• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Контакты

Школа финансов ВШЭ

119049 Москва, Покровский бульвар, 11,
офис S629.

Телефоны:
+7 (495) 772-95-90*27447, *27190, *27947 (по общим вопросам Школы финансов)
+7 (495) 621-91-92 (по вопросам Бизнес-образования)
+7 (495) 916-88-08 (Магистерская программа "Корпоративные финансы")

E-mail:

df@hse.ru (по общим вопросам Школы финансов),
finance@hse.ru (по вопросам Бизнес-образования)

Руководство
Руководитель Ивашковская Ирина Васильевна

ординарный профессор НИУ ВШЭ, доктор экономических наук, заслуженный работник высшей школы РФ

Школа финансов: Менеджер Непряхина Ульяна Викторовна

+7 495 772 95 90 (доб. 27190)

Школа финансов: Администратор Райн Анна Сергеевна

+7495-772-95-90 (доб. 27447)

Школа финансов: Администратор Липатова Татьяна Геннадьевна

+7495-772-95-90 (доб. 27947)

Школа финансов: Аналитик Осовский Александр Алексеевич

+7 495 772 95 90 (доб.27446)
+7 968 418 78 86

Статья
The upside-down world of value capture. Do companies in technology sector follow the principles of profitable growth?

V. S. Vinogradova.

The Journal of the New Economic Association. 2024. Vol. 62. No. 1. P. 171-195.

Статья
International capital markets with interdependent preferences: Theory and empirical evidence
В печати

Dergunov I., Curatola G.

Journal of Economic Behavior and Organization. 2023. Vol. 212. P. 403-421.

Статья
Patterns of value creation in strategic acquisitions for growth

Vinogradova V.

Asian Academy of Management Journal of Accounting and Finance. 2023. Vol. 19. No. 2. P. 127-160.

Статья
Сравнение подходов к оценке риска со стороны центрального контрагента

Потапов А. И., Курбангалеев М. З.

Экономический журнал Высшей школы экономики. 2023. Т. 27. № 2. С. 196-219.

Статья
Developing a Scoring Credit Model Based on the Methodology of International Credit Rating Agencies

Alyona Astakhova, Sergei Grishunin, Gennadii Pomortsev.

Journal of Corporate Finance Research. 2023. Vol. 17. No. 1. P. 5-16.

Статья
The New Strategy of High-Tech Companies – Hidden Sources of Growth

Kokoreva M. S., Stepanova A. N., Povkh K.

Foresight and STI Governance. 2023. Vol. 17. No. 1. P. 18-32.

Статья
Нефинансовые факторы эффективности фармацевтических компаний в России

Макушина Е. Ю., Малофеева Т. Н., Козиорова О. И. и др.

Вестник Московского университета. Серия 6: Экономика. 2023. № 1. С. 135-163.

Статья
Time to Extend Credit? Bank Credit Lines During the COVID-19 Pandemic in Russia

Semenova M., Popova P.

Russian Journal of Money and Finance. 2023. Vol. 82. No. 2. P. 106-119.

Статья
Do Smart Depositors Avoid Inefficient Bank Runs? An Experimental Study

Semenova M.

Emerging Markets Finance and Trade. 2023. Vol. 59. No. 8. P. 2710-2726.

Статья
Cryptocurrency Momentum and Reversal

Victoria Dobrynskaya.

Journal of Alternative Investments. 2023. Vol. 26. No. 1. P. 65-76.

Статья
Cryptocurrencies Meet Equities: Risk Factors and Asset-pricing Relationships

Victoria Dobrynskaya, Dubrovskiy M.

International Finance Review. 2023. Vol. 22. P. 95-111.

Всегда ли банку нужно знать о заемщике как можно больше?

Всегда ли банку нужно знать о заемщике как можно больше?

© iStock

Экономисты из ВШЭ показали, что сбор всей возможной информации о заемщиках не всегда позволяет снизить риски банковского сектора. Иногда больше не значит лучше: наращивание объема данных до определенной степени, наоборот, повышает риски невозврата кредитов. Исследование опубликовано в серии препринтов WP BRP HSE University, Series: Financial Economics.

