Влияние структуры российского рынка межбанковского кредитования на управление Центральным банком ликвидностью банковской системы тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат наук Исаков, Александр Владимирович

• Исаков, Александр Владимирович
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Исаков, Александр Владимирович

Содержание

Введение

Глава 1. Результаты исследований структуры рынка МБК и потенциал совершенствования операций центрального банка с учетом структуры рынка

1.1 Современные направления изучения структуры рынка МБК и основные эмпирические инструменты

1.2 Операционные аспекты проведения денежно-кредитной политики и структура рынка МБК

1.3. Использование информации о структуре рынка МБК при реализации денежно-кредитной политики Банка России

1.4 Оценка спроса на ликвидность групп банков со сходным поведением на аукционе РЕГТО

Результаты первой главы

Глава 2. Оценка уровня напряженности на рынке МБК на основе индикаторов его структуры

2.1 Модели распространения стресса и распространения шоков на рынке МБК

2.2 Статистики открытых позиций рынка МБК

2.3 Сигнальная модель рынка МБК Банка России

2.4 Альтернативный подход к построению сигнальной модели рынка МБК

2.5 Стресс на рынке МБК и статистика открытых позиций

Результаты второй главы

Глава 3. Идентификация структуры рынка МБК и управление ликвидностью

3.1 Критика простого суммирования шоков ликвидности

3.2 Идентификация структуры рынка МБК

3.3 Модели агрегирования шоков ликвидности с учетом структуры рынка

Результаты третьей главы

Заключение

Список сокращений и условных обозначений

Список литературы

Индекс иллюстраций и таблиц

Приложение

Приложение 1. Международная практика выбора операционного ориентира ДКП

Приложение 2. Модифицированный алгоритм сегментирования временного ряда

Приложение 3. Выбор S

Приложение 4. Дендрограммы для методов ближнего соседа, средней связи и Уорда

Приложение 5. Тестирование нормальности локальных распределений

Приложение 6. Тестирование ценового сегментирования

Введение диссертации (часть автореферата) на тему «Влияние структуры российского рынка межбанковского кредитования на управление Центральным банком ликвидностью банковской системы»

Введение

Современные центральные банки стремятся увеличить благосостояние общества, таргетируя определенные уровни макроэкономических индикаторов в рамках собственного мандата и поддерживая стабильность финансовой системы. Для достижения указанных целей центральные банки проводят операции на финансовых рынках. Такие операции направлены на управление уровнем краткосрочных процентных ставок и уровнем ликвидности банковского сектора1. При планировании и параметризации таких операций денежные власти опираются па некоторые предположения о структуре рынка МБК, то есть о механизме и пределах перераспределения ликвидности в банковском секторе. Структура рынка МБК в настоящем исследовании определена как совокупность двусторонних кредитных лимитов, установленных участниками рынка МБК друг на друга. Таким образом, структура рынка определяет верхнюю границу объема перераспределения ликвидности на рынке МБК.

Актуальность настоящего исследования подтверждается растущим вниманием к вопросам управления ликвидностью банковского сектора в условиях перехода российской банковского сектора в состояние структурного дефицита ликвидности во второй половине 2011 г. и перехода Центрального банка Российской Федерации (Банка России) к управлению процентными ставками. Следует отметить, что точное управление ставками и ликвидностью требует от денежных властей способности корректно оценивать спрос банковского сектора на

1 Ряд авторов называют «банковским сектором» совокупность всех банков без центрального банка, а «банковской системой» все банки вместе с центральным банкам. Однако, такое определение не является общепринятым и в настоящей работе мы используем термины «банковская система» и «центральным банк» в первом определении и как эквивалентные.

инструменты рефинансирования и устойчивость рынка МБК. Обе задачи должны опираться на анализ структуры рынка МБК и закономерностей поведения банков на этом рынке.

Несмотря на то, что многие центральные банки не проводят операции непосредственно на рынке МБК, стоимость краткосрочного заимствования на этом рынке является операционной целью денежно-кредитной политики (ДКП). Дополнительно ожидания динамики ставки краткосрочного заимствования определяет форму кривой доходности и стоимость заимствования на важных для экономических агентов горизонтах, которые влияют на решения о потреблении и сбережении.

Одновременно с увеличением актуальности вопросов, связанных с управлением ликвидностью, растет внимание к инструментам и подходам к оценке стресса на рынке МБК и его устойчивости. Идентификация режима функционирования рынка МБК является одним из приоритетных направлений развития аналитического инструментария управления ликвидностью, поскольку распределение ликвидности может происходить более или менее эффективно в условиях различных уровней стресса.

В рамках этого направления важным является анализ отношений, сложившихся между кредитными организациями, и концентрации рисков на рынке МБК. В подтверждение центральности этого направления исследования Банк России в 2012 г. приступил к публикации «Обзора денежного рынка», в котором доступны различные индикаторы уровня системного риска. При этом корректная оценка уровня стресса должна опираться на реалистичные предпосылки о механизме функционирования рынка МБК, и в настоящей работе будут

указаны некоторые недостатки существующего подхода к идентификации уровня стресса и предложены пути их устранения.

Степень изученности двух указанных проблем различна.

Изучению механизма реализации денежно-кредитной политики: с учетом структуры рынка МБК посвящено небольшое количество ра&от, обзор которых приводится в [1]. Указанная работа особенно актуальна в силу того, что рассматривает опыт Европейского центрального базиса (ЕЦБ), чыо практику денежно-кредитной политики Банк России: в последние годы заметно заимствовал. В результате сегодня набор инструментов и подходы к управлению ликвидностью Банка России: и ЕЦБ достаточно близки.

