CC BY
604
УДК 336.71
СИСТЕМНО ЗНАЧИМЫЕ БАНКИ: ВЫЯВЛЕНИЕ КРИТЕРИЕВ И ОЦЕНКА РИСКОВ ДЛЯ БАНКОВСКОЙ СИСТЕМЫ
Е.О. СУЧКОВА, старший преподаватель кафедры банковского дела факультета экономики E-mail: [email protected] Н.В. ЗДОРОВА, магистрантка кафедры банковского дела факультета экономики E-mail: [email protected] Национальный исследовательский университет «Высшая школа экономики», Нижний Новгород
В статье рассматривается подход к выявлению системно значимых кредитных организаций в российском банковском секторе. С помощью эконо-метрических методов исследуется влияние показателей деятельности банков на уровень вклада в системный риск. На основании полученных оценок выделяются критерии системной важности банков, позволяющие им быть серьезным источником системных рисков.
Ключевые слова: системно значимые банки, системный риск ликвидности, критерии, банковская система
Долгое время существовавшая в банковском секторе доктрина too big to fail1 означала, что крупные банки настолько дифференцированы и устойчивы, что вероятность их банкротства чрезвычайно мала. Однако глобальный финансовый кризис ознаменовался тем, что в корне изменил значение данного термина. Крупнейшие банки превратились в источник серьезных системных рисков, которые
1 Разговорный английский термин, приписываемый экономисту Хайману Мински, обозначающий финансовые учреждения, настолько большие и имеющие такое количество экономических связей, что их банкротство будет иметь катастрофические последствия для экономики в целом.
способны привести к коллапсу всей мировой финансовой системы. Яркий пример тому — крах американского банка Lehman Brothers.
Таким образом, системно значимой признается финансовая организация, чье банкротство или нарушение деятельности могут иметь существенные негативные последствия для финансовой системы [9].
Регулирование системно значимых банков в России сейчас является актуальной задачей, поскольку во время последнего кризиса Правительству Российской Федерации потребовалось оказать существенную финансовую поддержку именно крупнейшим банкам. Из общего объема средств, выделенных государством на рекапитализацию банковского сектора, более 80%, или 725 млрд руб. из 904 млрд, транслировалось Сбербанку России (500 млрд руб.), ВТБ (200 млрд руб.), Россельхоз-банку (25 млрд руб.). Фактически на докапитализа-цию кредитных организаций и процедуры санации проблемных банков государством по разным каналам было направлено более 2% ВВП [1].
Во многих исследованиях, посвященных определению факторов, позволяющих выявить системообразующие банки, размер кредитной организации считается основным критерием системной значимости. Тем не менее существует ряд эмпирических
доказательств того, что этот принцип не всегда корректен. В работе [10] утверждается, что данное понятие более сложное, и существует несколько категорий системной значимости.
Мелкие банки также могут попасть под категорию «слишком много, чтобы обанкротиться» (too many to fail). Если большое количество малых банков имеют одинаковые модели бизнеса и, как следствие, подвержены общим факторам риска, то колебания в этих факторах риска могут вызвать сбой всей финансовой системы [3, 8]. Следует также подчеркнуть, что финансовый институт может классифицироваться как системно значимый, даже если он имеет относительно низкие риски [11, 12].
Авторы работы [5] утверждают, что необходимо различать понятия «системный размер банка» и «абсолютный размер банка», т.е. не всегда крупный банк по размеру активов является системно значимым.
Ряд исследователей указывает на необходимость оценки степени диверсификации финансовой организации. Данный аспект лежит в основе теории «слишком сложный, чтобы обанкротиться» (too complex to fail). В исследовании [12] автор приходит к выводу, что существует прямая зависимость между степенью диверсификации банка и его системной значимостью, т.е. кредитные организации с хорошо диверсифицированными портфелями тоже могут классифицироваться как системно важные.
