Содержание к диссертации
Введение
Глава 1. Рычаги государственного регулирования банковской деятельности (институциональный аспект) 9
1.1 .Банки - экономика - государство - 9
1.2. Правовые аспекты регулирования 13
1.3. Мониторинг кредитных учреждений как база своевременного выявления проблемных банков (опыт США и России) 34
Глава 2. Рейтинговые модели надежности банков: зарубежный и российский опыт 46
2.1 .Кредитные риски 46
2.2.3арубежный опыт рейтингования 51
2.2.1. Рейтинг агенства Moody's 52
2.2.2. Модель рейтинга банков Standart&Poor's 53
2.3.Российский опыт рейтингования 56
2.3.1. Сравнительный анализ существующих открытых методик 57
2.3.2. Сравнительный анализ существующих закрытых методик 65
Глава 3. Эконометрические подходы к оценке надежности банков 76
3.1. Нейронные сети 76
3.2. Подход, основанный на статистических методах классификации - 78
3.2.1. Иерархическая классификация 80
3.2.2. Общая схема решения задачи автоматической классификации в рамках модели смеси распределений 81
3.2.3. Дискриминантный анализ 82
3.2.4.Логит- и пробит- модели. 84
3.3. Примеры реализации эконометрических подходов к оценке надежности контрагентов 88
3.3.1. Модель Альтмана 88
3.3.2. Модель Чессера 90
3.3.3. Модель ФКСД 9!
3.3.4. Модель "риск - рейтинг" 93
3.3.5. Некоторые замечания к российскому опыту эконометрического анализа надежности банков 96
3.4. Недостоверность финансовой информации как фактор искажения рейтинга банков 100
Глава 4. Экспериментальная реализация эконометрических подходов к оценке надежности банков(по данным ежемесячных балансовых отчетов российских банков за 1998г.) 106
4.1. Построение решающего правила с помощью параметрического дискриминантного анализа 109
4.1.1. Логическая схема решающего правила для классификации ФЭСБ, основанная на параметрическом дискриминантном анализе 109
4.1.2.Оценки качества построенного решающего правила классификации 111
4.1.3. Программное обеспечение для классификации ФЭСБ 112
4.1.4. Экспериментальная апробация методики, основанной на дискриминантном анализе 113
4.2. Методика, основанная на логит-модели 124
4.2.1 .Краткое описание логит-модели 124
4.2.2. Программная реализация логит-модели 126
4.2.3. Экспериментальная апробация методики, основанной на логит- модели 127
4.3. Об "эффективности" эконометрического подхода к оценке надежности банков в условиях российского финансового кризиса 128
Заключение 133
Приложение 135
- Мониторинг кредитных учреждений как база своевременного выявления проблемных банков (опыт США и России)
- Сравнительный анализ существующих открытых методик
- Подход, основанный на статистических методах классификации
- Об "эффективности" эконометрического подхода к оценке надежности банков в условиях российского финансового кризиса
Введение к работе
В любой экономически развитой стране банковская система занимает особое положение. В связи с этим банковские рейтинги являются привычным атрибутом современной финансовой жизни, они регулярно печатаются в ведущих экономических и финансовых изданиях. Рейтингование банков является одной из разновидностей сравнительной оценки надежности, осуществляемой в соответствии с определенной моделью. Само слово "рейтинг" образовано и вошло в русский язык от латинского "ratus", что означает оценку, отнесение к классу, разряду, категории, буквально переводится как "положение, класс, разряд, ранг". Из-за обилия публикуемых рейтингов возникает множество вопросов, касающихся качества методик составления рейтингов, их научной обоснованности и соответствия выводов экспертов реальному состоянию как отдельного банка, так и банковской системы в целом.
В развитых странах системы рейтинговой оценки коммерческих банков складывались десятилетиями. Наиболее крупными зарубежными агентствами по кредитному рейтингу являются Standard Poors', Moody's и т.д.
В современной российской экономической литературе не существует единого подхода к оценке деятельности банков, их ранжирования. Наблюдается устойчивый разброс мнений. Это приводит к тому, что даже при сходстве исходной информационной базы (состав анализируемых показателей) и общности конечной цели исследования (присвоение рейтингов анализируемым банкам) результаты применения различных подходов (методик) могут сильно различаться.
