Государственные программы поддержки ипотечного кредитования

метки: Переменный, Программа, Кредитный, Ипотечный, Кредитование, Ставка, Частность, Заемщик

Государственные программы поддержки ипотечного кредитования

Текущие условия развития российской экономики характеризуются чрезвычайно высоким давлением целого ряда экзогенных и эндогенных экономических потрясений. Такое состояние экономической среды, затрагивая все сферы жизнедеятельности населения страны, не только ограничивает производственный потенциал отечественных производителей, но и замедляет темпы роста социального самочувствия граждан. Одним из ярких примеров возникших в связи с этим провалов рынка, являющихся, возможно, закономерными, но от того не более эффективными (по Парето) равновесиями, является сложившаяся на начало 2015 г. отрицательная динамика ключевых показателей на рынках недвижимости и жилищного строительства (см. График 1).

График 1. Динамика средневзвешенной процентной ставки по ипотечным кредитам и стоимости жилья на первичном рынке (Источник: Банк России, Росстат)

Низкий уровень доступности жилья, продиктованный значительным уменьшением реальных располагаемых доходов населения, в совокупности с резким ужесточением монетарной политики в декабре 2014 г. (повышением Банком России ключевой ставки с 10,5% до 17%в ответ на возникшие девальвационные и инфляционные риски) создали солидный плацдарм для снижения объемов инвестирования в жилищное строительство и ухудшения платежной дисциплины при обслуживании ипотечных кредитов. Недвижимость, будучи столь фундаментальным благом, стала еще более труднодоступным товаром для жителей современной России (даже при использовании ипотечных продуктов), что в перспективе могло привести к существенному росту социальной напряженности среди граждан.

Для того, чтобы сгладить последствия экономических шоков и поддержать спрос отечественных граждан на первичном рынке недвижимого имущества, Правительством РФ в лице Министерства финансов в марте 2015 г. была инициирована программа субсидирования жилищного кредитования. Действие программы, построенной по принципу возмещения недополученных кредитными организациями доходов до уровня ключевой ставки, продлилось вплоть до января 2017 г., несмотря на то, что должно было ограничиться мартом 2016 г.. За это время госпрограмма продемонстрировала значительную эффективность с точки зрения достижения общественно значимой миссии. Уже в течение первых месяцев ее работы ипотечным кредитам с государственной поддержкой удалось занять около 40% всего рынка ипотечного кредитования, благодаря чему программа получила лестные отзывы от высших должностных лиц Правительства страны (Шмирнова, 2015).

Социальная обусловленность и необходимость льготного кредитования физических лиц

... жильем, уменьшить количество граждан, состоящих на учете нуждающихся в улучшении жилищных условий [16]. Доступность жилья для большинства граждан будет обеспечена за счет роста доходов населения и развития форм долгосрочного кредитования жилищного ... добровольно упущенная выгода кредитора, вызванная применением более низкой процентной ставки, чем принятая в данный момент на рынке капиталов, называется ...

Несмотря на социальную значимость таких государственных программ, регулирующие органы, которые их инициируют, очень требовательны к продемонстрированной эффективности и привлекательны для всех вовлеченных сторон. Теперь, когда по прошествии времени существуют представления о том, каким образом программа поддержки ипотечного кредитования повлияла на ту группу ее участников, поддержать которых она и была призвана, возникает вопрос о том, как она отразилась на тех, кто должен был стать ее непосредственными исполнителями, — кредитных организациях.

Специфика российской банковской системы такова, что рыночные взаимоотношения ее участников (в том числе регулятора с кредитными организациями) обуславливаются не только формализованными и прозрачными правилами коммуникации, которые направлены на достижение наиболее конкурентных и справедливых исходов. С учетом того факта, что существенная часть кредитных организаций, участвовавших в госпрограмме, инициированной Минфином, представляла собою крупные по размеру чистых активов банки с государственным участием в уставном капитале, возникает вопрос о том, что двигало кредитными организациями в процессе принятия решения об участии в данном проекте: факторы рентабельности или же необходимость удовлетворения потребностей, возникших в рамках неформального взаимодействия с регулирующими органами. В этой связи оценка привлекательности госпрограммы для кредитных организаций может пролить свет на то, какие льготы реализуются российскими банками в рамках госпрограмм и является ли участие в таких проектах для них условно добровольным.

Таким образом, целью настоящего исследования является оценка влияния государственных программ поддержки ипотечных кредитов на финансовые результаты российских банков и принимаемые ими кредитные риски. Следует заметить, что решение об оценке динамики кредитных рисков в течение периода вовлеченности в госпрограмму было обусловлено тем, что уровень принятых кредитных рисков является прокси-индикатором воздействия участия на устойчивость (надежность) положения кредитных организаций. Таким образом, оценка динамики кредитных рисков позволит взглянуть на привлекательность программы с другой точки зрения.

Достижение данной цели предполагается за счет выполнения следующих задач:

• § Анализ академической литературы, посвященной эмпирическим исследованиям воздействия, оказываемого государственными программами поддержки ипотечного кредитования на различных участников жилищного сектора, в частности на кредитные организации;

• § Исследование условий и масштабов проведенной Министерством финансов РФ государственной программы по поддержке ипотечного (жилищного) кредитования;
• § Осуществление эмпирического исследования влияния государственной программы поддержки ипотечного кредитования на финансовые результаты российских банков и принимаемые ими кредитные риски путем проведения регрессионного анализа по панельным данным;
• § Анализ полученных в рамках эмпирического исследования результатов, приведение их экономической интерпретации и соотнесение (по возможности) с ранее полученными в академической литературе результатами.

Объектом исследования в данной работе являются российские банки. Ввиду того, что государственная программа субсидирования ипотечных ставок, проводившаяся Министерством финансов РФ в период с 1 марта 2015 г. по 1 января 2017 г., стала единственной масштабной госпрограммой, по которой регулирующими органами были официально представлены данные об активности ее участников, предметом исследования в работе является воздействие, оказываемое данной программой на финансовые результаты и кредитные риски российских банков.

Кредитный рынок и его участники

... в расширении производства возрастает. Немалые изменения происходят и в методах ипотечного кредитования. Так, ипотечный кредит обычно предусматривает предоставление ссуд под залог недвижимости (зданий, ... оказывали и оказывают самое непосредственное влияние на становление и развитие кредитного рынка. Наиболее известными являются натуралистическая и капиталотворческая теории кредита. Натуралистическая ...

В первой главе описываются условия действия программы, инициированной Министерством финансов РФ в марте 2015 г.. При этом дается обзор существующего эмпирического и исследовательского опыта по оценке влияния государственных программ поддержки жилищных кредитов на участников рынка ипотеки и недвижимости.

Во второй главе рассмотрены построенные в рамках исследования регрессионные модели, представлена описательная статистика использованных переменных, а также приведены результаты проведенного эмпирического анализа, объясняющего влияние объема выданных в рамках госпрограммы ипотечных кредитов на финансовые результаты и кредитные риски отечественных кредитных организаций. В заключительной части работы дается экономическая интерпретация полученных статистических результатов.

Исследование показало, что влияние государственной программы на финансовые результаты банков сильно различается в зависимости от их размера и формы собственности. Точно так же участие в госпрограмме повлияло на кредитные риски, взятые на себя отечественными банками. В частности, крупнейшие банки, а также банки с преобладающей долей государства в уставном капитале при увеличении кредитования по госпрограмме получили больший прирост прибыльности и большее снижение кредитных рисков. Однако в целом по всей выборке госпрограмма оказала негативное влияние на операционные показатели национальных кредитных организаций.

ипотека кредитный мультиколлинеарность автокорреляция

1 Условия проведения госпрограммы поддержки ипотечного (жилищного) кредитования

Среди существующей практики адресно-целевой государственной поддержки рынка ипотечного кредитования в России можно выделить две основные группы проводимых мер: страхование ипотечных кредитов и субсидирование различных участников жилищного кредитования (Ткачева, 2006).Принципиальное отличие между данными видами господдержки заключается в адаптировании различных механизмов использования бюджетных средств: в первом случае они направляются на гарантирование погашения ипотечных обязательств отдельных социально-незащищенных категорий граждан, во втором — используются для премирования спроса/предложения участников ипотечного рынка. При этом последний формат господдержки, получивший особенную популярность вместе с созданием в 2009 г. Агентства по реструктуризации ипотечных жилищных кредитов (АИРЖК),до 2015 г. предполагал предоставление дотаций исключительно на возмещение первоначальных взносов по ипотечным кредитам, в то время как субсидирование ипотечных ставок оставалось менее привлекательной мерой в глазах регулятора (Махонин, 2009).

Ипотечное жилищное кредитование

... работе является ипотечное жилищное кредитование, а предметом – программы ипотечного жилищного кредитования, предоставляемые банками г. Бор. Глава 1. Сущность и нормативно - правовое регулирование ипотечного жилищного кредитования 1.1. Понятие ипотечного жилищного кредитования Ипотечный жилищный кредит срок Первоначальный ...

Государственные программы, направленные на возмещение недополученных кредитными организациями доходов, реализовывались в редких случаях в целях точечной поддержки различных участников ипотечного рынка только на региональном уровне (по инициативе высших органов исполнительной власти отдельных субъектов

Так, программа поддержки ипотечного (жилищного) кредитования, осуществленная при содействии Министерства финансов РФ в период с 1 марта 2015 г. по 1 января 2017 г., стала первой государственной программой, реализованной на федеральном уровне и построенной по принципу субсидирования ставок по ипотечным кредитам. Именно рекордная масштабность данной программы (около 6,491 млрд. руб. выданных субсидий в течение периода действия), ее относительная актуальность (недавние сроки проведения) и полнота предоставленных по ней данных (список участников и сведения о выданных им субсидиях размещены на информационном портале Министерства финансов РФ) обусловили то, что именно она была взята за основу в рамках оценки влияния государственных программ поддержки ипотечного кредитования на финансовые результаты и кредитные риски российских банков.

