Professional Documents
Culture Documents
Удирдагч: Ө. Гэрэлт - Од
Улаанбаатар хот
2009 он
1
АГУУЛГА
Банкны зээлийн эрсдлийг ”CPV” загвараар үнэлэх болон зээлийн багцын оновчтой хуваарилалт............... 1
I. УДИРТГАЛ ......................................................................................................................................................... 4
4.1.3 Чанаргүй зээлийн нийт зээлд эзлэх хувь ба тайлбарлагч үзүүлэлтүүдийн хамаарал ...................24
4.2.1 CPV загвараар үнэлсэн салбаруудад дахь макро хувьсагчидын нөлөөлөл ....................................26
2
4.3 Банкны зээлийн багцыг Марковичийн багц сонголтын онолоор хуваарилах ............................ 29
ХАВСРАЛТУУД ..................................................................................................................................................40
3
I. УДИРТГАЛ
Дэлхийн улс орнуудад ихэвчлэн санхүүгийн зах зээлийн бүрэлдэхүүн хэсэг болох
хөрөнгийн зах зээл, мөнгөний зах зээлийн аль нэг нь давамгайлж хөгжсөн байдаг. Манай улсын
хувьд хөрөнгийн захын хөгжил сул бөгөөд мөнгөний зах зээл нь хөрөнгийн зах зээлээсээ илүү
хөгжсөн. Санхүүгийн зах зээлийн дийлэнх хувийг банкны салбар дангаараа төлөөлж байгаа.
Банкны салбарын хувьд олон төрлийн эрсдэлүүд тохиолддог бөгөөд манай орны эдийн
засгийн өнөөгийн нөхцөл байдалд зээлийн эрсдэл нь хамгийн тулгамдсан асуудал болоод байна.
Тийм учраас банкны системийн зээлийн эрсдэлд макро эдийн засгийн ямар хүчин зүйлсүүд
хэрхэн нөлөөлж байгааг тодорхойлох, мөн салбаруудыг эрсдэлтэй болон эрсдэл багатайгаар нь
ангилж авч үзэх зайлшгүй шаардлагатай байгаа юм. Гадаад улс орнуудын хувьд өөрийн
орныхоо хувьд банкны зээлийн эрсдэлийг салбар тус бүрээр нь тооцохдоо Wilson (1997a,
1997b)1 -ны CreditPortfolioView (CPV) загварыг ихээхэн ашиглаж байна.
Энэхүү судалгааны ажлаараа бид Монголын банкны системийн зээлийн эрсдэлд
нөлөөлөгч хүчин зүйлсийн шинжилгээг эконометрикийн аргуудыг ашиглан хийж, олон хүчин
зүйлийн шугаман загвар боловсруулсан. Мөн эдийн засгийн голлох салбаруудын хувьд тухайн
салбарт олгосон зээлийн эрсдэлийг CreditPortfolioView (CPV) загвараар үнэлж, макро эдийн
засгийн үндсэн хувьсагчидын ирээдүйн утгыг таамаглан, түүнд харгалзах салбарын зээлийн
эрсдэлийг таамагласан. Салбаруудын зээлийн эрсдэлийг таамагласнаар банкуудын хувьд
ирээдүйд аль салбарт зээл олгож болох, аль салбарт зээл олгохоос татгалзах хэрэгтэйг
тогтоолоо.
Уг судалгааны ажил нь дараах бүтэцтэй: l бүлэгт удиртгал, ll бүлэгт судалгааны
хураангуй, lll бүлэгт банкны салбарын зээлийн эрсдэлд нөлөөлөгч хүчин зүйлс, CPV загварын
үндсэн тавилын тухай онолын хэсэг, lV бүлэг нь судалгааны хэсэг ба энэхүү хэсэгтээ
эконометрик загваруудыг боловсруулж эмпирик үнэлгээнүүдийг хийнэ. V бүлэгт судалгаанаас
гарсан ерөнхий дүгнэлт, санал зөвлөмжөө дэвшүүлж, төгсгөлийн бүлэгт ашигласан материал
болон хавсралтыг оруулж өгсөн.
1
1997а судалгааны ажилаа 1997b судалгааны ажлаараа засаж сайжруулсан.
4
II. СУДАЛГААНЫ ХУРААНГУЙ
6
Германы “Financial Sector Assessment Program” хөтөлбөрийн хүрээнд International
Monetary Fund (IMF) болон Германий төв банк зээлийнхээ эрсдэлийг загварчлахдаа макро
эконометрик загварыг ашигласан (Deutsche Bundesbank, 2003). Үүндээ зээлийн чанарт орох
өөрчлөлтийг тайлбарлахдаа бодит хүүгийн түвшин, зээлийн өсөлт, ДНБ-ний өсөлтийг
ашигласан ба энэ загвараа ашиглан нийт банкны системийнхээ стресс тест буюу симуляци
хийсэн.
Мөн FSAP хөтөлбөрийн хүрээнд IMF ба Bank of England зээлийнхээ төлөв байдалд орох
өөрчлөлтийг тайлбарлахдаа 5 тайлбарлагч хувьсагчийг ашигласан. Эдгээрт UK-ийн болон
дэлхийн GDP-ийн өсөлт, бодит хүүгийн түвшин, мөнгөний нийлүүлэлт болон зээлийн багц дахь
төвлөрлийг харуулах “Herfindahl index”-ийг хамруулсан. (Hoggart and Whitley, 2003 ба Hoggarth,
Logan and Zicchino, 2003). Загвараа ашиглан зээлийн алдагдалыг тооцсон ба UK-ийн банкуудын
өнөөгийн байдал нь зээлийн эрсдэлийг давах бүрэн боломжтой ба зээлийн эрсдэлийн өөрчлөлт
нь эдийн засгийн уналтын үетэй давхацдаг гэж дүгнэсэн.
Kalirai and Scheicher (2002) нар Австрийн банкны системийн зээлийн алдагдлын байдлыг
1990-2001 оны өгөгдөл ашиглан 9 макро хувьсагчаар тайлбарласан. Тэдний судалгаагаар банкны
капиталын өнөөгийн түвшинтэй харьцуулахад үр дүн нь маш доогуур гарсан.
Boss (2002) Австрийн 1965-2001 оны банкны зээл дэхь эрсдлийн түвшинг CPV загвараар
8 ялгаатай макро хувьсагч ашиглан тайлбарласан. Эндээсээ Австрийн банкны системийн
эрсдэлийг даах багтаамж нь шаардалагатай түвшингээс өндөр байна гэж дүгнэсэн.
Virolainen (2004) Финляндын 1986-2003 оны хоорондох корпорацийн секторын
дампуурлыг CPV загвар ашиглан судалсан ба зээлийн эрсдэл /corporate sector default rates/ нь
ДНБ, хүүгийн түвшин, корпорацийн зээлийн түвшин зэрэг макро хувьсагчидтай хамааралтай
гэж баталсан. Загвараа өнөөгийн макро эдийн засгийн нөхцөлд зээлийн эрсдлийн нөхцөлийн
шинжилгээ хийхдээ ашигласан. Цаашлавал энэ ажилдаа макро стресс тест хийх буюу макро
эдийн засгийн муу тохиолдолуудын банкны зээлийн эрсдэлд үзүүлэх нөлөөг шинжилсэн. Үр
дүнд нь Финляндын одоогийн нөхцөл байдалд зээлийн эрсдэл сайн хязгаарлагдсан байна гэж
гарсан.
C. Coşkun Kьзьkцzmen ба Ayhan Yьksel (2006) нар Туркын банкны салбарын зээлийн
эрсдлийг 8 макро хувьсагчаар тайлбарласан байдаг.
Монгол банкны мөнгөний бодлогын хэлтсийн эдийн засагч Н. Ургамалсувд (2006)
“Банкны системийн зээлийн эрсдэлийн өөрчлөлт түүнд нөлөөлж буй хүчин зүйлс” хэмээх
судалгааг нийт банкны салбарын зээлийн эрсдэл болон макро хүчин зүйлсийн шинжилгээг
1997:1 - 2006:7 хоорондох мэдээллийг ашиглан хийжээ. Үүнээс урьд өмнө энэ чиглэлийн
судалгаа манай оронд хийгдээгүй ба нийтэд хэвлэгдэн гарсан зүйл байхгүй байна гэж тэрээр
дурьдсан байна. Тэрээр банкны салбарын зээлийн эрсдлийг аж үйлдвэрийн бүтээгдэхүүн 8-н
сарын хожимдолтойгоор бууруулдаг. Банкуудын зээлийн зарласан дундаж хүүгийн түвшин 4-н
сарын хожимдолтойгоор эрсдлийг өсгөдөг. Төгрөгийн сарын дундаж нэрлэсэн ханш хоѐр сарын
хоцролттойгоор эрсдлийг өсгөдөг, Хэрэглээний үнийн индекс 11-н сарын дараа эрсдлийг өсгөх
нөлөө үзүүлдэг гэж харуулжээ. Харин Ажилгүйдэл 5-н сарын дараах эрсдэлтэй сөрөг
хамааралтай гэсэн үр дүнг гаргажээ. Мөн эдгээр таван макро хүчин зүйл болон өмнөх сарын
эрсдлийн түвшин нөлөөтэй гэж харуулсан байна.
7
Frontier брокер диллерийн компаны эдийн засагч Ё.Рэнцэндорж (2007) 2002:01 - 2006-12
хоорондох тоон мэдээлэл дээр үндсэслэн банкны салбарын зээлийн эрсдэлд нөлөөлөгч хүчин
зүйлийн шинжилгээг хийсэн байдаг. Тэрээр банкны салбарын зээлийн эрсдэлд дараах хүчин
зүйл нөлөөлж байгаа гэж үзсэн. Үүнд: Ам.долларын ханшийн өсөлт нь хоѐр сарын дараа зээлийн
эрсдлийг өсгөдөг, ХҮИ өсөх нь дөрвөн сарын дараах зээлийн эрсдлийг өсгөх нөлөө үзүүлдэг бол
аж үйлдвэрийн бүтээгдэхүүн өсөх нь зээлийн эрсдлийг найман сарын дараа бууруулдаг гэсэн
дүгнэлтэнд хүрсэн ба эрсдэл болон зээлийн багцын төвлөрлийн хооронд парабол хэлбэрийн
хамаарал байгаа бөгөөд багцын эрсдэл хамгийн бага байх төвлөрлийн индекс нь 0,59 байна.
Судалгаанд ашигласан тоон өгөгдөл, түүний эх сурвалж: Банкны системийн зээлийн
эрсдлийг тооцохын тулд нийт зээлийн үлдэгдэл болон чанаргүй зээлийн үлдэгдлийн 2000:2-
2008:12 хоорондох мэдээллийг ашигласан. Ингэж сонгох болсон шалтгаан нь 2000 оны 2-р
сараас татан буугдсан банкуудын балансын үзүүлэлтийг зээлийн тайлангаас хассан явдал юм.
