Сравнение технической эффективности системно значимых российских банков на основе финансовой отчетности по российским и международным стандартам

Пеникас Генрих Иозович
доцент департамента прикладной экономики,
старший научный сотрудник
международной лаборатории анализа и
выбора решений НИУ ВШЭ (г. Москва)
Управление финансовыми рисками
04 (40)2014

В статье представлено исследование, посвященное сравнению оценок технической эффективности банков на основе финансовой отчетности, осуществляемой в соответствии с российскими стандартами бухгалтерского учета (РСБУ) и международными стандартами финансовой отчетности (МСФО). Основной вывод исследования заключается в том, что данные оценки различаются не только абсолютными значениями, но и динамикой во времени, а также рангами, присваиваемыми банкам.

В статье представлено исследование, посвященное сравнению оценок технической эффективности банков на основе финансовой отчетности, осуществляемой в соответствии с российскими стандартами бухгалтерского учета (РСБУ) и международными стандартами финансовой отчетности (МСФО). Основной вывод исследования заключается в том, что данные оценки различаются не только абсолютными значениями, но и динамикой во времени, а также рангами, присваиваемыми банкам.

ВВЕДЕНИЕ

В 2003 г. Центральный банк Российской Федерации официально заявил о переходе на международные стандарты финансовой отчетности [4]. Согласно данному заявлению, одна из целей перехода на МСФО — обеспечение заинтересованных пользователей информацией, необходимой для принятия экономических решений. Иностранные инвесторы при работе с российскими банками предпочитают использовать отчетность по МСФО, а не по РСБУ. Исходя из данного наблюдения мы выдвинули гипотезу о том, что отчетность по МСФО для российских банков является более консервативной, чем по РСБУ, т.е. последняя дает завышенные оценки эффективности по сравнению с первой.

Цель настоящего исследования — проверить, будет ли статистически значимо отличаться техническая эффективность, оцененная на основе - финансовой отчетности по РСБУ, от таковой по МСФО.

В декабре 2013 г. Банк России опубликовал правила определения системно значимых банков.

Отбор основан на доле активов банковской системы России, которая приходится на такие банки: согласно правилам, она составляет 80%. Необходимо отметить, что 22 крупнейших банка из списка потенциально значимых имеют данные о своей отчетности как по МСФО, так и по РСБУ за последние десять лет. В качестве объекта нашего исследования были выбраны данные этих 22-х системно значимых банков.

В рамках исследования были выдвинуты следующие рабочие гипотезы:

  • абсолютные значения технической эффективности по МСФО и РСБУ различаются, но динамика оценок во времени по обоим стандартам одинакова;
  • существует зависимость между абсолютным значением разницы оценок технической эффективности банка по РСБУ и МСФО и размером активов банка;
  • государственные банки в среднем эффективнее, чем иностранные и частные;
  • абсолютные значения разницы между оценкой технической эффективности по РСБУ и МСФО различаются в зависимости от типа собственности банка;
  • сопоставимость оценок технической эффективности по РСБУ и МСФО к концу исследуемого периода растет.

Актуальность работы связана с осуществляющимся в России переходом на МСФО и изменениями, которые вносятся в РСБУ. Как будет видно из обзора литературы, ранее не проводились исследования, в которых бы сравнивались оценки технической эффективности по разным стандартам отчетности.

Статья имеет следующую структуру: во втором разделе приводится обзор литературы, связанной с темой нашего исследования, далее рассматриваются метод оценки технической эффективности, спецификация модели и логика исследования, после этого описываются данные, которые использовались в работе, и полученные результаты, в конце работы представлено заключение.

ОБЗОР ЛИТЕРАТУРЫ

Исследования, обзор которых будет приведен в данном разделе, можно разделить на три группы. Первая включает ранние работы, посвященные исследованию эффективности производства и применению метода оценки эффективности, используемого в данной статье. Во вторую группу входят статьи, в которых описываются последние исследования в области оценки технической эффективности фирм и финансовых предприятий. Третья группа работ состоит из исследований, основанных на сравнении двух стандартов отчетности.

Как отмечают Фрайд и др. [12], первые работы, посвященные оценке производственной функции и эффективности, принадлежат Дебри [10] и Фаррелу [11]. Фаррел предложил определять техническую эффективность через отклонение от максимальной (теоретической) производственной функции. Данный подход согласовывался с эконометрическим, подразумевающим определение технической эффективности через ошибку в регрессионной модели.

