ПРОГНОЗИРОВАНИЕ ОБЪЕМОВ ПРОСРОЧЕННОЙ ИПОТЕЧНОЙ ЗАДОЛЖЕННОСТИ С ИСПОЛЬЗОВАНИЕМ ИНДЕКСА РИСКА ИПОТЕЧНОГО ДЕФОЛТА
|
Аннотация 3
Введение 5
Обзор литературы 10
Постановка исследовательского вопроса 27
Методология исследования 30
Данные и их предварительный анализ 38
Эмпирические результаты 45
Заключение 53
Список использованной литературы 57
Приложение 1. Динамика задолженности по ИЖК 62
Приложение 2. Графики динамики контрольных переменных и гистограммы их распределения
Приложение 3. Корреляционная матрица парных коэффициентов корреляции
Пирсона 66
Приложение 4. Результаты ADF теста в процедуре Доладо-Дженкинсона-
Сосвилла- Ривьеро 67
Приложение 5. Результаты оценивания модели ARIMAX без включения индекса риска ипотечного дефолта для объемов просроченной ипотечной задолженности 68
Приложение 6. Прогнозные значения первой разности объемов просроченной ипотечной задолженности и границы 95% доверительного интервала 69
Введение 5
Обзор литературы 10
Постановка исследовательского вопроса 27
Методология исследования 30
Данные и их предварительный анализ 38
Эмпирические результаты 45
Заключение 53
Список использованной литературы 57
Приложение 1. Динамика задолженности по ИЖК 62
Приложение 2. Графики динамики контрольных переменных и гистограммы их распределения
Приложение 3. Корреляционная матрица парных коэффициентов корреляции
Пирсона 66
Приложение 4. Результаты ADF теста в процедуре Доладо-Дженкинсона-
Сосвилла- Ривьеро 67
Приложение 5. Результаты оценивания модели ARIMAX без включения индекса риска ипотечного дефолта для объемов просроченной ипотечной задолженности 68
Приложение 6. Прогнозные значения первой разности объемов просроченной ипотечной задолженности и границы 95% доверительного интервала 69
Рынок ипотечного жилищного кредитования (ИЖК) в России достаточно молод, ему всего 15 лет, и он сильно отличается от западных аналогов. Во-первых, в странах запада ипотека оказывает большее влияние на экономику страны, например, доля ипотеки в ВВП США составляет 65%, в то время как в России - только 6%. Во-вторых, на западе широко распространена высокорисковая (subprime) ипотека, в России выдача такой ипотеки минимальна. В-третьих, в странах запада осуществляется секьюритизация высокорисковых ипотечных кредитов, тогда как в России секьюритизация запрещена на законодательном уровне. Наконец, более половины всех кредитов на западе выдается с переменной процентной ставкой, в России, по большей степени, ставка фиксирована. Тем не менее, рынок ИЖК России укрепился и достиг значительного прогресса. Создана вся ключевая инфраструктура, выросли объемы кредитования, увеличилось число заемщиков. На сегодняшний день на рынке ИЖК также произошел важный переход от ориентации кредитных организаций на увеличение количества выданных ипотечных ссуд к борьбе за их качество.
Одним из основных показателей, отражающих качество ипотечного портфеля кредитной организации, является показатель просроченной задолженности, так как ипотечные ссудные операции сопровождаются кредитным риском, то есть риском невозврата долга или неисполнения обязательств заемщиком (Черникова, Щербаков Евстефеева, 2016). Чем ниже доля просроченной ипотечной задолженности в портфеле кредитной организации, тем выше его качество, из чего следует, что кредитная организация становится более устойчивой к воздействию внешних негативных экономических факторов. Проблема просроченной ипотечной задолженности также возрастает в связи с переходом и необходимостью исполнения банками положений Базельского соглашения III о новых требованиях к оценке достаточности капитала и новых обязательных нормативов ликвидности банка (Зобова, Самойлова, 2012).