Особый вклад в выявление и регулирование деятельности системно значимых банков был внесен Базельским комитетом по банковскому надзору. Свод правил, вступивший в силу в 2011 г., содержит четкие инструкции по определению системно значимых банков и мер воздействия на их деятельность [6]. В июле 2013 г. опубликована обновленная версия базельского документа [7]. Цель пакета реформ, включающих установление дополнительных требований к капиталу системно значимых банков, заключается в повышении способности банковского сектора противостоять потрясениям и снижать риски распространения шоков финансового сектора на реальную экономику.
В октябре 2012 г. Базельским комитетом был разработан документ, регламентирующий работу национальных органов надзора с системно значимыми банками внутри страны [2]. Основная идея документа в том, что кредитные организации, не являющиеся значимыми на международном уровне, могут оказать серьезное влияние на стабильность национальной финансовой системы.
В предложениях комитета системная значимость банков определяется на основе индикаторного подхода, т.е. взвешивания показателей пяти категорий: размер, заменимость, международная деятельность, взаимозависимость и степень сложности деятельности банка. Значения индикаторов для отдельной кредитной организации определяются путем деления показателя банка на суммарное значение индикатора по банковской системе. Интегральная оценка системной значимости рассчитывается как сумма всех взвешенных индикаторов, при этом удельные веса категорий индикаторов и отдельных показателей внутри категорий одинаковы.
Многие специалисты утверждают, что предложенная методика является недостаточно обоснованной. В частности, использование одинаковых весов для каждой категории, а также внутри каждой категории для индикаторов системной значимости не вполне корректно. Далее будет предложен подход к определению критериев системной значимости банков на основе применения эконометрического анализа. Данный метод позволяет дифференцировать веса индикаторов в системе оценки системной значимости с учетом особенностей российской банковской системы.
Выбор ключевых показателей системной значимости основан на методике выявления системообразующих банков, предложенной Базельским комитетом. В рамках данного исследования список категорий и индикаторов был несколько модифицирован и расширен. Показатели, которые использовались в качестве независимых переменных в регрессионной модели в рамках интегральных категорий регрессоров, представлены в табл. 1.
Значения индикаторов категорий «Взаимосвязанность», «Взаимозаменяемость», «Сложность с точки зрения диверсификации», «Международная деятельность», «Вклады физических лиц» для отдельного банка находились путем деления значения показателя банка на суммарное значение показателя по банковской системе России.
Для выявления факторов системной значимости была оценена регрессионная модель следующего вида:
* Расчет данного индикатора в целом соответствует методике расчета показателя ПЛ5 согласно указанию Банка России от 30.04.2008 № 2005-У «Об оценке экономического положения банков».
Таблица 1
Показатели системной значимости банков
Категория Показатель Описание
Размер (SIZE) LIABILITIES Отношение обязательств банка к ВВП
Взаимосвязанность (INTERBANK) INTERBANK Процентное отношение разницы привлеченных и размещенных межбанковских кредитов к привлеченным средствам*
Взаимозаменяемость (SUBSTITUTE) PAYMENTS Доходы банка от открытия и ведения банковских счетов, расчетного и кассового обслуживания клиентов
REPO Акции и облигации, переданные в РЕПО
LOANS Кредиты физическим лицам
LOANSCOM Кредиты юридическим лицам
Сложность (COMPLEXITY): — сложность с точки зрения диверсификации — инфраструктурная сложность — международная деятельность (CROSSJURACT) TRSEC AFSSEC UNITS CROSSJURACT Портфель ценных бумаг, оцениваемых по справедливой стоимости через прибыль или убыток Портфель ценных бумаг, имеющихся в наличии для продажи Количество филиалов и дополнительных офисов банка Разница между суммой требований банка в иностранной валюте и суммой обязательств банка в иностранной валюте
Влады физических лиц (DEPOSITS) DEPOSITS Объем вкладов физических лиц
где rc, t — определяемая переменная, характеризующая вклад индивидуального банка i в системный риск; t — период;
a, Pi, yk, Zm, фп, DEPOSITS^ — параметры, подлежащие оценке;
sit — эконометрическая ошибка, по предположению — с нулевым средним значением и постоянной дисперсией.