За годы экономических преобразований в России было создано несколько моделей рейтинга надежности банков. Рассматриваемые рейтинги могут быть открытыми или закрытыми. К закрытым относятся модели Информационного центра "Рейтинг", МБО "Оргбанк", Аналитический центр финансовой информации, к открытым - моделы В. Кромонова (рейтинг журнала "Деньги"), фирмы "ПАКК", газеты " Коммерсантъ", газеты "Известия".
Базируясь на дистанционном анализе банковских балансов, "открытые" методики не предполагают использование никакой дополнительной информации. Главное отличие "закрытых" методологий заключается в активном использовании экспертов.
Можно подчеркнуть, что в обоих типах рейтингования присутствуют некоторые недостатки. Во-первых, в любом рейтинге заложены субъективизм авторов. Для хорошего интерпретирования рейтинга потребитель должен знать, чему отдаются приоритеты при составлении рейтинга, и только после получения подробной информации о методике подбора, их нацеленности, специалист может их сообразно использовать. Во-вторых, одним из узких и часто критикуемых мест большинства методик является субъективно определяемая система весов.
Более того, актуальность проблемы оценки надежности банков осознана давно, и в связи с этим на государственном уровне возникла и эффективно функционирует система надзора за банками, позволяющая своевременно выявлять признаки банкротства. Однако существующие зарубежные методики оценки надежности банков не применимы к российским реалиям без адаптации. Причинами такого положения служат существенные различия в экономических условиях работы банков, а различия в системах бухучета не позволяют в полной мере использовать для оценки надежности банка зарубежные системы показателей и методы их анализа.
Вообще, принятие решения о том, что банк находится в финансово устойчивом (либо в "проблемном") состоянии важно для многих категорий лиц, принимающих решение (ЛПР). Так, для ЦБ РФ это важно с позиций выявления проблемных банков на основе дистанционного анализа его отчетности. Здесь банк (точнее - финансово-экономическое состояние банка - ФЭСБ) относится по степени риска к одной из четырех групп. В кредитном или аналитическом отделе коммерческого банка эта задача актуальна при выборе банка-контрагента и установлении лимитов межбанковского кредитования (МБК). Для руководителей фирм этот вопрос связан с оценкой кредитного риска фирмы с учетом вероятности банкротства банка-партнера.
В связи с этим для преодоления моментов субъективности в рейтинговых моделях, с одной стороны, и снижения затрат на определение надежности банка (большие расходы требуют закрытые методы), с другой, предлагается использовать эконометрические модели (дискриминантный анализ, логит- и пробит-модели и
т.д.). На государственном уровне такие модели могут служить своеобразной системой поддержки принятия решений, сопровождающим инструментом при выработке предупредительных и принудительных мер по отношению к "проблемным" банкам.
Цель и задачи исследования. Целью исследования является разработка методологии оценки кредитоспособности и надежности банка, основанной на эконометрическом подходе (включая анализ диапазона применимости предлагаемой методики).
Для достижения поставленной цели в работе предполагается решить следующие задачи:
проанализировать институциональный аспект регулирования банковской системы за рубежом и в России;
провести сравнительный анализ зарубежных и российских рейтинговых моделей надежности банков, обобщить практику формирования моделей действующих рейтингов;
теоретически осмыслить моделирование рейтингового процесса и рассмотреть вопрос достоверности рейтинговых моделей надежности коммерческих банков;
провести анализ возможностей применения эконометрического инструментария для оценки надежности банков;
разработать эконометрическую модель и основанную на ней методологию оценки надежности банков с учетом переходного периода российской экономики;
осуществить экспериментальную апробацию предложенной методологии и провести анализ диапазона ее применимости в условиях нестабильности российской банковской системы.
Объектом исследования являются институциональный аспект регулирования банковской деятельности и рейтинговые модели надежности банков (включая эконометрический подход). Информационной базой проведенного исследования являются данные бухгалтерских балансов российских коммерческих банков.
Методологической и теоретической основой исследования являются теория управления коммерческим банком и модели оценки надежности банка.