Принимая решение о том, выдавать кредит или нет и на каких условиях, банки стараются собрать максимум информации о клиенте. Предполагается, что чем больше данных будет в распоряжении аналитиков или алгоритма, тем точнее они смогут оценить, способен клиент вернуть долг или нет. Источником такой информации для банка служит среди прочего кредитная история: сведения о ранее взятых кредитах, их суммах и своевременности внесения платежей, о характеристиках заемщика (например, о его финансовой отчетности) и т. п. Такие данные банки могут получить, обратившись в кредитное бюро или кредитный регистр.

Однако некоторые исследования показывают, что у стремления накопить как можно более полную информацию о заемщике могут быть и «побочные эффекты». Например, данные о невозврате кредита тонут в массе информации и уже не играют такой важной роли в стимулировании заемщика вести себя добросовестно. Таким образом, данные о неуплате перестают оказывать дисциплинирующее воздействие, и мотивация людей вносить платежи вовремя снижается.

Как же кредитные риски банков связаны с объемом собираемой информации? Ответ зависит от того, какой эффект преобладает: кредитные риски могут снижаться в силу увеличения точности прогнозов относительно невозвратов или расти из-за снижения кредитной дисциплины.

Авторы работы проанализировали данные об объеме собираемой банками информации и уровне кредитных рисков, чтобы понять, как выглядит зависимость между этими параметрами. Экономисты также оценили, как на эту связь влияет качество институциональной среды  в стране и степень развития ее финансовых институтов. Для этого они использовали данные о 80 странах за 2004–2015 годы.

Чтобы ответить на поставленные вопросы, авторы статьи составили математическую модель, в которой зависимой переменной были кредитные риски (доля просроченных кредитов в общем объеме выданных) в конкретной стране и в определенном году, а независимыми ­— индекс глубины раскрытия кредитной информации, а также ряд контрольных переменных. Индекс глубины раскрытия кредитной информации рассчитывается Всемирным банком в рамках проекта Doing Business, его значение зависит от того, собирается ли информация и о физических, и о юридических лицах, входят ли в нее только данные о невыплатах или о своевременно погашенных кредитах тоже, сведения за какой срок хранятся в базах, имеет ли заемщик доступ к своей кредитной истории и так далее. Наиболее высокие значения этот индекс принимает в США, Канаде, Аргентине, Германии, минимальные — в Люксембурге, Афганистане, Ираке. В России он близок к максимальному.

Кроме того, экономисты разделили страны на группы в зависимости от степени эффективности госуправления (через соответствующий индекс Всемирного банка), защиты прав собственности (индекс Международного альянса прав собственности) и уровня развития финансовой системы (две метрики Международного валютного фонда).

Расчеты показали, что зависимость между уровнем раскрытия информации и кредитными рисками действительно нелинейна, график имеет форму перевернутой буквы U: с ростом объемов собираемой информации риски сначала возрастают, но с некоторого момента начинают снижаться, причем при максимальных значениях индекса кредитной информации риски значительно меньше, чем при минимальных. В странах с эффективным управлением риски начинают снижаться при меньших значениях индекса (в абсолютных значениях риски также оказываются ниже), то есть в условиях менее качественной институциональной среды регулятор может снизить кредитные риски, лишь вводя систему кредитных бюро и обширные требования по сбору информации о заемщике. Похожим образом на связь количества раскрываемой информации и рисков влияет уважение частной собственности и уровень развития финансовых институтов.

Мария Семенова

«Таким образом, результаты этого исследования говорят о том, что центральным банкам в развивающихся экономиках стоит с осторожностью внедрять новые требования к информационному обмену на кредитных рынках (например, расширять круг заемщиков или типов кредитов, информация о которых поступает в кредитные бюро). Если такие новшества единичны и не сопровождаются, например, увеличением срока хранения кредитной истории, обеспечением онлайн-доступа к кредитным файлам, расширением списка поставщиков данных о заемщиках, они могут не привести к желаемому снижению кредитных рисков», — рассказала один из авторов работы, старший научный сотрудник ИНИИ и доцент школы финансов факультета экономических наук ВШЭ Мария Семенова. 

Исследование также позволило выявить страны, в которых уровень раскрытия информации наименее выгоден с точки зрения кредитных рисков. К ним относятся Мальта, Мавритания, Мозамбик, Восточный Тимор и другие. Результаты показывают, что, возможно, этим странам стоит изменить регулирование в области обмена кредитной информацией так, чтобы собирать значительно меньше либо намного больше данных, чем сейчас.