Условия действия программы предполагали получение кредитными организациями (далее — КО) (помимо АИЖК)субсидий от Министерства финансов РФ с целью дальнейшего предоставления ими льготных ипотечных кредитов по процентной ставке, не превышавшей 12% годовых. Получаемые дотации от Минфина, в частности, шли на возмещение недополученных банками доходов в размере разницы между ключевой ставкой ЦБ РФ, увеличенной на 3,5 пп. (по кредитам, выданным с 1-ого марта 2016 г., — увеличенной на 2,5 пп.) и 12%.

Несмотря на то, что госпрограмма была подготовлена Минфином в кротчайшие сроки в ответ на экстренно возникшие на рынке ипотечного кредитования последствия ускорившихся инфляционных и девальвационных процессов, госпрограмма конструировалась по принципу максимального благоприятствования участия в ней КО. Именно поэтому Минфин инициировал открытый прием заявок на участие в госпрограмме, а дальнейший состав ее участников формировали органы по сертификации, которые самостоятельно подавали заявки на предоставление субсидий.

Условия для участия в госпрограмме Минфин построил таким образом, чтобы минимизировать любой вид риска и в то же время создать дополнительные положительные эффекты для других участников жилищного сектора страны, в частности, для строительства компании. В связи с этим далее рассматриваются некоторые условия действия программы, требующие отдельного упоминания по причине их возможного воздействия на методы и результаты оценки исследуемого эффекта (с более подробным перечнем условий проведения госпрограммы можно ознакомиться в Приложении 1).

Прежде всего, следует подчеркнуть, что кредиты, предоставленные в рамках программы, предоставлялись гражданам исключительно для покупки жилья у юридических лиц на первичном рынке жилья. Этот вектор притока денежных потоков, генерируемых в рамках программы, должен не только поддерживать строительство жилья, но и повышать, при прочих равных, надежность сделок купли-продажи жилья. Очевидно, что это условие могло бы так или иначе снизить кредитные риски, принимаемые взаимными банками одновременно с выдачей субсидируемых ипотечных кредитов. То же самое можно было бы утверждать со значительно меньшей долей уверенности в случае, если субсидируемые кредиты направлялись бы на приобретение жилья на вторичном рынке, регулируемом в меньшей степени и обладающим сравнительно менее высокой надежностью осуществляемых сделок. Именно отсутствие проявления в рамках госпрограммы каких-либо несистемных рисков, связанных с неблагонадежной работой отдельных КО или застройщиков первичного жилья, позволило Минфину через несколько месяцев после запуска программы отказаться от ее возможного расширения на рынок вторичного жилья (Ковтун, Лебедева, 2015).

Ипотечное кредитование

... положения с обеспеченностью населения жильём, требуют придания системе ипотечного кредитования статуса президентской программы. Президент и Правительство Российской Федерации в настоящее время ставят ... с другой, стимулирование спроса на рынке недвижимости Кроме этого поддержка государством развития ипотечного кредитования является одной из основных предпосылок достижения реального экономического ...

Свой вклад в формирование большей определенности относительно будущих денежных потоков КО по субсидированным займам внесли фиксация процентной ставки в совокупности с аннуитетной формой платежей, установленные Минфином в качестве обязательных условий выдачи субсидированных кредитов. Известно, что кредиты с плавающей процентной ставкой оказывают непрерывное влияние на формирование бюджета заемщиков, что в перспективе может привести к непредсказуемым последствиям в обслуживании ими собственных кредитов и, соответственно, увеличить объемы просроченной задолженности на балансе КО (Collins, Wanjau, 2011).

Ипотечные продукты с фиксированной ставкой, наоборот, обладают большей ясностью в глазах заемщиков, и в связи с этим пользуются большим спросом (Францева, 2016), что, при прочих равных условиях, должно увеличивать объем предоставленных КО займов и обеспечивать их относительно более высокую надежность. Несмотря на, казалось бы, очевидные недостатки кредитов с плавающими ставками, их присутствие в портфеле КО позволяет диверсифицировать риски, связанные со стоимостью привлекаемого капитала (Александров, 2012).

Именно поэтому оптимальной стратегией для КО является использование обоих видов кредитования (Collins, Wanjau, 2011), что и объясняет наблюдающееся в настоящее время постепенное внедрение крупными игроками ипотечного рынка — АИЖК — ипотечных продуктов с плавающими ставками, привязанными, в частности, к уровню инфляции (Францева, 2016).

Так или иначе, фиксация процентной ставки в совокупности с аннуитетной формой платежей обеспечили большую ясность и определенность относительно того, как и каким образом должны были формироваться платежи в рамках обслуживания субсидированных займов, что, предполагается, позволило принимать более эффективные решения как для заемщиков, так и для КО.

Целью ограничения потенциального роста валютных рисков кредиторов в рамках их участия в госпрограмме было установление Минфином российского рубля как единственной приемлемой валюты для договоров льготного ипотечного кредитования. Такое решение во многом было обусловлено тем, что программа носила антикризисный (контрциклический) характер (Ковтун, Лебедева, 2015), направленный на преодоление спада в банковском секторе, который возник в том числе вследствие роста валютных рисков: перехода Банка России к режиму плавающего валютного курса в ноябре 2014 г. и последовавшего резкого обесценения отечественной валюты в декабре 2014 г.. Таким образом, в рамках государственной программы KO не было необходимости напрямую решать проблемы повышения валютных рисков, вызванных прямой операционной деятельностью по выдаче субсидируемых ипотечных кредитов.

Развитие государственных ипотечных программ в современной россии

... В рамках поставленной цели в работе сформулированы следующие задачи: рассмотреть сущность ипотеки и ипотечного кредитования; выявить состояние ипотечного кредитования в России; рассмотреть роль АИЖК в развитии ипотечного кредитования; проанализировать систему ипотечного кредитования в ...

Еще большая свобода действий КО в рамках этой государственной программы была обеспечена отсутствием политических ограничений в отношении типов потенциальных заемщиков в ней. Указания о предоставлении дотаций конкретным группам материально незащищенных граждан, которые зачастую присущи адресно-целевым инструментам поддержки ипотечного кредитования, по объективным причинам ведут к увеличению кредитных рисков, принимаемых КО в рамках работы с данными категориями населения. Госпрограмма, инициированная Минфином, не ставила перед собой цель поддержки отдельных граждан, а была ориентирована на весь рынок, что, конечно, оставляло ОС больше свободы в выборе стратегии управления собственными кредитными рисками.

Однако, несмотря на то, что для ЧР были созданы относительно свободные и комфортные условия для участия в государственной программе, Минфин также разработал механизмы, снижающие стимулы банков-участников к оппортунистическому поведению. В частности, условия участия в госпрограмме предполагали порядок выплаты субсидий, по которому денежные дотации от Минфина поступали КО только после выдачи последними ипотечных кредитов, удовлетворявших всем условиям займов, имевших право на субсидирование. Следовательно, за период участия в госпрограмме у КО не должно было наблюдаться скачков ликвидности, обусловленных специфическими условиями участия в программе, а денежные дотации, при прочих равных условиях, действительно направлялись на возмещение недополученных доходов по льготным кредитам.

Еще одним примером подобных инструментов, направленных на снижение вероятности возникновения в рамках госпрограммы оппортунистического поведения со стороны КО, являются внедренные Минфином условия предоставления субсидий, согласно которым они сводятся к нулю в ответ на необоснованное увеличение банками процентных ставок по выданным субсидируемым кредитам. На основе этого в исследовании вводится предпосылка о том, что ни одно из КО, участвующих в государственной программе, не может использовать субсидии, выдаваемые Министерством финансов, для получения дохода супермаркета благодаря использованию нерыночных методов, которые не предусмотрены нормативные правила программы.

Таким образом, обзорная оценка специфических условий участия КО в государственной программе поддержки ипотечного (жилищного) кредитования, проводившейся в период с марта 2015 по январь 2017 гг., не продемонстрировала наличие в рамках условий госпрограммы каких-либо существенных ограничений для КО по осуществлению ими стандартных процедур собственной операционной деятельности помимо тех, что были направлены на ограничение стимулов к оппортунистическому поведению (необоснованному увеличению процентных ставок по кредитам и т.п.).

Структура правил участия в госпрограмме, а именно отсутствие среди них таких, что влекут за собой экстраординарные (выдающиеся по сравнению со стандартной операционной деятельностью КО) скачки денежных средств и кредитных рисков, не создает потребность в использовании особенных (исключительных по сравнению с исследованиями эффектов других госпрограмм субсидирования) инструментов статистического анализа.

1.2 Академический опыт в области исследований воздействия госпрограмм поддержки ипотечного кредитования на участников рынков ипотеки и жилья

Несмотря на то, что важность формирования благоприятной среды для функционирования КО в рамках интенсификации развития жилищно-строительного кредитования (в частности, путем снижения стоимости кредитных ресурсов до уровня, покрывающего наиболее широкую аудиторию потенциальных потребителей ипотечных продуктов) не ставится под сомнение (Артемкина, 2012), на текущий момент в исследовательском сообществе отсутствует какой-либо опыт статистической оценки воздействия тех или иных программ поддержки ипотечного кредитования на деятельность банков. Вероятно, это обусловлено тем, что т.н. «программы субсидирования предложения» («supplysubsidies»), распределяющие государственную поддержку в пользу застройщиков, финансовых институтов и иных агентов, были особенно распространены в развитых экономиках до середины 1980-ых гг., после чего им на смену пришли т.н. «программы субсидирования спроса» («demandsubsidies»), ориентированные на поддержку домохозяйств (Husle, 2012, стр. 307).

Ипотечное кредитование как способ решения жилищной проблемы

... проблемы ипотечного кредитования, произведен обзор кредитных рисков при ипотечном кредитовании. Приведен обзор возникновения ипотеки. Перечислены некоторые программы кредита. Обобщается зарубежная практика формирования системы ипотечного кредитования, проводится сравнение с Россией. Рассматривается ипотечное кредитование со ...

Таким образом, исследование программ первого типа, к числу которых, в частности, относится программа, инициированная Министерством финансов РФ в 2015 г., могло потерять свою актуальность для академического сообщества развитых стран, ввиду их перехода к использованию принципиально иных инструментов стимулирования развития жилищного сектора (налоговые льготы для населения, социальные пособия и т.д.).