Эрсдэлийг чанаргүй зээлийн нийт зээлд эзлэх хувиар тооцсон (non-performing loan / total loan).
Монгол банкны сарын статистик мэдээллийн ангилалын дагуу чанаргүй зээл (Nonperforming
Loans)-д хэвийн бус, эргэлзээтэй болон муу зээлүүдийн дүнг нэгтгэн авсан.
Зээлийн эрсдэлд нөлөөлж болох 9 макро хувьсагчийг сонгон авсан. Эдгээр хувьсагчдад
ам.долларын төгрөгтэй харьцах ханш (USD), юанийн төгрөгтэй харьцах ханш (CHY), жигнэсэн
дундаж хүүгийн түвшин (IR), ажилгүйдлийн түвшин (UNEM), ХҮИ (CPI), банкны системийн
дотоодын нийт зээл (CRD), аж үйлдвэрийн бүтээгдэхүүн (IP), экспорт (EXPORT), мөнгөний
нийлүүлэлт (M2) гэсэн хувьсагчдыг авсан. Дотоодын нийт бүтээгдэхүүнийг манай улсад сараар
тооцоолдоггүй учраас түүнийг төлөөлүүлж аж үйлдвэрийн бүтээгдэхүүнийг авсан. Банкны
системийн дотоодын нийт зээл, аж үйлдвэрийн бүтээгдэхүүн (2000 оны үнээр), мөнгөний
нийлүүлэлт гэсэн үзүүлэлтүүд сая төгрөгөөр, ажилгүйдлийн төвшний оронд бүртгүүлсэн
ажилгүйчүүдийн тоог авсан (мянган хүн), хүүгийн түвшин хувиар илэрхийлэгдсэн ба
хэрэглээний барааны үнийн индекс нь 2005 оын 12 сарыг 100 хувь хэмээн үзэж харьцуулсан
үзүүлэлт юм.
Эдгээр тоон мэдээллийг Монгол банкны сарын статистик мэдээлэл, улирлын зээлийн
нэгдсэн тайлан болон Үндэсгийн статистикийн газраас эрхлэн гаргадаг сарын бюллетенээс
авсан.
8
III. ОНОЛЫН ХЭСЭГ
Онолын хувьд зээлдэгчийн сонголт, зээл авагчын эрсдэлтэй үйл ажиллагааны эрсдэл нь
мэдээллийн тэгш бус байдлын үр дагавар гэж үздэг. Өөрөөр хэлбэл зээл авагч зээл авахаар
танилцуулж байгаа материал нь тухайн зээлдэгчийн чин санааг илтгэх боломжгүй учраас
хэлэлцээрт оролцогч хоѐр талын хооронд тэгш бус мэдээллээс болж зах зээлийн гажуудлын
нэгэн хэлбэр үүсдэг гэсэн үг юм. Зээлдэгч хэт өндөр ч бай хамаагүй хүүгээр зээл аваад төлөх
сонихолгүй болохыг зээлдэгчийн сонголтын эрсдэл гэдэг. Хэдийгээр үнэн зөв мэдээлэл өгч,
зээлийг зориулалтаар нь ашигласан боловч зах зээлийн бусад тооцоологдоогүй хүндрэлээс
болж, эсвэл анхнаасаа тэр нөхцөл байдал үүссэн байхад түүнийг мэдэлгүй зээл авч эрсдэлд орж
болно. Үүнийг зээлдэгчийн шийдвэртэй холбоотой эрсдэл гэнэ. Нэгэнт банк зээлдэгчийн алхам
бүрийг хянаж чадахгүй учир зээлдэгчийн санхүүгийн байдал, түүний гаргах гэж буй
шийдвэрийн талаар мэдээлэлгүй байна. Энэ төрлийн эрсдэлийг хэмжих асуудал ихээхэн
хязгаарлагдмал байдаг. Зээлдэгчийн аж ахуй эрхлэх туршлага, зээлийн хөрөнгийг ашиглан
бизнесийн амжилт гаргах эрмэлзлэл зэргийг хэмжихэд зээлийн түүхээс харан санхүүгийн гол
харьцаанууд болон бизнесийн насаар нь орлуулан тооцох боломжтой юм.
Банкны үйл ажиллагааны хүчин зүйлс: Зээлийн эрсдэлд банкны дотоод үйл ажиллагаатай
холбоотой хүчин зүйлс хүчтэй нөлөөлдөг. Банкны эрсдлийн удирдлагын талаарх онолд банкны
дотоод үйл ажиллагаатай холбоотой эрсдлийг зээлийн эрсдэлд бус үйл ажиллагааны болон
хөрөнгийн багцын эрсдлүүдэд хамааруулан судалдаг байна. Энэ хүчин зүйлсийг дотор нь олон
төрөлд хувааж болох бөгөөд ихэнх судлаачид зээлийн эдийн засагчийн ур чадвар, зээлийн
бодлого, стандартын өөрчлөлтийн болон зээлийн багцын эрсдэлүүдэд илүүтэй анхаарал
хандуулдаг. Тухайлбал зээлийн эдийн засагчийн ур чадвар дутмаг байх нь зээлдэгчийн
судалгааг буруу хийж, зээлийн чанарт нөлөөлж болно. Эдгээрийг төлөөлөх үзүүлэлтийг гаргах
маш хүнд бөгөөд банк бүрийн хувьд харилцан адилгүй байдаг.
Банкны зээлийн багцын бүтэц эрсдлийн эх үүсвэр болж болох юм. Эдийн засгийн зарим
салбар нь илүү эрсдэлтэй байдаг гэж үзвэл тухайн банк өөрийн сонгосон зах зээлийн сегментийн
хүрээнд салбарын эрсдэлтэй нь нийцсэн багцын сонголтыг хийх бодлого нь эрсдлийн
удирдлагын нэг хэлбэр болно.
Макро хүчин зүйлс: Банкуудын зээлийн эрсдэлд макро хүчин зүйлс хоѐр төрлөөр
нөлөөлж болно. Нэгдүгээрт, макро хүчин зүйлсийн өөрчлөлт зээлдэгчийн үйл ажиллагаанд
нөлөөлөх замаар зээлийн эрсдэлд нөлөөлж болно. Тухайлбал, ханшийн өөрчлөлт, үнийн өсөлт
зэрэг нь зээлдэгчийн орлогын түвшинд нөлөөлж, улмаар зээлийн эрсдэлд дам нөлөөг үзүүлдэг.
Макро хүчин зүйлс нь банкны өөрийнх нь үйл ажиллагаанд шууд нөлөөлөх, тухайлбал эдийн
засгийн өсөлтийн үед банкууд зээлийн стандартаа бууруулж, зээлийн нийлүүлэлтээ
нэмэгдүүлдэг байна. Энэ нь банкуудын зээлийн эрсдэлд мөн нөлөөлдөг байна. Гэхдээ энд эдийн
засгийн муудалт нь өөрөө банкны зээлийн бууралтын шалтгаан болсон уу? үгүй юу гэдгийг
мэдэх хэрэгтэй.
10
Макро хүчин зүйлсийг дараах бүлгүүдэд хувааж авч үзэж болно.
1. Эдийн засгийн мөчлөгийн үзүүлэлтүүд. Энд эдийн засгийн ерөнхий үзүүлэлтүүд
буюу ДНБ, Аж үйлдвэрий бүтээгдэхүүн зэрэг хүчин зүйлс багтана.
2. Үнийн тогтвортой байдлын үзүүлэлтүүд. Үнийн тогтвортой байдлыг хэмжих гол
үзүүлэлт нь Инфляци юм.
3. Өрхийн үзүүлэлтүүд. Өрхийн орлогын үзүүлэлт болон ажилгүйдэл.
4. Хувийн секторын үзүүлэлтүүд. Хувийн секторын үзүүлэлтүүд нь компаниудын
санхүүгийн байдлыг илэрхийлнэ.
5. Санхүүгийн захын үзүүлэлтүүд. Бодит болон нэрлэсэн хүү.
6. Гадаад хүчин зүйлс. Эдгээрт гадаад худалдааны тэнцэл, валютын ханшууд орно.
IR - Бодит зээлийн хүүгийн түвшин, хүүгийн түвшин өсөх нь зээл авагчдыг хүүгийн
хүндрэлд оруулах болно. Vlieghe (2001), Kalirai ба Scheicher (2002) нар Австри, Delgado and
Saurina (2004), Kimmo Virolainen (2004) Финляндад хийсэн судалгаагаар хүүгийн түвшин болон
эрсдлийн хооронд эерэг хамаарал байдаг гэж гаргасан. (+)
UR - Ажилгүйдлийн түвшин, ажилгүйдэл өсөх нь эрсдэлтэй шууд хамааралтай. Coşkun
Kьзьkцzmen ба Ayhan Yьksel (2006) нар Туркд хийсэн судалгаандаа ажилгүйдлийг авч үзсэн ба
эрсдэлтэй хүчтэй шууд хамааралтай гарсан. (+)
11
CPI - Инфляци, инфляци өсөх нь бодит хүүгийн дарамтыг бууруулдаг боловч
хэрэглэгчдийн худалдан авах чадварыг бууруулдаг. Kalirai ба Scheicher (2002), Coşkun
Kьзьkцzmen ба Ayhan Yьksel (2006) судалгаануудад мөн энэ хувьсагчийг авсан бөгөөд эрсдэлтэй
эерэг хамааралтай гэж гаргасан.
12
ба системийн хүчин зүйлсийн бүх боломжит үр дүнгүүдээс үүсдэг. Бид системийн бүрэлдэхүүн
хэсгийн утгыг тодорхойлж байхад үлдэж буй тодорхой бус хэсэг нь зөвхөн “idiosynatric
component” -ээр тайлбарлагдана. Энэ хэсэг нь тухайн пүүсийн өрсөлдөөний чадвар, санхүүгийн
найдвартай байдал, өрсөлдөгчдын байдал зэрэг микро түвшний хүчин зүйлсийн нөлөөг
багтаадаг.
Банкны системийн зээлийн эрсдэлийн судалгаануудад макро эконометрик загварын
ялгаатай олон хувилбаруудыг хэрэглэсэн байдаг. Эдгээр судалгааны ихэнх нь FSAP
хөтөлбөрийн хүрээнд хийгдсэн байдаг. Эдгээр судалгаанууд нь дотоод болон гадаад макро
хувьсагчдыг ашигласан хоѐр төрлийн загварыг ашигласан байдаг. Жишээлбэл, Tudela ба Young
(2003) нар дампуурсан пүүсүүдийн балансын мэдээлэл дээр “probit” загвар ашиглан эрсдэлийн
магадлалыг Merton-ий аргаар судалсан. Тэд Merton-ий арга бол зөвхөн пүүсийн балансийн
мэдээлэл дээр үндэслэн хийхэд тохиромжтой юм гэж дүгнэсэн. Сонирхолтой нь тэд пүүсийн
балансын хувьсагчид болон эрсдэлийг Merton-ий аргаар судлахад пүүсийн эрсдэлд ДНБ
нөлөөлдөг гэж гаргасан.