Основополагающими работами в области оценки технической эффективности с помощью метода, используемого в данном исследовании, считаются статьи Эйгнера и др. [5] и Меусена и ван ден Брука [18]. Эти авторы предложили при-менять стохастическую функцию производства, в которой сочетаются основополагающие теоретические предположения и практическая эконометрика.

Рассмотрим исследования, посвященные оценке технической эффективности фирм и банков. В статье Барроуза и соавторов [8] анализируются данные китайских коммерческих банков в период с 1998 г. по 2008 г., цель работы — проверить, существует ли корреляция между технической эффективностью банков и типом их организации, размером и временем регистрации данных (отчетным периодом). Авторы выявили отсутствие явной зависимости между типом банка и эффективностью, а также между эффективностью и размерами банка. Зависимость между временем регистрации данных и эффективностью оказалась положительной.

В статье Сервин и соавторов [21] оценивается техническая эффективность микрофинансовых институтов Латинской Америки в период с 2003 г. по 2009 г. Авторов также интересует зависимость между технической эффективностью и формой собственности данных организаций. Они пришли к следующим выводам: каждая форма собственности характеризуется своей технологией производства, которая зависит от ориентированности организации на прибыль, а также тем, что при одинаковых затратах неправительственные организации, кооперативы и кредитные союзы достигают меньшего максимального выпуска, чем банки и небанковские финансовые посредники, т.е. первые менее эффективны с технической точки зрения.

Цель статьи Зейтуна [23] — оценка технической эффективности иорданских коммерческих банков в период с 1998 г. по 2005 г. Автор пришел к выводу, что в рассматриваемый период иорданские коммерческие банки были технически неэффективны. Данный вывод согласуется с проведенными ранее исследованиями [6, 7, 20].

В работе Кумбакара и Пересецкого [16] ставится цель подтвердить или опровергнуть наличие систематических различий между банковской эффективностью России и Казахстана. Применив методику анализа стохастической границы (Stochastic Frontier Analysis, SFA) [1,14], авторы приходят к выводу, что систематических различий между эффективностью банковских сфер России и Казахстана не существует.

Хуана и др. [13] интересовали вопросы: повысилась ли эффективность банков в результате проводимой правительством стран постсоветского пространства политики дерегулирования и какие банки (государственные, частные или иностранные) являются наиболее эффективными. Период исследования охватывал 1993-2004 гг. Авторы пришли к выводу, что политика дерегулирования положительно повлияла на эффективность банков и всей финансовой системы. Наиболее эффективными оказались иностранные банки, как и ожидалось; наименее эффективными — частные, а не государственные, как предполагали авторы.

В работе Верникова [22] исследуется банковский сектор России и влияние на него политики по превращению государственных банков в «национальных чемпионов». Автор изучает вопросы концентрации, конкуренции и эффективности банков. В качестве показателей эффективности были приняты финансовые коэффициенты (рентабельность активов, капитала). Согласно выводам Верникова, в российском банковском секторе наиболее эффективны государственные банки.

Программа Финансовый анализ - ФинЭкАнализ 2024 для расчета рентабельности активов и большого количества финансово-экономических коэффициентов.

Эффективность российских банков рассматривается также в работе Мамонова [2]. Автор сравнивает операционную эффективность государственных, частных и иностранных банков, измеряя ее с помощью коэффициента отношения расходов к доходам (Cost to Income, CIR), и приходит к выводу о большей эффективности государственных банков по сравнению с частными. Однако сравнение эффективности государственных и иностранных банков не дало однозначного результата (разная методология приводила к разным выводам). Кроме того, автор отмечает, что после кризиса 2008 г. наблюдается сближение значений операционной эффективности исследуемых групп банков.

К выводу о том, что в России государственные банки являются более эффективными, чем частные, пришли также Карас и соавторы [15].

В работе Льюза [17] исследуется асимметрия информации в финансовой отчетности фирм, представляющих отчетность по МСФО, и компаний, применяющих общепринятые принципы бухгалтерского учета США (US GAAP). В работе использовались данные по фирмам, функционирующим на рынке Германии, т.е. условия среды для компаний были одинаковы. Результаты исследования показали, что для асимметрии информации в финансовой отчетности и рыночной ликвидности ценных бумаг данных компаний на торгах выбор фирмами стандартов не является значимым.