При этом большинство современных теоретических моделтей функционирования экономики абстрагируются от операциоштых аспектов ДКП, в том числе деталей подходов к параметризагхии операций центральных банков на финансовых рынках. Чаще всего авторы опираются на предположение о способности денежных властей точно контролировать уровень краткосрочных ставок . Подобное предположение может быть реалистичным описанием функционирования рынков МБК в ряде стран с высоким уровыем развития финансовой системы. При этом отклонения краткосрочных ставок от целевых уровней, которые наблюдаются на российском: межбанковском рынке, свидетельствуют о том, что более детальное моделирование механизма трансмиссии операционных решений является полезным.

2 Например, одной из таких моделей, получивших широкое распространение, является (Taylor J. Monetary Policy Rules, Chicago: University of Chicago Press, 1999), в которой предполагается способность центрального банка точно контроляировать уровень ставок рынка МБК.

Дополнительно, к исследованию структуры рынка МБК возможно отнести набор работ, направленных на идентификацию ее так называемых «топологических свойств» (распределение количества различных контрагентов у участника межбанковского рынка или наличие сравнительно закрытых сообществ банков). Такие результаты доступны для большинства развитых стран ([2], [3]). При этом известные работы не идентифицируют взаимосвязи между структурой рынка МБК и эффективностью ДКП, способностью центральных банков точно контролировать уровень краткосрочных ставок.

Второй проблеме - анализу уровня стресса на рынке МБК -посвящено немало исследований, содержащих как методологические результаты, так и результаты применения передовых методов на практике. Стандартные методы были предложены в работах [4], [5], [6], обзор модификаций и результатов их применения на практике приводится в работе [7].

Авторы, развивающие данное направление, обычно рассматривают набор кредитных организаций, связанных взаимными требованиями и обязательствами. Стабильность системы измеряется (средним) объемом убытков или количеством дефолтов кредитных организаций, к которым приведет неисполнение обязательств одним из банков. В ряде работ структура межбанковских кредитов лишь предполагается, в других -авторам известны открытые позиции банков из информации, аккумулируемой центральными банками. Превосходство последнего подхода над первым очевидно, но и фактические данные о позициях кредитных организаций возможно использовать некорректно. Так, в настоящей работе будут продемонстрированы некоторые недостатки существующих подходов и предложены пути их совершенствования.

Существенные усилия исследователей направлены на идентификацию механизмов распространения шоков от дефолта отдельной кредитной организации (например, распространение каскадных дефолтов на рынке из-за снижения стоимости некоторого класса активов в результате срочной и массовой его ликвидации). При этом вопросу определения структуры МБК, то есть проблеме выбора типов и срочности обязательств, рассматриваемых при анализе взаимосвязей кредитных организаций, уделяется недостаточно внимания. В настоящей работе будет показано, что статистика открытых краткосрочных позиций кредитных организаций, широко используемая в исследованиях, не отражает в полной мере уровень стресса на рынке МБК.

Основная научная гипотеза. В настоящей работе выдвигается и проверяется гипотеза о том, что центральный банк, предполагая эффективность структуры рынка МБК, некорректно оценивает величину спроса на инструменты рефинансирования.

Предполагается, что подход к параметризации операций предоставления ликвидности должен учитывать фактические пределы перераспределения ликвидности (структуру рынка МБК), определяемые двусторонними лимитами кредитования и уровнем их использования.

Объектом исследования является структура российского рынка межбанковского кредитования, а предметом исследования является влияние структуры межбанковского рынка на эффективность операций центрального банка на финансовом рынке.

Цель исследования состоит в определении влияния структуры российского рынка МБК на эффективность операций центрального банка по управлению ликвидностью банковского сектора и формулировании

подходов к использованию информации о структуре рынка МБК при проведении центральным банком операций на открытом рынке.

Для реализации цели исследования ставятся и решаются следующие основные задачи:

- определить базовые предпосылки центрального банка о структуре рынка МБК, на которых основан современный подход к параметризации операций Банка России по управлению ликвидностью банковского сектора;

- выявить соответствие указанных предпосылок действительности и оценить потенциал их воздействия на эффективность операций центрального банка;

- разработать инструментарий идентификации уровня напряженности на рынке МБК и оценить точность существующих подходов к оценке уровня стресса на рынке МБК;

- идентифицировать механизм связи структуры рынка МБК и действующего подхода к параметризации операций на открытом рынке с неполной эффективностью процентной политики;

- разработать подход к оценке спроса на инструменты предоставления ликвидности центрального банка с учетом информации о структуре рынка МБК.

Теоретическую базу исследования составляют труды исследователей рынка МБК в мировых центральных банках, таких как К. Аппер (С. Upper, Бундесбанк), У. Биндсейл (U. Bindseil, ЕЦБ), А. Вормс (A. Worms, Бундесбанк), Э. Най и Э. Холдейн (Е. Nier, A. Haidane, Банк Англии), и исследователей из академических учреждений, таких как Ф. Аллен (F. Allen), А Бабус (A. Babus) и Ж.Ф. Кокко (J.F. Соссо). На выбор методов, использованных в

®

настоящей работе, повлияли работы П. Бернаола-Галван (P. Bernaola-Galvan), A.B. Буздалина, А. Клозе (A. Clauset) и М. Ныомана (М. Newman). Детальная информация о теоретической базе приведена в главе 1.

Большинство количественных оценок базируется на данных, агрегированных Банком России на основе формы банковской отчетности об операциях на денежном и валютном рынках №0409701. Данный массив состоит из информации об отдельных сделках, заключенных кредитными организациями между собой и с другими контрагентами. Дополнительно были использованы макроэкономические показатели, доступные на сайте Банка России, Росстата и сайтах международных организаций и национальных центральных банков.

Научная новизна работы состоит в постановке и решении задачи идентификации влияния структуры российского рынка МБК на эффективность управления Банком России ликвидностью банковской системы. Впервые продемонстрирована возможность наличия систематических ошибок параметризации операций на открытом рынке при условии несоответствия действительности предположений центрального банка о структуре рынка МБК. Показана необходимость совершенствования инструментов анализа ликвидности банковской системы. Дополнительно разработан подход к идентификации уровня стресса на рынке МБК.

