Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
Магия количественной точности заставляет забывать о гадательной
природе даже явно ирреальных цифр.
Знакомясь с некоторыми новейшими «как бы» эмпирическими
исследованиями по проблеме неравенства, начинаешь лучше понимать
хармсовского Андрея Семеновича: становится трудно удержаться от
просьбы к мастерам по выниманию шаров из головы положить их
все-таки обратно…
Список литературы / References
Бутаева К. О. (2017). Совмещенная модель распределения доходов населения
России // Современная экономика: проблемы и решения. № 5. С. 43—48.
[Butaieva K. O. (2017). Composite model of income distribution in Russia. Modern
Economics: Problems and Solutions, No. 5, рр. 43—48. (In Russian).] https://
doi.org/10.17308/meps.2017.5/1699
Гуриев С., Рачинский А. (2006). Неравенство: Рио-де-Москва // Ведомости. 15 мая.
[Guriev S., Rachinskiy A. (2006). Inequality: Rio-de-Moscow. Vedomosti. May 15.
(In Russian).]
Капелюшников Р. (2019). Экономическое неравенство — вселенское зло? // Вопросы
экономики. №. 4. C. 91—106. [Kapeliushnikov R. (2019). Is economic inequality
a universal evil? Voprosy Ekonomiki, No. 4, рр. 91—106. (In Russian).] https://
doi.org/10.32609/0042-8736-2019-4-91-106
Овчарова Л. Н., Бурдяк А. Я., Пишняк А. И., Попова Д. О., Попова Р. И.,
Рудберг А. М. (2014a). Динамика монетарных и немонетарных характери-
стик уровня жизни российских домохозяйств за годы постсоветского развития:
аналитический доклад. М.: Фонд «Либеральная Миссия». [Ovcharova L.N.,
Burdiak A. Y., Pishniak A. I., Popova D. O., Popova R. I., Rudberg A. M. (2014a).
Dynamics in monetary and non-monetary characteristics of living standards of
Russian households over years of post-soviet development: an analytical report.
Moscow: Liberal Mission Foundation. (In Russian).]
Овчарова Л. Н., Бирюкова С. С., Попова Д. О., Варданян Е. Г. (2014b). Уровень
и профиль бедности в России: от 1990-х годов до наших дней. М.: НИУ ВШЭ.
Ovcharova L. N., Biriukova S. S., Popova D. O., Vardanyan E. G. (2014b). Level
and profile of poverty in Russia from 1990s till our days. Moscow: HSE Publ.
(In Russian).]
Росстат (2013). Социальное положение и уровень жизни населения России. 2013.
М.: Росстат. [Rosstat. (2013). Social condition and living standard of population
in Russia. 2013. Moscow: Rosstat. (In Russian).]
Росстат (2017a). Социальное положение и уровень жизни населения России. 2017.
М.: Росстат. [Rosstat. (2017a). Social condition and living standard of population
in Russia. 2017. Moscow: Rosstat. (In Russian).]
Росстат (2017b). Малое и среднее предпринимательство в России. М.: Росстат.
[Rosstat. (2017b). Small and medium entrepreneurship in Russia. Moscow: Rosstat.
(In Russian).]
Сонин К. (2017). Спасибо Тома Пикетти. Новое исследование об эволюции нера-
венства в России // Ведомости. 27 авг. [Sonin K. (2017). Thank you, Thoma
Piketty! A new study on evolution of inequality in Russia. Vedomosti. August 27.
(In Russian).]
Blanchet T., Fournier J., Piketty T. (2017). Generalized Pareto curves: Theory and ap-
plications. World Inequality Lab Working Papers, No. 2017/03.
Bozio A., Garbinti B., Goupille-Lebret J., Guillot M., Piketty T. (2018). Inequality
and redistribution in France, 1990—2018: Evidence from post-tax distributional
national accounts (DINA). World Inequality Lab Working Papers, No. 2018/10.
101
Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
Calvo P. A., López-Calva L.-F., Posadas J. (2015). A decade of declining earnings inequality
in the Russian Federation (Policy Research working paper No. 7392). Washington,
DC: World Bank, 2015.
Chancel L., Piketty T. (2017). Indian income inequality, 1922—2014: From British raj
to billionaire raj? World Wealth and Income Database. World Inequality Lab
Working Papers, No. 2017/11.
Commander S., Tolstopiatenko A., Yemtsov R. (1999). Channels of redistribution:
Inequality and poverty in the Russian transition. Economics of Transition, Vol. 7,
No. 2, pp. 411—447. https://doi.org/10.1111/1468-0351.00019
Dang H.-A. H., Lokshin M. M., Abanokova K., Bussolo M. (2018). Inequality and
welfare dynamics in the Russian Federation during 1994—2015 (Policy Research
Working Paper No. 8629). Washington, DC: World Bank.
Earle J., Sabirianova K. (2002). How late to pay? Understanding wage arrears in
Russia. Journal of Labor Economics, Vol. 20, No. 3, pp. 661—707. https://doi.org/
10.17848/wp02-77
Flemming J. S., Micklewright J. (2000). Income distribution, economic systems and
transition. In: Atkinson A. B., Bourguignon F. (eds.). Handbook of income distri-
bution. Amsterdam: Elsevier, pp. 843—918.
Jovanovic B. (2001). Russian roller coaster: Expenditure inequality and instability in
Russia, 1994—1998. Review of Income and Wealth, Vol. 47, No. 2, pp. 251—271.
https://doi.org/10.1111/1475-4991.00015
Galbraith J.K. (2019). Sparse, inconsistent and unreliable: Tax records and the World
Inequality Report 2018. Development and Change, Vol. 50, No. 2, pp. 335—337.
https://doi.org/10.1111/dech.12475
Galbraith J.K., Krytynskaia L., Wang Q. (2004). The experience of rising inequality
in Russia and China during the transition. European Journal of Comparative
Economics, Vol. 1, No. 1, pp. 87—105.
Gorodnichenko Y., Sabirianova Peter K., Stolyarov D. (2010). Inequality and volatility
moderation in Russia: Evidence from micro-level panel data on consumption and in-
come. Review of Economic Dynamics, Vol. 13, No. 1, рр. 209—237. https://doi.org/
10.1016/j.red.2009.09.006
Kozyreva P., Kosolapov M., Popkin B. M. (2015). Data resource profile: The Russia
longitudinal monitoring survey — Higher School of Economics (RLMS-HSE)
Phase II: Monitoring the economic and health situation in Russia, 1994—2013.
International Journal of Epidemiology, Vol. 45, No. 2, pp. 1—7. https://doi.org/
10.1093/ije/dyv357
Lehmann H., Wadsworth J. (2007). Wage arrears and inequality in the distribution of
pay: Lessons from Russia. Research in Labor Economics, Vol. 26, pp. 125—155.
https://doi.org/10.1016/S0147-9121(06)26004-7
Lindert P. H. (2017). Rise and future of progressive redistribution. CEQ Working
Paper, No. 73.
Milanovic B. (1999). Explaining the increase in inequality during transition. Economics of
Transition, Vol. 7, No. 2, pp. 299—341. https://doi.org/10.1111/1468-0351.00016
Novokmet F. (2017). Between communism and capitalism: On the evolution of income
and wealth inequality in Eastern Europe 1890—2015 (Czech Republic, Poland,
Bulgaria, Croatia, Slovenia and Russia). PhD Dissertation. Paris: Ecole des
Hautes Etudes en Sciences Sociales.
Novokmet F., Piketty T., Zucman G. (2017a). From Soviets to oligarchs: Inequality
and property in Russia, 1905—2016. World Inequality Lab Working Papers,
No. 2017/09.
Novokmet F., Piketty T., Zucman G. (2017b). From Soviets to oligarchs: Inequality
and property in Russia, 1905—2016: Appendix. World Inequality Lab Working
Papers, No. 2017/10.
Novokmet F., Piketty T., Zucman G. (2018). From Soviets to oligarchs: Inequality and
property in Russia, 1905—2016. Journal of Economic Inequality, Vol. 16, No. 2,
pp. 189—223. https://doi.org/10.1007/s10888-018-9383-0
102
Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
Piketty T., Yang L., Zucman G. (2017). Capital accumulation, private property and
rising inequality in China, 1978—2015. World Inequality Lab Working Papers,
No. 2017/06.
Piketty T., Saez E. (2003). Income inequality in the United States, 1913—1998. Quarterly
Journal of Economics, Vol. 118, No. 1, pp. 1—39. https://doi.org/10.1162/
00335530360535135
Piketty T., Saez E., Zucman G. (2018). Distributional national accounts: Methods and
estimates for the United States. Quarterly Journal of Economics, Vol. 131, No. 2.
pp. 519—578. https://doi.org/10.1093/qje/qjx043
Yemtsov R. (2008). Through the looking—glass: What is behind official data on inequal-
ity in Russia over 1992—2003? Paper prepared for the 30th General Conference
of the International Association for Research in Income and Wealth, Portoroz,
Slovenia.
Приложение 1
Команда Т. Пикетти о неравенстве в распределении богатства:
краткий комментарий
Оценки неравенства в распределении богатства, представленные в исследовании
NPZ, строятся на практически нулевой эмпирической основе. Все, что есть в их распо-
ряжении, — это публикации журнала «Форбс» об активах примерно 100 российских
миллиардеров. (Природа и качество этих сведений не обсуждаются, как если бы
речь шла о проверенном и надежном источнике статистических данных.) Исходя из
информации о распределении богатства среди 100 наиболее состоятельных россиян
по версии журнала «Форбс», NPZ героическим образом (с помощью техники интер-
поляции на основе обобщенного распределения Парето) реконструируют профиль
распределения богатства для 1,15 млн (!) индивидов, принадлежащих к богатейшему
1% населения. Поскольку никакой информацией (ни плохой, ни хорошей) о распре-
делении богатства для остальных 99% NPZ не располагают, они просто вменяют
этим 99% профиль распределения, получаемый путем усреднения соответствующих
профилей по трем странам — США, Франции и Китаю. Это позволяет им рассчитать
затем долю богатства, находящегося в руках верхних 10%, а также коэффициент
Джини по богатству.
Главный вывод, к которому приходят NPZ, состоит в том, что степень концент-
рации богатства в России (коэффициент Джини 0,75; доля богатства в руках верхних
10% выше 70%; доля богатства в руках верхнего 1% порядка 40%) сопоставима с суще-
ствующей в США, но выше, чем в Китае, оставляя далеко позади как другие разви-
тые страны, так и постсоциалистические страны Центральной и Восточной Европы.
Сравнение со странами ЦВЕ сопровождается любопытным комментарием. По
мысли NPZ, разрыв в показателях концентрации богатства между Россией и ними
во многом объясняется тем, что в ней при переходе к рынку наиболее ценные активы
оказались в руках местных олигархов, а в них — в руках иностранцев: «В странах
Восточной Европы значительная часть основного капитала принадлежит иностран-
цам, что способствует снижению неравенства» (Novokmet et al., 2017a. P. 38). Иными
словами, если бы в России владельцами наиболее ценных активов также стали
иностранцы, она не слишком сильно отличалась бы от стран ЦВЕ по масштабам
неравенства в распределении богатства: «Тот факт, что в таких странах, как Чехия,
Польша или Венгрия (в отличие от таких стран, как Россия или Германия), полу-
чатели самых высоких доходов от капитала по большей части иностранцы, а не
местные жители, способствует тому, что в них верхний 1% обладает более низкой
долей доходов. Иными словами, для стран, фактически принадлежащих иностранцам,
характерно более низкое внутреннее неравенство (при прочих равных условиях)»
(Novokmet et al., 2017a. P. 29).
Свои героические подсчеты по поводу концентрации богатства в России NPZ
сопровождают неоднократными оговорками о том, что к этим количественным
103
Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
оценкамследует относиться с предельной осторожностью: «Существует значительная
неопределенность относительно точного уровня концентрации богатства в России»
(Novokmet et al., 2017a. P. 14); «К сожалению, существует значительная неопреде-
ленность в отношении этих оценок» (Novokmet et al., 2017a. Р. 14); «Все, что у нас
есть для изучения неравенства в России, — это данные о миллиардерах из журнала
„Форбс“. Это немногим лучше, чем вообще ничего, и, конечно, отражает какие-то
реалии, но это не слишком много» (Novokmet et al., 2017a. P. 39); «Наши оценки
неравенства в богатстве являются еще более хрупкими, чем наши ряды по неравен-
ству в доходах. Источники данных, доступные для изучения богатства в России,
к сожалению, гораздо более ограничены, чем источники, доступные для изучения
доходов» (Novokmet et al., 2017a. P. 39). Однако переходя в заключительной части
работы к выводам, они благополучно забывают о собственных предостережениях
и начинают преподносить полученные ими результаты так, как если бы речь шла
о точно установленных и не вызывающих никакого сомнения эмпирических фактах.
Приложение 2
О технике интерполяции
на основе обобщенного распределения Парето
В последнее время среди исследователей проблемы экономического неравенст-
ва все большую популярность стала завоевывать техника интерполяции на основе
обобщенного распределения Парето (Blanchet et al., 2017). Привлекательность этого
инструмента связана с тем, что он позволяет исправлять неточности и заполнять
пропуски, типичные для эмпирически наблюдаемых распределений доходов и богат-
ства. В дальнейшем мы будем иллюстрировать его аналитические возможности на
примерах, относящихся к распределению доходов, предполагая, что все получатели
доходов ранжированы в возрастающем порядке по перцентилям от первой группы
p0 до последней p99.
Формально принято говорить, что случайная переменная y (в нашем случае
это доход) следует распределению Парето, если ее функция выживания имеет вид:
F(y)– = (k/y)a,
где: a — параметр масштаба или, как его еще называют, прямой коэффициент Парето;
k — константа, определяющая форму распределения. Говоря более предметно, функ-
ция F(y)— показывает, какая часть совокупных доходов приходится на долю того
или иного подмножества нижних перцентилей, начиная с p0 — скажем, на долю
перцентилей от p0 до p49 или от p0 до p89. Чтобы ответить на обратный вопрос —
какова «остаточная» часть совокупного дохода, приходящаяся на долю перцентилей
от p50 до p99 или от p90 до p99, — следует из 1 вычесть F(y)–, получив таким образом
функцию кумулятивного распределения F(y). Отсюда ясно, что если функция F(y)–
показывает, какая доля совокупного дохода приходится на индивидов, у которых
доходы не достигают некоего заданного уровня y, то функция F(y) — какая их доля
приходится на индивидов, у которых доходы равны или выше y:
F(y) = 1 – (k/y)a.
Откуда после перестановки получаем:
1 — F(y) = (k/y)a. (1)
Важное свойство распределения Парето: средний доход индивидов с доходами
выше определенного порогового значения пропорционален самому этому пороговому
значению. Говоря иначе, соотношение среднего дохода y*(y) для всех индивидов
с доходами не ниже уровня y и самим уровнем y будет величиной постоянной. Часто
эту величину обозначают как обратный коэффициент Парето b: b = y*(y)/y или,
после соответствующих преобразований, b = a/(a – 1).
104
Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
Чтобы проиллюстрировать, что это означает на практике, предположим, что
b = 2. Тогда средний доход подмножества индивидов с годовыми доходами не ниже
2 млн руб. будет вдвое больше среднего дохода подмножества индивидов с годовыми
доходами не ниже 1 млн руб.; средний доход подмножества индивидов с годовыми
доходами не ниже 20 млн руб. будет вдвое больше среднего дохода подмножества
индивидов с годовыми доходами не ниже 10 млн руб. и т. д. Для тех случаев, когда
верхняя часть распределения доходов (скажем, в последнем десятом дециле) имеет
форму распределения Парето, можно говорить о том, что коэффициент b характе-
ризует толщину его правого хвоста: чем выше b, тем толще этот хвост и, соответ-
ственно, тем масштабнее неравенство на данном участке шкалы доходов. По имею-
щимся эмпирическим оценкам, хотя коэффициент b варьирует как во времени, так
и в пространстве (по отдельным странам), чаще всего его значения не выходят за
границы коридора от 1,5 до 3.
Как уже отмечалось, многие исследователи убеждены не просто в том, что
доступные эмпирические данные дают искаженное представление о форме правого
хвоста распределения доходов (скажем, для последнего десятого дециля), но и в том,
что на этом участке оно подчиняется закону Парето. Тем самым предполагается, что
после достижения переменной дохода определенного порогового уровня эмпирически
наблюдаемое распределение необходимо трансформировать в распределение Парето.
При таком подходе константа k в формуле (1) оказывается равна минимальному
уровню дохода, с которого начинает применяться распределение Парето. Скажем,
в расчетах NPZ на «сырых» данных РМЭЗ этот минимальный уровень, обозначаю-
щий границу между девятым и десятым децилями, составлял в 2015 г. около 0,5 млн
руб. в годовом измерении, или 41,6 тыс. руб. в месячном. Придавая затем прямому
коэффициенту Парето a разные значения от более низких до более высоких, мы
можем выбрать вариант, который, исходя из тех или иных соображений, представляет
ся более реалистичным. Так становится возможно реконструировать правый хвост
распределения доходов, который плохо схватывается обследованиями домохозяйств.
Но кроме этого распределение Парето может использоваться в качестве инстру-
мента с целью интерполяции пропущенных значений в эмпирически наблюдаемых
рядах данных. Речь идет о данных наподобие представленных в таблицах 1 или
5: в первом случае это данные Росстата о распределении населения по уровням
денежных доходов, во втором — данные ФНС о распределении налогоплательщиков
по уровням задекларированного дохода. Для преобразования таких интервальных
рядов в непрерывные современные исследователи (например, NPZ) часто обращаются
к технике интерполяции на основе обобщенного распределения Парето.
В отличие от стандартного обобщенное распределение Парето допускает воз-
можность варьировать коэффициенты a и b в зависимости от p, так что на разных
участках шкалы доходов они могут отличаться друг от друга. Скажем, в доходном
интервале от 10 млн до 50 млн руб. они будут принимать одни значения, а в интер-
вале от 50 млн до 100 млн руб. — другие. В первую очередь речь, конечно, идет
о возможном варьировании коэффициентов a и b на разных участках верхнего дециля
или верхнего перцентиля.