В процессе работы автором были изучены труды российских экономистов, исследовавших проблемы надежности банка: Иванова В.В., Захарева B.C., Лаврушина О.И., Матовникова М.Ю., Михайлова Л.В., Пановой Г.С., Усоскина Н.В., Фадейкина Н.В. и др. В их работах освещены различные аспекты деятельности коммерческих банков, в том числе и проблема надежности банков, анализируются особенности российской банковской системы. Так как проблема надежности и методологические основы формирования рейтинга банков хорошо раскрыта в зарубежной экономической литературе, в диссертации широко использованы труды экономистов: Балтропа К.Дж., Рида Э., Роуза П.С., Синки Дж.Ф. и др. Математико-статистический инструментарий, использованный в данной диссертации, опирается на достижения отечественных и зарубежных математиков-статистиков: Айвазяна С.А., Андерсона Т., Альтмана Э., Бухштабера В.М., Грина У. и др. Кроме того, в работе использовались статистические, информационные и справочные материалы, регулярно выпускаемые БФИ.
Научная новизна. На основе изучения специальной отечественной и зарубежной литературы, проведенного анализа изученных материалов и исходя из теоретических взглядов автора, в диссертации впервые:
обоснована необходимость и проанализирована методология оценки надежности контрагентов с помощью эконометрического инструментария;
обновлена система основных и дополнительных коэффициентов в рамках традиционных критериев надежности банков на основе финансовой отчетности;
разработана и апробирована эконометрическая модель формирования рейтинга надежности коммерческих банков;
даны рекомендации по диапазону применимости предлагаемой методики. Практическая значимость работы заключается в том, что материалы диссертационного исследования позволяют решить комплекс задач в аналитической работе российских банков, в частности, отделов кредитного и риск-менеджмента, занимающихся нахождением надежных контрагентов и
снижением риск в деятельности банка. Предполагается, что материалы могут использоваться в работе департамента надзора над кредитными организациями ЦБ для своевременного выявления финансового - проблемных банков.
Мониторинг кредитных учреждений как база своевременного выявления проблемных банков (опыт США и России)
Одна из главных задач банковского регулирования состоит в минимизации финансовых потерь, связанных с неплатежеспособностью банковских институтов. В связи с этим возникает необходимость оценивать финансовое состояние банков и других депозитных учреждений и при наличии признаков неспособности принимать корректирующие меры.
В США, согласно закону об улучшении деятельности ФКСД (1991 г.), все банки должны подвергаться инспекции на месте не реже одного раза в год. Во время инспекции представители регулирующего органа на основании оценки прочности финансового положения банка, соответствия его деятельности законодательству и политике регулирования, качеству и квалификации менеджмента, системе внутреннего контроля и учёта присваивают соответствующий рейтинг. На основе единой системы рейтинга финансовых институтов, принятой в 1979 г., каждой финансовой организации выставляется единый суммарный рейтинг, учитывающий оценки финансового состояния, оперативной эффективности, соответствия нормам регулирования. При этом финансовые результаты банков оцениваются по показателям адекватности капитала, по качеству активов, менеджменту, доходности, ликвидности. Эта система получила название CAMEL. Каждый элемент оценивается в баллах от 1 до 5. С (capital adequacy) - показатель достаточности капитала и соответствия реального размера капитала необходимому. A (asset quality) - показатели качества активов, определяющей степень «возвратности» активов и внебанковских статей, а также финансовое воздействие проблемных займов. М (management) - показатели качества управления, оценивается на основе работы, устоявшейся политики, глубины контроля и соблюдения законов и инструкций. Е (earnings) - показатели доходности и прибыльности. Определяется достаточность доходности для будущего роста банка. L (liquidity) - показатели ликвидности, определяющие достаточно ли ликвиден банк, чтобы выполнить обычные и неожиданные требования.
Особенностью этой системы является сочетание методов дистанционного и инспекционного анализа: некоторые из показателей определяются заочно, на основе документов, поступающих в центральный Банк, другие же требуют надзорной проверки на месте для выяснения полной картины.
Дистанционный анализ состоит в работе с финансовой отчётностью банка в текущем режиме.
Инспекционный анализ основывается на проверках, осуществляющихся квалифицированными инспекторами на местах. Обычно упоминают 4 основных задачи проведения инспекционных проверок: проверка достоверности финансовой отчётности; проверка соблюдения законов и постановлений ФРС; определение надёжности управления; анализ финансовой устойчивости банка в целом.
Сама рейтинговая система CAMEL является диагностическим инструментарием, способствующим распознаванию приближающегося краха банка.
