Банки являются важнейшими экономическими агентами на современном финансовом рынке. Для успешного функционирования банкам требуется достаточное количество активов.
Цель данной статьи - проанализировать зависимость объема активов коммерческих банков от собственного капитала, привлеченных межбанковских кредитов (МБК), средств частных лиц, средств предприятий и организаций, от объема кредитов частным лицам, предприятиям и организациям, от объема выпущенных акций и облигаций.
Активы банка представляют собой объекты собственности, имеющие денежную оценку и принадлежащие банку [1]. Основными источниками средств для образования активов служат собственный капитал банка и средства вкладчиков, межбанковские кредиты, эмиссия облигаций банка. Кредитование, инвестиционные операции, прочие операции банка по размещению собственных и привлечённых средств приводят к увеличению активов банка. Принесение прибыли является важнейшим свойством активов банка.
В активы банка входят: кассовая наличность, ссуды, инвестиции, ценные бумаги, недвижимость и другие [1].
Таблица 1 - Показатели российских банков
Банк |
Работающие активы, млн. руб. |
Собственный капитал, % |
Привлеченные межбанковские кредиты (МБК), % |
Сред-ства част-ных лиц, % |
Средства предприя-тий и организа-ций, % |
Выпу-щенные ценные бумаги, % |
Кредиты частным лицам, млн. руб. |
Кредиты предприя-тиям и организа-циям, млн. руб. |
Акции, млн. руб. |
Облигации, млн. руб. |
Сбербанк |
1917403 |
10 |
3 |
60 |
19 |
3 |
308437 |
1073255 |
13571 |
359499 |
Внешторгбанк |
426484 |
16 |
28 |
13 |
25 |
12 |
5205 |
189842 |
23152 |
50012 |
Газпромбанк |
362532 |
8 |
17 |
9 |
38 |
22 |
5084 |
207118 |
18660 |
35676 |
Альфа-банк |
186700 |
13 |
14 |
15 |
30 |
3 |
1361 |
138518 |
4505 |
8471 |
Банк Москвы |
157286 |
11 |
2 |
30 |
27 |
5 |
5768 |
90757 |
3026 |
24838 |
Росбанк |
151849 |
8 |
4 |
19 |
55 |
10 |
4466 |
62388 |
4474 |
5667 |
Ханты-Мансийский банк |
127440 |
3 |
0 |
5 |
9 |
0 |
1392 |
4142 |
406 |
15601 |
МДМ-банк |
111285 |
12 |
23 |
9 |
25 |
5 |
7266 |
51731 |
2656 |
13186 |
ММБ |
104372 |
8 |
15 |
10 |
62 |
2 |
4119 |
48400 |
721 |
14213 |
Райффайзен-банк |
96809 |
8 |
27 |
22 |
42 |
0 |
10828 |
46393 |
284 |
5273 |
Промстрой-банк |
85365 |
10 |
13 |
24 |
29 |
11 |
2719 |
45580 |
2781 |
18727 |
Ситибанк |
81296 |
11 |
27 |
12 |
46 |
0 |
3576 |
33339 |
13 |
23442 |
Уралсиб |
76617 |
16 |
15 |
22 |
19 |
10 |
8170 |
43073 |
6705 |
4026 |
Межпромбанк |
67649 |
36 |
3 |
1 |
7 |
37 |
511 |
60154 |
63 |
2577 |
Промсвязь-банк |
54848 |
9 |
14 |
11 |
46 |
11 |
822 |
32761 |
68 |
5250 |
Петрокоммерц |
53701 |
15 |
5 |
26 |
37 |
11 |
1693 |
23053 |
3561 |
9417 |
Номос-банк |
52473 |
11 |
24 |
6 |
17 |
24 |
476 |
28511 |
2126 |
9416 |
Автобанк-Никойл |
34762 |
19 |
1 |
34 |
23 |
4 |
1773 |
19135 |
5174 |
3238 |
Коммерцбанк |
26724 |
14 |
65 |
0 |
21 |
1 |
4 |
18158 |
0 |
1809 |
ХКФБ |
26388 |
11 |
45 |
6 |
26 |
6 |
22267 |
28 |
0 |
67 |
Дойче банк |
26015 |
13 |
56 |
7 |
24 |
0 |
0 |
2014 |
1 |
8546 |
АБН Амро банк |
25691 |
11 |
2 |
17 |
66 |
1 |
31 |
11044 |
1 |
2828 |
МБРР |
24639 |
12 |
8 |
8 |
52 |
15 |
311 |
14216 |
6 |
1105 |
Россельхоз-банк |
23863 |
21 |
10 |
14 |
23 |
29 |
1178 |
13953 |
102 |
1628 |
Сургутнефте-газбанк |
22894 |
9 |
0 |
47 |
37 |
0 |
2600 |
3254 |
307 |
4239 |
Банк Санкт-Петербург |
18389 |
10 |
3 |
28 |
38 |
10 |
240 |
11911 |
140 |
2862 |
Балтийский банк |
17674 |
12 |
1 |
50 |
25 |
5 |
759 |
11422 |
17 |
1057 |
МИнБ |
16965 |
11 |
8 |
37 |
34 |
3 |
746 |
11788 |
15 |
1886 |
Сосьете Женераль Восток |
14957 |
9 |
26 |
16 |
49 |
0 |
1337 |
9128 |
5 |
0 |
Русь-банк |
14555 |
17 |
0 |
3 |
54 |
20 |
843 |
9710 |
137 |
1136 |
Источник данных: www.finansmag.ru.