Стандартные таблицы, которые публикуют налоговые органы и националь-
ные статистические ведомства, включают определенное число интервальных групп
(p1 … pi … pn), выделяемых исходя из тех или иных пороговых значений дохода:
(thry1 : thry2); … (thryn—1 : thryn); (≥ thryn). (Например, как следует из данных
Росстата, представленных в таблице 1, в 2015 г. к интервалу с месячными дохода-
ми от 27 тыс. до 45 тыс. руб. относились 22,5% россиян.) Задача сводится к тому,
чтобы для всех интервальных групп найти их прямые и обратные коэффициенты
Парето a и b.
Предполагается, что внутри каждой из них доходы распределяются в соответст-
вии с законом Парето, так что доля совокупного дохода, приходящаяся на индивидов
с доходом не ниже y, рассчитывается по стандартной формуле: 1 – F(y) = (k/y)a. Но
в случае обобщенного распределения Парето переход от интервала i к интервалу i + 1
будет сопровождаться изменением величины k, которая станет принимать значения,
105
Р. И. Капелюшников / Вопросы экономики. 2020. № 4. С. 67—106
соответствующие нижним границам вышележащих интервальных групп. (Скажем,
в таблице 5, где приводятся данные ФНС о задекларированных налогоплательщиками
доходах, k будет равняться 0 руб. для самой нижней доходной группы, 1 млн руб. —
для второй снизу, 10 млн руб. — для третьей снизу и т. д.)
С учетом этого прямой коэффициент Парето ai для любого интервала i можно
определить исходя из уравнения:
ai = logl(o1g—(tphyryi)i+/1/(1t—hrypiy)i+1) ,
где: (1—pyi) — доля налогоплательщиков с задекларированным доходом не ниже yi;
(1—pyi+1) — доля налогоплательщиков с задекларированным доходом не ниже yi+1;
thryi — нижняя доходная граница интервала i; thryi+1 — нижняя доходная граница
интервала i + 1. Отсюда стандартным образом находится также обратный коэффи-
циент Парето bi:
bi = ai/(ai – 1).
Получив для всех интервальных групп значения их прямых и обратных коэф-
фициентов Парето, затем для каждой из них можно реконструировать свойственный
ей профиль распределения.
Piketty’s team on inequality in Russia:
A collection of statistical artifacts
Rostislav I. Kapeliushnikov 1,2
Author affiliation: 1 Primakov National Research Institute of World Economy
and International Relations, RAS (Moscow, Russia); 2 Centre for Labour Market
Studies, National Research University Higher School of Economics (Moscow, Russia).
Email: [email protected]
The paper provides a critical assessment of an authoritative study “From
Soviets to oligarchs” (2017) on evolution of economic inequality in Russia by
F. Novokmet, T. Piketty and G. Zucman where Russia is portrayed as a country
with abnormally polarized income distribution by international standards.
The author examines main quantitative results obtained by Piketty’s team,
describes peculiar methodological features of their measuring procedure and
analyzes how they dissect available empirical data sets. A general conclusion
is that the trio uses an unconventional methodology that does not allow to
apply equivalence scales; their argument suffers from internal inconsistencies
(different units of observation and different definitions of income are used);
they misunderstand the nature of data that form a base for their calculations
(simulated estimates are perceived as raw survey data, post-tax incomes as pre-
tax ones, etc.); deduction and declaration coefficients that they impose on tax
data are empirically improbable; their final estimates of income inequality for
Russia are higher than empirically realistic ones approximately by one third
(Gini coefficients 0.5—0.6 instead of 0.3—0.4 by other researchers).
Keywords: inequality, income, Russia, survey data, tax data, Pareto
distribution.
JEL: C83, D30, D31, D60, H24.
106
Вопросы экономики. 2020. № 4. С. 107—128.
Voprosy Ekonomiki, 2020, No. 4, pp. 107—128.
РЕГИОНАЛЬНАЯ ЭКОНОМИКА
Как недостаток конкуренции
сдерживает жилищное кредитование
на российских региональных рынках?*
А. В. Мишура 1,2, С. В. Бекарева 1, Е. Н. Мельтенисова 1,2
1 Новосибирский национальный исследовательский
государственный университет (Новосибирск, Россия)
2 Институт экономики и организации промышленного производства
Сибирского отделения Российской академии наук (Новосибирск, Россия)
В работе рассматривается мировой и российский опыт анализа влияния
уровня концентрации и конкуренции на функционирование банковского сек-
тора, в том числе рынка ипотечного кредитования. Использована информация
о выданных банками жилищных кредитах в регионах России и оценивается
уровень концентрации на региональных рынках жилищного кредитования.
Показано, что высокий уровень концентрации на региональных рынках
жилищных кредитов отрицательно влияет на динамику жилищного креди-
тования в регионах страны. Высокая концентрация ведет к росту процентных
ставок кредитования и меньшему их разбросу. Это может быть свидетельством
того, что высокая концентрация сдерживает развитие кредитования в регионах
России, а значит, уровень конкуренции в банковском секторе недостаточен.
Ключевые слова: банковский сектор, жилищное кредитование, россий-
ские регионы, концентрация, конкуренция.
JEL: G21.
Процессы концентрации и огосударствления банковского сектора,
снижения числа банков активно происходят в России последние годы
и широко обсуждаются. Опасения вызывают растущая монополизация
Мишура Анна Владимировна ([email protected]), к. э . н ., экономический
факультет НГУ, с. н. с. ИЭОПП СО РАН; Бекарева Светлана Викторовна,
к. э. н., доцент, экономический факультет НГУ; Мельтенисова Екатерина
Николаевна, к. э. н., экономический факультет НГУ, с. н. с. ИЭОПП СО РАН.
* С татья выполнена по плану НИР ИЭОПП СО РАН, проект XI.172.1.1. (0325-2016-0010)
«Интеграция и взаимодействие отраслевых систем и рынков в России и ее восточных регионах:
ограничения и новые возможности» № АААА-А17-117022250132-2.
https://doi.org/10.32609/0042-8736-2020-4-107-128
© НП «Вопросы экономики», 2020
107
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
сектора, доминирование крупных государственных и частных банков
(Верников, 2013; Мамонов, 2015).
В связи с этим разные исследователи, в том числе из Центрального
банка РФ, анализируют уровень конкуренции в российском банков-
ском секторе с помощью разработанных в литературе методов и с
использованием отчетной статистики, предоставляемой банками ЦБ
РФ (Fungáčová et al., 2010; Anzoategui et al., 2010, 2012; Анисимова,
Верников, 2011; Мамонов, 2010, 2012, 2015, 2016; Ushakova, Kruglova,
2018; Симановский и др., 2018). Авторы этих работ, как правило, прихо-
дят к выводу о достаточном уровне конкуренции в секторе в целом, со-
поставимом с ситуацией в других странах, хотя этот уровень может быть
различным в разных сегментах рынка банковских услуг. Показатели
концентрации находятся на среднем по меркам других стран уровне
и изменяются в соответствии с мировыми тенденциями. Поэтому с точки
зрения задачи развития и укрепления банковской системы рост кон-
центрации банковского сектора нельзя однозначно считать негативным
фактором. Утверждается, что рост концентрации банковского сектора
сопровождается повышением эффективности его операционной деятель-
ности. Показано, что в последние годы не отмечается снижения уровня
конкуренции, а в связи с ликвидацией проблемных банков растет ста-
бильность и устойчивость сектора, наблюдается его общее оздоровление
(Ushakova, Kruglova, 2018; Симановский и др., 2018).
При этом, однако, не принимается во внимание географическая
сегментация и растущий уровень географической централизации
банковского сектора. В настоящее время две трети банков страны
имеют офисы в столице, а у половины там головной офис. В то же
время в других регионах России гораздо меньше банков, в некото-
рых — единицы. Различия между регионами страны значительны как
географически, так и по числу присутствующих банков и основным
социально-экономическим показателям. Поэтому невозможно рассмат
ривать страну как единый интегрированный рынок и, соответствен-
но, говорить о едином уровне банковской конкуренции (Анисимова,
Верников, 2011; Anzoategui et al., 2012).
Кроме того, почти все авторы подчеркивают, что конкуренция —
крайне трудноизмеримое понятие, а различные способы ее оценки да-
леко не всегда дают непротиворечивые и однозначные результаты (см.,
например: Мамонов, 2015, 2016; Ushakova, Kruglova, 2018). Измерять
конкуренцию на региональных данных и анализировать состояние
и деятельность банковского сектора в регионах России еще более за-
труднительно, поскольку известные методы измерения конкуренции
на банковском рынке основаны на том, что единицами в анализе вы-
ступают отдельные банки и используется соответствующая статисти-
ка, относящаяся к банкам в целом. Когда банки конкурируют друг
с другом на различных неинтегрированных географических рынках,
оценить уровень конкуренции на отдельных рынках с помощью этих
методов и информации невозможно.
Кроме того, в процессе централизации банковского надзора
и отчетности, происходившем в 2017—2018 гг., данные в разрезе
«банк—регион» стали практически недоступными для исследователей.
108
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Исключение составляют данные о вкладах физических лиц в ПАО
Сбербанк по регионам страны, данные о наличии подразделений кре-
дитных организаций в регионах и данные о жилищном кредитовании
большинства банков в регионах, которые используются в этом исследо
вании1. Жилищные кредиты — в основном это ипотечные кредиты —
составляют около четверти кредитов населению, а возможность взять
такой кредит чрезвычайно важна для большинства российских семей.
Мы предпринимаем попытку оценить уровень концентрации на этом
рынке в регионах страны и его влияние на динамику рынка и тем
самым пытаемся сделать выводы об уровне конкуренции.
Российский рынок жилищного кредитования характеризуется вы-
сокими (относительно других стран) ставками по кредитам и, соот-
ветственно, недостаточными объемами кредитования. Это объясняется
в том числе формированием специфической модели финансирования
в жилищном секторе, где ведущую роль играют инициативы госу-
дарства и государственные банки. Поэтому, возможно, закономерен
невысокий уровень конкуренции в этой сфере, особенно с учетом ре-
гиональной сегментации. При этом исследования политики в сфере
жилищных финансов в разных странах показывают, что разнообразие
источников финансирования и участников этого рынка — ключ к его
устойчивому развитию (Khmelnitskaya, 2014). В данном исследовании
проверяется следующая основная гипотеза: высокий уровень концент-
рации на региональных рынках жилищного кредитования оказывает
негативное влияние на объем выданных кредитов.
Обзор литературы
Во множестве исследований, как на межстрановом уровне, так
и в рамках одной страны, выявлено негативное влияние банковской
концентрации и недостаточного уровня конкуренции в секторе на до-
ступность кредитования и финансовую инклюзию, особенно в разви-
вающихся странах (см., например: Beck et al., 2004; Carbó-Valverde
et al., 2009; Chong et al., 2013; Leon, 2015). Однако существуют влия-
тельные работы (например, Petersen, Rajan, 1995), в которых выявлено
обратное, поскольку высокая концентрация и низкая конкуренция
на рынке позволяют банкам выстроить более длительные отношения
с заемщиками.
В теоретической литературе подчеркивается неоднозначность
влияния уровня конкуренции на функционирование банковского сек-
тора. Так, большое число банков — участников рынка и более сильная
конкуренция могут способствовать большей стабильности сектора, так
как более низкие, конкурентные ставки процента по кредитам ведут
к меньшему риску невозврата кредитов и банкротства банков (концеп-
ция «конкуренция—стабильность»). С другой стороны, уменьшение
1 Информация по разделу 1 «Сведения о первичном рынке жилищных кредитов» формы
отчетности 0409316 «Сведения о жилищных и ипотечных кредитах физическим лицам»
кредитных организаций, выразивших согласие на раскрытие данных. http://www.cbr.ru/
banking _ sector/statistics/f316/
109
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
вследствие конкуренции банковской маржи снижает доходы банков,
побуждает их к более рискованным действиям и таким образом под-
рывает их стабильность (концепция «конкуренция—уязвимость»).
Теоретически показано, что воздействие конкуренции может иметь
U-образный характер, то есть при монополизированном рынке рост
конкуренции благоприятен, но начиная с определенного уровня она
может снижать устойчивость сектора (Martinez-Miera, Repullo, 2010).
Эмпирические свидетельства отрицательного воздействия конку-
ренции на устойчивость банков найдены в ряде работ (Berger et al.,
2009; Tabak et al., 2012; Beck et al., 2013). Кроме того, конкуренция
не всегда ведет к снижению стоимости банковских услуг (Fungáčová
et al., 2017), поскольку усиливающийся переток заемщиков между
банками может увеличить издержки банков.
Хотя мы проверяем влияние концентрации и конкуренции не на
устойчивость банков, а на динамику их объемов кредитования, можно,
например, предположить, что если конкуренция на данном локаль-
ном уровне способствует улучшению условий кредитования, снижению
ставок и уменьшению рисков на этом рынке, то доступность кредитов
растет и банки, при прочих равных, активнее увеличивают выдачу
кредитов. Возможно, так происходит до достижения какого-то уровня
конкуренции, а при его превышении доходы и стабильность сектора
настолько снижаются, что это негативно сказывается на динамике
кредитования. Таким образом, ценовая конкуренция между банками
может увеличить их предложение кредита до определенного предела,
усиление конкуренции может ассоциироваться как с замедлением, так
и с ускорением темпов роста кредитования, в зависимости от сегмента
рынка, размеров банка, фазы бизнес-цикла экономики и т.п. (Мамонов,
2017, 2018). Влияние конкуренции на кредитную активность банков
нелинейно: при слишком жесткой и слишком слабой ценовой конку-
ренции кредитная активность банков ослабевает (Мамонов, 2016).
Хотя эти выводы сделаны для банковского сектора в масштабах
страны, они важны для нашего исследования: изначально, из теорети-
ческих воззрений, неясно, как могут влиять показатели концентрации
и конкуренции на динамику кредитования в регионах России.
Расчет индексов концентрации является структурным методом
оценки уровня конкуренции, который был основным до 1980-х годов.
Со временем становилось все более очевидным, что аппроксимация
уровня конкуренции индексами концентрации в банковских секторах
как развивающихся, так и развитых стран часто дает спорные резуль-
таты, а между концентрацией, числом банков на рынке и конкуренцией
может не быть четкого соответствия (см., например: Anzoategui et al.,
2010, 2012).
В связи с этим стали развиваться неструктурные методы оценки
конкуренции — оценки индекса Лернера, Н-статистики Панзара—Росса,
индикатора Буна, оценка реакции банков на процентные ставки у дру-
гих банков (модели Бреснахана, Барроса и Модесто). Актуален срав-
нительный анализ этих методов и выводов, получаемых с их помощью
(Мамонов, 2015). В то же время стандартные индексы концентрации
или их модификации используются как дополнительный способ оцен-
110
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
ки уровня конкуренции (Fungáčová et al., 2010; Мамонов, 2012, 2016;
Weill, 2013 и др.) или когда невозможно использовать другие методы.
Иногда используются показатели конкуренции, основанные на вариации
и разнице спреда процентных ставок между банками с учетом оценки
риска проводимой банками кредитной политики (Ushakova, Kruglova,
2018). Рост конкуренции предполагает, что вариация ставок снижается.
Уже в одной из первых работ по оценке банковской конкуренции
в России отмечалось, что российский рынок банковских услуг сильно
монополизирован вследствие доминирующей роли государственных
банков, несмотря на большое на тот момент количество банков в стра-
не. Однако ситуация на разных сегментах рынка могла различаться.
Подчеркивались различия между локальными рынками по насыщен-
ности банковскими услугами и вытекающий из них более сложный
характер конкурентного взаимодействия банков (Дробышевский,
Пащенко, 2006).
В 2004—2010 гг. подтвердилось отрицательное влияние концент-
рации на конкуренцию в российском банковском секторе (Fungáčová
et al., 2010; Мамонов, 2010). Снижение конкуренции и рост концент
рации в этот период не способствовали стабильности, и концепция
«конкуренция—стабильность» не получила подтверждения, в проти-
вовес концепции «конкуренция—уязвимость» (Мамонов, 2010).
По данным отчетности российских банков с 2005 по 2013 г. так-
же подтвержден в целом монопольный характер российского кре-
дитного рынка (Мамонов, 2015), при этом наибольшую рыночную
власть имели ПАО Сбербанк и другие крупнейшие государственные
банки (Anzoategui et al., 2010, 2012). Несовершенные регуляторные
и надзорные правила в целом не способствовали высокой состязатель-
ности в секторе, хотя при этом концентрация несколько снижалась
(Anzoategui et al., 2010). До кризиса 2008—2009 наблюдалось по-
степенное усиление конкуренции, в том числе, возможно, благодаря
приходу на рынок банков с иностранным участием (Fungáčová et al.,
2010; Мамонов, 2010). При этом крупные банки даже находились
в состоянии, близком к совершенной конкуренции, так как серьезно
конкурировали на общенациональном уровне (Мамонов, 2010).
Кризис 2008—2009 гг. лишь несколько ослабил этот тренд, по-
скольку крупнейшие банки — Сбербанк, ВТБ и Россельхозбанк —
получили преимущества в виде рефинансирования ЦБ РФ и креди-
тов Внешэкономбанка, а платежеспособность заемщиков снизилась.
Согласно расчетам ЦБ РФ, уровень концентрации в банковском секто-
ре непрерывно растет с 2008 г. вследствие политики его оздоровления
(Симановский и др., 2018; Ushakova, Kruglova, 2018). Однако после
кризиса конкуренция вновь стала усиливаться.
В период кризиса 2014—2015 гг. уровень конкуренции вновь
снизился (Мамонов, 2016), возможно, в связи активизацией в конце
2013 г. политики оздоровления сектора. Однако в исследованиях ЦБ
РФ, напротив, обнаруживается усиление конкуренции с 2014—2015 гг.
(Симановский и др., 2018). Об этом свидетельствует и снижение пока-
зателей разброса процентных ставок по кредитам и депозитам между
банками (Ushakova, Kruglova, 2018), особенно в розничном сегменте.
