидности, отношения операционных расходов к валовому доходу, логарифму активов, отношения непрофильных активов к общим активам и ключевой ставки процента оказывают на маржу положительное влияние.

Далее я перешла к анализу данных, предоставленных в панельном формате, задав временную компоненту Period и пространственную компоненту Bank.

Первой регрессией, проведенной в рамках панельного анализа данных, была регрессия between, которая представляет собой переписанную в терминах усредненных по времени значений переменных исходную модель, оцениваемую при помощи обыкновенного метода наименьших квадратов.

Результаты регрессии between показаны в приложении 5.

В данном случае значение R-квадрат between отражает качество подгонки регрессии и его значение больше чем в сквозной регрессии (0,3375), т. е. изменение средних по времени показателей для каждого банка оказывает более существенное влияние на каждую переменную, нежели временные колебания этих показателей относительно средних.

Однако, по итогу данной регрессии, значимых переменных стало намного меньше. Незначимыми переменными при 10% уровне значимости являются отношение проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам, уровень текущей ликвидности, определяемый согласно методике расчета норматива N3, риск процентной ставки, исчисляемый как ставка на межбанковском рынке (Mosprime 3m) минус усредненная ставка конкретного банка по депозитам физических лиц, показатель зависимости от межбанковских кредитов, отношение депозитов до востребования к общим депозитам банка, показатель ключевой ставки процента, по прежнему незначимы показатель доли депозитов в общих обязательствах банка и реальный ВВП РФ в ценах 2008 года.

При этом, зависимость переменных осталась прежней: как и в сквозной регрессии все значимые факторы, кроме показателя текущей ликвидности, отношения операционных расходов к валовому доходу, логарифму активов, отношения непрофильных активов к общим активам оказывают на маржу положительное влияние.

Следующим пунктом я оценила регрессию within или модель с детерминированными эффектами. Регрессия within - это исходная регрессионная модель, переписанная в терминах отклонений от средних по времени значений переменных. Ее оценивание также происходит при использовании метода наименьших квадратов.

Результаты регрессии within показаны в приложении 6.

Согласно результатам оценки данной регрессии, коэффициент детерминации R квадрат составляет 0,1915, что более чем в полтора раза меньше, чем в модели between, что может свидетельствовать о том, что в рамках составленной модели динамические различия проявляются менее сильно, чем межбанковские различия, что говорит о том, что предпочтительнее оценивать модель, учитывая индивидуальные эффекты.

Все переменные являются значимыми на 10 процентном уровне значимости, за исключением проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам и индекса Херфиндаля - Хиршмана.

По-прежнему оказывают отрицательное воздействие на маржу отношение операционных расходов к валовому доходу, показатель текущей ликвидности, отношение непрофильных активов к общим активам, логарифм активов и ключевая ставка процента.

При этом отношение проблемных кредитов физических лиц к общим выданным кредитам физическим лицам, отношение депозитов к общим обязательствам стали показывать отрицательное воздействие на маржу.

Следующим шагом стало оценивание модели со случайными эффектами.

Данная модель считается компромиссом между сквозной регрессией и моделью с детерминированными эффектами. Для оценивания такой регрессии применяется обобщенный метод наименьших квадратов.

Результаты данной оценки приведены в приложении 7.

О значимости данной регрессии свидетельствует высокое (1723,47) значение статистики Wald-Chi.

Все показатели кроме проблемных кредитов юридических лиц по отношению ко всем выданным юридическим лицам кредитам являются значимыми на уровне значимости 5%.

Как и в предыдущих оценках на маржу оказывают отрицательное воздействие отношение операционных расходов к валовому доходу, показатель текущей ликвидности, отношение непрофильных активов к общим активам, логарифм активов и ключевая ставка процента. Также, как и в модели с детерминированными эффектами, в этой модели отрицательное воздействие оказывают отношение депозитов к общим обязательствам, отношение проблемных кредитов физических лиц к общим выданным кредитам физическим лицам.

Оценив мою модель тремя способами - при помощи сквозной регрессии, регрессии с фиксированными индивидуальными эффектами и регрессией со случайными индивидуальными эффектами, я столкнулась с необходимостью выбрать наиболее адекватно оценивающий модель способ оценки.

В этих целях мной были проведены три теста:

    1) Тест Вальда - для сравнения модели с фиксированными эффектами и сквозной регрессией; 2) Тест Бройша-Пагана - для сравнения модели со случайными эффектами и сквозной регрессии; 3) Тест Хаусмана - для сравнения моделей со случайными и фиксированными эффектами.

Результаты теста Вальда отражены в приложении 6 (оценка регрессии within):

F test that all u_i=0: F (512, 6476) = 35.80 Prob > F = 0.0000

Поскольку p-уровень<0.01, в целях моей работы, данные лучше описывает модель с фиксированными эффектами, а не сквозная регрессия.

Результаты теста Бройша-Пагана приведены в приложении 8.

Так как p-уровень <0.01, то модель со случайными эффектами лучше описывает данные, чем модель сквозной регрессии.

Результаты теста Хаусмана приведены в приложении 9.

Так как p-уровень <0.01, то модель со случайными эффектами хуже описывает данные, чем модель с фиксированными эффектами (within).

Итак, согласно проведенным статистическим тестам, наиболее качественно регрессию оценивает модель с фиксированными эффектами.

Проверим подтверждение гипотез, выдвинутых перед эмпирическим исследованием:

Н1: Рискованность кредитного портфеля оказывает положительное влияние, так как ставки по рискованным кредитам выше - опровергнута;

Н2: Показатель ликвидности оказывает отрицательное влияние в связи с тем, что в России высокие показатели ликвидности как правило связаны с грамотным управлением банком, что в свою очередь характерней для крупных федеральных банков, нежели для банков регионального значения - подтверждена;

Н3: Риск процентной ставки оказывает положительное влияние - подтверждена;

Н4: Индекс Херфиндаля-Хиршмана оказывает положительное влияние - влияние показателя незначимо;

Н5: Операционная неэффективность банка оказывает положительное влияние - опровергнута;

Н6: Показатель Н1 оказывает положительное влияние - подтверждена;

Н7: Размер банка оказывает отрицательное влияние - подтверждена;

Н8: Отношение всех выданных кредитов к общим активам банка оказывает отрицательное влияние - опровергнута;

Н9: Отношение депозитов к общим обязательствам оказывает положительное влияние - опровергнута;

Н10: Отношение непрофильных активов к общим активам оказывает положительное влияние - опровергнута;

Н11: Реальный ВВП оказывает отрицательное влияние - опровергнута;

Н12: Ключевая ставка Банка России оказывает положительное влияние - опровергнута.

Похожие статьи




Результаты исследования - Факторы, влияющие на формирование чистой процентной маржи банка

Предыдущая | Следующая