авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |

«Содержание Механизмы глобального регулирования: экономический анализ Автор: Л. Григорьев, А. Курдин... 1 Деофшоризация экономики: мировой опыт и российская специфика Автор: Б. Хейфец ...»

-- [ Страница 3 ] --

- постоянные преобразования юридического статуса государственных учреждений и организаций в направлении ограничения функций государства как собственника (учредителя).

Кругооборот собственности, или приватизационный кругооборот, можно определить следующим образом. Средства от приватизации предприятий поступают в бюджет, при этом из него осуществляют взносы в уставные капиталы недавно акционированных предприятий (см. рис. 5).

Объем кругооборота собственности оценить чрезвычайно сложно, поскольку большинство фактических сделок, связанных с преобразованием государственной собственности, проходит не через формальные процедуры продажи на аукционе, а через обмен акций, размывание пакетов государства путем дополни Кругооборот собственности Рис. стр. тельной эмиссии акций, слияний и поглощений. Достаточно сказать, что количество акционерных обществ, где государство имело пакеты акций, сократилось со 140 тыс. в 1996 г. до 2,5 тыс. в 2011 г. При этом в течение всего этого периода доходы от приватизации не имели существенного значения для бюджета. Кроме того, объекты собственности значительно недооценены, отсутствуют их полные реестры и т. п. По экспертной оценке, ежегодные масштабы фактической передачи государственного имущества (на основе изменения реестра владельцев акций) составляют около 1 трлн руб.

При этом вложения в акционерные общества превышают 600 млрд. руб. Таким образом, объем кругооборота собственности составляет 1,6 - 2 трлн руб. ежегодно, а потери, коррупция и убытки в этой плохо контролируемой сфере существенно превышают потери от финансового кругооборота. Экспертно эти потери можно оценить на уровне 30 - 50% оборота, то есть 0,5 - 1 трлн руб.

Налоговый кругооборот Рассмотрим налоговый кругооборот - по НДС (см. рис. 6). Предприятия сырьевого сектора получают возмещение по входящему НДС по экспортным операциям, который превышает 1 трлн руб. При этом более 90% экспорта составляют сырье и энергоносители.

Сверхприбыль именно этих отраслей изымается через экспортную таможенную пошлину.

В 2012 г. поступления от нее составили 4,099 трлн руб. (см. табл. 8). Таким образом, свыше 1/3 изъятой сверхприбыли возвращается в сырьевой сектор в форме компенсации входящего НДС.

Налоговый кругооборот денежных средств Рис. Таблица Поступление экспортной таможенной пошлины и возмещение НДС (млрд. руб.) 2006 2007 2008 2009 2010 2011 Сумма НДС, исчисленная к 811,3 953,7 857,5 1051,7 1081,5 1228,8 1525, возмещению из бюджета (по декларациям текущего года) Поступления экспортной 1895,8 1834,9 2859,3 2042,2 2508,1 3710,3 4099, таможенной пошлины в том числе:

газ 343,7 302,6 490,2 433,0 193,3 384,4 433, нефть и товары из нефти 1516,3 1482,0 2307,4 1581,8 2276,2 3268,8 3619, Источник: рассчитано по данным Федеральной налоговой службы (Данные по формам статистической налоговой отчетности, http://nalog.ru/nal_statistik/forms_stat/).

стр. Расходы на обслуживание, потери, риски и коррупция в налоговом кругообороте в процентном отношении самые низкие и связаны преимущественно с возможностью успешной налоговой оптимизации при компенсации входящего НДС по экспорту, а также с прямыми расходами на администрирование сбора экспортной пошлины и НДС и его последующее возмещение. В целом эти расходы и потери экспертно можно оценить на уровне 60 млрд. руб., или 2% совокупного оборота.

*** Совокупный объем финансового кругооборота, кругооборотов собственности, пенсионного и налогового составляет 9,4 - 11,5 трлн руб., или 15 - 19% ВВП (см. табл. 9).

Конечно, наши оценки потерь от них достаточно приблизительные. Вместе с тем только прямые потери на разнице в процентах при заимствованиях и вложениях бюджетных средств составляют 298 млрд. руб. ежегодно. Кроме того, упущенная макроэкономическая выгода при условии вложения средств в экономику через бюджетные процедуры оценивается на уровне 2 трлн руб. ежегодно. Наконец, расходы на осуществление этих кругооборотов, администрирование сопутствующих операций, потери от финансовых рисков, коррупции, неэффективных решений в совокупности составляют 970 - 1645 млрд.

руб.

Таблица Потери от кругооборотов (млрд руб.) Накладные Упущенная Размер Прямые расходы, Итого макроэкономическая кругооборота потери риски, потерь выгода коррупция 1 2 3 4 2+3+ 1. Большой 2500 - 4000 270 1500 250 - 400 2020 кругооборот денежных средств 2. Малый 1000 10 300 30 - 50 340 кругооборот денежных средств 3. "Пенсионный" 1300 - 1500 18 200 130 - 135 348 кругооборот 4. Кругооборот 1600 - 2000 - - 500 - 1000 500 собственности 5. Налоговый 3000 - - 60 кругооборот Итого 9400 - 11 500 298 2000 970 - 1645 3268 Источник: расчеты автора на основе экспертных оценок.

Совокупные потери оцениваются в 3,2 - 4 трлн руб., что примерно эквивалентно 35% расходов федерального бюджета. При этом следует учитывать и ущерб в виде снижения эффективности государственного менеджмента, поскольку значительные организационные, нормотворческие и кадровые возможности государственного аппарата используются для разработки и администрирования указанных кругооборотов.

стр. Список литературы Горячева С. П., Дмитриева О. Г. (сост.) (2010). Социальная политика. Законодательные инициативы фракции "Справедливая Россия". М.: Издание Государственной Думы ФС РФ. [Goryacheva S. P., Dmitrieva O. G. (eds.) (2010). Social Policies. Legislative Initiatives of the Fraction "Just Russia". Moscow: State Duma of RF Publ.] Дмитриева О. (2006). Формирование стабилизационных фондов: предпосылки и следствия // Вопросы экономики. N 8. С. 17 - 30. [Dmitrieva O. (2006). The Creation of Stabilization Funds: Premises and Consequences // Voprosy Ekonomiki. No 6. P. 17 - 30.] Дмитриева О., Ушаков Д. (2011). Инфляция спроса и инфляция издержек: причины формирования и формы распространения // Вопросы экономики. N 3. С. 40 - 52. [Dmitrieva O., Ushakov D. (2011). Demand-pull Inflation and Cost-push Inflation: Factors of Origination and Forms of Expansion // Voprosy Ekonomiki. No 3. P. 40 - 52.] Дмитриева О. (2013а). Деформация бюджетной политики и управления долгом вследствие формирования стабилизационных фондов // Вопросы экономики. N 3. С. 20 32. [Dmitrieva O. (2013а). Deformation of Fiscal Policy and Debt Management as a Result of the Stabilization Fund Forming // Voprosy Ekonomiki. No 3. P. 20 - 32.].

Дмитриева О. Г. (2013b). Управление госсобственностью в России: иррациональность устоявшихся особенностей // Российский экономический журнал. N 1. С. 13 - 27.

[Dmitrieva O. G. (2013b). Managing Public Property in Russia: Irrationality of Entrenched Peculiarities // Rossiiskii Ekonomicheskii Zhurnal. No 1. P. 13 - 27.] Economic Turnovers and Financial Vacuum Cleaners Oksana Dmitrieva Author affiliation: State Duma of RF (Moscow, Russia).

Email: dmitrieva@duma.gov.ru.

The paper considers different types of financial flows in the form of turnovers to imply the return to the starting point with direct or indirect losses. The dynamic schemes, volumes and losses of turnovers are examined: the financial turnover between federal budget, financial markets for budget surplus investments and financial markets for the budget deficit borrowings;

pension turnover between the State Pension Fund, financial institutions for pensions' savings and federal budget;

the property turnover and the tax turnover for raw materials export. The total volume of turnovers is estimated as 15 - 19% of GDP with losses equal to 35% of federal budget expenditures.

Keywords: budget, inflation, reserve fund, national wealth fund, taxation, pension fund, governmental property.

JEL: G18, H20, H61, H62, H82, P44.

стр. Предсказание поворотных точек бизнес-цикла: помогают ли Заглавие статьи переменные финансового сектора?

Автор(ы) А. Пестова Источник Вопросы экономики, № 7, Июль 2013, C. 63- ФИНАНСОВАЯ ЭКОНОМИКА Рубрика Место издания Москва, Россия Объем 77.7 Kbytes Количество слов Постоянный адрес http://ebiblioteka.ru/browse/doc/ статьи Предсказание поворотных точек бизнес-цикла: помогают ли переменные финансового сектора? Автор: А. Пестова Цель данной работы - построение опережающих индикаторов поворотных точек бизнес цикла по широкому набору стран, включая Россию, за длительный период времени. Мы используем модели дискретного выбора с зависимой переменной состояния экономики:

рецессия, нет рецессии. Данные модели позволяют определить вероятность изменения макроэкономической динамики с положительной на отрицательную и наоборот.

Эмпирический анализ показал, что учет переменных финансового сектора позволяет существенно улучшить предсказательную силу моделей поворотных точек бизнес-цикла.

При этом модели с переменными реального и финансового секторов, построенные в работе, превосходят "наивные" модели, учитывающие только опережающий индикатор ВВП по методологии ОЭСР, по причине либо более низкого уровня "шума" (модель входа в рецессию), либо более высокой предсказательной силы (модель выхода из рецессии).

Ключевые слова: бизнес-циклы, опережающие индикаторы, поворотные точки, модели бинарного выбора, макроэкономический кризис.