Для построения модели были использованы данные по 50 российским банкам за период с IV квартала 2010 г. по I квартал 2013 г. Таким образом, выборка включает 50 объектов и 10 кварталов, что составляет 500 наблюдений.
Зависимая переменная в регрессионной модели представлена показателем, характеризующим вклад банка в системный риск ликвидности. Последний означает способность системы достигнуть состояния, при котором ее элементы могут столкнуться с проблемой нахождения источников ликвидности.
Оценка вклада кредитной организации в системный риск основана на определении избытка ликвидных активов банка над обязательствами:
— банковская система: AS (t) = Х c (t) -X o (t);
— банк i:
as, (t) = c, (t) - ot (t), где AS(t) — абсолютный избыток ликвидности банковской системы в момент t;
с (1) — ликвидные активы2 банка о(1) — краткосрочные обязательства банка , (обязательства до востребования и на срок до 30 дней);
as.(t) — абсолютный избыток ликвидности банка
Вклад банка в системный риск определяется согласно ковариационному подходу, который основан на принципе распределения капитала Эйлера. Если существует функция риска, которая положительно однородна и непрерывно дифференцируема, то одна единица распределения капитала будет выражаться следующим образом:
/ (X)
гс. = ,
' дХ,
где гс — объем капитала, выделяемый на субпортфель ,, или, другими словами, вклад в риск субпортфеля ; /— функция меры риска; X. — вес субпортфеля , в общем портфеле. Если функция меры риска представлена через стандартное отклонение, то правило распределения капитала имеет следующий вид:
2 Согласно инструкции Центрального банка РФ № 139-И
от 21.12.2012 «Об обязательных нормативах банков», под ликвидными активами понимаются «финансовые активы, которые должны быть получены банком и (или) могут быть востребованы в течение ближайших 30 календарных дней и (или) в случае необходимости реализованы банком в течение ближайших 30 календарных дней в целях получения денежных средств в указанные сроки».
40 35 30 25 20 15 10 5 0 -1
Series: RC Sample: 1 50 Observations 50
Меап -Median -Махтит -Minimum -Std. Dev. -Skewness -Kurtosis -
1,133800 0,215000 26,31000 -0,220000 3,798412 6,028082 40,23489
Jarque-Bera - 3 191,225 РгоЪаЫШу - 0,000000
5 10 15 20 25
Рис. 1. Гистограмма плотности распределения банков по показателю гс
осу( X,; X)
гс, = - I- >
лМг( X)
где Х . — прибыль или убыток субпортфеля ,; Х — прибыль или убыток всего портфеля. В рамках данной модели в качестве общего портфеля рассматривается банковская система, в то время как отдельные банки выступают в качестве субпортфелей. Соответственно, вклад конкретного банка в вариацию системного избытка ликвидности может быть выражен следующим образом: = cov(asi; AS)
ГС' = Т^аТА) '
где as. — абсолютный избыток ликвидности банка ,;
AS — абсолютный избыток ликвидности банковской системы [4].
Для расчета показателя гс. были использованы данные ежемесячной отчетности 50 крупнейших коммерческих банков за июнь 2010 — апрель 2013 г., активы которых в совокупности составляют 80% активов всей российской банковской системы3.
С использованием рассмотренной методологии был получен рэнкинг банков по степени их системной значимости. Гистограмма плотности распределения банков по показателю гс представлена на рис. 1.