Согласно данным Центрального Банка Российской Федерации (ЦБ РФ) по состоянию на 1 января 2019 г. размер просроченных задолженностей в кредитных банковских портфелях находится в пределах от 0,35 до 3,53%. За истекший год наблюдается рост совокупной задолженности по ИЖК. Так, на 1 января 2019 г. величина задолженности по ИЖК в рублях по сравнению с 1 января 2018 г. увеличилась на 23,9%, составив 6 376,8 млрд рублей (Приложение 1). Очевидно, что столь существенный рост просроченной задолженности за 2019 г. обусловлен, прежде всего, текущей экономической ситуацией, в частности, снижением цен на нефть на рынке сырья и обвалом рубля, что непосредственно оказывает влияние на исполнение заемщиками своих обязательств. Кроме того, условия ипотечного кредитования остаются достаточно обременительными для большинства заемщиков, поскольку наблюдаются:
1) высокий первоначальный взнос по ипотечному кредиту (минимум 15¬20% от стоимости недвижимости);
2) значительный размер обязательного платежа по отношению к доходам заемщика (в среднем около 40-50 ежемесячных окладов заемщика);
3) регулярность платежей (уплату процентов и погашение основного долга требуется делать регулярно, так как отсрочки, приводящие к капитализации в силу значительности базиса, делают возрастание долга стремительным) (Языков, 2011).
В связи с этим и в силу определённых обстоятельств, заемщики перестают выполнять свои обязательства вовремя и в полном объеме: задерживают платеж на один или несколько месяцев или вовсе оказываются не в состоянии совершить выплаты по ипотечным ссудам и объявляют дефолт.
Таким образом, для банковских организаций остается актуальным вопрос прогнозирования объемов просроченной задолженности по ИЖК.
Данный прогноз позволит кредиторам определить минимально допустимый уровень резервов на возможные потери по ссудам и сформировать комплекс мер по минимизации реальных потерь банков, возникающих при росте просроченной задолженности. Повышение точности прогнозов и увеличение предупреждающих интервалов для принятия решений важны для успеха политики управления кредитными рисками банка.
Изучение деталей возникновения убытков при задолженностях и/или дефолтах заемщиков по ИЖК вызывает определенные затруднения, поскольку официальная статистическая информация по данному вопросу, сбор, обработка и ее публикация сопряжены со значительными временными лагами. Преодолеть эти сложности можно, используя набирающую популярность и активно развивающуюся методологию построения опережающих индикаторов отдельных видов рисков, в частности, кредитных, ликвидности, валютных и процентных рисков. Назначение данных индикаторов - раннее оповещение, которое позволит заблаговременно подготовится к возникновению этих рисков и смягчить их последствия (Солнцев и др., 2011). Одним из примеров такого индикатора является индекс риска ипотечного дефолта (ИРИД или Mortgage Default Risk Index, MDRI), методология построения которого была предложена в работе М. Шове и др. (2016). Данный индекс представляет собой прокси-переменную для измерения риска наступления ипотечного дефолта заемщика. Методология построения ИРИД основана на анализе динамики специфических запросов интернет-пользователей в поисковой системе Google, что делает его уникальным среди других показателей рынка ИЖК. ИРИД неплохо объясняет динамику индексов цен на жилье и потери права выкупа заложенного имущества, а также обладает довольно высокой прогнозной силой, то есть улучшает прогнозы объемов просроченной задолженности по ипотечному кредиту (Chauvet et. al., 2016). Тем не менее, попытки исчислить аналогичный индекс для российской экономики не предпринималось.
Таким образом, цель данной работы - прогнозирование объемов просроченной ипотечной задолженности с использованием индекса риска ипотечного дефолта. Стоит отметить, что ИРИД строился по аналогии с работой (Chauvet et. al., 2016), но с использованием российских данных и был частично модифицирован в связи с тем, что российские пользователи иначе формулируют свои поисковые запросы.
Для достижения поставленной цели были сформулированы следующие задачи исследования:
- изучение литературы, относящейся к моделированию
прогнозных моделей объемов задолженности по ипотеке, а также к использованию запросов в системе Google как инструмента текущей оценки и прогноза рыночной ситуации;
- обоснование используемой методологии, в частности апробация методологии построения ИРИД, освещенной в работе М. Шове и др. (2016), для российского рынка ИЖК, сбор, анализ и преобразование к стационарному виду макроэкономических показателей российского рынка ИЖК;
- построение авторегрессионной модели прогноза объемов задолженности по ИЖК без включения ИРИД в качестве независимой переменной и с включением, и сопоставление прогнозного качества соответствующих моделей;
- представление выводов, рассмотрение ограничений
и направлений дальнейшей работы.
