Файл: Страхование и его государственное регулирование (Понятие страхования на финансовых рынках).pdf

ВУЗ: Не указан

Категория: Курсовая работа

Дисциплина: Не указана

Добавлен: 04.04.2023

Просмотров: 82

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Таким образом, можно отметить, что банкострахование в России постепенно развивается, его доля в общем объеме страхования составляет более 25%. Однако уровень развития страхования в банковской системе в нашей стране еще достаточно низок в отличие от зарубежных стран. Отечественные участники рынка не используют в полной мере те возможности, которые предоставляет банкострахование. Следующий параграф будет посвящен анализу модели банкострахования в России и структуре этого рынка.

2.2 Аффилированные с банком страховые компании России

Как было изучено в прошлой главе, с 2017 года модель финансового холдинга является доминирующей на рынке банкострахования России, доля взносов, приходящихся на кэптивные страховые компании, постоянно растет. При этом можно отметить, что темпы прироста взносов кэптивных страховщиков, полученных через канал банкострахования, гораздо выше, чем у рыночных страховых (например, 70% и 13% соответственно в 2015году). В связи с этим необходимо провести анализ деятельности страховых компаний, аффилированных с банком, и оценить ее влияние на сам банк.

В России кэптивные страховые компании занимаются в основном розничным банкострахованием, а в особенности страхованием жизни и здоровья заемщиков, страхованием заемщика от потери работы. Данную тенденцию можно объяснить тем, что эти виды страхования являются наименее убыточными, что позволяет финансовой группе генерировать высокую прибыль.

С другой стороны, аффилированные с банком страховые компании гораздо менее активны в тех видах страхования, в которых маржинальность ниже, а именно автостраховании и имущественном страховании.[22]Это можно объяснить тем, что для получения прибыли в этом сегменте нужно не только обучить сотрудников банка продавать готовые решения, но и иметь разветвленную сеть офисов урегулирования убытков, обучить или найти на рынке специалистов по урегулированию, заключить договоры на обслуживание с партнерами, которые являются неотъемлемой частью сервисной составляющей по урегулированию убытков. Все это требует затрат, времени, опыта и связано с высокими организационными рисками.

Что касается меньшей доли рынка банкострахования, связанной со страхованием рисков юридических лиц и страхованием рисков банков, она остается преимущественно универсальным страховщикам. При грамотной организации риск-менеджмента в банках собственные риски и сложные крупные риски юридических лиц не должны передаваться в аффилированные страховые компании, чтобы не происходило кумуляции рисков внутри группы. Однако эта часть рынка банкострахования не является такой привлекательной, как розничная.


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 2014 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

2015

2016

2017

2018

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 «РайффайзенЛайф»

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 2011 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 РайффайзейЛайф»

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:

Resulti,j = β0 + β1*Feesi,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 2011 по 2018 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

DependentVariable: RESULT

Method: PanelLeastSquares

Date: 01/31/17 Time: 16:21

Sample: 20112018

Periodsincluded: 8

Cross-sectionsincluded: 10

Totalpanel (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

    Meandependentvar

184.6621

Adjusted R-squared

0.338451

    S.D. dependentvar

11.86015

S.E. ofregression

11.62990

    Akaikeinfocriterion

7.780097

Sumsquaredresid

7303.749

    Schwarzcriterion

7.852431

Loglikelihood

-215.8427

    Hannan-Quinncriter.

7.808141

F-statistic

3.199346

    Durbin-Watsonstat

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 2011 год по 2018 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 розничноебанкострахование 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

DependentVariable: NPL

Method: PanelLeastSquares

Date: 01/26/17 Time: 16:38

Sample: 20112018

Periodsincluded: 8

Cross-sectionsincluded: 10

Totalpanel (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

    Meandependentvar

7.130741

Adjusted R-squared

0.346693

    S.D. dependentvar

6.625016

S.E. ofregression

6.468494

    Akaikeinfocriterion

6.608098

Sumsquaredresid

2175.754

    Schwarzcriterion

6.681764

Loglikelihood

-176.4186

    Hannan-Quinncriter.

6.636508

F-statistic

3.595969

    Durbin-Watsonstat

1.875749

Prob(F-statistic)

0.000000