SCI Библиотека

В исследовании проводится анализ межрегиональных эффектов инноваций в России. Гипотеза о наличии межрегиональных эффектов проверяется путем комбинирования методов пространственной эконометрики и байесовского подхода. С использованием панельных данных о российских регионах за период 2000-2021 гг. в работе рассчитываются апостериорные вероятности для набора пространственно-регрессионных моделей, которые по-разному моделируют межрегиональные эффекты инноваций. В рамках применения байесовского подхода для сравнения были выбраны 6 моделей: модель без пространственных эффектов (OLS), модель с пространственным лагом зависимой переменной (SAR), модель с пространственным лагом ошибки (SEM), модель с пространственными лагами объясняющих переменных (SLX), пространственная модель Дарбина с лагами зависимой и объясняющих переменных (SDM), а также пространственная модель Дарбина с лагами объясняющих переменных и ошибки (SDEM). На основе проведенных расчетов можно сделать вывод о том, что пространственная корреляция инноваций в российских регионах не так сильно выражена, как принято было считать в предыдущих исследованиях. Это можно считать свидетельством в пользу того, что концепция межрегиональных перетоков инноваций плохо согласуется с историческими, институциональными и территориальными особенностями России, а общепринятые в других странах для подобного анализа методы - неподходящими в российском контексте. Полученные результаты могут быть учтены в дальнейших исследованиях, предполагающих пространственное моделирование региональных инноваций. Больше внимания следует уделять пространственным эффектам объясняющих переменных, в частности межрегиональным перетокам затрат на НИР, а также динамике в инновационном процессе.

В данной работе анализируется, как менялись индикаторы дефолтов российских банков за 8 лет, прошедших с момента введения со стороны Банка России политики, направленной на оздоровление банковского сектора. Подобный анализ позволяет оценить устойчивость показателей, широко используемых в моделях оценки вероятности дефолта банка, и углубить понимание сути процессов и тенденций в банковской деятельности, которые могут видоизменяться со временем. В работе рассматривался период отзывов лицензий банков и введения мер по финансовому оздоровлению (санаций) с III квартала 2013 г. по IV квартал 2021 г. В качестве эконометрического инструментария были использованы логистические регрессии для оценки вероятности дефолта как в целом, так и учитывая одну из двух основных причин - экономическую несостоятельность и нарушение законодательства о легализации (отмывании) доходов. Модели оценивались на подпериодах: с III квартала 2013 г. по II квартал 2015 г., с III квартала 2015 г. по II квартал 2017 г. и с III квартала 2017 г. по IV квартал 2021 г. Полученные результаты свидетельствуют о наличии изменений в индикаторах банкротств банков на протяжении времени, а также о различиях в них в зависимости от рассматриваемой причины банкротства. Лишь некоторые индикаторы (доля межбанковских кредитов в активах, доля облигаций в активах и отношение иностранных обязательств к совокупному объему обязательств) оказались устойчиво статистически значимыми на всех рассматриваемых промежутках. Были сделаны выводы о характерных особенностях «проблемных» банков в каждый из периодов, которые подтверждаются результатами проведенного эмпирического исследования. Так, в период (2013Q3-2015Q2) были отозваны лицензии у многих банков, которые фальсифицировали отчетность в части принятых депозитов, а также среди всех рассматриваемых периодов именно в этом отмечались набеги на банк. В период после кризиса (2015Q3-2017Q2) банки занимались активным привлечением депозитов под высокие проценты и рискованно размещали активы. Высокие уровни создания ликвидности оказались статистически значимым индикатором банкротства в этот период. В более спокойный период (2017Q3-2021Q4) показатель операционной эффективности перестал быть статистически значимым индикатором дефолта, а статистически значимым стало отношение средств в кассе к активам.