Главная страница
Контакты

    Главная страница


Факторы, влияющие на величину спреда в коммерческих банках у валютной пары доллар к рублю

Скачать 182.83 Kb.



Скачать 182.83 Kb.
Дата16.09.2017
Размер182.83 Kb.

Факторы, влияющие на величину спреда в коммерческих банках у валютной пары доллар к рублю


Оглавление

  • Введение
  • 1. Теоретический обзор
    • 1.1 Новая цель - таргетирование инфляции
    • 1.2 Переход к плавающему курсу в России
    • 1.3 Реакция коммерческих банков
  • 2. Постановка исследовательской проблемы
  • 3. Методология исследования
  • 4. Описание результатов
    • 4.1 Ограничения и перспективы исследования
  • Заключение
  • Список литературы
  • Приложение

Введение

В 2014 году ЦБ России отказался от контроля валютного курса в пользу таргетирования инфляции.

Инфляционное таргетирование (таргетирование инфляции, англ. Inflation targeting) - комплекс монетарных мер, принимаемых государственными органами власти в целях контроля над уровнем инфляции в стране. Основной инструмент проведения денежно-кредитной политики по поддержанию запланированного уровня инфляции - манипулирование учётной процентной ставкой (ставкой рефинансирования).
Главной целью ЦБ сегодня является поддержание определённого уровня инфляции в стране, когда курс национальной валюты стал плавающим. Возникает вопрос: как это сказывается на участниках рынка? Есть мнения, что высокая волатильность валютного курса тормозит развитие международных отношений. Вне зависимости от того, импортирует или экспортирует компания, покупает валюту или продает, риск потерять на валютно-обменных операциях при высокой волатильности валютного курса возрастает. Коммерческие банки вынуждены повышать спред на валюту, сталкиваясь с повышенными колебаниями валюты, а, следовательно, и с повышенными валютными рисками.
Комме́рческий банк - кредитное учреждение, осуществляющее банковские операции для юридических и физических лиц (расчётные, платёжные операции, привлечение вкладов, предоставление ссуд, а также операции на рынке ценных бумаг и посреднические операции).
А спред на валюту, в свою очередь, повышает затраты экспортеров и импортеров, совершающих валютно-обменные операции.

Рассматриваются различные способы решения возникшей проблемы, например, Госдума уже обращалась к Центральному банку с просьбой ограничить спред продажи евро и доллара, чтобы его максимальное значение составляло 5 %. В период январь - март 2015 года наблюдалась разница между покупкой и продажей евро, доллара более 30 рублей, что значительно превышает и официальный курс Центрального банка и биржевой курс.

Котиро́вка (фр. Cote, англ. Financial quote) - цена (курс, процентная ставка) товара, которую объявляет продавец или покупатель и по которой они готовы совершить покупку или продажу (предлагается оферта).
Это создаёт панику среди населения и мотивирует граждан покупать валюту по завышенному курсу. Если смотреть на ситуацию со стороны импортёров и продавцов зарубежной продукции, то можно обнаружить, что ввиду пересчёта отпускных цен по курсу продажи, предложенному банками, увеличиваются риски инфляции значительно и безосновательно.

Если обратиться к разным коммерческим банкам с целью покупки или продажи валюты, то можно заметить, что все они предлагают разные цены покупки и продажи валюты. При этом спред - разница между покупкой и продажей валюты может отличаться существенно. Здесь и возникает вопрос, от чего зависит размер спреда в коммерческих банках? Поэтому целью настоящего эмпирического исследования является выявление факторов, влияющих на величину спреда в коммерческих банках у валютной пары доллар к рублю. Для достижения поставленной цели будут решены следующие задачи:

- Провести обзор существующих методов измерения валютного спреда в коммерческих банках, на рынке Форекс;

- Выделить параметры, которые характеризуют валютный спред при конверсионных операциях;

- Собрать базу данных, содержащую необходимые финансовые показатели коммерческих банков, а также котировки валютной парыдоллар к рублю, за период март 2016 года;

- Выявить факторы, влияющие на валютный спред в коммерческих банках с помощью эконометрического анализа;

- Произвести сравнительный анализ всех коммерческих банков города Перми, с целью выявления наиболее выгодных для проведения валютно-обменных операций;

Пермь Пермь (МФА: /pʲermʲ/; местн. произн. /pʲerʲmʲ/) - город на востоке европейской части России, в Предуралье, административный центр Пермского края, порт на реке Каме, транспортный узел на Транссибирской магистрали, имеет статус города краевого значения и городского округа.

- Проанализировать полученные результаты, описать ограничения проведенного анализа и предложить направления дальнейших исследований в данной области.

Новизной работы является то, что никто прежде не изучал факторы, влияющие на спред наличной валюты в разрезе коммерческих банков. Вся релевантная литература и полученные там эмпирические результаты были сделаны на основе данных Форекса - рынка межбанковского обмена валюты по свободным ценам (котировка формируется без ограничений или фиксированных значений).

Валютный рынок (англ. Foreign exchange market, currency market) - это система устойчивых экономических и организационных отношений, возникающих при осуществлении операций по покупке или продаже иностранной валюты, платежных документов в иностранных валютах, а также операций по движению капитала иностранных инвесторов.
Так как на сегодняшний день в России коммерческие банки устанавливают котировки без каких-либо ограничений, это даёт возможность использовать методы эконометрического анализа и на рынке обмена наличной валюты.

Объектом исследования являются российские коммерческие банки, расположившие свои офисы на территории города Перми. В качестве зависимой переменной будет выступать разница между покупкой и продажей валюты (далее валютный спред), а независимыми переменными выступят волатильность валютного курса, количество офисов банка на территории города Пермь, размер банка (здесь будут учитываться активы банка), а также валютный оборот, нормированный на чисты активы банка, что позволяет учесть разницу в размерах банков.

Инструментам, позволяющим провести соответствующий анализ, является такой эконометрический метод, как метод наименьших квадратов.

Активы банка - объекты собственности, имеющие денежную оценку и принадлежащие банку. Основные источники средств для образования активов: собственный капитал банка и средства вкладчиков, межбанковские кредиты, эмиссия облигаций банка.
Метод наименьших квадратов Метод наименьших квадратов (МНК, англ. Ordinary Least Squares, OLS) - математический метод, применяемый для решения различных задач, основанный на минимизации суммы квадратов отклонений некоторых функций от искомых переменных.
В ходе работы планируется построить несколько моделей, описание которых будет предложено в разделе «Методология исследования».

Данные представлены двумя коммерческими банками - Урал ФД и Сбербанк за период с 20.11.2013 по 06.06.2015 (ежедневные котировки на покупку и продажу доллара за рубли). А также будут использованы данные - котировки 52 коммерческих банков, филиалы которых расположены на территории Пермского края.

Касаемо структуры работы, в теоретическом обосновании проведен теоретический обзор релевантных работ о методах измерения валютного спреда. Среди основных исследователей данного вопроса можно выделить следующих: Боллерслев и Мелвин (1993), рассматривающих влияние волатильности валютного курса, Таррон Хемрай и Сукришналал Паша, рассматривающих влияние рыночной власти коммерческого банка на валютный спред, Галати (2000), рассматривающий торгуемый объём, как фактор, влияющий на величину спреда.

Далее в разделе о постановке исследовательского вопроса выдвинуты предположительные гипотезы. В разделе «Методология» описаны методы, использованные для проведения исследования, выборка и ее основные характеристики, которые позволяют судить о коммерческих банках, которые были выбраны для эмпирического анализа. Следующий раздел направлен на описание полученных в ходе эконометрического анализа результатов, их соотношение с выдвинутыми гипотезами и экономическую интерпретацию выводов.

1. Теоретический обзор

1.1 Новая цель - таргетирование инфляции

Как известно, начиная с 10 ноября 2014 года Центральный банк Российской Федерации перешёл к инфляционному таргетированию.

Центральный банк Российской Федерации (Банк России) - главный банк первого уровня, главный эмиссионный, денежно-кредитный институт Российской Федерации, разрабатывающий и реализующий во взаимодействии с Правительством Российской Федерации единую государственную денежно-кредитную политику и наделённый особыми полномочиями, в частности, правом эмиссии денежных знаков и регулирования деятельности банков. Банк России, выполняя роль главного координирующего и регулирующего органа всей кредитной системы страны, выступает органом экономического управления. Банк России контролирует деятельность кредитных организаций, выдаёт и отзывает у них лицензии на осуществление банковских операций, а уже кредитные организации работают с прочими юридическими и физическими лицами, при этом Банк России также является юридическим лицом.
Это была одна из главных реформ, проведенных в Банке России. Это значит, что для Центрального банка основной целью стала цель по регулировании инфляции. Сначала это была цель по ее снижению соответственно тем показателям, которые были установлены на ближайшие годы (в 2014 г. предполагалось 5%, в следующем году - 4,5, потом - 4%) и затем по ее поддержанию на определенном уровне. Что значит поддержание инфляции на определенном уровне? Это не значит, что она каждый день, каждую минуту будет на одном и том же уровне. Это означает, что Центральный банк будет определенным образом реагировать с целью вернуть инфляцию к заданной целевой траектории или к заданным уровням, чтобы в средне- и долгосрочной перспективе обеспечить стабильность показателя инфляции.