Однако такие программы, направленные на снижение процентной ставки на рынке ипотечных ссуд путем оказания помощи кредиторам, как отмечалось выше, использовались в основном во внутренней практике. Именно поэтому данное исследование не теряет собственной актуальности и, наоборот, ставит перед собою цель заполнить образовавшуюся брешь в литературе, посвященной оценке влияния государственных программ поддержки ипотечного кредитования на финансовые результаты и кредитные риски, в частности, российских банков.

Так или иначе, в научной литературе есть опыт эмпирических исследований влияния государственных программ поддержки ипотечного кредитования на различных участников рынка и на всю систему в целом. Поэтому большой объем исследований посвящен оценке влияния таких программ на уровень благосостояния центрального участника рынка ипотечных кредитов: домашних хозяйств. Наиболее репрезентативным показателем, который позволяет оценить эффекты, создаваемые внедряемыми государством социальными программами поддержки уровня жилой собственности, безусловно, является реакция населения на объем потребляемых жилищных, в том числе ипотечных, продуктов. Руководствуясь данной логикой, исследователи предприняли попытки, в частности, оценить влияние госпрограммы субсидирования ипотечной ставки для социально незащищенных граждан (молодые семьи и граждане с низкими доходами) на объемвзятых ими за время действия программы льготных кредитов (Martins, Villanueva, 2006).

На основе репрезентативного опроса жителей Португалии и административных отчетов о взятых по субсидированным ставкам ипотечных кредитах исследователями был проведен регрессионный анализ, который позволил оценить воздействие снижения процентной ставки на объем сделанных долгосрочных ипотечных займов: в частности, была найдена эластичность объема ипотечных заимствований в зависимости от выставляемой по ним ставки (на уровне от «-1,33%» до «-2,8%»), что позволило получить существенные свидетельства в поддержку гипотезы о том, что инициированное государством снижение процентной ставки ведет к росту объемов ипотечного кредитования.

Схожее исследование было осуществлено в связи с проведенной во Франции в 1996 г.программой субсидирования авансовых платежей по ипотечным кредитам, взятым гражданами с низкими и средними доходами (т.н. «Prêt à TauxZéro»или «Нулевая ставка кредита»).

Влияние программы на изменение количества домовладельцев (масштабы домовладения) было исследовано посредством моделирования: нулевая ставка кредита была введена в оцененную эконометрическую модель, которая была в свою очередь основана на микро-данных об уровне мобильности и сроках владения (Gobillon, Blanc, 2006).

Исследование показало, что этот показатель значительно расширил доступ к собственности, поскольку домохозяйства смогли быстрее выйти из сектора аренды. Однако исследователи также получили противоречивый вывод, ставящий под сомнение эффективность государственной программы: 85% бенефициаров программы в течение 4-летнего периода и при отсутствии субсидий должны были стать домовладельцами. Как следствие, было установлено, что ставка авансовых платежей имела довольно низкий мультипликативный эффект (около «1,3») и ожидаемый положительный эффект для домовладельцев оказался ниже, нежели того можно было ожидать. Однако нельзя отрицать, что полученные результаты указывают, пусть и небольшой, но положительный вклад государственных программ по поддержке ипотечного кредитования в расширение масштабов домовладения.

Особенный интерес у исследовательского сообщества традиционно вызывали и продолжают вызывать государственные программы поддержки ипотечного кредитования, проводимые в США. Будучи относительно масштабными и подробно освещаемыми, данные программы в большинстве своем сосредотачиваются на регулировании налоговых вычетов из стоимости ипотечных закладных и уплаченных процентов за пользование ссудами, что находит детальное отражение в раскрытиях, публикуемых на информационных порталах налоговых органов США. Так, на основе данных о результатах трех подобных программ/реформ, исследователями была осуществлена оценка влияния, оказанного каждой из них на стоимость недвижимости в 34 городских агломерациях США (Martin, Hanson, 2016).

В частности, исследователи сравнивали между собой влияние исключения вычета с процента по закладной, установления верхней границы прогрессивной налоговой ставки отдельных штатов ниже самой высокой федеральной, а также преобразования вычета в 15-ти процентный возмещаемый налоговый кредит. В рамках работы была построена имитационная модель, которая позволила выявить изменения в поведении заемщиков в связи с проведением вышеупомянутых реформ, добавив два параметра чувствительности: задолженность и склонность к налоговым вычетам. Результаты показали, что заемщики оказались чувствительны к этим политикам при выборе коэффициента кредит/залог. В то же время влияние на стоимость собственности варьировалось в зависимости от мегаполисов, что было продиктовано различными социально-демографическими детерминантами.

К группе работ, посвященных эмпирическим исследованиям воздействия госпрограмм на благосостояние граждан в США, можно также отнести работу, посвященную анализу влияния программы Ипотечных кредитных сертификатов («MortgageCreditCertificates»), проведенную в штате Калифорния, США, — одну из крупнейших программ поддержки жилищного сектора в истории страны — на благосостояние ее бенефициаров. В рамках исследования был проведен анализ на основе микроэкономических данных более чем 12 тыс. реципиентов в Калифорнии, в результате чего был сделан вывод о том, что данная программа приносит устойчивые выгоды домохозяйствам-реципиентам субсидий: $1.100 в первый год и $10.400 в приведенной к 2009-ому году стоимости за 30 лет ипотеки (Greulich, Quigley, 2009).

Кроме того, программа позволила значительно увеличить объемы потребления домохозяйств-участников программы за счет снижения стоимости ипотечных продуктов, которые исконно занимают существенную долю бюджета граждан США.

В американской практике государственной поддержки рынка ипотечного кредитования присутствуют также программы ипотечных гарантий, в рамках которых государство за отдельную страховую премию предоставляет будущему потребителю ипотечного продукта аналог банковской гарантии — «страховку» вероятного невыполнения им взятых долговых обязательств, — взамен на что КО идут на значительное уменьшение размера первоначальных взносов при выдаче ипотечных кредитов. Исследование подобных программ, неоднократно инициированных правительством США для оказания помощи домохозяйствам в преодолении ими барьеров входа на рынок ипотечного кредитования, позволило определить, каким образом они могут повлиять на макроэкономические переменные и распределение доходов в социуме. В частности, исследователями был проведен анализ при помощи создания модели рынка, в рамках которой учитывались такие параметры, как географическое месторасположение жилья, величина процентных ставок, цены на жилье и аренду, а также уровень благосостояния домохозяйств (Kim, Wang, 2016).

В результате, авторами было установлено, что гипотетическое сокращение правительственных субсидий ипотечных гарантийных программ может привести к росту благосостояния потенциальных потребителей ипотечных продуктов вследствие того, что существование таких программ оказывает положительное влияние на рост средних процентных ставок по ипотечным кредитам и, соответственно, налоговых выплат по ним.

Подобные исследования, свидетельствующие о негативном влиянии государственной поддержки ипотечных кредитов на благосостояние заемщиков, не являются уникальными в научной литературе. Создание госпрограммами отрицательных внешних эффектов (экстерналий) на рынках ипотеки и жилья подтверждается рядом других работ. В частности, было установлено, что эффективность госпрограмм может существенно снизиться ввиду возможного эндогенного эффекта, который выражается в реакции цен на жилье в ответ на осуществляемое государством субсидирование(Rappoport, 2016).

Введение масштабной государственной поддержки ипотечного кредитования может привести к росту цен на недвижимость и ипотечные продукты, что в конечном итоге может не только создать положительный эффект для заемщиков, но и снизить объем продаж недвижимости в целом. Однако, следует заметить, что использование подобных механизмов может быть оправдано в условиях, когда регулятором таргетируется снижение общего ипотечного долга, которое может быть достигнуто за счет вызванного ростом цен на недвижимость закономерного спада спроса на ипотечные продукты.

В рамках эмпирических исследований влияния различных социальных программ поддержки ипотечного кредита на благосостояние семей также проводятся работы, посвященные анализу создаваемых ими кредитных рисков. Так, на основе крупнейшей базы данных по выданным ипотечным кредитам во Франции за период с 2000 по 2010 гг., исследователями были оценены уровни соблюдения кредитной дисциплины двух типов заемщиков: тех, кто пользовался государственной поддержкой, а также тех, кто использовал представленные на рынке ипотечные продукты с плавающими (регулируемыми) процентными ставками (Dietsch, Petey, 2015).

Уделяя особое внимание, в частности, механизмам, которые могли бы в перспективе устранить барьеры, с которыми сталкиваются материально незащищенные группы граждан, исследователи расширили однофакторную модель экономического капитала, лежащую в основе нормативных формул кредитного риска Базеля II, и оценили положение заемщиков в зависимости от использования данных разновидностей ипотечных кредитов. Авторы пришли к трем основным выводам: ипотечные кредиты с государственной поддержкой оказали существенный положительный эффект на способность их получателей завладеть недвижимостью, которая была бы недоступна при отсутствии субсидирования; кредиты с плавающей процентной ставкой предполагали больший объем создаваемых кредитных рисков; и, что наиболее важно, гипотетический симбиоз государственной поддержки в совокупности с плавающими процентными ставками мог бы привести к созиданию значительных кредитных рисков в портфелях кредиторов.

Интересный и, возможно, полезный для ответа на поставленный в данной работе исследовательский вопрос вывод был получен исследователями на основе данных о более чем миллионе выданных ипотечных кредитов в Индии с 1995 по 2010 гг. (Campbell, Ramadorai, Ranish, 2014).Исследователями помимо прочего было установлено, что субсидирование ипотечных кредитов, направленных на приобретение доступного («low-cost») жилья, сопровождается ростом кредитного риска и объемов невозвратов по ипотечным кредитам. Авторами была подчеркнута важность формирования эффективных условий действия подобных госпрограмм, поскольку в рассмотренном ими случае госпрограмма скорее снизила общественное благосостояние, нежели повысила его.