Практическая значимость работы заключается в том, что индекс риска ипотечного дефолта может быть использован как механизм раннего выявления возникновения просроченной или проблемной задолженности по ипотечному кредитованию в будущем. Более того, прогностическая модель, представленная в данном исследовании, может помочь кредитным учреждениям, банковским аудиторским компаниям, регулирующим органам и инвестиционным фирмам в прогнозировании объема будущих просроченных платежей по ипотеке на всем рынке или в рамках конкретных портфелей. Кроме того, компетентные инвесторы в недвижимость, которые работают в близлежащих районах, могут получить выгодную информацию о тенденциях таких просроченных платежей. Таким образом, данное исследование может получить должное внимание со стороны всех участников рынка ИЖК.
Структура выпускной квалификационной работы. В первой части исследования представлен обзор литературы и рассмотрен исследовательский вопрос, его теоретическое обоснование. Во второй части обоснована методология исследования, подробно охарактеризованы используемые данные и проведен их предварительный анализ. В следующей части детально описаны эмпирические результаты. В последней части сформулированы основные результаты и выводы приведенного исследования, ограничения и направления дальнейшей работы.
Объем работы: 70 страниц. Количество использованных источников литературы - 65.
Одним из основных показателей, отражающих качество ипотечного портфеля кредитной организации, является показатель просроченной задолженности, так как ипотечные ссудные операции сопровождаются кредитным риском, то есть риском невозврата долга или неисполнения обязательств заемщиком (Черникова, Щербаков Евстефеева, 2016). Чем ниже доля просроченной ипотечной задолженности в портфеле кредитной организации, тем выше его качество, из чего следует, что кредитная организация становится более устойчивой к воздействию внешних негативных экономических факторов. Проблема просроченной ипотечной задолженности также возрастает в связи с переходом и необходимостью исполнения банками положений Базельского соглашения III о новых требованиях к оценке достаточности капитала и новых обязательных нормативов ликвидности банка (Зобова, Самойлова, 2012).
Согласно данным Центрального Банка Российской Федерации (ЦБ РФ) по состоянию на 1 января 2019 г. размер просроченных задолженностей в кредитных банковских портфелях находится в пределах от 0,35 до 3,53%. За истекший год наблюдается рост совокупной задолженности по ИЖК. Так, на 1 января 2019 г. величина задолженности по ИЖК в рублях по сравнению с 1 января 2018 г. увеличилась на 23,9%, составив 6 376,8 млрд рублей (Приложение 1). Очевидно, что столь существенный рост просроченной задолженности за 2019 г. обусловлен, прежде всего, текущей экономической ситуацией, в частности, снижением цен на нефть на рынке сырья и обвалом рубля, что непосредственно оказывает влияние на исполнение заемщиками своих обязательств. Кроме того, условия ипотечного кредитования остаются достаточно обременительными для большинства заемщиков, поскольку наблюдаются:
1) высокий первоначальный взнос по ипотечному кредиту (минимум 15¬20% от стоимости недвижимости);
2) значительный размер обязательного платежа по отношению к доходам заемщика (в среднем около 40-50 ежемесячных окладов заемщика);
3) регулярность платежей (уплату процентов и погашение основного долга требуется делать регулярно, так как отсрочки, приводящие к капитализации в силу значительности базиса, делают возрастание долга стремительным) (Языков, 2011).
В связи с этим и в силу определённых обстоятельств, заемщики перестают выполнять свои обязательства вовремя и в полном объеме: задерживают платеж на один или несколько месяцев или вовсе оказываются не в состоянии совершить выплаты по ипотечным ссудам и объявляют дефолт.
Таким образом, для банковских организаций остается актуальным вопрос прогнозирования объемов просроченной задолженности по ИЖК.
Данный прогноз позволит кредиторам определить минимально допустимый уровень резервов на возможные потери по ссудам и сформировать комплекс мер по минимизации реальных потерь банков, возникающих при росте просроченной задолженности. Повышение точности прогнозов и увеличение предупреждающих интервалов для принятия решений важны для успеха политики управления кредитными рисками банка.