Но за счёт чего это будет проводиться? В любой стране всегда стремятся к одновременно низкой инфляции, стабильным процентным ставкам, желательно тоже низким, и, конечно же, стабильному валютному курсу, причем для экспортеров, чтобы национальная валюта была дешевой, а для населения и импортеров, чтобы она была дорогая, чтобы можно было купить импорт подешевле. К сожалению, этого добиться очень нелегко.

Если обратиться к сайту ЦБ, то можно найти несколько слов о политике валютного курса Банка России: «В России действует режим плавающего валютного курса.

Процентная ставка - сумма, указанная в процентном выражении к сумме кредита, которую платит получатель кредита за пользование им в расчёте на определённый период (месяц, квартал, год).
Плавающий валютный курс, или колеблющийся валютный курс (англ. floating rate of exchange) - режим валютного курса, при котором значению валюты разрешено колебание в зависимости от валютного рынка. Валюта, использующая плавающий обменный курс, известна как плавающая валюта.
Это означает, что курс рубля не является фиксированным и какие-либо цели по уровню курса или темпам его изменения не устанавливаются. Динамика курса рубля определяется соотношением спроса на иностранную валюту и ее предложения на валютном рынке. Гибкий валютный курс помогает экономике России подстраиваться под меняющиеся внешние условия, сглаживая воздействие на неё внешних факторов.
Официальный курс иностранных валют по отношению к рублю (иногда, "официальный курс рубля") - курс российского рубля, устанавливаемый Центральным банком РФ по отношению к иностранным валютам на определенный период времени.
Экономика России - шестая экономика (по данным за 2016 год) среди стран мира по объёму ВВП по ППС. ВВП по ППС России за 2016 год составил 00 млрд. Номинальный ВВП России за 2015 год составил 24 млрд, по этому показателю Россия занимает 12-е место в мире.

Банк России в нормальных условиях не совершает валютных интервенций с целью повлиять на динамику курса рубля.

Валютная интервенция - значительное разовое целенаправленное воздействие центрального банка страны на валютный рынок и валютный курс, осуществляемое путём продажи или закупки банком крупных партий иностранной валюты.
Стандартные условия для температуры и давления - это значения температуры и давления, с которыми соотносятся значения других физических величин, зависящих от давления и температуры. Принятые в разных дисциплинах и разных организациях точные значения давления и температуры в стандартных условиях могут различаться, поэтому указание значений физических величин (например, объёма одного моля газа, электродного потенциала, скорости звука и так далее) без уточнения условий, в которых они приводятся, может приводить к ошибкам. Наряду с термином «стандартные условия» применяется термин «нормальные условия».
В то же время Банк России пристально следит за ситуацией на валютном рынке и может совершать операции с иностранной валютой для поддержания финансовой стабильности.»[36]

При всех этих установках ЦБ что происходит с валютным курсом? Валютный курс может быть гибким и волатильным, но на самом деле он выполняет важную функцию - абсорбирует внешние шоки. Как уже отмечалось, экспортерам нужен дешевый курс, импортерам и потребителям - дорогой. Одновременно этого достичь невозможно. Но колебания курса позволяют балансировать между этими интересами. Другое дело, что, конечно, никогда нельзя полностью избежать финансовых кризисов и каких-то осложнений на валютных рынках. И в этих случаях центральные банки могут прибегать к различным мерам, связанным с массированным предоставлением ликвидности, если это нужно, работают как кредиторы последней инстанции.

Центральный банк - главный регулирующий орган кредитной системы страны или группы стран.
Фина́нсовый кри́зис - резкое изменение стоимости каких-либо финансовых инструментов. В течение XIX и XX веков большинство финансовых кризисов ассоциировалось с банковскими кризисами и возникающей при этом паникой.
Кредитор последней инстанции Кредитор последней инстанции (англ. lender of last resort) - центральный банк, осуществляющий временное предоставление ликвидности (наличности) кредитным организациям в критической для них ситуации. Под критической ситуацией при этом понимаются кризисы ликвидности и банковские паники, при которых у кредитных организаций возникает чрезвычайная потребность в ликвидности для удовлетворения массовых требований своих клиентов.
Они могут проводить интервенции на валютных рынках, могут принимать так называемые макропруденциальные меры, направленные на предотвращение образования «пузырей» на отдельных рынках. Все это - дополнительные инструменты, которые центральные банки используют для обеспечения финансовой стабильности. Однако в условиях рыночной неопределённости, коммерческие банки стараются максимально обезопасить себя и посредством собственных сил. Одним из таких способов является увеличение спреда валютного курса. О нём далее и пойдёт более подробн речь.

В первую очередь хотелось бы дать определение понятию валютного спреда: спредом валютного курса называют разницу между ценой покупки и ценой продажи валюты. Эта разница представляет собой комиссию банка, которую платит каждый, кто пожелает провести конверсионную операцию. В результате поиска литературы по данной теме было выявлено, что валютный спред как компонент трансакционных издержек на рынке обмена валют не получил должного внимания.

Трансакцио́нные изде́ржки - затраты, возникающие в связи с заключением контрактов (в том числе с использованием рыночных механизмов); издержки, сопровождающие взаимоотношения экономических агентов. Выделяют следующие
Однако первые исследования были сделаны ещё в 1987 году Глассменом и Бутом. Они сосредоточили своё внимание только на статистических свойствах спреда. Уже в 1990 году начал активно использоваться эмпирический анализ наравне с теоретическим для определения детерминант валютного спреда на рынке обмена валюты. К таким исследованиям можно отнести работы Гудхарта (1990), Боссаерта и Хиллиона(1991), Блека(1991), Мелвина и Тана (1992), а также Боллерслева и Домовица (1993). Почти все современные работы, затрагивающие вопрос валютного спреда базируются на вышеупомянутых работах.

Одной из работ, которой было уделено пристальное внимание, является работа Боллерслева и Мелвина (1993). На ней хотелось бы остановиться поподробнее. Основной целью статьи являлось выявить зависимость между рыночной неопределённостью, другими словами волатильностью валютного курса и спредом валютного курса. В качестве базы данных выступали котировки за период чуть меньше чем 3 месяца из 125 банков, расположенных на территории Германии. В некоторых случаях, когда выходит «хорошая» или «плохая» новость, цены покупки и продажи валюты изменяются в одном направлении и на одну и ту же величину (в исследовании Боллерслева и Мелвина доля таких наблюдений составляет всего 16,3%). Однако, когда рынок находится в состоянии неопределенности, банки расширяют спред, пытаясь обезопасить себя от более информированных игроков на рынке. Чтобы измерить эту самую неопределенность учёные использовали модель обобщённой авторегрессионной условной гетероскедастичности (GARCH-модель). Далее, чтобы оценить характер и степень влияния волатильности на спред валютного курса была использована упорядоченная пробит-модель. В результате была получена положительная корреляция между волатильностью валютного курса и спредом. При увеличении волатильности на одно стандартное отклонение, вероятность того, что следующая котировка попадёт в категорию с наименьшим спредом (менее 5 пунктов), уменьшается на 11%.

Среднеквадрати́ческое отклоне́ние (синонимы: среднее квадрати́ческое отклоне́ние, среднеквадрати́чное отклоне́ние, квадрати́чное отклоне́ние; близкие термины: станда́ртное отклоне́ние, станда́ртный разбро́с) - в теории вероятностей и статистике наиболее распространённый показатель рассеивания значений случайной величины относительно её математического ожидания.

Также хотелось бы уделить внимание статье Галати (2000), в которой рассматривается объём торгуемой валюты на рынке как детерминанта валютного спреда. Результатом данного исследования стало выявление положительной взаимосвязи между ними. Это объясняется тем, что, согласно микроструктурным финансам, валютный спред, определяющийся издержками на хранение валюты, увеличивается при росте волатильности валютного курса. А волатильность валютного курса положительно коррелирует с объёмами торгуемой валюты, так как они оба подвержены влиянию новой информации на рынке. Итого получается, что волатильность валютного курса, спред и объем торгуемой валюты положительно зависимы между собой. Однако это утверждение верно только при условии, что в экономике не происходят шоки. Когда же происходят шоки, то зависимость между волатильностью валютного курса и торгуемыми объёмами становится отрицательной. Также Галати выявил, что в развивающихся странах, таких, например, как Индия, Мексика, спред при покупке Долларов США за местную валюту гораздо больше и волатильнее, нежели в развитых странах, таких как Япония.

