Ибрагимов Шакир Шакирович

В Тверской области у юго-западной околицы одной деревни течет ручеек. В него впадает ещё ручей, потом другой, затем третий. Так рождается Волга, собирая около 150 000 притоков и 200 рек.

Я исследую потоки денег в банковской системе, и они очень похожи на речную систему. У них тоже есть ручьи, затоны и стремнины.

Данные по потокам (оборотам) выкладываются в открытом доступе на сайте ЦБ ещё с 2007 г., но просто так проанализировать их затруднительно. Даже у одного банка сотни счетов, а у каждого счета на каждый месяц по значению. Слишком много информации, чтобы анализировать в необработанном виде – миллионы строк чисел. Слишком дробно.

Поэтому я разработал программную систему для их анализа – связку из SQL и методики вычисления показателей. С её помощью я сначала собираю всю детализированную банковскую отчетность в единую базу данных, а затем вычисляю нужные мне показатели по отдельным банкам («собираю ручьи в речки») и всей банковской системе в целом («собираю притоки в большую реку»).

Например, показатели «Кредиты на срок до 30 дней, предоставленные юридическим лицам – нерезидентам», «Средства, предоставленные коммерческим организациям, находящимся в государственной (кроме федеральной) собственности на срок от 30 до 90 дней» и множество других складываются в показатель «Кредиты, выданные нефинансовым организациям» по отдельному банку, а значения по отдельным банкам в показатель суммарно выданных банковским сектором кредиты нефинансовым организациям.

Чем полезен такой подход?

Во-первых, финансисты преимущественно используют статистику по остаткам средств на счетах банков, которая отражает только количество денег на отчетную дату (первое число месяца) и даёт «обрывочную» картину состояния банковской системы. Такую статистику можно сравнить с вершинами в игре “соедини по точкам” – вроде и понятно, что имеется в виду, но вот что конкретно? Как раз изучение оборотов (потоков) позволяет дополнить всю картину, поскольку они содержат в себе информацию о том, что происходило между отчетными датами в течение месяца.

Например, банки могут «улучшать» свои данные по остаткам к дате отчетности, а в течение остального месяца работать с худшими показателями. Статистика по оборотам позволяет заподозрить некоторые «улучшения», ведь она суммирует все сделанные за месяц операции.

Или другой пример – через кассы банка в один месяц может пройти много наличности, а в другой – чуть-чуть. Статистика по остаткам (сколько денег в кассах на первое число месяца) эти два случая не различает, а обороты – различают.

Во-вторых, при нашем подходе можно в любой момент детализировать данные, «спустится» до нужного уровня. Это позволяет не ограничиваться трактовкой макроуровня («банкам не хватало ликвидности, поэтому объём кредитов предприятиям снизился»), а проследить – из-за каких конкретно банков или даже отдельных счетов это произошло. Это позволяет лучше нащупать источник проблемы, подобрать решение на частном уровне вместо «грубых» мер или выяснить, все банки сразу находятся в одинаковой ситуации или же показатель макроуровня – это «температура в среднем по больнице»?

В-третьих, исследование потоков денег позволяет анализировать такой любопытный показатель, как интенсивность операций со средствами в банковской системе (активность операций, или, говоря научно, «оборачиваемость»). Он похож на индекс промышленного производства для предприятий, и интересен тем, что позволяет «держать руку на пульсе» банковской системы непосредственным измерением, без сложных моделей.

В-четвертых, всё вычисляется по методике, основанной на методике ЦБ. Так что аналитика ведется не по каким-то «экзотическим» показателями, а дополняющим те официальные данные, с которыми все финансисты привыкли иметь дело.

Одно из первых уравнений в курсе экономики – уравнение Фишера, краеугольный камень монетаризма. Обычно его записывают в учебниках как MV=PQ, где M – количество денег, V – скорость обращения денег, P – уровень цен, Q – товарный оборот. Смысл уравнения трактуется как «если увеличить количество денег в экономике, получится инфляция, а если сдерживать количество денег, то получится побороть инфляцию».