Несмотря на то, что, как уже было ранее замечено, пласт подобных исследований крайне не велик, существуют научные работы, посвященные исследованию воздействия тех или иных реформ/госпрограмм на участников финансового рынка, в частности на деятельность банков. Примером подобной работы является оценка влияния на финансовое благополучие американских банков отмены Управлением валютного контроля отдельных законов, посвященных регулированию т.н. «кабального кредитования», — кредитования, которое предполагает навязывание заемщику неоправданно высоких и негибких обязательств по обслуживанию ссуд (Whalen, 2008).

Особое внимание в работе уделяется ипотечному кредитованию, поскольку специфика американского рынка банковских продуктов очень часто допускает подобный вид злоупотребления доверчивостью и беспомощностью заемщиков именно в контексте выдачи ипотеки. Применяя модель множественной регрессии для оценки эффектов, оказанных на благосостояние (рентабельность и риски)публичных банков, активы которых оценивались не менее чем в $1 млрд., авторы не выявили каких-либо существенных улучшений показателей доходности после упразднения данных законов. Единственными банками, которые пострадали от отмены, были небольшие географически диверсифицированные банки, которые составили наименьшую долю от общей выборки: в их случае наблюдалось небольшое увеличение системных рисков.

Среди исследований, посвященных влиянию государственных программ поддержки ипотечного кредитования, есть также исследования, посвященные анализу их влияния на объем рынка ипотечного кредитования. В частности, одна из таких работ содержит проведенный методом традиционной панельной регрессии анализ влияния 9 социальных программ, предполагавших предоставление беспроцентных ипотечных кредитов и/или регулирование налоговых ставок по обслуживанию ипотечных кредитов, на количество взятых ипотечных кредитов и стоимость недвижимости (Kuttner, Shim, 2016).

Авторы обнаружили, что определенные типы программ могут предоставить эффективные инструменты для достижения макроэкономической стабильности и повлиять на объемы ипотечного кредитования. Однако, при этом среди данных программ нет тех, которые ориентированы на поддержку участников предложения ипотечных продуктов («credit-sidepolicies»).

Как и ожидалось, наиболее значительный эффект продемонстрировали инструменты корректировки ставок: по мере их роста рост объемов ипотечных кредитов существенно замедлился.

Поэтому научное сообщество неоднократно пыталось эмпирически изучить эффекты, создаваемые государственными программами в поддержку ипотечного кредитования. Однако большая часть из них посвящена оценке влияния этих программ на благосостояние основных получателей государственной поддержки: заемщиков и домохозяйств в целом. Ввиду слабой распространенности методов субсидирования процентных ставок по ипотечным кредитам среди регуляторов развитых экономик, в рассмотренной группе исследований, равно как и в научной литературе в целом, не присутствуют работы, посвященные оценке влияния, оказываемого подобными программами на финансовые результаты и кредитные риски КО. Однако имеющийся опыт эмпирической оценки эффектов, создаваемых государственными программами, позволяет сделать вывод о наличии положительной вероятности отрицательных эффектов для участников рынка. Несмотря на то, что государственная поддержка ипотечного кредитования может значительно увеличить благосостояние материально незащищенных граждан, ее внедрение способно привести к росту стоимости недвижимого имущества и ипотечных продуктов, что, впоследствии, неминуемо сказывается на объемах совершаемых сделок на рынках ипотеки и жилья.

1 Регрессионные модели

Для тестирования гипотез о влиянии госпрограммы на показатели рентабельности российских банков была оценена следующая модель:

,

где, переменная обозначает блок зависимых переменных, отвечающих за уровень рентабельности банка (ROA); объясняющие переменные охарактеризованы в таблицах 1 и 2.

Для тестирования гипотез о влиянии госпрограммы на кредитные риски, принятые российскими банками, была оценена следующая модель:

,

где переменная обозначает блок зависимых переменных, отвечающих за уровень принимаемого банкамикредитного риска (RPL); объясняющие переменные охарактеризованы в таблицах 1 и 2.

На основе этих моделей был проведен панельный анализ, цель которого — попытаться пролить свет на то, как государственная программа поддержки ипотечного кредитования повлияла на показатели прибыльности и кредитного риска российских банков. В этом случае построение эконометрических спецификаций было основано на выборе между качеством соответствия, значимости и знаками отдельных коэффициентов. В этом документе использовались как восходящий, так и нисходящий подходы как для моделей оценки воздействия на прибыльность, так и для моделей оценки воздействия кредитного риска». Этот метод позволил выбрать состав из наиболее подходящих и, прежде всего, полных технических характеристик. В ходе анализа было установлено, что лаги ключевых переменных (вплоть до 6-го) не оказывают значимого влияния на коэффициенты перед ключевыми переменными исследования. Возможно, это обусловлено высокими с точки зрения условий проведения госпрограммы размерами первых взносов по льготным ипотечным кредитам (порядка 30%), которые позволяли мгновенно получить часть выданных средств и обеспечить стимулы для заемщиков к более тщательному соблюдению кредитной дисциплины в последующих периодах. Так или иначе, в финальные спецификации было принято решение не включать лагов ключевых переменных (натурального логарифма выданных в рамках госпрограммы кредитов).

В конечном итоге, были оценены 4 спецификации(две основных — для тестирования гипотез о финансовых результатах и кредитных рисках и еще две — для тестирования на робастность).

Основные спецификации были, в частности, протестированы при использовании модели сквозной регрессии («pooledregression»), модели с фиксированными эффектами («fixedeffectmodel»), а также модели со случайными эффектами («randomeffectmodel»).

Подробные результаты сравнения данных моделей для обоих видов спецификаций представлены в Приложении 7 и Приложении 8.

С учетом рекордных масштабов государственной программы, влияние которой на деятельность российских банков исследуется в данной работе, ее относительно гибких условий проведения и солидных объемов инициированного ей ипотечного кредитования автором данной работы были первоначально сделаны предположения о в целом позитивном влиянии госпрограммы на деятельность КО (снижении кредитных рисков и увеличении прибыльности).

Такая логика могла бы быть обусловлена тем, что снижение процентной ставки по ипотечным кредитам до уровня 12% могло охватить принципиально большую аудиторию потенциальных потребителей ипотечных продуктов, которые при более высоких ставках не могли позволить себе их, несмотря на собственную благонадежность. Ко всему прочему, более высокие процентные ставки, присутствовавшие на рынке ипотечного кредитования до начала действия госпрограммы, могли способствовать проявлению эффекта неблагоприятного отбора, согласно которому установление процентных ставок определенного уровня могло привлекать менее надежных заемщиков, которые оценивали вероятность своего дефолта выше и, соответственно, были готовы уплачивать предложенные банками процентные платежи (Stiglitz, Weiss, 1981).

Высокие ставки могли также стимулировать заемщиков к участию в более рискованных, в случае данной работы, жилищно-строительных проектах, что могло провоцировать в дальнейшем возникновение условий для нарушения ими обязательств по обслуживанию взятых ипотечных кредитов. Так, предполагается, что снижение процентной ставки, инициированное началом субсидирования ипотечных займов, могло увеличить масштабы и надежность аудитории потенциальных заемщиков КО, чем, соответственно, снизить объемы принятых ими кредитных рисков, а также повысить доходность по выданным ссудам.

В рамках предварительного анализа также были сформулированы гипотезы, согласно которым влияние государственной программы на финансовые результаты КО и принимаемые ими кредитные риски зависело от формы собственности и размера банков. Возможно, что программа оказывала больший эффект на рентабельность и риски малых банков, поскольку для крупных — имели место более весомые детерминанты доходности, занять достойное место среди которых подобная госпрограмма была неспособна по объективным причинам. В этой связи, на основе вышеуказанных доводов, построенных на основе предварительной и непроверенной логики, в данном исследовании были выдвинуты и протестированы следующие гипотезы:

• Гипотеза 1: Участие в госпрограмме положительно влияет на финансовые результаты российских банков;
• Гипотеза 2: Участие в госпрограмме снижает кредитные риски, принимаемые российскими банками;
• Гипотеза 3: Участие в госпрограмме в большей степени влияет положительно на финансовые результаты менее крупных банков;
• Гипотеза 4: Участие в госпрограмме в большей степени снижает кредитные риски, принимаемые менее крупными банками;
• Гипотеза 5: Участие в госпрограмме в большей степени влияет положительно на финансовые результаты российских государственных банков;
• Гипотеза 6. Участие в госпрограмме еще больше снижает кредитные риски российских государственных банков.

2.2 Описание переменных и источники данных

В качестве объясняемых переменных для оценки влияния госпрограммы на прибыльность банков были выбраны показатели:

• § рентабельности активов (ROA);
• § рентабельности капитала (ROE).

В качестве объясняемых переменных для оценки влияния госпрограммы на принимаемые банками кредитные риски были выбраны:

• § доля просроченных задолженностей в чистых активах (SOL);
• § доля резервов на возможные потери по ссудам в чистых активах (RPL).

Перечень всех рассмотренных в рамках исследования переменных представлен в таблице 1.

