Щепелева Мария Александровна

Environmental performance, financial development, systemic risk and economic uncertainty: What are the linkages?

2024 · ARTICLE · en

The paper studies the relationships among the composite indicators of environmental performance, financial development, systemic risk and economic uncertainty for a balanced panel of 57 countries during 2010–2020. The analysis builds on panel local projections by Jord´ a (2005). In addition to the whole panel, this technique also applies to two sub-panels obtained via the K-means clusterization conditional on a set of composite indicators of environmental performance. We underscore a two-way relationship between systemic risk and environmental performance. An increase in systemic risk improves the environmental quality, albeit to the detriment of economic growth and energy consumption, whereas ex ante higher values of the key composite indicators of environmental performance mitigate systemic risk. Financial development adversely affects environmental performance. Contrary to the prevailing view, this effect is mostly related to the development of financial markets compared to the development of financial institutions. Economic uncertainty is found totally unrelated to the composite indicators of environmental performance. The aforementioned key findings generally hold after splitting the whole panel into the two sub-panels. Overall, our results induce policymakers to treat with caution certain policy recommendations aimed at improving environmental quality, since reducing systemic risk, increasing financial development as a whole or shifting towards a market-based financial system do not necessarily help accomplish this goal.

Моделирование риска дефолта российских банков, 2015–2020 гг.

2024 · ARTICLE · ru

Исследование посвящено моделированию вероятности дефолта российских банков на данных за период 2015–2020 гг. Исследований дефолтов российских банков после 2015 г. сравнительно немного. Наша работа призвана восполнить этот пробел. Цель исследования состоит в выявлении переменных, статистически значимо влияющих на риск дефолта российских банков в условиях относительно стабильного развития российской экономики (2015–2020 гг.) без таких внешних шоков, как COVID‑19 или международные санкции. В работе используется комплексный подход к моделированию риска дефолтов банков. Модельный аппарат представлен логит-, пробит-моделями, а также регрессией Кокса. В качестве объясняющих переменных использовались индикаторы, характеризующие различные аспекты функционирования кредитных организаций (в соответствии с методологией CAMELS), а также макроэкономические переменные. Наиболее значимыми предикторами дефолта оказались норматив достаточности капитала Н1, чистые активы банка, отношение кредитного портфеля к активам, обеспеченность кредитного портфеля имуществом, отношение выданного количества межбанковских кредитов к активам, а также инфляция (INF) и цена закрытия индекса Московской биржи (MOEXIN). В целом полученные результаты согласуются с системой показателей устойчивости коммерческих банков CAMELS, при этом влияние общих макроэкономических показателей оказывается незначимым. Результаты исследования представляют интерес для регулятора в целях текущего надзора и предупреждения риска дефолта, самих кредитных организаций с целью построения внутренних систем мониторинга финансовой устойчивости и участников финансового рынка для выбора наиболее устойчивых компаний с точки зрения инвестирования и размещения средств. Дальнейшие направления исследования связаны с включением в анализ кризисного периода и сравнением значимых предикторов в кризис и в стабильный период развития экономики, а также с использованием альтернативных методов, в частности, алгоритмов машинного обучения.

The Interaction among Financial Development, Macroprudential Policy and Economic Growth

2023 · CHAPTER · en

Does one size fit all? Comparing the determinants of the FinTech market segments expansion

2023 · ARTICLE · en

The paper aims to indentify and compare the determinants of the overall FinTech market expansion and its major segments – cryptocurrency and peer-to-peer lending markets – in a dataset, which covers 64 countries and 51 potentially relevant factors. To this end, we apply a battery of state-of-the-art variable selection techniques from machine learning, comprising Bayesian model averaging (BMA), least absolute shrinkage and selection operator (LASSO), variable selection using random forests (VSURF) as well as spike-and-slab regression. We document substantial heterogeneity of the pivotal determinants across the FinTech market as a whole and its major segments. Thus, specific rather than general policy measures are needed to foster the development of standalone FinTech market segments. Moreover, our findings suggest that most countries don't need to seek a universal specialization in FinTech activities, concentrating on the segment where they have a competitive edge in terms of the pivotal determinants which drive its expansion.