Ра́звитые стра́ны (англ. Developed countries) - группа стран, занимающих ведущее положение в мировой экономике. В этих странах проживает 15-16 % мирового населения, но они при этом производят 3/4 валового мирового продукта и создают основную часть экономического и научно-технического потенциала мира.
К развивающимся странам (англ. Developing countries), - более точное, но нецелесообразное определение - менее развитые страны (англ. Less developed countries) - теоретически относят те государства, у которых более низкий уровень ВВП на душу населения по сравнению с другими странами.
Бекер и Си (2006) пошли дальше и разделили торгуемые объёмы на ожидаемые и не ожидаемые. Результатом их исследования стало то, что в условиях стабильных конверсионных оборотов наблюдается отрицательная зависимость между торгуемыми объёмами валюты и спредом. В случаях же, когда торгуемые объёмы изменяются непредсказуемо, прослеживается позитивная корреляция между исследуемыми параметрами.

В 2009 году была опубликована статья Динга, в которой он рассматривал зависимость валютного спреда от размера сделки. Данные были представлены дилерской компанией, осуществляющей валютно-обменные операции как с другими дилерскими организациями, так и с физическими/юридическими лицами, целью которых не является получение выгоды от валютных спекуляций (не маркет-мейкерами). Для оценки влияния размера сделки на спред была построена линейная регрессия, куда также была включена в качестве независимой переменной волатильность валютного курса.

Независимая переменная - в эксперименте переменная, которая намеренно манипулируется или выбирается экспериментатором с целью выяснить её влияние на зависимую переменную.
Линейная регрессия (англ. Linear regression) - используемая в статистике регрессионная модель зависимости одной (объясняемой, зависимой) переменной y от другой или нескольких других переменных (факторов, регрессоров, независимых переменных) x с линейной функцией зависимости.
Результатом исследования стало то, что размер сделки никак не влияет на спред валютного курса в условиях внутридилерской торговли, тогда как отрицательно влияет на спред при торговле с маркет-юзерами (финансовыми учреждениями, использующими валютные показатели рынка, предоставленные маркет-мейкерами). Данные по размерам сделок не удалось получить, поэтому данный фактор не будет включён в число зависимых переменных. Однако информацию из этой статьи можно будет использовать для дальнейшего исследования.

Также особое внимание хотелось бы уделить работе Таррона Хемрая и Сукришналала Паша, в которой рассматривается влияние такого фактора как «рыночная власть» на спред валютного курса.

Мелвин и Тан (1996) рассматривали различные социальные явления, такие как забастовки, бунты, демонстрации, вооружённые нападения как одну из детерминант валютного спреда. Авторы заключили, что страновой риск позитивно связан со спредом в 36 исследуемых странах.

Страново́й риск - это степень риска того, что действия суверенного правительства повлияют на способность должника, связанного с данной страной, исполнить свои обязательства. Различают риски прямые и косвенные.
Бекер и Си (2006) рассматривали период Азиатского кризиса 1997-1998 годов, где также установили, что валютный риск сыграл важную роль в формировании валютного спреда.

1.2 Переход к плавающему курсу в России

Как известно, в России уже полтора года нет границ для изменения валютных курсов, это произошло после того, как Банк России отпустил валюту в плавание, интервенции в поддержку рубля прекратились. Что более примечательно, в список основных задач ЦБ РФ теперь не входит формирование и поддержание курса рубля. Более того, его текущее ослабление очень сильно сократило бюджетный дефицит, и нельзя исключать, что именно поэтому власти сейчас бездействуют.

Валю́тный курс - цена (котировка) денежной единицы одной страны, выраженная в денежной единице другой страны, драгоценных металлах, ценных бумагах.
Валютный риск - риск убытков вследствие неблагоприятного изменения курсов иностранных валют и (или) драгоценных металлов (валютных металлов).
Бюджетный дефицит - превышение расходов бюджета над его доходами. В случае превышения доходов над расходами возникает бюджетный профицит.

Курс рубля сегодня устанавливается самим рынком без присутствия правительства или ЦБ. Однако это имеет свои последствия: обвальное падение рубля, которое в результате дестабилизирует ситуацию в финансовой системе и макроэкономике страны как таковой. В настоящий момент спрогнозировать курс рубля даже на краткосрочном периоде не представляется возможным.

Финансовая система - форма организации денежных отношений между всеми субъектами воспроизводственного процесса по распределению и перераспределению совокупного общественного продукта.
Моме́нт вре́мени - точка на временной оси. О событиях, соответствующих одному моменту времени, говорят как об одновременных. В научных моделях моменту времени соответствует состояние системы (мгновенное состояние).
На рынке долгое время происходил ажиотаж, трейдеры, физические и юридические лица- все массово распродавали российскую валюту и покупали зарубежную.

По мнению экспертов, чтобы сдержать рубль и защитить валютные обязательства банков и российских компаний, резервов правительства РФ хватит не более чем на год или полтора. Поэтому такое сдерживание не может стать эффективным. Рост стоимости импорта для России критичен, но еще более важно снижение стоимости экспортных товаров, так как только таким образом возможно удерживать положительным баланс внешней торговли. Поэтому ЦБ делает ставку на снижение курса рубля и рост экспорта за счет этого.

Не секрет, что рубль полностью зависит от цены нефти, и для него стабильность означает повышение цен на нефть и закрепление их на уровне 50-60 долларов за баррель (сейчас 31 руб. за баррель), что на текущем рынке пока невозможно. Есть мнения, что низкая стоимость нефти может привести к пересмотру некоторыми странами ОПЕК своих объемов добычи, а также закрытию многих месторождений, ставших сегодня нерентабельными, а это, в свою очередь, приведёт к снижению объема предложения нефти и росту цен на неё. По мнению аналитиков, середина 2016 года позволит прояснить ситуацию.

Разумеется, после всего происшедшего, иностранные игроки, заработавшие на колебаниях курса, вкладывать капитал в российские активы не будут ещё долго. На текущий момент только очень рискованные инвесторы могут рассматривать наши активы для покупки. Низкий спрос на активы нашей страны влечёт за собой торможение развития экономики. Важную роль играет не только нефть, но и политическая ситуация в целом. Для инвесторов проще рассматривать варианты инвестирования в других странах, где присутствует только лишь экономическая составляющая.

Если рассматривать ситуацию на макро уровне, то можно заметить, что компании - экспортеры при снижении стоимости национальной валюты увеличивают экспорт и получают за счёт этого дополнительную прибыль, особенно по сравнению с компаниями, ориентированными только на внутренний рынок

Если посмотреть на ситуацию на микро уровне, то можно заметить, что люди стали экономить на всем - даже на еде.

Политическая ситуация (др.-греч. πολιτική - «государственная деятельность», лат. Situs - «положение») - совокупность конкретных обстоятельств в политической жизни общества в определённый период времени, политического развития, составляет живую, динамичную картину социально-политического бытия.
Внутренний рынок - рынок продуктов и ресурсов, ограниченный определенной территорией (например город, регион, страна, группа стран), где участники рынка (резиденты) осуществляют свою экономическую деятельность между собой в пределах этой территории; чаще всего, понимается как внутренний рынок страны.
Доля покупателей дешевых товаров выросла за последний квартал с 63% до 69. Из них 65 % выбирают только дешевые магазины, 61% стали есть меньше деликатесов, а 55% покупают товары только "по акциям". Получается, что за последние 2 года адаптировалась не только экономика. Граждане тоже прошли стадии и отрицания, и гнева, и торга и депрессии и в результате приняли все как есть [37]

1.3 Реакция коммерческих банков

Политическая и экономическая ситуации в стране оставляли желать лучшего: санкции, введенные Европейским Союзом и США, привели к таким последствиям для страны, как падение уровня жизни населения, сокращение производства, потеря внешних рынков, технологическое отставание, дестабилизация финансовой системы, закрытие возможностей для инвестирования за рубежом, ухудшение инвестиционной привлекательности и отток капитала.