Pain and Vesala (2004) нар Merton-based Moody‟s KMV загварыг ашиглан пүүсийн
эрсдэлийг тодорхойлох динамик загварыг Европийн холбооны улсуудын пүүсүүдийн том
хэмжээний panel дээр судалсан. Гэвч тэдний судалгааны үр дүн зээлийн эрсдэлийг тайлбарлахад
хангалтгүй гарсан.
(2.1)
13
Энд нь хугацаан дахь үйлдвэрийн эрсдэлийн түвшин, нь үйлдвэрийн
онцлогийг харуулсан (industry-specific) макро эдийн засгийн индекс болно. logistic хувиргалт нь
эрсдэлийн утгыг 0,1 завсарт оруулна. Тэгшитгэл (2.1)-ээс өгөгдсөн эрсдэлийн түвшин дэхь
макро индексийн утгыг тооцвол дараах байдалтай харагдаж байна.
(2.2)
Хэрэв эрсдэл буюу -ийн утга 1-рүү маш их ойртвол нь 0-рүү тэмүүлэх буюу
-ийн утга хасах хязгааргүйрүү тэмүүлнэ. Харин эрсдлийн утга 0-рүү ойртох тусам
логарифмийн доторх утга хязгааргүйрүү тэмүүлэх буюу -ийн утга мөн хязгааргүй өсөх
болно. тэгтэй тэнцүү үед -ийн утга ½ байна.
(2.3)
(2.5)
1. Банкны систем дэхь нийт зээлийн чанарт макро эдийн засгийн хүчин зүйлүүдийн нөлөөг
судалсан барууны судлаачид нилээн хэд байдаг. Гэвч тэд тухайн нэг банкны хувьд
үнэлээгүй билээ. Эдийн засгийн уналтын үед зээлийн багц өндөр эрсдэлтэй болон муу
14
эрсдэлийн удирдлагын системтэй банкуудад хүчтэй цохилт болдог. Иймд төв банкнаас
тавьдаг хатуу хяналт, стандартуудыг (хөрөнгийн хүрэлцээ) арилжааны банкууд биелүүлэх
шаардлагатай.
2. Загварын параметрүүд эдийн засгийн тогтвортой үед илүү хазайлттай байдаг. Арван жил
тутамд нэг удаа эдийн засгийн уналт тохиолддох магадлалтай учраас үнэлгээний
өгөгдлийн 10%-ийг эдийн засгийн тогтворгүй үеийг хамруулж үнэлэх хэрэгтэй. Учир нь
энэхүү загварт эдийн засгийн уналтын үеийн зээлийн эрсдэлийн мэдрэмжийг дутуу үнэлэх
магадлалтай.
3. Загварыг шугаман хэлбэртэй гэсэн хэдий ч стресс сценарио макро эдийн засгийн
хувьсагчдын нөлөө ерөнхийдөө огцомоор нөлөөлөх болно. Зээлийн эрсдэл уналтын үед
огцом өсөх болно.
4. Эконометрик загварыг байгуулахдаа чөлөөний зэргийг 30 эсвэл түүнээс дээш авах бөгөөд
хэрвээ 5 хувьсагтай, 2 лагтай үед дор хаяж 10 жил буюу 40 улирлын өгөгдлийг ашиглана.
Ихэнхи арилжааны болон төв банкуудад статистикийн шаардлага хангахуйц мэдээлэл
хомс билээ.
5. Эконометрик загвар нь ерөнхийдөө санхүүгийн секторын макро эдийн засгийн хувьсагчид
болон зээлийн чанарын хооронд тогтвортой хамааралтай гэж үздэг ч энэ биелдэггүй.
Түүнчлэн сүүлийн жилүүдэд банкны зохицуулалтын өөрчлөлтүүд нь ихэнх банкны
стратегит нөлөөлдөг. Энэ зохицуулалтын өөрчлөлт нь зээлийн эрсдэл болон макро эдийн
засгийн хувьсагчдын хооронд тогтворгүй хамааралыг бий болгодог.
15
11 12 1n
21
- r -уудын ковариацын матриц
n1 nn
r1 1 1 1
r2 2 2 1
r , , , 1
rn n n 1
1. Cend C0 Rp .
n
2. R p i 0 i i
r rT .
n T
3. p i 0 i i .
2 n n T
4. p i 0 j 0 i j ij .
5. R f f C0 .
Банкууд янз бүрийн ашигт ажиллагаатай салбаруудад янз бүрийн хүүтэй зээл болгодог.
var( Rp ) var( r T ) T
энэ функц нь нийт зээлийн багцын вариац буюу эрсдэлийг харуулах
ба зээлдүүлэгч дараахь хоѐр хязгаарлалт тулгарч байдаг.
T T
p ,1 C0
p
Энд, A ( 1) , B байна.
C0
16
T
L 0 ( AT B) (3.2)
2 A 0
T
0
(3.3) энд 0
1
A B 2
AT 1
A B ( AT 1
A) 1 B H 1B
Энд, H ( AT 1
A) ба H T ( AT 1
A)T AT ( 1 T
) A AT 1
A H тул энэ матриц нь (2 2)
хэмжээстэй тэгш хэмт матриц юм. Үүнийг вариацын томъѐонд орлуулбал:
var ( Rp ) T T 1
A T
A ( AT )T H 1B BT H 1B болно.
a b 1 1 c b
H H
b c d b a
T T
d det(H ) ac b 2 , a T 1
, b T 1
1 1 1
,c 1 1 байна.
1
матриц нь эерэг ба 1
матриц нь мөн эерэг бол xT 1
x 0 байдаг. Эндээс
a 0, c 0, d 0 гэдэг нь харагдана. Вариацын тэгшитгэлийг бичвэл:
2 1 c b p 1 2
var( R p ) p p C0 (c p 2bC0 p aC02 ) (4)
d b a C0 d
Энэ нь эрсдэл болон хүүний хоорондох хамаарлыг харуулсан зураг дээрх үр ашигт хилийг
харуулах болно. Энэ томъѐоноос квадрат язгуур гаргавал стандарт алдааг илэрхийлнэ.
17
Зураг 1. үр ашигтай хил
Үр ашигтай хил нь зөвхөн эерэг налалттай хэсэг бөгөөд сөрөг налалтай хэсэг дээрх аливаа
багцтай ижил эрсдэлийг түвшинтэй ч илүү өндөр ашигтай буюу өндөр хүүтэй багц дээд хэсэгт
олдоно. Өөрөөр хэлбэл үр ашигтай хил гэдэг нь аливаа эрсдэлийг өгөгдсөн түвшин дэх хамгийн
өндөр хүлээгдэж буй өгөөжтэй багцуудын олонлог юм. Үүнийг цааш хувиргавал
1 1 C02 2 C0
2
2
p ( c 2
p 2 bC 0 p aC 2
0 ) ( c 2
p 2bC0 p d b ) гэж хувиргаад хоѐр талыг
d d c c
харгалзан 1 c , c c 2 уудад хувааж өгвөл дараах байдалтай харагдана.
2 2
p p 2b(C0 c) p d (C02 c 2 ) b 2 (C02 c 2 ) ( p b(C0 c))2
2 2
C02
1c d c d c
2
p ( p b(C0 c)) 2 b d
2 2 2
1 p C0 p (3.5)
C c
0 dC c 0 c c
Банкны олгох зээлийн хэмжээ мэдэгдэж байгаа үед эрсдэл болон хүлээгдэж буй өгөөжөө
харгалзсан efficient frontier дээрх багц нь
1 1
c p bC0 aC0 b p
EF A AH 1 B 1 1
1
d d
1 1
((a1 b )C0 (c b1) p ) (3.6)
d
18
Зураг 2. Хамгийн бага эрсдэлтэй багц
Лагранж ашиглавал:
2 1 0 0
T
(3.8)
1 C0
T C0 C0
1 1
1 C0 T
болно. Хамгийн бага эрсдэлтэй багц нь
1 1
1 c
1 C0
mv 1 (3.9)
c
T T 1 C0 C0 b
mv 1 b C0
c c c
mean
Sharpe
SD
Энэ багцыг хамгийн их их үр ашигтай эрсдэлтэй багц буюу tangency portfolio гэдэг. Зургаас
харвал тэнхлэгийн төвөөс татсан шулуун eficient frontier-той шүргэлцэж байгаа цэгт maximum
sharpe ratio харгалзана.
19
Зураг 3. tangency portfolio
1 2
Efficient frontier-ийн томъѐо p c p 2bC0 p aC02 байдаг. Яг шүргэлцэлийн
d
цэгийн координат нь ( tg , tg ) бол шүргэгчийн налалт нь дараах байдалтай байна.
1 2
c tg 2bC0 tg aC02
p d
p tg
12
p 1 1 2 2 1 c tg bCo
c p 2bC0 p aC 0 2c p 2bC0
2 d d p tg 1 2
p
d c tg 2bC0 tg aC02
d
1 2
c tg 2bC0 tg aC02 c bCo
d tg a
tg C0
1 2 b
tg
d c tg 2bC0 tg aC02
d
1 a2 2 2ab 2 a
tg c C0 C0 aC02 C0 гэж олдоно.
d c2 b b
a a
c C0 bC0 aCo b C0
b 1 b 1 1 C0
tg 1 (3.10)
d d b
20
Марковичийн онол нь үүнээс цааш маш гүнзгийрэн хөгжсөн байдаг. Зах зээлд эрсдэлгүй хөрөнгө
буюу засгийн газрын үнэт цаас, төв банкны үнэт цаас зэргийг худалдаж авах боломжтой үед
сонголтууд ямар болох вэ гэдгийг харуулж болно. Гэвч бид энэ ажлын хүрээнд зэвхөн дээрх
хэсгийг ашиглан шинжилгээ хийх болно.
21
lV. СУДАЛГААНЫ ХЭСЭГ
(3.1)
22
Зураг 1. Нийт зээлд эзлэх чанаргүй зээлийн хувь
Үзүүлэлтүүд Интегрэтэдийн
эрэмбэ
Чанаргүй зээлийн нийт зээлд эзлэх I(1)
хувь(npl)
Юан (cny) I(1)
ХҮИ (cpi) I(1)
Дотоодын зээл (crd) I(1)
Экспорт (ex) I(1)
Аж үйлдвэрийн бүтээгдэхүүн (ip) I(0)
Хүүний түвшин (ir) I(0)
Мөнгөний нийлүүлэлт (M2) I(1)
Ажилгүйдэл (unem) I(0)
Ам.доллар (usd) I(1)
23
4.1.2 Үзүүлэлтүүдийн учир шалтгаан, үр дагаврын хамаарал
Гранжерийн учир шалтгааны тестээр үзүүлэлтүүд нь бие биенийхээ учир шалтгаан, үр
дагавар болж байгаа эсэх, мөн харилцан бие биенийхээ учир шалтгаан болж байгаа эсэх зэргийг
тогтоодог.