Наиболее существенные научные результаты, полученные автором и определившие научную новизну, заключаются в следующем:

1. Формально идентифицированы различные виды отклонения структуры денежного рынка от теоретической «идеальной»: «ценовая сегментация», при которой возможно отвергнуть предположение о

единой стоимости заимствования для различных групп банков, и «объемная сегментация», при которой возможно отвергнуть предположение о способности межбанковского рынка перераспределять шоки ликвидности между произвольными кредитными организациями.

2. Впервые предложен подход к тестированию наличия «объемной сегментации» межбанковского рынка кредитования. Для этого была разработана модель, связывающая отклонение оценки спроса центральным банком на инструменты рефинансирования от фактического спроса со структурой рынка МБК.

3. На основе детального набора данных о результатах аукционов РЕПО с Банком России показано, что статистика отклонений спроса на инструмент рефинансирования от его оценок регулятором (лимита на аукционе) хорошо согласуется с гипотезой о наличии «объемной сегментации» на российском межбанковском рынке. Было показано, что в условиях, когда чистый спрос на ликвидность («разрыв ликвидности») по банковскому сектору близок к нулю, информация о структуре межбанковского рынка становится наиболее ценной. Статистика фактически наблюдаемых расхождений между оценками спроса кредитных организаций Банком России на ликвидность и фактическим спросом на аукционе хорошо согласуется с этим выводом.

4. Выявлено, что фактическая структура рынка МБК существенно отличается от предполагаемой Банком России «идеальной» структуры с неограниченными лимита. Показано, что коррекция предположения центрального банка о структуре межбанковского рынка позволит более точно определять параметры его операций и надежнее контролировать уровень процентных ставок.

5. Был предложен подход параметризации операций предоставления ликвидности, учитывающий различное поведение на аукционе РЕПО групп банков. Было показано его преимущество по сравнению с использовавшимся на сравнимом временном периоде стандартным подходом.

6. Были разработаны модели, реалистично описывающие функционирование межбанковского рынка, то есть способны учитывать информацию о двусторонних лимитах, параметрах операций предоставления и абсорбирования ликвидности центральным банком, транзакционных издержках. В том числе, предложенные модели позволяют учитывать решения кредитных организаций о финансировании краткосрочных потребностей в ликвидности. Более того, кредитные организации могут выступать в качестве посредников на денежном рынке, а сам рынок приходит в равновесие в отсутствие «аукционера», который бы централизованно агрегировал заявки на привлечение и размещение средств.

7. Для идентификации фактического межбанковского рынка кредитования был впервые предложен двух-шаговый алгоритм, который позволяет идентифицировать не только сравнительно закрытые, но и устойчивые во времени группы кредитных организаций. Алгоритм предполагает применение традиционных методов идентификации сообществ для серии периодов, но дополнен шагом, который определяет связь двух банков как устойчивую, если они принадлежат к одному сообществу в более чем половине рассмотренных периодов.

8. Была оценена способность статистик структуры рынка МБК сигнализировать изменение уровня стресса. Для этого была предложена многомерная модификация существующего одномерного алгоритма

жш) высшая школа экономики

ЛщЖ' НАЦИОНАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ УНИВЕРСИТЕТ

сегментирования временных рядов, которая позволяет получить результаты, хорошо согласующиеся с результатами опроса экспертов, дополнительно позволяющая более точно идентифицировать точки перехода между состояниями денежного рынка. Даны оценки прогнозной силы статистик структуры рынка МБК относительно уровня стресса.

Теоретическая и практическая значимость исследования.

Теоретическая значимость работы заключается в формализации понятия «сегментирован! юсти» рынка МБК, ценовой и объемной сегментированное™. Теоретически значимы модели, связывающие особенности структуры рынка МБК и способность центрального банка достигать операционных целей денежно-кредитной политики. Дополнительно, значимыми и полезными являются новые алгоритмы, предложенные в работе: распределения ликвидности на рынке МБК с нетривиальной структурой, идентификации стабильных сообществ кредитных организаций и кластеризации временных рядов.

Практическая значимость результатов работы состоит в возможности их использования при формулировании операционных процедур ДКП, разработке корректировок процедур параметризации операций центрального банка на открытом рынке. Дополнительно возможно использование методов и моделей, предложенных в работе, для мониторинга развития рынка МБК, идентификации устойчивых групп кредитных организаций, которые могут представлять интерес с точки зрения анализа распределения ликвидности на отдельных сегментах рынка МБК и концентрации кредитных рисков.

Апробация результатов. Основные положения диссертации обсуждались на заседаниях научных семинаров Кафедры банковского

дела факультета экономики (18 мая 2012 г.), Кафедры международных валютно-кредитных отношений факультета мировой экономики и мировой политики (25 сентября 2012 г., 29 января 2013 г.), научно-исследовательском семинаре «Проблемы статистического анализа социально-экономических процессов» отделения статистики, анализа данных и демографии факультета экономики (4 февраля 2014 г.) Национального исследовательского университета Высшая школа экономики (НИУ ВШЭ), были представлены на XIV международной научной конференции по проблемам развития экономики и общества в НИУ ВШЭ (2013 г.). Практические результаты широко обсуждались со специалистами и руководящими сотрудниками Департамента операций на финансовых рынках и Департамента денежно-кредитной политики Банка России.

По результатам исследования автором опубликовано 4 научные работы общим объемом 3.3 п. л.

Структура диссертации. Диссертационное исследование изложено на 154 страницах текста, состоит из введения, 3 глав, заключения, библиографии из 121 наименований, 6 приложений. Диссертация содержит 6 таблиц и 35 графиков.

Глава 1. Результаты исследований структуры рынка МБК и потенциал совершенствования операций центрального банка с учетом структуры рынка

Ранние исследования структуры финансовых систем (чаще

банковской системы) принадлежали к отраслевой экономике и обычно были посвящены тестированию предположения о связи некоторой меры концентрации (чаще всего доли на некотором рынке финансовых услуг нескольких крупнейших банков или индекса Херфиндаля-Хиршмана) с мерой стоимости услуг, рентабельности кредитных организаций или величины транзакционных издержек. Обзор результатов данного направления доступен в работе [8], более современный - в [9].