В работе Даске и др. [9] анализируются последствия обязательного перехода на МСФО в 26 странах по всему миру. Основные выводы данного исследования: в период перехода на МСФО в среднем рыночная ликвидность ценных бумаг рассмотренных фирм повысилась, стоимость капитала снизилась, а коэффициент Тобина (q) вырос.

Озкан и др. [19] исследовали, как переход на МСФО в континентальной Европе повлиял на принятие фирмами решений о суммах вознаграждений их исполнительных директоров. Авторы показали, что после перехода на МСФО компании стали уделять больше внимания информации о доходах директоров, получаемой из финансовой отчетности, и пришли к выводу о том, что фирмы считают финансовую отчетность по МСФО достоверной и переход на МСФО дает им большое преимущество в виде сопоставимости отчетности.

МЕТОДОЛОГИЯ

Под технической эффективностью производства понимается доля используемых средств, необходимая для достижения имеющегося выпуска при наименее затратной технологии производства [12]. Для оценки технической эффективности не нужен экономический контекст: это строго физический коэффициент, показывающий, насколько эффективно используются средства производства.

Кроме технической, существует также аллокативная эффективность, показывающая, насколько эффективно соотношение используемых средств производства. В результате умножения технической эффективности на аллокативную получается экономическая эффективность.

Техническая эффективность определяется отклонением от максимальной производственной функции, поэтому основным вопросом методологии ее оценки является построение такой функции.

В данной работе для построения максимальной производственной функции использовался SFA-подход, согласно которому ошибка εit состоит из двух независимых друг от друга компонент: vit — нормально распределенной случайной величины с дисперсией, равной σ2v и uit — неотрицательной компоненты технической эффективности с урезанным нормальным распределением — и вычисляется по формуле εit = vit - uit.

Авторы данного метода оценки дают следующее экономическое объяснение такой структуры ошибки. Неотрицательная компонента uit подразумевает, что выпуск фирмы находится на границе производственных возможностей или ниже нее. Любое отклонение от этой границы — результат технической неэффективности производителя. Компонента vjt — обычная ошибка, стохастический шум [5].

Метод SFA удобен тем, что позволяет оценивать техническую эффективность на основе несбалансированной панели данных. Кроме того, в модель можно включать фиктивные переменные.

Модель имеет следующий вид:

Ln(Crit) = α0 + α1Ln(Dit)+ α2Ln(Kit)+ α3Ln(OpExit) + ∑(k=2000, 2012) YkDk + εit

где Crit — объем кредитов i-го банка в момент времени t;
Dit — заемные средства i-го банка в момент времени t;
OpExit — операционные издержки i-го банка в момент времени t;
Kit — собственные средства i-го банка в момент времени t;
Dk — фиктивная переменная, равна единице в году к и нулю в другие годы;
εit — случайная ошибка, равная vit - uit;
α и Y k — оценки коэффициентов регрессии.

Значения uit полученные из уравнения (1), определят оценки технической эффективности, рассчитанные по формуле:

TE = E(e(-uit) | εit )

где Е — математическое ожидание;
е — экспонента.

Модель, оцененная на основе панели данных, использовалась для:

  • анализа оценок технической эффективности в соответствии с каждым из стандартов;
  • анализа динамики оценок по двум стандартам и разницы между ними;
  • сравнения оценок технической эффективности групп банков с разными типами собственности.

Чтобы проследить, как меняется сопоставимость оценок технической эффективности, не-корректно использовать модель производства, оцененную за весь период исследования, т.к. в этом случае несопоставимость с ранних годов переносится на весь период оценки, поэтому исследование сопоставимости проводилось на основе оценок технической эффективности, полученных с помощью модели, оцененной за каждый год начиная с 2003 г.

ОПИСАНИЕ ДАННЫХ

В основе исследования лежат данные о финансовой отчетности в соответствии с РСБУ и МСФО 22-х российских банков за период с 1998 г. по 2012 г. Данные были собраны вручную, источниками финансовой отчетности послужили сайт Центрального банка России (РСБУ) и сайты банков (МСФО).

Поскольку у банков из выборки разные периоды осуществления финансовой отчетности в соответствии с МСФО, в исследовании использовалась несбалансированная панель данных. В Приложении 1 показано наличие у банков отчетности по годам.