Так как уравнение проходят на начальной стадии обучения, обычно оно не подвергается сомнениям со стороны студентов. Отсюда возникают массовые стереотипы в духе «если включить печатный станок, будет инфляция». Такие стереотипы формируют массовые взгляды на экономику, и, как следствие, влияют на управленческие решения правительства и ЦБ. А между тем и сами монетаристы не относились к уравнению так упрощенно, как это описано в учебнике, и другие экономические школы указывали на множество «слабых» мест уравнения.

Так, например, в 90-е количество денег бывало настолько малым, что приходилось заниматься бартером, а цены все равно росли (а из упрощенной версии уравнения – должны бы были падать). Реальная экономика устроена сложнее, чем в упрощенной теории.

Чтобы свести всё к выводам, излагаемым в учебниках, среди прочего, используется гипотеза, что скорость обращения денег постоянна. Подтвердить или опровергнуть её было проблематично – прибора, чтобы померить скорость перемещения купюр в экономике не существует, а если оценивать скорость через формулы, неясно – то ли велика ошибка методики оценки (формула составлена неверно), то ли всё и правда так, как вычисляется по формуле.

С публикацией в открытом доступе данных по банковским оборотам стало возможно измерить скорость обращения денег непосредственно. Не совсем той части денег, которую обычно имеют в виду в уравнении (в данных только часть наличного оборота, примешан оборот по сделкам с финансовыми инструментами и не несущие экономического смысла технические бухгалтерские операции). Однако достаточно значимой части, чтобы по итогам исследования мы пришли к выводу, что скорость обращения денег не постоянна.

Фактически, этот результат – ещё один кирпичик в спор между монетаристами и кейнсианцами: “есть ли смысл в увеличении количества денег в экономике, или это даст только инфляцию?”

Поэтому, когда я вычислил показатели оборотов и оборачиваемости (интенсивности операций по счетам), наша исследовательская группа обрела множество графиков и таблиц с неочевидным значением. Что было естественно – большинство исследователей привыкло к измерению показателей в остатках: «тысяча рублей на счете это мало, а миллион – много».

Но как понять – миллион рублей, прошедших через банковский  счет за месяц это много или мало? Потребовалось разобраться, как и почему обороты и оборачиваемость повышаются и понижаются, до какой степени на эти показатели можно положиться, какие факторы могут связывать их динамику с другими экономическими показателями, и, самое главное, как собрать из сотен показателей единую, осмысленную, и укладывающуюся в человеческой голове картину происходящего.

В результате мы обнаружили, что картина кризиса 2008 г. выглядит не как «осенью 2008 г. было плохо, с января 2009 г. всё стабилизировалось и пошло в рост» (самая распространенная версия), а «осенью 2008 г. было плохо, ЦБ “влил” поддержку банков деньгами, но эти деньги не использовались так же активно, как раньше, а вместо этого держались в качестве «резервов», «застревали» в крупных банках. В итоге до регионов поддержка ЦБ, по-видимому, дошла только к середине лета 2009 г». То есть, на традиционных цифрах (остатках) всё было в порядке, что приводило аналитиков к первой, распространенной картине, а на оборотах – активность деятельности в экономике не восстановилась, в регионах кризис достиг дна только к середине 2009 г.

Важность обнаруженного в том, что ситуация, когда деньги «замораживаются» может повторяться в каждый кризис, и у нас появился способ увидеть её в цифрах. Для большей ясности можно вспомнить, что в одной из трактовок деньги – это обязательства всех людей друг перед другом, «трудочасы». Если деньги «замораживаются», то и «трудочасы» «замораживаются», и понятно откуда возникает связь с реальным сектором экономики.

Также исходя из исследования оборачиваемости, мы пришли к выводу, что после 2008 г. банковская система и экономика страны вошла в фазу стагнации и уперлась в потолок экономической модели (ещё до следующего падения цен на нефть). Что не являлось на тот момент единогласной среди экономистов точкой зрения, хотя позже уже не вызывало особых споров.