Бегство капитала - стихийный, не регулируемый государством вывоз капитала юридическими и физическими лицами за рубеж, в целях более надёжного и выгодного их вложения, а также для того, чтобы избежать их экспроприации, высокого налогообложения, потерь от инфляции.
Инвести́ции (англ. Investments) - размещение капитала с целью получения прибыли. Инвестиции являются неотъемлемой частью современной экономики. От кредитов инвестиции отличаются степенью риска для инвестора (кредитора) - кредит и проценты необходимо возвращать в оговорённые сроки независимо от прибыльности проекта, инвестиции (инвестированный капитал) возвращаются и приносят доход только в прибыльных проектах. Если проект убыточен - инвестиции могут быть утрачены полностью или частично.
Фина́нсы (фр. finances - денежные средства) в российской научной и учебной литературе определяются как совокупность экономических отношений, возникающих в процессе формирования, распределения и использования централизованных и децентрализованных фондов денежных средств.
Всё это привело к тому, что граждане и зарубежные инвесторы стали быстрыми темпами избавляться от национальной валюты, скупая доллары, евро и другие. Если обратиться к 16 декабрю 2014 года, то можно пронаблюдать огромный обвал рубля на валютных торгах. Разумеется, коммерческие банки, как и другие участники рынка стали быстро адаптироваться в сложившейся ситуации и увеличивать источники свои дохода- валютный спред. В этот день разница между покупкой и продажей валюты в некоторых банках составила 25 рублей по евро и 21,8 рубля по доллару. В тот же самый день внутридневная волатильность на бирже по евро составляла более 29 рублей, а по доллару -- 22 рубля. Например, у банка «Авангард» спред по покупке-продаже доллара 16 декабря составил всего 10 рублей, у СБ Банка - 8 рублей. В спокойное же время, летом перед этим обвалом спред у банков составлял всего 20--30 копеек по доллару.

Такие широкие спреды, однако, имеют свои негативные последствия для экономики: вывод капитала из страны (отток капитала более чем на $30 млрд. в 2014 году) - одной из основных статей вывода средств являются конверсионные сделки по переводу сбережений из обесценивающегося рубля в прибыльный, стабильный и растущий доллар. Второе немаловажное последствие - импортеры страхуются от рисков, зачастую закладывая в стоимость своей продукции банковские курсы продажи валюты. Это психологически давит на предприятия и усиливает инфляционные ожидания бизнеса, толкая потребительские цены все выше и выше - что мы могли наблюдать после декабря 2014 года. Также ситуация усугубляется и не без помощи обычных граждан. Пытаясь следить за курсами доллара и евро, они ориентируются только на предложения в операционных кассах в ближайших банках. Это приводит к значительным убыткам: купив валюту по максимально предложенному курсу, люди вынужденно теряют до 30-40% на разнице при продаже валюты по курсу покупки, тем самым поддерживают высокие банковские спреды.

Чтобы бороться со сложившейся ситуацией, Депутаты Госдумы не раз предлагали ограничить 5% спред между курсами продажи и покупки валюты в обменных пунктах. Это, разумеется, быстро получило отклик среди банков, например, глава Ассоциации российских банков Гарегин Тосунян выступил против ограничений на спреды по курсовым операциям в обменных пунктах.

Госуда́рственная ду́ма Росси́йской Федера́ции[К 1] (Госдума, ГД РФ, ГД) - одна из палат Федерального собрания Российской Федерации - парламента Российской Федерации. Высший законодательный орган власти в Российской Федерации наряду с Советом Федерации, правовой статус которой определён в пятой главе Конституции Российской Федерации.
Ассоциация российских банков - негосударственная некоммерческая организация, объединяющая коммерческие банки и другие кредитные организации. Основана в 1991 году. Одна из лоббистских организаций России.
Он считает, что введение подобных ограничений на спреды по продаже и покупке валюты может привести к появлению теневого валютного рынка. Банки смогут без каких-либо затруднений обходить ограничения на спреды. Как это бывало в 90-е, они просто не станут продавать валюту по объявленному курсу. А проверять каждый обменный пункт на наличие банкнот Центробанк не сможет, ибо у него нет таких полномочий. В результате возможны два варианта развития событий: обменные пункты подчинятся, но будут часто менять курс вслед за биржей, что очень сильно увеличивает операционные издержки, либо будут продавать валюту "неофициально".
Операционные затраты или операционные расходы (англ. OPEX, сокр. от operating expenses) - повседневные затраты компании для ведения бизнеса, производства товаров и услуг.
Конечно, есть возможность избежать оба сценария. Например, как это есть в Китае. Его валюта имеет два курса - внешний и внутренний. В России также можно разделить биржевые торги и валютный рынок в банках.

Но здесь есть ещё и другая сторона медали. Помимо того, что высокая волатильность торгов на бирже не позволяет регулировать курсы с узкими спредами так часто, как хотелось бы, некоторые банки ещё и дифференцируют спред в разных регионах страны и даже в разных отделениях. Причиной этому стал разный уровень конкуренции и разный уровень потребности в валюте у банков. Не стоит забывать, что, в первую очередь, для банка прибыль от обменных операций для физлиц -- это существенная часть комиссионного дохода. Наличные операции приносят больший доход. На сегодняшний день безусловным лидером на рынке наличной валюты является Сбербанк - за счет своей гигантской сети. Второе место занимает ВТБ 24, на третьем находится Промсвязьбанк

Мало кто из банков поддержит инициативу депутатов Госдумы по поводу ограничения валютного спреда, особенно в 5%, ведь это составляет всего 3 рубля по доллару, сейчас же волатильность может быть куда выше. Если такое ограничение примут, то банкам придется либо менять курсы раз в 20 минут, что крайне негативно воспринимается населением и увеличивает операционные издержки коммерческих банков. Другая альтернатива - работать себе в убыток - что также не приветствуется участниками рынка. Начальник управления денежного обращения банка «Возрождение» также считает, что банки, как и другие участники рынка, при высокой волатильности рынка имеет право застраховываться от рисков потери доходов, получения убытков.

Денежное обращение - движение денег во внутреннем экономическом обороте страны, в системе внешнеэкономических связей, в наличной и безналичной форме обслуживающее реализацию товаров и услуг, а также нетоварные платежи в хозяйстве.

Разумеется, не только в России коммерческие банки увеличивают спред в условиях непредсказуемости рынка. Во всех странах все коммерческие банки расширяют спреды, как только валютный рынок начинает часто изменяться. Нужно это для того, чтобы закрывать собственную позицию банков на межбанковском рынке. В условиях нестабильности рынка не всегда возможно с высокой долей вероятности определить, когда и на каком уровне удастся закрыть позицию. Некоторые чиновники даже считают, что высокие спреды могут положительно влиять на развитие экономики, так как в условиях ажиотажа на покупку валюты, высокие конверсионные издержки притупляют интерес общества и панические настроения.

Если обратиться к истории России, то можно найти практика установления лимита спреда: так, в 1998 году Центробанк установил лимит спреда в 15%.

Исто́рия Росси́и - описание истории Российского государства, насчитывающей более тысячелетия.
Позже, когда биржевой курс стабилизировался, не стало необходимости в регулировании спреда, и уже в 2004 году ограничения были сняты.

Также бытует мнение, что, когда потенциальный посетитель обменного пункта приходит в банк и видит широкие спреды, то он понимает, насколько невыгодно сейчас конвертировать в валюту, ведь в будущем подобного курса может вполне и не быть. А вот если сократить валютный спред, то это, в свою очередь, повысит привлекательность доллара, что может сказаться на снижении курса рубля и в перспективе приведет к еще большему росту инфляции.

Пока что в законе нет никаких ограничений по поводу устанавливаемых банками обменных валютных курсов. Действующие правовые нормы, а особенно инструкция Банка России № 136-И, позволяют банкам самостоятельно устанавливать курсы покупки-продажи иностранной валюты, а также размер комиссии, взимаемой при ее обмене.

Но́рма пра́ва - это общеобязательное, формально определенное правило поведения, гарантируемое государством, отражающее уровень свободы граждан и организаций, выступающее регулятором общественных отношений.
Но на что обращают внимание при установке этого самого валютного курса? В первую очередь казначейство банка анализирует текущие торги как на бирже, так и на межбанковском рынке, состояние спроса и предложения на рынке наличной валюты, текущую ситуацию с открытой валютной позицией банка, а также наиболее вероятные возможные сценарии развития ситуации на финансовых рынках.
Финансовый рынок (от лат. financia - наличность, доход) в экономической теории - система отношений, возникающая в процессе обмена экономических благ с использованием денег в качестве актива-посредника.

Разумеется, фиксированный спред не представлял бы никакого интереса для нас в настоящей работе, ибо было бы невозможно проследить реакцию банка на новые условия формирования валютного курса.

банк таргетирование спред валюта

2. Постановка исследовательской проблемы

Как было описано ранее, проблема высоких трансакционных издержек из-за рыночной неопределённости может отрицательно влиять на развитие экономики страны. Отсюда и возникает вопрос: почему одни коммерческие банки устанавливают больший спред, чем другие? Всегда ли банки, предлагающие лучшую цену покупки или продажи валюты, устанавливают самый узкий спред на рынке, делая тем самым, себя более привлекательными для остальных участников рынка?

Согласно проведённому теоретическому обзору, факторами, оказывающими влияние на величину валютного спреда в коммерческих банках являются:

- волатильность валютного курса, другими словами рыночная неопределённость. Будет представлена как дисперсия цены покупки доллара за рубли с шагом в 7 дней;

- объём торгуемой валюты в стране - внебиржевой кассовый валютный оборот;

- роль валютно-обменных операций в деятельности компании - валютно обменный операции, нормированные на активы банка;

- размер коммерческого банка - активы банка;

- доля государственного участия в акционерном капитале банка.