В целом большинство банков, составляющих выборку, демонстрирует довольно низкое значение степени влияния на распространение системного
риска ликвидности (0-1%). Интерес представляет группа учреждений, которые, по оценкам, имеют отрицательный (контрциклический) эффект на уровень системной ликвидности, т.е. объем ликвидности таких банков изменяется в противофазе с общим объемом ликвидности банковского сектора. Банки этой категории демонстрируют высокие значения показателя относительного избытка ликвидности4. Это, как правило, частные российские банки, которые не могут рассчитывать на материнскую или государственную финансовую поддержку.
Результаты выявления групп банков, наиболее значимых по степени влияния на распространение системного риска ликвидности гс,, т.е. представляющих риск для банковской системы, приведены в табл. 2.
Абсолютным лидером по степени влияния на системный риск ликвидности является Сбербанк России. Согласно полученным оценкам, вклад в совокупный риск ликвидности системно значимого участника банковского сектора составляет 26,31%. Таким образом, дефолт ведущего системообразующего банка может привести к значительным совокупным потерям для всей банковской системы.
Во второй, менее значимой группе можно выделить ВТБ, Альфа-Банк, степень системной значимости которых значительно ниже, чем у Сбербанка России. Таким образом, в рассмотренном
' На 01.04.2013.
4 Относительный избыток ликвидности определяется как отношение ликвидных активов банка к краткосрочным обязательствам.
0
Таблица 2
Топ-15 банков по степени системной значимости
Рэнкинг Банк RC (risk contribution), %
1 Сбербанк России 26,31
2 ВТБ 5,38
3 Альфа-Банк 3,65
4 Газпромбанк 2,95
5 Банк Москвы 2,92
6 Ситибанк 2,65
7 ВТБ24 2,08
8 Росбанк 1,25
9 Транскредитбанк 1,20
10 КБ «Россия» 1,20
11 Райффайзенбанк 1,03
12 ЮниКредит Банк 0,82
13 Инг Банк (Евразия) 0,55
14 Промсвязьбанк 0,50
15 Петрокоммерц 0,39
периоде крупные государственные и частные банки в большей степени оказывали влияние на состояние ликвидности в системе.
Поскольку для проведения регрессионного анализа был определен широкий перечень объясняющих
Таблица 3
Регрессионный анализ факторов системной значимости
Фактор Зависимая переменная rc
Модель 1 Модель 2
INTERBANK 0,051628*** (0,010728)
PAYMENTS -0,804438*** (0,268068)
REPO 0,189650*** (0,052550)
CROSSJURACT 0,105776*** (0,006139)
DEPOSITS 2,175721*** (0,490239)
LIABILITIES 0,311024* (0,165714)
LOANSHH 0,251465** (0,123465)
LOANSCOM 1,031915*** (0,297510)
TRSEC 0,002637 (0,125571)
AFSSEC 0,115723 (0,086673)
UNITS 1,35E-05** (6,22E-06)
Константа -0,022263** (0,010728) 0,000334 (0,001491)
Количество банков 50
Периоды времени 10 (IV квартал 2010 г. — I квартал 2013 г.)
Число наблюдений 500
Коэффициент детерминации R2 0,676754 0,399085
F-тест на значимость регрессии F-statistic = 14,48914; Prob (F-statistic) = 0,000000 F-statistic = 54,56927; Prob (F-statistic) = 0,000000
Примечания. Модель 1 — результаты оценки регрессии с фиксированными эффектами, модель 2 — результаты объединенной модели регрессии (полученные обыкновенным методом наименьших квадратов). Оценка производилась в эконо-метрическом пакете Eviews 7.
*** ** * 11 1 п / г п /
, и — значимость оценок коэффициентов соответственно на 1%-ном, 5%-ном и 10%-ном уровнях значимости. В скобках под оцененными коэффициентами приведены их стандартные ошибки.
переменных, для получения более точных оценок целесообразно рассмотреть две модели (табл. 3).
Полученные коэффициенты позволяют сделать следующие выводы.