Количество наблюдений, для которых одновременно имеется отчетность по МСФО и РСБУ, составило 197. Число пропущенных наблюдений для данных по МСФО — 133 (ячейки, не отмеченные знаком «х» в Приложении 1), что составляет 40% от общего количества наблюдений. По РСБУ пропущено шесть наблюдений (ячейки, выделенные серым цветом), доля которых от общего количества наблюдений равна 1,8%. Причиной пропущенных наблюдений является отсутствие финансовой отчетности по МСФО или РСБУ за соответствующий год.

В работе используются следующие переменные [3]:

Cr — выданные кредиты;
Bf — заемные средства;
ОрЕх — операционные издержки;
К — капитал;
Act — активы банка.

Значения переменных представлены в масштабе 10 млрд руб. Каждая переменная имеет индекс в виде последней буквы, характеризующий ее принадлежность к стандартам отчетности: «i» — МСФО, «r» — РСБУ. Так, например, Сr_i — объем выданных кредитов в соответствии с финансовой отчетностью по МСФО.

Единственная статья бухгалтерского баланса в финансовой отчетности по РСБУ, которая присутствовала на протяжении всего периода с 1999 г. по 2012 г. и отражала выданные кредиты, — «Чистая ссудная задолженность». Именно эта статья (а точнее, порядок расчета ее значения) была положена в основу формирования данных, чтобы обеспечить соответствие баз данных по МСФО и РСБУ друг другу.

В целях максимизации количества наблюдений значения за некоторые годы были взяты из отчетности за следующий год. Например, если не было отчетности за 2005 г., то брались значения за 2006 г., т.к. в отчетности указываются значения за текущий и предыдущий годы.

Значения в долларах конвертировались в рубли: для бухгалтерского баланса — по обменному курсу на конец отчетного периода, для отчета о прибылях и убытках — по среднему значению обменного курса за отчетный период.

Программа Финансовый анализ - ФинЭкАнализ 2024 для анализа отчета о прибылях и убытках и большого количества финансово-экономических коэффициентов.

Имеющиеся 197 наблюдений были проверены на наличие выбросов. Для того чтобы определить эти выбросы аналитически, были построены линейные регрессии по переменным. За выброс принималось наблюдение, ошибка которого выходила за границы шести стандартных равны финансовым показателям эффективности по МСФО.

Методология, используемая в данном исследовании, позволяет сделать некоторые заключения уже на стадии анализа данных. Например, если в среднем кредиты по МСФО больше, чем по РСБУ, а средства производства (заемные средства, капитал и операционные издержки) по МСФО меньше, чем по РСБУ, то можно предположить, что оценки технической эффективности по МСФО будут в среднем выше, чем оценки по РСБУ, т.к. в первом случае при меньших затратах выпуск больше. Следовательно, необходимо было проверить гипотезу о равенстве средних для значений переменных модели. Проверка осуществлялась так же, как в случае финансовых показателей эффективности. Оказалось, что на любом адекватном уровне значимости средние значения переменных модели по РСБУ и МСФО равны. На основе результата проверки сложно сделать какой- либо однозначный вывод, но можно предположить, что оценки технической эффективности по двум стандартам будут одинаковы.

22 банка, вошедшие в выборку, были разделены на три группы по типу собственности (частные, государственные и иностранные) с целью определить, есть ли характеристики, свойственные банкам каждого типа. Статистика по банкам каждой группы приведена в Приложении 2.

Сравнение средних значений финансовых показателей эффективности по двум стандартам отчетности в рамках одной группы банков показало, что в среднем на любом адекватном уровне значимости финансовые показатели равны у всех групп. Такое же сравнение средних значений переменных модели привело к аналогичному выводу. Однако сравнение средних значений переменных модели в рамках одного стандарта отчетности в разных группах показало, что операционные издержки иностранных банков по МСФО и капитал по РСБУ иностранных банков в среднем больше, чем операционные издержки по МСФО и капитал по РСБУ у частных банков. Остальные переменные модели в разных группах в рамках одного стандарта отчетности равны на 10%-ном уровне значимости.

В среднем рентабельность активов по МСФО выше у иностранных банков, чем у частных. Результаты сравнения средних значений финансовых показателей эффективности и переменных модели по всей выборке и по группам не позволяют сделать какой-либо очевидный вывод. Описательная статистика для всех имеющихся наблюдений приведена в Приложении 2.

