financeФинансы: теория и практика/Finance: Theory and PracticeFinance: Theory and Practice2587-56712587-7089Financial University under The Government of Russian Federation10.26794/2587-5671-2026-30-3-130-143finance-4406Research ArticleБАНКОВСКИЙ СЕКТОРBANK SECTORЗначение обязательных нормативов Банка России как фактора отзыва лицензий у коммерческих банковCommercial Banks’ Mandatory Regulations Set by the Bank of Russia as Factors in Revoking Licenseshttps://orcid.org/0000-0003-0598-278XБекареваС. В.BekarevaS. V.

Светлана Викторовна Бекарева — кандидат экономических наук, доцент, заведующая кафедрой финансов и кредита 

Новосибирск 

Svetlana V. Bekareva — Cand. Sci. (Econ.), Assoc. Prof., Head of the Department of Finance and Credit 

Novosibirsk 

s.bekareva@g.nsu.ruhttps://orcid.org/0000-0003-3931-3373ИсуповаЕ. Н.IsupovaE. N.

Екатерина Николаевна Исупова — кандидат экономических наук, исследователь, Финтех бизнес-школа SAXO Bank 

Санья, Китай 

Ekaterina N. Isupova — Cand. Sci. (Econ.), Researcher, SAXO Bank Fintech Business School 

Sanya 

17733101325@163.comhttps://orcid.org/0009-0009-3782-5464КолесоваЕ. В.KolesovaE. V.

Елизавета Витальевна Колесова — магистрант, ассистент кафедры финансов и кредита

Новосибирск  

Elizaveta V. Kolesova — Master student, Teaching Assistant of the Department of Finance and Credit 

Novosibirsk 

e.kolesova@g.nsu.ruНовосибирский национальный исследовательский государственный университет (НГУ)РоссияNovosibirsk State University (NSU)Russian FederationУниверситет СаньяКитайSanya UniversityChina202606062026303130143Copyright © Бекарева С.В., Исупова Е.Н., Колесова Е.В., 20262026Бекарева С.В., Исупова Е.Н., Колесова Е.В.Bekareva S.V., Isupova E.N., Kolesova E.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://financetp.fa.ru/jour/article/view/4406

Все банки Российской Федерации, как с базовой, так и с универсальной лицензией, обязаны выполнять нормативы банковской деятельности, иначе они могут лишиться лицензии. Проблема, которую затрагивает исследование, связана с вопросом: возможно ли Банку России усилить контроль за факторами дефолта коммерческих банков, используя экономические методы регулирования, а именно — контроль за выполнением нормативов банковской деятельности? Цель работы — выявить факторы, влияющие на вероятность отзыва лицензий у коммерческих банков в Российской Федерации в период относительной стабильности в банковской системе (2016–2021 гг.) Особое внимание уделяется причинам отзыва лицензий и анализу факторов, связанных с соблюдением коммерческими банками основных нормативов банковской деятельности. В качестве методов использованы: анализ причин отзыва банковских лицензий, разделение 244 банков, лишившихся лицензий, на две группы: с отзывом лицензии по экономическим причинам и в связи с нарушением законодательства. Для анализа влияния значения нормативов банковской деятельности на вероятность отзыва лицензии применялась мультиномиальная логистическая регрессия. Эконометрический анализ показал, что факторы, влияющие на отзыв лицензий у российских коммерческих банков (включая те, что входят в две рассмотренные группы), значительно различаются. Не все показатели, связанные с нормативами и вероятностью отзыва лицензии, оказались значимыми в данной выборке. Снижение норматива достаточности капитала существенно увеличивает риск отзыва лицензии по экономическим причинам. Рост значения норматива максимального размера крупных кредитных рисков также повышает вероятность отзыва лицензии независимо от причины.