Carbon footprints of lending and bank performance: international evidence from panel data

2023 · ARTICLE · en

The paper studies the interaction between a set of bank performance indicators (concentration, profitability, and risk) and the carbon footprint of bank loans. Our research builds on the panel data analysis for 37 countries during 2010–2018, adopting local projections proposed by Jordá (Am Econ Rev 95(1):161–182, 2005), a feasible alternative to panel VAR estimation in case of short time series. In order to account for potentially different patterns in the relationship among the indicators, we split the whole panel into two sub-panels, using K-means clusterization based on income level, resource abundance, and overall environmental performance. For the whole panel, the carbon footprint is driven by systemic risk, while leading the non-performing loans (NPL) ratio and Z-score. Thus, curbing systemic risk matters to reduce the carbon footprint of bank loans. Otherwise, it may amplify the effects of the latter on the NPL ratio and Z-score. Interestingly, the effect of systemic risk on the carbon footprint stems from the sub-panel consisting of developed countries, while the effect of the carbon footprint on the NPL ratio and Z-score is mainly shaped by developing and emerging market economies. The relationships between the carbon footprint of lending, concentration, and profitability are much less pronounced both for the whole panel and for the sub-panels.

Sentiment-based indicators of real estate market stress and systemic risk: international evidence

2023 · ARTICLE · en

We propose sentiment-based indicators of real estate market stress for the USA, the UK, Canada, Australia, India, and on the global scale. The global and country-level indicators are based on a novel methodology synthesizing textual analysis of real estate research and Google search data. Using mixed frequency vector autoregressions, we show that in the USA, the UK, Australia and India, the sentiment-based indicators are found to mediate the relationship between real estate prices and systemic financial risk. In particular, for the UK, there is a vicious circle involving the interaction among the three variables: the sentiment-based indicator of real estate market stress unidirectionally leads systemic risk, the latter impacts real estate prices, whereas the prices drive the stress sentiment. Canada appears the only sample country where real estate market stress sentiment is unrelated to real estate prices and systemic risk. On the global scale, there is a bi-directional linkage between the stress sentiment and real estate prices. Overall, our empirical findings suggest that policymakers and real estate market participants should account for sentiment regarding real estate market stress in their decision-making.

Трансмиссия системного риска между банковскими системами стран Азиатско-Тихоокеанского региона и России

2023 · ARTICLE · ru

Предмет данного исследования — механизмы передачи системного риска между финансовыми секторами разных стран. Цель работы состоит в определении топологических характеристик сети, связывающей банковские системы стран Азиатско-Тихоокеанского региона (АТР) и России. Учитывая возрастающую роль стран этого региона на мировом финансов рынке, его подверженность кризисам может быть опасна для других стран. Это определяет актуальность нашего исследования. Для построения сети мы использовали данные по показателям SRISK, отражающие потери капитала финансовых институтов в случае крупномасштабного кризиса. Сети были построены с использованием алгоритма NETS, предложенного Баригоцци и Браунлисом в 2019 г. В основе этого метода лежит построение разреженных векторных авторегрессий, оцениваемых по методу LASSO. В результате применения алгоритма мы получаем две сети — одновременных взаимосвязей и с использованием лагированных значений переменных. Сети были построены для временного периода 2005–2020 гг. и отдельно для подпериодов, включающих глобальный финансово-экономический кризис (2005–2013 гг.) и период пандемии COVID-19 (2014–2020 гг.). Судя по полученным результатам, сети на всем рассматриваемом временном горизонте являлись достаточно уязвимыми по отношению к внешним рискам. К крупнейшим донорам шоков в этом регионе были отнесены Китай, Япония, Сингапур и Тайвань. Россия на горизонте 2014–2020 гг. выступала в качестве акцептора рисков. Сделан вывод, что усиление/ослабление сотрудничества с крупнейшими экспортерами рисков в этом регионе для России может означать повышение/снижение вероятности заражения системным риском.

