Оценка эффективности функционирования коммерческих банков России на основе анализа среды функционирования

Введение

Эффективное развитие банковской системы является основой экономического роста и развития страны в целом, так как она является основным проводником трансакционных операций экономических агентов. Стратегии развития коммерческих банков, ориентированные только на достижение экономических коэффициентов эффективности, показывают свою несостоятельность в достижении социально-экономической результативности. Это связано с тем, что все больший объем банковских операций приходится на сферу обслуживания физических лиц и требует расширения филиальной сети, доступности терминалов и банкоматов для индивидуального пользовательского обслуживания. Современная стратегия развития коммерческих банков должна ориентироваться на эффективность функционирования с учетом всех перечисленных факторов.

Цель данного исследования – провести анализ и дать оценку эффективности функционирования коммерческих банков России, используя как финансовые, так и нефинансовые показатели деятельности банков. Новизна исследования состоит в использовании параметров различных типов и размерности для анализа эффективности деятельности. Авторская гипотеза состоит в том, что эффективность функционирования коммерческих банков должна строиться на основе анализа среды функционирования с использованием метода DEA (data envelopment analysis), позволяющего выявить как глобальную (полную), так и локальную (сравнительную) эффективность.

Методика исследования

Метод DEA является непараметрическим методом измерения эффективности набора равноправных объектов на основе оптимизационной задачи линейного программирования с двумя целевыми ориентирами оптимизации: максимизация результатов деятельности (выходов) при заданном количестве ресурсов (входов) или минимизация используемых ресурсов (входов) при заданном уровне результатов (выходов) [12–14] (Charnes, Cooper, Rhodes, 1978; Charnes, Cooper, Rhodes, 1981; Farrel Michael, 1957).

Объекты, получившие наивысшие оценки при сопоставлении входов и выходов в задаче линейного программирования, составляют границу производственных возможностей, признаются технически эффективными и становятся ориентиром эффективности для других объектов в выборке.

DEA-методология предполагает две трактовки технической эффективности: глобальную (полную) и локальную (сравнительную). Объект является глобально эффективным, когда ни один из ее «входов» и «выходов» не могут быть улучшены без ухудшения других «входов» и «выходов» (эффективность по Парето и Купмансу). Объект обладает локальной эффективностью, когда эффективность других объектов выборки не показывает, что некоторые из «входов» и «выходов» эффективного объекта могут быть улучшены без ухудшения других своих «входов» и «выходов» [1, 3, 5–8, 15] (Vechkinzova, 2020; Krivonozhko, Lychev, 2010; Pustovalova, Markova, 2016; Ratner, Ratner, 2017; Ratner, Iosifov, 2018; Roslyakova, 2018; Vechkinzova, Petrenko, Benčič, Ulybyshev, Zhailauov, 2019).

Методология DEA является привлекательной, прежде всего, потому, что позволяет сравнивать объекты на основе параметров различной размерности и шкал (отсутствует необходимость в сравнении только денежных или только натуральных показателей и т.п.), а также потому, что в результате расчетов модель дает конкретные рекомендации по увеличению/уменьшению входов и (или) выходов для неэффективных объектов, приводя в качестве эталона наиболее близкие по пропорциям входов и выходов эффективные объекты из этой же выборки.

Для расчета в исследовании применялась общедоступная версия программы DEAP (http://www.uq.edu.au/economics/cepa/deap.php).

Результаты исследования

Для сравнения эффективности функционирования были выбраны 10 российских банков, входящих в перечень системно значимых кредитных организаций, утвержденный Банком России от 29.10.2020 в соответствии с Указанием от 22.07.2015 № 3737-У «О методике определения системно значимых кредитных организаций» [2]. Данные, используемые в качестве входных и выходных параметров, приведены за период 2018–2020 гг.

В качестве входных параметров определены:

· количество банкоматов и терминалов самообслуживания (шт.);

· количество отделений (шт.);

· количество частных клиентов (чел.);

· численность сотрудников (чел.).

