«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) icon

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011)



Название«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011)
студент 3 курса
Дата конвертации13.02.2013
Размер68.91 Kb.
ТипАнализ
скачать >>>

Национальный Исследовательский Университет

Высшая Школа Экономики

Факультет экономики


Анализ статьи


« Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011)


Выполнил: студент 3 курса

Очной формы обучения

Мармышев Дмитрий


Преподаватель:

Семенова Мария Владимировна


Москва

2012

Цель статьи «Banking risk and regulation: Does one size fit allзаключается в исследовании влияния банковского регулирования и надзора на уровень риска банков. Авторы  Klomp J. и de Haan J. отмечают актуальность данной работы тем фактом, что сравнительно недавно участниками большой двадцатки были одобрены предложения Базельского Комитета по Надзору над Банками с целью усиления регулирующих положений относительно капитала и ликвидности банков, необходимость которых была подчеркнута отдельными событиями мирового финансового кризиса. Таким образом, в связи с принятием новых правил, было бы интересно изучить как отдельные инструменты регулирования и надзора над банками влияют на их уровень риска.

Для достижения поставленной цели, авторы решают три основные задачи. Первая задача направлена на решение проблемы того, что в экономической науке не существует общепринятого определения понятия банковского риска. В качестве выхода из проблемы, авторы прибегают к разведочному факторному анализу1 25 индикаторов финансовой устойчивости, предлагаемых МВФ, по 219 банкам из 21 стран, входящих в ОЭСР в период с 2002 по 2008 года. Стоит отметить, что в выборку были включены только те банки, по которым присутствовало как минимум 75% необходимой информации (миссинги были заполнены с помощью специального алгоритма из работы Dempster et al. (1978)).

В первую очередь авторы делят рассматриваемые 25 факторов на 6 категорий: факторы достаточности капитала; переменные, связанные с качеством активов; факторы, описывающие эффективность менеджмента; индикаторы риска, связанные с прибыльностью банка; переменные ликвидности и финансового левериджа; факторы рыночного риска. Стоит отметить, что некоторые факторы оказывают свое влияние с лагом, а некоторые, наоборот, с опережением, что было учтено во время факторного анализа. Затем, с помощью критерия Кайзера, теста Кэттеля и критерия, разработанного в работе Bai and Ng (2002), авторы приходят к выводу, что оптимальной будет двухфакторная модель для описания банковского риска. В итоге факторного анализа, посредством изучения нагрузок переменных из 6 вышеописанных категорий на 2 рассматриваемого фактора, делается вывод, что первый прокси-фактор будет отражать риск, связанный с величиной и структурой капитала и активов банка, а второй – риск ликвидности и рыночный риск.

Вторая задача заключается в поиске прокси для банковского надзора и регулирования. В качестве источника информации, авторы используют результаты исследования Всемирного Банка. Посредством принципиального компонентного анализа2 авторы вырабатывают 7 прокси банковского регулирования и надзора: регулирование достаточности капитала; нормативы по частному мониторингу; регулирование банковских операций; сила институтов, контролирующих банковскую деятельность; сила институтов, страхующих вклады; регулирование ликвидности; и, наконец, регулирование входа на рынок.

Третья задача связана с решением проблемы того, что взаимосвязь между банковским надзором и регулированием и уровнем банковского риска нельзя с уверенностью назвать однородной по всем рассматриваемым в работе банкам. Для решения этой проблемы, авторы обращаются к такому эконометрическому инструменту, как многоуровневая квантильная регрессия. Ее преимущества заключаются в том, что она позволяет не только получать точные прогнозы, но и предсказывать границы колебаний показателей. Говоря в рамках данной работы, квантильная регрессия позволяет получить более полное описание неоднородной зависимости между надзором и регулированием банков и их уровнем риска. Рассматриваются 25-я, 50-я, 75-я и 95-я квантили, которые определяются уровнем риска банков, то есть 95-я квантиль отражает банки с самым высоким уровнем риска, а 25-я, наоборот, с самым низким уровнем риска. Оцениваемая модель выглядит следующим образом:

(1), где – прокси-фактор риска типа для банка в стране в период . – вектор из переменных (взятые с распределенным лагом, если необходимо), а – вектор переменных надзора и регулирования (взятые с распределенным лагом, если необходимо). Параметр отражает фиксированные эффекты, присущие соответствующему периоду, а оставшиеся два параметра являются ошибками соответственно для банка и страны . Стоит отметить, что такая неординарная запись модели присуща именно для квантильной регрессии, где обозначает условную квантиль порядка на векторе регрессора .

Контрольные переменные были выбраны на основе предыдущих работ в этой области. Они включают макроэкономические факторы (уровень инфляции, уровень экономического роста и т.д.), факторы, отражающие политическую ситуацию в стране (уровень коррупции и т.п.), факторы финансовой либерализации. А также индикатор того, как глобализация влияет на рисковость банков внутри страны, переменную концентрации банковской системы в стране и факторы характеризующие банк (количество филиалов, логарифм суммы активов и т.п.).