Настоящее исследование и тот блок литературы, к которому оно принадлежит, разграничивает понятия «концентрации» и «структуры» рынка. Структура рынка МБК была определена во введении как совокупность двусторонних кредитных лимитов, которые банки устанавливают друг на друга. Такая структура задает пределы перераспределения ликвидности на рынке МБК.

1.1 Современные направления изучения структуры рынка МБК и основные эмпирические инструменты

Следует более строго определить то место, которое занимает

рынок МБК в системе финансового рынка. Так, в качестве сегментов финансового рынка принято рассматривать такие рынки как валютный, фондовый, инструментов с фиксированной доходностью, производных инструментов, страхования и другие. Зачастую, обобщая, исследователи условно делят финансовый рынок на рынок капитала и денежный рынок, на котором обращаются инструменты и заключаются сделки сроком до 1 года. Рынок МБК является частью денежного рынка, на котором

кредитные организации заключают между собой сделки необеспеченного кредитования.

Центральные банки, проводящие стандартную денежно-кредитную политику, используют инструменты денежного рынка для того, чтобы влиять на стоимость краткосрочного заимствования на рынке МБК , управляя уровнем ликвидности в банковской системе. Именно на рынке МБК происходит большинство сделок между кредитными организациями, которые стремятся разместить свободные средства или найти финансирования временного недостатка ликвидности.

В силу центрального места рынка МБК в трансмиссионном механизме ДКП, большинство работ, посвящено именно данной части финансового рынка. Пласт литературы, сформировавшийся на сегодняшний день вокруг исследования структуры рынка МБК, можно разделить на 2 вполне независимых блока:

• идентификация влияния структуры рынка МБК на эффективность операционной политики центральных банков;

• исследование структуры рынка МБК для идентификации уровня стресса, который связан с кредитным риском и эффективностью распределения ликвидности между банками. Детальный обзор результатов, полученных исследователями в

рамках обоих направлений, приводится ниже. Однако следует отметить, что часть инструментов, которые используют исследователи структуры МБК рынка, появилась благодаря достижениям в смежных направлениях естественных и гуманитарных наук.

3 Ряд банков таргетируст уровни ставок на других сегментах денежного рынка, например, PEIIO (как SELIC в Бразилии) или своп, однако, такая практика является скорее исключением.

Так, идентификация сообществ или кластеров участников внутри таких структур как рынки, группы индивидов или биологические экосистемы привлекает значительное внимание исследователей ([10], [11]). В работах этого направления сообщество определяется как группа участников более интенсивно взаимодействующих друг с другом чем с остальными ([10]). Чтобы выделить такие плотные группы исследователи выбирают функцию-проекцию из пространства, характеризующего разбиение системы на сообщества, на множество действительных чисел, которая бы отражала это определение. Затем предпринимается попытка поиска ее максимума. Обычно оптимум такой целевой функции возможно найти лишь полным перебором ([12]), так что на практике применяются эвристики ([10], [13]) или приближенные алгоритмы ([14]), позволяющие найти сообщества достаточно точно и за приемлемое вычислительное время. Результаты обработки входных данных о связях между участниками рынка или другой структуры обычно представляются в виде сгруппированных наборов, которые и называют сообществами.

Дополнительно следует отметить, что представление структуры взаимосвязей для систем с нетривиальным количеством участников в наглядном виде представляет сложную задачу. В то время, как выбор метода визуализации структуры зачастую сложно формализовать, а его качество может быть оценено лишь субъективно, в настоящее время исследователи делают доступными все большее количество новых инструментов и способов визуализации (например, [15], [16]). Распространенные алгоритмы оптимизируют определенный критерий, такой как минимальное количество пересечений между ребрами графа, другие направлены на то, чтобы подчеркнуть наличие сообществ. В

настоящей работе мы стремимся использовать наиболее современные результаты данного направления исследования. Например, на рис. 1 приводится структура блока литературы, посвященного связи структуры рынка МБК и его устойчивости к внешним шокам. В дополнение к информации о том, каким образом работы получают развитие в литературе, на данном графике видны наиболее цитируемые и (предположительно) наиболее важные работы блока.

Рисунок 1. Граф цитирования статей о распространении шоков на рынке МБК

Источник: расчеты автора.

Ниже предлагается обзор современного состояния перечисленных направлений и основных результатов. Акцент в обзоре сделан на эмпирические результаты для мировых рынков МБК и российского рынка МБК.

1.2 Операционные аспекты проведения денежно-кредитной политики и структура рынка МБК

Так, на операционном уровне практика реализации денежно-

кредитной политики на сегодняшний день является достаточно однородной. По словам главы Департамента операций на открытых рынках ЕЦБ в работе [17]: «Сегодня, по крайней мере, среди центральных банков нет разногласий по поводу того, что значит решение о денежно-кредитной политике - это решение об уровне ставки краткосрочного заимствования, который центральный банк будет таргетировать до следующего заседания».

При этом стандартные экономические модели зачастую абстрагируются от деталей механизма управления процентнырли ставками и основываются на предположении о способности центрального банка поддерживать стоимость ликвидности на рынке МБК на выбранном уровне (например, [18] и [19]).

Действительно, в теории управление уровнем процентных ставок не представляется амбициозной задачей. Так, в работе [20] утверждается:: «Если центральный банк относительно точно способен выбирать объем своих операций на открытом рынке, то равновесный (по Вальрасу) уровень процентной ставки [...] никогда не отклоняется слишком далеко от центра процентного коридора ни в каком случае».

