Оценка контрагентного риска на рынке межбанковских кредитов
 Скачать 2.15 Mb.
|
|
Таблица 33 Первоначальное оценивание регрессии «between» (1) (2) (3) (4) (5) (6) be_13 be_15 be_110 be_33 be_55 be_1010 VARIABLES sum1 sum1 sum1 sum3 sum5 sum10 cds3 0.00892*** 0.0169*** (0.00174) (0.00491) cds5 0.0128*** 0.0317*** (0.00252) (0.0109) cds10 0.00926*** 0.0315** (0.00192) (0.0132) c1 -6.443** -6.684** -6.267** -14.73* -21.97* -31.12 (2.845) (2.873) (2.882) (8.041) (12.46) (19.88) c2 -0.658 -0.663 -0.590 -2.104 -3.160 -4.214 (0.851) (0.853) (0.860) (2.406) (3.701) (5.935) a1 5.476 5.462 5.411 10.84 13.05 15.27 (4.060) (4.075) (4.113) (11.47) (17.67) (28.37) a2 4.543 4.359 4.210 2.694 1.411 2.684 (4.172) (4.185) (4.218) (11.79) (18.15) (29.10) 143 d1 -0.165 -0.227 -0.137 -0.0318 0.00907 0.717 (0.547) (0.547) (0.554) (1.546) (2.372) (3.821) d2 -3.710* -3.471* -2.997 -9.231* -12.32 -16.59 (1.910) (1.925) (1.931) (5.399) (8.347) (13.32) r1 1.484 1.301 1.489 5.117 7.499 11.62 (1.723) (1.729) (1.741) (4.868) (7.498) (12.01) r2 3.715 4.178 3.990 17.95** 31.28** 50.47** (2.800) (2.805) (2.828) (7.913) (12.17) (19.51) e2 -17.47*** -15.71** -14.72** -35.87** -42.97 -55.68 (6.033) (6.082) (6.164) (17.05) (26.37) (42.52) l1 0.0459 0.0493 0.0497 0.150 0.249 0.396 (0.0426) (0.0427) (0.0431) (0.120) (0.185) (0.297) l2 -1.170 -2.141 -1.400 -2.401 -7.053 -11.83 (3.758) (3.811) (3.820) (10.62) (16.53) (26.35) l3 2.053 1.785 1.982 0.327 -2.859 -8.297 (3.426) (3.437) (3.463) (9.682) (14.90) (23.89) A 3.66e-10 3.89e-10* 3.88e-10* 5.37e-10 6.31e-10 7.00e-10 (2.22e-10) (2.25e-10) (2.29e-10) (6.29e-10) (9.76e-10) (1.58e-09) ni_1 -4.82e-07 -4.49e-07 -4.39e-07 -9.53e-07 -1.11e-06 -1.19e-06 (6.11e-07) (6.12e-07) (6.17e-07) (1.73e-06) (2.65e-06) (4.26e-06) Gov -1.711** -1.861** -1.995** -5.569** -8.649** -14.06** (0.846) (0.840) (0.842) (2.391) (3.642) (5.807) Inost -1.829*** -1.808*** -1.916*** -5.471*** -7.983*** -12.60*** (0.604) (0.606) (0.610) (1.707) (2.627) (4.206) Constant -3.539 -5.503 -4.735 -0.872 -1.634 7.886 (3.265) (3.482) (3.468) (9.227) (15.10) (23.92) Observations 7,047 7,050 7,050 7,047 7,050 7,050 R-squared 0.484 0.481 0.473 0.426 0.399 0.372 Number of id 141 141 141 141 141 141 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Источник: составлено автором Всего в тестировании модели автором использованы данные по 141 банку и 7050 наблюдениям. Здесь под R 2 понимаются квадраты коэффициентов корреляции между наблюдаемыми и оцениваемыми значениями объясняемой переменной. Значения коэффициента R 2 between колеблются от 0,372 до 0,484. Отметим еще раз, что «between»-регрессии являются вспомогательными. По полученным результатам можно сделать вывод, что по сравнению с простейшей линейной регрессией все зависимости между переменными остались прежними. Далее перейдем к построению модели с фиксированными эффектами (см. Таблица 34): 144 Таблица 34 Первоначальное оценивание модели с фиксированными эффектами (1) (2) (3) (4) (5) (6) fe_13 fe_15 fe_110 fe_33 fe_55 