ISSN (print) - 0131-7652

ISSN (online) - 2686-7605

Том 55 № 6 (2025)
ФИНАНСОВЫЙ СЕКТОР

Оценка чувствительности банковских систем России и Бразилии к макроэкономическим шокам

Требуется подписка или оплата PDF (100 RUB)
  • Б.В. Баланда
Б.В. Баланда
Национальный исследовательский университет «Высшая школа экономики»
DOI: https://doi.org/10.30680/ECO0131-7652-2025-6-222-240

Опубликован 30.11.2025

Ключевые слова

  • финансовая стабильность; банковская система; макроэкономические факторы; Россия, Бразилия; SVAR-моделирование

Как цитировать

1.
Баланда Б. Оценка чувствительности банковских систем России и Бразилии к макроэкономическим шокам. ECO [Интернет]. 30 ноябрь 2025 г. [цитируется по 30 ноябрь 2025 г.];55(6):222-40. доступно на: https://ecotrends.ru/index.php/eco/article/view/4927

Аннотация

В работе проведено сравнение влияния макроэкономических факторов на финансовую стабильность банковских систем России и Бразилии с использованием SVAR-моделирования за 2000–2020 гг. Принято считать, что экономики России и Бразилии похожи, однако исследование выявило значительные различия в их банковских системах. Бразильская оказалась менее устойчивой и гораздо более чувствительной к воздействию макроэкономической среды, нежели российская. Денежно-кредитная политика России проявила себя эффективнее в рассматриваемый период, причём Банк России выступает в качестве мегарегулятора, что контрастирует с ролью Банка Бразилии, чьё влияние на финансовую стабильность банковской системы ограничено. Наибольшее влияние на банковские системы обеих стран оказывают уровни безработицы, инфляции, объём кредитов частному сектору и реальный эффективный обменный курс.
Требуется подписка или оплата PDF (100 RUB)