Для кредитов и заемных средств как по МСФО, так и по РСБУ характерен одинаковый тренд. То же самое справедливо и для операционных издержек и капитала. Однако не всем банкам свойственен одинаковый наклон тренда переменных. Более того, заметны изменения тренда и сдвиги во времени.

Для того чтобы проверить значимость изменения наклона тренда переменных, мы разделили выборку на три части. Фиксировались первые и последние 20% наблюдений; каждый год с 2005 г. по 2011 г. включительно в качестве разделителя выборки на две части использовались серединные 60%. На основе полученных двух частей оценивалась производственная функция и сравнивались равенство коэффициентов наклонов при средствах производства и свободного члена в уравнении регрессии (1). В табл. 2 приведены результаты проверки нулевой гипотезы равенства коэффициентов наклона при средствах производства и свободного члена до и после момента сдвига.

Таблица 2. Проверка на наличие структурных сдвигов во времени

Год перелома МСФО РСБУ
P-value (тест на нормальность)
2005 0,0001 0
2006 0 0
2007 0 0,0001
2008 0,0002 0,0004
2009 0 0,0006
2010 0 0,1814
2011 0 0,5797

Данные явно гетерогенны по времени, что говорит о необходимости учета временного эффекта в спецификации модели. Однако не совсем корректно учитывать его, включая в модель год перелома, до и после которого коэффициенты наклона будут различны, т.к. тогда оценки технической эффективности до и после перелома будут производиться относительно разных границ производственных возможностей. Необходимо включить в модель фиктивную переменную времени, что и было сделано в спецификации модели (см. уравнение (1)).

РЕЗУЛЬТАТЫ

В табл. 3 приведены оценки коэффициентов регрессии по РСБУ и МСФО. На 20%-ном уровне все коэффициенты модели значимы.

Таблица 3. Оценки коэффициентов регрессии

Переменные РСБУ МСФО
Значение P-value Значение P-value
D 0,9487 0 0,5699 0
ОрЕх -0,0257 0,175 0,1464 0
К 0,0868 0 0,2719 0
Постоянная 1,2319 0 1,3720 0
Фиктивные переменные времени 2000 -0,7281 0 -0,6947 0
2001 -0,8292 0 -0,6174 0
2002 -0,9422 0 -0,5754 0
2003 -1,0597 0 -0,6718 0
2004 -1,0858 0 -0,6282 0
2005 -1,1178 0 -0,5324 0,0010
2006 -1,1013 0 -0,4161 0,0090
2007 -1,0844 0 -0,3300 0,0370
2008 -1,1521 0 -0,2878 0,0540
2009 -1,2230 0 -0,3263 0,0150
2010 -1,2619 0 -0,2709 0,0190
2011 -1,2892 0 -0,1505 0,0750
2012 -1,2509 0
Log-likelihood (значение функции максимального логарифма правдоподобия) 135,0785 14,9801
Число наблюдений 193 193

В модели производственной функции по МСФО не включена фиктивная переменная для 2012 г., т.к. она оказалась незначимой.

Дисперсия оценок технической эффективности по МСФО со временем увеличивается, а по РСБУ — уменьшается. В табл. 4 представлены результаты анализа предположительно нормально распределенной компоненты ошибки на нормальность, гетероскедастичность и автокорреляцию. Как можно увидеть, компонента не имеет оценки модели, автокорреляция и гетероскедастичность также не наблюдаются.

Таблица 4. Анализ предположительно нормально распределенной компоненты ошибки v it на нормальность, гетероскедастичность и автокорреляцию

Тесты Нулевая гипотеза (НО) Количество наблюдений P-value
РСБУ МСФО
Тест на нормальность 1999 S* = 0; К** = 3 2
2000 4
2001 6
2002 8 0,8395 0,6639
2003 10 0,2554 0,4468
2004 12 0,2271 0,8052
2005 15 0,5568 0,0164
2006 16 0,0477 0,6104
2007 15 0,0493 0,0018
2008 20 0,1119 0,0372
2009 21 0,0297 0,113
2010 20 0,8743 0,0026
2011 22 0,3805 0,0013
2012 22 0,5328 0
За весь период 193 0 0,0007
Тест Уайта Гомоскедастичность 193 1 1
Тест Бройша — Годфри Нет автокорреляции 94 1 1

* Коэффициент асимметрии.
** Эксцесс.