Отражая наиболее типичные приемы анализа финансового состояния, система CAMEL применима к любой другой стране, с некоторыми поправками на особенности этой страны.
Вот что думает об этом Ината Мамонова, д.э. н., профессор Финансовой Академии при Правительстве РФ, по отношению к России: "Что касается проблемы адаптации системы CAMEL к российским условиям, то в ней просматривается несколько моментов.
Во-первых, необходимо иметь виду, что рейтинговая система CAMEL в США используется в рамках государственного надзора, названного разумным банковским контролем. Это означает, что органы банковского надзора имеют возможность: а) запросить у банков любую отчетность и информацию об их деятельности, б) выйти на место с целью изучения и анализа различных аспектов деятельности банков, в т.ч. его менеджмента, в) воздействовать на банки в целях устранения выявленных недостатков. В российских условиях правовой акцент надзорной деятельности Центрального банка России закреплен в Законе "О Центральном банке РФ ( Банк России)". Поэтому с правовой точки зрения использование системы CAMEL в России аналогично тому, как в США, но имеет проблем.
Проблема состоит, прежде всего, в кадровом составе аналитиков, осуществляющих дистанционные и инспекционные проверки коммерческих банков. Поскольку рейтинговая система CAMEL в значительной мере опирается на субъективные оценки, высокий уровень профессионализма аналитиков играет существенную роль в эффективности применении данной системы. Причем в России требуется большой штат квалифицированных аналитиков, имея в виду численность коммерческих банков. В этой связи для решения данной проблемы можно было бы позаимствовать опыт Швейцарии, где для проверок привлекаются зарекомендовавшие себя аудиторские фирмы.
Сравнительный анализ существующих открытых методик
Сравнительный анализ проведем в рамках установленной выше структуры. По набору показателей все открытые методики относятся к простым. По мере возможности анализ будем осуществлять по следующим направлениям: достаточность капитала; качество активов; ликвидность; эффективность. Из-за отсутствия показателей по менеджменту во всех открытых методиках этот раздел не будет рассмотрен. Так как модели №1 и №2 построены на общих принципах, то анализ проведем только для модели №2 (В. Кромонова).
Во-первых, рейтинги отличаются по количеству учитываемых показателей. Так, в модели №2 используется 7 показателей, в рейтинге модели №4 -16, в модели фирмы ПАКК - 9.
Оценка достаточности капитала в модели №4 представлена тремя показателями: коэффициент достаточности капитала, равный отношению капитала-нетто к активам, приносящим доход и показывающий степень обеспечения вложений его собственными деньгами; коэффициент покрытия, равный отношению собственных средств банка к привлеченным средствам и иллюстрирующий степень обеспечения последних деньгами банка; коэффициент сохранения капитала (фильтр Кромонова), равный отношению капитала - нетто к его положительной составляющей. У Кромонова к этой части относятся "фильтр Кромонова и генеральный коэффициент надежности, показывающий степень обеспеченности рискованных вложений банка его собственным капиталом. Фирма ПАКК этот раздел представляет тремя показателями в виде соотношений и двумя показателями величины капитала: соотношение капитала банка и суммарного объема активов, взвешенных с учетом риска (норматив HI Центрального банка), соотношение капитала и активов с повышенным риском (Н2), отношение капитала к его обязательствам (НЗ); размер капитала; уставный фонд. При этом расчет показателей производится согласно требованиям инструкции ЦБ №1 от 30 апреля 1991г. При расчетах первые две модели использовали устаревший метод анализа объема капитала, который основывался на относительных показателях (объем капитала к объему активов) и был известен как метод рычага. Этот метод имеет некоторые недостатки: предполагает, что все активы имеют одинаковую степень риска; не учитывает риски, связанные с забалансовыми операциями. Так как у фирмы ПАКК все показатели достаточности капитала рассчитываются на основе инструкции ЦБ №1, то, принимая во внимание тот факт, что искажение нормативов, предоставленных ЦБ, является обычным явлением, можно сказать, что сочетание только этих показателей не включает в себя полную информацию об адекватности капитала.