По результатам оценки наибольшее влияние на системную важность банков оказывает показатель DEPOSITS. Оценка коэффициента характеризуется самым высоким значением (2,175721). Таким образом, значимость в аккумулировании свободных средств физических лиц сопряжена с ростом степени воздействия банка на распространение системного риска ликвидности.
Значительное влияние на системную значимость банков оказывает также показатель категории «Взаимозаменяемость» REPO, характеризующий степень вовлеченности кредитной организации в денежный рынок. Данный индикатор занимает второе место по уровню влияния на системный риск, оценка коэффициента указанного фактора в первой модели составляет 0,189650.
Как известно, рынок РЕПО обладает макро-пруденциальной значимостью: он связывает рынки корпоративных и гособлигаций, а также рынок акций и рынок межбанковского кредитования. Наконец, как показал опыт осени 2008 г., рынок РЕПО может выступать источником распространения нестабильности, выливающейся в кризис банковской ликвидности.
Также в модели находит подтверждение гипотеза о том, что чем более значим банк, тем большее значение на систему будут оказывать его действия на валютном рынке. Большая опора на валютные займы может свидетельствовать о том, что банки принимают на себя более крупный риск, тем самым увеличивая степень своей подверженности риску колебаний обменных курсов и изменения направленности потоков валютного финансирования.
Масштабное кредитование в иностранной валюте с финансированием за счет валютных займов в той же валюте может способство-
вать снижению подверженности банков риску по своей валютной
позиции. Однако если кредиты предоставляются внутренним заемщикам, которые испытывают трудности с обслуживанием этих займов при колебаниях национальной валюты, на практике банк по-прежнему будет подвергаться риску. Следует отметить, что основная доля средств, размещенных и привлеченных российскими банками в иностранной валюте, приходится на крупнейшие банки.
Динамика валютной позиции 50 крупнейших российских банков с 01.01.2011 по 01.04.2013 представлена на рис. 2. В начале 2013 г. банковский сектор имел околонулевую валютную позицию — доля внешнего долга в пассивах банков достигла локального минимума. Объем активов в иностранной валюте соответствовал объему пассивов в иностранной валюте. Это обеспечивало банкам определенную защиту от валютных рисков и нестабильности на мировых рынках капитала.
Если проводить дезагрегированный анализ на уровне балансов отдельных банков, составляющих выборку, то можно отметить наличие значимой группы кредитных организаций, обладающих отрицательной валютной позицией. В условиях повышения возможностей заимствований российскими банками средств на зарубежных рынках, обесценения национальной валюты и, соответственно, дальнейшего роста группы банков с отрицательной валютной позицией валютные риски российского банковского сектора могут расти. Соответственно, данные банки будут способствовать нарастанию системного риска.
Приведенная модель иллюстрирует положительное влияние показателя INTERBANK, харак-
Рис. 2. Валютная позиция (по балансовым операциям) по ТОП-50 банкам, млрд руб.
теризующего зависимость кредитной организации от рынка межбанковского кредитования. Таким образом, чем выше зависимость, тем более уязвимым становится банк, особенно в кризисные периоды, так как в это время теряется возможность получения кратковременной финансовой подпитки от других банков-кредиторов.
Неисполнение обанкротившимся банком обязательств перед кредитными организациями-контрагентами может спровоцировать в результате эффекта домино ухудшение финансового состояния банков, ранее не испытывавших проблем с ликвидностью, и закрытие рынка межбанковского кредитования.
Показатель LIABILITIES также оказывает значимое влияние на степень вклада банка в системный риск. Таким образом, в банковской системе РФ размер кредитной организации является важнейшим критерием при получении банком статуса системно значимого.
Подтверждение гипотезы о том, что банкротство крупной кредитной организации будет иметь негативные последствия не только по отношению к другим финансовым институтам, но и для реального сектора национальной экономики, вытекает из результатов модели.