Обычно инструменты управления процентной ставкой в центральных банках (например, ЕЦБ, Банк Новой Зеландии и Банк: России) формируют коридор процентных ставок, в котором сверху и снизу находятся операции постоянного действия, а на уровне целевой ставки проводятся аукционные операции. Предполагается, что механизм:, заставляющий процентную ставку находиться в центре коридора.,

следующий. Банковская система ожидает, что центральный банк решительно удерживает процентную ставку в окрестности выбранного уровня, предоставляя или абсорбируя необходимое количество ликвидности. Кредитные организации в таком случае воспринимают отклонения рыночной ставки от ключевого уровня, заданного центральным банком, как арбитражные возможности, отклонения от справедливой стоимости денег: возможность привлечения средств по более низкой стоимости или выгодного их размещения на рынке. Рост спроса на депозиты или увеличение их предложения на межбанковском рынке приводит к возврату ставки к целевому уровню.

Список литературы диссертационного исследования кандидат наук Исаков, Александр Владимирович, 2014 год

Список литературы

1 Bindseil U. Central Bank Liquidity Management: Theory and Euro

Area Practice. 2000. Frankfurt am Main.

2 Boss, M., Elsinger, H., Summers, M., Thurner, S. The Network Topology of the Interbank Market. 2002. ECB.

3 von Peter, G. International banking centres: a network perspective. 2007.

4 Manna, M. The Topology of the Interbank Market Developements in Italy Since 1990, Bank of Italy. 2009. Rome.

5 Furfine, C. Interbank Exposures: Quantifying the Risk of Contagion // Journal of Money, Credit, and Banking. 2003. С. 111-128.

6 Millier, J. Two Approaches to Assess Contagion in the Interbank Market. 2003. Swiss National Bank.

7 Upper, C. Simulation methods to assess the danger of contaigion in interbank markets // Journal of Financial Stability. 2011. №3(7). С. 111-125.

8 Gilbert, R. A. Bank market structure and competition: a survey // Journal of Money, Credit and Banking. 1984. №4(16). C. 617-645.

9 Demirguc-Kunt, A., Laeven, L., Levine, R. Regulations, market structure, institutions, and the cost of financial intermediation. 2003. National Bureau of Economic Research.

10 Newman, M., Girvan, M. Community structure in social and biological networks // Proceedings of the National Academy of Sciences of the United States of America. 2002. №12(99). C. 7821-7826.

11 Barthélémy, S. S., Fortunato, M., Resolution limit in community detection // Proceedings of the National Academy of Sciences of the United States of America. 2007. №1(104). C. 36-41.

12 Arora, S., Rao, S., Vazirani, U. Expander flows, geometric embeddings and graph partitioning // STOC'04: Proceedings of the 36th annual ACM Symposium on Theory. 2004.

13 Dhillon, I., Guan, Y., Kulis, B. Weighted graph cuts without eigenvectors: A multilevel approach // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2007. № 11(29).

14 Andersen, R., Chung, F., Lang, K. Local graph partitioning using PageRank vectors // FOCS '06: Proceedings of the 47th Annual IEEE Symposium on Foundations of Computer Science. 2006.

15 Holten, D. A user study on visualizing directed edges in graphs // Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. 2009.

16 Krzywinski, M., Birol, I., Jones, S., Marra, M. A. Hive plots: rational approach to Hive // Briefings in Bioinformatics. 2011. №5.

17 Bindseil, U. The operational target of monetary policy and the rise and fall of the reserve position doctrine. 2004. European Central Bank. Frankfurt am Main.

18 Taylor, J. Monetary Policy Rules. 1999. University of Chicago Press. Chicago.

19 McCallum, B. Issues in the Design of Monetary Policy Rules // Handbook of Macroeconomics. 1999. North-Holland. Amsterdam.

20 Woodford, M. Monetary Policy in the Information Economy. 2001. National Bureau of Economic Research.

21 Bindseil, U. Central Bank Forecasts of liquidity factors and the control of short term interest rates // BNL Quarterly Review, № 220, 2002.

22 Vento, G. A., La Ganga, P. Interbank market and liquidity distribution during the great financial crisis: the e-mid case. 2009. Bank of Italy.

23 Gaspar, V., Perez Quiros, G., Mendizabal, G. R. Interest rate determination in the interbank market. 2004. European Central Bank. Frankfurt am Main.

24 Gaspar, V., Perez Quiros, G., Mendizabal, G. R. Interest rate dispersion and volatility in the market for daily funds // European Economic Review. 2008. t. 52.

25 Bagehot, W. Lombard Street: a description of the money market. 1878. Kegan Paul.

26 Keynes, J. M. General theory of employment, interest and money. 2006. Atlantic Books.

27 Kindleberger, C. Manias, Panics, and Crashes: A History of Financial Crises. 1978. New York: Basic Books.

28 Minsky, H. P. Can"it" happen again?: essays on instability and finance. 1984. Armonk, NY: ME Sharpe.

29 Freixas, X., Parigi, B. M., Rochet, J.-C. Systemic risk, interbank relations, and liquidity provision by the central bank // Journal of Money, Credit and Banking, 2000. №3(32). C. 611-638.

30 Iyer, R., Peydro-Alcalde, J. Interbank contagion: Evidence from real transactions // Risk measurement and systemic risk. 2005. ECB.

31 Diamond, D., Dybvig, P. Bank Runs, Deposit Insurance, and Liquidity //Journal of Political Economy. 1983. C. 401-419,.

32 Donaldson, R. Costly Liquidation, Interbank Trade, Bank Runs and Panics, Journal of financial intermediation, 1992. C. 59-82.

33 Jacklin, C., Bhattacharya, S. Distinguishing Panics and Information-Based Bank Runs: Welfare and Policy Implications // Journal of Political Economy. 1988. №96. C. 568-592.

34 Dasgupta, B. Accumulation in the Presence of Informal Credit Contracts: Does the Incentive Mechanism Work Better than Credit Rationing Under Asymmetric Information? 2004. University of Connecticut.