Pairwise Granger Causality Tests
Sample: 2000:02 2008:12
Lags: 2
Null Hypothesis: Obs F-Statistic Probability
CHY does not Granger Cause NPLR 105 5.55247 0.00517
NPLR does not Granger Cause CHY 1.84533 0.16331
CPI does not Granger Cause NPLR 105 6.21024 0.00287
NPLR does not Granger Cause CPI 0.09825 0.90651
CRD does not Granger Cause NPLR 105 1.613 0.20443
NPLR does not Granger Cause CRD 0.62203 0.53892
EXPORT does not Granger Cause NPLR 105 0.0034 0.99661
NPLR does not Granger Cause EXPORT 0.66845 0.51478
IP does not Granger Cause NPLR 105 0.26427 0.7683
NPLR does not Granger Cause IP 1.87461 0.15877
IR does not Granger Cause NPLR 105 0.8945 0.41206
NPLR does not Granger Cause IR 3.03283 0.05263
M2 does not Granger Cause NPLR 105 1.25032 0.29085
NPLR does not Granger Cause M2 0.51018 0.60194
UNEM does not Granger Cause NPLR 105 2.56049 0.08232
NPLR does not Granger Cause UNEM 2.04823 0.13434
USD does not Granger Cause NPLR 105 6.02578 0.00338
NPLR does not Granger Cause USD 3.14506 0.04735
Дээрхээс харахад юанын ханш болон ХҮИ нь чанаргүй зээлийн нийт зээлд эзлэх хувийн
учир шаллтгаан болдог бол ажилгүйдэл болон ам.долларын ханш нь чанаргүй зээлийн нийт
зээлд эзлэх хувьтай харилцан бие биенийхээ учир шалтгаан, үр дагавар болж байна. Харин
чанаргүй зээлийн нийт зээлд эзлэх хувь нь хүүний түвшиний учир шалтгаан болж байна.
24
Хувьсагчид Коэффициент t-Statistic
NPLR(-1) 0.963575 66.6708
CHY 0.002041 5.18992
CHY(-1) -0.002504 -5.37234
USD(-1) 0.00026 3.435785
USD(-2) -0.000201 -2.82777
IR 0.000709 2.63665
UNEM -7.26E-07 -2.05859
IP(-1) -8.62E-08 -2.02769
CRD(-1) 1.54E-08 3.08080
Детерминацийн коэффициент 0.989304
Дарвин-Уатсоны статистик 2.142048
Юанын ханшийн түвшиний утга болон нэг хожимдолтой утгаас хамаарч байгаа бол
ам.долларын ханшийн нэг болон хоѐр хожимдолтой утгаас хамаарч байгаа нь харагдаж байна.
Өөрөөр хэлбэл, ам.долларын ханш нэг нэгжээр чангарвал дараагийн хоѐр улирлынхаа чанаргүй
зээлийн нийт зээлд эзлэх хувьд нөлөөлдөг ба юаны хувьд тухайн улирал болон дараа улиралдаа
л нөлөөлдөг гэсэн үг.
Мөн ажилгүйдлийн түвшин болон жигнэсэн дундаж хүүний түвшиний утгаас, аж
үйлдвэрийн бүтээгдэхүүн болон дотоодын нийт зээлийн нэг хожимдолтой утгаас хамаарч байна.
Өөрөөр хэлбэл, жигнэсэн дундаж хүүгийн түвшин нэг нэгжээр өөрлөгдөхөд чанаргүй зээлийн
нийт зээлд эзлэх хувь 0.000709 нэгжээр өсдөг байна. Судалгаанд тайлбарлагч үзүүлэлтүүдээр
сонгож авсан үзүүлэлтүүд нь чанаргүй зээлийн нийт зээл эзлэх хувийн 98,9 хувьтай тайлбарлаж
байна. Үр дүнг тэгшитгэл болгон бичвэл дараах байдалтай байна.
25
эндээс,
(3.1)
харьцаа 1-рүү ойртвол хасах хязгааргүй өсөх ба харин нь 0-рүү дөхөх тусам
нь нэмэх хягааргүйрүү тэмүүлэх болно. Тэгэхээр маань эдийн засгийн төлөв байдлыг харуулах
бөгөөд эрсдэлтэй сөрөг хамааралтай байна. Хүснэгт 1-ээс харвал харьцаа 0.0005-0.99 –ын
хооронд хэлбэлзэж байгаа учир -ийн утга завсарт байна.
(2.3)
Салбарууд
Хувьсагчид AGR CONS EDU MAN MIN WHS MRG TRS OTH
NPL(-2) коэф 0.5209
t стат 5.6035
NPL(-1) коэф 0.5509 0.2435 0.3404
t стат 4.8681 3.6936 3.1193
CNY коэф 0.1256 -0.222
t стат 8.1028 -3.025
CHY(-1) коэф 0.1094 0.2139 0.1152 0.0976
t стат 3.4739 6.51 1.647 2.3895
CHY(-2) коэф -0.098 -0.1972 -0.090
t стат -3.9371 -2.9229 -1.841
CPI коэф -0.0448 -0.053 0.0396 0.1107 0.1017
t стат -3.2761 -1.8416 3.191 6.5275 2.709
CPI(-1) коэф -0.0361 -0.1083 0.036 0 0.0775 0.068
26
t стат -2.9242 -4.9782 3.0458 -2.532 2.0641 2.7165
CPI(-2) коэф 0.088
t стат 3.3093
CRD коэф 0 0 0
t стат 3.7041 2.733 4.4712
CRD(-1) коэф 0 0
t стат 2.5333 -2.8526
CRD(-2) коэф 0 0
t стат -7.2056 -4.737
IR коэф 0.0429 0.1788 0.1415 -0.0528 0.0476 -0.193 -0.107
t стат 1.8785 3.6183 2.3708 -2.7282 1.5744 -3.381 -2.01
IR(-1) коэф -0.0752 -0.1578 0.0544 0.0934
t стат -3.4402 -3.8541 1.9996 2.1521
IR(-2) коэф -0.2608 -0.1203 -0.062 0.0776
t стат -5.8735 -2.5285 -2.323 1.7592
EXPORT коэф -0.0237 0.0013 -0.025 -0.0186 -0.027 -0.06
t стат -3.4943 5.8935 -5.223 -4.425 -6.1 -8.828
UNEM коэф -0.0001 0 -0.0001 -0.0002
t стат -2.2977 -2.386 -3.562 -2.207
UNEM(-1) коэф 0.0001 0 0 -0.0002 -0.0002 -0.001
t стат 3.0841 2.5616 -2.1928 -4.717 -2.228 -3.579
UNEM(-2) коэф 0.0001 0.0002 0.0001 0.0002 0.0002 -0.001
t стат 2.3411 2.9917 3.5953 4.5518 4.7148 -3.974
USD коэф -0.0571 -0.0235 -0.0203 -0.0266 -0.016 -0.0258
t стат -6.5436 -4.389 -0.0203 -5.0904 -6.8576 -6.4273
USD(-1) коэф 0.0422 0.0066 -0.026
t стат 5.6309 2.9898 -4.031
USD(-2) коэф -0.0124 0.016
t стат -2.2239 3.1878
IP коэф 0.0001 0.0001 0.0001 0.0001 0.0002
t стат 3.9268 5.3777 4.7224 6.9982 9.0638
M2 коэф 0 0 0
t стат -5.0833 -2.6347 -5.013
M2(-1) коэф 0
t стат 3.2447
M2(-2) коэф 0 0 0
t стат -5.9662 2.0629 1.7262
C коэф 22.2936 10.0073 -31.12
t стат 5.422 3.9273 -3.971
Детерминацийн
0.9092 0.8311 0.8591 0.9229 0.8154 0.9682 0.9873 0.7717 0.9509
коэффициент
Дээрхи хүснэгтэд салбар тус бүр дэх чанаргүй зээлийн хэмжээг тухайн салбар дахь нийт
зээлийн хэмжээнд харьцуулан CPV загвараар үнэлээд түүнд нөлөөлөх макро хувьсагчидыг
тодорхойлов.
Эндээс харвал салбарт бүрт макро хувьсагчид өөр өөрөөр нөлөөлж байгаа нь харагдаж
байна. Загварт хугацааны хожимдол оруулж өгөх нь онолын хувьд боломжтой юм. Яагаад гэвэл
зээл гэдэг маань өөрөө хугацаатай байдаг бөгөөд зээл авах үед зээлийн хүү ямар байсан тэр
хүүгээ төлдөг учир эрсдэлд бүх макро хувьсагчид хугацааны хоцрогдолтой нөлөөлж болно.
Жишээ нь Юаны ханш гурван салбарын зээлийн эрсдэлд янз бүрийн хугацааны хоцролттой
27
нөлөөлж байна. Салбар бүрийн онцлогоос хамаараад валютын ханшны нөлөөллийн тэмдэгийг
таамаглах боломжгүй гэж үзэж байсан маань үнэн байна. Жишээ нь: Юаны ханш боловсруулах
салбарт эерэгээр нөлөөлсөн хэдий ч ХАА-н салбарт сөргөөр нөлөөлснийг харж болно.
Тухайн түвшний банкны зарласан жигнэсэн дундаж хүү нь нийт 7 салбарт эерэг, сөрөг
хамаарлаар нөлөөлсөн нь ихээхэн чухал үзүүлэлт гэдгийг харуулж байна. Мөн Аж үйлдвэрийн
бүтээгдэхүүн 6 салбарт эерэгээр нөлөөлсөн нь бидний онолын үндэслэлтэйгээр таамагласантай
нийцэж байна.
Экспорт боловсруулах салбарт эерэг нөлөөлсөн хэдий ч бусад салбарт сөргөөр нөлөөлж
байгаа нь бидний өмнө авч үзсэн тодорхой бус гэдэгтэй нийцэж байгаа нь бас нэгэн
сонирхолтой үр дүн юм.
ХАА-н салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь өөрийнхөө өмнөх
утгаас хамаардаг буюу хугацааны нэг хожимдолтой дасан зохицох хүлээлт хийдэг гэж дүгнэж
болохоор байна. Юанын ханшийн хоѐр хожимдолтой утгаас хамаарч байгаа бол дотоодын нийт
зээлийн түвшний утгаас хамаарч байна. ХҮИ, жигнэсэн дундаж хүүний түвшин болон
ажилгүйдлийн түвшиний нэг хожимдолтой утга болон түвшинийх нь утгаас хамаарч байна.