111
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Исследователи, оценивающие влияние рыночной власти отдель-
ных российских банков на устойчивость этих банков (на данных по
панели банков), приходят к достаточно очевидному выводу: в боль-
шинстве случаев, до определенного предела, рост рыночной власти
благоприятен для устойчивости банков, этой властью обладающих,
а банки, сталкивающиеся с более жесткой конкуренцией, менее устой-
чивы (Fungáčová, Weill, 2013; Karminsky et al., 2012; Мамонов, 2012).
С одной стороны, это подтверждает концепцию «конкуренция—уязви-
мость», с другой стороны — этот вывод не обязательно переносить на
сектор в целом, ведь неустойчивость отдельных банков в конкурентной
среде может не противоречить устойчивости и динамичному развитию
сектора в целом. Однако и на уровне отдельных банков избыточная
концентрация и рыночная власть могут негативно влиять на их устой-
чивость (Мамонов, 2012).
Исследования уровня банковской конкуренции в России на регио-
нальном уровне практически не проводились, за исключением двух ра-
бот. Авторы первой работы оценивают индекс Лернера и Н-статистику
Панзара—Росса для банков, работающих в двух регионах страны
в 2008—2010 гг. (в силу доступности информации), и находят, что
интенсивность конкуренции в них различается и четко не связана ни
со степенью концентрации рынка в руках ведущих игроков, ни с чис
лом местных, региональных банков (Анисимова, Верников, 2011).
В другой работе рассматривались различия уровня конкуренции
в банковском секторе в семи федеральных округах страны в 2002—
2008 гг. Для этого авторы оценивали индекс Лернера для всех банков
страны, а затем рассчитывали средние и медианные значения индекса
для банков, работающих в том или ином округе. Результаты оказались
ожидаемыми: конкуренция сильнее в федеральных округах, где больше
число присутствующих банков, ниже концентрация в секторе, а эко-
номика и финансы более развиты (Anzoategui et al., 2012). Индексы
концентрации Херфиндаля—Хиршмана для регионов страны рассчи-
тывались на основе данных о числе отделений банков в регионах,
которое использовали как переменную-заменитель (proxy) для вы-
пуска банков в регионах (Fungáčová et al., 2010). Далее для каждого
банка рассчитывался индивидуальный индекс концентрации путем
взвешивания индексов концентрации в регионах, где действует банк,
по долям отделений банка в каждом регионе. Эти индивидуальные
индексы использовались для определения связи между концентрацией
и рыночной властью банков (которая оказалась положительной), но
анализ концентрации и конкуренции в разных регионах страны не
проводился.
Можно отметить попытку самого ЦБ РФ осветить этот вопрос
в аналитическом докладе «Конкуренция на финансовых рынках»
(Банк России, 2018), так как у Банка России больше информации
о деятельности банков в регионах страны, чем имеется в открытом
доступе. В докладе утверждается, что банковский сегмент финансово-
го рынка — это олигополия с конкурентным окружением, рыночная
власть небольшого числа банков значительна, а также «что уровень
и условия конкуренции существенно различаются среди субъектов РФ».
112
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Для каждого региона страны для 2016—2017 гг. рассчитаны индексы
концентрации на основных сегментах банковского рынка (кредитова-
ние и привлечение депозитов физических, юридических лиц и инди-
видуальных предпринимателей) и сделан вывод, что в большинстве
регионов в этих сегментах концентрация высока и рыночная власть
лидеров рынка растет. В докладе усиление конкуренции, в том числе
в региональном разрезе, указывается как приоритетная задача ЦБ РФ.
Межстрановым и межрегиональным различиям в уровне банков-
ской конкуренции посвящены исследования на материале других стран.
Так, обнаружено, что хотя уровни конкуренции в разных странах ЕС
сопоставимы, все же в странах — «новых» членах ЕС конкуренция
несколько слабее, чем в «старых», а в странах с переходной эконо-
микой, если добавить их к сравнению, слабее, чем во всех странах
ЕС (Weill, 2013). Усиление банковской конкуренции вследствие ев-
ропейской интеграции не обнаружено, но зато очевидна конвергенция
уровней конкуренции в странах ЕС.
Региональные различия в уровне банковской конкуренции внутри
одной страны исследуются мало, хотя они могут быть значительны.
Есть несколько работ по США, где утверждается, что уровни конку-
ренции различаются в разных штатах (Yildirim, Mohanty, 2010; Akins
et al., 2016). Оценка рыночной власти банков США с помощью индекса
Лернера и его средних значений для отдельных штатов показала, что
уровень конкуренции в банковской отрасли США растет (Erler et al.,
2018). Региональные различия в уровне конкуренции между штатами
существенны, но снижаются со временем.
Влияние банковской конкуренции на рынок жилищного кредитова-
ния также привлекает внимание некоторых исследователей, в том числе
в связи с его ролью в развертывании мирового финансового кризиса
2008—2009 гг. Так, показано, что банки с большей рыночной властью
были склонны выдавать ипотечные кредиты относительно меньшего
размера и с меньшим риском в 1995—2005 гг. (Muller, Noth, 2018). В то
же время обнаружено и обратное: банки, действующие в штатах с ме-
нее концентрированным банковским сектором, в 2006—2007 гг. были
менее склонны к рискованным ипотечным кредитам и имели меньшую
банковскую маржу (Akins et al., 2016). Столь разные выводы получены
вследствие различий в используемых данных, эконометрической стра-
тегии, различных методов оценки рыночной власти банков и уровня
конкуренции, с которым они сталкивались. Это еще раз свидетельствует
о сложности и неоднозначности оценки конкуренции и ее влияния на
устойчивость и другие аспекты деятельности банков.
Интересны и иные аспекты дискуссии о банковской конкуренции и стабиль-
ности. Китайские региональные банки, активно инвестирующие в жилищное кре-
дитование, склонны к более рискованным кредитам на менее концентрированных
региональных банковских рынках (Zhang et al., 2018). Рост концентрации на рынке
ипотечного кредитования Нидерландов после финансового кризиса 2008—2009 гг.
способствовал ограничению объемов кредитования и росту его стоимости (Mulder,
2014; Treur, Boonstra, 2014). Эмпирическое исследование рынка ипотечного кре-
дитования в Швейцарии (Dietrich, 2016) показало, что процентная маржа выше
в кантонах с более концентрированным рынком ипотеки и в сельской местности, что
объясняется более низким уровнем конкуренции в этих случаях.
113
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Концентрация на рынке жилищных кредитов
в регионах России
Данные о выданных банками жилищных кредитах населению
в течение года с указанием региона, резидентом которого являются
заемщики, предоставляют ЦБ РФ не все банки, но большая их часть2.
Эта информация доступна с 2015 г., поэтому мы анализируем состоя
ние рынка рублевых жилищных кредитов с 2015 по 2018 г. (рынок
жилищных кредитов в иностранной валюте в эти годы практически
перестал существовать). В эти годы данная информация учитывает
около 96% выданных жилищных кредитов в стране (как по числу
кредитов, так и по их объему, а по разным регионам и годам — от
80 до 100%), так что можно считать, что она описывает данный рынок
довольно полно. Банки, которые выдавали жилищные кредиты, но
не предоставили в указанной форме информацию об этом, отнесены
к категории «прочие банки».
Банки не обязательно имеют офисы в регионах, резидентам кото-
рых они дают ипотечные кредиты, но большинство кредитов в регионах
выдается банками, имеющими офисы в этих регионах. В небольших
регионах (с малым числом офисов банков и самих банков) количество
присутствующих в регионе банков меньше, чем банков, в которых их
жители получали ипотечные кредиты, в крупных регионах — на-
оборот. Таким образом, можно оценить размер и динамику рынка
жилищных кредитов, а также уровень его концентрации в регионах
страны, с учетом того, что во многих регионах небольшое количество
кредитов выдается неизвестными прочими банками.
Используются стандартные показатели концентрации по объему
и числу выданных кредитов: индекс Херфиндаля—Хиршмана (HHI);
доля первых 5 банков, выдавших наибольшее количество жилищных
кредитов в данном году в данном регионе; доля крупнейшего банка на
этом рынке во всех регионах — ПАО Сбербанк; число банков, выда-
вавших жилищные кредиты в данном регионе и году и предоставивших
информацию об этом. Число кредитных организаций, выдающих такие
кредиты, в стране неуклонно снижается (как и число кредитных орга-
низаций в целом) — с 673 на начало 2015 г. до 375 на начало 2019 г.3
Следует предположить, что уровень концентрации на этом рынке бу-
дет высоким и возрастать. Однако наиболее интересна ситуация не
по стране в целом, а в региональной разбивке. Информация о рас-
считанных показателях концентрации на рынке жилищных кредитов
в 83 регионах (без Республики Крым и г. Севастополя) представлена
в таблице 1.
Как видно, уровень концентрации на рынке жилищных кредитов
в эти годы в регионах страны практически во всех случаях высок
(HHI > 0,18), за исключением рынка Москвы в 2015 и 2016 гг.
2 Информация по разделу 1 «Сведения о первичном рынке жилищных кредитов» формы
отчетности 0409316 «Сведения о жилищных и ипотечных кредитах физическим лицам»
кредитных организаций, выразивших согласие на раскрытие данных. http://www.cbr.ru/
banking _ sector/statistics/f316/
3 http://www.cbr.ru/statistics/bank_sector/mortgage/
114
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Таблица 1
Показатели концентрации (по объему выданных кредитов),
83 региона, 2015—2018 гг.
Показатель концентрации 2015 2016 2017 2018
среднее 0,45 0,37 0,40 0,39
0,08
HHI ст. отклонение 0,10 0,09 0,08 0,21
0,61
минимум (Москва) 0,15 0,16 0,21
0,58
максимум 0,80 0,61 0,67 0,08
0,37
Доля среднее 0,63 0,55 0,60 0,78
ПАО Сбербанк
ст. отклонение 0,1 0,09 0,08 0,89
0,05
минимум (Москва) 0,28 0,28 0,37 0,72
0,98
максимум 0,89 0,77 0,81
35
среднее 0,90 0,88 0,89 13
10
Доля первых ст. отклонение 0,05 0,06 0,05 110
5 банков
минимум (Москва) 0,63 0,69 0,72
максимум 0,99 0,98 0,99
Число банков, среднее 35 37 34
выдавших жилищные ст. отклонение 21 19 17
кредиты резидентам минимум
региона 696
максимум (Москва) 168 164 140
Источники: ЦБ РФ; расчеты авторов.
Показатели концентрации, рассчитанные по числу выданных кре-
дитов, выявляют аналогичную картину и в дальнейшем анализе дают
схожие результаты. Регионы значительно различаются по уровню кон-
центрации данного рынка, а значит, возможно, и по уровню конку-
ренции. Максимальная концентрация наблюдается в небольших или
менее развитых регионах. В 2015 г. уровень концентрации был наиболее
высоким, что связано с финансовым кризисом 2014—2015 гг., который
сопровождался падением кредитования на 35% (в 2015 г. относительно
2014 г.) и уменьшением числа банков, выдавших жилищные кредиты.
В 2016 г. по мере восстановления и наращивания кредитования концент
рация несколько снизилась, но остается весьма высокой, а различные
показатели концентрации в 2016—2018 гг. не демонстрируют какой-то
тенденции. Гистограмма на рисунке 1 иллюстрирует распределение
регионов по уровню концентрации на рынке жилищных кредитов.
Как видно из таблицы 2, высокое значение HHI в основном опре-
деляется высокой долей Сбербанка на рынке жилищных кредитов, эти
показатели тесно связаны и в дальнейшем анализе дают практически
одинаковые результаты. Доля первых 5 банков на рынке жилищных
кредитов очень высока во всех регионах, имеет меньший разброс и по-
этому как показатель концентрации несколько менее информативна.
Хотя общепризнано, что уровень банковской конкуренции не следует
отождествлять с концентрацией в этом секторе, последняя относится
к основным факторам, определяющим уровень конкуренции, особенно
для развивающихся стран (Мамонов, 2010). При этом ЦБ РФ не считает
высокий уровень концентрации и монополизации на рынке жилищных
кредитов проблемой хотя бы в какой-то мере. Так, в аналитической запи-
ске ЦБ РФ «Жилищное строительство» за октябрь 2019 г., посвященной
115
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Распределение 83 регионов РФ по значению индекса
Херфиндаля—Хиршмана на рынке жилищных кредитов
по объему кредитов, 2015 г. (интервал [0; 1])
Источник: расчеты авторов.
Рис.
Таблица 2
Корреляция показателей концентрации (по объему выданных кредитов),
83 региона, 2015—2018 гг.
Показатель HHI Доля ПАО Доля Число банков,
Сбербанк первых 5 выдавших
банков
жилищные кредиты
HHI 1 1 1 1
Доля ПАО Сбербанк 0,95 0,71 –0,68
0,75
Доля первых 5 банков –0,54
Число банков, выдавших –0,53
жилищные кредиты
Источники: сайт ЦБ РФ, расчеты авторов.
в том числе ипотечному кредитованию, развитие конкуренции и сниже-
ние концентрации на рынке как меры по стимулированию кредитования
даже не упоминаются. Заявляется, что «наиболее активны в сегменте
ипотечного кредитования крупнейшие банки, имеющие возможность
формировать долгосрочные пассивы. К началу 2019 г. на четыре банка,
наиболее активных на ипотечном рынке, приходилось свыше 80% всего
ипотечного портфеля» (Ачкасов и др., 2019. С. 16). При этом к основным
методам поддержки развития жилищного кредитования относятся сни-
жение инфляции, государственное субсидирование процентных ставок
и иные виды субсидий на приобретение жилья.
Динамика жилищного кредитования и концентрация
на рынке жилищных кредитов
Цель нашего исследования — выяснить, влияет ли высокая кон-
центрация на динамику жилищного кредитования в регионах стра-
ны. Простой анализ корреляции объемов жилищного кредитования
и числа кредитов (как по общей величине, так и на душу населения)
116
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
и показателей концентрации в большинстве случаев обнаруживает
статистически значимую отрицательную корреляцию между этими
группами показателей. Поэтому наша гипотеза состоит в том, что вы-
сокая концентрация на рынке жилищных кредитов может быть сдер-
живающим фактором развития рынка. Однако возможна и обратная
ситуация, когда высокая концентрация, например, благоприятствует
ведущим банкам на этом рынке, устойчивости рынка в целом, что
способствует развитию кредитования в регионах. Возможно, присут-
ствует U-образное влияние концентрации. Если же факт негативного
влияния концентрации будет выявлен, это означает, что, по крайней
мере, в части регионов России (возможно, в периферийных и менее
развитых регионах, где уровень концентрации выше) уровень бан-
ковской конкуренции недостаточен и население ограничено в выборе
и возможностях получить жилищные кредиты.
Сложность в том, что показатели концентрации рассчитываются
исходя из данных о кредитовании, объемы которого предположительно
зависят от концентрации, как отражающей уровень конкуренции на
этом рынке. Возможно, что связь между концентрацией и масштабами
кредитования взаимно обратна и присутствует проблема эндогенности,
причем и в долгосрочном, и в краткосрочном периоде.
В долгосрочном периоде обнаруженная отрицательная корреляция
концентрации и объемов кредитования связана с размером экономики
и другими особенностями регионов. В регионах с небольшим объемом
жилищных кредитов из-за небольшой численности населения, низких
доходов и прочих устойчивых особенностей, ведущих к низкому спросу
на кредиты, их выдают меньше банков и потому концентрация может
быть выше. Поэтому использовать в уравнении показатели кредитова-
ния «в уровнях» нецелесообразно, и мы используем темпы прироста
жилищного кредитования (на душу населения). В 2016—2018 гг.
в стране интенсивно росло кредитование после драматического сокра-
щения на 35% в 2015 г. Как видно из таблицы 3, в эти годы активно
росли объем и число выданных жилищных кредитов в регионах.
Таблица 3
Средние темпы роста жилищного кредитования в регионах,
83 региона, 2016—2018 гг. (в % к предыдущему году)
Показатель 2016 2017 2018
Средний темп роста объема жилищных кредитов 24 35 49
Средний темп роста числа жилищных кредитов 21 26 36
Источники: ЦБ РФ; расчеты авторов.
В краткосрочном периоде если спрос на кредиты и объемы жи-
лищного кредитования растут по какой-то внешней причине, то боль-
шее число банков выдают больше кредитов, из-за этого концентрация
может меняться. В то же время более низкий уровень концентрации
может означать более сильную конкуренцию и разнообразие выбора на
этом рынке, за счет этого жилищные кредиты могут стать доступнее
населению, что подстегивает динамику кредитования. Либо напротив,
117
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
сильная конкуренция снижает устойчивость банков и ограничивает
их возможности выдавать кредиты. Эти эффекты мы и хотим оце-
нить. Налицо проблема эндогенности, состоящая во взаимном влиянии
объемов кредитования и концентрации или их общей зависимости от
внешних факторов. Для ее решения мы используем два подхода.
(1) Оценивается, как на динамику объемов жилищного кредито-
вания в этом году влияет уровень концентрации на рынке в прошлом
году. Предполагается, что концентрация на рынке жилищных кредитов
в прошлом году будет влиять на динамику кредитования в следующем
периоде, например, через сохранение меньшей доступности и худших
условий кредитования. В то же время прошлые значения концентрации
не зависят от объемов кредитования или каких-то внешних факто-
ров, проявившихся в текущем году. Также можно инструментировать
показатели концентрации текущего года показателями концентрации
в предыдущем году, которые в какой-то степени определяют уровень
концентрации на рынке в текущем году.
(2) Используется двухшаговая процедура оценки (López-Salido
et al., 2017). На первом шаге оценивается зависимость показателей
концентрации от числа банков, имеющих в регионе головной офис или
филиал. На втором шаге расчетные значения из уравнений первого
шага используются в оценке динамики кредитования.