JEL: E32, E37.

Вопрос о заблаговременной идентификации поворотных точек делового цикла представляет большой практический интерес как для бизнес-сообщества, так и для лиц, принимающих решения в области экономической политики. Со времен работы У.

Митчелла и А. Бернса (Mitchell, Burns, 1946), в которой был проведен первый серьезный статистический анализ бизнес-циклов, проблема "предсказания будущего" занимает важное место в макроэкономическом анализе.

В последние 20 лет дискуссия по проблемам бизнес-циклов переместилась в несколько иную плоскость. Дело в том, что в 1990 - 2000-е годы для стран Западной Европы и США была характерна весьма "гладкая" макроэкономическая динамика (за исключением нескольких коротких и неглубоких рецессии в начале 1990-х годов). В связи со снижением глубины, распространенности и длительности Пестова Анна Андреевна (apestova@forecast.ru), ведущий эксперт Центра макроэкономического анализа и краткосрочного прогнозирования (ЦМАКП), аспирант НИУ ВШЭ (Москва).

Автор выражает благодарность научному руководителю, руководителю направления ЦМАКП О. Г. Солнцеву, руководителю направления ЦМАКП Д. Р. Белоусову, ведущему эксперту ЦМАКП М. Е. Мамонову, профессору НИУ ВШЭ А. А. Пересецкому и другим участникам XIV Апрельской международной научной конференции НИУ ВШЭ за ценные замечания и предложения. Исследование осуществлено в рамках научно-исследовательской работы в интересах Министерства экономического развития РФ в 2012 - 2013 гг., а также программы фундаментальных исследований НИУ ВШЭ в 2013 г.

стр. рецессии в развитых странах некоторые аналитики и исследователи утверждали, что наступил "конец бизнес-цикла" (Weber, 1997).

Однако глобальный макроэкономический кризис конца 2000-х годов развеял эти иллюзии.

Все крупные европейские страны, за исключением Польши, оказались в 2009 г. в состоянии рецессии (по критерию перехода к отрицательным годовым темпам прироста реального ВВП). Это означает, что рыночная экономика продолжает развиваться циклично: за периодами подъема и роста благосостояния общества неизбежно следуют кризисы, корректирующие дисбалансы предшествующих стадий развития.

Еще недавно в научном сообществе высказывались предположения о том, что происходящие структурные изменения в экономике развитых стран (расширение сферы услуг, изменение технологического уклада, глобализация производства, смена приоритетов государственной политики и др.) должны привести к снижению волатильности экономической активности. Но длительные периоды экспансий предыдущих двух десятилетий были обусловлены также "накачкой" спроса, которая проявлялась в устойчивом несоответствии доходов и расходов экономических агентов, вследствие чего резко выросла долговая нагрузка. Кроме того, из-за чрезмерной либерализации регулирования финансового сектора на ряде рынков возникли пузыри (доткомы, недвижимость, сырьевые рынки и др.). Это привело к формированию позитивных ожиданий и их сохранению на протяжении длительного периода.

Искусственное поддержание спроса в итоге обернулось серьезными проблемами: из-за лопнувших финансовых пузырей упала стоимость активов и обострилась проблема оценки залогов по кредитам. Рост соотношения "долг-доход" обусловил более частые дефолты по кредитам в частном секторе и предкризисное состояние в секторе государственных финансов.

В настоящее время риски возобновления рецессии (а для многих стран - ее продолжения) высоки. Это связано с тем, что не решены структурные проблемы, определившие затяжной характер последнего кризиса в ряде стран Южной и Восточной Европы:

сохранение высокой долговой нагрузки на государственные финансы;

слабая конкурентоспособность национальных экономик;

негибкость рынков труда;

недостаточная восприимчивость к инновациям и др. В этих условиях актуален вопрос о предсказании не только точки входа в рецессию, но и точки выхода из нее. В рамках данной работы выходом из рецессии мы считаем возобновление темпов роста экономики на уровне как минимум половины от предкризисной динамики, то есть L-образный выход из кризиса (слабоположительные темпы) не считается его окончанием.

Таким образом, основная задача нашего исследования - построить опережающие индикаторы поворотных точек бизнес-цикла по широкому набору стран, включая Россию (для выявления общих закономерностей), за длительный период (для учета исторических различий в макроэкономических процессах). Особое внимание уделено тестированию предсказательной силы переменных финансового сектора, поскольку из-за возрастающей "финансиализации" современной экономики усиливается влияние финансового сектора на поведение реального, в том числе стр. на чередование фаз бизнес-цикла. Мы сравниваем качество двух типов моделей опережающих индикаторов, основанных на подобранном нами наборе наилучших предикторов и на опережающих индикаторах ВВП ОЭСР (только они доступны по широкому набору стран). Это позволит оценить, насколько предложенная модель вероятности переключения между фазами бизнес-цикла полезнее существующих.

Обзор литературы В научной литературе существует два основных подхода к построению опережающих индикаторов экономической динамики. В первую очередь они различаются по типу выбранной для анализа зависимой переменной: непрерывная (напрямую отражает макроэкономическую динамику или уровень выпуска) или дискретная (отражает ограниченный набор состояний экономики)1.

При использовании непрерывной зависимой переменной можно получать как количественные, так и качественные оценки ближайшего будущего. Потому этот подход наряду с предсказанием поворотных точек делового цикла - часто используют и для краткосрочного макроэкономического прогнозирования. Он применяется в большинстве эмпирических исследований. В рамках работ с непрерывной зависимой переменной выделяют модельный и немодельный подходы (см. рис. 1).

Модельный подход включает опережающие индикаторы, основанные на линейных моделях векторных авторегрессий (VAR) и базирующиеся на динамических факторных моделях, а также подход на основе Марковских цепей с переключением (подробнее см.:

Marcellino, 2006). Эти методы используют продвинутый эконометрический аппарат, который позволяет выявить статистическую связь между ключевым показателем макроэкономической динамики и его опережающими индикаторами. Подход на основе эконометрических моделей требователен к объему исходных данных.

Немодельный подход с непрерывной зависимой переменной проще в построении, использовании и интерпретации. Он дает возможность строить опережающие индикаторы как простую или взвешенную среднюю преобразованных по определенному алгоритму рядов (подробнее см., например: OECD, 2008). Но простота оборачивается наличием определенных недостатков, среди которых наиболее серьезные - отсутствие четкой статистической привязки целевой переменной к опережающим индикаторам, а также невозможность инференции (проверки значимости частных индикаторов, расчет стандартных ошибок прогноза и т. п.).

По аналогии с температурой человеческого тела: можно измерить ее в непрерывной шкале градусов Цельсия. На основе этих знаний можно также судить о здоровье человека в дискретном пространстве состояний ("здоров" или "болен", в зависимости от того, превышает ли температура тела критический порог 37,0 градусов). Оба подхода могут быть полезны с учетом целей потребителей информации. Второй подход менее требователен к ресурсам памяти ("черное" или "белое"), а первый дает более точную информацию (передает больше "оттенков").

Сезонная корректировка, удаление выбросов, детрендирование и сглаживание, стандартизация.

стр. Подходы к построению опережающих индикаторов бизнес-циклов * Публикуется в данном номере журнала.

Рис. Поскольку мы поставили задачу построить инструментальное средство (модель), позволяющее предсказать поворотные точки макроэкономической конъюнктуры (вход экономики в рецессию и выход из нее) на основе имеющейся на данный момент информации, использование опережающих индикаторов с непрерывной зависимой переменной избыточно и потому нецелесообразно. Достаточно, чтобы модель отвечала на вопрос о том, насколько вероятно изменение макроэкономической динамики с положительной на отрицательную и наоборот. Поэтому мы остановили свой выбор на модели опережающих индикаторов с дискретной зависимой переменной.

В существующих эмпирических работах, посвященных опережающим индикаторам макроэкономических кризисов (рецессии), зависимая переменная фазы бизнес-цикла (состояния экономики) бинарная, отражает в самом простом случае два возможных исхода - рецессию или экспансию. Большинство таких исследований основано на данных временных рядов по одной или нескольким странам (см., например: Stock, Watson, 1992;

Estrella, Mishkin, 1998;

Moneta, 2005;

Kauppi, Saikkonen, 2008;

Ng, 2012 и др.). Авторы этих работ главным образом анализируют предсказательную силу наклона кривой доходности государственных облигаций для прогнозирования рецессии в США и других развитых странах.

Среди российских работ есть исследования на основе немодельного подхода с непрерывной зависимой переменной (Смирнов, 2001;

Smirnov, 2006;

зарубежный аналог OECD, 2008). Здесь строится опережающий индикатор индекса промышленного производства России. Также на российских данных построены факторные модели с непрерывной зависимой переменной (Демидов, 2008;

Стырин, Потапова, 2009), в рамках которых разрабатывается краткосрочный прогноз динамики ВВП. Работы российских авторов по ранней идентификации точек смены режимов бизнес-цикла (с дискретной зависимой переменной) нам не известны.

стр. Наша цель состоит в построении модели, способной заблаговременно прогнозировать наступление в России макроэкономического кризиса и выход из него. Принимая во внимание длину сопоставимых временных рядов по России (с конца 1990-х годов) и наличие на этом промежутке только двух "рыночных" рецессии, мы вынуждены проводить межстрановой количественный анализ. В качестве референтных точек для России мы использовали погодовые данные по 25 ключевым странам ОЭСР3. Совмещая данные по этим странам в единой панели, мы предполагаем, что причины и признаки изменения макроэкономической конъюнктуры у них схожи. Исключением стал период трансформационного спада, который испытали постсоциалистические страны после перехода от плановой экономики к рыночной. Поэтому период отрицательных темпов роста выпуска в этих странах был удален из анализа.