Изучение деталей возникновения убытков при задолженностях и/или дефолтах заемщиков по ИЖК вызывает определенные затруднения, поскольку официальная статистическая информация по данному вопросу, сбор, обработка и ее публикация сопряжены со значительными временными лагами. Преодолеть эти сложности можно, используя набирающую популярность и активно развивающуюся методологию построения опережающих индикаторов отдельных видов рисков, в частности, кредитных, ликвидности, валютных и процентных рисков. Назначение данных индикаторов - раннее оповещение, которое позволит заблаговременно подготовится к возникновению этих рисков и смягчить их последствия (Солнцев и др., 2011). Одним из примеров такого индикатора является индекс риска ипотечного дефолта (ИРИД или Mortgage Default Risk Index, MDRI), методология построения которого была предложена в работе М. Шове и др. (2016). Данный индекс представляет собой прокси-переменную для измерения риска наступления ипотечного дефолта заемщика. Методология построения ИРИД основана на анализе динамики специфических запросов интернет-пользователей в поисковой системе Google, что делает его уникальным среди других показателей рынка ИЖК. ИРИД неплохо объясняет динамику индексов цен на жилье и потери права выкупа заложенного имущества, а также обладает довольно высокой прогнозной силой, то есть улучшает прогнозы объемов просроченной задолженности по ипотечному кредиту (Chauvet et. al., 2016). Тем не менее, попытки исчислить аналогичный индекс для российской экономики не предпринималось.
Таким образом, цель данной работы - прогнозирование объемов просроченной ипотечной задолженности с использованием индекса риска ипотечного дефолта. Стоит отметить, что ИРИД строился по аналогии с работой (Chauvet et. al., 2016), но с использованием российских данных и был частично модифицирован в связи с тем, что российские пользователи иначе формулируют свои поисковые запросы.
Для достижения поставленной цели были сформулированы следующие задачи исследования:
- изучение литературы, относящейся к моделированию
прогнозных моделей объемов задолженности по ипотеке, а также к использованию запросов в системе Google как инструмента текущей оценки и прогноза рыночной ситуации;
- обоснование используемой методологии, в частности апробация методологии построения ИРИД, освещенной в работе М. Шове и др. (2016), для российского рынка ИЖК, сбор, анализ и преобразование к стационарному виду макроэкономических показателей российского рынка ИЖК;
- построение авторегрессионной модели прогноза объемов задолженности по ИЖК без включения ИРИД в качестве независимой переменной и с включением, и сопоставление прогнозного качества соответствующих моделей;
- представление выводов, рассмотрение ограничений
и направлений дальнейшей работы.
Практическая значимость работы заключается в том, что индекс риска ипотечного дефолта может быть использован как механизм раннего выявления возникновения просроченной или проблемной задолженности по ипотечному кредитованию в будущем. Более того, прогностическая модель, представленная в данном исследовании, может помочь кредитным учреждениям, банковским аудиторским компаниям, регулирующим органам и инвестиционным фирмам в прогнозировании объема будущих просроченных платежей по ипотеке на всем рынке или в рамках конкретных портфелей. Кроме того, компетентные инвесторы в недвижимость, которые работают в близлежащих районах, могут получить выгодную информацию о тенденциях таких просроченных платежей. Таким образом, данное исследование может получить должное внимание со стороны всех участников рынка ИЖК.
Структура выпускной квалификационной работы. В первой части исследования представлен обзор литературы и рассмотрен исследовательский вопрос, его теоретическое обоснование. Во второй части обоснована методология исследования, подробно охарактеризованы используемые данные и проведен их предварительный анализ. В следующей части детально описаны эмпирические результаты. В последней части сформулированы основные результаты и выводы приведенного исследования, ограничения и направления дальнейшей работы.
Объем работы: 70 страниц. Количество использованных источников литературы - 65.
В работе прогнозируются объемы просроченной задолженности по ипотечным кредитам. Данная тема остается актуальной для кредитных организаций, поскольку, зная прогнозные значения объемов просроченной ипотечной задолженности, кредитные организации смогут определить минимально допустимый уровень резервов на возможные потери по ссудам и сформировать комплекс мер по минимизации реальных потерь банков.