Выше упоминалось, что большая часть ипотечных кредитов ре-
зидентам региона выдается банками, имеющими в данном регионе
офисы, поэтому число присутствующих в регионе банков закономерно
связано с показателями концентрации. К сожалению, данные о числе
банков с любыми типами офисов в регионах доступны лишь с 2017 г.,
но с 2015 г. можно использовать число региональных банков и число
филиалов банков из других регионов. Филиал банка — это его под
разделение с наиболее полными функциями, в настоящее время чаще
всего банки имеют в одном регионе не больше одного филиала. Этот
показатель связан с числом присутствующих в регионе банков, хотя
и не учитывает банки, имеющие в регионе не филиалы или головные
офисы, а другие типы офисов. В то же время эту переменную нельзя
назвать полноценным экзогенным инструментом, поскольку банки мо-
гут открывать (или, что более вероятно в текущих обстоятельствах, не
закрывать) филиалы и другие офисы там, где растет спрос на кредиты.
Таким образом, расчетные значения показателей концентрации на
первом шаге улавливают различия в уровне концентрации, обуслов-
ленные вариацией числа региональных банков и филиалов. На втором
шаге эти расчетные значения используются для оценки влияния этих
различий в уровне концентрации на динамику кредитования. Данная
процедура подразумевает, что большее число региональных банков
и филиалов ведет к снижению концентрации, что, в свою очередь,
влияет на темпы роста объемов кредитования в текущем или следу-
ющем году.
Уровень концентрации будет влиять на прирост кредитования
в этом году при учете макроэкономической ситуации в стране и дру-
гих факторов. С помощью квадратов показателей концентрации мы
учитываем возможность U-образного влияния концентрации на ди-
118
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
намику кредитования, когда при достижении определенного уров-
ня направление ее влияния меняется. Макроэкономические условия
и общероссийская динамика жилищного кредитования учитываются
фиксированными эффектами лет. При оценке мы использовали и дру-
гие доступные переменные, которые могут потенциально влиять на
краткосрочную динамику жилищного кредитования и рынок жилья
и считаться «внешними» по отношению к нему: среднедушевые доходы
населения и уровень потребительских цен (стоимость фиксированного
набора потребительских товаров и услуг). Эти переменные определяют
динамику реальных доходов населения, а значит, могут влиять на
темпы прироста на рынке жилищных кредитов.
Общий вид оцениваемой зависимости:
dln(LOAN/POP)it = β CONCENTRATIONi,t–k +
+ μ CONCENTRATIONi2,t–k +
+ λdln(I)it + γdln(P)it + φt + εit,
где: dln(LOAN/POP)it — темп прироста (в логарифмах) объема или
числа выданных в году t в регионе i жилищных кредитов на душу
населения; CONCENTRATIONi,t–k — один из показателей концен-
трации на рынке жилищных кредитов в регионе i в году t—k, где
k = 0, 1; dln(I)it — темп прироста cреднедушевых доходов населения
в регионе i в году t; dln(P)it — темп прироста уровня потребительских
цен в регионе i в году t; φt — фиксированные эффекты года.
Оценка проводится на панельных данных, с помощью обычного
МНК и описанной выше двухшаговой процедуры, для учета гетероске-
дастичности используются робастные стандартные ошибки. Основные
результаты для динамики объемов кредитования в рублях приведены
в таблице 4.
Эффект U-образного влияния уровня концентрации не выявлен.
Темпы прироста среднедушевых доходов населения и потребительских
цен в уравнениях демонстрируют ожидаемое направление влияния, но
оно статистически незначимо (не показано).
Таким образом, уровень концентрации оказывает сдерживающее
влияние на динамику кредитования. Больший на одно стандартное
отклонение показатель HHI (примерно на 0,08—0,10) на рынке жи-
лищных кредитов приводит к меньшему на 2—3 п. п . темпу роста этого
рынка в регионе. Это может быть свидетельством того, что высокая
концентрация сдерживает развитие кредитования в регионах России.
Проверка результатов на устойчивость осуществлялась исключе-
нием наблюдений с самыми высокими и низкими показателями кон-
центрации одновременно, то есть зависимости оценивались только для
регионов со средними, типичными показателями концентрации (на-
пример, в диапазоне от 0,3 до 0,5 по индексу HHI по объему кредитов
находится 77% наблюдений). Результаты оказались примерно такими
же и в большинстве спецификаций статистически значимыми. Также
исключались из оценивания отдельные регионы с крайними показа-
телями концентрации и числа банков на рынке, в первую очередь
это Москва, а также некоторые регионы с относительно развитым
119
Таблица 4
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
120
Зависимость динамики жилищного кредитования от показателей
концентрации в регионах России. Панельные данные, 83 региона, 2016—2018 гг. (N = 249)
Зависимая переменная — темп прироста объема выданных жилищных кредитов на душу населения
Показатель концентрации МНК двух МНК двух МНК двух МНК двух МНК двух МНК двух
(по объему выданных кредитов) шаговая шаговая шаговая шаговая шаговая шаговая
оценка оценка оценка оценка оценка оценка
в текущем –0,12 –0,37* 0,0008**
периоде (0,14) (0,19) (0,0004)
HHI в предыдущем
–0,28* –0,33** 0,10
периоде (0,16) (0,16) 0,20
0,36
Доля первых в текущем –0,17 –0,48**
5 банков периоде (0,14) (0,23)
в предыдущем
периоде –0,27* –0,40**
(0,14) (0,18)
Число банков, в текущем 0,0006 0,001**
выдавших периоде (0,0005) (0,0004)
ж илищные в предыдущем
кредиты периоде 0,0004
(0,0004)
Фиксированные эффекты лет 0,09 0,10 0,07 0,07 0,09 0,10 0,09 0,09 0,09 0,10 0,09
2017 0,19 0,20 0,18 0,18 0,20 0,20 0,19 0,19 0,20 0,20 0,20
2018 0,37 0,35 0,40 0,40 0,37 0,36 0,38 0,37 0,37 0,37 0,37
R2
Примечание. В скобках указаны значения робастных стандартных ошибок; * p < 0,1, ** p < 0,05, *** p < 0,01.
Источник: расчеты авторов.
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
банковским рынком, и, наоборот, некоторые республики и автономные
округа с высоким уровнем концентрации. Исключение только Москвы,
которая, по сути, представляет собой единственный регион — явный
выброс в выборке, несколько снижает размер оцененных коэффициен
тов при показателях концентрации, значимость их уменьшается, но все
же они преимущественно остаются значимыми. Исключение других
регионов из выборки практически не меняет результаты. Возможно,
какая-то часть выявленного эффекта обусловлена противопоставле-
нием динамичного и относительно менее концентрированного рынка
Москвы рынкам других регионов. Аналогичные оценки для динамики
количества кредитов на душу населения дали похожие результаты.
Таким образом, динамика количества (в единицах) и объема (в рублях)
жилищных кредитов отрицательно связана с уровнем концентрации на
этом рынке в регионах страны. Это может быть свидетельством того,
что уровень конкуренции в этом секторе недостаточен.
Условия кредитования и концентрация
на рынке жилищных кредитов
Негативное влияние высокой концентрации на рынок жилищного
кредитования может выражаться также в зависимости условий креди-
тования от показателей концентрации. Имеются данные (с сайта ЦБ
РФ) о средневзвешенных ставках и сроках жилищного кредитования
в регионах страны в 2015—2018 гг.4 Если ставки по кредитам и сроки
кредитования зависят от текущего или предыдущего уровня концентра-
ции на рынке жилищных кредитов, то это означает, что недостаточная
степень конкуренции в регионах ухудшает условия жилищного креди-
тования населения при учете характеристик регионов и макроэкономи-
ческой ситуации. Здесь мы заимствуем идею из доклада ЦБ РФ «Итоги
десятилетия...» (Симановский и др., 2018), где утверждается, что размер
процентных ставок ПАО Сбербанк по вкладам и депозитам в регионах
в 2014—2017 гг. не зависел от уровня концентрации, измеряемого долей
этого банка на региональном рынке депозитов населения, а в 2009 г.
эта зависимость наблюдалась. Это может свидетельствовать в пользу
усиления конкуренции. Мы проверяем наличие такой зависимости для
рынка жилищных кредитов в 2015—2018 гг.
Средние ставки и сроки кредитования в этот период зависели боль-
ше от общей ситуации в стране и были довольно близки в разных
регионах. Поэтому трудно ожидать, что они будут как-то существенно
зависеть от концентрации на рынке. Наше предположение состоит в том,
что в значительной мере средневзвешенные условия кредитования опре-
делялись ПАО Сбербанк, остальные банки ориентировались на него.
Процентные ставки в России в эти годы снижались (табл. 5)
вместе со снижением уровня инфляции и ключевой ставки ЦБ РФ.
Можно оценить интенсивность их снижения в зависимости от уровня
концентрации на рынке жилищного кредитования. Фиксированные
4 http://cbr.ru/statistics/table/?tableId=4-6&dt=20190101
121
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Таблица 5
Средневзвешенные ставки по жилищным кредитам в рублях в регионах
России, 83 региона (в %)
Показатель 2015 2016 2017 2018
Среднее 13,40 12,55 10,63 9,51
Стандартное отклонение 0,25 0,25 0,09 0,31
Минимум 12,77 11,77 10,42 6,82
Максимум 14,35 13,38 10,89 9,79
Источники: ЦБ РФ, расчеты авторов.
эффекты лет и регионов учитывают общероссийскую динамику ставок
и особенности региональных рынков жилищных кредитов. Также учи-
тывалось влияние риска на региональном ипотечном рынке, рассчитан-
ного как доля просроченной задолженности в общей задолженности по
ипотечным кредитам в регионе. Это влияние оказалось статистически
значимо, но невелико, да и сама доля просроченной задолженности
достаточна низка — в большинстве случаев около 0,5—2% (поэтому не
показано). Оказалось, что доля первых 5 банков не влияет на условия
кредитования на региональном рынке, а индекс HHI (и доля ПАО
Сбербанк) оказывает некоторое влияние.
Согласно результатам анализа (табл. 6), влияние концентрации
на средние процентные ставки невелико: увеличение уровня концент-
рации на одно стандартное отклонение повышает процентные ставки
примерно на 0,1 п.п., хотя это составляет около 0,3—1 стандартного
отклонения разброса процентных ставок в эти годы. Большее в два
раза число банков на рынке статистически значимо связано с меньши-
ми на примерно 0,3 п.п. ставками по жилищным кредитам.
Таблица 6
Зависимость средневзвешенных ставок и сроков кредитования
от показателей концентрации в регионах России в 2015—2018 гг.
Панельные данные, МНК, 83 региона (N = 332)
Показатель концентрации Зависимая переменная
рынка жилищного Средневзвешенная ставка Средневзвешенный срок
кредитования по жилищным кредитам, % кредитования, месяцев
(по объему
выданных кредитов) 1234
HHI 1,28*** 30,7***
(0,28) (9,8)
Число банков, выдавших жилищ
ные кредиты (в логарифмах) –0,49*** –4,7
Фиксированные эффекты лет (0,11) (3,6)
2016 –0,74*** –0,78*** 8,3*** 6,3***
2017 –2,71*** –2,71*** 10,5*** 9,3***
2018 –3,81*** –3,83*** 20,1*** 18,8***
Фиксированные эффекты
регионов да 0,91 да
R2
0,98 0,99 0,91
Примечание. В скобках указаны значения стандартных ошибок; * p < 0,1, ** p < 0,05,
*** p < 0,01.
Источник: расчеты авторов.
122
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Хотя это влияние незначительно, его можно рассматривать как под-
тверждение предыдущих выводов о негативном влиянии концентрации,
и большая концентрация на рынке ассоциируется с более высокими
ставками. При этом надо учитывать, что у крупнейших банков шире
возможности формировать дешевые долгосрочные пассивы, а значит,
и позволить себе более низкие процентные ставки по жилищным кре-
дитам. Банки меньшего размера больше подвержены кредитному риску
и вынуждены назначать более высокие процентные ставки по кредитам,
в то время как в крупных банках с государственным участием требо
вания к финансовому положению заемщиков жестче по сравнению
с остальными банками, что позволяет им закладывать меньшую премию
за риск в процентные ставки (Мамонов, 2016). Однако несмотря на это
в случаях доминирования в регионах крупных игроков более низкие
процентные ставки не наблюдаются, скорее наоборот.
Расчеты также показали (см. табл. 6), что средневзвешенные сро-
ки кредитования немного больше в случаях более высокого уровня
концентрации. Скорее всего, это следствие доминирования Сбербанка
и других крупных банков, которые могут выдавать кредиты на боль-
ший срок, увеличивая при этом средневзвешенный срок жилищных
кредитов в регионе. Впрочем, этот эффект тоже незначителен (около
трех месяцев на одно стандартное отклонение при средних сроках
кредитования 175—195 месяцев в эти годы).
Разброс процентных ставок и концентрация
на рынке жилищных кредитов
Имеется информация о средневзвешенных ставках по жилищным кредитам,
предлагаемых разными банками в регионах5. Поэтому можно рассчитать показатели
разброса ставок в регионах и оценить влияние на них показателей концентрации.
Здесь мы используем идею Ю. Ушаковой и А. Кругловой (Ushakova, Kruglova, 2018),
утверждающих, что в последние годы в России разброс процентных ставок (с уче-
том риска) между банками скорее снижается при росте концентрации в банковском
секторе, что можно трактовать как свидетельство усиления конкуренции на рынке.
Рассчитанный коэффициент вариации ставок по жилищным кредитам показывает,
что разброс ставок в регионах за эти годы действительно не увеличился (табл. 7).
Таблица 7
Коэффициент вариации ставок по жилищным кредитам в рублях
в регионах России (в %)
Показатель 2015 2016 2017 2018
Среднее 0,20 0,19 0,17 0,19
Стандартное отклонение 0,06 0,06 0,05 0,05
Минимум 0,08 0,06 0,07 0,05
Максимум 0,36 0,49 0,35 0,30
Источники: сайт ЦБ РФ, расчеты авторов.
5 Информация по разделу 1 «Сведения о первичном рынке жилищных кредитов» формы
отчетности 0409316 «Сведения о жилищных и ипотечных кредитах физическим лицам»
кредитных организаций, выразивших согласие на раскрытие данных. http://www.cbr.ru/
banking _ sector/statistics/f316/
123
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Далее оценивается связь между показателями концентрации и разброса ставок.
Результаты показали, что эта мера разброса процентных ставок отрицательно связана
с концентрацией на рынке кредитов (табл. 8). Однако это вряд ли свидетельствует
об усилении конкуренции в случае более концентрированного банковского сектора.
Скорее это результат меньшего числа банков в секторе жилищного кредитования
и большего доминирования Сбербанка и других крупнейших банков — и, соот-
ветственно, меньшего разнообразия на рынке, что делает условия кредитования
более однообразными. Действительно, большее в два раза число банков на рынке
жилищных кредитов региона увеличивает коэффициент вариации ставок на 0,06
(0,06 = 0,09 × ln(2)), что составляет около 1/3 средней вариации в регионах. Поэтому
недостаток разнообразия и небольшой разброс ставок вряд ли свидетельствуют
о более сильной конкуренции на рынке жилищных кредитов. Таким образом, мы
обнаружили факт уменьшения разброса процентных ставок по мере роста концентра-
ции (Ushakova, Kruglova, 2018), но наши выводы несколько другие. Снижение раз-
броса происходит в силу снижения числа банков — участников рынка и, возможно,
выбывания банков с отклоняющимися от среднего уровня процентными ставками.
При этом скорее растут доля крупнейших банков и их влияние на рынке, чем уровень
конкуренции. Возможно, что с ростом концентрации оставшиеся на региональном
рынке банки могут договариваться друг с другом о процентных ставках.
Таблица 8
Зависимость вариации процентных ставок по жилищным кредитам
от показателей концентрации в регионах России в 2016—2018 гг.
Панельные данные, МНК, 83 региона (N = 332)
Показатель концентрации рынка —Зависимая переменная коэффициент вариа-
жилищного кредитования
ции процентных ставок по жилищным кредитам
(по объему выданных кредитов) в регионах
12
HHI –0,18*** 0,09***
(0,6) (0,03)
Число банков, выдавших жилищные –0,03***
кредиты (в логарифмах) –0,03*** –0,04***
Фиксированные эффекты лет –0,04*** –0,03***
–0,03***
2016 0,50
2017 да
2018 83
Фиксированные эффекты регионов 332
Число регионов 0,49
Число наблюдений
R2
Примечание. В скобках указаны значения стандартных ошибок; * p < 0,1, ** p < 0,05,
*** p < 0,01.
Источник: расчеты авторов.
***
Динамика жилищных кредитов отрицательно связана с уровнем
концентрации на этом рынке в регионах страны. Высокая концен-
трация также ассоциируется с более высокими процентными став-
ками кредитования и их меньшим разбросом. Это может быть сви-
детельством того, что высокая концентрация сдерживает развитие
кредитования в регионах России, а значит, уровень конкуренции
124
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
в банковском секторенедостаточен. Если в США и странах ЕС
уровень конкуренции на рынках банковских услуг отдельных регио
нов и стран сближается и сам этот уровень, в среднем по крайней
мере, не снижается (Weill, 2013; Erler et al., 2018), то этого с уверен-
ностью нельзя сказать о рынках банковских услуг в регионах нашей
страны. Наше исследование вносит вклад в дискуссию о будущей
конфигурации российской банковской системы с точки зрения снижа-
ющегося количества банков, растущего огосударствления банковского
сектора и достаточности уровня конкуренции. На данный момент
такая дискуссия практически не затрагивает состояние банковского
сектора в отдельных регионах РФ, а ведется на уровне обсуждения
проблем банковской системы в стране в целом, то есть, фактически,
в Московском регионе и, возможно, в некоторых крупных городах.
Однако географический, региональный аспект проблемы в условиях
нашей страны важен.
Развитие жилищного кредитования признается в России очень
важным на государственном уровне, и регулярно озвучиваются инициа
тивы по стимулированию этого рынка государством. Эти инициативы
в основном связываются с государственными программами поддержки
путем субсидирования данной сферы, деятельностью крупнейших го-
сударственных банков и государственных корпораций. Однако, воз-
можно, больший положительный эффект оказали бы меры по сти-
мулированию конкуренции и расширению палитры присутствующих
на региональных рынках жилищного кредитования игроков через
проникновение на эти рынки большего числа банков, в том числе
региональных, и снижение доминирования ПАО Сбербанк.