Часть оценки качества активов в модели рейтинга "Коммерсантъ" (модель №4) представлена группой "структура активов" в составе четырех показателей: коэффициент работоспособности активов, показывающий в какой мере банк использует имеющиеся у него ресурсы для обеспечения доходов клиентам, акционерам и себе; коэффициент диверсификации активов, обратно пропорциональный доле вложений банка в фактически однородные активы в общей сумме активов, приносящих доход и показывающий степень разнородности его операций, а также степень диверсификации риска активных операций; коэффициент инвестиционной активности, иллюстрирующий степень "общественной полезности" банка как кредитора экономики; коэффициент качества ссуд, равный единице минус отношение просроченной задолженности к общему объему выданных кредитов. Помимо показателей, образующих группу "структура активов", качество активов характеризуется коэффициентом защищенности от риска, равным отношению созданных банком резервов к сумме ссудной задолженности и вложений в рисковые ценные бумаги. По нашему мнению, раздел представлен оптимальным образом (в рамках ограничения пяти показателями).
У В. Кромонова в модели №2 этому разделу отводится недостаточное внимание. Раздел представлен, и то в неявном виде, только коэффициентом защищенности капитала, показывающим насколько банк учитывает инфляционные процессы и какую долю своих активов размещает в недвижимость, ценности и оборудование. Можно сказать, что в этой модели не учитывается важность качества активов при определении надежности банка.
Фирма ПАЮС (модель №3) тоже использует один коэффициент, рассчитываемый отношением просроченной задолженности к валюте баланса. Показатель по экономической сущности является очень информативным, но так как банки часто не показывают истинную сумму задолженности, то и этот коэффициент мало что даст для оценки качества активов.
Показатели анализа ликвидности в модели "Коммерсантъ" (модель №4) представлены: коэффициентом текущей ликвидности, равным отношению ликвидных активов банка к его обязательствам до востребования, и показывающим, насколько оперативно банк может совершать платежи клиентов, состоящих в банке на расчетно-кредитном обслуживании; коэффициентом пропорциональности клиентского кредитования, равным отношению привлеченных банком средств клиентов к выданным клиентам же кредитам, и показывающим, использует ли банк межбанковские кредиты для финансирования своих клиентов и, таким образом, определяющим вероятность невыполнения им обязательств перед банками в случае невозврата кредита клиентом. Как видно, коэффициент текущей ликвидности по экономическому содержанию соответствует нормативу Н2 (мгновенной ликвидности) инструкции №1 ЦБ РФ. В модели не принимается во внимание кратко - и долгосрочной ликвидности, которые тоже имеют огромное значение для надежности банка. К этому разделу можно отнести еще два показателя структуры депозитов: коэффициент клиентской базы, равный доле средств клиентов в общем объеме привлеченных банком средств и иллюстрирующий качество ресурсной базы банка, а следовательно и его устойчивость и независимость от иных внешних источников финансирования; коэффициент диверсификации клиентской базы, равный отношению привлеченных банком средств частных лиц к сумме счетов юридических лиц и иллюстрирующий степень устойчивости ресурсной базы банка, которую обеспечивают относительно небольшие, но многочисленные вклады граждан. Эти показатели имеют огромное значение при управлении ликвидностью банка.
Подход, основанный на статистических методах классификации
Для преодоления недостатков в выше описанных рейтинговых моделях предлагалось использовать эконометрический подход. В основе оценивания надежности банка, в этом случае, подходе лежит решение задачи классификации. К эконометрическому инструментарию решения задач классификации можно отнести нейронные сети, многомерный дискриминантный анализ, логит- и пробит-модели (параметрические методы), метод "к ближайших соседей", процедуру иерархической классификации (непараметрической), расщепление смеси распределений вероятностей.
Для получения интегрального показателя (или решающего правила) в нейронных сетях осуществляется следующая процедура: а) выбирается система кодирования выходного значения или значений; б) выбирается топология или архитектура сети: число элементов и структура связей (входы, слои, выходы); в) выбирается функция активации; г) выбирается подходящий алгоритм обучения сети.
Нейронные сети имеют возможность генерировать бесконечное число нелинейных регрессионных моделей. Но как часто бывает, достоинство одновременно является и недостатком. Благодаря способности тонко улавливать структуру аппроксимируемой функции, сеть достигает очень высокой степени соответствия на обучающем множестве, и в результате плохо делает обобщения при последующей работе с новыми данными. Это явление называется переобучением, или "эффектом бабушкиного воспитания". Чем богаче набор моделируемых функций, тем больше риск переобучения. Вопросы, касающиеся переобучения и слабой способности к обобщению, связаны с общей проблемой отделения сигнала от шума. Часто сеть моделирует не столько саму функцию, сколько присутствующий в обучающем множестве шум.