ХАА-н салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь эдгээр хувьсагчидаар 91
хувь орчим тайлбарлагдаж байна.
Барилгын салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь хэрэглээний
үнийн индекс болон доллар-ийн нэг хожимдолтой утгаас хамаарч байгаа бол банкуудын
зарласан жигнэсэн дундаж хүүний түвшний болон нэг, хоѐр хугацааны хожимдолтой утгаас тус
тус хамаарч байна.Мөн түүнчлэн мөнгөний нийлүүлэлт болон ажилгүйдэл хоѐр хугацааны
хожимдолтойгоор нөлөөлж байна. Барилгын салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн
хэмжээ нь эдгээр хувьсагчидаар 83 хувь орчим тайлбарлагдаж байна.
Боловсруулах салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь өөрийнхөө
өмнөх утгаас хамаардаг буюу хугацааны нэг хожимдолтой дасан зохицох хүлээлт хийдэг гэж
дүгнэж болохоор байна.Юань, доллар, М2 тухайн түвшиний утгаас хамаарч байхад дотоод зээл
болон Ажилгүйдэл 2 хугацааны хожимдолтойгоор тус тус хамаарч байна..Боловсруулах
салбарын хувьд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ буюу зээлийн эрсдэл нь эдгээр
хувьсагчидаар 81 орчим хувиар тайлбарлагдаж байна.
Уул уурхайн салбарын хувьд зээлийн эрсдэл нь өөрийнхөө өмнөх утгаас хамаардаг буюу
хугацааны нэг хожимдолтой дасан зохицох хүлээлт хийдэг гэж үзэж болно. Экспорт доллар, аж
үйлдвэрийн бүтээгдэхүүн хугацааны нэг хожимдолтой утгаас хамаарч байгаа бол ажилгүйдлийн
түвшинээс 2 хугацааны лагаар тодорхойлогдож байна. Уул уурхайн салбарын хувьд нийт зээлд
эзлэх чанаргүй зээлийн хэмжээ нь эдгээр хувьсагчидаар 91 хувь орчим тайлбарлагдаж байна.
Хүснэгтийн хамгийн доор бичигдсэн R2 нь макро хувьсагчид салбар тус бүрийн зээлийн
эрсдэлийн хэдэн хувийг тайлбарлаж байгааг илтгэнэ. Тайлбарлагдахгүй байгаа хэсэг нь тухайн
салбарын үйл ажиллагааны онцлогоос хамаарсан хэсэг буюу микро хүчин зүйлсээс хамаарсан
хэсэг юм. Мөн түүнчлэн эдгээр үнэлгээний бүх статистик шалгуур үзүүлэлтүүд ач холбогдол
өндөр гарсан нь бидний загварт итгэж болохыг харуулж байна.
28
4.3 Банкны зээлийн багцыг Марковичийн багц сонголтын онолоор хуваарилах
Салбар тус бүр дэхь зээлийн эрсдэлийн ирээдүйн утгыг тодорхойлохын тулд макро
хувьсагчуудын ирээдүйн утгыг прогнозлох шаардлагатай. 2000-2009 онуудын улирлаар
өгөгдсөн үзүүлэлтүүд дээр хугацааны цувааны эконометрик шинжилгээ хийв.
Хэрэглээний үнийн индекс (CPI): Энэ үзүүлэлт нь кублэг чиг хандлагатай, улиралын
нөлөөлөлтэй ба MA(1) загвараар тодорхойлогдож байна.
Дотоодын нийт зээл (CRD): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, улирлын
нөлөөлөл байхгүй ба ARMA(1, 5) загвараар тодорхойлогдож байна.
Жигнэсэн дундаж зээлийн хүүний түвшин (IR): Энэ үзүүлэлт нь квадратлаг чиг
хандлагатай, бүх улиралын нөлөөлөлтэй, AR(1) загвараар тодорхойлогдож байна.
29
Мөнгөний нийлүүлэлт (M2): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, бүх улирлын
нөлөөлөлтэй, ARMA(1, 1) загвараар тодорхойлогдож байна.
Экспорт (exp): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, зөвхөн 4-р улирлын
нөлөөтэй, ARMA(1,1) загвараар тодорхойлогдож байна.
Юанийн төгрөгтэй харьцах ханш (cny): Энэ үзүүлэлт нь кублэг чиг хандлагатай, бүх улирлын
нөлөөлөлтэй AR(1) загвараар тодорхойлогдож байна.
30
Ажилгүйдлийн түвшин (unem): Энэ үзүүлэлт нь шугаман чиг хандлагатай, бүх улирлын
нөлөөлөлтэй, ARMA(1,1) загвараар тодорхойлогдож байна.
Ийнхүү макро хүчин зүйлүүд тус бүрд боловсруулсан загвараараа 2009 оны хоѐрдугаар улирлыг
прогнозлоход цэгэн үнэлгээн дээрээ дараах үр дүн гарч байна.
Salbar y npl
AGR NPL 2.3708719 0,085421
CON NPL 0,6977783 0,332305
MIN NPL 1.9866474 0,120612
MAN NPL 1.8556319 0,135213
EDU NPL 1.3014446 0,213922
WHS NPL 1.9359724 0,126091
TRS NPL 1.1600896 0,238651
MRG NPL 5.421741 0,0044
OTH NPL 1.9837185 0,120923
CPV загварын салбарын онцлогыг харуулдаг Y хувьсагч нь өсөх тусмаа тухайн салбарт
олгогдсон зээлийн эрсдэл бага байгааг харуулна. Манай улсын салбарын NPL харьцаа (0.0005-
0.99) интервалд байгаа бөгөөд (2.2) томьѐонд орлуулан Y-ийн утгыг олоход Y-ийн утга нь
интервалд хэлбэлзэж байна. Y нь өсөх тусам тухайн салбарын эрсдэл бага байх бол,
харин NPL харьцаа өсөх тусам тухайн салбарын зээлийн эрсдэл өснө.
31
Таамагласан
Эрсдэлийн
эрсдэлийн түвшин
Салбар хэвийн
(2009 оны 2-р
түвшин
улирал)
ARG 2.3326 2.3709
CNS 3.2960 0.6978
MIN 3.0444 1.9866
MAN 2.0059 1.8556
EDU 2.7629 1.3014
WHS 2.7785 1.9360
TRS 3.3957 1.1601
MRG 2.4792 5.4217
OTH 2.7071 1.9837
Салбаруудын Y хувьсагчийн утгын хэвийн утга нь эхний багананд байгаа хэсэг бөгөөд
дээрх утгаас их байгаа тохиолдолд эрсдэл багатай байна гэж үзнэ. Хоѐр дахь багананы үзүүлэлт
нь бидний салбарын эрсдлийн 2 улирлын таамагласан утга болно. Эндээс харахад хөдөө аж ахуй
болон үл хөдлөх хөрөнгөөс бусад салбаруудын эрсдлийн утга нь хэвийн утгаасаа бага гарсан нь
эрсдэл үүсэж болзошгүйг харуулж байна.
Салбаруудын эрсдэл дараагийн улиралд ямар байхыг таамагласан тохиолдолд банк энэ
эрсдлийг хэрхэн бууруулах, хэрхэн оновчтой багцыг бүрдүүлэх вэ? гэсэн асуудалтай тулгарна.
Судалгааны энэ хэсэгт Марковичын багц сонголтын онолыг ашиглан хамгийн бага эрсдэлтэй
болон хамгийн их өгөөжтэй салбарт зээлийн багцаа хэрхэн хуваарилах талаар авч үзнэ.
32
Салбар Хүү (%) AGR CNS MIN MAN EDU WHS TRS MRG OTH
Agr 48 85.00 50.22 57.45 42.27 105.04 53.09 51.31 67.42 21.01
Cns 36 50.22 113.43 82.76 94.20 65.38 98.31 50.55 26.33 14.42
Min 42 57.45 82.76 74.94 79.40 78.32 77.28 53.95 41.84 16.50
Man 48 42.27 94.20 79.40 113.96 59.63 93.83 62.21 51.24 31.52
Edu 36 105.04 65.38 78.32 59.63 145.36 61.61 73.11 86.59 24.76
Whs 48 53.09 98.31 77.28 93.83 61.61 111.48 52.73 31.48 14.29
Trs 36 51.31 50.55 53.95 62.21 73.11 52.73 65.86 63.63 34.27
Mrg 40.8 67.42 26.33 41.84 51.24 86.59 31.48 63.63 109.88 52.63
Oth 48 21.01 14.42 16.50 31.52 24.76 14.29 34.27 52.63 47.49
2008 оны сүүлийн улиралын зээлийн хүүгийн түвшингээр зээлээ олгох бөгөөд эрсдэл нь өмнөх
хэсэгт бодож олсоны дагуу байна гэж үзээд зээлийн багцын оновчтой хувиарлалтыг гаргая.
1 C0
mv 1 (3.9)
c
Анхны нийт олгох зээлийн хэмжээ C0 -ийг 1 бүхэл гэж үзнэ. Ингэж үзээд зээлийн багцын
оновчтой хувиарлалтыг гаргахын тулд 2001:1-р улиралаас 2008:4-р улиралын хоорондох салбар
тус бүрт олгосон зээлийн хүүгийн ковариацын матрицыг гаргаж авах ба тооцоолол хийхэд
шаардлагатай бусад коэффициентуудыг тооцоолно.
0.48
0.36
0.42
0.48
0.36
0.48
0.36
0.41
0.48
33
85 50.21 57.44 42.27 105.03 53.01 51.3 67.42 21
50.21 113.4 82.75 94.19 65.38 98.3 50.55 26.33 14.41
57.44 82.75 74.94 79.39 78.31 77.27 53.95 41.83 16.5
42.27 94.19 79.39 113.95 59.63 93.83 62.21 51.24 31.52
105.03 65.38 78.31 59.63 145.35 62.21 73.11 86.58 24.75
53.01 98.3 77.27 93.83 61.6 111.48 52.72 31.47 14.29
51.3 50.55 53.95 62.21 73.11 53.72 65.86 63.62 34.26
67.42 26.33 41.83 51.24 86.58 31.47 63.62 109.87 52.62
21 14.41 16.5 31.52 24.75 14.29 34.26 52.62 47.48
T 1
a 145.127
T 1
b 1 2.2333
T 1
c 1 1 0.0426
0.6918
0.252
1.1327
0.3407
mv 0.69401
0.0983
0.1576
0.253
0.6561
Дээрх хамгийн бага эрсдэлтэй багц сонголтоос харвал барилга (CONS), боловсруулах
(MAN), боловсрол, эрүүл мэндийн салбар (EDU), бөөний болон жижиглэн худалдааны салбар
(WHS), үл хөдлөх хөрөнгө, зуучлалын салбар (MRG) гэсэн салбаруудад зээл олговол өндөр
34
эрсдэлтэй байгаа нь харагдаж байна. Энэ нь яг үнэт цаасны багц сонголтын онолын үүднээсээ
бол ийм эрсдэлтэй бөгөөд ийм өгөөжтэй үнэт цаасыг банк өөрөө гаргаж, бусдад худалдан
хөрөнгө татсанаар бусад салбаруудад хөрөнгөө байршуулах хэрэгтэй гэсэн санааг агуулдаг.