Список литературы / References
Анисимова А. И., Верников А. В. (2011). Структура рынка банковских услуг и ее
влияние на конкуренцию (на примере двух российских регионов) // Деньги
и кредит. № 11. С. 53—62. [Anisimova A. I., Vernikov A. V. (2011). The structure
of the banking services market and its impact on competition (for example, two
Russian regions). Dengi i Kredit, No. 11, pp. 53—62. (In Russian).]
Ачкасов Ю. К., Егоров А. В., Журавлева Ю. А., Могилат А. Н., Перевышин Ю. Н.,
Шубин И. А. (2019). Жилищное строительство. Октябрь 2019 года: Аналитичес
кая записка. М.: Банк России. [Achkasov Yu. K., Egorov A. V., Zhuravleva Yu. A.,
Mogilat A. N., Perevyshin Yu. N., Shubin I. A. (2019). Housing. October 2019:
A policy brief. Moscow: Bank of Russia.]
Банк России (2018). Конкуренция на финансовом рынке: Аналитический доклад.
[Bank of Russia (2018). Competition in the financial market: An analytical
report.]
Верников А. В. (2013). «Национальные чемпионы» в структуре российского рынка
банковских услуг // Вопросы экономики. № 3. С. 94—108. [Vernikov A. V.
(2013). “National champions” in the structure of the Russian banking services
market. Voprosy Ekonomiki, No. 3, pp. 94—108. (In Russian).] https://doi.org/
10.32609/0042-8736-2013-3-94-108
Дробышевский С., Пащенко С. (2006). Анализ конкуренции в российском банковском
секторе (Научные труды № 96). М.: ИЭПП. [Drobyshevsky S., Pashchenko S.
(2006). Analysis of competition in the Russian banking sector (Working Paper
No. 96). Moscow: Institute for the Economy in Transition. (In Russian).]
125
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Мамонов М. Е. (2010). Неструктурный подход к оценке уровня конкуренции
в российском банковском секторе // Банковское дело. № 11. С. 17—24.
[Mamonov M. E. (2010). A non-structural approach to assessing the level of
competition in the Russian banking sector. Bankovskoe Delo, No. 11, pp. 17—24.
(In Russian).]
Мамонов М. Е. (2012). Влияние рыночной власти российских банков на их склон-
ность к кредитному риску: результаты панельного анализа // Прикладная
эконометрика. № 4. С. 85—112. [Mamonov M.E. (2012). The impact of market
power of the Russian banks in their propensity to credit risk: results of panel
analysis. Prikladnaya Ekonometrika, No. 4, рр. 85—112. (In Russian).]
Мамонов М. Е. (2015). Микроэкономическая модификация общеотраслевого индика-
тора Буна: новые оценки рыночной власти российских банков // Прикладная
эконометрика. Т. 39, № 3. С. 18—44. [Mamonov M. E. (2015). Microeconomic
modification of the industry-wide Boone indicator: new estimates of the market
power of Russian banks. Prikladnaya Ekonometrika, Vol. 39, No. 3, рр. 18—44.
(In Russian).]
Мамонов М. Е. (2016). Конкуренция на российском кредитном рынке: влияние
на кредитную активность банков и оценка эффекта экономического кризиса
2008—2009 гг. // Вопросы экономики. № 11. С. 76—99. [Mamonov M. E.
(2016). Competition in the Russian credit market: impact on the lending activity
of banks and assessment of the effect of the economic crisis of 2008-2009. Voprosy
Ekonomiki, No. 11, pp. 76—99. (In Russian).] https://doi.org/10.32609/0042-
8736-2016-11-76-99
Мамонов М. Е. (2017). Ценовые взаимодействия на российском кредитном рынке: кто
с кем воюет и когда образует сговор? // Вопросы экономики. № 4. С. 79—99.
[Mamonov M. E. (2017). Price interactions in the Russian credit market: who is
fighting with whom and when is conspiring? Voprosy Ekonomiki, No. 4, pp. 79—99.
(In Russian).] https://doi.org/10.32609/0042-8736-2017-4-79-99
Мамонов М. Е. (2018). Реальные эффекты ценовых войн на российском кредитном
рынке // Экономическая политика. Т. 13, № 4. С. 62—89. [Mamonov M. E.
(2018). Real effects of price wars on the Russian credit market. Ekonomicheskaya
Politika, Vol. 13, No. 4, рр. 62—89. (In Russian).] https://doi.org/10.18288/1994-
5124-2018-4-04
Симановский А., Морозов А., Синяков А., Поршаков А., Помельникова М.,
Ушакова Ю., Маркелов В., Бездудный М. (2018). Итоги десятилетия 2008—2017
годов в российском банковском секторе: тенденции и факторы. М.: Банк России
(Серия докладов об экономических исследованиях № 31). [Simanovsky A.,
Morozov A., Sinyakov A., Porshakov A., Pomelnikova M., Ushakova Yu.,
Markelov V., Bezdudny M. (2018). The results of the decade 2008—2017 in
the Russian banking sector: Trends and factors (Economic Research Report No. 31).
Moscow: Bank of Russia. (In Russian).]
Akins B., Li L., Ng J., Rusticus T. O. (2016). Bank competition and financial stability:
evidence from the financial crisis. Journal of Financial and Quantitative Analysis,
Vol. 51, pp. 1—28. https://doi.org/10.1017/S0022109016000090
Anzoategui D., Martínez Pería M. S., Melecky M. (2010). Banking sector competition
in Russia (Policy Research Working Paper No. WPS5449). Washington, DC:
World Bank.
Anzoategui D., Martínez Pería M. S., Melecky M. (2012). Bank competition in Russia:
An examination at different levels of aggregation. Emerging Markets Review,
Vol. 13(1), pp. 42—57. https://doi.org/10.1016/j.ememar.2011.09.004
Beck T., Demirgüç-Kunt A., Maksimovic V. (2004). Bank Competition, Financing
Constraints and Access to Credit. Journal of Money, Credit and Banking, Vol. 363,
No. 2, pp. 627—48. https://doi.org/10.1353/mcb.2004.0039
Beck Т., De Jonghe O., Schepens G. (2013). Bank competition and stability: Cross-
country heterogeneity. Journal of Financial Intermediation, Vol. 22, No. 2,
pp. 218—244. https://doi.org/10.1016/j.jfi.2012.07.001
126
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Berger A. N., Klapper L. F., Turk Ariss R. (2009). Bank competition and financial
stability. Journal of Financial Services Research, Vol. 35, pp. 99—118. https://
doi.org/10.1007/s10693-008-0050-7
Carbó-Valverde S., Rodríguez-Fernández F., Udell G. (2009). Bank Market Power and
SME Financing Constraints. Review of Finance, European Finance Association,
Vol. 13, No. 2, pp. 309—340. https://doi.org/10.1093/rof/rfp003
Chong T., Lu L., Ongena S. (2013). Does banking competition alleviate or worsen
credit constraints faced by small- and medium-sized enterprises? Evidence from
China. Journal of Banking & Finance, Vol. 37, pp. 3412—3424. https://doi.org/
10.1016/j.jbankfin.2013.05.006
Dietrich A. (2016). What drives the gross margins of mortgage loans? Evidence from
Switzerland. Journal of Financial Services Research, Vol. 50, pp. 341—362.
https://doi.org/10.1007/s10693-015-0229-7
Erler A., Gischer H., Herz B. (2018). Regional competition in US banking — trends and
determinants. Journal of Finance and Economics, Vol. 6, pp. 162—172. http://
pubs.sciepub.com/jfe/6/5/1
Fungáčová Z., Solanko L., Weill L. (2010). Market power in the Russian banking in-
dustry. International Economics, No. 124, pp. 127—146. CEPII research center.
Fungáčová Z., Weill L. (2013). Does competition influence bank failures? Evidence
from Russia. Economics of Transition, Vol. 21, No. 2, pp. 301—322. https://doi.
org/10.1111/ecot.12013
Fungáčová Z., Shamshur A., Weill L. (2017). Does bank competition reduce cost of credit?
Cross-country evidence from Europe. Journal of Banking and Finance, Elsevier,
Vol. 83, No. C, pp. 104—120. https://doi.org/10.1016/j.jbankfin.2017.06.014
Karminsky A., Kostrov A., Murzenkov T. (2012). Comparison of default probability
models: Russian experience (Working Paper No. WP BRP 06/FE/2012). Moscow:
National Research University Higher School of Economics.
Khmelnitskaya M. (2014). Russian housing finance policy: State-led institutional evolu-
tion. Post-Communist Economies, Vol. 26, No. 2, pp. 149—175. https://doi.org/
10.1080/14631377.2014.904104
Leon F. (2015). Does bank competition alleviate credit constraints in developing countries?
Journal of Banking and Finance, Vol. 57, No. C, pp. 130—142. https://doi.org/
10.1016/j.jbankfin.2015.04.005
López-Salido D., Stein J., Zakrajšek E. (2017). Credit-market sentiment and the business
cycle. Quarterly Journal of Economics, Vol. 132, No. 3, pp. 1373—1426. https://
doi.org/10.1093/qje/qjx014
Martinez-Miera D., Repullo R. (2010). Does competition reduce the risk of bank
failure? Review of Financial Studies, Vol. 23, No. 10, pp. 3638—3664. https://
doi.org/10.1093/rfs/hhq057
Mulder M. (2014). The impact of concentration and regulation on competition in
the Dutch mortgage market. Journal of Competition Law and Economics, Vol. 10,
No. 4, pp. 795—817. https://doi.org/10.1093/joclec/nhu008
Muller C., Noth F. (2018). Market power and risk: Evidence from the U.S. mortgage
market. Economics Letters, No. 169, pp. 72—75. https://doi.org/10.1016/j.econ-
let.2018.04.033
Petersen M. A., Rajan R. (1995). The effect of credit market competition on lending
relationships. Quarterly Journal of Economics, Vol. 110, No. 2, pp. 407—443.
https://doi.org/10.2307/2118445
Tabak B., Fazio D., Cajueiro D. (2012). The relationship between banking market com-
petition and risk-taking: Do size and capitalization matter? Journal of Banking
and Finance, Vol. 36, No. 12, pp. 3366—3381. https://doi.org/10.1016/j.jbank-
fin.2012.07.022
Treur L., Boonstra W. (2014). Competition in the Dutch mortgage market: Notes
on concentration, entry, funding, and margins. Journal of Competition Law
and Economics, Vol. 10, No. 4, pp. 819—841. https://doi.org/10.1093/joclec/
nhu006
127
А. В. Мишура и др. / Вопросы экономики. 2020. № 4. С. 107—128
Ushakova Y., Kruglova A. (2018). Competition in Russia’s banking sector prior and
after supervision policy enhancement: Conclusions based on interest rate dispersion
and spread. Russian Journal of Money and Finance, Vol. 77, No. 2, pp. 22—50.
https://doi.org/10.31477/rjmf.201802.22
Weill L. (2013). Bank competition in the EU: How has in evolved? International
Financial Markets, Instruments and Money, No. 26, pp. 100—112. https://doi.org/
10.1016/j.intfin.2013.05.005
Yildirim H., Mohanty S. (2010). Geographic Deregulation and Competition in the U.S.
Banking Industry. Financial Markets, Institutions and Instruments, Vol. 19,
pp. 63—94. http://dx.doi.org/10.1111/j.1468-0416.2010.00155.x
Zhang D., Cai J., Liu J., Kutan A.M. (2018). Real estate investments and financial
stability: evidence from regional commercial banks in China. The European Journal
of Finance, Vol. 24, No. 16, pp. 1388—1408. https://doi.org/10.1080/135184
7X.2016.1154083
Concentration in the banking sector and housing lending
in Russian regions
Anna V. Mishura 1,2,*, Svetlana V. Bekareva 1,
Ekaterina N. Meltenisova 1,2
Authors affiliation: 1 Novosibirsk State University (Novosibirsk, Russia);
2 Institute of Economics and Industrial Engineering of the Siberian Brunch of
the Russian Academy of Sciences (Novosibirsk, Russia).
* Corresponding author, email: [email protected]
The article examines the global and Russian experience in analyzing
the influence of concentration and competition on the functioning of the banking
sector, including the mortgage market. The information on housing loans issued by
banks in the regions of Russia is used and the level of concentration in the regional
housing lending markets is estimated. It is shown that regional housing loan
markets are highly concentrated. It has been revealed that the concentration level
negatively affects the dynamics of housing lending in the regions of the country.
High concentration is also associated with slightly higher lending interest rates
and their smaller spread. This may be the evidence that high concentration
hinders the development of lending in the regions of Russia, which means that
the level of competition in the banking sector is insufficient.
Keywords: banking sector, Russian regions, housing lending, concentration,
competition.
JEL: G21.
128
Вопросы экономики. 2020. № 4. С. 129—146.
Voprosy Ekonomiki, 2020, No. 4, pp. 129—146.
Бюджетные полномочия муниципалитетов
ресурсообеспеченных регионов России
и внебюджетные инвестиции
Е. Н. Тимушев
Институт социально-экономических и энергетических проблем Севера,
Коми научный центр Уральского отделения РАН (Сыктывкар, Россия)
В статье анализируются характер и количественные границы влияния
местной бюджетной децентрализации на внебюджетные (исключая средст-
ва федерального, региональных и местных бюджетов) инвестиции в основ-
ной капитал в регионах России с развитой добывающей промышленностью.
Актуальность данной темы обусловлена, во-первых, потенциалом экономи-
ческого роста при наличии достаточных полномочий на местном уровне,
во-вторых, тем, что зависимость инвестиций от местной бюджетной децен-
трализации в России исследована недостаточно. Проведенное исследование
подтвердило существование перевернутой U-образной зависимости инвестиций
от децентрализации, а также превосходство доходной децентрализации над
расходной с точки зрения влияния на экономическое развитие. По данным за
2009—2016 гг. стимулы к осуществлению инвестиций были максимальными,
когда местная бюджетная децентрализация составляла 46—47 и 43—51% в рас-
ходном и доходном аспектах соответственно (для России в целом — 35—36
и 33—34%). Непосредственно налоговые доходы в структуре оптимальных
значений не превышают 30 п. п., остальную часть занимают субсидии и, осо-
бенно, дотации. Превышение оптимального уровня доходной децентрализации
над расходной в ресурсообеспеченных регионах объясняется относительно
большими местными полномочиями и меньшей зависимостью от федеральных
трансфертов, низкой региональной налоговой нагрузкой и большей эластич-
ностью региональной бюджетной политики к внешним изменениям. Общее
превышение оптимальных уровней по сравнению с Россией в целом можно
объяснить потребностью в дифференциации местных бюджетных расходов
и значительными различиями по уровню местной бюджетной обеспеченности.
Снижение бюджетной децентрализации за 2008—2018 гг. сопровождалось
сокращением инвестиций. Наибольшие потери были связаны с ограниченно-
Тимушев Евгений Николаевич ([email protected]), м. н. с. ИСЭ и ЭПС
ФИЦ Коми НЦ УрО РАН.
https://doi.org/10.32609/0042-8736-2020-4-129-146
© НП «Вопросы экономики», 2020
129
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
стью доходных полномочий в ресурсообеспеченных регионах, которые могли
превышать 80% медианной величины инвестиций.
Ключевые слова: бюджетная децентрализация, местный бюджет, северные
регионы, экспортоориентированные регионы, нецелевые межбюджетные транс-
ферты.
JEL: E22, H77.
Введение
Концепция эндогенного экономического роста отводит налогово-
бюджетной политике важную роль в обеспечении устойчивого эко-
номического роста (Tanzi, Zee, 1997). Важно при этом распределе-
ние полномочий, то есть какую роль играют нижестоящие уровни
государственной и муниципальной власти в экономике. Бюджетная
децентрализация — при которой нижестоящие уровни управления
обладают значительным числом полномочий благодаря эффективности
и гибкости, а также открытости к реформам (Baskaran et al., 2016), —
способствует инвестициям и росту качества человеческого капитала
(Дерюгин и др., 2017).
На то, что бюджетная децентрализация и динамика факторов
производства связаны, обращают внимание многие экономисты, в том
числе опирающиеся на институциональный подход. А. Моразуми и
Ф. Бейга (Morozumi, Veiga, 2016) считают институты звеном, которое
обеспечивает зависимость между экономикой и бюджетными расхода-
ми. Данный тезис можно распространить и на способ финансирования,
степень подотчетности, а также строение налогово-бюджетной системы
в части распределения полномочий.
В бюджетной системе России доходная (налоговая) централи-
зация, отражающая высокую межрегиональную дифференциацию,
сочетается с расходной централизацией, обусловленной значитель-
ным влиянием бюджета одного уровня на расходные обязательства
бюджета другого уровня (Голованова, Домбровский, 2016; Лавров,
2019). Несмотря на рост децентрализации в 2014—2018 гг., когда
увеличилась доля расходов консолидированных бюджетов субъектов
России (рис. 1), ее уровень по-прежнему незначительный. В подобных
условиях межбюджетные отношения играют важную роль.
Расходы местных бюджетов относят к числу производительных
(Кудрин, Кнобель, 2017), так как они несут в себе большой мультипли-
кативный эффект для валового выпуска и во многом определяют уровень
инвестиций частного сектора и общие показатели развития экономики.
Федеральная политика стимулирования экономического роста
широко использует инструменты политики межбюджетных отноше-
ний, чем обусловлено столь пристальное внимание к действиям пре-
жде всего регионального уровня1. В рамках политики регионального
1 Например, в число критериев эффективности органов исполнительной власти субъектов
России и органов местного самоуправления входят объем инвестиций в основной капитал
в регионе и положение региона в рейтинге инвестиционного климата.
130
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Доля консолидированных бюджетов субъектов России
в общих расходах бюджетной системы, по видам расходов (в %)
Примечание. Включая расходы внебюджетных фондов.
Источники: Казначейство России; расчеты автора.
Рис. 1
развития, наравне с принципом межбюджетного выравнивания, ис-
пользуются меры государственной поддержки с дифференцированным
подходом к получателям федеральных межбюджетных трансфертов2.