Для того, чтобы сконструировать хороший классификатор, очень важно иметь в своем распоряжении высококачественные данные. Многое зависит от числа примеров в обучающем множестве, а также от его соотношения с размерностью пространства. Необходимо, чтобы имеющийся набор примеров был достаточно богатый и представительный для той популяции, с которой придется работать в данной модели. Число необходимых примеров резко растет с увеличением сложности моделируемой функции и повышением уровня шума. Другой момент связан с тем, что заранее неизвестно, какой сложности (т.е. размера) сеть потребуется для достаточно точной реализации отображения. Эта сложность может оказаться чрезмерно большой. Архитектура сети имеет огромное значение для решения поставленной задачи. Слишком сложная, т.е. описываемая с помощью слишком большого числа параметров, модель сильно приспосабливается к обучающим данным и может плохо аппроксимировать новые данные, а упрощенную модель построить просто невозможно. Другим недостатком можно считать то, что нейронные сети представляют собой "черный ящик". Очень трудно выяснить влияние каждого фактора на решение, принимаемое в задаче классификации. Трудности возникают даже при одном скрытом слое. В этом случае признаковое пространство сначала преобразуется (нелинейным образом) в новое пространство представлений (пространство скрытого слоя), а затем гиперплоскости, соответствующие выходным узлам, располагаются так, чтобы разделить классы уже в этом новом пространстве. Тем самым, сеть распознает уже другие характеристики, полученные в скрытом слое. Преимуществом нейронных сетей по отношению к моделям рейтинговых агентств, которые тоже представляют собой "черный ящик", является факт объективности. Момент объективности заключается в раскрытии информации об используемой сети.
Проблема частичной компенсируемости признаков как в нейронных сетях, так и в статистических моделях преодолевается косвенным путем, при решении задач классификации. На примере банков, при выборе классов в обучающей выборке, характерными признаками для определения классов могут быть критерии ЦБ по проблемности банков. В составе критериев определяющее место отдается нарушениям нормативов ЦБ. Выполнение нормативов ЦБ со стороны банков включает в себя факт частичной компенсируемости признаков. А так как при классификации решается задача отнесения объекта к тому или иному классу по принципу "похожести", то в этом процессе автоматически решается выше поставленная проблема.
Об "эффективности" эконометрического подхода к оценке надежности банков в условиях российского финансового кризиса
Потери в размерах, доходности и устойчивости российской банковской системы, массовые банкротства (в том числе крупнейших банков), значительная ротация в банковской табели о рангах, рождение новых лидеров - таковы экспресс-итоги жесточайшего банковского кризиса. Осуществляется реструктуризации всей банковской системы.
После августовского кризиса почти все крупные банки, находящиеся на грани банкротства, пытались сохранить хотя бы часть своего бизнеса. Самым удобным и простым вариантом для этого послужил вывод жизнеспособной части своего бизнеса в банк-дублер. Бридж-банком "Менатеп" стал "Менатеп Санкт-Петербург". Росбанк стал основным дублером ОНЭКСИМбанка, к которому в настоящее временя перетекла большая часть бизнеса ОНЭКСИМбанка. Приемником "Российского кредита" стал "Импэксбанк". Банком, претендующим на место СБС-Агро, является "Первое общество взаимного кредита". Можно сказать, что перевод банками своего бизнеса в дружественные структуры - не единственно возможная схема продолжения их жизни. К этому методу относится санация банка со стороны другого. Примером тому являются Уникомбанк и Мосбизнесбанк. Санатором первого является Гута - банк, второго - Банк Москвы. Таким образом, их бизнес переходит не в мелкие дочерние банки, а в крупные и самостоятельные.
Другой характерной чертой после августовского кризиса является то, что некоторые банки показали впечатляющие темпы роста.74 Во-первых, это банки, которые более чем наполовину принадлежащие нерезидентам. Это Ситибанк, АБН АМРО, БНП - Дрезднер банк и Международный Московский банк. Остатки на счетах их клиентов выросли на столько же, на сколько вырос доллар по отношению к рублю. Своим ростом иностранные банки обязаны, прежде всего, иностранным же фирмам, работающим в России. При этом нужно добавить, что Еврофинанс являясь дочерным банком Евробанка, предоставляет собой дочерной банк ЦБ РФ, а акционерами ММБ вместе с нерезидентами, являются Сбербанк и Внешторгбанк.
