Файл: Страхование и его роль на финансовом рынке.pdf

Таким образом, роль кэптивных страховых компаний увеличивается, и объем бизнеса, который передается им банками, также растет. Особенно ярко политика вытеснения рыночных страховщиков проявляется со стороны страховых, аффилированных с крупными банками с государственным участием, занимающими лидирующие позиции в соответствующих сегментах рынка кредитования. При этом кэптивные компании будут оставаться «нишевыми» игроками, им будет сложно развивать полноценный рыночный бизнес без собственных сетей продаж, офисов урегулирования убытков и тому подобного, что потребует времени и дополнительных инвестиций, к чему не все банки готовы.

В таблице 9 представлено распределение мест между крупнейшими кэптивными страховыми компаниями, исходя из объемов страховых взносов, которые они получают через банковский канал. Как видно из таблицы, страховые компании, аффилированные с банком, прочно занимают верхние строчки по объемам страховых взносов по банкострахованию в последние годы. При этом все банки, связанные со страховщиками, за исключением Сургутнефтегазбанка, входят в топ-25 банков России по величине активов.^[23]

При этом очень заметен быстрый рост страховой компании, аффилированной с ПАО «Сбербанк». Появившись в 2012 году, «Сбербанк страхование жизни» молниеносно наращивала объем страховых взносов банкострахования и за два года обогнала страховщиков, находящихся на рынке многие годы. Несомненно, такой быстрый рост связан с тем, чтобы материнский банк занимает первое место в стране по объему кредитования и занимает большую долю всего банковского сектора.

Таблица 8

Рэнкинг крупнейших кэптивных страховых компаний, место

Год	2013	2014	2015	2016
ООО СК «Сбербанк страхование жизни»	41	8	1	1
ООО СК «ВТБ Страхование»	4	3	2	2
Страховая группа «Альфастрахование»	8	2	3	3
АО «ВТБ Страхование жизни»	–	–	41	8
ООО «СК «Райффайзен Лайф»	24	24	13	10
ООО СК «Сбербанк страхование»	–	–	–	11
СОСЬЕТЕ ЖЕНЕРАЛЬ СТРАХОВАНИЕ	11	12	8	12
Страховая группа «УРАЛСИБ»	15	16	15	16
ЗАО СК «РСХБ-Страхование»	19	18	18	17
Группа страховых компаний «Русский Стандарт»	7	7	16	21
ООО «БИН Страхование»	27	39	33	28
ООО «Страховое общество «Сургутнефтегаз»	22	22	31	34

---

Однако встает вопрос о целесообразности владения банками страховых компаний, поскольку риски остаются внутри финансовой группы. После кризиса 2009 года многие банки в США приняли решение о продаже кэптивных страховых компаний, поскольку они не справлялись с выплатами по частым страховым случаям и холдинг оказывался убыточным.^[24]

В связи с этим необходимо эмпирическое исследование с целью выявления эффективности банкострахования в первую очередь для банка, чему посвящены последующие параграфы работы. Под эффективностью банкострахования автором понимается положительное влияние на показатели деятельности банка, в особенности на доходы и величину кредитного риска.

Для проведения исследования сформирована выборка из 10 крупнейших групп страховых компаний, входящих в одну финансовую группу с банком (таблица 9).

Таблица 9

Список банков и аффилированных с ними страховых компаний

Банк	Кэптивные страховые компании
АО «АЛЬФА-БАНК»	ОАО «Альфастрахование», ООО «Альфастрахование – Жизнь»
ПАО «БИНБАНК»	ООО «БИН Страхование»
ПАО «Банк ВТБ»	ООО СК «ВТБ Страхование», АО «ВТБ Страхование жизни»
АО «Райффайзенбанк»	ООО «СК Райффайзей Лайф»
ПАО «РОСБАНК»	ООО «СОСЬЕТЕ ЖЕНЕРАЛЬ Страхование Жизни», ООО «СОСЬЕТЕ ЖЕНЕРАЛЬ Страхование»
АО «Россельхозбанк»	ЗАО СК «РСХБ – Страхование»
АО «Банк Русский Стандарт»	АО «Русский Стандарт Страхование», ООО «Компания Банковского Страхования»
ПАО «Сбербанк»	ООО СК «Сбербанк страхование жизни», ООО СК «Сбербанк страхование»
АО «Сургутнефтегазбанк»	ООО «Страховое общество Сургутнефтегаз»
ПАО «БАНК УРАЛСИБ»	АО «Страховая группу УралСиб», АО «УРАЛСИБ Жизнь», АО «Медицинская страховая компания УРАЛСИБ»