Основными гипотезами для этих переменных являются следующие:

- Чем больше волатильность валютного курса, тем больший размер спреда устанавливают коммерческие банки. Это один из основных способов для них защитить себя от деятельности более информированных агентов на валютном рынке, а также сократить операционные издержки;

- Чем больше объём торгуемой валюты за определённый период в стране, тем больше размер спреда. Если спрос на валюты растёт, коммерческие банки увеличивают спред с целью максимизации прибыли. В качестве данного показателя будут использованы данные внебиржевого кассового оборота валютного рынка;

- Чем больше коммерческий банк проводит операций с валютой, тем больше он заинтересован в увеличении размера спреда, так как спред является одним из источников дохода банков. В качестве такого показателя будет выступать валютный оборот, нормированный на чистые активы банка;

Чистые активы - это реальная стоимость имеющегося у общества имущества, ежегодно определяемая за вычетом его долгов.

- Чем больше коммерческий банк, тем больше доверия он вызывает у населения для проведения валютно-обменных операций. В качестве такого фактора будут выступать активы банка;

- Чем больше доля государства в акционерном капитале банка, там больше спред. Такая гипотеза исходит из того, что с целью уменьшения ажиотажа на покупку валюты банки устанавливают очень широкие спреды, пытаясь тем самым уменьшить спрос и остановить панику среди населения.

3. Методология исследования

Для анализа имеющихся данных был использован МНК - математический метод, используемый для решения задач, основанный на минимизации суммы квадратов остатков некоторых функций от искомых переменных. МНК является одним из основных методов регрессионного анализа, используемый для оценки неизвестных параметров регрессии по выборочным данным.

Реше́ние зада́ч - процесс выполнения действий или мыслительных операций, направленный на достижение цели, заданной в рамках проблемной ситуации - задачи; является составной частью мышления. С точки зрения когнитивного подхода процесс решения задач является наиболее сложной из всех функций интеллекта и определяется как когнитивный процесс более высокого порядка, требующий согласования и управления более элементарными или фундаментальными навыками.
Регрессио́нный анализ - статистический метод исследования влияния одной или нескольких независимых переменных X 1 , X 2 , . . . , X p ,X_,...,X_} на зависимую переменную Y . Независимые переменные иначе называют регрессорами или предикторами, а зависимые переменные - критериальными.

Задача заключается в нахождении коэффициентов линейной зависимости, при которых функция двух переменных а и b

принимает наименьшее значение.

В линейной алгебре линейная зависимость - это свойство, которое может иметь подмножество линейного пространства. При линейной зависимости существует нетривиальная линейная комбинация элементов этого множества, равная нулевому элементу.
То есть, при данных а и b сумма квадратов отклонений экспериментальных данных от найденной прямой будет наименьшей. В этом есть вся суть метода наименьших квадратов.

Для начала находим производные 1-го порядка:

Отсюда выводим искомые переменные:

Определив значения переменных aи b, находим значение искомой эмпирической формулы в виде:

U = ax b

В настоящей работе эти коэффициенты будут найдены посредством статистического пакета Eviews.

Разобравшись в методах оценки регрессий, плавно перейдём к содержательной части моделей.

Всего было построено две модели:

· Spreadi = в0 в1* bankassetsi в4*govern в5* cur/netassetsi (1)

Spread - средний арифметический спред за месяц март 2016 года каждого исследуемого банка. Данные взяты в период невысокой волатильности, можно использовать средний арифметический спред, так как все остальные значения спреда за период отклоняются от среднего незначительно. То есть, использовав данное значение, можно сделать выводы о каждом конкретном коммерческом банке.

BankAssets - активы банка (за месяц март 2016 года). Активы банка были взяты за март 2016 года.

Govern - доля государственного участия в акционерном капитале банка.

Cur/netassets - валютно-обменные операции/чистые активыи(за месяц март 2016 года)

Данные представляют собой кросс-секцию по 52 коммерческим банкам, имеющим свои офисы на территории города Пермь.

· Spread i,t = в0 * в1*volatility i,t в2* Bank i,t в3*tradingvolume i,t (2)

где i-банк (1-Урал ФД, 0 -Сбербанк), t- порядковый номер наблюдения.

Volatility- дисперсия цены покупки долл. за рубли c шагом 7 дней.

Bank - дамми-переменная, где банк Урал ФД=1 иСбербанк=0

Tradingvolume - внебиржевой кассовый оборот валютного рынка за каждый день. Изначально планировалось включить обороты конкретных банков, но, к сожалению, данная информация является крайне конфиденциальной, банки не могут дать к ней доступ. Тем не менее, этот показатель может быть использован в модели, он отражается величину спроса на валюту в каждый отдельный день.

Данные представляют собой панель. Информация собрана по двум банкам за период с 21.11.2013 по 06.06.2015 за каждый отдельный день за вычетом выходных и праздничных дней.

Праздник - отрезок времени, выделенный в календаре в честь чего-либо или кого-либо, имеющий сакральное (не бытовое, мифическое) значение и связанный с культурной или религиозной традицией. Слово также употребляется в иных, схожих по смыслу, значениях: официальный день отдыха, установленный в связи с календарным событием, противоположность будням; массовые развлекательные мероприятия, весёлое препровождение свободного времени; день какого-либо радостного события; общее состояние душевного подъёма (обычно в словосочетаниях: «праздник жизни» и т. п.).
Всего 778 наблюдений.

Для начала проанализируем описательные статистики для первой модели:

Как видно из таблицы (Таблица 1), коэффициент вариации превышает пороговое значение (33%),то есть можно сделать вывод, что выборка неоднородна. Также интересно заметить, что в исследовании также принимают участие банки, полный пакет акций которых (100%) принадлежит государству, например, Россельхозбанк.

Вариа́ция - различие значений какого-либо признака у разных единиц совокупности за один и тот же промежуток времени. Причиной возникновения вариации являются различные условия существования разных единиц совокупности.
А́кция (нем. Aktie, нидерл. Actie, от лат. actio - [помимо проч.] право (на что-то), которое может быть отстояно в суде) - эмиссионная ценная бумага, доля владения компанией, закрепляющая права её владельца (акционера) на получение части прибыли акционерного общества в виде дивидендов, на участие в управлении акционерным обществом и на часть имущества, остающегося после его ликвидации, пропорционально количеству акций, находящихся в собственности у владельца.

Таблица 1 Модель 1. Описательная статистика

Переменная / Подвыборка

Количество наблюдений

Среднее значение

Среднеквадратичное отклонение

Min

Max

К-нт вариации

Средний спред долл./руб. (руб.)

52

3.311193

1.420691

0.932000

6.763462

0,42

Активы банка (тыс.руб.)

52

1.11E 09

3.57E 09

1324402.

2.37E 10

3,21

Доля государственного участия (%)

52

0.137744

0.291897

0

1

2,11

Валютный оборот к активам-нетто (тыс.руб)

52

209.9775

355.7530

0

1982.630

1,7

Проанализируем описательные статистики выбранных данных для второй модели:

Как видно из таблицы ( Таблица 2), коэффициент вариации превышает пороговое значение (33%),то есть можно сделать вывод, что выборка неоднородна. Также интересно заметить, что за период с 21.11.2013 по 06.06.2015 разница между покупкой и продажей валюты менялась с 0,58 руб. до 32 руб., что, конечно же, очень сильно увеличивало издержки населения при обмене валюты.

Таблица 2 Модель 2. Описательная статистика

Переменная / Подвыборка

Количество наблюдений

Среднее значение

Среднеквадратичное отклонение

Min

Max

К-нт вариации

Спред долл./руб (руб.)

778

2,67

2,9

0,58

32

1,08

Банк (дамми-переменная: 1 - Урал ФД, 0 -Сбербанк)

778

-

-

-

-

-

Общий объем торгов (млн. долл. США)

778

7748

4560

0

21914

0,58

Волатильность валютного курса (стандартное отклонение цены покупки за период - 7 дней) (руб)

778

3,419

21,21

0

290,98

6,203

Для исследования были использованы котировки (цены покупки и цены продажи доллара за рубли) двух банков - Урал ФД и Сбербанк. Котировки Сбербанка были взяты с официального сайта http://www.