Исследуем зависимость перечисленных факторов с помощью метода наименьших квадратов. Построим множественную линейную модель, включающую выборку из 30 наблюдений, в которой работающие активы являются зависимой переменной, а остальные факторы – регрессорами.
Для данной модели рассмотрим варианты исследования остатков на гетероскедастичность. В эконометрике существует целый ряд тестов, позволяющих проводить данное исследование. В настоящей статье рассмотрены только некоторые из них [3].
Гетероскедастичность – отрицательный атрибут модели, который может привести к негативным последствиям, таким как:
Оценки уравнений нормальной линейной регрессии остаются состоятельными и несмещенными, но их эффективность уменьшается,
Появляется вероятность, что оценки стандартных ошибок коэффициентов регрессионной модели будут рассчитаны неверно, что может привести в итоге к неправильному утверждению о значимости регрессии в целом.
Тест Уайта (White) — универсальная процедура тестирования гетероскедастичности случайных ошибок линейной регрессионной модели, не налагающая особых ограничений на структуру гетероскедастичности [3].
В данном тесте проверяется нулевая гипотеза (H0), состоящая в том, что гетероскедастичность остатков не наблюдается и, что остатки имеют постоянную дисперсию. Для проведения теста сначала определяются остатки исходной эконометрической линейной модели с использованием обычного метода наименьших квадратов (МНК), см. рис. 1., а после их вычисления строится вспомогательная регрессия вида:
где — остатки регрессии;
— факторы исходной регрессии;
— параметры вспомогательной регрессии — соответственно константа, вектор линейных коэффициентов и матрица коэффициентов при квадратах и попарных произведениях факторов;
ut— случайная ошибка вспомогательной модели.
Проводится оценка вспомогательной регрессии - также с применением обычного МНК.
Полученная вспомогательная регрессия должна быть незначимой. Для проверки этой гипотезы используется LM – статистика, т.е. рассчитывается значение
,
где — коэффициент детерминации вспомогательной регрессии,
n— количество наблюдений.
Данное значение сравнивается с табличным значением распределения Хи-квадрат на уровне значимости α (в нашем случае – 95%) при числе степеней свободы (m-1), m – количество параметров во вспомогательной регрессии:. Если выполняется неравенство , то нулевая гипотеза об отсутствии гетероскедастичности отклоняется [3].
В рассматриваемой нами модели были получены следующие значения = , а = Таким образом, вспомогательная регрессия признается незначимой, а случайные ошибки гомоскедастичными.
Рисунок 1 – Результаты оценки параметров методом наименьших квадратов
Рисунок 2 – тест Вайта на гетероскедастичность
Тест Бройша — Пагана (Бреуша — Пагана, Breusch-Pagan) — один из статистических тестов для проверки наличия гетероскедастичности случайных ошибок регрессионной модели. В нем проверяется линейная зависимость дисперсии случайных ошибок от некоторого набора переменных [3].
Рисунок 3 – тест Бройша-Пагана
По остаткам регрессии оценивается дисперсия ошибок (в предположении о гомоскедастичности случайных ошибок) по формуле:
,
где — сумма квадратов остатков,
— объём выборки.
Для проверки гипотезы о наличии или отсутствии гетероскедастичности случайных ошибок используется LM – статистика
,
Где — коэффициент детерминации вспомогательной регрессии,
n - количество наблюдений.
По проведенному тесту Бройша-Пагана для рассматриваемой задачи также получается, что случайные ошибки гомоскедастичны.
В ходе эконометрического исследования было выявлено, что активы банков в наибольшей степени зависят от объема кредитов, выданных предприятиям и организациям, а также от объема выпущенных акций и облигаций. Данные активы приносят банкам процентные доходы (например, процент по кредиту) и позволяют эффективно функционировать и выполнять свои обязательства.
Список источников:
Деньги, кредит, банки : учебник / коллектив авторов ; по ред. О.И. Лаврушина. – 12-е изд., стер. – М. : КНОРУС, 2014 – 448 с. – (Бакалавриат).
Журнал «Финанс.» № 30. [Электронный ресурс] Режим доступа: [20.12.2014] // http://www.finansmag.ru/19000
Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. — М.: Дело, 2007