Таблица 1. Описание переменных моделей

Аббревиатура переменной в модели	Расчет в терминах переменных ИАС «Банки и финансы» и значения дамми-переменных	Расшифровка
ПОКАЗАТЕЛИ ПРИБЫЛЬНОСТИ
ROE		Отношение балансовой прибыли к собственным средствам (капиталу)
ROA		Отношение балансовой прибыли к чистым активам
ПОКАЗАТЕЛИ КРЕДИТНОГО РИСКА
SOL	NPL/CA	Доля просроченных кредитов в чистых активах
RPL	RES/CA	Доля резервов на возможные потери по ссудам в чистых активах
ПОКАЗАТЕЛИ ВОВЛЕЧЕННОСТИ В ПРОГРАММУ
Ln (Cred)	—	Нат. логарифм объема выданных в рамках госпрограммы кредитов
ДЕТЕРМИНАНТЫ РЕНТАБЕЛЬНОСТИ И КРЕДИТНЫХ РИСКОВ
Norm_H1	H1_NORM	Норматив достаточности капитала
Norm_H2	H2_NORM	Норматив мгновенной ликвидности
Cap/NA	SK/CA	Отношение собственных средств к чистым активам
ПЕРЕМЕННЫЕ ФОРМ СОБСТВЕННОСТИ И РАЗМЕРА
Priv	1 — частный банк	Дамми-переменные на форму собственности (частный, государственный, иностранный)
	0 — иначе
Public	1 — государственный
	0 — иначе
Size	0 — ln(CA) < [Percentile(CA;0,16)]	Дамми-переменная на размер банка в зависимости от величины натурального логарифма чистых активов
	1 — ln(CA) < [Percentile(CA;0,16); Percentile(CA;0,33)]
	2 — ln(CA) < [Percentile(CA;0,33); Percentile(CA;0,50)]
	3 — ln(CA) < [Percentile(CA;0,50); Percentile(CA;0,66)]
	4 — ln(CA) < [Percentile(CA;0,66); Percentile(CA;0,83)]
	5 — ln(CA) > [Percentile(CA;0,83)]
МАКРОЭКОНОМИЧЕСКИЕ ПЕРЕМЕННЫЕ
RIR	—	Реальная процентная ставка
IIP	—	Индекс промышленного производства
Переменные в уровнях были взяты в тыс. рублей

В блоке «Показатели вовлеченности в программу» представлена единственная доступная переменная (помимо дамми-переменной на участие), демонстрирующая масштабы деятельности КО в рамках проведенной Минфином госпрограммы. Переменные, использованные в исследовании, выделены в разделе «Детерминанты доходности и кредитных рисков», которые отражают объем кредитной деятельности, осуществляемой банками, а также уровень их надежности и финансовой мобильности. В блоке «Переменные форм собственности и размера» представлены фиктивные и категориальные переменные, введенные с целью оценки того, каким образом разнилось влияние госпрограммы на финансовые результаты КО и принятые ими кредитные риски в зависимости от формы собственности и размеров данных КО.

В последнем блоке — «Макроэкономические переменные» — представлены переменные, характеризующие макроэкономические показатели российской экономики, а именно реальная процентная ставка и индекс промышленного производства.

Ожидается, что рост ИПП как прокси-переменной для динамики ВВП будет оказывать, при прочих равных условиях, положительный эффект на банковский сектор страны; а рост реальной процентной ставки как прокси-переменной для стоимости ресурсов для КО, при прочих равных условиях, — негативное. Включение подобного состава переменных обусловлено тем, что между ними существует эмпирически установленная зависимость: в частности, без установления процентной ставки на относительно низком уровне невозможно достижение высоких темпов роста экономики (Woodford, 2001, стр. 234).

Следует заметить, что в течение рассматриваемого отрезка времени отсутствуют очевидные кризисные периоды и/или экстремальные скачки ключевых детерминант функционирования экономики. В связи с этим в рамках исследования было принято решение не вводить дамми-переменную на кризисные периоды, учитывающую всевозможные структурные сдвиги, сопровождаемые ими.

Несмотря на то, что программа поддержки ипотечного кредитования действовала с 1 марта 2015 г., Министерство финансов РФ не предоставляет данных по активности КО в рамках госпрограммы за первый месяц ее действия, что и обуславливает границы временного периода, вдоль которого располагаются эмпирические наблюдения в данной работе — с 1 апреля 2015 г. по 1 января 2017 г.. При этом периодичность наблюдений — 1 месяц — позволяет получить сбалансированную панель с данными по используемым показателям за 21 месяц.

Источниками данных являются:

[Электронный ресурс]//URL: https://ex-zaim.ru/diplomnaya/ipotechnoe-kreditovanie-s-gosudarstvennoy-podderjkoy/

• § ИАС «Банки и финансы» агентства «Мобиле» — показатели «оборотных ведомостей по счетам бухгалтерского учета кредитных организаций» — форма 0409101, «отчетов о прибылях и убытках кредитных организаций» — форма 0409102;
• § Информационный портал Министерства финансов РФ — данные по активности КО в рамках программы поддержки ипотечного (жилищного) кредитования;
• § Информационный портал Центрального банка РФ (Банка России) — данные по динамике реальной процентной ставки;
• § Информационный портал Федеральной службы государственной статистики — данные по динамике индекса промышленного производства;
• Индекс промышленного производства (ИПП) представляет собою отношение объема промышленного производства в денежном эквиваленте за определенный период к объему промышленного производства за предшествующий или базисный период.

Фактически, ИПП является прокси-переменной для темпов роста валового внутреннего продукта (ВВП), поскольку отражает динамику роста его наиболее существенной части. Выбор в пользу индекса был обусловлен тем, что официальные данные по нему публикуются с месячной периодичностью, в отличие от данных по ВВП.

§ Каталог «Allbanks.ru»(Банки России) ИА «Банки.ру» — тип собственности банков.

Сбор данных по типу собственности банков (государственные, частные, иностранные) проводился частично при помощи ручной сборки по распространенным в научной литературе критериям (Верников, 2009) — доминирование той или иной разновидности собственности в структуре уставного капитала КО.

В состав выборки КО были первоначально включены топ-200 российских банков по величине чистых активов на момент 1 января 2017 г., поскольку на их долю приходилось более 95% активов всего банковского сектора страны. Из их числа, впоследствии, были исключены те КО, у которых были когда-либо отозваны Банком России генеральные лицензии на осуществление банковских операций, а также те, которые проходили санацию в течение рассматриваемого периода. Далее, из выборки были исключены 5 крупнейших банков по объему чистых активов, что обусловлено тем, что их особый статус предполагает иные (зачастую скрытые) взаимосвязи переменных, которые могут существенно повлиять на вероятность получения смещенных оценок (Karas, Schoors, Weill, 2010, стр. 232).

В частности, ввиду их высокой системной значимости возможно, что государство будет предпринимать основательно большие усилия по предотвращению неисполнения ими собственных обязательств, нежели в иных случаях (Иванов, Федорова, 2015, стр. 18), что, безусловно, может неконтролируемо повлиять на кредитные риски и финансовые результаты данных КО.

Таким образом, была сформирована выборка, состоящая из наблюдений по 175 российским банкам за 21 месяц. Среди отобранных банков расположились в том числе 32 КО, участвовавшие в государственной программе поддержки ипотечного (жилищного) кредитования, инициированной Минфином; все они входили на 1 января 2017 г. в изначально отобранные топ-200 российских банков по размеру чистых активов. Следует заметить, что первоначально на участие в программе подали заявки 48 КО, однако в дальнейшем некоторые из них отказались от участия, другие — подверглись санации, а также отзыву лицензии. Исключение данных КО в совокупности с крупнейшими по размеру чистых активов КО в стране позволило получить вошедшую в итоговую выборку группу банков-участников госпрограммы в количестве 32 КО.

В таблице 2 представлены описательные статистики всех переменных.

Таблица 2. Описательные статистики переменных (без дамми-переменных)

Переменная	Obs.	Mean	Std. Dev.	Median	Min	Max
ROE	3880	0.019	0.492	0.026	-16.4588	7.25
ROA	3880	0.005	0.019	0.0037	-0.11	0.21
SOL	3880	0.034	0.045	0.021	0	0.48
RPL	3880	0.078	0.07	0.06	0.00000028	0.475
Ln (Cred)	3880	2.67	6.57	0	0	21.7
Norm_H1	3810	18.01	11.99	14	1	118
Norm_H2	3880	152.89	192.79	96	4	2300
Cap/NA	3880	0.15	0.093	0.134	0.0011	0.95
IIP	3880	0.025	0.042	0.018	-0.045	0.12
RIR	3880	0.11	0.009	0.11	0.1	0.14

2.3 Проблемы мультиколлинеарности, гетероскедастичности и автокорреляции

Все оцениваемые спецификации были проверены на наличие проблем гетероскедастичности и автокорреляции. Для этого были проведены тест Бройша-Пагана на гетероскедастичность и тест на серийную автокорреляцию, которые показали, что на 5-ти процентном уровне значимости во всех рассмотренных спецификациях имеется как та, так и другая проблемы. С целью их преодоления модели строились с робастными к гетероскедастичности и автокорреляции стандартными ошибками в форме Ньюи-Уэста — чтобы иметь возможность сравнить и интерпретировать значимость отдельных коэффициентов.

Для проведения исследования из общей выборки банков была также выделена одна подвыборка, состоящая только из тех КО, что участвовали в программе. Общая выборка и данная подвыборка были проверены на мультиколлинеарность: результаты тестирования представлены в виде корреляционных матриц основных переменных исследования в таблицах 3 и 4.

Таблица 3. Попарные корреляции основных переменных модели (для всей выборки банков)

	ROA	ROE	RPL	SOL	Cred	Size	Type
ROA	1
ROE	0.32*	1
RPL	-0.27*	-0.105*	1
SOL	-0.31*	0.09*	0.48*	1
Cred	-0.099*	0.013	-0.08*	-0.03*	1
Size	-0.15*	0.035*	-0.021	0.11*	0.38*	1
Type	0.090*	-0.027	-0.134*	-0.065*	-0.045*	0.145*	1
* коэффициент значим на 5-ти процентном уровне

Таблица 4. Попарные корреляции основных переменных модели (для банков-участников программы)

	ROA	ROE	RPL	SOL	Cred	Cap/NA	Size	Type
ROA	1
ROE	-0.56*	1
RPL	-0.21*	-0.028	1
SOL	-0.31*	0.128*	0.58*	1
Cred	-0.18*	0.089*	-0.08*	-0.02	1
Cap/NA	0.278*	-0.001	-0.17*	-0.24*	-0.07	1
Size	-0.148*	0.066	-0.13*	-0.16*	0.36*	-0.26*	1
Type	0.09*	-0.08*	-0.048	-0.05	-0.01	0.018*	0.16*	1
* коэффициент значим на 5-ти процентном уровне

Ввиду довольно низких значений коэффициентов попарной корреляции (отчасти обусловленных тем, что не учитывается панельная структура данных) был сделан вывод, что в моделях не должна присутствовать проблема сильной мультиколлинеарности. В качестве дополнительного свидетельства отсутствия проблемы сильной мультиколлинеарности в Приложении 4 приведена таблица коэффициентов вздутия дисперсии («Varianceinflationfactors») для лучших среди оцененных моделей.