Сполии (лат. spolia, букв. «трофеи») - элементы декора, особенно колонны, которые в поздней античности и раннем Средневековье выламывались из древних сооружений (как правило, языческих храмов) и использовались при строительстве новых зданий (как правило, храмов христианских).
Сайт, или веб-сайт (читается [вэбсайт], от англ. website: web - «паутина, сеть» и site - «место», буквально «место, сегмент, часть в сети»), - совокупность логически связанных между собой веб-страниц; также место расположения контента сервера.
sberbank.ru, там они находятся в открытом доступе.
Откры́тый до́ступ (англ. Open access (OA)) - бесплатный, быстрый, постоянный, полнотекстовый доступ в режиме реального времени к научным и учебным материалам, реализуемый для любого пользователя в глобальной информационной сети, осуществляемый по преимуществу к научно-исследовательским рецензируемым журналам.
Котировки банка Урал ФД за длительный период являются информацией конфиденциальной, однако сотрудники банка любезно согласились предоставить их для исследования. Именно эти два банка были выбраны, так как представляют собой крупный банк, расположивший свои офисы на всей территории страны и ближнего зарубежья, а также региональный банк, расположивший свои офисы на территории Пермского края. Котировки взяты за период с 21 ноября 2013 года по 6 июня 2015 года. Почему именно этот период? Как уже отмечалось ранее, ЦБ отпустил курс в плавание 10 ноября 2014 года. На графике видно, что после этой даты валютный курс доллара к рублю начал резко расти, а спред - увеличиваться. Отсюда у нас появляется возможность отследить изменение валютного спреда.

Если обратиться к Рисункам 1 и 2, то можно увидеть, как менялся спред на протяжении всего заданного периода. Резкое увеличение величины спреда наблюдается как раз после перехода ЦБ к политике инфляционного таргетирования. Резкий рост начинается, примерно, со 2 ноября 2014 года для обеих валютных пар, как евро, так и доллара.

Информация о текущих активах банков была взята с информационного портала Банки.ру. Там представлены различные финансовые показатели коммерческих банков в России за каждый месяц. В настоящей работе были использованы активы за март 2016.

Рис. 1 . Изменение величины спреда долл/руб за период с 21.11.2013 по 6.06.2015 (руб.)

Рис. 2 . Изменение величины спреда евро/руб за период с 21.11.2013 по 6.06.2015 (руб.)

Также на портале Банки.ру были взяты данные об оборотах по валютным операциям за март 2016.

Чтобы оценить величину спроса на валюту в конкретные дни, пристальное внимание было обращено к сайту ЦБ. ЦБ также ведет статистику о внебиржевом кассовом обороте валютного рынка Российской Федерации. Там представлены объёмы за каждый рабочий день - они-то и будут использованы как показатель «общий объём торгов».

Информация о доле государственного участия в акционерном капитале размещена на официальных сайтах банков.

4. Описание результатов

1) Были построено две эконометрические модели и оценены посредством метода наименьших квадратов с целью выявления наличия и типа взаимосвязей между предполагаемыми факторами (входными параметрами) и зависимой переменной (выходным фактором). Для первой модели зависимой переменной был выбран спред - разница между покупкой и продажей валюты. Независимыми переменными же выступили, согласно изученной литературе, следующие:

- Общий объём торгов за предыдущий день, выраженный в миллионах долларов США;

- Волатильность валютного курса, представленная как стандартное отклонение цены покупки за период 7 дней.

- Банк -дамми-переменная, обозначающая 1 - Урал Фд, 0 - Сбербанк.

Далее обратимся к корреляционной матрице с целью выявления статистических взаимосвязей. Она выглядит следующим образом:

Таблица 3 Модель 2. Корреляционная матрица

SPREAD

BANK

TRADINGVOLUME

VOLATILITY

SPREAD

1

-0.21

-0.46

0.56

BANK

-0.21

1

-5.13e-19

0.08

TRADINGVOLUME

-0.46

-5.13e-19

1

-0.14

VOLATILITY

0.56

0.08

-0.14

1

Из корреляционной матрицы видно, что между переменными отсутствуют сильные взаимосвязи (коэффициент корреляции > 0,6 по модулю). Следовательно, все переменные могут быть включены в регрессию без последствий мультиколинеарности.

Теперь посмотрим на распределение данных. Из графиков видно, что среди всех наблюдений отсутствуют ярко выраженные выбросы, поэтому ничего из модели удалять не требуется.

Рис.3 Модель 2. Описательная статистика: спред

Рис.4 Модель 2. Описательная статистика: торгуемый объём валюты

Рис. 5. Модель2. Описательная статистика: волатильность валютного курса

Интересным кажется проверить, есть ли какие-нибудь изменения после конца 2014 года, когда ЦБ перешёл к политике инфляционного таргетирования. Поэтому включим в модель дамми-переменную, разделяющую наблюдения до 2014 включительно и после. Получим такую модель (Таблица 4) (подробнее в Приложении 1):

Таблица 4 Результаты тестирования регрессии 2

Dependent Variable: SPREAD_USD

Total panel (balanced) observations: 778

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3.835002

0.177928

21.55361

0.0000

VARIANCE_DOL7

0.091695

0.002809

32.63875

0.0000

BANK

-1.567817

0.116290

-13.48199

0.0000

TRADVOL_USD

-0.000145

1.61E-05

-9.013688

0.0000

@YEAR>2014

1.507508

0.159797

9.433922

0.0000

R-squared

0.692245

Обратимся к коэффициенту детерминации. Он равен 0,69. То есть такая доля дисперсии зависимой переменной объясняется рассматриваемой моделью.

Однако не стоит забывать, что в модель может присутствовать автокорреляция. Для того чтобы проверить наличие или ее отсутствие, обратимся к графику остатков зависимой переменной (Рисунок 6) . На ней видно, что корреляция присутствует (за положительными значениями следуют положительные и наоборот).

Как известно, третье условие теоремы Гаусса-Маркова - независимость случайных возмущений друг от друга. На диаграмме видно, что оно не выполняется.

Чтобы понять, какого порядка взять представить перемену с лагом, обратимся к коррелограмме (Приложение 2). На ней видно, что в модель присутствует автокорреляция 3 порядка. Включим их в модель и получим следующие результаты:

Рис. 6. Распределение остатков спреда

Таблица 5 Модель 2. Результаты регрессионного анализа после добавления лаговых переменных

Dependent Variable: SPREAD_USD

Total panel (balanced) observations: 778

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.326307

0.171364

7.739685

0.0000

TRADVOL_USD

-4.64E-05

1.28E-05

-3.623765

0.0003

VARIANCE_DOL7

0.039857

0.003251

12.26127

0.0000

BANK

-0.591140

0.097211

-6.080997

0.0000

@YEAR>2014

0.524320

0.127248

4.120445

0.0000

SPREAD_USD(-1)

0.464889

0.037746

12.31636

0.0000

SPREAD_USD(-2)

-0.091999

0.040038

-2.297785

0.0218

SPREAD_USD(-3)

0.271614

0.032568

8.339919

0.0000

R-squared

0.826616

Из таблицы 5 видно, что качество модели улучшился (R2 увеличился).

Все независимые переменные оказались значимыми на 1% уровне (probability< 0.1), кроме спреда с лагом 2, там 5% уровень значимости. Из таблицы видно, что волатильность валютного курса положительно влияет на величину спреда, что подтверждает полученные результаты в предыдущих исследованиях. Объём торгов же представил отрицательную зависимость с валютным спредом. Иными словами, чем больше валюту покупают или продают, тем меньше становится спред. Дамми - переменная «банк» показывает, что среднестатистически спред Сбербанка больше на 1,55 руб. по сравнению с банком Урал ФД.

Обращаем внимание на графики всех переменных (Приложение3) и наблюдаем, что тренды отсутствуют. А значит, полученным результатам можно верить.

2) Во второй модели исследовался вопрос влияния таких факторов как размер банка (представленный суммой активов банка на текущий момент), валютные обороты банка в текущем месяце, нормированные на активы банка и доля государственного участия. Результаты получились следующие (подробнее Приложение 4):

Таблица 6 Модель 1. Результаты регрессионного анализа

Dependent Variable: SPREAD

Included observations: 52

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3.216925

0.253269

12.70163

0.0000

BANKASSETS

1.11E-10

5.82E-11

1.913631

0.0616

GOVERN

0.078425

0.718387

0.109169

0.9135

CUR/NETASSETS

-0.000191

0.000557

-0.342933

0.7331

R-squared

0.084706

Из таблицы видно, что значимой переменной оказались только «активы банка». То есть чем больше коммерческий банк, тем больший валютный спред он устанавливает.

Далее хотелось бы проверить модель на устойчивость оценок. Здесь используется корреляционная матрица. Для начала стоит разобраться о последствиях мультиколлинеарности. Если полная мультиколлинеарность приводит к неопределенности значений параметров, то частичная мультиколлинеарность приводит к неустойчивости их оценок.

Неустойчивость выражается в увеличении статистической неопределенности -- дисперсии оценок. Это означает, что конкретные результаты оценки могут сильно различаться для разных выборок несмотря на то, что выборки однородны. Из таблицы корреляционной матрицы видно (Таблица 7), что между показателями отсутствует мультиколлинеарность (отсутствуют коэффициенты корреляции более 0,7).