В качестве выходных параметров рассматривались следующие результаты деятельности:

· чистая прибыль за отчетный период (тыс. руб.);

· кредиты физическим лицам (тыс. руб.);

· вклады физических лиц (тыс. руб.).

Фактические значения показателей приведены в таблице 1.

Результаты расчетов модели, ориентированной на вход (целевая ориентация – минимизация ресурсов) приведены в таблице 2.

Таблица 1

Исходные данные коммерческих банков за 2018–2020 гг.

Таблица 1

Исходные данные коммерческих банков за 2018–2020 гг. (Продолжение)

Таблица 2

Результаты расчета модели с ориентацией на вход для российских коммерческих банков

Среднее значение технической эффективности, рассчитанное по модели с постоянной отдачей масштаба, в 2018 году равняется 0,784, в 2019 году – 0,853, в 2020 году – 0,859, то есть наблюдается положительная тенденция, которая говорит о том, что банки становились глобально эффективнее с каждым годом в период с 2018 по 2020 год. Такая динамика связана с постепенной, хоть и не быстрой, адаптацией российских коммерческих банков к меняющимся условиям функционирования кредитных организаций в мире, в том числе с внедрением российскими банками новых технологий.

Если в 2018 и 2019 годах при постоянном эффекте масштаба доля эффективных банков составляла лишь 40%, то к 2020 году ситуация начала улучшаться, и доля составила 40%, не в последнюю очередь за счет того, что ПАО Сбербанк и АО «АЛЬФА-БАНК» успешно внедряли новые банковские продукты, а также преуспели во внедрении искусственного интеллекта и роботов в свою деятельность, за счет чего удалось оптимизировать значимую часть затрат и к 2020 году исправить ситуацию с отсутствием технической эффективности.

АО «Россельхозбанк» и АО ЮниКредит Банк в части постоянного эффекта масштаба характеризуются стагнацией, стабильно низкими показателями характеризуются ПАО «Совкомбанк» и ПАО РОСБАНК – топ-менеджменту банков необходимо обратить внимание на проблемы глобального уровня функционирования банков.

Говоря о локальной эффективности, стоит заметить, что ситуация на российском банковском рынке стабильнее, чем в случае с глобальной эффективностью.

70% банков в течение трех лет в целом характеризуются технической эффективностью (АО «АЛЬФА-БАНК» и ПАО Банк «ФК Открытие» не имели технической эффективности в 2019 и 2018 годах соответственно, но в настоящий момент показатель по данным банкам равен 1).

Технической эффективности за исследуемый период не достигли ПАО «Совкомбанк», ПАО РОСБАНК и АО «Россельхозбанк», что говорит об их отставании от конкурентов на российском банковском рынке и необходимости стратегических изменений в деятельности банков.

Стоит заметить, что ПАО Банк «ФК Открытие» в 2018 году имел низкий показатель технической эффективности как с локальной, так и с глобальной точки зрения в связи с прохождением процедуры санации, но в 2019 и 2020 годах ситуацию удалось стабилизировать за счет государственной поддержки, оказанной банку.

Параметры эффективности, ориентированной на максимизацию результатов деятельности банков, приведены в таблице 3.

При расчете модели с постоянным эффектом масштаба входные и выходные параметры изменяются пропорционально, результаты расчета модели с ориентацией на выход совпадают с расчетами модели с ориентацией на вход, что видно при сопоставлении таблиц 2 и 3.

Таблица 3

Результаты расчета модели с ориентацией на выход для российских коммерческих банков

В отличие от модели VRS, ориентированной на вход, расчет по модели, ориентированной на выход, показывает снижение среднего значения технической эффективности в 2020 году по сравнению с 2019 годом: от 0,894 к 0,88 соответственно.

Сложившаяся ситуация не в последнюю очередь обусловлена следующими факторами:

· стагнация ПАО «Совкомбанк» с показателя технической эффективности 0,65 в 2019 году к показателю 0,51 в 2020 году;

· стагнация ПАО РОСБАНК с показателя технической эффективности 0,88 в 2019 году к показателю 0,75 в 2020 году;

· стагнация АО «Россельхозбанк» в течение всего исследуемого периода – 0,75, 0,64 и 0,55 в 2018, 2019 и 2020 годах соответственно.