К недостаткам моделей на панельных данных можно отнести ограниченный учет индивидуальных особенностей каждой страны. Данный метод выявляет общие для исследуемого набора стран последовательности развития "переломных точек". При этом надо иметь в виду, что подход опережающих индикаторов позволяет выявлять лишь симптомы, а не причины резкого изменения конъюнктуры (отвечает на вопрос "как скоро произойдет коррекция?", а не на вопрос "каковы ее глубинные причины?"). К достоинствам подхода на основе панельных данных можно отнести возможность учитывать историю бизнес-циклов по широкому кругу стран, что существенно повышает качество и обоснованность моделей и сделанных выводов.

Авторы некоторых исследований, посвященных построению опережающих индикаторов финансовых кризисов, обратили внимание на проблему "кризисного смещения" (post-crisis bias), игнорирование которой приводит к смещению оценок эконометрической модели (Bussiere, Fratzscher, 2006). Проблема в том, что факторы начала кризиса (или рецессии) и факторы его продолжения различаются. В частности, во время кризиса макроэкономические переменные ведут себя очень нестабильно вследствие "кризисной расчистки", а также приспособления к новому макроэкономическому равновесию.

Поэтому если трактовать события начала кризиса и его продолжения как равноценные, то можно получить неудовлетворительные результаты для модели опережающих индикаторов начала кризиса.

Мы проанализировали средние значения основных переменных, претендующих на роль предикторов смены режимов макроэкономической динамики, и выяснили, что в периоды, предшествующие входу в рецессию, и в периоды ее продолжения средние значения ряда показателей существенно различаются. Это подтверждает необходимость либо раздельно моделировать оба события, либо исключить из рассмотрения событие продолжения рецессии, если стоит цель предсказать ее начало.

Полный список исследуемых стран: Австрия, Бельгия, Великобритания, Венгрия, Германия, Греция, Дания, Ирландия, Испания, Италия, Латвия, Литва, Нидерланды, Норвегия, Польша, Португалия, Россия, Словакия, Словения, США, Турция, Финляндия, Франция, Чехия, Швеция, Эстония.

стр. В эмпирических работах по предсказанию финансовых кризисов проблема "кризисного смещения" решалась в рамках двух обозначенных вариантов. Одни авторы предложили исключить из выборки все посткризисные наблюдения (периоды продолжения кризиса) (Demirguc-Kunt, Detragiache, 1998). Другие рассматривали посткризисные наблюдения в качестве отдельного события, в результате их зависимая переменная имела три варианта состояний: отсутствие кризиса, предкризисный период и период кризиса (модель множественного выбора) (Bussiere, Fratzscher, 2006).

В рамках данного исследования был применен первый подход4. Мы специфицировали и оценили две модели бинарного выбора (на вход в рецессию и на выход из нее, с исключением из выборки периодов, когда эти события были невозможны5). В качестве ключевого индикатора, определяющего фазу бизнес-цикла, мы используем темп прироста реального ВВП за год (как наиболее простой и доступный по всем странам показатель экономической активности6). Тогда периоды устойчивого перехода этого показателя в область отрицательных значений могут быть классифицированы как рецессия, а положительных - как экспансия.

Описание методологии и данных В соответствии с подходом, предложенным в упомянутой выше работе (Demirguc-Kunt, Detragiache, 1998), во избежание смещения оценок коэффициентов при расчете вероятности интересующего нас события (вход в состояние рецессии или выход из него) будем исключать все наблюдения, когда реализация события была невозможна. В рамках данного исследования зависимая переменная бинарной модели входа в рецессию была специфицирована следующим образом:

- отсутствие рецессии (состояние "0") - положительные темпы прироста реального ВВП, за исключением года выхода из кризиса (см. рис. 2а);

- год входа в рецессию (состояние "1") - первый год, когда в стране темпы прироста реального ВВП были отрицательными;

- остальные кризисные годы и год выхода из кризиса исключаются из выборки.

В ЦМАКП разработан альтернативный подход к моделированию опережающих индикаторов переключений между фазами бизнес-цикла - на основе моделей множественного выбора (по аналогии с подходом в работе:

Bussiere, Fratzscher, 2006). Результаты этого исследования будут представлены в отдельной статье.

Вход в рецессию был невозможен во время ее продолжения. Нельзя выйти из рецессии, если она не началась.

Подробнее о построении бинарных зависимых переменных см. ниже.

Концепция циклов роста, в отличие от классического цикла, используемого, например, NBER. Другие варианты переменной, отражающей циклические колебания в экономике: индекс промышленного производства (OECD, 2008);

ряд синхронных показателей (датировка NBER, позднее - большинство исследований по бизнес-циклам США, в том числе: Estrella, Mishkin, 1998;

Kauppi, Saikkonen, 2008;

Ng, 2012 и др.);

составные синхронные индексы (Conference Board, 2000;

Stock, Watson, 1989). NBER определяет рецессию как "существенное снижение экономической активности, заметное в различных секторах экономики, продолжающееся более нескольких месяцев и наблюдаемое по показателям промышленного производства, занятости, реальных доходов, розничных продаж".

стр. Построение зависимой переменной бинарной модели входа в рецессию и выхода из нее Рис. Спецификация зависимой переменной бинарной модели выхода из рецессии выглядит следующим образом:

- отсутствие выхода из рецессии (состояние "0") - отрицательные темпы прироста реального ВВП, за исключением года входа в кризис (см. рис. 26);

- год выхода из рецессии (состояние "1") - первый год, когда темп прироста реального ВВП в стране принимает положительные значения и при этом составляет хотя бы половину среднего значения предкризисных показателей. Такая постановка исключает возможность L-образного выхода из рецессии ("технический" выход со слабоположительными темпами роста);

- остальные кризисные годы и год входа в рецессию исключаются из выборки.

Кратко опишем технические детали оценивания модели бинарного выбора. Пусть страна i в момент времени t находится в состоянии рецессии. Присвоим переменной Y значение "1" (для модели входа в рецессию;

для модели выхода из нее зависимая переменная будет принимать значение "1" в момент окончания кризиса, см. рис. 3). Пусть зависимая переменная принимает значение "1" (Yi, t = 1), если некая ненаблюдаемая переменная si, t больше 0 (см. изложение спецификации модели в: Marcellino, 2006). При этом динамика si,t задается следующим выражением:

si,t = X'i,t-1 + i,t, где: X'i,t-1 - набор объясняющих переменных для страны i в год (t-1);

-вектор параметров, подлежащих оценке.

Тогда вероятность наступления интересующего нас события (входа в рецессию или выхода из нее) для страны i в момент времени t задается следующей формулой:

Pr{Yi,t=1|Xi,t} = Pr(si,t 0) = F (X'i,t-1), где F(.) - функция нормального распределения (probit-модель) или логистическая функция распределения (logit-модель).

Оценки коэффициентов модели, полученные с использованием этих функций, будут близки в большинстве точек совместного распределения независимых переменных.

Заметные отличия могут быть только в "хвостах" этого распределения:

стр. у логистической функции они несколько толще, чем у нормального распределения. Мы оцениваем logit-моделъ со следующей функцией распределения:

Тогда выражение для вероятности интересующего нас события (смена режима макроэкономической динамики) можно преобразовать следующим образом:

Эту модель мы оцениваем при помощи метода максимального правдоподобия. Тогда линейную форму от оцененных параметров и текущих значений объясняющих переменных можно считать оценкой вероятности рецессии в следующий период:

Для исследования факторов переключения состояний экономики между фазами бизнес цикла были собраны панельные данные по 26 странам, включая Россию, за период 1980 2010 гг. Источниками данных послужили статистические базы International Financial Statistics (IFS), OECD, World Bank, Indstat, UN Comtrade.

На основе имеющейся литературы мы выделили набор факторов - возможных частных опережающих индикаторов бизнес-цикла. Эти факторы делятся на два блока - переменные реального и финансового секторов.

К блоку переменных реального сектора относятся показатели внутренней макроэкономической динамики (опережающие индикаторы ВВП по методологии ОЭСР, индексы потребительской и бизнес-уверенности, динамика инвестиций и ВВП, импорт строительных материалов, производство электроэнергии и др.) и внешнеэкономической конъюнктуры (реальный эффективный валютный курс, счет текущих операций и др.).

Блок переменных финансового сектора включает фондовые индексы, различные процентные ставки и спреды между ними, динамику кредитования и ликвидности банков и др. Отдельно отметим показатель общего уровня системного риска в финансовом секторе, разработанный в ЦМАКП (Солнцев и др., 2011). По нашему предположению, уровень финансового стресса может оказаться значимым предиктором кризиса в реальном секторе.

В отличие от авторов проанализированных исследований, мы не только учитываем "проциклические" индикаторы, но и вводим ряд "контрциклических" переменных.

Различия между этими двумя типами показателей в следующем: "проциклические" индикаторы в рамках бизнес-цикла начинают корректироваться раньше, чем экономика в целом. Напротив, "контрциклические" индикаторы в рамках бизнес-цикла изменяются, как и экономика в целом, но иногда превышают критические уровни, что свидетельствует о невозможности дальнейшего движения в данном направлении. Это повышает вероятность коррекции или даже изменения направления тренда макропеременных.

К проциклическим индикаторам относятся: опережающие индикаторы ВВП и темпы прироста реального ВВП;

индексы потребительской и бизнес-уверенности;

динамика инвестиций;

производство стр. электроэнергии;

процентные ставки;

цены акций;

уровень ликвидности банковского сектора.

Мы не используем показатель наклона кривой доходности государственных облигаций (основной предиктор рецессии в большинстве работ). Дело в том, что по широкому набору стран сопоставимые данные есть только о средней ставке по государственным ценным бумагам по всем срокам погашения.