2.4 Результаты оценки моделей

Таким образом, благодаря проведенным тестам было установлено, что, среди трех рассмотренных моделей (RE, FE и Pooled)для оценки влияния госпрограммы на финансовые результаты банков лучшей является модель с фиксированными эффектами (FE), для оценки влияния на принятые ими кредитные риски — модель со случайными эффектами (RE).

В таблице 5 приведены оценки данных регрессий.

Таблица 5. Оценки лучших моделей регрессий

ROA		RPL
лучшая модель — FE		лучшая модель — RE
Переменная	Коэффициент	Переменная	Коэффициент
Ln (Cred)	-0.00093***	Ln (Cred)	0.00178***
Priv * Ln (Cred)	0.000485***	Priv * Ln (Cred)	-0.00048**
Public * Ln (Cred)	0.00076***	Public * Ln (Cred)	-0.00058*
Size * Ln (Cred)	0.000099**	Size * Ln (Cred)	-0.00036***
Size * RPL	-0.032*	Size * SOL	0.1419***
RIR	-0.1708**	RIR
Cap/NA	0.0339***	Norm_H2	0.0000054***
Norm_H2	-0.000052**	Norm_H1	0.0000655
Norm_H1	0.000081	IIP	0.0225***
IIP	0.023***	Constant	0.1013***
RPL	-0.1884***
Constant	0.0373***
Wald/	0.163	Wald/	150.58
количество наблюдений: 3684		количество наблюдений: 3684
***-1% значимость** -5% значимость* -10% значимость

Влияние госпрограммы на финансовые результаты (рентабельность)

В рамках исследования было установлено, что в целом для среднестатистического банка эффект участия в программе был скорее негативным, нежели позитивным. То есть, интенсификация выдачи субсидируемых ипотечных займов приводила больше к уменьшению рентабельности, нежели ее росту. Таким образом, гипотеза №1 была отвергнута.

Несмотря на это, можно выделить некоторые категории банков, для которых верно обратное. Так, к примеру, в то время как для небольшого частного банка (Size = 1, Priv= 1) на 1-но процентное увеличение выданных в рамках госпрограммы кредитов приходится падение рентабельности активов на «0,000346», для более крупного государственного банка (Size = 4, Public = 1)- приходится увеличение рентабельности активов на «0,000226».

Это обусловлено тем, что введение критериальной переменной для разделения банков по величине чистых активов позволило заключить, что размер банка влиял значимо и положительно на величину ROA при участии КО в госпрограмме: чем больше был размер банка, тем более положительное влияние оказывало увеличение кредитов по госпрограмме на показатель рентабельности. Таким образом, гипотеза №3 была отвергнута.

Более того, разделение всех банков по типу собственности (государственные, частные, иностранные) позволило установить, что увеличение кредитов по программе у государственных банков, при прочих равных условиях, более позитивно отражалось на их рентабельности по сравнению с частными и иностранными банками. Таким образом, гипотеза №5 не была отвергнута.

Влияние госпрограммы на кредитные риски

Влияние госпрограммы на кредитные риски, принятые российскими банками, оказалосьдиаметральным тому, что было получено в моделях с рентабельностью. Так, если программа уменьшала рентабельность основной массы банков выборки, эффект на кредитный риск был противоположным: чем больше субсидированных кредитов выдавалось в рамках госпрограммы, тем больше был уровень принимаемых банками кредитных рисков. Таким образом, гипотеза №2 была отвергнута.

Исходя из оценок модели, можно заключить, что размер банка влиял значимо и отрицательно на величины, характеризующие уровень кредитного риска: чем больше был размер банка и чем больше субсидированных кредитов он выдавал, тем меньше были принимаемые им кредитные риски. Это согласуется с ранее полученным в рамках эмпирических исследований выводом о том, что более крупные КО осуществляют менее рискованную политику, что в частности может быть обусловлено тем, что им доступно большее количество эффективных инструментов по работе с проблемными кредитами (Горелая, 2015, стр. 6).

Таким образом, гипотеза №4 была отвергнута.

Было также установлено, что для государственных банков влияние госпрограммы на кредитный риск было значительно менее положительным по сравнению с иностранными и частными банками. Таким образом, гипотеза №6 не была отвергнута.

Второстепенные результаты

В рамках исследования были также получены свидетельства в пользу следующих закономерностей, которые следует считать второстепенными по отношению к поставленному исследовательскому вопросу:

• § увеличение прокси-переменной для финансового рычага (Cap/NA) ведет к увеличению доходности банков;
• § увеличение реальной процентной ставки ведет к падению рентабельности (возможно, ввиду увеличения стоимости привлекаемых банковских ресурсов);
• § рост деловой активности положительно сказывается на финансовых результатах банков.

Среди неожиданных результатов можно выделить то, что уровень принимаемого банками кредитного риска падает при росте реальной процентной ставки. Это не согласуется с логикой эффекта неблагоприятного отбора (Stiglitz, Weiss, 1981), согласно которой более высокие ставки привлекают менее надежных заемщиков. Более того, такой вывод противоречит тому, что для заемщиков, воспользовавшихся кредитными продуктами с плавающими процентными ставками, подобное изменение ведет к росту кредитной нагрузки, которое, в свою очередь, при прочих равных условиях, повышает риск невыполнения ими взятых обязательств.

Вместе с тем было также установлено, что при экономическом подъеме кредитные риски, принимаемые банками, растут. Возможно, это свидетельствует о том, что увеличение деловой активности (положительный тренд роста экономики) ведет к снижению требований, предъявляемых КО к уровню надежности их контрагентов и заемщиков.

2.5 Тестирование на робастность

В рамках тестирования моделей на устойчивость в качестве прокси-переменной для ROA был выбран показатель ROE, ввиду того, что обе переменные являются показателями рентабельности и традиционно используются для характеристики показателей прибыльности. На предварительном этапе исследования ожидалось, что влияние госпрограммы на их динамику будет схожим.

В качестве прокси-переменной для доли резервов на возможные потери по ссудам в чистых активах была выбрана переменнаяSOL, показывающая долю просроченных кредитов в чистых активах. Несмотря на то, что есть основания полагать, что данные переменные зависят от разных детерминант: RPL и SOL обладают невысоким значением попарной корреляции (см. Таблицу 3), — они в той или иной степени отражают динамику принимаемых банками кредитных рисков (Treacy, Carey, 2000).

На предварительном этапе исследования ожидалось, что влияние госпрограммы на их динамику будет схожим.

В таблице 6 представлены результаты тестирования.

Таблица 6. Тестирование на робастность (зависимые переменные — ROE и SOL)

ROA>>> ROE		RPL>>> SOL
лучшая модель — FE		лучшая модель — RE
Переменная	Коэффициент	Переменная	Коэффициент
Ln (Cred)	-0.007***	Ln (Cred)	0.000836**
Priv * Ln (Cred)	0.0029***	Priv * Ln (Cred)	-0.000293*
Public * Ln (Cred)	0.0057***	Public * Ln (Cred)	-0.00056**
Size * Ln (Cred)	0.0009***	Size * Ln (Cred)	-0.00016**
Size * RPL	-0.209***	Size * RPL	0.0669***
RIR	-1.453***	RIR	-0.249***
Cap/NA	0.0632	Norm_H2	0.000000815
Norm_H2	-0.0000266	Norm_H1	-0.000069
Norm_H1	0.00027	Ln (NA)	-0.0092**
IIP	0.167***	IIP	0.0071*
RPL	-1.319***	Constant	0.216***
Constant	0.3107***
Wald/	0.121	Wald/	52.6
количество наблюдений: 3684		количество наблюдений: 3684
***-1% значимость** -5% значимость* -10% значимость

Тестирование обеих моделей на робастность показало, что ранее полученные коэффициенты оказались устойчивыми к изменению зависимой переменной. Несмотря на то, что в рамках модели с объясняемой переменной ROEдве переменные стали незначимыми на 10-ти процентном уровне, все знаки коэффициентов сохранили свой прежний вид. Более того, что не противоречит и подтверждает ранее полученные выводы,госпрограмма была также более выгодна для более крупных государственных банков.В рамках модели с объясняемой переменной SOL все знаки коэффициентов также сохранили свой прежний вид.Однако, при этом коэффициент перед переменной Norm_H2 стал не значим, что противоречит доказательствам существования статистической взаимосвязимежду кредитным риском и риском ликвидности (Imbierowicz и др., 2014).

Дополнительно, была осуществлена проверка устойчивости результатов к изменению выборки, в рамках которой были построены модели исключительно для банков-участников программы. Ввиду того, что выборка тех банков, которые принимали участие в госпрограмме, значительно мала, т.е. число степеней свободы невелико, нет статистической возможности строить «длинные» модели на основе имеющихся по ним данных. Следовательно, с целью сокращения излишней параметризации были построены две «короткие» модели со случайными эффектами для ROA и для RPL в качестве объясняемых переменных.

В таблице 7 представлены результаты тестирования.

Таблица 7. Тестирование на робастность к изменению выборки

ROA		RPL
модель — RE		модель — RE
Переменная	Коэффициент	Переменная	Коэффициент
Ln (Cred)	-0.00114**	Ln (Cred)	0.00094***
Priv * Ln (Cred)	-0.000035	Priv * Ln (Cred)	-0.00075*
Public * Ln (Cred)	0.00031	Public * Ln (Cred)	-0.00066*
Size * Ln (Cred)	0.0003***	Size * Ln (Cred)	-0.00011***
RIR	-0.207***	RIR	-0.702***
Norm_H2	-0.00000223	Norm_H2	0.00000347
Norm_H1	0.000158	Norm_H1	-0.000055
Size * RPL	-0.1***	Size	-0.0224**
Size	-0.0028***	IIP	0.0624***
IIP	0.014**	Constant	0.568***
Constant	0.0965***
Wald stat.	38.6	Wald stat.	28.8
количество наблюдений: 672		количество наблюдений: 672
***-1% значимость** -5% значимость* -10% значимость

Тестирование на устойчивость моделей к изменению выборки показало, что даже на такой короткой выборке знаки основных коэффициентов полностью соответствуют тем, что были получены в больших(для всей выборки) моделях. Следовательно, модели можно признать устойчивыми к изменению данных.