35 Rochet, J.-C., Tirole, J. Interbank Lending and Systemic Risk // Journal of Money, Credit and Banking, 1996. C.733-762.

36 Bernanke, B.S. Reducing Systemic Risk // Federal Reserve Bank of Kansas City's Annual Economic Symposium. 2008. Wyoming.

37 Borodin, A., Filmus Y., Oren, J. Threshold models for competitive influence in social networks // 6th international conference on Internet and network economics, 2010.

38 Chen, N. On the approximability of influence in social networks // 19th annual ACM-SIAM symposium on Discrete algorithms. 2008.

39 Chen, W. Wang, Y., Yang, S. Efficient influence maximization in social networks // 15th ACM SIGKDD international conference on Knowledge discovery and data mining. 2009.

40 Kempe, D., Kleinberg J., Tardos, E. Maximizing the spread of influence through a social network // 9th ACMSIGKDD international conference on Knowledge discovery and data mining. 2003.

41 Eubank, S. Network based models of infectious disease spread // Japanese Journal of Infectious Diseases. 2005.

42 Eubank, S., Guclu, H., Kumar, V. S. A., Marathe, M. V., Srinivasan, A., Toroczkai, Z., Wang, N. Modeling Disease Outbreaks in Realistic Urban Social Networks // Nature. 2004. C. 180-183.

43 Coelho, F. C., Cruz , O. G., Codeo, C. T. Epigrass: a tool to study disease spread in complex networks // Source Code for Biology and Medicine. 2008.

44 Sheldon, G., Maurer, M. Interbank lending and systemic risk // Swiss Journal of Economics and Statistics. 1998. C. 684-704.

45 Blavarg, M., Nimander, P. Inter-bank exposures and systemic risk // Economic Review. Sveriges Riksbank: 2002. C. 19-45.

46 Wells, S. UK interbank exposures: systemic risk implications // Financial Stability Review. 2002. Bank of England.

47 Cifuentes, R. Banking Concentration: Implications for Systemic Risk and Safety-Net Design // Banking Market Structure and Monetary Policy. 2004.

48 Upper, C., Worms, A. Estimating Bilateral Exposures in the German Interbank Market: Is There a Danger of Contagion? // European Economic Review. 2004. C. 827-849.

49 van Lelyveld, I., Liedorp, F. Interbank Contagion in the Dutch Banking Sector: A Sensitivity Analysis // International Journal of Central Banking. 2006. C. 99-133.

50 Mistrulli, P. Assessing financial contagion in the interbank market: Maximum entropy versus observed interbank lending patterns // Banca d'ltalia Temi di Discussione (Working Papers). 2007.

51 Castiglionesi, F., Navarro, N. Optimal Fragile Financial Networks // Tilburg University Discussion. 2007. Tilburg.

52 Berman, P. On Vulnerability of Banking Networks // Industrial-Academic Workshop on Optimization in Finance and Risk Management. 2011. Toronto,

53 Muller, J. Interbank Credit Lines as a Channel of Contagion // Journal of Financial Services Research. 2006. C. 37-60.

54 Soramaki, K., Arnold, J., Bech, M., Beyeler, W., Glass, R. The Topology of Interbank Payment Flows. 2006. №243.

55 Cajueiro, D., Tabak, B. The role of banks in the Brazilian Interbank Market: Does bank type matter? // Physica A: Statistical Mechanics and its Applications. 2007. №27(387), C.6825-6836. Elsevier.

56 Iori, G., Caldarelli, G., Gabbi, G., de Masi, G., Precup, O. A Network Analysis of the Italian Overnight Money Market // Journal of Economic Dynamics and Control, №1(32), 2007.

57 Becher, C., Millard, S., Soramali, K. The network topology of CHAPS Sterling // Bank of England working papers. 2008. 2008. №355.

58 Bech, M., Atalay, E., The Topology of the Federal Funds Market // Bank of England working papers. 2008. №354.

59 Nier, E., Yang, J., Yorulmazer, Т., Alentorn, A. Network models and financial stability // Economic Dynamics and Control. 2007. № 6(31). C. 2033-2060.

60 Allen, F., Gale, D. Financial Contagion // Journal of Political Economy. 2000. C. 1-33,

61 Babus, A. Contagion Risk in Financial Networks // Financial Development, Integration. 2006. C. 423-440.

62 Gai, P., Kapadia, S. Contagion in financial networks // Proc. R. Soc. A. 2010. C. 2401-2423.

63 Haldane, A. Why Banks Failed the Stress Test // Marcus-Evans Conference on Stress-Testing. 2009. London,

64 Leitner, Y. Financial Networks: Contagion, Commitment, and Private Sector Bailouts // Journal of Finance. 2005. C. 2925-2953.

65 Kleindorfer, P. R., Wind, Y., Gunther, R. E. The Network Challenge: Strategy, Profit and Risk in an Interlinked World. 2009. Pearson Prentice Hall.

66 Моисеев, С. P. О ликвидности банковского сектора России // Материалы Форума финансовой стабильности, Москва. 2012.

67 Babus, A. The Formation of Financial Networks // Tinbergen Institute Discussion Papers. 2007. №2006-093/2.

68 Банк России Об определении лимитов по рыночным операциям Банка России по предоставлению (абсорбированию) ликвидности. 2012. [В Интернете]. URL: http://cbr.ru/dkp/standart system/DKP limit.pdf, по состоятнию на 01.09.2012.

69 Liao, Т. Clustering of time series data - a survey // Journal of Pattern Recognition. 2005. №11(38). C.1857-1874.

70 Hosmer, D. W., Lemeshow, S. Applied logistic regression. Hoboken:2000. John Wiley and Sons.

71 Cohen, J., West, C. P., Applied Multiple Regression\Correlation Analysis for the Behavioral Sciences. 2002. Routledge Academic.

72 Моисеев, А., О перспективах финансовой системы // Материалы конференции «Российский банковский сектор: риски роста». М.:2012.