К контрциклическим индикаторам мы относим (с направлением влияния): инфляционный разогрев;

уровень безработицы (фактор риска - достижение "полной" занятости);

реальный эффективный валютный курс (фактор риска - чрезмерное укрепление);

рост внешнего долга;

отношение кредитов банков к депозитам (масштаб кредитного перегрева);

сводный опережающий индикатор системного финансового кризиса (уровень системных рисков банковского сектора, подробнее см.: Солнцев и др., 2011).

Результаты оценивания бинарных моделей входа в рецессию и выхода из нее Сначала мы оценивали регрессии переменных фазы бизнес-цикла только на опережающий индикатор ВВП по методологии ОЭСР, чтобы понять, насколько качественно этот индикатор может предсказывать состояние экономики (если он окажется наилучшим предиктором, то построение и использование других моделей нецелесообразно). Затем мы оценивали модель только с переменными реального сектора, в число которых опережающий индикатор ВВП ОЭСР не входил: возможными регрессорами могли быть ожидания потребителей и производителей в качестве косвенной оценки будущей макроэкономической динамики и другие нефинансовые показатели. На третьем шаге мы дополняли модели с переменными реального сектора показателями финансового сектора и выясняли, приводит ли их учет к повышению предсказательной силы моделей. Результаты оценивания бинарной модели входа в рецессию приведены в таблице 1.

Интерпретация полученных результатов. Все переменные значимо вошли в уравнения с ожидаемыми знаками коэффициентов. Повышение в текущем году значений опережающих индикаторов ВВП ОЭСР для анализируемой страны и для страны - лидера мировой экономики (США) снижает вероятность наступления рецессии в следующем году. Аналогично влияет улучшение ожиданий предприятий. Низкое значение профицита счета текущих операций или переход его в отрицательную область говорят о приближении макроэкономического кризиса. При замедлении темпов прироста ВВП и повышении уровня системных рисков в финансовом секторе возрастает риск наступления рецессии. Рост ставок на межбанковском рынке выступает сигналом надвигающегося кризиса. Существенный рост соотношения кредиты-депозиты вплоть до слишком высокого уровня может означать накопление значительных кредитных рисков, не совместимых с продолжением фазы экспансии бизнес-цикла.

стр. Предсказательная сила модели по критерию псевдо-R2 хуже при использовании показателей реального сектора, чем переменных реального и финансового секторов. Это свидетельствует о важности учета последних. Модель только с опережающими индикаторами ОЭСР точнее, чем только с показателями реального сектора, но уступает модели с полным набором предикторов (относящихся к реальному Таблица Результаты оценивания бинарной модели входа в рецессию Зависимая переменная - вероятность входа в рецессию Объясняющие модель только модель модель с переменные (лаг = 1 с только с показателями год) опережающим показателями реального и индикатором реального финансового ВВП ОЭСР сектора секторов Опережающий -1,191*** индикатор ВВП по (0,235) методологии ОЭСР, год к году Показатели реального сектора Темп прироста -0,326** -0,442*** индикатора (0,142) (0,143) предпринимательской уверенности Опережающий -0,340** -0,422*** индикатор (0,141) (0,141) промышленного производства в США (по методологии ОЭСР, год к году) Отношение сальдо -0,119* -0,176** счета текущих (0,063) (0,082) операций к ВВП Темп прироста -0,579*** -1,024*** реального ВВП, за год (0,193) (0,277) Показатели финансового сектора Сводный 6,788* опережающий (3,904) индикатор системного кризиса банковского сектора (без лага) по методологии ЦМАКП (Солнцев и др., 2011) Отношение кредитов к 0,008* депозитам (LTD) (0,005) Процентная ставка 0,131*** рынка межбанковского (0,029) кредитования (МБК) Константа -0,899*** -0,141 (0,662) -1,713* (0,323) (0,945) Число наблюдений 246 247 Число стран 20 20 LR-тест на значимость 89,330 (0,000) 51,460 77, уравнения в целом (P- (0,000) (0,000) значение) LR-тест на отсутствие 0,370 (0,273) 0,000 (1,000) 0,000 (1,000) случайных эффектов (P-значение) Значение -36,2 -55,2 -42, логарифмической функции правдоподобия Псевдо-R2 (Эфронаa) 0,394 0,362 0, Примечания. * Значимость на уровне 10%;

** значимость на уровне 5%;

*** значимость на уровне 1%. В скобках - стандартные ошибки.

a Формула расчета:

где: Yi, t - фактическое значение зависимой переменной (значение "1", если зафиксирована рецессия, "0" - иначе), - модельное значение вероятности рецессии. Источник: расчеты автора.

стр. и финансовому секторам). Таким образом, наши расчеты свидетельствуют о том, что если учитывать переменные финансового сектора, то можно лучше предсказать наступление рецессии.

В соответствии с тестом на случайные эффекты модель по объединенным данным (без учета панельной структуры) предпочтительнее для всех трех спецификаций. Таким образом, гипотеза о наличии присущих странам "врожденных" вероятностей входа в рецессию не находит подтверждения на имеющихся данных. Проведенные тесты показывают, что в выборке развитых экономик нет экзогенно задаваемой уязвимости к макроэкономическим кризисам;

скорее она определяется набором сложившихся внешних и внутренних факторов.

Прогностическая сила модели. Мы оценивали качество моделей по двум основным параметрам: доле верно предсказанных состояний и показателю "шум/сигнал". Следуя подходу к классификации событий и сигналов о них, принятых в литературе по финансовым кризисам (см., например: Kaminsky, Reinhart, 1999), будем рассчитывать эти показатели по следующим формулам:

Доля верных предсказаний наступления событий = A/A+C;

Доля верных предсказаний отсутствия событий = B/B+D;

Шум / сигнал = B/B+D / A/A+C, где обозначения A, B, C, D приведены в таблице 2.

Таблица Классификация событий и сигналов о них Y=1 Y= событие происходит в событие не происходит в течение ближайшего года течение ближайшего года S = 1 индикатор подает сигнал B (ошибка второго рода) A (превышает порог отсечения) S=0 индикатор не подает C (ошибка первого рода) D сигнал (не превышает порог отсечения) Источник: Kaminsky, Reinhart, 1999.

Здесь возникает вопрос о выборе "оптимального" порога: значения вероятности события, лежащего в интервале от 0 до 1, после превышения которого сигнал о нем классифицируется как "поданный" или "не поданный". В эмпирической литературе, посвященной опережающим индикаторам финансовых кризисов (см., например: Bussiere, Fratzscher, 2006), предлагается выбирать оптимальный порог на основе минимизации функции потерь регулятора, возникающих вследствие балансировки между ошибками первого (пропущенное событие) и второго (ложный сигнал) рода:

L()= C/(A+C) + (1 - ) B/(B + D).

стр. Дело в том, что с ростом порога отсечения величина ошибки первого рода растет, а второго - убывает (см. рис. 3а). Это означает, что существует некий оптимум, в котором взвешенная сумма этих ошибок минимальна. Веса (, 1 - ) прямо зависят от выбора параметра чувствительности регулятора к ошибкам первого рода по сравнению с ошибками второго. Мы рассмотрели три значения параметра : 0,5;

0,3;

0,7. Как видно на рисунке 36, выбор оптимального порога непосредственно зависит от параметра : чем он выше (опасения регулятора относительно пропуска события), тем ниже оптимальный порог.

Выбор оптимального порога модели входа в рецессию только с опережающим индикатором ВВП ОЭСР Источник: расчеты автора.

Рис. В таблице 3 на примере модели входа в рецессию только с опережающим индикатором ВВП ОЭСР приведены основные показатели, по которым мы оцениваем прогностическую силу моделей в зависимости от параметра. Также для контроля приведены значения характеристик качества модели для принятых в литературе порогов, равных безусловной вероятности события и 0,5.

Как видно из данных таблицы 3, порог отсечения, равный 0,5, приводит к снижению показателя "шум/сигнал" вплоть до пренебрежимо низких уровней. При этом, однако, ухудшается качество предсказания анализируемых событий: доля верно предсказанных событий опускается ниже 50% (во всех спецификациях модели - см. последний столбец табл. 3). При этом порог, равный безусловной вероятности события (предпоследний столбец табл. 3), во всех моделях лежит в окрестности своего "оптимального" значения - в данном случае он равен 0,11, то есть обладает весьма привлекательными прогностическими характеристиками. Это означает, что данным правилом можно пользоваться для выбора порога. В дальнейшем при сравнении стр. Таблица Показатели качества модели входа в рецессию только с опережающим индикатором ВВП ОЭСР в зависимости от порога отсечения (в %) Параметр функции потерь = = = P(Y = регулятора 0,7 0,5 0,3 1) = 0, 0, Оптимальный порог 0,06 0,08 0, Вся выборка Шум/сигнал 23,0 18,7 13,4 16,9 5, Доля верных предсказаний 93,1 89,7 79,3 81,0 44, наступления событий Доля верных предсказаний 78,6 83,2 89,4 86,3 97, отсутствия событий Россия Шум/сигнал 0 0 0 0 Доля верных предсказаний 100 100 100 100 наступления событий Доля верных предсказаний 100 100 100 100 отсутствия событий моделей будем выбирать порог на основе функции потерь регулятора с параметром чувствительности к пропущенным кризисам = 0,5, поскольку вряд ли можно точнее определить, какой он в реальности. В таблице 4 приведены значения предсказательной силы различных ранее оцененных моделей входа в рецессию для параметра = 0,5.