Стоит заметить, что в сравнении с более крупными банками ПАО «Совкомбанк» и АО «Россельхозбанк» имеют в целом сопоставимые параметры входа, а именно – число банкоматов и отделений, поэтому банкам необходимо направить силы на повышение эффективности использования имеющихся ресурсов. ПАО РОСБАНК значительно уступает по количеству банкоматов и числу отделений, для того чтобы составлять конкуренцию другим банкам, ПАО РОСБАНК необходимо расширять свою сеть.

Технической эффективностью в целом за исследуемый период характеризуются те же 70% банков, что и в модели VRS, ориентированной на выход – подобная ситуация, когда модель VRS, ориентированная на вход, сопоставима с моделью, ориентированной на выход, является частой при расчетах по DEA-моделированию, что доказывается и расчетами по российским коммерческим банкам за исследуемый период.

Наглядно полученные результаты оценки эффективности представлены на рисунке.

Рисунок. Сравнение показателей технической эффективности российских коммерческих банков в различных разрезах DEA-моделирования за 2018–2020 гг.

Источник: составлено авторами.

Заключение

Проведенные VRS и CRS модели DEA-анализа позволяют сделать следующие обобщающие выводы:

1) стабильными показателями технической эффективности характеризуются крупные банки с государственной поддержкой, а также технологичные банки (Банк ВТБ (ПАО), ПАО Сбербанк, Банк ГПБ (АО), АО «АЛЬФА-БАНК», АО ЮниКредит Банк, ПАО Банк «ФК Открытие», АО «Райффайзенбанк»);

2) низкими показателями технической эффективности характеризуются слабо технологичные, а также сконцентрированные на определенных клиентских сегментах банки (ПАО «Совкомбанк», АО «Россельхозбанк», ПАО РОСБАНК), которым в том числе по причине отсутствия необходимого уровня цифрового развития не удалось в полной мере перевести оказание услуг клиентам в онлайн-режим в период пандемии COVID-19 в 2020 году. Однако стоит учитывать, что модель ориентирована именно на сравнение банков между собой, локально, например, финансовые показатели деятельности определенного банка могут расти по сравнению с предыдущими периодами;

3) ПАО Сбербанк, АО «АЛЬФА-БАНК» и ПАО Банк «ФК Открытие» к 2020 году смогли добиться показателя глобальной технической эффективности главным образом за счет внедрения и успешного использования новых технологий, таких как сервисы на основе облачных технологий, новейшие системы поиска и распознавания, биометрия, искусственный интеллект, роботы;

4) в целом по российским коммерческим банкам наблюдается положительная динамика технической эффективности к 2020 году, что говорит о развитии российской банковской системы. В настоящий момент большинство крупных банков России ориентируются на модернизацию оказываемых услуг и оптимизацию деятельности за счет применения цифровых технологий, активно переводят свою деятельность в онлайн-формат, оптимизируют занимаемые площади, внедряют бережливое производство, а также ориентируются на успешные примеры крупнейших банков США, Европы и Китая.

Таким образом, на сегодняшнем этапе развития банковской сферы большую роль в повышении эффективности деятельности коммерческих банков играют: эффект масштаба, максимальная цифровизация операционных процессов и последовательное внедрение инновационных (преимущественно цифровых) технологий. И если эффект масштаба могут использовать только крупные банки с большим уставным капиталом, то стратегия развития остальных банков должна быть состедоточена на цифровизации и поиске оптимального соотношения затрат и результатов, а не их максимизации любой ценой.

Использование методологии анализа среды функционирования (DEA) для оценки эффективности деятельности банков может быть расширено за счет включения дополнительных, нефинансовых параметров затрат и результатов, а также и для оценки эффективности потенциальных слияний и поглощений банковских и финансовых структур.