Политика по урегулированию банковских кризисов и новая нестабильность

2023 · ARTICLE · ru

Исследование посвящено изучению факторов, значимых для прогнозирования банковских кризисов. Актуальность работы определяется тем, что, несмотря на все усилия по созданию систем опережающих индикаторов, кризисы в банковской сфере продолжают случаться, приводя к негативным последствиям не только в финансовом, но и в реальном секторе экономики. Цель исследования заключается в определении того, как характеристики прошлых банковских кризисов, в частности объем финансовой помощи со стороны государства для поддержки банковской системы, связаны с вероятностью последующих банковских кризисов. Для ответа на этот вопрос мы используем методологию классификационного дерева, которое строим для выборки из 56 стран за период с 2000 по 2021 г. Для прогнозирования банковских кризисов, помимо характеристик прошлых кризисных эпизодов, используются показатели, относящиеся к глубине, структуре, эффективности банковского сектора; институциональные и макроэкономические показатели; индекс макропруденциальной политики. Для проверки на устойчивость результатов произведен отбор предикторов банковских кризисов с помощью байесовского усреднения моделей. В результате анализа было выявлено, что высокой значимостью для прогнозирования банковских кризисов обладает объем государственной поддержки в период прошлого кризиса. Таким образом, наши результаты демонстрируют, что чрезмерный объем государственного вмешательства для стабилизации системы в период кризиса может негативно отразиться на будущей стабильности банковского сектора, главным образом из-за повышения уровня риска недобросовестного поведения.

Сопоставление динамики финансовых и бизнес-циклов в странах БРИКС

2023 · ARTICLE · ru

Предмет. Эти страны являются одними из самых быстро развивающихся и растущих экономик. Однако исследований по взаимосвязи финансовых и бизнес-циклов для стран БРИКС недостаточно в сравнении с большим количеством научных работ, затрагивающих еврозону или государства G7. Настоящее исследование предполагает устранить этот пробел и предоставить информацию о взаимосвязи финансовых и бизнес-циклов в странах БРИКС. Цели. Определить основные характеристики фаз циклов (амплитуду и продолжительность) для стран БРИКС и оценить степень их синхронизации. Методология. В качестве методов исследования используются алгоритм для периодизации различных фаз финансовых и бизнес-циклов, предложенный Д. Хардингом и А. Пэганом в 2003 г., анализ коэффициентов конкордации для определения степени синхронизации разных циклов, а также логистическая регрессия для количественной оценки вероятности рецессии в реальном секторе при наличии кризиса в финансовом. Результаты. Полученные результаты говорят о высокой степени синхронизации финансовых и бизнес-циклов в странах БРИКС, сопоставимой со странами Евросоюза. При этом степень синхронизации изменяется в период кризисных событий и после политических решений. Степень синхронизации деловых циклов при этом оказывается гораздо выше, чем финансовых циклов. Выводы. Полученные результаты должны приниматься во внимание при координации экономических политик стран БРИКС. При использовании определенных фискальных, монетарных или макропруденциальных инструментов страны должны учитывать, что их решения отразятся и на других странах – членах данной организации.

Modeling global real economic activity: Evidence from variable selection across quantiles

2022 · ARTICLE · en

We conduct an open search of predictors of global real economic activity. To this end, we apply a predictive quantile regression framework, using four alternative proxies of global real economic activity during February 1997–August 2019 and building on a combination of machine learning algorithms to identify their predictors out of 23 candidate explanatory variables. The contemporaneous level of global real economic activity, the Asian and US financial stress are found the most robust predictors. The effect of US financial shocks appears asymmetric, as they undermine global economic growth when the latter is below the median, but do not matter much when the world economy expands fast. Besides, US shadow interest rates are significantly and positively linked to global real economic activity. This effect holds in a high-growth regime of the world economy and suggests that rising US policy rates, contrary to the conventional wisdom, entail US dollar depreciation rather than appreciation. A weaker US dollar stimulates dollar-denominated cross-border bank inflows to the countries other than the USA, leading to a rise in real investment worldwide and industrial output growth. Thus, our empirical findings inform policymakers which indicators should be monitored more closely to predict future shifts in global economic growth and also provide certain insights about optimal policy responses to such shifts.