Эндээс дүгнэлт хийвэл манай улсын барилга, эрүүл мэндийн салбар нилээн эрсдэлтэй байна.
Мөн боловсруулах салбарын эрсдэл өндөр байдаг гэдэг нь харагдаж байна. Энэ салбарын
өгөөжийн түвшин буюу зээлийн хүүгийн түвшин тийм ч бага биш дундаж хэмжээтэй байхад
ийм үр дүн гарч байгаа нь сонирхолтой байна. Харин хамгийн их хөрөнгө оруулах салбар нь уул
уррхай олборлох салбар (MIN), хөдөө аж ахуй, ан агнуур (ARG), тээвэр холбооны салбар (TRS),
болон бусад салбар (аялал жуулчлал, зочид буудал, зоогийн газар гэх мэт) гэсэн үйлчилгээний
салбар байна. Гэвч банкууд сөрөг зээл олгох боломжгүй учраас барилгын, боловсруулах салбар
болон эрүүл мэнд гэх мэт эрсдэлтэй салбарт ерөөсөө зээл олгохгүй буюу 0 зээл олгоно гэж үзэн
бусад салбарт зээлээ хэрхэн хувиарлахыг үлдсэн эерэг хэсгүүдийг жинлэх замаар тооцоолбол:
0.2622
0
0.4293
0
1
mv 0
0
0.0597
0
0.2486
Эндээс харвал нийт зээлийнхээ 26%-ийг хөдөө аж ахуйн салбарт, 42.8%-ийг уул уурхай
олборлох, 5.9%-ийг 5,9%-ийг тээвэр холбооны салбарт, 24%-ийг бусад салбарт
хуаарилвалхамгийн бага эрсдэлтэй байна. Энэ бүхнээс харагдаж байгаа нэг зүйл нь
үйлчилгээний салбар хамгийн ашигтай салбар бөгөөд эрүүл мэнд, боловсруулах салбарууд
өндөр эрсдэлтэй гэдэг нь харагдаж байна. Гэвч хэдийгээр банк нь ашгийн төлөө байгууллага
боловч банкинд нийгмийн үүрэг гэж байна. Тэр нь улс орны эдийн засгийн өсөлтийг дэмжихийн
тулд санхүүгийн үйлчилгээгээр эдийн засгийг хангах явдал байдаг. Хэрэв банк зөвхөн ашгийн
төлөөх зорилгоо өмнөө тавидаг байсан бол эдийн засгийн зарим салбарт зээл олгохгүй байх
байсан. Тэгэхээр банкууд зөвхөн өгөөж болон эрсдэлээ хамгийн түрүүнд урдаа тавидаггүй гэдэг
нь харагдаж байна.
35
1.5199
0.5724
0.9486
0.2249
1 C0
tg 1.0297 хүлээгдэж буй өгөөж:
c
0.2557
0.05176
0.5652
0.6780
a 145.127 a 249.8221
tg C0 1 64.984 tg C0 *1 69.81
b 2.2333 b 3.157852
Үүнийг харин барилга болн эрүүл мэндийн салбарт ерөөсөө зээл олгохгүй хэмээн үзэж оновчтой
хувиарлалтыг гаргая.
0.3580
0
0.2234
0.0529
1
tg 0
0.06023
0.0122
0.133
0.1597
36
ДҮГНЭЛТ, САНАЛ ЗӨВЛӨМЖҮҮД
Бид судалгааны эхэнд дэвшүүлсэн зорилгодоо хүрч банкны секторын зээлийн эрсдэлд
нөлөөлөгч макро хүчин зүйлсийг тодорхойлж эдгээр нь зээлийн эрсдэлд хэрхэн нөлөөлж
байгааг тодорхойллоо. Макро үзүүлэлтүүд нь зээлийн эрсдэлд дараах байдлаар нөлөөлж байна.
Регрессийн олон хүчин зүйлийн шугаман загварын параметрүүдийн үнэлгээнээс харахад
тайлбарлагдагч хувьсагч болох чанаргүй зээлийн нийт зээлд эзлэх хувь (NPL) нь:
Өөрийнхөө өмнөх утгаас хамаардаг буюу хугацааны нэг хожимдолтой дасан зохицох
хүлээлт хийдэг гэж дүгнэж болохоор байна.
Юанийн ханшийн одоогийн утга болон өмнөх үеийн утгаас хамаарч байгаа бол
ам.долларын ханшийн нэг болон хоѐр хугацааны хоцрогдолтой утгаас хамаарч байгаа
нь харагдаж байна. Өөрөөр хэлбэл, ам.долларын ханш нэг нэгжээр чангарвал
дараагийн хоѐр улирлынхаа чанаргүй зээлийн нийт зээлд эзлэх хувьд нөлөөлдөг ба
юаний хувьд тухайн улирал болон дараа улиралдаа л нөлөөлдөг гэсэн үг.
Мөн ажилгүйдлийн түвшин болон жигнэсэн дундаж хүүний одоогийн утгаас, аж
үйлдвэрийн бүтээгдэхүүн болон дотоодын нийт зээлийн нэг хугацааны хоцрогдолтой
утгаас хамаарч байна. Өөрөөр хэлбэл, жигнэсэн дундаж хүүгийн түвшин нэг нэгжээр
өөрчлөгдөхөд чанаргүй зээлийн нийт зээлд эзлэх хувь 0.000709 нэгжээр өсдөг байна.
Судалгаанд тайлбарлагч үзүүлэлтүүдээр сонгож авсан үзүүлэлтүүд нь чанаргүй
зээлийн нийт зээл эзлэх хувийн 98,9 хувьтай тайлбарлаж байна.
Салбар бүрийн нийт зээлд эзлэх чанаргүй зээлийн түвшинд макро хувьсагчид янз
бүрийн хугацааны хоцрогдолтойгоор эерэг, сөрөгөөр нөлөөлж байна.
Салбар бүрийн онцлогоос хамаараад валютын ханшны нөлөөллийн тэмдгийг
таамаглах боломжгүй гэж судалгааны эхэнд таамаглал дэвшүүлсэнтэй бидний үр дүн
нийцэж байна.
Тухайн хугацааны банкны зарласан жигнэсэн дундаж зээлийн хүү нийт 7 салбарт
эерэг болон сөрөг хамаарлаар нөлөөлсөн байгаагаас харахад салбаруудын хувьд
зээлийн хүү бусад үзүүлэлтүүдээсээ илүү чухал хүчин зүйл болох нь харагдаж байна.
Экспорт нь болосвсруулах салбарт эерэгээр нөлөөлсөн хэдий ч бусад салбарт сөргөөр
нөлөөлж байгаа нь бидний өмнөх таамаглах боломжгүй гэдэгтэй нийцэж байна.
Салбар бүрийн зээлийн эрсдлийн хувьд макро хүчин зүйлсийн нөлөөлөл харилцан
адилгүй нөлөөлдөг болох нь харагдсан бөгөөд ХАА-н салбарын нийт зээлд эзлэх чанаргүй
зээлийн үзүүлэлт үр дүнг төлөөлүүлэн авч үзвэл дараах байдалтай байна.
ХАА-н салбарын хувьд зээлийн эрсдэл нь өөрийнхөө өмнөх утггаас хамаардаг буюу
хугацааны нэг хожимдолтойгоор дасан зохицох хүлээлт хийдэг гэж дүгнэж болохоор
байна. Юаний ханшийн хоѐр хожигдолтой утгаас хамаарч байгаа бол дотоодын нийт
зээлийн одоогийн утгаас сөрөг хамааралтай байна.
37
Мөн ХАА-н салбарын хувьд зээлийн эрсдэл хэрэглээний үнийн индекс, жигнэсэн
дундаж хүүний түвшин болон ажилгүйдлийн түвшний нэг хожимдолтой утга болон
түвшиний утгаас хамаарч байна.
Иймд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь эдгээр хувьсагчидаар 91 орчим
хувиар тайлбарлагдаж байна.
Бусад салбарын хувьд бидний сонгон авсан макро хувьсагчид нь салбар бүрийн хувьд 77-
96 хувийг тайлбарлаж байгаа нь CPV загвар нь салбарын зээлийн эрсдлийг үнэлэхэд
тохиромжтой гэдгийг харуулж байна. Үнэлгээгээр тайлбарлагдахгүй байгаа хэсэг нь тухайн
салбарын үйл ажиллагааны онцлогоос хамаарсан хэсэг буюу бусад хүчин зүйлсийн нөлөө юм.
Макро хувьсагчидын ирээдүйн утгыг таамаглан CPV загвараар салбар тус бүрийн хувьд
зээлийн эрсдлийн ирээдүйн утгыг тодорхойлсноор дараах дүгнэлтүүдэд хүрч байна.
38
АШИГЛАСАН МАТЕРИАЛ
Ё.Рэнцэндорж. (2007) “Монголын банкны салбарын зээлийн эрсдэлд нөлөөлөгч хүчин зүйлсийн
шинжилгээ”
Н.Ургамалсувд (2006) „‟Банкны системийн зээлийн эрсдэлийн өөрчлөлт, түүнд нөлөөлж буй
хүчин зүйлс‟‟ Монгол банкны судалгааны тайлан-4 хуудас-98
Монгол банкны сарын статистик мэдээлэл 2000.01-2009.03
Монгол банкны зээлийн нэгдсэн тайлан 2000 .l- 2008.lV
Статистикийн бюллетень 2000.01-2009.01
Akira Otani, Shigenori Shiratsuka, Ryoko Tsurui,Takeshi Yamada (2009)„‟Macro Stress-Testing
on the Loan Portfolio of Japanese Banks‟‟, Bank of Japan Working Paper Series
C. Coşkun Küçüközmen, Ayhan Yüksel. (2006)
“A Macro-econometric Model for Stress Testing Credit Portfolio”
Multinational Finance Society 2006 Conference Edinburgh , UK , 25-27
Cipollini, Andrea and Missaglia, Giuseppe.(2007) „‟Dynamic Factor analysis of industry sector default
rates and implication for Portfolio Credit Risk Modelling‟‟ MPRA Paper No. 3582, posted 07.