Для сравнения оценок технической эффективности разных групп банков их необходимо умножить на долю, которую активы оцененного банка составляют в сумме активов банков такого же типа, и применить t-тест. Осуществив данное сравнение, мы обнаружили, что в 2010 г. государственные банки были эффективнее частных по РСБУ и МСФО, а в 2009 г. — только по РСБУ. В предыдущие и последующие годы статистически значимых различий в эффективности между частными и государственными банками не наблюдается.

Сравнение между частными и иностранными банками показало, что последние были эффективнее первых по МСФО в 2009 г. и 2010 г. на уровне значимости в 15%, а по РСБУ — с 2009 г. по 2012 г. на 10%-ном уровне значимости. Сравнение технической эффективности государственных и иностранных банков не выявило никаких статистически значимых различий.

Сравнение абсолютных значений разницы в оценках технической эффективности между группами банков в годы, когда данное сравнение возможно, показало, что в среднем у государственных и частных банков эта разница одинакова. У иностранных банков разница в оценках в 2012 г., 2011 г. и 2009 г. в среднем была больше,чем у государственных, а в 2011 г., 2010 г. и 2009 г. — чем у частных.

Корреляция между абсолютным значением разницы оценок технической эффективности по МСФО и РСБУ и размером активов банка оказалась незначимой.

При оценке технической эффективности важно не столько абсолютное значение эффективности, сколько ранг эффективности банка в выборке. Из этого следует, что нужно оценить коэффициент ранговой корреляции Спирмена между оценками технической эффективности по МСФО и РСБУ.

Ранговая корреляция оценок технической эффективности, полученных из модели, оцененной за весь период исследования, оказалась незначимой. Однако при проверке изменения сопоставимости стандартов отчетности были получены интересные результаты. Значения коэффициента ранговой корреляции оценок технической эффективности, полученных отдельно для каждого года, приведены в табл. 5.

Таблица 5. Значения ранговой корреляции Спирмена между оценками технической эффективности по МСФО и РСБУ

Год Количество наблюдений Коэффициент P-value
2003 10 0,785 0,0072
2004 12 0,4437 0,1485
2005 15 0,3724 0,1716
2006 16 0,552 0,0266
2007 15 0,1685 0,5484
2008 20 0,0602 0,8011
2009 21 0,1909 0,4071
2010 20 0,8421 0
2011 22 0,5392 0,0096
2012 22 0,4976 0,0185

Проверка гипотезы о равенстве коэффициентов регрессий, оцененных для каждого года отдельно, показала, что соответствующие друг другу коэффициенты наклона при средствах производства и свободные члены в регрессиях по МСФО и РСБУ одновременно равны для каждого отдельного года за период с 2007 г. по 2011 г. включительно.

ЗАКЛЮЧЕНИЕ

При подготовке финансовой отчетности по МСФО может использоваться метод трансформации: для ее формирования отчетность по РСБУ корректируется по международным стандартам. Вследствие этого логично было бы предположить, что оценки технической эффективности по МСФО и РСБУ, полученные из модели, оцененной на основании панели данных, будут различаться только абсолютными значениями.

Анализ оценок технической эффективности групп банков с разными типами собственности показал, что государственные и иностранные банки более эффективны, чем частные.

Нам удалось найти корреляцию между абсолютными значениями разницы оценок по МСФО и РСБУ и типом собственности банков. Иностранным банкам свойственна наибольшая разница в оценках. Корреляции между разницей в оценках технической эффективности и размером банка не наблюдается.

Анализ изменения сопоставимости показал, что к концу исследуемого периода появляется некоторая сходимость в рангах и оценках коэффициентов модели. Учитывая изменения, которые вносятся в РСБУ для обеспечения их большего соответствия МСФО, полученные результаты можно воспринимать как рост сопоставимости стандартов.

Таким образом, как показало исследование, оценки технической эффективности по МСФО и РСБУ сильно различаются, но к концу исследуемого периода становятся более сопоставимыми. Стоит отметить, что мы не ставили целью объяснить получившийся результат за счет различий между МСФО и РСБУ, т.к. это требует изучения учетных политик банков, которые недоступны.