All the Russian commercial banks, which have any types of license, whether basic or universal, must meet the mandatory standards set by the Bank of Russia. Otherwise they may face the risk of having their license revoked. The problem raised by the study relates to the question of whether it is possible for the Bank of Russia to strengthen its control over default factors in commercial banks through economic regulatory measures, such as monitoring compliance with banking regulations. The purpose of this work is to identify factors that influence the probability of license revocation for commercial banks in Russia during a period of relative stability in the banking system between 2016 and 2021. Special attention is paid to the reasons for the revocation of licenses and the analysis of factors related to compliance by commercial banks with basic standards of banking activity. The following methods were used: analysis of the reasons for the revocation of banking licenses, division of 244 banks that lost their licenses into two groups: those with license revoked for economic reasons, and those in connection with violations of legislation. A multinomial logistic regression was used to analyze the impact of banking regulations’ value on the probability of license revocation. The econometric analysis showed that factors influencing the license revocations of Russian commercial banks, including those belonging to both groups considered, vary significantly. Not all indicators related to regulations and the probability of license revocation proved to be significant in this sample. Lowering the capital adequacy ratio significantly increases the risk of license revocation due to economic reasons. An increase in the maximum value of large credit risk also increases the likelihood of license withdrawal, regardless of reason.

коммерческий банкБанк Россииотзыв лицензиинорматив достаточности капиталанорматив ликвидностинорматив максимального размера крупных кредитных рисковcommercial banksBank of Russialicense revocationcapital adequacy ratioliquidity ratiolarge credit risk ratioСтатья подготовлена при поддержке АО «АЛЬФА-БАНК». Новосибирский национальный исследовательский государственный университет, Новосибирск, Российская Федерация.The article was supported by AO “ALFA-BANK”. Novosibirsk State University, Novosibirsk, Russian Federation.ReferencesПересецкий А.А. Модели причин отзыва лицензий российских банков. Влияние неучтенных факторов. Прикладная эконометрика. 2013;(2):49-64.Peresetsky A. Modeling reasons for Russian bank license withdrawal: Unaccounted factors. Prikladnaya ekonometrika = Applied Econometrics. 2013;(2):49-64. (In Russ.).Mare D. S. Contribution of macroeconomic factors to the prediction of small bank failures. Journal of International Financial Markets, Institutions and Money. 2015;39:25-39. DOI: 10.1016/j.intfin.2015.05.005Mare D. S. Contribution of macroeconomic factors to the prediction of small bank failures. Journal of International Financial Markets, Institutions and Money. 2015;39:25-39. DOI: 10.1016/j.intfin.2015.05.005Assaf A.G., Berger A.N., Roman R.A., Tsionas M.G. Does efficiency help banks survive and thrive during financial crises? Journal of Banking & Finance. 2019;106:445-470. DOI: 10.1016/j.jbankfin.2019.07.013Assaf A.G., Berger A.N., Roman R.A., Tsionas M.G. Does efficiency help banks survive and thrive during financial crises? Journal of Banking & Finance. 2019;106:445-470. DOI: 10.1016/j.jbankfin.2019.07.013Lagasio V., Pampurini F., Pezzola A., Quaranta A. G. Assessing bank default determinants via machine learning. Information Sciences. 2022;618:87-97. DOI: 10.1016/j.ins.2022.10.128Lagasio V., Pampurini F., Pezzola A., Quaranta A. G. Assessing bank default determinants via machine learning. Information Sciences. 2022;618:87-97. DOI: 10.1016/j.ins.2022.10.128Зубарев А.