Библиографические ссылки

  1. Безбородова А.В. SVAR: анализ и прогнозирование основных макроэкономических показателей // Банковский вестник. 2017. № S11. С. 3–30.
  2. Исаева Е.А., Бухтуев К.А., Нехорошева М.А. Анализ надежности коммерческих банков с использованием рейтинговой системы CAMEL // Экономика и Современный Менеджмент: Теория и Практика. 2016. № 3(57). C. 35–43.
  3. Athanasoglou, P.P., Brissimis, S.N., Delis, M.D. (2008). Bank-specific, industry-specific and macroeconomic determinants of bank profitability. Journal of International Financial Markets, Institutions and Money. Vol. 18. No. 2. Pp. 121–136. DOI: 10.1016/J.INTFIN.2006.07.001
  4. Belousova, V.Y., Kozyr, I.O. (2016). How do macroeconomic indicators influence banking profitability in Russia? Journal of the New Economic Association. Vol. 2. No. 30. Pp. 77–103. DOI: 10.31737/2221–2264–2016–30–2–4
  5. Blanchard, O.J. (2004). Fiscal Dominance and Inflation Targeting: Lessons from Brazil. SSRN Electronic Journal. DOI: 10.2139/ssrn.518265
  6. Bonin, J., Louie, D. (2015). Did foreign banks “cut and run” or stay committed to Emerging Europe during the crises? BOFIT Discussion Paper. No. 31. Available at: https://ssrn.com/abstract=2694995 (accessed 13.04.2024).
  7. Caner, S. (2004). Efficiency of the Banking Sector in the Russian Federation: An International Comparison. Higher School of Economics Economic Journal. Vol. 3. Pp. 357–375.
  8. Canova, F., Pérez Forero, F. J. (2014). Estimating Overidentified, Non-Recursive, Time Varying Coefficients Structural VARs. CEPR Discussion Paper. No. DP10022. Available at: https://ssrn.com/abstract=2501494 (accessed: 13.04.2024).
  9. Dash, M., Das, A. (2012). A CAMELS Analysis of the Indian Banking Industry. SSRN Electronic Journal. DOI: 10.2139/ssrn.1666900
  10. Datta, R.K. (2012). CAMELS Rating System Analysis of Bangladesh Bank in Accordance with BRAC Bank Limited. Available at: http://dspace.bracu.ac.bd/xmlui/handle/10361/1699 (accessed: 13.04.2024).
  11. Dietrich, A., Wanzenried, G. (2014). The determinants of commercial banking profitability in low-, middle-, and high-income countries. Quarterly Review of Economics and Finance. Vol. 54. No. 3. Pp. 337–354. DOI: 10.1016/J.QREF.2014.03.001
  12. Dietsch, M., Lozano-Vivas, A. (2000). How the environment determines banking efficiency: A comparison between French and Spanish industries. Journal of Banking and Finance. Vol. 24. No. 6. Pp. 985–1004. DOI: 10.1016/S0378–4266(99)00115–6
  13. Enders, W. (2015). Applied Econometric Time Series (4th ed.). Wiley, Hoboken, NJ.
  14. Feldmann, H. (2011). Financial system stress and unemployment in industrial countries. Journal of Economic Studies. Vol. 38. No. 5. Pp. 504–527. DOI: 10.1108/01443581111161788
  15. Fries, S., Taci, A. (2005). Cost efficiency of banks in transition: Evidence from 289 banks in 15 post-communist countries. Journal of Banking and Finance. Vol. 29. No. 1. Pp. 55–81. DOI: 10.1016/J.JBANKFIN.2004.06.016
  16. Giannini, C. (2013). Topics in Structural VAR Econometrics. Lecture Notes in Economics and Mathematical Systems. Vol. 381. Springer Berlin Heidelberg. DOI: 10.1007/978–3–662–02757–8
  17. Hausmann, R. (2008). In Search of the Chains that Hold Brazil Back. HKS Working Paper. No. RWP08–061. DOI: 10.2139/ssrn.1338262
  18. Holland, M. (2019). Fiscal crisis in Brazil: Causes and remedy. Brazilian Journal of Political Economy. Vol. 39. No. 1. Pp. 88–107. DOI: 10.1590/0101–35172019–2918
  19. Kumar, A., Kalhoro, M.R., Kumar, R., Ghumro, N.H., Dakhan, S.A., & Kumar, V. (2020). Decomposing the Effect of Domestic and Foreign Economic Policy Uncertainty Shocks on Real and Financial Sectors: Evidence from BRIC Countries. Journal of Risk and Financial Management. Vol. 13. No. 12. Pp. 315. DOI: 10.3390/jrfm13120315
  20. Lozano-Vivas, A., Pastor, J.T. (2010). Do performance and environmental conditions act as barriers for cross-border banking in Europe? Omega. Vol. 38. No. 5. Pp. 275–282. DOI: 10.1016/J.OMEGA.2009.05.002
  21. Lozano-Vivas, A., Pastor, J.T., Pastor, J.M. (2002). An Efficiency Comparison of European Banking Systems Operating under Different Environmental Conditions. Journal of Productivity Analysis. Vol. 18. No. 1. Pp. 59–77. DOI: 10.1023/A:1015704510270
  22. Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Springer. DOI: 10.1007/978–3–540–27752–1
  23. Nach, M.N., Ncwadi, R. (2024). Evaluating BRICS as an Optimum Currency Area: Insights from SVAR Modeling. Cogent Economics & Finance. Vol. 12. No. 1. Article 2399321. DOI: 10.1080/23322039.2024.2399321
  24. Nasir, M. A., Naidoo, L., Shahbaz, M., & Amoo, N. (2018). Implications of Oil Prices Shocks for the Major Emerging Economies: A Comparative Analysis of BRICS. Energy Economics. Vol. 76(C). Pp. 76–88. DOI: 10.1016/j.eneco.2018.09.023
  25. Nimalathasan, B. (2008). A Comparative Study of Financial Performance of Banking Sector in Bangladesh – An Application of CAMELS Rating System. Economic and Administrative Series. No. 2. Pp. 141–152. Available at: http://ssrn.com/abstract=2117189 (accessed: 13.04.2024).
  26. Reis, T. B., Betzelt, S., Evans, T., Hein, E., Herr, H., Mahnkopf, B., Teipen, C., Truger, A., Wissen, M. (2018). Why are policy real interest rates so high in Brazil? An analysis of the determinants of the Central Bank of Brazil’s real interest rate. International Journal of Political Economy. Vol. 47. Pp. 178–198. DOI: 10.1080/08911916.2018.1497580.
  27. Segura-Ubiergo, A. (2012). The Puzzle of Brazil’s High Interest Rates. IMF Working Papers. No. 12/62. DOI: 10.5089/9781463938390.001.A001
  28. Styrin, K. (2005). What Explains Differences in Efficiency Across Russian Banks. EERC Working Paper Series. Available at: https://www.researchgate.net/publication/254070936_The_Puzzle_of_Brazil’s_High_Interest_Rates (accessed: 13.04.2024).
  29. Swamy, V. (2014). Testing the interrelatedness of banking stability measures. Journal of Financial Economic Policy. Vol. 6. No. 1. Pp. 25–45. DOI: 10.1108/JFEP-01–2013–0002