Сходные темпы роста продемонстрировали еще два банка, которые к иностранцам не имеют никакого отношения. Это Желдорбанк и БалтОНЭКСИМбанк.
Желдорбанк специализируется на работе с предприятиями МПС. И рост его показателей связан прежде всего с приходом ряда предприятий и организаций Московской железной дороги из Московского индустриального банка. Успех же петербургского БалтОНЭКСИМбанка во многом объяснялось поддержкой городской администрации (убыток по 3 кварталу 1999 г.).
Другой момент связан с повышением значимости иностранного капитала в российской банковской сфере.75 К традиционным методам проникновения финансовых услуг на российский рынок (относятся покупка уже действующего российского банка и создание банка с нуля после получения лицензии Банка России), после кризиса к ним добавились еще: 1) покупка российского банка за долги и 2) создание "нового банка" путем полной замены ее российских акционеров на иностранных.
Происходит реструктуризация крупнейших холдингов и альянсов российских банков, и окончательная структура этой части банковского сектора еще не сложилась. Главным итогом банковского кризиса стало разрушение полиолигархической структуры банковской системы, группирующейся вокруг нескольких крупнейших финансово-промышленных групп ("Интерос -Онеэксим", "Роспром - Менатеп" Инкомбанк, "Газпром - ЛУК-ойл"). Сейчас "сливки" негосударственного банковского бизнеса концентрируется, в основном, в двух банковских группах - группе "Газпрома" и в московской группе банков.
Кроме того, усиливаются позиции госбанков, укрепляется монополия Сбербанка на рынке частных вкладов, произошел наплыв клиентуры и рост активов Внешторгбанка. Можно сказать, что конкуренция между новыми центрами силы банковской системы еще не завершилось.
Для банков перспективным направлением развития является захват сектора рынка, оставленного банками - банкротами. Сейчас большая их часть до конца не поделена и ведется борьба за привлечение в свой банк новых клиентов. После кризиса многие предприятия торговли, промышленности, сельского хозяйства оказались в очень тяжелом положении по причине банкротства целого ряда кредитных организаций. В первоначальный период они перевели свои счета в Сбербанк РФ из-за желания бесперебойного расчетно - кассового обслуживания. В настоящее время предприятия ищут для себя новых партнеров, способных предложить не только высокую надежность обслуживания, но и качественный банковский сервис. Процесс идет, но медленно. Этому свидетельствует тот факт, что через Сбербанк, Внешторгбанк, Газпром, Ситибанк, ММБ банков проходит примерно треть средств российских компаний. Более того, Сбербанк, Банк Москвы и Мост-банк контролируют свыше 47% бюджетных счетов. С другой стороны, многие небольшие банки показывают завидные темпы прироста количества клиентов. По мнению финансовых аналитиков, сегодня банки оформляются в несколько плотных групп:
Первая группа - эта крупнейшие банки, которым не дали умереть в разгар экономического кризиса и которые постепенно возвратили утраченные в конце прошлого года позиции. Вторая - "надежные средние банки", которые имели до кризиса репутацию стабильно работающих банков с качественным менеджментом. Третью группу составили крупные региональные банки, которые сумели подняться в разгар банковского кризиса благодаря бюджетным счетам местных администраций, и небольшие московские банки, которые не были замечены в активности на рынке гособлигаций и валютном рынке, и все время кредитовали исключительно своих же главных учредителей и клиентов. Банки второй группы сосредоточивались на улучшении качества обслуживания клиентов и снижении издержек.
В этих условиях усложняется применение эконометрических методов к оценке надежности банков. Так, специфического подхода требуют к себе банки, входящие в крупнейшие холдинги и группы. Надежность этих банков тесно связана с деятельностью той группы или холдинга, в которую они входят. Стабильное функционирование тех банков, за которыми стоят областные или городские администрации, зависит от финансового состояния и проведенной политики самой администрации. Одним из основных свойств банков третьей группы является сильная зависимость от учредителей и неформальных инвесторов.