Корреля́ция (от лат. correlatio «соотношение, взаимосвязь») или корреляционная зависимость - статистическая взаимосвязь двух или более случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми).
Следовательно, полученные в модели оценки устойчивы.

Таблица 7 Модель 1. Корреляционная матрица

CUR/NETASSETS

BANKASSETS

GOVERN

SPREAD

CUR/NETASSETS

1

-0.067326618544332

-0.132847768617008

-0.240589147820858

BANKASSETS

-0.067326618544332

1

0.3275792372602541

0.2863279225678791

GOVERN

-0.132847768617008

0.3275792372602541

1

0.1144916905064283

SPREAD

-0.240589147820858

0.2863279225678791

0.1144916905064283

1

Явление гетероскедастичности возникает, как правило, при анализе неоднородных объектов. Например, при построении зависимости прибыли фирмы от размера основного фонда (или каких-либо других факторов) гетероскедастичность вызвана тем, что у больших фирм колебания прибыли будут выше, чем у малых. В нашей модели это также возможно.

МНК при наличии гетероскедастичности позволяет получить несмещенные оценки параметров модели, но оценка дисперсии ошибки, и, следовательно, границы доверительных интервалов оценок параметров модели и прогноза зависимой переменной будут неверными, т.к.

Доверительный интервал - термин, используемый в математической статистике при интервальной оценке статистических параметров, более предпочтительной при небольшом объёме выборки, чем точечная. Доверительным называют интервал, который покрывает неизвестный параметр с заданной надёжностью.
они вычисляются на основании предположения гомоскедастичности ошибок. Для проверки гипотезы об отсутствии гетероскедастичности в модели используем тест Уайта.
Тест Уайта (англ. White test) - универсальная процедура тестирования гетероскедастичности случайных ошибок линейной регрессионной модели, не налагающая особых ограничений на структуру гетероскедастичности, предложенная Уайтом в 1980 г.
Для начала необходимо выдвинуть две гипотезы:

· H0= отсутствует гетероскедастичность,

· H1= присутствует гетероскедастичность.

Результаты теста в Таблице 8:

Таблица 8 Модель 1. Тест Уайта

Heteroskedasticity Test: White

F-statistic

0.528931

Prob. F(9,42)

0.8451

Obs*R-squared

5.293790

Prob. Chi-Square(9)

0.8080

Scaled explained SS

3.655229

Prob. Chi-Square(9)

0.9326

Из таблицы видно, что вероятность больше 0,1, следовательно, принимаем H0 гипотезу о гомоскедастичности остатков. Тест Уайта не выявил гетероскедастичности остатков в модели, поэтому воспользуемся тестом Бройша-Пагана (Таблица 9):

Таблица 9 Модель 1. Тест Бройша-Пагана

Heteroskedasticity Test: Breusch-Pagan-Godfrey

F-statistic

0.611058

Prob. F(3,48)

0.6111

Obs*R-squared

1.912882

Prob. Chi-Square(3)

0.5907

Scaled explained SS

1.320797

Prob. Chi-Square(3)

0.7242

Как видно из таблицы, тест Бройша-Пагана также не выявил проблему гетероскедастичности остатков.

Далее проведем RESET-тест Рамсея - обобщенный тест на наличие следующих ошибок спецификации модели линейной регрессии:

- наличие пропущенных переменных. Регрессия содержит не все объясняющие переменные;

- неверная функциональная форма. Некоторые или все переменные должны быть преобразованы с помощью логарифмической, степенной, обратной или какой-либо другой функции;

- корреляция между фактором Х и случайной составляющей модели, которая может быть вызвана ошибками измерения факторов, рассмотрением систем уравнений или другими причинами.

RESET-тест Рамсея (сокр. от англ. Regression Equation Specification Error Test) - применяемая в эконометрике процедура тестирования функциональной формы (спецификации) модели. Тест предложен Рамсеем в 1969 году.
Система уравнений - это условие, состоящее в одновременном выполнении нескольких уравнений относительно нескольких (или одной) переменных.

Ошибки такого рода приводят к смещению средних остатков регрессионной модели.

Результаты данного теста представлены ниже в Таблице 10:

Таблица 10 Модель 1. Тест Рамсея

Ramsey RESET Test

Value

df

Probability

t-statistic

0.744045

47

0.4606

F-statistic

0.553603

(1, 47)

0.4606

Likelihood ratio

0.608918

1

0.4352

Как видно из таблицы, F-statistics>0,1, следовательно, мы отвергаем H0 гипотезу о неверности спецификации и заключаем, что гипотеза о приемлемости функциональной формы принимается.

Далее посмотрим на графики переменных и проанализируем нормальность распределений:

Данная тема не является глубоко изученной учёными. Причиной тому может послужить, например, то, что большинство банковской информации является конфиденциальной.

Рис. 7. Гистограмма Активы

Рис. 8. Гистограмма Валютные обороты

Рис. 9. Гистограмма Доля государственного участия

Рис. 10. Гистограмма среднеарифметический спред

4.1 Ограничения и перспективы исследования

Исходя из имеющихся данных, были построены две модели, частично объясняющие изменение величины валютного спреда в том или ином коммерческом банке при покупке наличной валюты. Для последующих исследований можно выделить следующие перспективы, например:

- Исследовать большее количество валютных пар;

- Включить в выборку все банки, располагающие свои офисы на территории Российской Федерации, это позволит проверить робастность полученных оценок;

- Получить доступ к Блумбергу - одному из главных поставщиков финансовой информации для всех участников финансового рынка. Оттуда взять меняющиеся котировки доллара за один день, тогда волатильность можно будет использовать с шагом один день.

- Получить доступ к ежедневным торгуемым объёмам валюты банка и использовать данный фактор как регрессор в модели;

- На большем количестве наблюдений проверить влияние фактора «спрос на валюту», ибо в различных исследованиях он выступает с противоположными знаками;

- Рассмотреть фактор «размер сделки», как один из возможных факторов валютного спреда. Если обратиться к обменным пунктам, то можно заметить, что при обмене определённой суммы денег и выше можно получить более узкий спред;

- Собрать все возможные факторы, влияющие на величину спреда, и поместить их в одну модель.

Заключение

В конце 2014 года Центральный Банк сделал валютный курс плавающим, отказавшись от действующего механизма курсовой политики. Как результат реализации принятого им решения формирование курса рубля отныне будет происходить под влиянием факторов на рынке, что должно способствовать усилению действенности денежно-кредитной политики Банка России и обеспечению ценовой стабильности.

Де́нежно-креди́тная (монета́рная) поли́тика - это макроэкономическая политика государства, воздействующая на количество денег в обращении с целью обеспечения стабильности цен, полной занятости населения и роста реального производства.
Более того, новый подход к проведению операций на внутреннем валютном рынке будет способствовать более быстрой адаптации экономики к изменениям внешних условий и увеличит ее устойчивость к негативным шокам", - указывает Банк России.

Однако на практике мы столкнулись с другой реальностью. За последние два года цена покупки и продажи доллара к рублю увеличилась более, чем в два раза, что, разумеется, привело к ухудшению экономики страны. Пытаясь обезопасить себя от потерь при валютно-обменных операциях коммерческие банки, как самые крупные игроки на валютной бирже, стали увеличивать спреды- разницу между покупкой и продажей валюты, тем самым, увеличив издержки импортёров и экспортёров.

Валю́тная би́ржа - это элемент инфраструктуры валютного рынка, деятельность которой состоит в предоставлении услуг по организации и проведению торгов, в ходе которых участники заключают сделки с иностранной валютой.
Однако, присмотревшись к котировкам банков, можно заметить, что спреды очень разнятся от банка к банку. Почему так? Ответ был получен в настоящей работе.

Основными факторами, которые были выделены, благодаря изучению литературы по данной теме, стали следующие:

- торгуемые объёмы валюты (долл. к рублю)

- доля участия государства в акционерном капитале банка;

- волатильность валютного курса;

- размер банка;

- и сумма денег, участвующих в конверсионных операциях банка.

Результаты получились следующие:

Всего было построено две модели, в первой рассматривалось влияние конкретного банка (Сбербанк и Урал ФД - дамми переменная), волатильность валютного курса, спрос на валюту. Ежедневные данные были представлены двумя банками за период с 21.11.2013 по 06.06.2015 (сюда как раз и включён переломный момент отказа ЦБ от контроля валютного курса). Все переменные оказались статистически значимыми. Выводы по модели можно сделать следующие:

- Сбербанк устанавливает спреды на порядок выше, нежели банк Урал ФД (далее это будет подтверждено таким фактором, как размер банка);

- В периоды высокой волатильности валютного курса коммерческие банки устанавливают спред шире, чем в период низкой волатильности. Это объясняется тем, что они пытаются защитить себя от более информированных игроков и покрыть возрастающие операционные издержки в период частых колебаний цен покупки и продажи валюты;

- В периоды высокого спроса на покупку или продажу валюты коммерческие банки, согласно нашим данным, уменьшают валютный спред, тем самым привлекают потенциальных клиентов. По этому поводу исследователи спорят по сей день, в разных статьях представлены разные зависимости между валютным спредом и спросом на валюту. Альтернативным мнением является то, что в условиях ажиотажа на приобретение валюты, коммерческие банки устанавливают более широкий спред, тем самым, увеличивая свой доход от конверсионных операций.