Выяснилось, что наработанные знания и подходы к анализу можно использовать как методику – подставлять значения за новые даты, проверять изменения в графиках, уже зная, на что обращать внимание, как искать дополнительную информацию по явлениям, которые нельзя расшифровать из графиков сразу, и как в итоге сложить по алгоритму общую картину. Например, «чёрный понедельник» 2014 г. и последующее развитие событий с точки зрения оборотов похоже на события 2008 г. Многие выводы можно было переносить почти без изменений.

Отчасти возможность переноса выводов с одного временного периода на другой, конечно, вызвана инертностью российской экономики и упрощенностью её структуры. Однако даже если со временем российская экономика изменит свою структуру, многие элементы методики останутся актуальными, надо будет лишь дополнить их анализом новорожденных (или получивших новую значимость) элементов экономики.

Исследование денежных потоков в банковской системе показало, что правильно рассматривать много различных составляющих скорости обращения денег (по отдельным банкам и по отдельным видам деятельности внутри банка), а не только “среднюю по больнице” скорость обращения.

Из этого результата, среди прочего, следует, что есть разница какими финансовыми инструментами предоставлять банкам ликвидность, и каким банкам её предоставлять. Исходя из нашего исследования, в кризис деньги могут перестать “работать” в том режиме, что был до кризиса. Они как бы «замораживаются» в резервы (их скорость обращения падает), а потому экономике в этой фазе для восстановления активности может требоваться больше денег, чем было бы достаточно до кризиса. Но часто именно на докризисных параметрах системы проводится оценка потребности банковской системы в ликвидности, так как параметры нового “режима работы” ещё не очевидны. То есть, научно говоря, из-за неравномерности потоков денег в банковской системе, эффект повышения ликвидности может демпфироваться. Гипотетически могут демпфироваться инфляционные эффекты увеличения денежной массы.

Выявлено, что концентрация банковского сектора по остаткам и оборотам (то есть, грубо говоря, мера того, насколько большая доля рынка в руках крупнейших банков) отличается и численно, и экономически содержательно. Отличие проявляется и в значении, и при некоторых условиях, направленности динамики. Выявленное различие является ещё одним ограничением применимости классического индекса Герфиндаля-Гиршмана по остаткам.

Выявленная неоднородность денежных потоков (как между КО, так и между направлениями деятельности) в банковской системе дает возможность в дальнейшем формировать регулятивные меры, работающие с конкретными сегментами денежного обращения и возможность повысить эффективность предоставления ликвидности.

Выявлено, что ранг банка по остаткам (“банк Z пятый по размеру в России”) может существенно не совпадать с рангом банка по оборотам. В ряде случаев это может означать существенно большее значение банка для банковской системы по оборотам, чем предполагается по остаткам.

Например, банкротство Мастер-Банка привело к неожиданно сильным последствиям, так как обороты через него, судя по всему, были гораздо больше, чем остатки. Различие в значимости банков для банковской системы вызвано тем, что некоторые КО имеют региональное значение, узкую специализацию (в том числе, инновационную), или несут ключевое значение как узел сети (через банк проходит большой объём операций).

Как следствие – оперировать критерием «малого» размера активов банка может быть методически опасным. Так, нам представляется методически неверным взятый в свое время курс на повышение концентрации российской банковской системы при помощи ужесточения требований к размеру собственного капитала.

Объём, охват и детализация данных отчетности по 101-й форме, ежемесячно выкладываемой банками на сайте ЦБ в открытом доступе настолько велики, что, при наличии программного комплекса для её обработки, работа с ней становится повседневным инструментом. На этих данных возможно выстроить исследования по широкому кругу вопросов, выходящими за охват как отдельного исследователя, так и команды исследователей.

Перспективная задача для подобных проектов – выстраивание сотрудничества исследователей при работе с подобным инструментарием на уровне интерфейса программы, что существенно бы повысило их общую эффективность работы и снизило бы банковские риски.