November 2007
E.views 4.0 user guide
Harvir Kalirai, Martin Scheicher . (2002) “ Macroeconomic Stress Testing:Preliminary Evidence for
Austria”, Financial Stability report-3
Klaus Düllmann and Nancy Masschelein. (2006)„‟Sector Concentration in Loan Portfolios and
Economic Capital‟‟
Kimmo Virolainen. (2004) „‟Macro stress testing with a macroeconomic credit risk model for
Finland‟‟, Bank of Finland discussion paper 2004-18
Juraj Zeman, Pavol Jurca. (2008), „‟Macro Stress testing of the Slovak banking sector‟‟
Models – an Application on German Middle Market Loan Portfolios‟‟, CFS Working Paper No.
2001/03
Michael C S Wong , Yat-fai Lam. (2009) „‟Macro Stress Tests and History-Based Stressed PD:The
Case of Hong Kong‟‟ Forthcoming in the Journal of Financial Regulation and Compliance
Philip Bunn, Alastair Cunningham. (2005). „‟Stress testing as a tool for assessing systemic risks‟‟,
Financial Stability Review: June 2005
39
ХАВСРАЛТУУД
Хавсралт 2. Салбар бүрийн чанаргүй зээлийн нийт зээлд эзлэх хувийн статистик
TOTAL_NPL AGR_NPL CNS_NPL MIN_NPL MAN_NPL EDU_NPL WHS_NPL TRS_NPL MRG_NPL OTH_NPL
Mean 0.084 0.105 0.046 0.073 0.130 0.087 0.079 0.053 0.155 0.149
Median 0.060 0.101 0.041 0.035 0.121 0.055 0.047 0.027 0.045 0.031
Maximum 0.310 0.297 0.129 0.323 0.345 0.337 0.325 0.231 0.998 0.710
Minimum 0.027 0.025 0.005 0.004 0.049 0.005 0.022 0.006 0.008 0.013
Std. Dev. 0.072 0.065 0.030 0.080 0.065 0.083 0.082 0.055 0.263 0.236
Skewness 2.046 0.949 0.928 1.877 1.603 1.664 1.967 1.472 2.164 1.563
Kurtosis 5.928 3.473 3.659 5.856 5.734 5.141 5.382 4.617 6.388 3.683
Jarque-Bera 37.963 5.737 5.817 33.364 26.629 23.485 31.725 16.915 45.315 15.358
Probability 0.000 0.057 0.055 0.000 0.000 0.000 0.000 0.000 0.000 0.000
Sum 3.012 3.778 1.655 2.622 4.667 3.138 2.850 1.897 5.574 5.352
Sum Sq. Dev. 0.180 0.147 0.032 0.225 0.148 0.239 0.238 0.105 2.418 1.956
Observations 36.000 36.000 36.000 36.000 36.000 36.000 36.000 36.000 36.000 36.000
40
Хавсралт 3. Макро эдийн засгийн үндсэн үзүүлэлтүүдийн статистик
CPI EX M2 UNEM IP USD CNY IR CRD
Mean 108.1056 1946.694 1045379. 35545.08 763579.9 1149.389 144.3833 30.57222 627246.8
Median 106.2000 1933.600 819710.2 35623.00 773192.2 1164.600 143.1000 31.00000 598399.2
Maximum 124.6000 3856.600 2564684. 41984.00 1356727. 1223.300 174.7000 42.70000 2012387.
Minimum 98.00000 71.70000 222434.0 29813.00 117218.2 1044.200 128.7000 20.00000 84831.10
Std.
Dev. 5.816673 1126.218 771809.5 3425.874 373692.4 43.93336 11.73691 6.444338 529849.8
- - -
Skewness 1.089566 0.015964 0.768261 0.100005 0.087064 0.426314 0.849356 0.119900 1.056038
Kurtosis 4.062568 1.810499 2.230463 1.908276 1.803039 2.248284 3.039931 2.095385 3.461760
Jarque-Bera 8.816506 2.123899 4.429632 1.847798 2.194553 1.938075 4.330822 1.313750 7.011129
Probability 0.012176 0.345781 0.109174 0.396968 0.333779 0.379448 0.114703 0.518469 0.030030
37 27 22
Sum 3891.800 70081.00 633651 1279623. 488876 41378.00 5197.800 1100.600 580886
44
Sum Sq. 1184.179 392867 2.08E+13 4.11E+08 4.89E+12 67554.92 4821.430 1453.532 9.83E+12
Dev.
36 36 36 36 36 36 36 36 36
Observations
120 2400000
3000
2000000
115
1600000
110 2000
1200000
105
800000
1000
100 400000
95 0 0
00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08
CPI EX M2
42000 1200000
1200
40000
1000000
38000 1160
800000
36000
600000
34000 1120
400000
32000
1080
30000 200000
28000 0 1040
00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08
UNEM IP USD
180 44 2400000
170 40 2000000
36
160 1600000
32
150 1200000
28
140 800000
24
130 20 400000
120 16 0
00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08
CNY IR CRD
41
Хавсралт 4. Салбар бүрийн чанаргүй зээлийн нийт зээлд эзлэх хувь үзүүлэлтийн график
1.0 .8
.7
0.8
.6
0.6 .5
.4
0.4 .3
.2
0.2
.1
0.0 .0
00 01 02 03 04 05 06 07 08 00 01 02 03 04 05 06 07 08
MRG_NPL OTH_NPL
42
Хавсралт 5. Чанаргүй зээлийн нийт зээлд эзлэх хувийн регресийн олон хүчин зүйлийн
шугаман загварын үнэлгээ /Нийт зээлийн хувьд/
Dependent Variable: NPLR
Method: Least Squares
Date: 04/26/09 Time: 13:35
Sample(adjusted): 2000:04 2008:12
Included observations: 105 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
NPLR(-1) 0.963575 0.014453 66.67087 0.0000
CHY 0.002041 0.000393 5.189921 0.0000
CHY(-1) -0.002504 0.000466 -5.372345 0.0000
USD(-1) 0.000260 7.55E-05 3.435785 0.0009
USD(-2) -0.000201 7.12E-05 -2.827774 0.0057
IR 0.000709 0.000269 2.636650 0.0098
UNEM -7.26E-07 3.53E-07 -2.058592 0.0422
IP(-1) -8.62E-08 4.25E-08 -2.027695 0.0454
CRD(-1) 1.54E-08 5.01E-09 3.080809 0.0027
R-squared 0.989304 Mean dependent var 0.077611
Adjusted R-squared 0.988412 S.D. dependent var 0.060451
S.E. of regression 0.006507 Akaike info criterion -7.149958
Sum squared resid 0.004065 Schwarz criterion -6.922476
Log likelihood 384.3728 Durbin-Watson stat 2.142048
Хавсралт 6. Чанаргүй зээлийн нийт зээлд эзлэх хувийн регресийн олон хүчин зүйлийн
шугаман загварын үнэлгээ хетероскадастиситик нөхцөл үүсэж буйг шалгадаг White-ийн
тестээр хомоскадастиситк гэдэг нь харагдаж байна. /Нийт зээлийн хувьд/
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 04/29/09 Time: 02:13
Sample: 2000:04 2008:12
Included observations: 105
Variable Coefficient Std. Error t-Statistic Prob.
C -0.164525 0.101664 -1.618317 0.1119
NPLR(-1) 0.015797 0.037764 0.418298 0.6775
NPLR(-1)^2 0.004783 0.010122 0.472571 0.6386
NPLR(-1)*CHY 1.83E-05 0.000368 0.049780 0.9605
NPLR(-1)*CHY(-1) -0.000161 0.000739 -0.217387 0.8288
NPLR(-1)*USD(-1) -3.48E-05 0.000109 -0.319726 0.7505
NPLR(-1)*USD(-2) 1.50E-05 7.04E-05 0.212771 0.8324
NPLR(-1)*IR -8.98E-05 0.000131 -0.686430 0.4956
NPLR(-1)*UNEM 5.73E-07 2.95E-07 1.943766 0.0576
NPLR(-1)*IP(-1) 5.19E-08 3.40E-08 1.527901 0.1328
NPLR(-1)*CRD(-1) 1.21E-08 9.34E-09 1.295296 0.2012
CHY 0.000537 0.001109 0.484477 0.6302
CHY^2 -5.28E-06 4.86E-06 -1.086087 0.2826
43
CHY*CHY(-1) 1.10E-05 1.00E-05 1.095528 0.2785
CHY*USD(-1) 3.21E-07 1.10E-06 0.290942 0.7723
CHY*USD(-2) -5.89E-07 1.11E-06 -0.531837 0.5972
CHY*IR 1.48E-06 7.06E-06 0.209183 0.8352
CHY*UNEM -1.02E-08 1.22E-08 -0.835875 0.4072
CHY*IP(-1) 1.60E-10 8.67E-10 0.184118 0.8547
CHY*CRD(-1) 1.46E-11 1.24E-10 0.118007 0.9065
CHY(-1) 0.001298 0.001418 0.915044 0.3646
CHY(-1)^2 -9.22E-06 8.73E-06 -1.055820 0.2961
CHY(-1)*USD(-1) 6.25E-07 1.49E-06 0.419314 0.6768
CHY(-1)*USD(-2) -7.76E-07 1.26E-06 -0.616329 0.5405
CHY(-1)*IR -2.79E-06 7.65E-06 -0.363931 0.7174
CHY(-1)*UNEM 1.65E-09 1.23E-08 0.134024 0.8939
CHY(-1)*IP(-1) -8.46E-10 1.21E-09 -0.698133 0.4883
CHY(-1)*CRD(-1) 8.84E-11 2.33E-10 0.378954 0.7063
USD(-1) -0.000253 0.000221 -1.147021 0.2568
USD(-1)^2 -5.66E-08 1.68E-07 -0.336874 0.7376
USD(-1)*USD(-2) 1.14E-07 2.12E-07 0.537933 0.5930
USD(-1)*IR 3.66E-07 1.65E-06 0.222123 0.8251
USD(-1)*UNEM 3.10E-09 1.87E-09 1.654483 0.1043
USD(-1)*IP(-1) 1.47E-11 2.10E-10 0.070015 0.9445
USD(-1)*CRD(-1) -2.12E-12 3.17E-11 -0.066745 0.9471
USD(-2) 0.000253 0.000217 1.168610 0.2481
USD(-2)^2 -2.95E-08 1.05E-07 -0.281252 0.7797
USD(-2)*IR -6.13E-07 1.64E-06 -0.373884 0.7101
USD(-2)*UNEM -3.11E-09 1.82E-09 -1.711155 0.0933
USD(-2)*IP(-1) 1.66E-11 2.09E-10 0.079568 0.9369
USD(-2)*CRD(-1) 7.34E-12 2.92E-11 0.251799 0.8022
IR 0.000677 0.000724 0.934574 0.3545
IR^2 1.76E-06 2.19E-06 0.803717 0.4254
IR*UNEM -9.01E-09 4.06E-09 -2.217220 0.0312
IR*IP(-1) -1.24E-10 3.55E-10 -0.349652 0.7281
IR*CRD(-1) 3.43E-11 8.52E-11 0.402645 0.6889
UNEM 1.55E-06 8.68E-07 1.788555 0.0797
UNEM^2 -1.75E-12 2.71E-12 -0.646282 0.5211