Результаты расчетов показывают, что модель только с показателями реального сектора уступает модели только с опережающим индикатором ВВП ОЭСР: она обладает худшей предсказательной силой при более высоком значении зашумленности. При этом модель с реальными и финансовыми показателями предсказывает вход в рецессию практически так же точно, как и модель только с опережающим индикатором ВВП ОЭСР (для России, например, обе модели угадывают 100% рецессии), но при этом она обеспечивает снижение показателя "шум/ Таблица Показатели качества моделей входа в рецессию, оптимальный порог определен на основе функции потерь регулятора ( = 0,5, в %) Модель с Модель только с Модель только с показателями опережающим показателями реального и индикатором реального сектора финансового ВВП ОЭСР секторов Оптимальный порог 0,08 0,13 0, Вся выборка Шум/сигнал 18,7 20,7 8, Доля верных предсказаний 89,7 79,1 88, наступления событий Доля верных предсказаний 83,2 83,7 92, отсутствия событий Россия Шум/сигнал 0 0 Доля верных предсказаний 100 50 наступления событий Доля верных предсказаний 100 100 отсутствия событий стр. сигнал" более чем в 2 раза. Последнее подтверждает необходимость строить модели вероятности достижения поворотных точек бизнес-цикла, основанные не только на уже имеющихся опережающих индикаторах ВВП ОЭСР, но и на специально отобранном наборе предикторов, содержащем переменные как реального, так и финансового секторов.

Результаты оценивания бинарной модели выхода из рецессии приведены в таблице 5. В уравнениях выхода из рецессии большинство показателей оказались значимыми на уровне 1%. Исключение составил сводный опережающий индикатор системного кризиса в финансовом секторе - не значим на уровне 10%. Включение этого фактора обусловлено высоким уровнем его прогностической силы.

Таблица Результаты оценивания бинарной модели выхода из рецессии Зависимая переменная - вероятность выхода из рецессии Объясняющие модель только модель модель с переменные (лаг = 1 с только с показателями год) опережающим показателями реального и индикатором реального финансового ВВП ОЭСР сектора секторов Опережающий -0,621*** индикатор ВВП по (0,155) методологии ОЭСР, год к году Показатели реального сектора Темп прироста 0,087 (0,100) 0,208* индикатора (0,129) предпринимательской уверенности Опережающий 0,872*** 1,284*** индикатор (0,330) (0,470) промышленного производства в США (по методологии ОЭСР, год к году) Отношение сальдо 0,286** 0,351** счета текущих (0,115) (0,151) операций к ВВП Темп прироста -0,113* -0,153** реального (0,062) (0,074) эффективного курса, за год Показатели финансового сектора Сводный -5,095 (7,407) опережающий индикатор системного кризиса банковского сектора (без лага) по методологии ЦМАКП (Солнцев и др., 2011) Отношение кредитов к -0,015* депозитам (LTD) (0,008) Отношение абсолютно -0,321*** ликвидных активов к (0,116) совокупным активам банковского сектора Константа -1,428*** -3,084** -0,850 (1,838) (0,421) (1,234) Число наблюдений 77 77 Число стран 21 21 LR-тест на значимость 42,390 (0,000) 47,630 57, уравнения в целом (P- (0,000) (0,000) значение) LR-тест на отсутствие 0,000 (0,499) 0,000 (0,500) 0,000 (1,000) случайных эффектов (P-значение) Значение -29,3 -26,7 -21, логарифмической функции правдоподобия Псевдо-R2 (Эфрона) 0,439 0,356 0, Примечания. * Значимость на уровне 10%;

** значимость на уровне 5%;

*** значимость на уровне 1%. В скобках - стандартные ошибки.

стр. Отметим способность параметра, отражающего скорость ликвидации посткризисного "навеса" банковской ликвидности, предсказывать выход из рецессии. С точки зрения денежно-кредитной политики важен вывод о влиянии глубины снижения реального эффективного курса национальной валюты на скорость выхода из макроэкономического кризиса.

В целом выводы относительно ранжирования спецификаций для модели выхода из рецессии повторяют сделанные для модели входа в нее (см. табл. 6). Результаты оценивания подтверждают более высокую полезность модели, основанной на широком наборе предикторов финансового и реального секторов по сравнению с альтернативными спецификациями.

Таблица Показатели качества моделей входа в рецессию, оптимальный порог определен на основе функции потерь регулятора ( = 0,5, в %) Модель с Модель только с Модель только с показателями опережающим показателями реального и индикатором реального сектора финансового ВВП ОЭСР секторов Оптимальный порог 0,35 0,35 0, Вся выборка Шум/сигнал 19,9 30,4 16, Доля верных предсказаний 83,0 81,1 96, наступления событий Доля верных предсказаний 83,5 75,4 83, отсутствия событий Россия Шум/сигнал 0 50 Доля верных предсказаний 50 100 наступления событий Доля верных предсказаний 100 50 отсутствия событий Построение помесячных опережающих индикаторов входа российской экономики в рецессию и выхода из нее и интерпретация их поведения Для повышения эффективности мониторинга опережающих индикаторов входа в рецессию и выхода из нее мы эмулировали помесячную динамику построенных индикаторов на российских данных на основе повышения их частотности по сравнению с данными, используемыми при оценивании моделей (переход от погодовых данных к помесячным).

Большинство показателей банковской системы - это показатели типа "запас". Они публикуются ежемесячно, что позволяет использовать их без каких-либо преобразований.

Показатели производства и внешнеэкономической деятельности, рассчитываемые как "поток", были приведены к формату "скользящего года". В ряде случаев для расчета показателей на помесячных данных до выхода официальной статистики или в случае ее отсутствия были сделаны оценки на основе имеющейся оперативной информации.

Помесячные данные об объеме ВВП в текущих ценах взяты на сайте Минфина, помесячные темпы прироста реального ВВП (месяц к месяцу аналогичного года) - на сайте Минэкономразвития.

стр. На рисунке 4 приведена помесячная динамика опережающих индикаторов входа российской экономики в рецессию и выхода из нее. Доступность помесячных данных по платежному балансу с 2007 г. ограничивает горизонт анализа началом 2008 г. (поскольку данные за месяц приводятся в годовом выражении, то есть суммируются за предшествующих месяцев). Анализ рисунка 4 показывает, что перед кризисом 2009 г., датируемым в выбранной методологии апрелем, индикатор входа в рецессию подает сигнал (выходит за порог) в ноябре 2008 г. (за 5 месяцев). Это можно считать неплохим результатом, поскольку только в январе 2009 г. появились первые консенсус-прогнозы о возможности отрицательных годовых темпов прироста реального ВВП России за 2009 г.

Выход из рецессии, произошедший, согласно выбранному определению, в июле 2010 г., был предсказан в октябре 2009 г. (за 9 месяцев - см. рис. 4). В дальнейшем вплоть до последней доступной точки (март 2013 г.) индикатор выхода из рецессии был выше порога, однако в настоящее время в экономике отсутствует макроэкономический кризис (рецессия), поэтому поведение индикатора не следует принимать во внимание. Данный индикатор подает сигнал, только когда пересекает порог во время рецессии.

Поведение опережающего индикатора входа в рецессию указывает на низкую вероятность отрицательных темпов прироста реального ВВП России в годовом выражении в ближайший год (значение индикатора на последнюю доступную точку - март 2013 г. составляет 0,053 при пороговом уровне 0,18). Однако некоторое беспокойство вызывает устойчивый рост данного индикатора, начиная с сентября 2012 г. (с минимального значения 0,007 - см. рис. 4). Такое пове Помесячные опережающие индикаторы входа России в рецессию и выхода из нее Рис. стр. дение индикатора в том числе обусловлено негативными сигналами, поступающими из российского финансового сектора: опережающий индикатор системного банковского кризиса уже с середины 2012 г. находится в зоне более чем 50-процентной вероятности. С начала 2011 г. наблюдается рост процентных ставок на рынке межбанковского кредитования. Другой негативный фактор - сохраняющаяся отрицательная динамика ожиданий российских предприятий по сравнению с аналогичным показателем предшествующего года (индекс бизнес-уверенности - с середины 2011 г.);

с конца 2012 г.

также наметилось снижение профицита счета текущих операций платежного баланса. К числу факторов, сдерживающих переход в фазу макроэкономической коррекции, относятся: постепенный выход российской экономики из состояния кредитного перегрева с соответствующей нормализацией соотношения привлеченных и размещенных средств банков (показатель кредиты-депозиты), а также неухудшение ожидаемой макроэкономической динамики в США. Итоговый расчет вероятности рецессии пока свидетельствует о "перевесе" позитивных факторов над негативными, поэтому расчетные значения вероятности наступления рецессии в российской экономике на последнюю доступную точку далеки от порогового значения.

*** В данном исследовании, насколько нам известно, впервые оценены модели вероятности переключения между фазами бизнес-цикла на основе панельных данных. Это позволило учесть историю бизнес-циклов по широкому кругу стран, что существенно повышает качество и обоснованность моделей и сделанных выводов.

Руководствуясь подходами и методами, принятыми в литературе по опережающим индикаторам финансовых кризисов, мы учли проблему "кризисного смещения" при разработке моделей входа в рецессию и выхода из нее. В частности, мы оценили две различные модели бинарного выбора (одна - на вход в рецессию, другая - на выход из нее).

Эмпирический анализ показал, что опережающие индикаторы ВВП, рассчитываемые ОЭСР, не позволяют с достаточной точностью предсказывать поворотные точки бизнес циклов в развитых странах и в России. Несмотря на удовлетворительные предсказательные характеристики моделей переключения между фазами бизнес-цикла на их основе, показатель зашумленности сигналов составляет около 20%.

Предсказательная сила моделей только с переменными реального сектора ниже, чем моделей с опережающими индикаторами ВВП ОЭСР. Учет переменных финансового сектора позволяет существенно улучшить предсказательную силу моделей.