Среди мер политики пространственного развития3 отводится большая
роль федеральным межбюджетным отношениям (сокращение диффе-
ренциации бюджетной обеспеченности, стимулирующие трансферты).
Хотя влияние местных бюджетов и политики снижения межреги-
ональной дифференциации на уровень инвестиционной активности
в регионах России многогранно, эта тема мало изучена и именно
поэтому актуальна.
Цель данной работы — установить количественные границы поло-
жительного влияния местной бюджетной децентрализации на внебюд-
жетные инвестиции в основной капитал (исключая средства федераль-
ного, региональных и местных бюджетов) и проследить, как именно
местная бюджетная децентрализация влияет на уровень инвестиций.
В центре внимания исследования — группа регионов России с развитой
добывающей промышленностью (ресурсообеспеченные регионы) — по-
скольку в последних выше показатели инвестиций и децентрализации.
2 Указ Президента РФ от 16.01.2017 № 13 «Об утверждении Основ государственной
политики регионального развития Российской Федерации на период до 2025 года».
3 «Основные направления деятельности Правительства Российской Федерации на период
до 2024 года» (утв. Правительством РФ 29.09.2018); Распоряжение Правительства РФ от
13.02.2019 № 207-р «Об утверждении Стратегии пространственного развития Российской
Федерации на период до 2025 года».
131
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Также ресурсообеспеченные регионы отличаются от других регионов
иными характеристиками (уровнем занятости населения, размером
теневого рынка труда и т. п.).
Бюджетная децентрализация и развитие экономики
Исследования влияния бюджетной децентрализации на эконо-
мический рост показывают положительное (Baskaran et al., 2016),
отрицательное (Xu, Warner, 2015) или нейтральное (Thornton, 2007)
воздействие первого на второе. В то же время зависимость уровня ин-
вестиций от бюджетной децентрализации изучена мало. М. Эскалерас
и Р. Т. Калькагно (Escaleras, Calcagno, 2018), а также С. Гао с соав-
торами (Gao et al., 2019) в своих работах показали, что децентрализа-
ция способствует росту качества результатов долгосрочных вложений
и росту их общего объема, преимущественно благодаря повышению
эффективности общественного сектора.
Выводы исследователей о характере воздействия бюджетной де-
централизации на экономическое развитие зависят от того, как они
определяют объект исследования, к какой методике анализа прибегают,
а также какой период оценивают (Sacchi, Salotti, 2014). Несмотря
на это можно утверждать, что бюджетная децентрализация с боль-
шой долей вероятности оказываетположительный эффект в условиях
налоговой децентрализации (Ligthart, van Oudheusden, 2017). Другие
исследователи (Gemmell et al., 2013; Rodríguez-Pose, Krøijer, 2009)
подтверждают эти выводы и показывают, что без адекватного уровня
налоговых полномочий в сочетании с использованием межбюджетных
трансфертов расходная децентрализация может негативно влиять на
рост экономики.
Сравнительно полно изучено влияние бюджетной децентрализа-
ции на: величину государственного сектора (Jin, Zou, 2002), форми-
рование социального (Schild, Wrede, 2015) и человеческого капиталов
(Diaz-Serrano, Rodríguez-Pose, 2015), связанность экономики в про-
странственном измерении (Sacchi, Salotti, 2016) и размер коррупции
(Dong, Torgler, 2013), включая неформальный сектор экономики.
Результаты указанных исследований свидетельствуют о положи-
тельных эффектах бюджетной децентрализации. Однако существует
уровень, при превышении которого налоговая и расходная децент-
рализация пагубно влияют на рост экономики и макропоказатели
(Aslim, Neyapti, 2017).
На федеральном уровне бюджетной системы России влияние
бюджетной децентрализации на экономический рост оценивается как
положительное (Yushkov, 2015) или нейтральное (Freinkman et al.,
2011). Напротив, результаты исследований на региональном уровне
менее оптимистичные. Неопределенность и потенциально негативные
эффекты внутрирегиональной децентрализации можно объяснить не-
гативными эффектами межбюджетного перераспределения, которое
необходимо в условиях вертикальной и горизонтальной несбалансиро-
ванности. Т. Матесон (Matheson, 2005) обнаружил дестимулирующие
132
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
эффекты внутрирегионального межбюджетного перераспределения:
менее обеспеченные территории используют трансферты чаще на те-
кущие расходы, а не на капитальные. А. Юшков (Yushkov, 2015)
показал, что местная расходная децентрализация негативно влияет
на рост экономики, когдаэтих полномочий больше, чем в сфере до-
ходов. М. Алексеев и А. Мамедов (Alexeev, Mamedov, 2017) пришли
к выводу о несостоятельности теории детерминант децентрализации
для российских реалий.
Влияние децентрализации общественного сектора на развитие
экономики преимущественно оценивается исследователями как поло-
жительное, об этом говорят результаты зарубежных исследований,
а также анализ бюджетной децентрализации в России на федеральном
уровне. Также известно, что влияние бюджетной децентрализации
положительно лишь до определенного уровня, то есть наблюдается
перевернутая U-образная зависимость. Исследования местной бюд-
жетной децентрализации в России указывают на ее неблагоприятное
влияние на экономику региона. Это объясняется асимметрией рас-
ходной и доходной децентрализации, которая может быть выражена
сильнее именно на внутрирегиональном уровне. Данные обстоятель-
ства указывают на необходимость уточнения результатов, в том числе
в разрезе групп регионов России, что позволит определить пороговый
уровень децентрализации, при превышении которого она перестает
быть эффективной.
Модель
Анализ зависимости внебюджетных инвестиций от местной бюд-
жетной децентрализации аналогичен проведенному в работе: Sun et al.,
2017, и осуществляется по модели:
INVit = α0 + α × I(DEC)it + β × EXPLit + εit, (1)
где: INV — инвестиции в основной капитал, рассматривается общая
сумма внебюджетных инвестиций и за вычетом вложений в отрасль
«Добыча полезных ископаемых» (используются два показателя из
табл. 1); DEC — мера внутрирегиональной бюджетной децентрали-
зации; I() — оператор квадратичной зависимости; EXPL — вектор
вспомогательных объясняющих переменных (сформированы на основе
литературы о детерминантах и корреляционного анализа с величиной
инвестиций4); ε — случайные остатки регрессии.
В рамках модели учитываются расходный и доходный аспекты
местной бюджетной децентрализации. Базовым индикатором доходной
децентрализации считается величина местных полномочий по струк-
туре общерегиональных доходов (Дох. 1). Показатель, выраженный
через структуру доходов местного бюджета (Дох. 2), считается альтер-
нативным как по строению, так и при отражении самостоятельного ас-
4 Результаты сбора информации о детерминантах и начальных расчетов доступны по
отдельному запросу.
133
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Таблица 1
Используемые показатели
№ Показатель Обозна Ед. Источник
чение измерения* данных
Инвестиции в основной капитал по полному кругу тыс. руб./
организаций, за исключением соответствующих чел.,
1 расходов федерального бюджета, бюджета субъекта INV в ценах ЕМИСС
и местного бюджета (внебюджетные инвестиции).
В анализе выражен в форме натурального логарифма 2017 г.
Внебюджетные инвестиции, за исключением инве- INV. тыс. руб./ ЕМИСС,
2 стиций в отрасль «Добыча полезных ископаемых». exc. чел. Росстат
В анализе выражен в форме натурального логарифма MIN
Доля расходов местных бюджетов (включая посе- Казначейство
ления) в консолидированных расходах, субвенции России
3 считаются расходами бюджета-донора (бюджета Рас %
субъекта). Расходная децентрализация
Доля доходов местных бюджетов в доходах консоли-
дированного бюджета субъекта (с учетом региональ- Казначейство
4 ных трансфертов, кроме субвенций). Доходная децен- Дох. 1 % России
трализация по структуре общерегиональных доходов
Доля собственных (налоговых и неналоговых) Казначейство
доходов местных бюджетов в структуре доходов. России
5 Доходная децентрализация по структуре доходов Дох. 2 %
местного бюджета
Производительные расходы и финансовое благополучие
6 Консолидированные расходы на образование EDU тыс. руб./ Казначейство
чел. России
7 Уровень бюджетной обеспеченности субъектов FC % Минфин
до распределения России
Структура экономики
8 Доля отрасли строительства в структуре валовой CON % Росстат
добавленной стоимости (далее — ВДС) MIN1 % Росстат
% Росстат
9 Доля отрасли «Добыча полезных ископаемых»
в структуре ВДС
10 Доля занятых в отрасли «Добыча полезных MIN2
и скопаемых»
Банковская сфера
11 Банковское кредитование отрасли строительства CONB тыс. руб./ ЦБ РФ
чел.
Объем кредитов, предоставленных юридическим тыс. руб./
лицам-резидентам и индивидуальным предпри- чел.
12 нимателям в рублях, кредитными организациями CRE1 ЦБ РФ
данного региона
Объем кредитов, предоставленных юридическим
лицам-резидентам и индивидуальным предпринима- тыс. руб./
13 телям в рублях, кредитными организациями других CRE2 чел. ЦБ РФ
регионов, имеющими филиалы в данном регионе
Демография, прозрачность экономики и бедность
14 Доля населения в возрасте до 17 лет и старше DEM % Росстат
трудоспособного возраста в численности населения INF % Росстат
POV % Росстат
15 Доля занятых в неформальном секторе экономики
16 Численность населения с денежными доходами
ниже величины прожиточного минимума
* Индексировано на ИБР — индекс бюджетных расходов, предназначенный для нивели-
рования межрегиональных различий в стоимости благ и используемый в федеральной методике
распределения дотаций на выравнивание. Далее все подушевые индикаторы скорректированы
на индекс потребительских цен 2017 г. и учитывают величину ИБР.
Источник: составлено и рассчитано автором.
134
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Таблица 2
Тестирование переменной децентрализации на эндогенность
Вид Россия в целом Ресурсообеспеченные регионы
децентрали-
все за исключением отрасли все за исключением отрасли
зации отрасли «Добыча полезных отрасли «Добыча полезных
ископаемых» ископаемых»
Рас 0,01*** 0,75 0,62 0,75
Дох. 1 0,11 0,06* 0,43 0,06*
Дох. 2 0,06* 0,14 0,06* 0,14
Примечание. Указана вероятность равенства нулю коэффициента при переменной остат-
ков: * p < 0,1, ** p < 0,05, *** p < 0,01. Осуществляется тестирование гипотезы методом Вальда.
В случае высокой вероятности гипотеза о нулевом коэффициенте при переменной остатков
принимается, признается отсутствие эндогенности, в количественном анализе следует исполь-
зовать номинальные значения. В случае p-значения ниже порогового уровня значимости (10%)
в дальнейших расчетах участвуют инструментальные переменные.
Источник: расчеты автора.
пекта межбюджетных отношений в их влиянии на общеэкономические
показатели. Целесообразность введения инструментальных перемен-
ных к показателям децентрализации оценивается на основе подхода,
принятого в: Wooldridge, 2008 (Р. 527—528) (табл. 2).
Расчеты по России в целом и выделенным группам регионов про-
водились с учетом информации по выбранным показателям за 2009—
2016 гг., кроме городов федерального значения5. Для расчета коэффи-
циентов применялся простой метод наименьших квадратов6. Критерием
включения в группу «ресурсообеспеченные» стал показатель доли
занятых в отрасли «Добыча полезных ископаемых»7. Регионы этой
группы почти все расположены на севере России (табл. 3).
Результаты
Лидером по показателю инвестиций является Уральский федераль-
ный округ (УФО)8. Наименьшие объемы инвестиций в СКФО и СФО
(рис. 2). Объем долгосрочных вложений в северных регионах России
5 Из анализа исключены данные по Москве, Санкт-Петербургу, Севастополю и Республике
Крым. Субъекты, данные по которым не были учтены ввиду их отсутствия: Ненецкий автономный
округ, Чеченская Республика, Челябинская область, Забайкальский край, Еврейская автономная
область и Чукотский автономный округ. Для следующих регионов количество исключенных
наблюдений в силу отсутствия данных по одному или нескольким важным показателям составило
4—7: Брянская область, Воронежская область, Республика Ингушетия, Ямало-Ненецкий
автономный округ и Магаданская область. По остальным регионам случаев исключения было
меньше или они отсутствовали.
6 Технический анализ осуществлялся с использованием языка программирования R,
версия 3.6.1. Регрессионный анализ проводился с использованием пакетов AER (функция
ivreg) и plm.
7 К ресурсообеспеченным регионам отнесены субъекты, которые образуют отдельные
группы в результате одномерного кластерного анализа по признаку высокой величины
указанного показателя.
8 Далее используются следующие обозначения федеральных округов России: ЦФО —
Центральный, СЗФО — Северо-Западный, ЮФО — Южный (кроме Республики Крым
и г. Севастополя), СКФО — Северокавказский, ПФО — Приволжский, УФО — Уральский,
СФО — Сибирский, ДВФО — Дальневосточный.
135
Т а б л и ц а 3
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
136 Состав и характеристики ресурсообеспеченных регионов России
№ Субъекты Ресурсо Северные INV INV. Рас Дох.1 Дох.2 EDU MIN1 MIN2 DEM INF POV
обеспечен регионы exc.
ные регионы MIN
1 Республика Карелия – Да 34,8 29,2 0,28 0,26 0,42 15,1 0,11 0,03 0,42 0,15 0,15
2 Республика Коми Да
3 Ненецкий АО а Да Да 166,1 118,9 0,33 0,32 0,39 19,0 0,33 0,07 0,39 0,16 0,15
4 Архангельская область –
5 Мурманская область Да Да … … … … … … … … … … …
6 Оренбургская область Да
7 Ханты-Мансийский АО Да Да 42,8 19,4 0,33 0,31 0,41 15,3 0,11 0,01 0,41 0,18 0,14
8 Ямало-Ненецкий АО Да
9 Республика Хакасия Да Да 54,0 30,4 0,37 0,35 0,44 20,0 0,15 0,04 0,38 0,10 0,13
10 Забайкальский край а Да
11 Кемеровская область Да – 89,3 55,0 0,34 0,31 0,32 16,2 0,36 0,04 0,42 0,26 0,14
12 Республика Саха (Якутия) Да
13 Камчатский край – Да 330,9 81,2 0,41 0,41 0,39 30,8 0,66 0,22 0,23 0,08 0,11
14 Магаданская область Да
15 Сахалинская область Да Да 413,8 164,0 0,56 0,52 0,30 25,0 0,48 0,20 … 0,06 0,08
16 Чукотский АО а Да
x – 52,9 47,9 0,31 0,32 0,42 16,2 0,13 0,04 0,42 0,27 0,18
Северные регионы
Ресурсообеспеченные x – ……………………………
регионы
x – 94,7 62,3 0,45 0,46 0,33 20,2 0,27 0,10 0,42 0,15 0,13
данные за 2008 г. x
данные за 2018 г. x Да 52,0 32,4 0,31 0,25 0,19 13,7 0,43 0,10 0,40 0,18 0,18
Россия в целом x
данные за 2008 г. x Да 15,1 13,3 0,32 0,29 0,27 9,7 0,05 0,01 0,37 0,17 0,19
данные за 2018 г.
Да 18,8 13,4 0,51 0,41 0,34 8,7 0,19 0,09 0,35 0,13 0,16
Да 196,3 56,5 0,45 0,44 0,25 20,8 0,60 0,04 0,40 0,17 0,11
Да … … … … … … … … … … …
x 127,2 53,8 0,36 0,34 0,34 18,3 0,32 0,07 0,36 0,14 0,14
x 141,7 64,7 0,38 0,37 0,34 19,8 0,37 0,09 0,37 0,16 0,14
x 111,8 б 52,5 б 0,472 0,432 0,318 16,6 0,32 0,10 0,31 0,15 0,14
x … … 0,290 0,236 0,354 20,1 0,42 в 0,11 в 0,44 0,16 0,14
x 78,6 64,9 0,330 0,300 0,370 16,8 0,09 0,02 0,41 0,23 0,15
x 66,1 б 53,8 б 0,384 0,350 0,382 15,0 0,09 0,02 0,39 0,23 0,16
x … … 0,294 0,238 0,338 18,0 0,11 в 0,03 в 0,46 0,23 0,15
Примечание. Средние данные за 2009—2016 гг., если не указано иное. Для групп регионов расчеты велись по средней простой. Расшифровка показателей
в таблице 1. а Не участвуют в дальнейших расчетах в связи с отсутствием данных; б данные за 2009 г.; в Данные за 2017 г.
Источник: расчеты автора.
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Бюджетная децентрализация и инвестиции (в %)
Источники: Казначейство России; Росстат; расчеты автора.
Рис. 2
чуть выше, чем в группе ресурсообеспеченных регионов, вероятн о,
вследствие низкого объема инвестиций в регионах СФО.
На фоне доходной и расходной централизации в бюджетной си-
стеме России уменьшается как расходная, так и доходная местная
бюджетная децентрализация. Децентрализация в северных и ресурсо
обеспеченных регионах сокращалась опережающими темпами, в основ-
ном за счет динамики по регионам СЗФО. Уровень доходной де-
централизации (Дох. 1) ниже уровня расходной, что подтверждает
наличие асимметрии. Динамика показателей за 2008—2018 гг. была
схожей и соотношение осталось прежним. В УФО, СФО и ДВФО
расходная децентрализация заметно выше, чем в европейской части
России (примерно 35—40% по сравнению с 30—35%), прежде всего
за счет высоких показателей УФО.
Показатели местной бюджетной децентрализации тесно связа-
ны друг с другом и прямо пропорциональны величине инвестиций9.
Динамика инвестиций сильно связана с уровнем региональных расхо-
дов на образование, с бюджетной обеспеченностью субъекта и иными
вспомогательными переменными, за исключением доли нетрудоспо-
собного населения, уровня теневой экономики в регионе и бедности.
Высокая доля нетрудоспособного населения и развитый теневой сектор
свойственны несырьевым регионам и сопровождаются низкой децент-
рализацией. Напротив, уровень бедности существенно слабее связан
с инвестициями и величиной местных полномочий.