Первым шагом эмпирического исследования стал анализ влияния величины страховых взносов, полученных через канал банкострахования, на показатель результата банковской деятельности. Показатель результата деятельности создан автором и представляет собой среднее арифметическое между показателями, отражающими качество кредитного портфеля, величины резерва на возможные потери по ссудам, комиссионного и процентного дохода. Чем выше данный показатель, тем лучше для банка. Основой данной методологии стали работы F. Fioredelisi и L. Soon-Jae^[25][26], в которых в качестве зависимой переменной выбирался показатель, включающий в себя ряд других. Однако в перечисленных работах каждому фактору внутри присваивались различные веса, в данном исследовании вес одинаков у всех четырех показателей.

---

Result = ,

где

NPL – величина просроченной задолженности;

Loan – объем предоставленных кредитов;

Commission – величина комиссионного дохода;

Reserve – величина сформированных резервов по ссудной и приравненной к ней задолженности;

Interest – величина процентных доходов.

Основываясь на теоретических работах представителей научного сообщества, изложенных в первой главе, можно сформировать ряд гипотез:

1. Увеличение объемов банкострахования кредитного характера позволит снизить просроченную задолженность;
2. С развитием страхования в банковской сфере банки увеличивают комиссионный доход за счет комиссий от страховщиков за дистрибуцию их услуг;
3. Страхование кредитного характера позволяет банкам уменьшить резерв на возможные потери по ссудам;
4. Страхование в банковской сфере способно стимулировать рост кредитного портфеля, а значит, и генерировать больший процентный доход.

Для достижения основной цели работы была протестирована следующая модель:

Result i,j = β0 + β1*Fees i,j + ε,

где

Result – показатель результата деятельности банка;

Fees – отношение величины страховых взносов, полученных через канал банкострахования, к выданным кредитам;

i – группа компаний;

j – год.

В таблице 11 представлен результат построения панельной регрессии с использованием метода наименьших квадратов в пакете Eviews для определенной ранее выборки в период с 2009 по 2016 год (данные ежегодные). Согласно эконометрическому анализу, регрессор признан значимым в модели. Это означает, что банкострахование оказывает положительное влияние на деятельность банка, который имеет дочернюю страховую компанию. Однако можно сказать, что это влияние не является очень сильным (в силу низкого R-squared и относительно высокого значения вероятности для регрессора), что связано с низким уровнем развития банкострахования в России. Тем не менее, можно сделать вывод, что кэптивная страхования компания является эффективной для материнского банка.

Таблица 10

Результаты МНК для панельной регрессии

Dependent Variable: RESULT
Method: Panel Least Squares
Date: 01/31/17 Time: 16:21
Sample: 2009 2016
Periods included: 8
Cross-sections included: 10
Total panel (unbalanced) observations: 56
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	41.75141	1.885838	96.90722	0.0000
FEES	0.040862	0.020607	1.788671	0.0793
R-squared	0.355933	Mean dependent var		184.6621
Adjusted R-squared	0.338451	S.D. dependent var		11.86015
S.E. of regression	11.62990	Akaike info criterion		7.780097
Sum squared resid	7303.749	Schwarz criterion		7.852431
Log likelihood	-215.8427	Hannan-Quinn criter.		7.808141
F-statistic	3.199346	Durbin-Watson stat		1.694015
Prob(F-statistic)	0.000000

---

Таким образом, можно сделать вывод, что кэптивная страхования компания позволяет банку улучшить результаты своей деятельности. Однако также интерес представляет, за счет каких показателей достигается такой результат. С этой целью было оценено влияние объемов банкострахования на качество кредитного портфеля, величину резерва на возможные потери по ссудам, комиссионного и процентного дохода по отдельности.

2.3 Влияние страхования в банковской сфере на просроченную задолженность

Данный параграф посвящен анализу влияния деятельности страховой компании, аффилированной с банком, на величину просроченной задолженности в данном банке. С этой целью будет построена и протестирована модель на выборке из 10 пар банк-страховая компания (таблица 9), при этом тестирование будет проводиться как по отдельным аффилированным компаниям, так и по отрасли в целом с помощью построения панельной регрессии. Эмпирический анализ строится на методе наименьших квадратов, проведенном с помощью пакета Eviews, период наблюдения с 2009 год по 2016 год ежегодно.