73 Росбанк, Ликвидность банковского сектора на крючке Банка России, Москва, 2012.

74 Grosse, I., Bernaola-Galvan, P., Carpena, P., Roman-Roldan, R., Oliver, J., Stanley, H. Analysis of symbolic sequences using the Jensen-Shannon divergence // Physical Review E. 2002. № 4(65).

75 Cheong, S.-A., Stodghill, P., Schneider, D. J., Cartinhour, S. W., Myers, C. The context sensitivity problem in biological sequence segmentation. 2009. [В Интернете]. URL: http://arxiv.org/abs/0904.2668. по состоятнию на 21.12.2012.

76 Wong, J. C., Lian, H., Cheong, S. A. Detecting macroeconomic phases in the Dow Jones Industrial Average time series // Physica A: Statistical Mechanics and Its Applications. 2009.№388(21).

77 Leskovec, J., Lang, K. J., Mahoney, M. Empirical comparison of algorithms for network community detection // Proceedings of the 19th international conference on World wide web. 2010.

78 Newman, M., Girvan, M. Finding and evaluating community structure in networks // Phys. Rev. E. 2004. №69.

79 Gregory, S. An algorithm to find overlapping community structure in networks // Knowledge discovery in databases: PKDD 2007. 2007.

80 Shi, J., Malik, J. Normalized cuts and image segmentation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000. №22(8)

81 Derenyi, I., Palla, G., Vicsek, T. Clique percolation in random networks // Physical review letters. 2005. №16(94). C. 160202.

82 Банк России, Обзор денежного рынка за I квартал 2013 г., 2013. [В Интернете]. URL: http://cbr.ru/analytics/fin_stab/MMR_13Ql. pdf?pid=fin_stab&sid=ITM_3323 9.

83 Моисеев, С. Р., Пантина, И. В. Сигнальная модель идентификации финансового стресса на рынке междилерского РЕПО // Банковское дело. 2012.

84 Исаков А. В. Структура рынка межбанковского кредитования и корректное агрегирование шоков ликвидности // Журнал новой экономической ассоциации. 2013. №3 (19). С. 52-64.

85 Леонидов, А. В., Румянцев, Е. JI. Оценка системных рисков межбанковского рынка России на основе сетевой топологии // Журнал новой экономической ассоциации, №3(19), 2013.

86 Acharya, V. V., Pedersen, L. Н., Philippon, Т., Richardson, М. Measuring systemic risk, 2010. NYU.

87 Borio, C., Drehmann, M. Assessing the risk of banking crises -revisited // BIS Quarterly Review. 2009.

88 Schwaab, B., Koopman, S. J., Lucas, A. Systemic risk diagnostics coincident indicators and early warning signals // ECB Working Papers Series. 2011.ECB.

89 Heider, F., Hoerova, M., Holthausen, C. Liquidity hoarding and interbank market spreads: The role of counterparty risk // ECB Working Papers Series. 2009.

90 Bernaola-Galvan, P., Ivanov, P. C.,. Amara, L. A. N., Stanley, H. E. Scale invariance in the nonstationarity of human heart rate // Physical Review Letters. 2001. №16(87), C. 6026-6029.

91 Keogh, E., Chu, S., Hart, D., Pazzani, M. Segmenting time series: A survey and novel approach // Data mining in time series databases. 2004. №57. C.l-22.

92 Burbea, J., Rao, C. R., On the convexity of some divergence measures based on entropy functions // IEEE Transactions on Information Theory. 1982. №2(28), C.489^495.

93 Kullback, S., Leibler, R. A. On information and sufficiency // The Annals of Mathematical Statistics. 1951. №1(22), C.79-86.

94 Grosse, I., Bernaola-Galvan, P., Carpena, P., Roman-Roldan, R., Oliver, J., Stanley, H. Finding Borders between Coding and Noncoding DNA Regions by an Entropic Segmentation Method // Phys. Rev. Letters. 2000. №6(85), C. 1342-1345.

95 Pollard, D. A user's guide to measure theoretic probability. 2002. Cambridge University Press, Cambridge.

96 Bhattacharyya, A. On a measure of divergence between two statistical populations defined by their probability distributions // Bulletin of the Calcutta Mathematical Society. 1943. №35. C. 99-109,

97 Cha, S. H. Comprehensive survey on distance/similarity measures between probability density functions // International journal of mathematical models and methods in applied sciences. 2007. №4(1), C. 300-307.

98 Beeferman, D., Berger, A., Lafferty, J. Statistical models for text segmentation // Machine Learning. 1999. №1(34), C. 177-210.

99 Lagunoff, R., Schreft, S. A Model of Financial Fragility // Journal of Economic Theory. 2001. C. 220-264.

100 Corbo, J., Demange, G., Contagion in Financial Networks: A Random Graph Model // 3rd financial Risks International Forum. 2010. Paris.

101 Kindleberger, C. Manias, Panics, and Crashes: A History of Financial Crises, 1978. New York: Basic Books.

102 Bryant, J. A Model of Reserves, Bank Runs, and Deposit Insurance // Journal of Banking and Finance. 1980. C. 335-344.

103 Iyer, R., Peydro-Alcalde, J. Interbank contagion: Evidence from real transactions // Risk measurement and systemic risk. 2005. ECB.

104 Eisenberg, L., Noe, T. Systemic Risk in Financial Systems, Management Science. 2001. C. 236-249.

105 Горстко, А., Угольницкий, Г. Оптимизация структуры ориентированного графа как метод моделирования в экологии. 2000. № 17.

106 Shapley, L.A Value for n-person Games, 1953. №28(1).

107 Aumann, R. The Shapley Value. 2012. IsraekThe Hebrew University.

108 Mertens, J.-F., Sorin, S. Game Theoretic Methods in General Equilibrium Analysis. 1994. Dordrecht: Kluwer Academic Publishers,

109 Cocco, J. F., Gomes, F. J., Martins, N. C. Lending relationships in the interbank market // Journal of Financial Intermediation. 2009. № 1(18).