Прежде чем приступать к непосредственной оценке модели, авторы проверяют обоснованность выбора инструментов, оценивая 2SLS модель с включением индикаторов независимости ЦБ и политической идеологии, а также уровня государственных закупок. С помощью теста Саргана было показано, что выбор обоснован, то есть инструменты не коррелируют с ошибками. Затем с помощью теста Вальда было показано, что прокси банковского надзора и регулирования в действительности являются экзогенными, то есть могут быть применены в качестве объясняющих переменных.

Первым шагом оценки модели стало построение регрессии только на контрольные переменные. В процессе анализа полученных результатов были отброшены все контрольные переменные незначимые на 10% уровне. Затем были включены прокси банковского надзора и регулирования. Сначала было изучено влияние регулирования достаточности капитала. Было показано, что рост уровня регулирования на 1 процент, приводит к падению риска, связанного с капиталом и активами, в среднем на 0,4%. К тому же было отмечено, что степень влияния различается в зависимости от квантиля, то есть в зависимости от уровня риска банка.

Далее было изучено влияние остальных 6 прокси на риск, связанный со структурой капитала и активов, и на рыночный риск и риск ликвидности. Выводы по ним будут отмечены ниже. Однако следует заметить, что единственная прокси совсем не влияющая на уровень риска банка – это сила органов страхующих вклады.

Следующим этапом работы является анализ чувствительности. В ходе него была проведена проверка на робастность. Для этого рассматриваемые банки были разделены по трем категориям: списочные и не списочные банки (то есть акции, которых котируются на бирже или нет), банки с частной и государственной собственностью (где государство владеет более чем 50% акций), малые и крупные банки (стоимость активов которых меньше и больше 300 млрд. $). Выводы, к которым пришли авторы заключаются в том, что эффект регулирования ликвидности и банковских операции выше для списочных банков и банков с частной собственностью, тогда как на не списочные банки больший эффект оказывают регулирование частного мониторинга. На крупные банки сильнее влияет регулирование банковских операций, а на малые регулирование достаточности капитала. Также авторы оценили модель по принадлежности банков к разным странам: банки стран Северной Америки и стран, входящих в Европейский Валютный союз. Был сделан вывод о том, что существенных различий, на то какой тип регулирования сильнее влияет на банки с разных территорий, нет.

Затем авторы решили рассмотреть, как уровень риска банков влияет на уровень надзора и их регулирования, а не наоборот как было раньше. Для этого была оценена следующая модель:

(2), где – это уровень банковского риска, – уровень банковского надзора и регулирования, а – это некоторые контрольные переменные, значимые для анализа. В итоге вышло, что переменные уровня риска являются незначимыми, то есть не имеют описательной силы.

Основный вывод работы, который делают авторы, заключается в том, что сила контролирующих органов, регулирование достаточности капитала и регулирование входа на рынок имеют значимый эффект на уровень риска, связанного со структурой и величиной капитала и активов. А регулирования ликвидности, частного мониторинга и банковских операции операций, вкупе с регулированием входа на рынок и силой контролирующих органов имеют значительный эффект на уровень риска ликвидности и рыночного риска у банков. Но самый главный вывод состоит в том, что влияние банковского надзора и регулирования на уровень банковского риска не является одинаковым для банков с разной степенью риска. То есть уровень надзора и регулирования значимо влияет только на банки с высоким уровнем риска, но не оказывает значительного эффекта на банки с небольшим уровнем риска.

Полученные результаты оказались уникальными, так как они расходятся с выводами, сделанными другими авторами. Авторы объясняют, что причиной различия, возможно, явился ограниченный уровень информации, полученной из исследования МВФ, который показывает то, утвержден ли данный закон или применяется ли данное регулирование, или нет (de jure), но не показывает то, насколько они эффективно функционируют (de facto).

1 Разведочный факторный анализ – исследование скрытой факторной структуры без предположения о числе факторов и их нагрузках.

2 Принципиальный компонентный анализ (ПКА) – исследовательский анализ, служащий для выявления новых основных переменных.




Похожие:

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconMoney and banking (деньги и банковское дело), the role of banks (роль банков), modern banking (современная банковская система)
Переведенная на английский лекция по теме Money and banking (деньги и банковское дело), the role of banks (роль банков), modern banking...
«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconПрограмма дисциплины «Comparative Banking Systems» «Сравнительный анализ банковских систем» для специальности 080102. 65 «Мировая экономика» подготовки специалиста
Программа дисциплины «Comparative Banking Systems» «Сравнительный анализ банковских систем»
«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconBanking system

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconPersonal banking

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconHistory of banking

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconBanking services in Russia: theory and fact

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconRussia Banking: Challenges for Business & it strategy Alignment

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconValuation of banking business in Russia for empirical studies

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconChinese banking industry: current performance and growth potential

«Banking risk and regulation: Does one size fit all?» by Klomp J., de Haan J. – Journal of Banking & Finance (2011) iconChinese banking industry: current performance and growth potential

Разместите кнопку на своём сайте:
Документы


База данных защищена авторским правом ©rushkolnik.ru 2000-2015
При копировании материала обязательно указание активной ссылки открытой для индексации.
обратиться к администрации
Документы