Конверсионные операции - это сделки участников валютного рынка по обмену оговоренных сумм денежной единицы одной страны на валюту другой страны по согласованному курсу с проведением расчетов на определенную дату.
Поэтому хотелось бы отметить, что именно этот фактор требует дальнейшего более глубокого изучения.

- Также была включена дамми-переменная, разделяющая данные до и после конца 2014 года. Результаты показали, что после перехода к плавающему валютному курсу спреды увеличились.

Помимо этого в модели наблюдалась автокорреляция независимой переменной. Чтобы избежать последствий автокорреляции, в модель были также включены 3 лаговые переменные от зависимой переменной.

Вторая модель была построена для изучения таких факторов, как доля государственного участия в акционерном капитале банка, размер банка (переменная представлена суммой активов банка) и число валютно-обменные операций, нормированных на активы банка. Данные были представлены по 52 коммерческим банкам, отделений которых представлены на территории Пермского края. В результате статистически значимой переменной оказался только размер банка. Согласно полученным результатом крупные банки устанавливают спреды на порядок выше, нежели маленькие банки. В литературе данный факт объясняется тем, что крупные банки со своей развитой сетью филиалов и подразделений более доступны для населения, нежели маленькие, региональные. Следовательно, они позволяют себе устанавливать более широкие спреды. Этот факт также подтверждается при сравнении регионального банка Урал ФД и Сбербанка в первой модели.

Подытожив, хотелось бы заметить, что валютный спред представляется интересным для последующего изучения, так как является доходом для многих финансовых институтов, поэтому в периоды резкого его роста, например, коммерческие банки получают рекордные доходы от конверсионной деятельности.

Фина́нсовый институ́т - организация, участвующая в финансово-кредитной системе, как то: банк, страховая компания, инвестиционный фонд (инвестиционная компания), пенсионный фонд, взаимный фонд и др. В трактовке западной экономической традиции, финансовые институты являются посредниками между инвесторами (домохозяйствами) и предпринимателями (потребителями инвестиций).
Существует множество развитий данного исследования, где валютный спред может рассматриваться на уровне нескольких организаций или на уровне всех страны.

Список литературы

1) Admati A. Selling &trading on information in financial markets // American Economic Review.1988.№78. P. 96-103.

2) Bagehot W. The only game in town// Financial Analysts Journal. 1971. 12-14.

3) Bollerslev T, Melvin M. Bid-ask spreads and volatility in the foreign exchange market: an empirical analysis // Journal of International Economics. 1994. №36. P. 355-372.

4) Biais B. Price formation and equilibrium liquidity in fragmented and centralized markets//Journal of Finance.1993.№484. P. 157-185.

5) Bjшnnes G, Rime, D. Dealer behavior and trading systems in foreign exchange markets// Journal of Financial Economics. 2005.№ 75. P. 571-605.

6) Cheung Y.W., Chinn, M.D., Marsh, I.W. How do UK-based foreign exchange dealers think their market operates?// International Journal of Finance and Economics.2004. №9. P. 289-306.

7) Cornell B. Determinants of the Bid-Ask Spread on Forward Foreign Exchange

Contracts Under Floating Exchange Rates//Journal of International Business

Studies. 1978. Vol. 9(33). P. 33-41.

8) Covrig, V. and M. Melvin. Asymmetric information and price discovery in the FX

market: Does Tokyo know more about the yen? //Journal of Empirical Finance. 2002. Vol. 9. P. 271-85.

9) Demsetz H. The cost of transacting. Quarterly //Journal of Economics.1968. №82.P.33-53.

10) Demos A.A., Goodhart C. The interaction between the frequency of market quotations, spread and volatility in the foreign exchange markets// Applied Economics.1996. №28.P. 377-86.

11) Evans M, Lyons R. Order flow and exchange-rate dynamics// Journal of Political Economy. 2002. №110.P. 170-180.

12) Flood M. Microstructure Theory and the Foreign Exchange Market.// Federal

Reserve Bank of St. Louis Review. 1991.Vol. 73(6). P. 52-70.

13) Forbes, Kristin, and Roberto Rigobon. Measuring Contagion: Conceptual and

Empirical Issues// International Financial Contagion. 2001.

14) Frankel J. and A. Rose. Empirical Research on Nominal Exchange Rates // Handbook of International Economics. 1995. Vol. III.

15) Glosten L.R, Milgrom P.R. Bid, ask, and transaction prices in a specialist market with heterogeneously informed traders// Journal of Financial Economics. 1985. №14. P. 71-100.

16) Hartman P. Do Reuters spreads reflect currencies' differences in global trading activity?1998.

17) Hartman P. 1999. Trading volumes and transaction costs in the foreign exchange market//Journalof Banking and Finance 23.P.801-824

18) Ho T, Stoll H. Optimal dealer pricing under transactions and return uncertainty// Journal of Financial Economics.1981. №9. P. 47-73.

19) Huang D.R, Masulis R.W. FX spread and dealer competition across the 24-Hour trading day//The Review of Financial Studies. 1999. №12 P. 61-93.

20) Jorion, P. Risk and Turnover in the Foreign Exchange Market. The Microstructure of Foreign Exchange Markets. 1996.

21) Kyle A. Continuous auctions and insider trading// Econometrica. 1985. №53 P. 1315-1336.

22) Lee, C., and M. Ready. Inferring Trade Direction from Intraday Data//Journal

of Finance. 1991. № 46. P. 733-746.

23) Lustig H.N., N.L. Roussanov, and A. Verdelhan. Common Risk Factors in

Currency Markets//Review of Financial Studies, forthcoming. 2011.

24) Lustig H.N., and A. Verdelhan. The Cross-Section of Foreign Currency Risk

Premia and Consumption Growth Risk// American Economic Review. 2007. №97. P. 89-117.

25) Lyons RK. Tests of microstructural hypotheses in the foreign exchange market // Journal of Financial Economics. 1995. №39. P. 321-351.

26) Stoll HR. The supply of dealer services in securities markets //Journal of Finance. 1978.№33. P. 1133-51.

27) Wei, S. Anticipation of Foreign Exchange Volatility and Bid-Ask Spreads//NBER Working Paper. 1994. № 4737

Приложение 1

Результаты регрессионного анализа модель 2

Dependent Variable: SPREAD_USD

Method: Panel Least Squares

Date: 05/15/16 Time: 01:18

Sample (adjusted): 11/29/2013 6/06/2015

Periods included: 389

Cross-sections included: 2

Total panel (balanced) observations: 778

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3.835002

0.177928

21.55361

0.0000

VARIANCE_DOL7

0.091695

0.002809

32.63875

0.0000

BANK

-1.567817

0.116290

-13.48199

0.0000

TRADVOL_USD

-0.000145

1.61E-05

-9.013688

0.0000

@YEAR>2014

1.507508

0.159797

9.433922

0.0000

R-squared

0.692245

Mean dependent var

2.678663

Adjusted R-squared

0.690653

S.D. dependent var

2.904521

S.E. of regression

1.615465

Akaike info criterion

3.803529

Sum squared resid

2017.320

Schwarz criterion

3.833456

Log likelihood

-1474.573

Hannan-Quinn criter.

3.815041

F-statistic

434.6852

Durbin-Watson stat

0.630951

Prob(F-statistic)

0.000000

Приложение 2

Коррелограмма. Модель 2

Приложение 3

Переменные, изменяющиеся во времени (торугемые объёмы, волатильность, спред). Модель 2

Приложение 4

Результаты регрессионного анализа. Модель 1

Dependent Variable: SPREAD

Method: Least Squares

Date: 05/12/16 Time: 00:33

Sample: 1 54

Included observations: 52

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

3.216925

0.253269

12.70163

0.0000

BANKASSETS

1.11E-10

5.82E-11

1.913631

0.0616

GOVERN

0.078425

0.718387

0.109169

0.9135

CUR/NETASSETS

-0.000191

0.000557

-0.342933

0.7331

R-squared

0.084706

Mean dependent var

3.311193

Adjusted R-squared

0.027500

S.D. dependent var

1.420691

S.E. of regression

1.401020

Akaike info criterion

3.586082

Sum squared resid

94.21716

Schwarz criterion

3.736177

Log likelihood

-89.23813

Hannan-Quinn criter.

3.643625

F-statistic

1.480723

Durbin-Watson stat

2.257319

Prob(F-statistic)

0.231608


  • Центральный банк Российской Федерации
  • Ассоциации российских банков