110 Банк России, Обзор денежного рынка за I квартал 2013 года. 2013.

111 Исаков А. В. Сигнальная модель для внутреннего денежного рынка // Прикладная эконометрика. 2013. №2 (30). С. 77-92

112 Boss, М., Elsinger, Н., Summer, М., Thurner, S. An empirical analysis of the network structure of the Austrian interbank market // Oesterreichesche Nationalbank's Financial stability Report. 2004. №7,

113 Erdos, P., Renyi, A. On the evolution of random graphs // Publ. Math. Inst. 1960. № 5. Hungar. Acad. Sci.

114 Albert, R., Barabasi, A. L. Statistical mechanics of complex networks // Reviews of modern physics. 2002. № 1(74).

115 Keynes, J. M., General theory of employment, interest and money. 2006. Atlantic Books.

116 Whitesell, W. Interest rate corridors and reserves // Journal of Monetary Economics. № 53. 2006.

117 Quantitative Micro Software, LLC, EViews 7 User's Guide II, Irvine, 2010.

118 Andrews, K. D. W., Lee, I., Ploberger, W., Optimal changepoint tests for normal linear regression // Journal of Econometrics. 1996. № 1 (70), C. 9— 38.

119 Berkes, I., Gombay, E., Horvath, L., Kokoszka, P. Sequential change-point detection in GARCH(p,q) models // Econometric Theory. 2004. №6(20), C.l 140-1167.

120 Broemling, L. D., Tsurumi, H. Econometrics and structural change. 1987. Marcel Dekker Incorporated.

121 Clauset, A., Newman, M., Moore, C. Finding community structure in very large networks. 2004. № 6 (70). C. 066111.

Индекс иллюстраций и таблиц Рисунки

Рисунок 1. Граф цитирования статей о распространении шоков на рынке

МБК.................................................................................................................18

Рисунок 2. Спрос на аукционе РЕПО с Банком России, июнь 2010 г. -

ноябрь 2011 г..................................................................................................28

Рисунок 3. Дерево классификации групп кредитных организаций.........29

Рисунок 4. Прогноз вероятности наличия спроса на аукционе на

тестовой выборке...........................................................................................33

Рисунок 5. Оценка и фактический спрос на аукционе РЕПО...................35

Рисунок 6. Типы финансовых сетей (для десяти участников).................43

Рисунок 7. Динамика индикаторов структуры рынка МБК, январь 2010 г.

- июнь 2012 г..................................................................................................52

Рисунок 8. Результаты сегментирования одномерных показателей........65

Рисунок 9. Кластеризация сегментов 11118.................................................67

Рисунок 10. Выделение кластеров сегментов показателя ................67

Рисунок 11. Выделение кластеров сегментов показателя онлайн...69 Рисунок 12. Дендрограмма. ИЛБ и объем сделок РЕПО по

фиксированной ставке с Банком России.....................................................70

Рисунок 13. Результаты применения многомерного алгоритма..............71

Рисунок 14. Состояние рынка МБК и его прогноз....................................74

Рисунок 15. Структура лимитов на «эффективном рынке», рынке с тремя сегментами и структура сделок на межбанковском депозитном рынке на

основе реальных данных...............................................................................82

Рисунок 16. Ошибка оценки спроса и средний шок ликвидности...........85

Рисунок 17. Объем неисполненных заявок на аукционе РЕПО...............88

Рисунок 18. Объем неудовлетворенных заявок на аукционе РЕПО с

Банком России, млрд. руб.............................................................................89

Рисунок 19. Результаты идентификации режимов функционирования

рынка МБК: объем задолженности по операциям РЕПО с Банком России

..........................................................................................................................90

Рисунок 20. Гистограммы распределений ошибок оценки спроса на ликвидность в периоды избытка, дефицита ликвидности и в переходный

период..............................................................................................................92

Рисунок 21. Идеальный и неполный рынки...............................................95

Рисунок 22. Устойчивость идентификации 3 наиболее крупных

сообществ банков.........................................................................................104

Рисунок 23. Распределение модулярности сообществ банков,

идентифицированных различными алгоритмами.....................................104

Рисунок 24. Структура идентифицированных сообществ......................106

Рисунок 25. Распределение размера капитала (в логарифмической

шкале)............................................................................................................108

Рисунок 26. Интенсивность взаимодействия банков внутри и между

эшелонами.....................................................................................................111

Рисунок 27. Динамика ставки денежного рынка и целевой уровень ставки центрального банка..........................................................................112

Рисунок 28. Лимиты и сделки на межбанковском рынке кредитования

........................................................................................................................118

Рисунок 29. Лимиты и сделки на межбанковском рынке кредитования

........................................................................................................................119

Рисунок 30. Распределение объемов сделок по стоимости заимствования

........................................................................................................................124

Рисунок 31. Основные этапы торгового дня на рынке МБК..................126

Рисунок 32. Чувствительность алгоритма сегментирования к 5...........151

Рисунок 33. Дендрограммы для методов ближнего соседа, средней связи

и У орда..........................................................................................................152

Рисунок 34. Гистограмма р-значений теста Колмогорова-Смирнова на

нормальность распределения......................................................................152

Рисунок 35. Гистограмма спреда МГАСЯ Ю - М1АСЯ В и оценка

плотности его распределения.....................................................................153

Таблицы

Таблица 1. Пошаговый алгоритм оценки спроса на аукционе РЕПО.....31

Таблица 2. Данные для оценки спроса на аукционе РЕПО......................32

Таблица 3. Ошибки оценки спроса и характеристики выборок..............34

Таблица 4. Границы периодов функционирования рынка МБК..............90

Таблица 5. Средние значения существенных ошибок оценки спроса ....92 Таблица 6. Динамика коэффициента пересечения для первых трех

крупнейших сообществ идентифицированных различными алгоритмами ........................................................................................................................103