Исследования можно продолжить в нескольких направлениях. В первую очередь необходимо выяснить, обусловлены ли различия в оценках технической эффективности по МСФО и РСБУ спецификацией модели производственной функции, или это следствие применения метода трансформации. Для этого нужно проверить результаты исследования на устойчивость к спецификации модели. Другое направление для будущих исследований связано с ответом на вопрос: какие стандарты отчетности лучше всего способствуют состоятельной оценке технической эффективности. Чтобы выяснить этот вопрос, можно сопоставить оценки технической эффективности с другими показателями эффективности. Третье направление для развития темы данной работы — проведение аналогичного исследования, посвященного экономической эффективности.

Литература

1. Малахов Д.И., Пильник Н.П. Методы оценки показателя эффективности в моделях стохастической производственной границы // Эко-номический журнал ВШЭ. — 2013. — №4. — С. 660-686.

2. Мамонов М. Госбанки vs частный банковский сектор: кто эффективнее? // Банковское дело. — 2013. — №5. — С. 22-30.

3. Отдельные показатели деятельности кредитных организаций (по группам кредитных организаций, ранжированных по величине активов) по состоянию на 1 января 2013 г. — http://www.cbr.ru/statistics/print.aspx?file=bank_system/4-1-3_010113.htm&pid=pdko_sub&sid=opdkovo.

4. Официальное сообщение Банка России от 20 июня 2003 г. «О переходе банковского сектора Российской Федерации на международные стандарты финансовой отчетности». — http://www.cbr.ru/analytics/?prtid=msfo_sub.

5. Aigner D., Lovell С., Schmidt P. (1977). «Formulation and estimation of stochastic frontier production function models». Journal of Econometrics, Vol. 6, pp. 21-37.

6. Al-Muharrami S. (2007). «The causes of productivity change in GCC banking industry». International Journal of Productivity and Performance Management, Vol. 56, pp. 731-743.

7. Al-Shammari М., Salimi A. (1998). «Modeling the operating efficiency of banks: a nonparametric methodology». Logistics Information Manage ment, Vol. 11, pp. 5-12.

8. Barros C., Chen Z., Liang Q., Peypoch N. (2011). «Technical efficiency in the Chinese banking sector». Economic Modeling, Vol. 28, No. 5, pp. 2083-2089.

9. Daske H., Hail L., Leuz C., Verdi R. (2008). «Mandatory IFRS reporting around the world: early evidence on the economic consequences». Jour nal of Accounting Research, Vol. 46, No. 5, pp. 1085-1142.

10. Debreu G. (1951). «The coefficient of resource utilization». Econometrica, Vol. 19, pp. 273-292.

11. Farrell MJ. (1957). «The measurement of productive efficiency». Journal of the Royal Statistical Society, Vol. 120, No. 3, pp. 253-290.

12. Fried H., Lovell C., Schmidt S. (2008). The Measurement of Productive Efficiency and Productivity Change. Oxford University Press, New York.

13. Huang Т., Shen C., Chen K., Tseng S. (2011). «Measuring technical and allocative efficiencies for banks in the transition countries using the fou rier flexible cost function». Journal of Productivity Analysis, Vol. 35, No. 2, pp. 143-157.

14. Ipatova I., Peresetky A. (2013). «Technical efficiency of Russian plastic and rubber production firms». Applied Econometrics, Vol. 31, No. 4, pp. 71-92.

15. Karas A., Schoors K., Weill L. (2008). «Are private banks more efficient than public banks». Economics of Transition, Vol. 18, No. 1, pp. 209-244.

16. Kumbhakar S., Peresetsky A. (2013). «Cost efficiency of Kazakhstan and Russian banks: results from competing panel data models». Macroeco nomics and Finance in Emerging Market Economies, Vol. 6, No. 1, pp. 88-113.

17. Leuz C. (2003). «IAS versus U.S. GAAP: information asymmetry-based evidence from Germany's new market». Journal of Accounting Research, Vol. 41, No. 3, pp. 445-472.

Метки
Программа Финансовый анализ - ФинЭкАнализ для анализа финансового состояния предприятия, позволяющая рассчитывать большое количество финансово-экономических коэффициентов.
Журнал Арбитражный управляющий
Скачать ФинЭкАнализ
Программа для проведения финансового анализа по данным бухгалтеской отчетности
Скачать ФинЭкАнализ
Провести Финансовый анализ Онлайн
Онлайн сервис для проведения финансового анализа по данным бухгалтеской отчетности
Попробовать ФинЭкАнализ