Более того, проведенное исследование демонстрирует возможности использования статистики интернет-запросов пользователей Интернета в Google для оценки настроений заемщиков на рынке ипотечного жилищного кредитования. Показана перспективность использования этих данных для более эффективного моделирования прогнозов объемов просроченной задолженности по ИЖК. Для этого на основе информации о частоте поисковых запросов, таких как «ипотека помощь» или «долг по ипотеке», и путем их компиляции был построен индекс риска ипотечного дефолта, согласно методологии предложенной в работе Шове и др. (2016), на российских данных.
Цель данного исследования состояла в том, чтобы оценить прогностические возможности ИРИД. Поделив исходные данные на обучающую (март 2010 г. - апрель 2018 г.) и тестовую (май 2018 г. - февраль 2019 г.) выборки, в работе было оценено четыре модели авторегрессионного скользящего среднего с экзогенными переменными, где в качестве зависимой переменной выступали объемы просроченных задолженностей по ипотечному кредиту по срокам задержки платежей до 30, 90, 180 и свыше 180 дней соответственно. В качестве контрольных переменных выступали ИРИД, средневзвешенная ставка по ипотечным кредитам, уровень безработицы населения РФ и среднедушевые доходы населения РФ. На тестовой выборке были рассчитаны месячные прогнозы с использованием имеющихся данных с мая 2018 г. по февраль 2019 г. Аналогичный процесс был реализован для построения этих же авторегрессионных моделей скользящего среднего, но без включения ИРИД в качестве контрольной переменной. На основании результатов полученных прогнозов оценивалась прогностическая сила индекса с использованием квадратного корня из среднеквадратичной ошибки. В результате, все модели с включением ИРИД и ИРИД с лагами от одного до шести месяцев превосходили авторегрессии без включения ИРИД по указанному критерию, значение RMSE сокращалось примерно на 0,12%. Данный вывод частично согласуется с результатами, полученными в работе (Chauvet et. al., 2016) в части того, что включение ИРИД в модель прогноза объемов просроченной ипотечной задолженности улучшает точность прогноза. Однако точность данного прогноза в работе (Chauvet et. al., 2016) выше, поскольку метрика качества прогноза (MPSE) улучшается в среднем на 0,45%. Более того, результаты исследования свидетельствуют о том, что не только текущие значения ИРИД оказывают статистически значимое влияние на объем просроченной задолженности, но и его запаздывающие значения, вплоть до 5 лага. Согласно построенному прогнозу, наибольший объем просроченной ипотечной задолженности стоило ожидать в августе 2018 г. в размере 106 428,5 млн. руб., а наименьший - в декабре 2018 г. в размере 11 758,93 млн. руб. Если предположить, что кредитные организации установили бы сумму резервов на возможные потери на период с мая 2018 г. по февраль 2019 г. в размере суммы полученных прогнозных значений объемов просроченной задолженности, то на начало марта 2019 г. на балансе кредитных организаций осталось бы 31 736,68 млн. руб., однако данный вывод касается только категории 30-дневной просроченной задолженности, для остальных категорий задолженности соответствующего резерва не было бы достаточно, чтобы покрыть фактические потери. Стоит отметить, результаты исследования свидетельствуют о том, что на объемы просроченной ипотечной задолженности статистически значимое влияние оказывают средневзвешенная ставка по ипотечному кредиту, уровень безработицы населения РФ, среднедушевые доходы населения РФ и их лаговые значение в зависимости от количества дней просрочки платежа.