Особенно важно учитывать контрциклические переменные финансового сектора, которым во многих исследованиях уделено мало внимания. Дело в том, что в большинстве работ используются только проциклические финансовые индикаторы (динамика фондовых индексов, наклон кривой доходности и др.), что не позволяет достичь стр. высокой предсказательной силы на длинных горизонтах прогнозирования. В рамках такого подхода финансовый сектор рассматривается либо как фактор наступления кризиса, либо как сегмент повышенного реагирования на процессы коррекции.

Проведенный нами анализ показал, что контрциклические финансовые индикаторы повышают точность оценивания и расширяют горизонт прогнозирования поворотных точек бизнес-цикла.


Эконометрический анализ выявил ключевые факторы - опережающие индикаторы входа страны в рецессию. К ним относятся: индикатор уверенности компаний, ожидаемая макроэкономическая динамика в США, индикатор рисков финансового сектора, устойчивость текущего счета платежного баланса, сбалансированность кредитов и депозитов банков, уровень доверия на межбанковском рынке. Доля верно предсказанных входов в рецессию составляет 88% при значении "шум/сигнал" 8%.

Ключевыми факторами - опережающими индикаторами выхода страны из рецессии в наилучшей модели выступают те же первые пять показателей, что и для моделей входа в рецессию, а также динамика реального эффективного курса национальной валюты и уровень ликвидности банковского сектора. Доля верно предсказанных выходов из рецессии составляет 96% при значении "шум/сигнал" 17%.

Список литературы Демидов О. (2008). Различные индексы прогнозирования экономической активности в России // Квантиль. N 5. С. 83 - 102. [Demidov O. (2008). Different Indexes for Forecasting Economic Activi,ty in Russia // Quantile. No 5. P. 83 - 102.] Смирнов С. (2001). Система опережающих индикаторов для России // Вопросы экономики. N 3. С. 23 - 42. [Smirnov S. (2001). The System of Leading Indicators for Russia // Voprosy Ekonomiki. No 3. P. 23 - 42.] Солнцев О. Г., Мамонов М. Е., Цветова А. А., Магомедова 3. М. (2011). Опыт разработки системы раннего оповещения о финансовых кризисах и прогноз развития банковского сектора на 2012 г. // Журнал Новой экономической ассоциации. N 12. С. 41 - 76. [Solntsev O. G., Mamonov M.E., Pestova A. A., Magomedova Z.M. (2011). Experience in Developing Early Warning System for Financial Crises and the Forecast of Russian Banking Sector Dynamics in 2012 // Journal of New Economic Association. No 12. P. 41 - 76.] Стырин К., Потапова В. (2009). Опережающий индикатор ВВП РенКап-РЭШ: лучше и раньше / РЭШ, Ренессанс-Капитал. [Styrin K., Potapova V. (2009). RenKap-NES Leading GDP Indicator: Better and Earlier / NES, Renaissance-Capital.] Bussiere M., Fratzscher M. (2006). Towards a New Early Warning System of Financial Crises // Journal of International Money and Finance. Vol. 25. P. 953 - 973.

Conference Board (2000). Business Cycle Indicators Handbook.

Demirgug-Kunt A., Detragiache E. (1998). The Determinants of Banking Crises in Developing and Developed Countries // IMF Staff Papers. Vol. 45, No 1.

Estrella A., Mishkin F. S. (1998). Predicting US Recessions: Financial Variables as Leading Indicators // The Review of Economics and Statistics. Vol. 80, No 1. P. 45 - 61.

Forni M., Hallin M., Lippi M., Reichlin L. (2001). Coincident and Leading Indicators for the Euro Area // The Economic Journal. Vol. III, No 471. Conference Papers. P. C62-C85.

Kaminsky G., Reinhart C. (1999). The Twin Crises: The Causes of Banking and Balance-of Payments Problems // American Economic Review. Vol. 89, No 3. P. 473 - 500.

стр. Kauppi H., Saikkonen P. (2008). Predicting U.S. Recessions wi,th Dynamic Binary Response Models // Review of Economics and Statistics. Vol. 90, No 4. P. 777 - 791.

Marcellino M. (2006). Leading Indicators // Handbook of Economic Forecasting / G. Elliott, C.W.J. Granger, A. Timmermann (eds.). Amsterdam: Elsevier. Vol. 1. Ch. 16. P. 879 - 960.

Mitchell W. C, Burns A. F. (1946). Measuring Business Cycles // NBER Studies in Business Cycles. No 2.

Moneta F. (2005). Does the Yield Spread Predict Recessions in the Euro Area? // International Finance. Vol. 8, No 2. P. 264 - 301.

Ng E. C. Y. (2012). Forecasting US Recessions with Various Risk Factors and Dynamic Probit Models // Journal of Macroeconomics. Vol. 34, No 1. P. 112 - 125.

OECD (2008). OECD System of Composite Leading Indicators.

Smirnov S. (2006). A New System of Cyclical Indicators for Russia / 28th CIRET Conference, Rome. http://dcenter.ru/pdf/2006/c28_Smirnov.pdf.

Stock J. H., Watson M. W. (1992). A Procedure for Predicting Recessions with Leading Indicators: Econometric Issues and Recent Experience // NBER Working Paper Series. No 4014.

Weber S. (1997). The End of the Business Cycle? // Foreign Affairs. Vol. 76, No 4. P. 65 - 82.

Predicting Turning Points of the Business Cycle: Do Financial Sector Variables Help?

Anna Pestova Author affiliation: Center for Macroeconomic Analysis and Short-term Forecasting, National Research University Higher School of Economics (Moscow, Russia).

Email: apestova@forecast.ru.

The objective of this study is to develop a system of leading indicators of the business cycle turning points for a wide range of countries, including Russia, over a period of more than thirty years. We use a binary choice model with the dependent variable of the state of economy: the recession, there is no recession. These models allow us to assess how likely is the change of macroeconomic dynamics from positive to negative and vice versa. Empirical analysis suggests that the inclusion of financial sector variables into equation can significantly improve the predictive power of the models of the turning points of business cycles. At the same time, models with financial and real sector variables obtained in the paper outperform the "naive" models based only on the leading indicator of GDP in the OECD methodology due to either a lower level of noise (recession model) or a higher predictive power (model of the recovery from recession).

Keywords: business cycles, leading indicators, turning points, binary response models, macroeconomic crisis.

JEL: E32, E37.

стр. Воздействие альтернативных моделей лизинга на финансирование Заглавие статьи инвестиций Автор(ы) В. Газман Источник Вопросы экономики, № 7, Июль 2013, C. 82- ФИНАНСОВАЯ ЭКОНОМИКА Рубрика Место издания Москва, Россия Объем 51.9 Kbytes Количество слов Постоянный адрес http://ebiblioteka.ru/browse/doc/ статьи Воздействие альтернативных моделей лизинга на финансирование инвестиций Автор: В. Газман Для модернизации экономики могут быть полезны финансовые технологии, ранее почти не применявшиеся в России, но позволяющие существенно повысить лизингоемкость инвестиций и привлечь отечественный и зарубежный капитал в новые проекты, включая инфраструктурные, увеличить финансовый рычаг заимствований. В статье проанализированы преимущества нетрадиционных моделей лизинга, рассмотрены теоретические и методологические аспекты их формирования, определены критерии целесообразности использования предлагаемых моделей, проведен регрессионный анализ факторов ценообразования крупномасштабных лизинговых проектов. Эти модели позволяют расширить линейку инвестиционных продуктов, стимулируют конкуренцию между источниками лизингового фондирования.

Ключевые слова: леверидж-лизинг, возвратный лизинг, аренда, инвестиции, секьюритизация, синдицированное кредитование, ценообразование.

JEL: G23, D22, F34.

Согласно общепринятой классификации лизинга, он может быть финансовым или оперативным. Однако анализ использования его моделей свидетельствует о том, что палитра лизинговых отношений шире.

Альтернативными мы считаем модели, которые не вписываются в дихотомическое разграничение лизинга на два класса. Удельный вес стоимости договоров, реализуемых в соответствии с ними на мировом и европейском рынках, достигает 45%, а в России только 6%. В ряде стран эти модели продемонстрировали высокую инвестиционную эффективность. Резонно предположить, что они могут быть полезны для мобилизации денежных средств, ресурсосбережения и привлечения капитала, в том числе иностранных инвестиций, в отечественную экономику. Кроме того, их экономико-правовая конструкция отчасти близка к сложившемуся пониманию лизинга в нашей стране, например временное владение и пользование имуществом, смена собственника при выполнении условий договора. В статье рассмотрены три альтернативные модели лизинга: леверидж-лизинг (leveraged leasing);

аренда-продажа (hire-purchase);

возвратный лизинг (lease-back).

Леверидж-лизинг Модель леверидж-лизинга (далее - LL) - одна из наиболее сложных форм лизингового финансирования. Ее используют при реализации крупномасштабных инфраструктурных проектов, включая сделки международного лизинга.

Газман Виктор Давидович (garantinv@bk.ru), к.э.н., проф. НИУ ВШЭ (Москва).

стр. Новый подход к классификации лизинга. По мнению Дж. Себика, LL нужно квалифицировать как "прямой финансовый лизинг" (Sebik, 2008. Р. 461). Другие авторы считают, что LL "включает приобретение капитального оборудования на период, равный большему, но не всему сроку экономической жизни оборудования, продажу имущества по остаточной стоимости" (Ahlstrom et al., 2010 - 2012. P. 5 - 2). Такие особенности свидетельствуют о сходстве LL с финансовым лизингом в российском понимании этого термина. Однако далее отмечается, что в сделках участвуют арендодатель, арендатор и кредитор, который обеспечивает финансирование. Введение кредитора в схему финансового лизинга в качестве прямого участника и исключение из нее продавца имущества явно не согласуются с российской моделью финансового лизинга.