fe_1010 VARIABLES sum1 sum1 sum1 sum3 sum5 sum10 cds3 0.00168*** 0.00281*** (0.000147) (0.000251) cds5 0.00184*** 0.00401*** (0.000164) (0.000375) cds10 0.00211*** 0.00592*** (0.000169) (0.000564) c1 -0.108 -0.0903 -0.0891 1.002* 2.038*** 4.143*** (0.308) (0.308) (0.307) (0.527) (0.704) (1.026) c2 0.0721*** 0.0732*** 0.0708*** 0.0930** 0.106* 0.154* (0.0240) (0.0240) (0.0240) (0.0411) (0.0550) (0.0801) a1 -1.553*** -1.600*** -1.355*** -1.498** -0.897 2.286* (0.374) (0.373) (0.374) (0.639) (0.853) (1.251) a2 -0.161 -0.0693 -0.313 -2.604*** -4.935*** -11.43*** (0.481) (0.479) (0.479) (0.823) (1.097) (1.602) d1 -0.0233 -0.0241 -0.0193 -0.0778* -0.115** -0.160** (0.0245) (0.0245) (0.0244) (0.0419) (0.0560) (0.0816) d2 -0.987*** -0.952*** -0.969*** -2.493*** -3.473*** -5.455*** (0.274) (0.271) (0.271) (0.469) (0.621) (0.905) r1 -0.112 -0.151 -0.0633 0.0638 0.404 2.179** (0.270) (0.269) (0.269) (0.462) (0.617) (0.900) r2 -1.684*** -1.650*** -1.568*** -3.036*** -4.099*** -4.873*** (0.376) (0.376) (0.376) (0.643) (0.862) (1.256) e2 -0.614*** -0.591*** -0.541*** -1.287*** -1.829*** -2.594*** (0.164) (0.164) (0.163) (0.280) (0.375) (0.546) l1 -0.0131*** -0.0125*** -0.0121*** -0.0246*** -0.0294*** -0.0380*** (0.00307) (0.00307) (0.00306) (0.00525) (0.00703) (0.0102) l2 -0.107 -0.122 -0.221 -0.597 -0.752 -1.191 (0.401) (0.400) (0.400) (0.686) (0.917) (1.335) l3 0.0150 0.0210 -0.000346 -0.0157 -0.0762 -0.388 (0.0861) (0.0861) (0.0859) (0.147) (0.197) (0.287) a -6.35e-11 -6.49e-11 -7.27e-11 -6.80e-11 -0 -0 (0) (0) (0) (8.33e-11) (1.12e-10) (1.62e-10) ni_1 8.15e-11 0 8.03e-11 -9.51e-11 -4.25e-10 -8.17e-10 (2.23e-09) (2.23e-09) (2.22e-09) (3.81e-09) (5.10e-09) (7.43e-09) Constant 4.696*** 4.734*** 4.092*** 12.21*** 17.65*** 24.36*** (0.346) (0.346) (0.363) (0.591) (0.792) (1.213) Observations 7,047 7,050 7,050 7,047 7,050 7,050 R-squared 0.050 0.049 0.053 0.046 0.042 0.038 Number of id 141 141 141 141 141 141 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Источник: составлено автором Всего в тестировании модели автором использованы данные по 141 банку и 7050 наблюдениям. Значения коэффициента R 2 within колеблются от 0,038 до 0,050. Низкие значения R 2 свидетельствуют: к этим данным модели с фиксированными эффектами неприменимы. 145 Оценим теперь модель со случайными эффектами (см. Таблица 35): Таблица 35 Первоначальное оценивание модели со случайными эффектами (1) (2) (3) (4) (5) (6) re_13 re_15 re_110 re_33 re_55 re_1010 VARIABLES sum1 sum1 sum1 sum3 sum5 sum10 cds3 0.00173*** 0.00285*** (0.000145) (0.000250) cds5 0.00188*** 0.00405*** (0.000163) (0.000375) cds10 0.00216*** 0.00597*** (0.000167) (0.000563) c1 -0.138 -0.114 -0.121 0.950* 1.971*** 4.037*** (0.305) (0.305) (0.304) (0.525) (0.703) (1.024) c2 0.0720*** 0.0732*** 0.0706*** 0.0923** 0.105* 0.153* (0.0240) (0.0240) (0.0240) (0.0411) (0.0550) (0.0801) a1 -1.532*** -1.586*** -1.335*** -1.479** -0.892 2.280* (0.372) (0.371) (0.372) (0.638) (0.852) (1.250) a2 -0.125 -0.0273 -0.278 -2.608*** -4.935*** -11.42*** (0.478) (0.476) (0.476) (0.821) (1.095) (1.600) d1 -0.0241 -0.0250 -0.0199 -0.0780* -0.116** -0.161** (0.0244) (0.0245) (0.0244) (0.0419) (0.0560) (0.0816) d2 -0.999*** -0.957*** -0.977*** -2.515*** -3.491*** -5.481*** (0.271) (0.268) (0.268) (0.467) (0.619) (0.903) r1 -0.0984 -0.137 -0.0513 0.0819 0.420 2.180** (0.266) (0.265) (0.265) (0.460) (0.614) (0.897) r2 -1.587*** -1.552*** -1.473*** -2.865*** -3.879*** -4.580*** (0.372) (0.372) (0.372) (0.641) (0.859) (1.253) e2 -0.625*** -0.602*** -0.549*** -1.294*** -1.835*** -2.596*** (0.164) (0.164) (0.164) (0.280) (0.375) (0.547) l1 -0.0128*** -0.0122*** -0.0118*** -0.0243*** -0.0289*** -0.0373*** (0.00306) (0.00306) (0.00306) (0.00525) (0.00703) (0.0102) l2 -0.0677 -0.0810 -0.189 -0.540 -0.691 -1.142 (0.398) (0.397) (0.396) (0.684) (0.915) (1.333) l3 0.0149 0.0205 -0.000533 -0.0168 -0.0772 -0.387 (0.0860) (0.0860) (0.0858) (0.147) (0.197) (0.287) A -7.17e-11 -7.41e-11 -7.80e-11* -8.16e-11 -6.47e-11 -5.20e-11 (0) (0) (0) (8.21e-11) (1.10e-10) (1.61e-10) ni_1 8.13e-11 0 8.71e-11 -1.13e-10 -4.55e-10 -8.48e-10 (2.23e-09) (2.23e-09) (2.23e-09) (3.82e-09) (5.11e-09) (7.43e-09) Gov -3.243*** -3.348*** -3.200*** -9.364*** -14.08*** -21.58*** (0.614) (0.615) (0.620) (1.721) (2.642) (4.235) Inost -2.831*** -2.843*** -2.823*** -8.244*** -12.22*** -18.48*** (0.491) (0.492) (0.496) (1.384) (2.128) (3.411) Constant 5.495*** 5.548*** 4.874*** 14.64*** 21.29*** 29.92*** (0.405) (0.406) (0.421) (0.851) (1.231) (1.941) Observations 7,047 7,050 7,050 7,047 7,050 7,050 Number of id 141 141 141 141 141 141 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Источник: составлено автором 146 После проведения поэтапного исключения из моделей незначимых переменных были получены следующие итоговые модели со случайными эффектами (см. Таблица 36): Таблица 36 Оценивание окончательной модели со случайными эффектами (1) (2) (3) (4) (5) (6) re3 re5 re10 re33 re55 re1010 VARIABLES sum1 sum1 sum1 sum3 sum5 sum10 cds3 0.00171*** 0.00282*** (0.000137) (0.000248) cds5 0.00187*** 0.00410*** (0.000154) (0.000364) cds10 0.00214*** 0.00588*** (0.000158) (0.000560) c1 1.041** 2.184*** 3.841*** (0.496) (0.662) (1.002) c2 0.0716*** 0.0726*** 0.0715*** 0.0920** 0.106* 0.153* (0.0240) (0.0240) (0.0239) (0.0411) (0.0550) (0.0801) a1 -1.543*** -1.578*** -1.382*** -1.568** 2.167* (0.357) (0.356) (0.357) (0.628) (1.243) a2 -2.604*** -5.215*** -11.37*** (0.816) (1.067) (1.591) d1 -0.0785* -0.119** -0.159* (0.0418) (0.0560) (0.0816) d2 -0.950*** -0.931*** -0.880*** -2.432*** -3.719*** -5.434*** (0.235) (0.234) (0.234) (0.447) (0.533) (0.864) r1 1.944** (0.795) r2 -1.600*** -1.551*** -1.480*** -2.798*** -3.877*** -4.391*** (0.359) (0.360) (0.359) (0.631) (0.845) (1.238) e2 -0.634*** -0.614*** -0.553*** -1.279*** -1.843*** -2.567*** (0.161) (0.161) (0.161) (0.279) (0.371) (0.546) l1 -0.0128*** -0.0122*** -0.0121*** -0.0251*** -0.0308*** -0.0390*** (0.00299) (0.00299) (0.00298) (0.00515) (0.00689) (0.0101) a -7.97e-11* (0) gov -3.387*** -3.493*** -3.212*** -9.529*** -14.23*** -21.70*** (0.610) (0.613) (0.619) (1.694) (2.592) (4.168) inost -2.846*** -2.851*** -2.844*** -8.277*** -12.29*** -18.52*** (0.492) (0.495) (0.495) (1.367) (2.093) (3.365) Constant 5.419*** 5.461*** 4.810*** 14.65*** 20.70*** 30.03*** Observations 7,047 7,050 7,050 7,047 7,050 7,050 Number of id 141 141 141 141 141 141 Standard errors in parentheses *** p<0.01, ** p<0.05, * p<0.1 Источник: составлено автором При интерпретации моделей со случайными эффектами следует опираться не на R 2 , так как в регрессии, оцененной с помощью обобщенного метода наименьших квадратов, он уже не 147 является адекватной мерой качества модели. О значимости регрессии в целом свидетельствует высокое значение статистики Вальда на высоком уровне значимости (см. Таблица 37): Таблица 37 Статистика Вальда по оцененным моделям со случайными эффектами PD1/CDS3 PD1/CDS5 PD1/CDS10 PD3/CDS3 PD5/CDS5 PD10/CDS10 Wald chi2 435.51 427.67 462.17 400.25 357.51 321.02 Prob > chi2 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 Источник: составлено автором Итоговое сравнение влияния всех регрессоров в модели сквозной регрессии и модели со случайными эффектами приведено в Таблице 38. Таблица 38 Влияние регрессоров в линейной модели и модели со случайными эффектами Регрессор Линейная регрессионная модель Модель со случайными эффектами 1_3 1_5 1_10 3 5 10 1_3 1_5 1_10 3 5 10 cds +* +* +* +* +* +* +* +* +* +* +* +* c1 -* -* -* -* -* -* - - - +* +* +* c2 + + + - - - +* +* +* +* +* +* a1 - - + + - + -* -* -* -* - +* a2 +* +* +* + - - - - - -* -* -* d1 -* -* -* - - - - - - -* -* -* d2 -* -* -* -* -* -* -* -* -* -* -* -* e2 -* -* -* -* -* -* -* -* -* -* -* -* l1 +* +* +* +* +* +* -* -* -* -* -* -* l2 + + + + + - - - - - - - l3 + + + - - - + + - - - - r1 +* +* +* +* +* +* - - - + + +* r2 +* +* +* +* +* +* -* -* -* -* -* -* A -* -* -* - - -* - - - ni_1 + + + + + + + + + - - - Gov -* -* -* -* -* -* -* -* -* -* -* -* Inost -* -* -* -* -* -* -* -* -* -* -* -* Constant +* +* +* +* +* +* +* +* +* +* +* +* Кол-во наблюдений 7047 7050 7050 7047 7050 7050 7047 7050 7050 7047 7050 7050 Всего банки 141 141 141 141 141 141 Источник: составлено автором Из приведенного выше сравнения можно сделать следующие выводы: 1) Коэффициент при переменной «Спред CDS» значим (на 1%-ом уровне значимости) в обеих моделях и имеет положительное влияние на вероятность дефолта, что, как уже отмечалось выше, подтверждает основную гипотезу настоящего исследования. 148 2) Фиктивные переменные «Наличие государственного» или «Иностранного участия в акционерном капитале банка» имеют негативное влияние на вероятность дефолта в обеих моделях, что логично, так как вероятность дефолта контрагента при наличии поддержки государства или иностранного акционера должна быть меньше. 3) В обеих моделях отрицательно взаимосвязаны с вероятностью дефолта переменные «Контур срочных активов» и «Показатель рентабельности активов». Наличие большей доли срочных активов и более высокой рентабельности активов, при прочих равных условиях, отрицательно влияют на вероятность дефолта: у таких контрагентов она меньше. 