9 Количественные результаты корреляционного анализа не приводятся.
137
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Коэффициенты по итогам регрессионного анализа10 позволили рас-
считать11 оптимальные значения местной бюджетной децентрализации
с точки зрения максимизации объема инвестиций (табл. 4):
— оптимальным величинам децентрализации по России в целом
(32—36%) соответствуют значительно большие значения местных пол-
номочий в ресурсообеспеченных регионах (43—50%);
— расчеты по модели с исключением инвестиций в добывающую
промышленность привели к сопоставимым результатам, полученным
для всех инвестиций. Исключением может считаться оптимум Дох. 1
для ресурсообеспеченных регионов (43,7% по сравнению с 50,1%);
— оптимальная расходная децентрализация заметно выше доход-
ной (Дох. 1). Для ресурсообеспеченных регионов это также верно при
расчетах с исключением инвестиций в добывающую промышленность;
Таблица 4
Оптимальные уровни местной бюджетной децентрализации
Группа регионов Вид децентрализации
Рас. Дох. 1 Дох. 2
Россия в целом 35,7 33,5 43,6
все инвестиции [35,5—35,7] [33,1—33,5] [43,6—44,0]
все инвестиции, кроме отрасли
«Добыча полезных ископаемых» 36,1 32,6 45,5
[36,1—36,2] [32,6—32,6] [45,5—45,5]
Ресурсообеспеченные регионы 46,8 50,1 39,4
все инвестиции [46,8—46,8] [50,1—50,2] [39,4—39,5]
все инвестиции, кроме отрасли
«Добыча полезных ископаемых» 46,7 43,7 39,2
[46,6—47,4] [43,7—43,9] [39,2—39,4]
Справочно: фактическая децентрализация в 2018 г.:
Россия в целом 29,4 23,8 33,8
ресурсообеспеченные регионы 29,0 23,6 35,4
Недостаток децентрализации, п. п. 6,3 9,7 9,8
Россия в целом 17,8 26,5 4,0
ресурсообеспеченные регионы … 20,1 …
ресурсообеспеченные регионы, без инвестиций
в отрасль «Добыча полезных ископаемых» 6,7 (10) 16,4 (25) 44,2 (67)
51,3 (55) 82,8 (89) 4,4 (5)
Потери инвестиций, тыс.руб./чел. (в скобках — 48,2 (85) …
в % от медианного значения за 2009—2016 гг.) …
Россия в целом
(медиана инвестиций: 65,6 тыс.руб./чел.)
ресурсообеспеченные регионы
(медиана инвестиций: 93,2 тыс.руб./чел.)
ресурсообеспеченные регионы, без инвестиций
в отрасль «Добыча полезных ископаемых»
(медиана инвестиций: 56,5 тыс.руб./чел.)
Примечание. Показаны точечные оценки, в квадратных скобках — их диапазон с уче-
том t-value и стандартной ошибки, согласно онлайн-приложению (https://doi.org/10.13140/
RG.2.2.18036.30087). Рас. — расходная децентрализация; Дох. 1 — доходн ая децентрализация
по структуре общерегиональных доходов; Дох. 2 — доходная децентрализация по структуре
доходов местного бюджета.
Источник: расчеты автора.
10 См. онлайн-приложение: https://doi.org/10.13140/RG.2.2.18036.30087
11 Пример расчета максимумов функции с известными данными о линейном и квадратичном
коэффициентах регрессии приведен на рисунке 3.
138
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
— оптимальная доходная децентрализация по структуре доходов
местного бюджета (Дох. 2) в ресурсообеспеченных регионах сущест-
венно ниже, чем по России в целом.
Сложившийся в период 2008—2018 гг. недостаток местной децент
рализации может быть одной из причин снижения инвестиций.
Ограниченность доходных полномочий, по сравнению с расходными,
ведет к наибольшим потерям. Опережающее сокращение местных
полном очий в ресурсообеспеченных регионах объясняет значительные
потери инвестиций. Даже с исключением сырьевых инвестиций они
могут составлять более 80% медианного значения.
Максимальные значения внебюджетных инвестиций в ресурсо-
обеспеченных регионах, соответствующие оптимальным значениям
расходной и доходной децентрализации, примерно одинаковы (рис. 3).
При расчетах по России в целом максимальные значения инвестиций
выше для доходной децентрализации (175,9 тыс.) по сравнению с рас-
ходной (68,3 тыс. руб./чел.) (не показаны на рисунке).
Зависимость инвестиций от децентрализации
в ресурсообеспеченных регионах России
Источник: расчеты автора.
Рис. 3
Обсуждение
Исходя из методики расчета основные показатели децентрализа-
ции состоят не только из расходов за вычетом «входящих» межбюд-
жетных трансфертов («Рас.») и налоговых и неналоговых доходов
(«Дох. 1») местных бюджетов, но также получаемых ими нецелевых
и целевых (кроме субвенций) трансфертов. В отличие от результатов по
России в целом, для ресурсообеспеченных регионов значительно более
важную роль в структуре местной децентрализации играют дотации
(рис. 4). В сочетании с большей долей субсидий это может отражать
высокую значимость внутрирегионального перераспределения для дан-
ных регионов. Также это свидетельствует об ограниченности местных
налоговых доходов, которые не должны превышать 30%.
139
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Структура оптимальной бюджетной децентрализации (в %)
Источники: расчеты автора на основе усредненной структуры местных доходов и рас-
ходов по России в целом и группе ресурсообеспеченных регионов; первичные данные —
Казначейство России.
Рис. 4
Расходная децентрализация, по сравнению с доходной, допускает
больший размер «собственного» компонента (24 и 21% соответственно
для расчетов по России в целом). Данный тезис правомерен и для
ресурсообеспеченных регионов, так как превышение «собственного»
компонента (29 и 28%) непропорционально росту «трансфертного»
компонента (10 и 9% для субсидий и 11 и 10% для дотаций). Кроме
этого, структура оптимума доходной децентрализации при расчетах
с исключением сырьевых инвестиций (43,7%) также указывает на
ограниченность доли налоговых и неналоговых доходов.
Превышение оптимальной местной децентрализации в ресурсо
обеспеченных регионах по сравнению с Россией в целом можно объяс
нить высокими фактическими величинами показателя в этих регионах.
Можно предложить следующие объяснения высокой местной бюджет-
ной децентрализации в ресурсообеспеченных регионах России.
Для расходной децентрализации — вследствие повышенного спроса
на локальную дифференциацию бюджетных расходов. Регионы, богатые
природными ресурсами, отличаются не только высоким уровнем частных
доходов, но и незначительными различиями между крупными городами
субъекта и периферией по величине доходов (рис. 5). Следовательно,
вероятен высокий спрос на децентрализацию региональных бюджетных
расходов из-за роста различий в локальных предпочтениях.
Для доходной децентрализации — вследствие большой роли не-
целевых межбюджетных трансфертов (региональных дотаций) для
местных бюджетов12 (рис. 6). Ее может вызывать высокая межмуни-
ципальная дифференциация по бюджетной обеспеченности.
Отставание оптимальной величины «Дох. 2» для ресурсообеспе-
ченных регионов от результатов расчетов по России в целом можно
объяснить более острой необходимостью регионального межбюджет-
ного перераспределения.
12 Являются компонентом используемой количественной меры децентрализации.
140
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Внутрирегиональное неравенство по уровню
заработной платы (ед.)
Примечание. Показатель рассчитывается как отношение средней зарплаты в крупных
городах региона к средней зарплате по региону в целом. Низкий уровень показателя указывает
на низкую дифференциацию доходов между населенными пунктами внутри региона.
Источники: Росстат (сборник «Регионы России. Основные социально-экономические
показатели городов»); расчеты автора.
Рис. 5
Структура получаемых межбюджетных трансфертов (в %)
Примечание. По средним данным за 2014—2018 гг.
Источник: Казначейство России, расчеты автора.
Рис. 6
По расчетам с учетом инвестиций в отрасль «Добыча полезных
ископаемых» оптимальный уровень доходной децентрализации (50,1%)
выше уровня расходной (46,8%). Кроме этого, средние величины по-
казателей «Рас.» и «Дох. 1» в ресурсных регионах очень близки,
а по России в целом отставание меры доходных полномочий от рас-
ходных весьма заметно (см. табл. 3). Относительно большая местная
децентрализация в ресурсообеспеченных регионах — как оптималь-
ная, так и фактическая, — связана с тем, что органы региональной
власти в относительно богатых ресурсообеспеченных регионах могут
иметь больше стимулов передавать нормативы отчисл ений по видам
налогов на уровень бюджетов городских округов и районов (рис. 7).
Наиболее ярко данный тезис подтверждают более высокие нормативы
отчислений по НДФЛ, сочетающиеся с большими удельными дохода-
141
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
ми по данному налогу. Велики нормативы по транспортному налогу
и упрощенной системе (УСН). Низкий общий норматив отчислений
объясняется высокими абсолютными доходами, особенно по налогам
на прибыль и имущество организаций.
Внутрирегиональная структура налоговых доходов (в %)
Примечание. По средним данным за 2014—2018 гг.
Источники: Казначейство России, ФНС России; расчеты автора.
Рис. 7
Региональный компонент налоговой нагрузки (ед.)*
* Единица измерения аналогична выражению величины показателя налоговых доходов
в процентном отношении к величине ВРП.
Примечание. Налоговая нагрузка рассчитывается как отношение собранных налого-
вых доходов к величине ВРП. Под региональным компонентом понимается часть налоговых
доходов, поступающих в консолидированный бюджет субъекта. Удельные налоговые доходы
рассчитаны без учета данных по Ханты-Мансийскому АО (отсутствуют данные за ряд лет).
Источники: ФНС России; расчеты автора.
Рис. 8
142
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Для объяснения большей доходной (налоговой) децентрализации
в ресурсообеспеченных регионах можно воспользоваться классифи-
кацией субъектов на «экспортоориентированные» (эта группа почти
полностью совпадает с ресурсообеспеченными) и «внутреннеориенти-
рованные» (Тимушев, 2018). Для экспортоориентированных регионов
характерны: меньшая зависимость от федеральных межбюджетных
трансфертов (см. рис. 6); меньшая региональная налоговая нагрузка
(рис. 8); более эластичная региональная бюджетная политика (под-
вижность параметр ов бюджета при изменении величины трансфертов
или налоговой нагрузки) (Тимушев, 2018).
Выводы
Инструменты межбюджетных отношений играют важную роль
при реализации мер по стимулированию экономического роста и ре-
гиональной (в том числе пространственной) политики в России. Их
важность обусловлена сложившейся расходной и доходной (налоговой)
централизацией бюджетной системы. Бюджетная децентрализация от-
носится к числу таких инструментов.
На уровне региональных межбюджетных отношений действующее
распределение полномочий формирует несбалансированность и асим
метрию между расходной и доходной децентрализацией. Несбалансиро
ванность ведет к межбюджетному перераспределению, которое генерирует
фискальные стимулы, негативные для развития местной экономики и ро-
ста инвестиций. Немногочисленные работы указывают на отрицательное
влияние децентрализации на экономическое развитие региона, это вли-
яние во многом обусловлено данной асимметрией. Однако результаты,
отраженные в литературе, не соответствуют предсказаниям теории о су-
ществовании оптимального уровня децентрализации.
Данная работа вносит определенный вклад в объяснение зависимо-
сти внебюджетных инвестиций (включая инвестиции малого бизнеса)
в регионе от меры полномочий, которыми обладают органы местной
власти. Гипотеза о перевернутой U-образной зависимости инвестиций
от местной бюджетной децентрализации подтвердилась. Для группы
регионов с развитой добывающей промышленностью (ресурсообеспе-
ченных) уровни расходной и доходной местной бюджетной децентра-
лизации, при которых инвестиции были максимальными, по данным
за 2009—2016 гг. составляли 46—47 и 43—51% соответственно (для
России в целом — 35—36 и 33—34%).
По данным для России в целом инвестиции при оптимальной
децентрализации выше при доходной децентрализации, по сравнению
с ее расходным аспектом. Это согласуется с тезисом о предпочтитель-
ности доходной децентрализации.
Найденные высокие оптимумы децентрализации для ресурсообес
печенных регионов отражают значительную долю субсидий и дотаций
в их структуре. Непосредственно налоговые доходы не превышают
30 п. п. Они особенно ограничены в структуре оптимальной доход-
ной децентрализации. Высокая местная децентрализация в ресурсо
143
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
обеспеченных регионах по сравнению с Россией в целом (как фактиче-
ских, так и оптимальных уровней) объясняется спросом на локальную
дифференциацию бюджетных расходов и высокой межм униципальной
дифференциацией по бюджетной обеспеченности.
Установлено, что органы власти ресурсообеспеченных регионов
формируют сравнительно высокий уровень доходной (налоговой) де-
централизации. Этим можно объяснить превышение оптимального
уровня доходной децентрализации над расходной в основной специ-
фикации. Соответствующие стимулы могут быть обусловлены рядом
обстоятельств: меньшей зависимостью от федеральных трансфертов,
низкой региональной налоговой нагрузкой, большей восприимчивостью
параметров бюджета субъекта к внешним изменениям (эластичность
региональной бюджетной политики).
Вследствие сокращения местной бюджетной децентрализации за
2008—2018 гг. существенно вырос разрыв между оптимальными и фак-
тическими уровнями, особенно для ресурсообеспеченных регионов.
Для данных субъектов наиболее остро стоит проблема ограниченности
доходных полномочий, которая ведет к сокращению внебюджетных
инвестиций.
Список литературы / References
Дерюгин А. Н., Алексеев М. В., Мамедов А. А., Фомина Е. Г. (2017). Влияние ос-
новных характеристик межбюджетных отношений на показатели экономического
развития субъектов Российской Федерации. М.: РАНХиГС. [Deryugin A. N.,
Alexeev M. V., Mamedov A. A., Fomina E. G. (2017). Influence of the main char-
acteristics of intergovernmental relations on the indicators of economic develop-
ment in the subjects of the Russian Federation. Moscow: RANEPA. (In Russian).]
https://doi.org/10.2139/ssrn.2945347
Голованова Н. В., Домбровский Е. А. (2016). Федеральный центр и регионы: изме-
нение разграничения полномочий в 2005—2015 годах // Финансовый журнал.
№ 2. С. 41—51. [Golovanova N. V., Dombrovsky E. A. (2016). Federal center
and regions: Changing the division of powers in 2005—2015. Finansovyj Zhurnal,
No. 2, pp. 41—51 (In Russian).]
Кудрин А., Кнобель А. (2017). Бюджетная политика как источник экономического ро-
ста // Вопросы экономики. № 10. С. 5—26. [Kudrin A., Knobel A. (2017). Fiscal
policy as a source of economic growth. Voprosy Ekonomiki, No. 10, pp. 5—26.
(In Russian).] https://doi.org/10.32609/0042-8736-2017-10-5-26
Лавров А. М. (2019). Логика и перспективы бюджетных реформ в России: в пои-
сках «оптимальной децентрализации». Цикл публикаций и документов (1998—
2019 гг.). М.: Издат. дом НИУ ВШЭ. [Lavrov A. M. (2019). Logic and prospects of
the budgetary reforms in Russia: in search of the “optimal decentralisation”. A series
of publications and documents (1998—2019). Moscow: HSE Publ. (In Russian).]
Тимушев Е. Н. (2018). Доходы, гранты и фискальные стимулы: оценка и причины
эффектов децентрализации бюджетной системы РФ // Вопросы экономики.
№ 1. С. 71—90. [Timushev E. N. (2018). Revenues, grants, and fiscal incen-
tives-evaluation and the causes of decentralization effectsin the budgetary sys-
tem of Russia. Voprosy Ekonomiki, No. 1, pp. 71—90. (In Russian).] https://
doi.org/10.32609/0042-8736-2018-1-71-90
Alexeev M., Mamedov A. (2017). Factors determining intra-regional fiscal decentralization
in Russia and the US. Russian Journal of Economics, Vol. 3, No. 4, pp. 425—444.
https://doi.org/10.1016/j.ruje.2017.12.007
144
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Aslim E. G., Neyapti B. (2017). Optimal fiscal decentralization: Redistribution and
welfare implications. Economic Modelling, Vol. 61, Supplement C, pp. 224—234.
https://doi.org/10.1016/j.econmod.2016.12.008
Baskaran T., Feld L. P., Schnellenbach J. (2016). Fiscal federalism, decentralization, and
economic growth: A meta-analysis. Economic Inquiry, Vol. 54, No. 3, pp. 1445—1463.
https://doi.org/10.1111/ecin.12331
Diaz-Serrano L., Rodríguez-Pose A. (2015). Decentralization and the Welfare State: What
Do Citizens Perceive? Social Indicators Research, Vol. 120, No. 2, pp. 411—435.
https://doi.org/10.1007/s11205-014-0599-5
Dong B., Torgler B. (2013). Causes of corruption: Evidence from China. China Economic
Review, Vol. 26, No. 1, pp. 152—169. https://doi.org/10.1016/j.chieco.2012.09.005
Escaleras M., Calcagno P. T. (2018). Does Fiscal Decentralization Affect Infrastructure
Quality? An Examination of U.S. States. Contemporary Economic Policy, Vol. 36,
No. 2, pp. 410—422. https://doi.org/10.1111/coep.12258
Freinkman L., Kholodilin K. A., Thiessen U. (2011). Incentive effects of fiscal equaliza-
tion: Has Russian style improved? Eastern European Economics, Vol. 49, No. 2,
pp. 5—29. https://doi.org/10.2753/EEE0012-8775490201
Gao S. et al. (2019). Fiscal decentralization and corporate investment: Empirical evi-
dence from China. Journal of Economic Policy Reform, Vol. 22, No. 1, pp. 51—68.
https://doi.org/10.1080/17487870.2017.1310042
Gemmell N., Kneller R., Sanz I. (2013). Fiscal decentralization and economic growth:
Spending versus revenue decentralization. Economic Inquiry, Vol. 51, No. 4,
pp. 1915—1931. https://doi.org/10.1111/j.1465-7295.2012.00508.x
Jin J., Zou H. F. (2002). How does fiscal decentralization affect aggregate, national,
and subnational government size? Journal of Urban Economics, Vol. 52, No. 2,
pp. 270—293. https://doi.org/10.1016/S0094-1190(02)00004-9
Ligthart J. E., van Oudheusden P. (2017). The Fiscal Decentralisation and Economic
Growth Nexus Revisited. Fiscal Studies, Vol. 38, No. 1, pp. 141—171. https://
doi.org/10.1111/1475-5890.12099
Matheson T. (2005). Does fiscal redistribution discourage local public investment?:
Evidence from transitional Russia. Economics of Transition, Vol. 13, No. 1,
pp. 139—162. https://doi.org/10.1111/j.1468-0351.2005.00210.x
Morozumi A., Veiga F. J. (2016). Public spending and growth: The role of government
accountability. European Economic Review, Vol. 89, Supplement C, pp. 148—171.
https://doi.org/10.1016/j.euroecorev.2016.07.001
Rodríguez-Pose A., Krøijer A. (2009). Fiscal decentralization and economic growth in
Central and Eastern Europe. Growth and Change, Vol. 40, No. 3, pp. 387—417.
https://doi.org/10.1111/j.1468-2257.2009.00488.x
Sacchi A., Salotti S. (2014). The effects of fiscal decentralization on household income
inequality: Some empirical evidence. Spatial Economic Analysis, Vol. 9, No. 2,
pp. 202—222. https://doi.org/10.1080/17421772.2013.833343
Sacchi A., Salotti S. (2016). A Comprehensive Analysis of Expenditure Decentralization
and of the Composition of Local Public Spending. Regional Studies, Vol. 50, No. 1,
pp. 93—109. https://doi.org/10.1080/00343404.2014.893387
Schild C. J., Wrede M. (2015). Cultural identity, mobility and decentralization. Journal
of Comparative Economics, Vol. 43, No. 2, pp. 323—333. https://doi.org/10.1016/
j.jce.2014.05.002
Sun Z., Chang C. P., Hao Y. (2017). Fiscal decentralization and China’s provincial eco-
nomic growth: a panel data analysis for China’s tax sharing system. Quality and
Quantity, Vol. 51, No. 5, pp. 1—23. https://doi.org/10.1007/s11135-016-0386-2
Tanzi V., Zee H. H. (1997). Fiscal policy and long-run growth. International Monetary
Fund Staff Papers, Vol. 44, No. 2, pp. 179—209. https://doi.org/10.2307/3867542
Thornton J. (2007). Fiscal decentralization and economic growth reconsidered. Journal
of Urban Economics, Vol. 61, No. 1, pp. 64—70. https://doi.org/10.1016/j.jue.