Служба внутренних доходов США считает, что LL "обычно связан с тремя участникам:

лизингодателем, лизингополучателем и кредитором лизингодателя. Обычно срок лизинга покрывает большую часть срока эксплуатации арендованного имущества, и выплат со стороны лизингополучателя лизингодателю достаточно для покрытия платежей лизингодателя кредитору"1.


П. Невитт и Ф. Фабоцци полагают, что LL - "одна из двух форм истинного лизинга" (Nevitt, Fabozzi, 2000. P. 7). Однако "истинный лизинг" (термин, используемый в США) предусматривает, что срок аренды не должен превышать 80% срока экономической жизни актива, и не предполагает переход права собственности в конце срока договора лизинга от лизингодателя к лизингополучателю. Следовательно, уже только поэтому LL нельзя отнести к финансовому лизингу, а следует считать оперативным.

Важный аспект лизинга - налоговые льготы. Лизингодатель в LL "может рассчитывать на все налоговые преференции, положенные собственнику лизингового актива, хотя лизингодатель обеспечивает только 20% капитала, необходимого для покупки оборудования. Эта способность требовать налоговые льготы на всю стоимость арендованного оборудования, хотя обеспечение и риск соответствуют только части его стоимости, выступает рычагом в LL. В результате при леверидж-лизинге лизингодатель может предложить гораздо более низкие ставки аренды, чем при обычном договоре прямой аренды" (Nevitt, Fabozzi, 2000. P. 7). Аналогичные соображения изложены и в работе: Ahlstrom et al., 2010 - 2012. P. 5 - 2.

Очень лаконичное определение дал С. Амембал: "Леверидж-лизинг - это сделка, в которой задолженность лизингодателя является безоборотной" (Amembal, 2006. Р. 40), то есть без права регресса со стороны кредитора. Как можно видеть, здесь LL вообще не классифицируется с точки зрения принадлежности к тому или иному виду лизинга.

Невитт и Фабоцци отмечают, что LL необходим для финансирования особо крупных капитальных проектов с оборудованием, эко Internal Revenue Bulletin. Bulletin No 2001 - 19. Rev. Proc. 2001 - 28. P. 1157. www.irs.gov/pub/irs-irbs/irb01-19.pdf.

стр. номическая жизнь которого составляет 25 лет и более (оборудование для гидроэлектростанций, или морская платформа для добычи нефти, или туннель и т. п.).

Ясно, что в конце срока договора эти активы не будут демонтированы лизингополучателями и возвращены лизингодателям. Логично предположить, что по завершении подобных сделок имущество будет выкуплено у собственников.

Следовательно, данные договоры по своим признакам будут отличаться от оперативного и финансового лизинга.

Дж. Ван Хорн и Дж. Вахович выделяют несколько типов лизинговых контрактов, отмечая, что LL - это специальная форма лизинга (Van Home, Wachowicz, 2009. P. 559 - 560).

Заметим, что разные виды лизинга представляют собой модель, которая включает прямые и косвенные контракты. При этом в договоре LL отражаются особенности лизинговой сделки в части выполнения одним из поверенных функций лизингодателя, а другим кредитора;

обязательства и ответственность сторон, ковенанты и т. д.

Мы считаем LL самостоятельным видом лизинга. Ему присуща определенная специфика формирования экономических и правовых отношений. Поэтому сложившийся в нормативных документах2 и литературе подход к классификации лизинга (Amembal, 2006.

Р. 24;

Church, 2000. P. B 3 - 6, B 3 - 7;

Арнольд, 2007. С. 395 и др.) нужно пересмотреть.

Целесообразно выделить следующие его виды: финансовый;

оперативный;

леверидж лизинг;

аренда-продажа;

возвратный лизинг. При этом участников разнообразных моделей лизинга необходимо уравнять в правах с точки зрения получения налоговых льгот и преференций.

Сущность леверидж-лизинга. Специфическая особенность LL в большом количестве сторон сделки: более одного акционера, включая лизингодателя;

более одного кредитора;

один и более продавцов, то есть как минимум пять участников.

Группу соинвесторов проекта образуют акционеры специально созданной компании. В России это может быть управляющая компания, которая становится лизингодателем и непосредственно заключает договор лизинга, договоры купли-продажи имущества, предназначенного для передачи в лизинг, кредитный договор, а также договор страхования, распределяет прибыль от лизингового проекта между акционерами. Эта схема имеет много общих черт с проектным финансированием. Акционеры финансируют лишь часть средств, необходимых для покупки объекта лизинга. Они используют собственные средства, как правило, в объеме 20% от первоначальной стоимости имущества, которые привлекают посредством выпуска акций. Оставшуюся часть средств (80%) покрывает другая группа кредиторов сделки - банки. Складывается пропорция, в которой леверидж равен 4. В зависимости от ликвидности имущества и кредитоспособности лизингополучателя определяется стоимость заимствований без регресса.

International Accounting Standard 17 - Leases. EC staff consolidated version as of 24 March 2010. § 4.

http://ec.europa.eu/internal_market/accounting/docs/consolidated/ias17_en.pdf.

стр. По-видимому, наличие левериджа побудило переводчиков и редакторов книг по финансовому менеджменту употреблять такие термины, как "лизинг с долговой нагрузкой" (Брейли, Майерс, 2004. С. 678), "кредитный лизинг" (Бригхэм, Эрхардт, 2009.

С. 790;

Йескомб, 2008. С. 48), "аренда активов, частично приобретенных в кредит" (Ван Хорн, Вахович, 2007. С. 967). Эти определения не совсем точны, так как почти 85% лизинговых операций базируется на кредитных и заемных ресурсах.

При использовании рычага для финансирования сложного инвестиционного проекта лизингодатель может, вложив незначительный объем собственных средств, получать налоговые льготы, применяя ускоренную амортизацию. Эти преференции сокращают сумму лизинговых платежей и обеспечивают экономию по сравнению с обычным кредитованием инвестиционного проекта.

Финансирование сделок LL можно осуществлять на основе синдицированного кредитования, которое выступает "длинным" инвестиционным ресурсом и предполагает наличие определенной договорной конструкции между банками-участниками с учетом их долевых обязательств. В результате можно привлекать денежные средства отечественных и зарубежных кредиторов для реализации крупномасштабного инвестиционного проекта, оптимизировать совокупные трансакционные издержки.

Кредит без права регресса предполагает наличие у кредитора возможности получить возмещение в случае дефолта заемщика, то есть использовать активы, указанные в договоре. Здесь речь идет о лизинговом имуществе, для приобретения которого выделяется кредит. Поэтому для российского лизинга было бы точнее определять подобные сделки не "без регресса", а "с ограниченным правом регресса". В случае невыполнения лизингополучателем своих обязательств кредиторы могут потребовать от номинального собственника, то есть лизингодателя, удовлетворить их требования за счет заложенного имущества.

Наиболее распространенная модель LL представляет собой комбинацию ряда элементов:

купли-продажи актива за счет собственного капитала лизингодателя и средств, полученных в результате синдицированного кредитования (с ограниченным регрессом);

заключения лизингового контракта;

уступки дебиторской задолженности на лизинговые платежи в счет погашения задолженности по телу кредита и процентам;

смены лица в обязательстве и др.

Ряд российских лизингодателей имеют опыт привлечения синдицированных кредитов.

Так, ЛК "Уралсиб" получила 200 млн. долл. на пять лет по ставке LIBOR+3%. В качестве обеспечения рассматривались залог активов и переуступка прав требования платежей по лизинговым контрактам. Участниками финансирования выступили Credit Suisse, BNP Paribas, Raiffeisen Zentralbank Osterreich, Nordkap Bank, Bayerische Landesbank и Commerzbank. Лизинговая компания Europlan привлекла на три года кредит в размере млн. долл. по ставке LIBOR + 3,5%. В пул кредиторов вошли шесть крупных международных банков.

ВЭБ-лизинг в 2013 г. осуществляет инвестиционный проект на сумму 600 млн. долл.

Предмет лизинга - самолет "Boeing 777 - 300" для компании "Аэрофлот". В проекте участвует синдикат из трех банков. Страховщик финансовых рисков - Eximbank.

Заемщиками по синдицированному кредитованию также выступали компании "ДельтаЛизинг", "Брансвик Рейл Лизинг", "Райффайзен-Лизинг".

стр. Позиция Высшего арбитражного суда РФ по вопросам уступки права (требования) заключается в том, что действия участников сделок не противоречат законодательству.

Кроме того, предполагается внести в ст. 309 ГК РФ норму, в соответствии с которой "при наличии между кредиторами одного должника соглашения о порядке осуществления (в том числе очередности удовлетворения требований об исполнении обязательств должником), полученное от должника исполнение распределяется между такими кредиторами в соответствии с условиями соглашения"3.

При формировании российской модели LL будем исходить из следующего: изначально договор лизинга предполагает, что лизингодатель в течение всего срока его действия будет представителем собственников имущества, которое, по сути, выступает обеспечением по договору. Лизингодатель может начать процедуру изъятия имущества у неисполнительного лизингополучателя при нарушении последним своих обязательств.

При уступке прав на получение кредиторами только лизинговых платежей собственник имущества не меняется. На первом этапе сделки для собственников возникает ситуация "избыточного обеспечения", поскольку их капитал составляет только 1/5. "Избыточное обеспечение", то есть сверх 20%, можно оценить на уровне 50 - 60% от первоначальной стоимости имущества, передаваемого в лизинг. В то же время у кредиторов обеспечение отсутствует. В таком случае возникает дисбаланс интересов участников сделки, преодолеть который можно посредством уступки прав не только по лизинговым платежам, но и по самому предмету лизинга. Причем договора залога, как такового, нет.