Таким образом, в рамках осуществленного исследования не было получено весомых доказательств в поддержку первоначально сделанных гипотез о качественно положительном воздействии проведенной госпрограммы на деятельность российских банков. В целом, участие в ней приводило к снижению показателей рентабельности и росту принимаемых кредитных рисков, что, однако, имело место не для всех выделенных групп банков.

Так, руководствуясь полученной моделью, мы можем заключить, что для всего множества частных банков, увеличение кредитов по программе отражалось на рентабельности позитивно только для самых крупных банков, входящих в верхний 16-ти процентный перцентиль выборки. В случае государственных банков наблюдалось положительное влияние на рентабельность только в том случае, если они входили в число 70% крупнейших банков выборки.

Влияние госпрограммы на кредитные риски, принимаемые российскими банками, является схожим с воздействием на финансовые результаты: эффект существенно разнится по различным группам банков в зависимости от формы собственности банка и его размера. Так, было установлено, что для частного банка при увеличении выдачи субсидированных кредитов, кредитный риск будет увеличиваться, только если он не входит в 33% крупнейших банков выборки. Для государственных банков кредитный риск будет увеличиваться по мере увеличения активности в рамках госпрограммы только в том случае, если он не входит в 35-40% крупнейших банков выборки.

Более подробно влияние госпрограммы на рентабельность и кредитные риски российских банков в зависимости от их размеров и форм собственности представлено в таблице 8.

Таблица 8. Влияние госпрограммы на финансовые результаты банков и принимаемые ими кредитные риски в зависимости от типа собственности и размеров банков

Место в выборке по объему активов-нетто	Гос.	Частн.	Иностр.
159-191	— +	— +	— +
128-159	— +	— +	— +
95-127	+ +	— +	— +
64-95	+ +	— +	— +
33-63	+ —	— —	— +
1-32	+ —	+ —	— +
Первый знак показывает, что будет с ROA при увеличении кредитов по программе на 1% для соответствующей группы.
Второй знак показывает, что будет с RPL при увеличении кредитов по программе на 1% для соответствующей группы.

Существующие данные не позволили подтвердить предварительно сформулированный довод о возможном положительном воздействии госпрограммы на финансовое положение российских банков. Более того, они, наоборот, предоставили существенные свидетельства того, что участие в госпрограмме приводило к качественно отрицательным последствиям для КО. Тем не менее, данное влияние, как уже было отмечено ранее, разнилось по различным группам банков в зависимости от их размеров и форм собственности.

Средние и крупные государственные, а также самые крупные частные банки оказались в числе единственных, на финансовые показатели которых госпрограмма повлияла положительно. Это могло быть обусловлено тем, что благодаря имиджу и широкому охвату аудитории, которые особенно присущи крупным КО, среди их потенциальных заемщиков могло присутствовать гораздо больше тех, кто обладал высокой эластичностью спроса на ипотечные продукты по ставке процента: так, ее снижение до уровня 12% могло спровоцировать мгновенный приток благонадежных и доходных клиентов. В то же время некрупным банкам приходилось вкладывать большие усилия для привлечения клиентов в том числе путем инвестирования в рекламу и снижения ставок по льготным кредитам до еще более низкого уровня (это позволяли условия программы).

Следует заметить, что размер банка мог сыграть столь существенную роль и по той причине, что зачастую именно крупным КО доступны наиболее эффективные инструменты по работе с клиентами, а также наиболее квалифицированная рабочая сила, которая с относительно меньшими транзакционными издержками организовывает процесс обслуживания клиентов.

Крупным банкам были также выделены наибольшие квоты на выдачу льготных субсидируемых кредитов, что, возможно, означает, что они с самого раннего этапа (с момента подачи заявки) воспринимали участие в госпрограмме в качестве существенного источникадоходов, в связи с чемими прикладывались большие усилия для успешного осуществления субсидированного кредитования. Действительно, крупные банки в целом активнее участвовали в программе в течение периодов, нежели средние и мелкие банки, что характеризовалось более равномерными объемами выдачи ими льготных кредитов в течение периода действия госпрограммы (см. Приложение 6).

Тот факт, что крупные государственные и частные банки при увеличении объемов выдачи субсидированных кредитов принимали на себя меньшие кредитные риски, может быть объяснен теми же причинами. Широкий охват аудитории, позволяющий привлечь относительно более надежных заемщиков, в совокупности с неограниченным набором эффективных инструментов по работе с проблемными кредитами должны были предоставить в распоряжение крупных КО больше рычагов для минимизации собственных кредитных рисков.

Наблюдаемый по всей выборке банков-участников рост кредитных рисков в зависимости от увеличения ими выдачи субсидированных кредитов косвенно подтверждается ранее полученными в рамках эмпирических исследований выводами о росте уровня не возвратов по мере расширения льготного ипотечного кредитования, предназначенного для приобретения «low-cost» жилья (Campbell, Ramadorai, Ranish, 2014).

Госпрограмма, инициированная Минфином, содержала внутри себя строгие ограничения по стоимости приобретаемого жилья (до 3 млн. руб. -для регионов и до 8 млн. руб. — для Москвы и других крупных городов), которые с учетом среднерыночных цен таргетировали в первую очередь поддержку продаж жилья эконом-класса. В этой связи, несмотря на то, что госпрограмма не имела категориальных ограничений для выбора заемщиков, она могла косвенно ориентировать КО на кредитование материально незащищенных граждан, которые, при прочих равных условиях, являются менее надежными.

Тем не менее, несмотря на то, что госпрограмма оказала в целом негативное воздействие на финансовые результаты российских банков и принятые ими кредитные риски, следует подчеркнуть, что она уверенно справилась с возложенной на себя общественной миссией: ее внедрение существенно скорректировало в сторону уменьшения стоимость ипотечных продуктов и увеличило объемы рынка ипотечного кредитования в стране. С уверенностью можно утверждать, что госпрограмма поддержала не только рынок, но и благосостояние обычных граждан. Возможно, в дальнейшем, когда возникнет новая потребность в антикризисных программахподдержки рынка ипотечного кредитования, правительственными органами страны будут найдены новые механизмы, которые окажутся также привлекательны и для кредитных организаций.

Научные статьи

• Артемкина Е.В.Развитие ипотечного жилищного кредитования с государственной поддержкой в условиях возникновения угроз финансово-экономических кризисов // Бизнес в законе. Экономико-юридический журнал. — 2012. — №1.
• Верников А.В.

Доля государственного участия в банковской системе России // Деньги и Кредит. -2009. — №11. — С. 4-14.

• Горелая Н.В. Система страхования вкладов и ее влияние на риски, принимаемые российскими банками // Деньги и Кредит. — 2015. — №5. — С. 44-51.

— Иванов В.В., Федорова Ю.И.Подбор данных для моделирования вероятности наступления дефолта банка на примере российской банковской системы // Экономика и современный менеджмент: теория и практика: сборник статей по материалам международной научно-практической конференции. — Новосибирск, 2015. — №6(50).

• Ткачева Е.С.Государственная поддержка ипотечного жилищного кредитования: формы и их сравнительная характеристика // Вестник Чувашского университета. — 2006. — №6.

6. Campbell J., Ramadorai T., Ranish B.The Impact of Regulation on Mortgage Risk: Evidence from India // The American Economic Journal: Economic Policy. — 2015. Vol. 7(4).

— P. 71-102.

• Collins N. J., Wanjau K. The Effects of Interest Rate Spread on the Level of Non-performing Assets: A Case of Commercial Banks in Kenya // International Journal of Business and Public Management. — 2011. — Vol. 1(1).

  P. 58-65

• Dietsch M., Petey J.

The credit-risk implications of home ownership promotion: The effects of public subsidies and adjustable-rate loans // Journal of Housing Economics. — 2015. — Vol. 28. — P. 103-120

• Gobillon L., Blanc D. Economic effects of upfront subsidies to ownership: The case of the Prêt à Taux Zéro in France // Journal of Housing Economics. — 2008. — Vol. 17. — P. 1-33.
• Greulich E., Quigley J.

Housing subsidies and tax expenditures: The case of mortgage credit certificates // Regional Science and Urban Economics. — 2009. — Vol. 39. — P. 647-657.

• Husle K. Demand subsidies for Low-Income Households // International Encyclopedia of Housing and Home. — 2012. — P. 307-313
• Karas A., SchoorsK., Weill.L.

Are private banks more efficient than public banks? Evidence from Russia // Economics of Transition Volume. — 2010. — Vol. 18(1).

• Kim J., Wang Y. Macroeconomic Effects of Government-driven Mortgage Guarantee Programs // Korea Development Institute. — 2016.
• Kuttner K., Shim I.

Can non-interest rate policies stabilize housing markets? Evidencefrom a panel of 57 economies // Journal of Financial Stability. — 2016. — Vol. 26. — P. 31-44.

• MartinH., Hanson A. Metropolitan area home prices and the mortgage interest deduction: Estimates and simulations from policy change // Regional Science and Urban Economics. — 2016. — Vol. 59. — P. 12-23
• Martins N., Villanueva E.

The impact of mortgage interest-rate subsidies on household borrowing // Journal of Public Economics. — 2006.- Vol. 90. — P. 1601-1623.

• Rappoport D. Do Mortgage Subsidies Help or Hurt Borrowers? // Finance and Economics Discussion Series Divisions of Research & Statistics and Monetary Affairs Federal Reserve Board. — Washington, D.C., 2016
• Stiglitz J.

E., Weiss A. Credit Rationing in Markets with Imperfect Information // The American Economic Review. — 1981. — Vol. 71(3).

— P. 393-410.

• Treacy W. F., Carey M. S. Credit risk rating systems at large US banks // Journal of Banking & Finance. — 2000. — Vol. 24. — P. 167-201.
• Whalen G.