В то время как ИРИД действительно представляется для кредитных организаций, банковских аудиторских компаний и инвестиционных фирм как универсальный инструмент прогнозирования объемов просроченных задолженностей и новая мера риска дефолта по ипотечным кредитам, существуют некоторые ограничения для его использования. Во-первых, ИРИД фиксирует риск дефолта по ипотечным кредитам только на уровне заемщиков, и, следовательно, не дает никакой информации о состоянии кредиторов. Таким образом, высокий уровень ИРИД может не обязательно сигнализировать о наступлении финансового кризиса или экономического спада на рынке ИЖК, если кредиторы достаточно хорошо подготовлены для того, чтобы справится с соответствующем повышенным уровнем просроченных задолженностей. Во-вторых, ИРИД может быть уязвим к изменениям в поведении поиска в Интернете. Например, если поисковая система Google перестанет пользоваться популярностью у пользователей или появятся новые продукты (например, голосовой поиск), то это приведет к тому, что привычки веб-пользователей изменятся и часть поисковых запросов будет отсутствовать в будущем, тогда полезность ИРИД при прогнозировании объемов просроченной задолженности по ипотеке будет минимальная или в целом отрицательно скажется на качестве прогнозов. На данный момент нет оснований полагать, что последние технологические изменения изменят поведение пользователей в Интернете, но риск остается. В-третьих, ИРИД является индикатором раннего предупреждения о наступлении риска дефолта только на рынке ипотечного кредитования. Тогда, если отрицательный шок возникает на другом рынке и в другом секторе экономики, а затем впоследствии передается на рынок ИЖК, то ИРИД может выступать в качестве запаздывающего индикатора во время соответствующего спада.
Стоит также отметить, что существуют некоторые специфические характеристики данных онлайн-поиска, которые должны быть приняты во внимание исследователем:
- использовать только четкие и интуитивно понятные ключевые слова и элементы поиска (Ross, 2013);
- учитывать сезонность и цикличность данных (Buono, 2017)
- учитывать экстремальные события, такие как физические явления или политические события, которые могут привести к выбросам (хотя иногда могут быть полезны, поскольку они иллюстрируют поведение экономических агентов) (Vosen, Schmidt, 2011). Вышеописанные характеристики могут использоваться в качестве перспективных идей и направлений для дальнейшей работы. Кроме того, будущим направлением также могут быть использование статистики запросов других поисковых систем (например, Яндекса), а также в социальных сетях (например, Facebook) (Столбов, 2011). Их использование позволит учитывать настроения большего количества потенциальных заемщиков. Кроме того, в дальнейшем возможно построение ИРИД в региональном разрезе. В перспективе исследования возможно также применение более продвинутых эконометрических моделей прогнозирования (например, модели, основанные на искусственном интеллекте или на имитационном моделировании).
Более того, проведенное исследование демонстрирует возможности использования статистики интернет-запросов пользователей Интернета в Google для оценки настроений заемщиков на рынке ипотечного жилищного кредитования. Показана перспективность использования этих данных для более эффективного моделирования прогнозов объемов просроченной задолженности по ИЖК. Для этого на основе информации о частоте поисковых запросов, таких как «ипотека помощь» или «долг по ипотеке», и путем их компиляции был построен индекс риска ипотечного дефолта, согласно методологии предложенной в работе Шове и др. (2016), на российских данных.
Цель данного исследования состояла в том, чтобы оценить прогностические возможности ИРИД. Поделив исходные данные на обучающую (март 2010 г. - апрель 2018 г.) и тестовую (май 2018 г. - февраль 2019 г.) выборки, в работе было оценено четыре модели авторегрессионного скользящего среднего с экзогенными переменными, где в качестве зависимой переменной выступали объемы просроченных задолженностей по ипотечному кредиту по срокам задержки платежей до 30, 90, 180 и свыше 180 дней соответственно. В качестве контрольных переменных выступали ИРИД, средневзвешенная ставка по ипотечным кредитам, уровень безработицы населения РФ и среднедушевые доходы населения РФ. На тестовой выборке были рассчитаны месячные прогнозы с использованием имеющихся данных с мая 2018 г. по февраль 2019 г. Аналогичный процесс был реализован для построения этих же авторегрессионных моделей скользящего среднего, но без включения ИРИД в качестве контрольной переменной. На основании результатов полученных прогнозов оценивалась прогностическая сила индекса с использованием квадратного корня из среднеквадратичной ошибки. В результате, все модели с включением ИРИД и ИРИД с лагами от одного до