Банки играют важнейшую экономическую роль в поддержке реального бизнеса. Соответственно, значительные объемы кредитов физическим и юридическим лицам, высокая степень концентрации кредитного портфеля и слабая диверсификация активов по направлениям размещения средств способствуют повышению системной значимости кредитной организации.
Банкротство банка, лидирующего в кредитовании предприятий и населения, сильно повлияет на состояние реального сектора экономики, который зависит от него в вопросах финансирования, что, в свою очередь, может привести к замедлению экономического роста. Оценки коэффициентов при переменных LOANSCOM и LOANSHH равны 1,047118 и 0,254598 соответственно. При этом значимость показателя LOANSCOM выше.
Интерес представляет результат оценки показателей, входящих
в категорию «Сложность». Следует отметить, что ни одна из рассмотренных переменных, отражающих сложность банка с точки зрения диверсификации (TRSEC, AFSSEC), не оказалась статистически значимой. Полученные результаты вполне объяснимы, поскольку структура активов российских банков не отличается высокой степенью диверсификации, значительной долей вложений в ценные бумаги.
Регрессионная модель иллюстрирует положительную зависимость степени системной значимости кредитных организаций от показателя UNITS, характеризующего количество структурных подразделений банка. Оценки коэффициентов в регрессионной модели позволяют сделать вывод о значимом влиянии степени инфраструктурной сложности деятельности кредитных организаций на способность наращивать системные риски. Банк, имеющий большое количество структурных подразделений, может столкнуться с проблемой регулирования и контроля и, таким образом, подвергнуться дополнительному риску потери управляемости.
Итак, на основании полученной регрессионной модели можно сделать вывод о том, что ключевыми критериями системной значимости кредитных организаций являются размер, степень взаимосвязанности и взаимозаменяемости.
Выводы. Автором рассмотрена методика выявления системно значимых кредитных организаций в банковском секторе РФ, основанная на рекомендациях Базельского комитета по банковскому надзору и учитывающая специфику российской банковской системы. По результатам исследования была выделена группа системно значимых банков, среди которых лидерами по степени воздействия на системный риск признаны Сбербанк России, ВТБ и Альфа-Банк.
Выявленные на основе эконометрического анализа факторы системной значимости отражают ключевые аспекты деятельности банков, которые потенциально несут риск дестабилизации финансовой системы и экономики в целом. Особенно существенными категориями системной важности для отечественных банков являются размер, взаимозаменяемость, взаимозависимость и доля депозитов на рынке.
Таким образом, на основании проведенного исследования можно утверждать, что одной из главных задач для регулятивных органов России является тщательная разработка подхода к оценке системной значимости банков.
Список литературы
1. Российская Федерация: оценка стабильности финансового сектора. МВФ, сентябрь 2011 г. URL: http://www.imf.org/external/russian/pubs/ft/scr/2011/ cr11291r.pdf.
2. A framework for dealing with domestic systemi-cally important banks. Basel Committee on Banking Supervision. 2012. URL : http://www.bis.org/publ.
3. Acharya V., Yorulmazer T. Too Many to Fail — An Analysis of Time-inconsistency in Bank Closure Policies // Bank of England Working Paper. 2007. № 319.
4. Andrievskaya I. Measuring systemic funding liquidity risk in the Russian banking system // BOFIT Discussion Papers. 2012. № 12.
5. Demirguc-KuntA., HuizingaH. Do we need big banks? Evidence on performance, strategy and market discipline. The World Bank Development Research Group Finance and Private Sector Development Team, 2011.
6. Global systemically important banks: assessment methodology and the additional loss absorbency requirement. Basel Committee on Banking Supervision, Rules text. 2011. URL: http://www.bis.org/publ.
7. Global systemically important banks: updated assessment methodology and the higher loss absorbency requirement. Basel Committee on Banking Supervision. 2013. URL: http://www.bis.org publ.
8. Guidance to Assess the Systemic Importance of Financial Institutions. Markets and Instruments: Initial Considerations. IMF/BIS/FSB. 2009.