4) Сильные противоречия возникли в трактовке коэффициентов при двух переменных, в разных моделях они получились разнонаправленными. По итогам применения модели панельных данных со случайными эффектами «Показатель оборачиваемости краткосрочных МБК» и «Показатель доли эмитированных (выпущенных) обязательств» оказывают положительное влияние на вероятность дефолта. Чем выше у банка оборачиваемость краткосрочных МБК, то есть больше зависимость от средств, получаемых на межбанковском рынке, и чем выше зависимость банка от заимствований с рынка, тем должна быть, при прочих равных условиях, выше вероятность дефолта таких банков. Что и подтверждается результатами тестирования модели со случайными эффектами. 5) В модели со случайными эффектами значимыми получились коэффициенты при следующих переменных: «Показатель качества капитала» – чем выше качество капитала у банка, тем меньше его вероятность дефолта, что согласуется с экономической логикой; и «Показатель доли доходных активов» – чем выше уровень доходных, а, следовательно, и рисковых активов у банка, тем вероятность дефолта у такого банка выше. 6) Только в простой линейной регрессионной модели получились значимыми и оказались положительными коэффициенты при переменных «Показатель доли прочих активов в балансе банка» и «Показатель доли неустойчивых обязательств», что, как мы уже отмечали, вполне логично. Значимыми и отрицательными оказались коэффициенты при следующих переменных «Показатель общей достаточности капитала» и «Показатель кредитной активности», что также вполне согласуется с экономической логикой. 7) «Размер активов банка» играет роль только в долгосрочном периоде прогнозирования вероятности дефолта в сквозной регрессии, и для оценки однолетней модели с применением десятилетнего CDS для модели со случайными эффектами. Отметим, что влияние этой переменной отрицательное, что с экономической точки зрения логично: чем больше банк, тем меньше вероятность его дефолта. 149 8) Отметим, что каждый набор полученных значимых переменных соответствуют рейтинговой системе оценок банков CAMELS. В итоговой модели есть «представитель» каждого компонента рейтинговой оценки. 9) Влияние константы всегда положительно и значимо для всех моделей. Выберем наиболее подходящую нашим данным модель. Для этого проведем попарное сравнение оцененных моделей: 1) Сквозную линейную регрессию сравним с регрессионной моделью с фиксированными эффектами – тест Вальда (Wald test). 2) Сквозную линейную регрессию сравним с регрессионной моделью со случайными эффектами – тест Бройша-Пагана (Breusch-Pagan test). 3) Регрессионную модель с фиксированными эффектами сравним с регрессионной моделью со случайными эффектами – тест Хаусмана (Hausman specification test). Тест Вальда проверяет гипотезу о равенстве нулю всех индивидуальных эффектов. В нашем случае (шесть вариантов) (см. Таблица 39): F test that all u_i=0 |