В., Шилов К.Д. Дифференциация факторов банковских дефолтов по причинам отзыва лицензий. Экономический журнал Высшей школы экономики. 2022;26(1):69-103. DOI: 10.17323/1813-8691-2022-26-1-69-103Zubarev A., Shilov K. Bank default’s factors differentiation based on license withdrawal reasons. Ekonomicheskii zhurnal Vysshei shkoly ekonomiki = HSE Economic Journal. 2022;26(1):69-103. (In Russ.). DOI: 10.17323/1813-8691-2022-26-1-69-103Lu Y., Wang Y. Bank liquidity hoarding and bank systemic risk: The moderating effect of economic policy uncertainty. Pacific-Basin Finance Journal. 2023;82:102189. DOI: 10.1016/j.pacfin.2023.102189Lu Y., Wang Y. Bank liquidity hoarding and bank systemic risk: The moderating effect of economic policy uncertainty. Pacific-Basin Finance Journal. 2023;82:102189. DOI: 10.1016/j.pacfin.2023.102189Abdesslem R. B., Chkir I., Dabbou H. Is managerial ability a moderator? The effect of credit risk and liquidity risk on the likelihood of bank default. International Review of Financial Analysis. 2022;80:102044. DOI: 10.1016/j.irfa.2022.102044Abdesslem R. B., Chkir I., Dabbou H. Is managerial ability a moderator? The effect of credit risk and liquidity risk on the likelihood of bank default. International Review of Financial Analysis. 2022;80:102044. DOI: 10.1016/j.irfa.2022.102044Carmona P., Climent F., Momparler A. Predicting failure in the U.S. banking sector: An extreme gradient boosting approach. International Review of Economics & Finance. 2019;61:304-323. DOI: 10.1016/j.iref.2018.03.008Carmona P., Climent F., Momparler A. Predicting failure in the U.S. banking sector: An extreme gradient boosting approach. International Review of Economics & Finance. 2019;61:304-323. DOI: 10.1016/j.iref.2018.03.008Eichler S., Sobański K. National politics and bank default risk in the eurozone. Journal of Financial Stability. 2016;26:247-256. DOI: 10.1016/j.jfs.2016.07.008Eichler S., Sobański K. National politics and bank default risk in the eurozone. Journal of Financial Stability. 2016;26:247-256. DOI: 10.1016/j.jfs.2016.07.008Ashraf B.N., Zheng C., Jiang C., Qian N. Capital regulation, deposit insurance and bank risk: International evidence from normal and crisis period. Research in International Business and Finance. 2020;52:101188. DOI: 10.1016/j.ribaf.2020.101188Ashraf B.N., Zheng C., Jiang C., Qian N. Capital regulation, deposit insurance and bank risk: International evidence from normal and crisis period. Research in International Business and Finance. 2020;52:101188. DOI: 10.1016/j.ribaf.2020.101188Soenen N., Vennet R. V. Determinants of European banks’ default risk. Finance Research Letters. 2022;47A:102557. DOI: 10.1016/j.frl.2021.102557Soenen N., Vennet R. V. Determinants of European banks’ default risk. Finance Research Letters. 2022;47A:102557. DOI: 10.1016/j.frl.2021.102557Ding Q., He W. Digital transformation, monetary policy and risk-taking of banks. Finance Research Letters. 2023;55B:103986. DOI: 10.1016/j.frl.2023.103986Ding Q., He W. Digital transformation, monetary policy and risk-taking of banks. Finance Research Letters. 2023;55B:103986. DOI: 10.1016/j.frl.2023.103986Soenen N., Vennet R.V. ECB monetary policy and bank default risk. Journal of International Money and Finance. 2022;122:102571. DOI: 10.1016/j.jimonfin.2021.102571Soenen N., Vennet R.V. ECB monetary policy and bank default risk. Journal of International Money and Finance. 2022;122:102571. DOI: 10.1016/j.jimonfin.2021.102571Мякинен М., Соланко Л. Определяющие факторы закрытия банков: Что важнее — уровни или изменения CAMEL-переменных? Деньги и кредит. 2018;77(2):3-21.Mäkinen M., Solanko L. Determinants of bank closures: Do levels or changes of CAMEL variables matter? Russian Journal of Money and Finance. 2018;77(2):3-21. DOI: 10.31477/rjmf.201802.03 (In Russ.: Den’gi i kredit. 