Основываясь на научной литературе, изложенной в первой главе, банкострахование в теории призвано страховать кредитный риск банка, а значит можно сделать вывод, чем больше объемы банкострахования, тем ниже величина просроченной задолженности.

По большей части, основной объемов страховых взносов, полученных кэптивными страховыми компаниями, приходится на аффилированный банк. В связи с этим, целесообразно признать объем взносов, полученных через розничное банкострахование кредитного характера и банкострахование юридических лиц, регрессором модели.

Таким образом, модель имеет следующий вид:

NPLi,j = β0 + β1*CreditFeesi,j + ε,

где

NPL – доля просроченной задолженности в объеме выданных банком кредитов;

CreditFees – отношение величины страховых взносов, полученных через банкострахование кредитного характера, к предоставленным кредитам;

i – группа компаний;

j – год.

Таблица 11

Результаты МНК для панельной регрессии

Dependent Variable: NPL
Method: Panel Least Squares
Date: 01/26/17 Time: 16:38
Sample: 2009 2016
Periods included: 8
Cross-sections included: 10
Total panel (unbalanced) observations: 56
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	8.575667	1.164233	7.365936	0.0000
CREDITFEES	-0.770738	0.076504	-1.896304	0.0635
R-squared	0.364680	Mean dependent var		7.130741
Adjusted R-squared	0.346693	S.D. dependent var		6.625016
S.E. of regression	6.468494	Akaike info criterion		6.608098
Sum squared resid	2175.754	Schwarz criterion		6.681764
Log likelihood	-176.4186	Hannan-Quinn criter.		6.636508
F-statistic	3.595969	Durbin-Watson stat		1.875749
Prob(F-statistic)	0.000000

---

В таблице 11 представлен результат для панельной регрессионной модели, отражающей влияние объема страховых взносов, полученных через канал кредитного банкострахования, на долю просроченной задолженности. В целом по выборке из 10 пар банков и страховых компаний прослеживается отрицательное влияние регрессора на зависимую переменную, то есть гипотеза, описанная в научной литературе, подтвердилась для финансового рынка России. Страхование в банковской сфере позволяет снизить кредитный риск банка, поскольку в случае неспособности заемщика отвечать по обязательствам страховая компания выплачивает кредит за него. В этом случае банк не теряет средства, величина просроченной задолженности не увеличивается.

Таблица 12

Результаты МНК для отдельных финансовых групп

Банк	Коэффициент	Стандартная ошибка	t-статистика	Вероятность
АО «АЛЬФА-БАНК»	-0.637346	0.906092	-0.294461	0.0783
ПАО «БИНБАНК»	1.450701	4.410308	3.909108	0.1596
ПАО «Банк ВТБ»	-5.841009	8.174510	-0.641768	0.5447
АО «Райффайзенбанк»	-0.945711	0.415679	-1.449893	0.0430
ПАО «РОСБАНК»	-0.650820	1.003456	-1.733238	0.0252
АО «Россельхозбанк»	-0.714549	1.001982	1.129449	0.0760
АО «Банк Русский Стандарт»	-0.940797	0.926474	-2.019126	0.0136
ПАО «Сбербанк»	2.761028	4.174010	0.507310	0.6623
АО «Сургутнефтегазбанк»	-0.845646	0.049408	3.352779	0.0203
ПАО «БАНК УРАЛСИБ»	-0.753831	0.073468	-0.632175	0.0616

Для трех банков объем страховых взносов аффилированной страховой компании признан незначимым фактором, не оказывающим влияния на размер просроченной задолженности. Два банка, ПАО «Банк ВТБ» и ПАО «Сбербанк», являются крупнейшими государственными банками Российской Федерации, они имеют более совершенные системы оценки кредитоспособности заемщиков и способны более эффективно управлять просроченной задолженностью, для них банкострахование имеет гораздо меньшее значение по части снижения просрочки. В то же время они имеют наибольший объем выданных кредитов, а отношение объемов банкострахования к объему кредитного портфеля у этих банков наименьшее. Из-за масштаба данных банков канал банкострахования не является значимым относительно величины просроченной задолженности.

---