В результате возникает коллективный собственник лизингового имущества, состоящий из акционеров и кредиторов, которым уступили часть собственности. Меняет ли эта ситуация положение лизингополучателя по договору LL? Нет, поскольку его права по прежнему регулируются действующим договором, включая право выкупа имущества. При таком сценарии, в отличие от применяемого в США, лизингополучатель может стать собственником лизингового имущества в конце срока договора, если погасит всю задолженность перед кредиторами. Данное обстоятельство позволяет проектантам гибко варьировать сроки договоров, увязывая их с амортизацией имущества, а также сроки кредитования, и точнее определять величину выкупной стоимости.

Преимущества модели леверидж-лизинга для России. Модель LL формирует дополнительный канал привлечения капитала в страну. С ее помощью можно увеличить линейку инвестиционных финансовых продуктов, что усилит конкуренцию между источниками финансирования и расширит возможности реализации инвестиционных проектов с наибольшей выгодой для участников. Назовем основные преимущества использования модели LL.

1. Применение налоговых льгот (по налогу на имущество и налогу на прибыль). Для России это важно еще по двум соображениям:

Проект Федерального закона N 47538-6 "О внесении изменений в части первую, вторую, третью и четвертую Гражданского кодекса Российской Федерации, а также в отдельные законодательные акты Российской Федерации" (принят Госдумой РФ в первом чтении 27 апреля 2012 г. www.consultant.ru/law/hotdocs/17947.html).

стр. в силу размерности предоставляемых льгот, связанных с механизмом использования ускоренной амортизации;

благодаря возможности получать льготы в двух странах (double dipping) при правильном структурировании сделки в рамках одного инвестиционного проекта.

2. Возможность экономить 15 - 18% по сравнению с иными схемами финансирования инвестиционных проектов, например кредитом или международным торговым финансированием с участием агентств по страхованию финансовых рисков экспортно импортных операций, используя нормы действующего налогового и таможенного законодательства.

3. Возможность встраивать в инвестиционные проекты наиболее привлекательные элементы других моделей, например торгового финансирования, факторинга, форфейтинга. В частности, это облегчает финансирование оборотных средств, необходимых участникам инвестиционного проекта.

4. Использование в качестве обеспечения имущества, являющегося предметом лизинга, а не международных контрактов на поставку высоколиквидных продуктов, прежде всего сырьевых.

5. Максимально привлекательное структурирование сделки для конечного пользователя с точки зрения объема предоставляемых ему услуг.

6. Возможность увеличить финансовый леверидж для конечного заемщика лизингополучателя при использовании механизма синдикации в большей степени, чем при других схемах финансирования инвестиционного проекта.

7. Эффективное встраивание модели LL в механизм проектного финансирования.

Ценообразование в модели леверидж-лизинга. Важнейшей составляющей ценообразования выступает маржа лизингодателя4. Ее размер зависит от масштабности лизинговой операции, рисков, связанных с конкретным лизингополучателем, срока лизингового договора, валюты сделки, условий кредитования по срокам, способа начисления платежей и т. д. В модели LL цена определяется с учетом всех расходов и доходов лизингодателя, которые становятся расходами для лизингополучателя:

PLL = (PC + CBL + ML+AS + I +PT) x VAT, (1) где: PLL - цена LL;

PC - первоначальная стоимость имущества;

CBL - стоимость заимствований в модели LL;

ML - маржа лизинговой компании;

AS - дополнительные услуги;

I - страхование;

РТ - налог на имущество;

VAT - коэффициент удорожания за счет НДС. Стоимость заимствований рассчитывается следующим образом:

CBL = I + MT + LMF + AF + FL+I, (2) где: I - ставка банковского процента;

MT - вознаграждение управляющей компании;

LMF вознаграждение доверенному банку за организацию синдиката кредиторов;

AF вознаграждение доверенному банку за Подробно о ценообразовании лизинга и марже лизинговых компаний см.: Газман, 2006.

стр. выполнение агентских функций;

FL - вознаграждение за юридические услуги;

I - расходы на страхование финансовых рисков инвесторов.

Величину лизинговых платежей в модели LL целесообразно рассчитывать на основе метода аннуитета, учитывая основные параметры договора, равномерность платежей, временную стоимость денег. Соотнесение PLL с PC с учетом срочности договоров позволяет определить среднегодовое удорожание лизинга по сравнению с первоначальной стоимостью имущества и ставку лизингового процента. К началу 2012 г. она соответствовала уровню LIBOR плюс 300 - 450 б. п.

Эмпирический анализ. Рассмотрим зарубежный опыт дифференциации лизинговых договоров.

Несмотря на отсутствие нормативных значений размерности лизинговых договоров, временных критериев их продолжительности и финансирования, в США к крупным относят договоры лизинга, стоимость которых превышает 5 млн. долл. Удельный вес таких сделок в объеме новых договоров лизинга в 1999 - 2010 гг. составил 26,1%. В Великобритании крупными договорами лизинга признавали проекты стоимостью сначала свыше 10 млн, а затем - 20 млн. ф. ст. В Италии крупные договоры делят на три группы:

от 2,5 млн. до 10 млн. евро;

от 10 млн. до 50 млн;

свыше 50 млн. евро. В 2010 г. доля сделок в первой группе составляла 18,1% стоимости всех договоров лизинга, во второй 10,5, а в третьей - 1,9%. В лизинговых компаниях Германии, например в Deutsche Leasing, к крупномасштабным относят проекты, решение о финансировании которых утверждает наблюдательный совет лизингодателя, а контрактная стоимость составляет 50 млн. евро и более. Аналогичный подход применяют в компаниях MAN и Volvo. В Китае крупномасштабные проекты делят на две группы: 100 - 500 млн. и свыше 500 млн. юаней.

В России 70% новых договоров лизинга по стоимости относятся к крупномасштабным.

Однако потенциал их роста не исчерпан, в том числе за счет LL. Поэтому мы исследовали сделки, связанные с разработкой и реализацией дорогостоящих проектов, причем с точки зрения не только их стоимости, но и качественных характеристик, отражающих сложность отношений сторон. Это обусловлено числом участников, необходимостью согласовать их интересы и создать конструкцию, которая обеспечила бы уникальные преимущества для каждой стороны при расширении числа и объемов договоров. Проектантам подобных сделок нередко приходится рассматривать в качестве предмета лизинга не отдельные виды оборудования или транспортных средств, а крупные имущественные комплексы.

Таким образом, важнейшими критериями крупномасштабных лизинговых сделок становятся: размер инвестиционных проектов и способы их финансирования;

число участников;

сроки;

количество и направленность заключаемых договоров;

величина авансового платежа лизингополучателя;

риски и достигаемый эффект. Возможный вариант дифференциации лизинговых сделок в России с учетом зарубежного и отечественного опыта предложен в таблице.

Предлагаемое ранжирование апробировано на основе информации о 427 проектах крупной российской лизинговой компании в 2010 - 2012 гг. (контрактная стоимость 225,4 млрд. руб., первоначальная стоимость имущества - 162,2 млрд. руб., аванс лизингополучателей - 8,4%). Для реализации этих проектов лизингодатель должен заимствовать у кредиторов и (или) использовать собственные средства в раз стр. Таблица Шкала размеров лизинговых сделок в России (по курсу ЦБ РФ на 1 января 2013 г.) Интервальные значения групп:

Группа в тыс. руб. в тыс. долл. в тыс. евро Микро 2000 60,7 80, Малые 2000 - 20000 60,7 - 607 80,5 - Средние 20001 - 200000 608 - 6075 805 - Большие 200001 - 1200000 6076 - 36447 8050 - Большие + 1200001 - 3200000 36448 - 97193 48275 - Большие 3200000 97193 ++ мере 148,7 млрд. руб. на срок 7,4 года. Средневзвешенная ставка составляет 10,4%, маржа - 0,8%, то есть лизинговый процент равен 11,2. Деятельность этой компании ориентирована на работу с крупными проектами, особенно относящимися к 5-й и 6-й группам, на долю которых приходится 78% стоимости всех договоров. Для ряда российских лизингодателей они могли бы стать предметом сделок LL.

Анализ показал, что с ростом контрактной стоимости увеличиваются сроки договоров, сокращаются авансы, ставки кредитов и маржа лизингодателя. Для крупномасштабных сделок не подтвердился кажущийся очевидным тезис, что с увеличением сроков договоров растут риски и, следовательно, повышается стоимость заимствования.

При эмпирическом анализе взаимосвязи лизингового процента с другими составляющими цены лизинговой услуги учитывались следующие факторы: аванс;

привлеченные средства;

срок;

ставка финансирования;

маржа;

выкупная стоимость имущества по договору лизинга (первоначальная и контрактная стоимости отражены в учитываемых факторах). Однако при наборе из пяти факторов в полученных уравнениях регрессии возникала мультиколлинеарность. Действительно, коэффициент, характеризующий взаимосвязь "ставка/лизинговый процент", - один из наиболее высоких среди всех показателей парной корреляции, причем наивысшие его значения приходятся на крупномасштабные проекты. Согласно общепринятому подходу, в таком случае уравнения регрессии неадекватно отражают реальные экономические взаимосвязи. Тогда при построении уравнения множественной регрессии мы исключили ставку кредитования, и на втором этапе регрессионного анализа число включенных в модель факторов снизилось до четырех.

Мы проверяли гипотезу о том, что, несмотря на увеличение рисков для лизингодателя, связанных с ростом масштабов и сроков выполнения проектов, с сокращением авансов, относительные цены реализации инвестиционных проектов снижаются.



Pages:     | 1 | 2 || 4 | 5 |   ...   | 6 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.