Слайд 3Место в существующей литературе
Согласно предыдущим исследованиям, банковское регулирование либо не влияет на
риск, либо влияние совсем мало.
Demirguc-Kunt and Detragiache (2011)
Другие работы (включая данную) исследовали данное влияние:
Barth et al. (2004)
Pasiouras et al. (2006)
Использование многоуровневых квантильных регрессий:
Koenker and Bassett (1978)
Слайд 4CAMEL индикаторы банковского риска
Слайд 5Выделение факторов
Определение количества факторов
Определение факторов:
Capital and asset risk
Liquidity and market risk
Слайд 7Прокси банковского регулирования и надзора
Слайд 9Почему не OLS?
1
Оценивая набор квантильных функций, можно получить более полное описание гетерогенной
взаимосвязи между регуляцией, мониторингом банков и их устойчивостью
2
Оценки OLS чувствительны к данным «outliers» и распределениям с «тяжелыми хвостами»
3
Квантильные регрессии не требуют предпосылки о одинаковости распределения ошибок во всех точках условного распределения
Слайд 10Оцениваемая регрессия
Исследователи пользуется «multilevel model», поскольку риск банков в одной стране может
бы не независим. Базовая квантильная регрессия:
Слайд 11Проблема эндогенности
Проблема
Регулирование и мониторинг деятельности банков зависит от общей политической ситуации и
отражает различия в законодательных и политических системах
Решение
Чтобы проверить наличие эндогенности для регулирования и мониторинга деятельности банков авторы используют метод 2SLS. В качестве инструментальных переменных использованы: economic freedom index of Fraser Institute, отношение государственных расходов к ВВП, political ideology indicacator, параметры независимости ЦБ
Результат
Были проведены тест Саргана (нулевая гипотеза – инструменты не коррелируют с ошибкой) и тест Вальда на экзогенность (нулевая гипотеза – инструментальные переменные экзогенны). Результаты тестов говорят о корректности используемых авторами инструментальных переменных и об отсутствии эндогенности регулирования и мониторинга деятельности банков
Слайд 12Методика оценки и результаты (1)
Авторы оценивали модели для ‘capital and asset risk’
и ‘liquidity and market risk’ одновременно, используя систему уравнений
Для выбора спецификации модели авторы используют метод перехода от общего к частному
Примерно 40% общей дисперсии банковского риска объясняется межстрановыми различиями
Большинство контрольных переменных значимы. Их знак совпал с ожидаемым
Слайд 13Методика оценки и результаты (2)
Слайд 14Методика оценки и результаты (3)
Затем авторы включают прокси для регулирования и мониторинга
банковской деятельности в стандартную модель
Также на этом этапе они выделяют прямые эффекты измерения и косвенные эффекты, полученные с помощью учета влияния двух типов риска друг на друга
Слайд 15Анализ чувствительности
Гипотеза
Авторы проверяют предположение о том, что эффект от регуляции и мониторинга
деятельности банка зависит от типа организации банка
Метод
Для этого они разбивают выборку на listed/non-listed банки, частные/государственные банки, крупные/мелкие банки, EMU banks/North American banks
Результаты
Эффекты от регулирования ликвидности и деятельности банка выше для listed банков; эффекты от частного мониторинга выше для non-listed банков
Ограничения на ликвидность и деятельность больше влияют на риск частных банков
Те же эффекты сильнее для крупных банков. При этом ограничения на капитал больше влияют на мелкие банки
Географический фактор не оказывает значительного влияния на банковский риск и финансовое регулирование
Слайд 16Анализ чувствительности (2)
Также авторы проверили свою модель на наличие обратной взаимосвязи: зависит
ли регулирование и мониторинг деятельность банка от рисков банковской системы? Для этого они построили следующую квантильную регрессию:
Вывод: включенные в модель переменные, отвечающие за банковский риск не определяют характер регулирования деятельности банков