2006.06.001
Wooldridge J. M. (2008). Introductory econometrics: A modern approach. 4th ed. Mason,
OH: South-Western Cengage Learning.
145
Е. Н. Тимушев / Вопросы экономики. 2020. № 4. С. 129—146
Xu Y., Warner M. E. (2015). Does devolution crowd out development? A spatial analysis
of US local government fiscal effort. Environment and Planning A: Economy and
Space, Vol. 48, No. 5, pp. 871—890. https://doi.org/10.1177/0308518X15622448
Yushkov A. (2015). Fiscal decentralization and regional economic growth: Theory,
empirics, and the Russian experience. Russian Journal of Economics, Vol. 1, No. 4,
pp. 404—418. https://doi.org/10.1016/j.ruje.2016.02.004
Fiscal powers of municipalities in Russia’s resource-rich
regions and fixed capital investment
Evgeny N. Timushev
Author’s affiliation: Institute of Socio-Economic and Power Problems of
the North, Komi Scientific Centre of the Ural Branch of the Russian Academy of
Sciences (Syktyvkar, Russia). Email: [email protected]
The article considers the nature and limits of the impact local fiscal
decentralization exerts on private fixed capital investments in resource-rich
Russia’s regions. The relevance of this topic is due, firstly, to the fact that
sufficient expenditure and revenue powers at the local level ensure sustainable
economic development, and secondly, the lack of research on relationship
between investments and local fiscal decentralization in Russia. The study
confirms the existence of an inverted U-shaped curve in the investment-
decentralization association for the group of resource-rich regions as well as
the superiority of revenue decentralization over expenditure decentralization
in terms of its impact on economic development. For 2009—2016, investments
were the highest when local fiscal decentralization was 46—47% and 43—51% in
expenditure and revenue aspects, respectively (for Russia as a whole, 35—36%
and 33—34%). Tax revenues in those figures do not exceed 30 p.p., the rest
is occupied by earmarked grants (subsidies) and, especially, general-purpose
grants (“dotatsii”). The excess of the optimal level of revenue decentralization
over the expenditure one in resource-rich regions is explained by drivers of
relatively large local powers there — less dependence on federal transfers, low
regional tax burden, and greater elasticity of regional fiscal policy to external
factors. The overall excess of optimal levels in comparison to Russia as a whole
is explained by high local demand for both differentiation of expenditures and
intraregional intergovernmental redistribution in those regions. Reduction of
fiscal decentralization for 2008—2018 curbed private investment. The greatest
losses were incurred by lack of revenue decentralization in the resource-rich
regions, which could have reached more than 80% of the median investments.
Keywords: fiscal decentralization, inverted U-shaped relationship, local
budget, northern regions, export-oriented regions, general-purpose intergovern-
mental transfers.
JEL: E22, H77.
146
Вопросы экономики. 2020. № 4. С. 147—159.
Voprosy Ekonomiki, 2020, No. 4, pp. 147—159.
НАУЧНЫЕ СООБЩЕНИЯ
Цифровые валюты центральных банков:
потенциальные риски и выгоды*
Е. В. Синельникова-Мурылева
Российская академия народного хозяйства и государственной службы
при Президенте РФ (Москва, Россия)
В последнее время активизировалась деятельность по созданию цифров ых
валют центральных банков (ЦВЦБ), продиктованная стремлением монетарных
властей повысить эффективность платежных систем и выработать альтернативу
проектам стейблкоинов по типу Libra. В статье обсуждаются различные виды
ЦВЦБ. Особое внимание уделено потенциальным рискам и выгодам, связан-
ным с их эмиссией, а также ее последствиям для банковской сферы и денежно-
кредитной политики. Первая проблема эмиссии ЦВЦБ состоит в возможном
снижении роли традиционной банковской системы. Вторая проблема касает-
ся изменения функционирования каналов денежно-кредитной трансмиссии.
Третья проблема связана с тем, что в случае кризисной ситуации часть эконо-
мических агентов предпочтут перевести свои средства из коммерческих банков
в ЦВЦБ в центральном банке. Это может привести к нестабильности остатков
на депозитных счетах в коммерческих банках. Перечисленные проблемы тесно
взаимосвязаны, а значимость и соотношение рисков и выгод от эмиссии ЦВЦБ
не до конца очевидны. В то же время при правильном дизайне ЦВЦБ могут
стать новым эффективным инструментом в руках монетарных властей.
Ключевые слова: цифровая валюта, цифровые валюты центральных
банков, монетарная политика.
JEL: А10, B53, Е40, E42, Е44.
Введение
С момента появления первой криптовалюты биткоин в 2009 г. прошло
уже больше 10 лет. За это время криптоэкономика успела пережить фазы
становления, спекулятивного роста и некоторого снижения популярности.
Синельникова-Мурылева Елена Владимировна ([email protected]), к. э . н .,
с. н. с. Центра изучения проблем центральных банков ИПЭИ РАНХиГС.
* С татья подготовлена в рамках выполнения научно-исследовательской работы госу-
дарственного задания РАНХиГС. Автор выражает благодарность анонимному рецензенту за
полезные комментарии и предложения.
https://doi.org/10.32609/0042-8736-2020-4-147-159
© НП «Вопросы экономики», 2019
147
Е. В. Синельникова-Мурылева / Вопросы экономики. 2020. № 4. С. 147—159
Возникновение и широкое распространение криптовалют привели к тому,
что монетарные власти развитых и развивающихся стран начали обсуждать
перспективы эмиссии собственных цифровых валют, а ряд центральных
банков (ЦБ) уже запустил соответствующие проекты (central bank digital
currency, CBDC, ЦВЦБ). В литературе отсутствует общепринятое опреде-
ление ЦВЦБ. На первых этапах цифровые валюты, которые потенциально
могли быть эмитированы монетарными властями, назывались «криптовалюты
центральных банков» (central bank cryptocurrencies, CBCC, КВЦБ), что под-
черкивало их сходство с «криптовалютами» с тем отличием, что первые выпус
каются центральным эмитентом. В докладе Банка международных расчетов
(БМР) говорится, что «КВЦБ — это электронная форма денег центрального
банка, которые могут обмениваться децентрализованным образом, известным
как пиринговый [также одноранговый], когда сделки проходят напрямую
между плательщиком и получателем платежа без привлечения центрального
посредника» (Bech, Garratt, 2017). В работе: Bjerg, 2017, сделан акцент на
еще одной характеристике ЦВЦБ — ее общедоступности: такая криптовалюта
должна быть проста в получении и использовании для совершения платежей.
Впоследствии БМР (BIS, 2018a) начал использовать термин «цифровые
валюты центральных банков» вместо «криптовалюты центральных банков»,
чтобы подчеркнуть: в отличие от криптовалют, которые не являются чьим-либо
обязательством, цифровые валюты центральных банков — это обязательство
ЦБ наряду с наличными деньгами и резервами. В том же отчете БМР указывает
на отсутствие четкого определения ЦВЦБ и говорит о них как о новом виде де-
нег ЦБ, номинированных в существующей единице измерения, которые служат
в качестве средств платежа и сохранения стоимости. В соответствии с работой:
BIS, 2018b, «ЦВЦБ — это цифровая форма денег центрального банка, отлич-
ная от кассовых остатков на традиционных резервных и расчетных счетах».
По мнению экспертов МВФ, ЦВЦБ «будут представлять собой широко
принимаемую цифровую форму фиатных денег и станут законным платеж-
ным средством. Придет день, и они смогут целиком вытеснить наличность,
имеющую физическое представление. По-видимому, ЦВЦБ — естественный
этап в процессе эволюции официальной эмиссии (от металлических денег до
денег, обеспеченных драгоценными металлами, и до фиатных денег, имеющих
физическое представление)» (Mancini-Griffoli, Martinez, 2018). Отметим, что
новизна ЦВЦБ будет определяться универсальной доступностью для всех
типов экономических агентов, а не электронной формой денег, поскольку ЦБ
и раньше эмитировали цифровые деньги в форме средств на расчетных счетах
и резервов, которые были предназначены для использования коммерческими
банками и другими финансовыми организациями.
Что же заставляет монетарные власти разрабатывать собственные циф-
ровые валюты? Во-первых, это растущий интерес экономических агентов
к так называемым частным цифровым монетам (токенам, криптовалютам),
который можно объяснить специфическими характеристиками криптовалют:
псевдонимностью, отсутствием центрального регулятора и (общемировых)
законодательных норм и стандартов, круглосуточной доступностью для со-
вершения трансакций, потенциально высокой доходностью и т. д. Во-вторых,
появление новых игроков в сфере предоставления платежных услуг и по-
средничества (криптовалютные платежные системы типа Биткоин, Риппл,
Стеллар). В-третьих, повышение интереса финансового сектора к технологи-
ческим инновациям. По этой причине отказ от выпуска ЦВЦБ может привести
к постепенному замещению денег центрального банка частными токенами.
Основная угроза при этом, по мнению монетарных властей, можетбыть свя-
148
Е. В. Синельникова-Мурылева / Вопросы экономики. 2020. № 4. С. 147—159
зана с появлением стейблкоинов (в частности, проекта Libra). В-четвертых,
снижение спроса на наличные деньги в ряде стран1 может привести к сущест
венному сокращению спроса на обязательства ЦБ, что чревато снижением
эффективности их денежно-кредитной политики2.
Цифровые валюты центральных банков: виды и проекты
Анализ литературы3 позволяет выделить две формы эмиссии цифро-
вых денег ЦБ: первая основана на токенах, вторая — на счетах, доступных
физическим лицам. Кроме того, ЦВЦБ также различаются по критерию
использования. Розничные (retail), или общего назначения, ЦВЦБ могут
быть использованы широким кругом лиц, эмитироваться в форме как то-
кенов, так и средств на счетах. Оптовые (wholesale) ЦВЦБ предназначены
для использования финансовыми организациями, то есть доступ к ним ог-
раничен. Предполагается, что этот тип ЦВЦБ будет эмитироваться только
в форме цифровых токенов4. Подробнее характеристики отдельных проектов
розничных и оптовых ЦВЦБ приведены в таблицах 1 и 2. Опыт показывает,
что при проектировании собственных цифровых валют монетарные власти
сотрудничают с финтех-компаниями (например, Dash, X-road, Tangem, R3 —
Corda), обеспечивающими функционирование платежных платформ.
Общедоступная ЦВЦБ (retail) представляет собой аналог наличности
в цифровом виде. Идея открытия и ведения счетов для физических лиц
в центральных банках восходит к работе Дж. Тобина (Tobin, 1985). Сегодня
только коммерческие банки имеют доступ к счетам ЦБ, а резервы коммер-
ческих банков хранятся в форме электронных денег. Это позволяет банкам
быть более эффективными при осуществлении расчетов и предоставлении
посреднических платежных услуг.
Главное различие между деньгами, основанными на токенах и счетах, —
способ верификации контрагентов и средств платежа при совершении транс-
акции. В случае токенов обычно отсутствует необходимость верифицировать
агента, однако требуется проверить подлинность токена, поскольку он мог
быть израсходован в другой трансакции. Напротив, для денег на банков-
ских счетах важно прежде всего определить личность их владельца с целью
1 В работе: Bech, Faruqui, 2018, было показано, что в Швеции в 2007—2016 гг. спрос на
наличные деньги (в % от ВВП) существенно снизился. В: Skingsley, 2016 и Sveriges Riksbank,
2017, обсуждается идея о том, что ЦВЦБ могут стать альтернативой наличности, если агенты
станут избегать ее использования. С учетом того, что Риксбанк не платит процент по резервам
коммерческих банков, спрос на деньги ЦБ со стороны экономических агентов может значи-
тельно сократиться, если банки, другие финансовые организации, а также фирмы и население
для совершения расчетов будут использовать альтернативные средства платежа, например
криптовалюты.
2 Тем не менее, как было показано в работе: Woodford, 2000, монетарная политика может
оставаться эффективной даже в случае нулевого спроса на наличные деньги, если при этом ЦБ
может влиять на уровень процентных ставок денежного рынка, успешно контролируя целевой
ориентир своей политики — ставку процента по операциям овернайт на рынке межбанков-
ского кредитования, которая, в свою очередь, влияет на все кратко- и долгосрочные ставки
в экономике, цены и потребление.
3 В отечественной литературе вопросам изучения криптовалют и их рынков, применению
технологии блокчейн, а также эволюции денежно-кредитных систем посвящены, в частности,
работы: Гребенкина, Зубарев, 2018; Андрюшин, 2019; Синельникова-Мурылева и др., 2019;
Столбов, 2018, 2020.
4 Разработкой симуляционных проектов ЦВЦБ занимаются монетарные власти Канады,
Евросоюза, Японии, Сингапура, ЮАР.
149
Таблица 1
Е. В. Синельникова-Мурылева / Вопросы экономики. 2020. № 4. С. 147—159
150 Существующие проекты розничных ЦВЦБ
Название Страна Организация Предполагавшийся год запуска Примечания
проекта
2018—2019 — запуск пилотной версии. Рассматриваются различные варианты, в том числе прино-
Риксбанк 2021 — внедрение цифровой валюты сящие и не приносящие процентный доход.
e-krona Швеция (Банк Швеции) в случае успеха пилотной версии. Проект интересен из-за низкого спроса на наличные
Petro На текущий момент проект не запущен. деньги в стране.
Estcoin
SOV Венесуэла Правительство Подкреплен нефтью и запасами полезных ископаемых стра-
Венесуэлы 2018 ны. Инициирован в поддержку ослабляющейся националь-
e-Peso
Crypto-yuan ной валюты. В технологической основе — архитектура Dashа.
EmCash
Sand Dollar Эстония Банк Эстонии Первоначально запуск предполагался Планировался к запуску, но ЕЦБ не одобрил запуск
в 2018 г. На данный момент он отложен. Эстонией своей ЦВЦБ. Проект разрабатывается на базе
X-road платформы.
Республика Правительство 2019 — на текущий момент проект На стадии разработки. В партнерстве — разработчик
Маршалловых республики не запущен. «умных банкнот» Tangem.
островов
Уругвай Центральный банк 2017 — пилотный проект был признан Запущен в пилотной версии в 2017 г., в марте 2019 г.
Уругвая успешным и закрыт в апреле 2018 г. МВФ отметил успешность проекта. Ожидается снижение
Все цифровые банкноты были отозва- трансакционных издержек и увеличение доступности фи-
Китай Народный банк ны. нансовых услуг для различных социальных групп.
ОАЭ Китая Неизвестно Находится на стадии разработки. Банк Китая открыл
Центральный банк профильное подразделение и набирает сотрудников.
ОАЭ 2018 Оплата товаров и услуг через устройства Pundi XPOSб.
Реализуется в сотрудничестве с Кредитным бюро города
Содружество Центральный банк 2019 — на текущий момент проект Дубай и финтех-компаниями.
Багамских островов Багамских островов не запущен. Пока пилотная версия, выбран технологический парт-
нер — NZIA Limited. Цель — обеспечить доступ к финан-
совым услугам во всем государстве.
Примечание. а Dash — открытая децентрализованная платежная система в форме криптовалюты на базе блокчейна, использующая механизм моменталь-
ных и анонимных трансакций. б Pundi XPOS — стационарный терминал для приема платежей, который позволяет принимать их как с помощью традиционных
цифровых денег, так и посредством криптовалютных кошельков.
Источник: составлено автором.
The words you are searching are inside this book. To get more targeted content, please make full-text search by clicking here.
Вопросы экономики_2020_04
Discover the best professional documents and content resources in AnyFlip Document Base.
Search