9. Praet P. Macro-prudential and financial stability statistics to improve financial analysis of exposures and risk transfers. Fifth ECB Conference on Statistics on «Central Bank statistics: What did the financial crisis change». 2010.
10. Thomson J.B. On Systemically Important Financial Institutions and Progressive Systemic Mitigation. Policy discussion paper. 2009.
11. Wagner W., Nijskens R. Credit risk transfer activities and systemic risk: How banks became less risky individually but posed greater risks to the financial system at the same time // Journal of Banking and Finance. 2001. Vol. 35.
12. Zhou C. Are Banks Too Big to Fail? Measuring Systemic Importance of Financial Institutions // International Journal of Central Banking. 2010.
Finance and credit Banking
ISSN 2311-8768 (Online) ISSN 2073-4484 (Print)
SYSTEMICALLY IMPORTANT BANKS: IDENTIFYING CRITERIA AND ASSESSING RISKS TO THE BANKING SYSTEM
Ekaterina O. SUCHKOVA, Nataliya V. ZDOROVA
Abstract
The article analyzes an approach to identifying systemically important credit institutions in the Russian banking sector. The authors analyze the impact of bank performance indicators on the level of contribution to the systemic risk using econometric techniques. The analysis results identify relevant criteria of systemic importance of banks as a major source of systemic risks.
Keywords: systemically important banks, systemic liquidity risk, criteria, banking system
References
1. Rossiiskaya Federatsiya: otsenka stabil 'nosti fmansovogo sektora [The Russian Federation: an assessment of financial sector stability]. IMF, September 2011. Available at: http://www.imf.org/external/rus-sian/pubs/ft/scr/2011/cr11291r.pdf. (In Russ.)
2. A framework for dealing with domestic sys-temically important banks. Basel Committee on Banking Supervision, 2012. Available at: http://www.bis. org/publ.
3. Acharya V., Yorulmazer T. Too Many to Fail — An Analysis of Time-inconsistency in Bank Closure Policies. Bank of England Working Paper, 2007, no. 319.
4. Andrievskaya I. Measuring systemic funding liquidity risk in the Russian banking system. BOFIT Discussion Papers, 2012, no. 12.
5. Demirguc-Kunt A., Huizinga H. Do we need big banks? Evidence on performance, strategy and market discipline. The World Bank Development Research Group Finance and Private Sector Development Team, 2011.
6. Global systemically important banks: assessment methodology and the additional loss absorbency requirement. Basel Committee on Banking Supervi-
sion, Rules text. 2011. Available at: http://www.bis. org/publ.
7. Global systemically important banks: updated assessment methodology and the higher loss absorbency requirement. Basel Committee on Banking Supervision. 2013. Available at: http://www.bis.org publ.
8. Guidance to Assess the Systemic Importance of Financial Institutions. Markets and Instruments: Initial Considerations. IMF/BIS/FSB, 2009.
9. Praet P. Macro-prudential and financial stability statistics to improve financial analysis of exposures and risk transfers. Fifth ECB Conference on Statistics on "Central Bank statistics: What did the Financial Crisis Change". European Central Bank, 2010.
10. Thomson J.B. On Systemically Important Financial Institutions and Progressive Systemic Mitigation. Policy Discussion Paper, 2009.
11. Wagner W., Nijskens R. Credit risk transfer activities and systemic risk: How banks became less risky individually but posed greater risks to the financial system at the same time. Journal of Banking and Finance, 2001, vol. 35.
12. Zhou C. Are Banks Too Big to Fail? Measuring Systemic Importance of Financial Institutions. International Journal of Central Banking, 2010.
Ekaterina O. SUCHKOVA
National Research University "Higher School of Economics", Nizhny Novgorod, Russian Federation [email protected] Nataliya V. ZDOROVA
National Research University "Higher School of Economics", Nizhny Novgorod, Russian Federation [email protected]