The impact of preemption of the Georgia Fair Lending Act by the OCC on national and state banks and the dual banking system // The Quarterly Review of Economics and Finance. — 2008. — Vol. 48. — P. 772-791.

• Woodford M. The Taylor Rule and Optimal Monetary Policy // The American Economic Review.- 2001. — Vol. 91(2).

  P. 232-237.

Новостные издания

• Александров П. Со ставкой наперегонки // Русский репортер. — 2012. — №12(243).

• Ковтун Н., Лебедева В.

Минстрой планирует запустить льготную ипотеку для покупателей вторичного жилья // Деловой Петербург. — 2015

• Хуторных Е. «Если заемщик не платит, это уже не ипотека», — Александр Семеняка, генеральный директор АИЖК // Ведомости. — 2009. — №2470
• Францева В.

Ипотека ловит волну инфляции // Коммерсантъ. — 2016. — №10. — С. 8.

Нормативные правовые акты

— Постановление Правительства РФ от 13.03.2015 N 220 (ред. от 10.02.2017) «Об утверждении Правил предоставления субсидий из федерального бюджета российским кредитным организациям и акционерному обществу «Агентство ипотечного жилищного кредитования» на возмещение недополученных доходов по выданным (приобретенным) жилищным (ипотечным) кредитам (займам)»,

• Постановления №225, №470, №729, №1276, №150, №1027 «О внесении изменений в Правила…».

Приложение 1. Некоторые условия действия государственной программы поддержки ипотечного (жилищного) кредитования

Величина процентной ставки	Должна была быть не выше 12%, однако фактически опускалась еще ниже вследствие действия механизмов конкуренции
Тип процентной ставки	Процентная ставка по выданным кредитам фиксировалась на весь период действия кредитного договора, максимальная длительность которого должна была составить не более 362 месяцев
Тип недвижимости, на приобретение которой были выданы кредиты	Выданные субсидии предоставлялись только на возмещение недополученных доходов по кредитам, выданным на приобретение жилья у юридического лица на первичном рынке недвижимости
Тип платежей	Была разрешена исключительно аннуитетная форма платежей по обслуживанию кредитов
Валюта предоставленных займов	КО разрешалось выдавать ипотечные кредиты, номинированные только в отечественной валюте — российском рубле
Портрет заемщиков	В рамках программы не было установлены категориальных барьеров на предоставление ипотечных кредитов
Период предоставления субсидии	Субсидии предоставлялись и будут предоставляться КО вплоть до конца действия кредитных договоров, заключенных банками-участниками по установленным правилам
Порядок выплаты субсидии	Субсидии начинают предоставляться Министерством финансов РФ с момента верификации регулятором выдачи соответствующих условиям программы кредитов, которая осуществляется на основе ежемесячных отчетов банков-участников об объеме выданных ими льготных ипотечных кредитов
Условия уменьшения размера субсидии (один пункт из всего перечня)	Размер предоставляемой субсидии уменьшается пропорционально увеличению процентной ставки по кредитному договору, которое инициирует КО в ответ на нарушение заемщиком условий обслуживания займа
Предельная стоимость недвижимости, на покупку которой выдавались займы	8 млн. руб. для Москвы, МО и Санкт-Петербурга и 3 млн. руб. для остальных регионов

Приложение 2

Тест Бройша-Пагана на выявление гетероскедастичности

Объясняющая переменная	Модель	STAT	Pvalue	Вывод
ROA	FE	0.000024	0	Reject H0
RES/CA	RE	30900.8	0	Reject H0
ROE	FE	0.00074	0	Reject H0
SOL	RE	25264.2	0	Reject H0
H0: homoscedastic errors		H1: heteroscedastic errors

Приложение 3

Тест на выявление серийной автокорреляции

Объясняющая переменная	Модель	STAT	Pvalue	Вывод
ROA	FE	325.5	0	Reject H0
RES/CA	RE	102.7	0	Reject H0
ROE	FE	170.2	0	Reject H0
SOL	RE	30.8	0	Reject H0
H0: no first-order autocorrelation

Приложение 4

Оцененные коэффициенты вздутия дисперсии (VIF)

Переменная	VIF		Tolerance
Ln(programcredits)	10.8	3.28	0.06
Comm* Ln(programcredits)	6.6	2.57	0.15
Public* Ln(programcredits)	2.74	1.66	0.36
Size* Ln(program credits)	6.7	2.59	0.14
Size*RPL	1.3	1.16	0.74
Real interest rate	1.07	1.03	0.93
Leverage ratio	1.52	0.43
Liquidity risk (NORM_H2)	1.09	1.05	0.91
Capital adequacy ratio	2.34	1.53	0.42
Index of industrial production	1.06	1.03	0.94
Share of reserves for potential losses(RPL)	1.25	1.12	0.79
MEAN VIF	3.38

Приложение 5

Тестирование гипотезы о том, что государственные банки более приспособлены к действию программы

Объясняющая Переменная	Модель		Pvalue	Вывод
ROA	FE	3.98	0.037	Accept H0
RES/CA	RE	3.73	0.054	Accept H0
H0: (ROA):		H0: (RES/CA):

Приложение 6

Гистограмма выданных всеми участвовавшими КО льготных ипотечных кредитов в течение всего периода действия программы (построена в программе STATA)

Приложение 7

Сравнение моделей FE, REи Pooledс объясняемой переменной — ROAи ROE

Переменная	FixedEffect	Randomeffect	Pooled
Ln (Cred)	-0.00093***	-0.000706***	-0.000062
Priv * Ln (Cred)	0.000485***	0.00029***	-0.0001037
Public * Ln (Cred)	0.00076***	0.000406***	-0.000525***
Size * Ln (Cred)	0.000099**	0.000085**	0.000016
Size * RPL	-0.032*	-0.0296**	-0.018***
RIR	-0.1708**	-0.134***	-0.066**
Cap/NA	0.0339***	0.0296**	0.02319***
Norm_H2	-0.000052**	-0.000052**	-0.000057**
Norm_H1	0.000081	0.00006	0.0000956**
IIP	0.023***	0.0207***	0.0159***
RPL	-0.1884***	-0.1324***	-0.0439***
Constant	0.0373***	0.0294***	0.0142***
Wald/	0.163	134.8	0.153
Количество наблюдений: 3684
***-1% significance ** -5% significance * -10% significance

Оценки моделей регрессии с зависимой переменной ROA

Для того, чтобы сравнить модель с фиксированными эффектами с моделью сквозной регрессии, был применен тест Вальда, проверяющий гипотезу о равенстве нулю всех индивидуальных эффектов. Было получено, что F(180, 3492) = 25.89 и Pvalue = 0.0000, что значит, что модель c фиксированными эффектами, как и следовало ожидать, лучше описывает данные, чем модель сквозной регрессии.

Для того, чтобы сравнить модель cо случайными эффектами с моделью сквозной регрессии, был использован тест Бройша-Пагана. Согласно полученным результатам, на 1-но процентном уровне значимости нулевая гипотеза о том, что дисперсия случайных эффектов равна нулю, отвергается, что значит, что модель со случайными эффектами также лучше описывает используемые данные, нежели модель сквозной регрессии.

Тест Бройша-Пагана

Объясняющая Переменная/Модель	Pvalue	Выбранная модель
ROA	0.00	Random effect
ROE	0.00	Random effect
H0: RE model does not better than Pooled model

Тест Хаусмана

Объясняющая Переменная		Pvalue	Вывод
ROA	113.00	0.00	Reject H0
ROE	56.23	0.00	Reject H0
H1: FE model is more suitable		H0: RE model more suitable

И, наконец, для того, чтобы сравнить модели с фиксированными и случайными эффектами был использован тест Хаусмана, построенный на сравнении оценок моделей. Полученная статистика свидетельствует на любом разумном уровне значимости в пользу альтернативной гипотезы о том, модель с фиксированными эффектами лучше описывает данные по сравнению с моделью со случайными эффектами.

То, что среди трех рассмотренных моделей на 5-ти процентном уровне значимости лучшей оказалась модель с фиксированными эффектами, является вполне закономерным, ввиду того, что для проведения анализа была составлена фиксированная выборка, состав которой не менялся во времени. С учетом того, что выборка из банков-участников программы невелика, принято считать, что качество подгонки моделей удовлетворительно.

Приложение 8

Сравнение моделей FE, REи Pooledс объясняемой переменной — RPL и SOL

Переменная	FixedEffect	Randomeffect	Pooled
Ln (Cred)	0.00188***	0.00178***	0.00065**
Priv * Ln (Cred)	-0.000554***	-0.00048**	0.000092
Public * Ln (Cred)	-0.000665*	-0.00058*	0.000465***
Size * Ln (Cred)	-0.00035***	-0.00036***	-0.000675***
Size * SOL	0.141***	0.1419***	0.1699***
RIR	-0.432***	-0.4294***	-0.328***
Norm_H2	0.00000537***	0.0000054***	0.0000083***
Norm_H1	0.0000762	0.0000655	-0.000338***
IIP	0.0229***	0.0225***	0.00966
Constant	0.1012***	0.1013***	0.097***
Wald/	0.29	150.58	0.278
***-1% significance ** -5% significance * -10% significance

Оценки регрессий с зависимой переменнойRPL.

Согласно тесту Вальда, на 5-ти процентном уровне значимости, модель с фиксированными эффектами лучше описывает данные, чем сквозная регрессия. Согласно тесту Бройша-Пагана, на 5-ти процентном уровне значимости модель со случайными эффектами лучше описывает данные, по сравнению со сквозной моделью. Тест Хаусмана говорит о том, что наиболее предпочтительной является модель со случайными эффектами.

Тест Бройша-Пагана

Объясняющая Переменная/Модель	Pvalue	Выбранная модель
RPL	0.00	Random effect
SOL	0.00	Random effect
H0: RE model does not better than Pooled model

Тест Хаусмана

Объясняющая Переменная		Pvalue	Вывод
RPL	10.68	0.22	Accept H0
SOL	13.07	0.18	Accept H0
H1: FE model is more suitable		H0: RE model more suitable