2018;77(2):3-21.).Карминский А.М., Костров А.В., Мурзенков Т.Н. Моделирование вероятности дефолта российских банков с использованием эконометрических методов. Препринт WP7/2012/04. М.: Изд. дом Высшей школы экономики; 2012. 64 с. URL: https://wp.hse.ru/data/2012/10/22/1245987109/WP7_2012_04_ff.pdf (дата обращения: 15.01.2024).Karminsky A.M., Kostrov A.V., Murzenkov T.N. Approaches to evaluating the default probabilities of Russian banks with econometric methods. Preprint WP7/2012/04. Moscow: Higher School of Economics Publ.; 2012. 64 p. URL: https://wp.hse.ru/data/2012/10/22/1245987109/WP7_2012_04_ff.pdf (accessed on 15.01.2024). (In Russ.).Кириллов А. В., Халилова М. Х. Основные причины отзыва лицензий у проблемных российских банков. Финансовые рынки и банки. 2023;(3):43-46.Kirillov A. V., Khalilova M. K. The main reasons for the revocation of licenses from troubled Russian banks. Finansovye rynki i banki = Financial Markets and Banks. 2023;(3):43-46. (In Russ.).Семенова Н. Н., Иванова И. А., Василькина A. А. Оценка устойчивости развития коммерческого банка на основе метода анализа иерархий. Финансы: теория и практика. 2021;25(4):121-135. DOI: 10.26794/2587-5671-2021-25-4-121-135Semenova N. N., Ivanova I. A., Vasil’kina A. A. Sustainable development assessment of commercial banks based on the analytic hierarchy process. Finance: Theory and Practice. 2021;25(4):121-135. DOI: 10.26794/2587-5671-2021-25-4-121-135Manthoulis G., Doumpos M., Zopounidis C., Galariotis E. An ordinal classification framework for bank failure prediction: Methodology and empirical evidence for US banks. European Journal of Operational Research. 2020;282(2):786-801. DOI: 10.1016/j.ejor.2019.09.040Manthoulis G., Doumpos M., Zopounidis C., Galariotis E. An ordinal classifi cation framework for bank failure prediction: Methodology and empirical evidence for US banks. European Journal of Operational Research. 2020;282(2):786-801. DOI: 10.1016/j.ejor.2019.09.040Радионова М. В., Приступина Ю. В. Моделирование вероятности дефолта российских банков. Финансовая аналитика: проблемы и решения. 2017;10(2):226-240. DOI: 10.24891/fa.10.2.226Radionova M. V., Pristupina Yu. V. Modelling the probability of default of Russian banks. Finansovaya analitika: problemy i resheniya = Financial Analytics: Science and Experience. 2017;10(2):226-240. (In Russ.). DOI: 10.24891/fa.10.2.226Agresti A., Tarantola C. Simple ways to interpret effects in modeling original categorical data. Statistica Neerlandica. 2018;72(3):210-223. DOI: 10.1111/stan.12130Agresti A., Tarantola C. Simple ways to interpret effects in modeling original categorical data. Statistica Neerlandica. 2018;72(3):210-223. DOI: 10.1111/stan.12130Fagerland M. W., Hosmer D. W. A generalized Hosmer-Lemeshow goodness-of-fit test for multinomial logistic regression models. Stata Journal. 2012;12(3):447-453. DOI: 10.1177/1536867X1201200307Fagerland M. W., Hosmer D. W. A generalized Hosmer- Lemeshow goodness-of-fi t test for multinomial logistic regression models. Stata Journal. 2012;12(3):447-453. DOI: 10.1177/1536867X1201200307Fagerland M. W., Hosmer D. W., Bofin A. M. Multinomial goodness-of-fit tests for logistic regression models. Statistics in Medicine. 2008;27(21):4238-4253. DOI: 10.1002/sim.3202Fagerland M. W., Hosmer D. W., Bofi n A. M. Multinomial goodness-of-fi t tests for logistic regression models. Statistics in Medicine. 2008;27(21):4238-4253. DOI: 10.1002/sim.3202Cramer J. S. The standard multinomial logit model. In: Cramer J. S. Logit models from economics and other fields. Cambridge: Cambridge University Press; 2003:104-125.Cramer J. S. The standard multinomial logit model. In: Cramer J. S. Logit models from economics and other fi elds. Cambridge: Cambridge University Press; 2003:104-125.

The authors declare that there are no conflicts of interest present.