шести месяцев превосходили авторегрессии без включения ИРИД по указанному критерию, значение RMSE сокращалось примерно на 0,12%. Данный вывод частично согласуется с результатами, полученными в работе (Chauvet et. al., 2016) в части того, что включение ИРИД в модель прогноза объемов просроченной ипотечной задолженности улучшает точность прогноза. Однако точность данного прогноза в работе (Chauvet et. al., 2016) выше, поскольку метрика качества прогноза (MPSE) улучшается в среднем на 0,45%. Более того, результаты исследования свидетельствуют о том, что не только текущие значения ИРИД оказывают статистически значимое влияние на объем просроченной задолженности, но и его запаздывающие значения, вплоть до 5 лага. Согласно построенному прогнозу, наибольший объем просроченной ипотечной задолженности стоило ожидать в августе 2018 г. в размере 106 428,5 млн. руб., а наименьший - в декабре 2018 г. в размере 11 758,93 млн. руб. Если предположить, что кредитные организации установили бы сумму резервов на возможные потери на период с мая 2018 г. по февраль 2019 г. в размере суммы полученных прогнозных значений объемов просроченной задолженности, то на начало марта 2019 г. на балансе кредитных организаций осталось бы 31 736,68 млн. руб., однако данный вывод касается только категории 30-дневной просроченной задолженности, для остальных категорий задолженности соответствующего резерва не было бы достаточно, чтобы покрыть фактические потери. Стоит отметить, результаты исследования свидетельствуют о том, что на объемы просроченной ипотечной задолженности статистически значимое влияние оказывают средневзвешенная ставка по ипотечному кредиту, уровень безработицы населения РФ, среднедушевые доходы населения РФ и их лаговые значение в зависимости от количества дней просрочки платежа.
В то время как ИРИД действительно представляется для кредитных организаций, банковских аудиторских компаний и инвестиционных фирм как универсальный инструмент прогнозирования объемов просроченных задолженностей и новая мера риска дефолта по ипотечным кредитам, существуют некоторые ограничения для его использования. Во-первых, ИРИД фиксирует риск дефолта по ипотечным кредитам только на уровне заемщиков, и, следовательно, не дает никакой информации о состоянии кредиторов. Таким образом, высокий уровень ИРИД может не обязательно сигнализировать о наступлении финансового кризиса или экономического спада на рынке ИЖК, если кредиторы достаточно хорошо подготовлены для того, чтобы справится с соответствующем повышенным уровнем просроченных задолженностей. Во-вторых, ИРИД может быть уязвим к изменениям в поведении поиска в Интернете. Например, если поисковая система Google перестанет пользоваться популярностью у пользователей или появятся новые продукты (например, голосовой поиск), то это приведет к тому, что привычки веб-пользователей изменятся и часть поисковых запросов будет отсутствовать в будущем, тогда полезность ИРИД при прогнозировании объемов просроченной задолженности по ипотеке будет минимальная или в целом отрицательно скажется на качестве прогнозов. На данный момент нет оснований полагать, что последние технологические изменения изменят поведение пользователей в Интернете, но риск остается. В-третьих, ИРИД является индикатором раннего предупреждения о наступлении риска дефолта только на рынке ипотечного кредитования. Тогда, если отрицательный шок возникает на другом рынке и в другом секторе экономики, а затем впоследствии передается на рынок ИЖК, то ИРИД может выступать в качестве запаздывающего индикатора во время соответствующего спада.
Стоит также отметить, что существуют некоторые специфические характеристики данных онлайн-поиска, которые должны быть приняты во внимание исследователем:
- использовать только четкие и интуитивно понятные ключевые слова и элементы поиска (Ross, 2013);
- учитывать сезонность и цикличность данных (Buono, 2017)
- учитывать экстремальные события, такие как физические явления или политические события, которые могут привести к выбросам (хотя иногда могут быть полезны, поскольку они иллюстрируют поведение экономических агентов) (Vosen, Schmidt, 2011). Вышеописанные характеристики могут использоваться в качестве перспективных идей и направлений для дальнейшей работы. Кроме того, будущим направлением также могут быть использование статистики запросов других поисковых систем (например, Яндекса), а также в социальных сетях (например, Facebook) (Столбов, 2011). Их использование позволит учитывать настроения большего количества потенциальных заемщиков. Кроме того, в дальнейшем возможно построение ИРИД в региональном разрезе. В перспективе исследования возможно также применение более продвинутых эконометрических моделей прогнозирования (например, модели, основанные на искусственном интеллекте или на имитационном моделировании).