UNEM*IP(-1) -1.84E-13 4.23E-13 -0.434763 0.6656
UNEM*CRD(-1) 1.02E-13 1.18E-13 0.865673 0.3908
IP(-1) 5.96E-08 8.79E-08 0.677665 0.5011
IP(-1)^2 1.14E-14 3.30E-14 0.344876 0.7316
IP(-1)*CRD(-1) 1.38E-14 1.35E-14 1.020811 0.3123
CRD(-1) -2.67E-08 2.41E-08 -1.107315 0.2735
CRD(-1)^2 -4.58E-16 2.12E-15 -0.216550 0.8294
R-squared 0.490568 Mean dependent var 3.87E-05
Adjusted R-squared -0.059618 S.D. dependent var 7.83E-05
S.E. of regression 8.06E-05 Akaike info criterion -15.70886
Sum squared resid 3.25E-07 Schwarz criterion -14.31869
Log likelihood 879.7151 F-statistic 0.891640
Durbin-Watson stat 2.291100 Prob(F-statistic) 0.660929
44
Хавсралт 7. ХАА-н салбарын зээлийн эрсдлийн хувийн регресийн олон хүчин зүйлийн шугаман
загварын үнэлгээ
Dependent Variable: AGR
Method: Least Squares
Date: 04/26/09 Time: 12:40
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 22.29355 4.111699 5.421980 0.0000
CPI -0.044758 0.013662 -3.276124 0.0032
CRD 2.25E-06 6.06E-07 3.704087 0.0011
IR 0.042899 0.022836 1.878544 0.0725
UNEM -6.23E-05 2.71E-05 -2.297749 0.0306
AGR(-1) 0.550920 0.113171 4.868052 0.0001
CPI(-1) -0.036097 0.012344 -2.924185 0.0074
IR(-1) -0.075206 0.021861 -3.440231 0.0021
UNEM(-1) 9.13E-05 2.96E-05 3.084143 0.0051
CNY(-2) -0.098001 0.024892 -3.937105 0.0006
R-squared 0.909211 Mean dependent var 2.407430
Adjusted R-squared 0.875165 S.D. dependent var 0.663993
S.E. of regression 0.234602 Akaike info criterion 0.178074
Sum squared resid 1.320912 Schwarz criterion 0.627004
Log likelihood 6.972737 F-statistic 26.70544
Durbin-Watson stat 2.325248 Prob(F-statistic) 0.000000
Хавсралт 8. Барилгын салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман загварын
үнэлгээ
Dependent Variable: CNS
Method: Least Squares
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
CNY 0.384234 0.051118 7.516651 0.0000
IR 0.178793 0.049414 3.618282 0.0014
USD -0.057116 0.008729 -6.543562 0.0000
CPI(-1) -0.108276 0.021750 -4.978214 0.0000
IR(-1) -0.157823 0.040950 -3.854078 0.0008
USD(-1) 0.042213 0.007497 5.630897 0.0000
IR(-2) -0.260767 0.044398 -5.873451 0.0000
M2(-2) -6.04E-06 1.01E-06 -5.966245 0.0000
USD(-2) -0.012382 0.005568 -2.223903 0.0358
UNEM(-2) 0.000117 4.99E-05 2.341080 0.0279
R-squared 0.831107 Mean dependent var 3.317726
Adjusted R-squared 0.767772 S.D. dependent var 0.878506
S.E. of regression 0.423353 Akaike info criterion 1.358707
Sum squared resid 4.301463 Schwarz criterion 1.807637
Log likelihood -13.09802 Durbin-Watson stat 2.407556
45
Хавсралт 8. Боловсролын салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман
загварын үнэлгээ
Dependent Variable: EDU
Method: Least Squares
Date: 04/26/09 Time: 12:51
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 33.84584 9.994230 3.386538 0.0025
CPI -0.053033 0.028797 -1.841615 0.0785
EX -0.023658 0.006770 -3.494289 0.0020
IP 7.48E-05 1.91E-05 3.926798 0.0007
IR 0.141482 0.059677 2.370801 0.0265
USD -0.023506 0.005356 -4.388951 0.0002
CRD(-1) 4.08E-06 1.61E-06 2.533297 0.0186
CNY(-2) -0.197172 0.067459 -2.922853 0.0077
CPI(-2) 0.088029 0.026601 3.309267 0.0031
IR(-2) -0.120335 0.047592 -2.528482 0.0188
UNEM(-2) 0.000175 5.85E-05 2.991724 0.0065
R-squared 0.859069 Mean dependent var 2.820007
Adjusted R-squared 0.797795 S.D. dependent var 1.046880
S.E. of regression 0.470753 Akaike info criterion 1.587225
Sum squared resid 5.096988 Schwarz criterion 2.081048
Log likelihood -15.98283 F-statistic 14.02008
Durbin-Watson stat 2.203867 Prob(F-statistic) 0.000000
46
Хавсралт 10. Уул уурхайн салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман
загварын үнэлгээ
Dependent Variable: MIN
Method: Least Squares
Date: 04/26/09 Time: 13:01
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
EX -0.024563 0.004703 -5.222527 0.0000
IP 7.56E-05 1.41E-05 5.377686 0.0000
USD -0.026591 0.005224 -5.090422 0.0000
MIN(-1) 0.340444 0.109142 3.119272 0.0042
CNY(-1) 0.109366 0.031483 3.473870 0.0017
UNEM(-2) 0.000195 4.29E-05 4.551783 0.0001
R-squared 0.815377 Mean dependent var 3.172211
Adjusted R-squared 0.782409 S.D. dependent var 1.005979
S.E. of regression 0.469255 Akaike info criterion 1.483446
Sum squared resid 6.165615 Schwarz criterion 1.752803
Log likelihood -19.21858 Durbin-Watson stat 2.006547
Хавсралт 11. Үл хөдлөх хөрөнгийн салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман
загварын үнэлгээ
Dependent Variable: MRG
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -31.11521 7.836182 -3.970710 0.0010
CPI 0.110650 0.016951 6.527545 0.0000
EX -0.026471 0.004340 -6.099532 0.0000
IP 8.32E-05 1.19E-05 6.998188 0.0000
IR 0.047600 0.030233 1.574397 0.1338
M2 -4.34E-06 8.66E-07 -5.012493 0.0001
USD -0.025815 0.004017 -6.427294 0.0000
UNEM -9.86E-05 2.77E-05 -3.561504 0.0024
CNY(-1) 0.213865 0.032852 6.510046 0.0000
CRD(-1) -2.55E-06 1.01E-06 -2.532835 0.0215
IR(-1) 0.054396 0.027203 1.999611 0.0618
M2(-1) 3.84E-06 1.18E-06 3.244704 0.0048
UNEM(-1) -0.000162 3.43E-05 -4.716052 0.0002
CNY(-2) -0.090209 0.049002 -1.840942 0.0832
IR(-2) -0.061671 0.026553 -2.322514 0.0329
USD(-2) 0.022950 0.004562 5.031202 0.0001
UNEM(-2) 0.000160 3.39E-05 4.714810 0.0002
R-squared 0.987312 Mean dependent var 2.886074
Adjusted R-squared 0.975371 S.D. dependent var 1.424503
S.E. of regression 0.223555 Akaike info criterion 0.148536
47
Sum squared resid 0.849608 Schwarz criterion 0.911716
Log likelihood 14.47489 F-statistic 82.68098
Durbin-Watson stat 2.769490 Prob(F-statistic) 0.000000
Хавсралт 12. Тээврийн салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман загварын
үнэлгээ
Variable Coefficient Std. Error t-Statistic Prob.
CNY -0.222108 0.073411 -3.025534 0.0058
CPI 0.101657 0.037526 2.708956 0.0123
IR -0.193680 0.057285 -3.380991 0.0025
UNEM -0.000167 7.56E-05 -2.206870 0.0371
CNY(-1) 0.115159 0.069921 1.646971 0.1126
CPI(-1) 0.077483 0.037539 2.064070 0.0500
UNEM(-1) -0.000151 6.77E-05 -2.227620 0.0355
CRD(-2) -5.84E-06 1.23E-06 -4.736652 0.0001
M2(-2) 1.82E-06 1.05E-06 1.726184 0.0972
USD(-2) 0.016034 0.005030 3.187789 0.0040
R-squared 0.771684 Mean dependent var 3.482883
Adjusted R-squared 0.686066 S.D. dependent var 1.057346
S.E. of regression 0.592429 Akaike info criterion 2.030758
Sum squared resid 8.423337 Schwarz criterion 2.479687
Log likelihood -24.52288 Durbin-Watson stat 1.595199
Хавсралт 13. Бөөний болон жижиглэн худалдааны салбарын чанаргүй эрсдлийн регресийн
олон хүчин зүйлийн шугаман загварын үнэлгээ
Variable Coefficient Std. Error t-Statistic Prob.
C 10.00729 2.548105 3.927347 0.0008
CPI 0.039576 0.012402 3.191046 0.0046
CRD 1.59E-06 5.80E-07 2.733025 0.0128
EX -0.018635 0.004211 -4.424954 0.0003
IP 5.63E-05 1.19E-05 4.722412 0.0001
IR -0.052845 0.019370 -2.728174 0.0130
M2 -1.05E-06 3.97E-07 -2.634724 0.0159
USD -0.015985 0.002331 -6.857625 0.0000
UNEM -4.93E-05 2.07E-05 -2.385998 0.0270
CPI(-1) 0.035991 0.011816 3.045844 0.0064
CRD(-1) -1.92E-06 6.72E-07 -2.852589 0.0098
UNEM(-1) -4.55E-05 2.07E-05 -2.192750 0.0403
WHS(-2) 0.520867 0.092955 5.603450 0.0000
M2(-2) 1.17E-06 5.68E-07 2.062911 0.0523
R-squared 0.968211 Mean dependent var 2.893067
Adjusted R-squared 0.947549 S.D. dependent var 0.692245
S.E. of regression 0.158540 Akaike info criterion -0.552721
Sum squared resid 0.502697 Schwarz criterion 0.075780
Log likelihood 23.39626 F-statistic 46.85804
Durbin-Watson stat 2.436231 Prob(F-statistic) 0.000000
48
Хавсралт 14. Бусад эрсдлийн регресийн олон хүчин зүйлийн шугаман загварын үнэлгээ
Dependent Variable: OTH
Method: Least Squares
Date: 04/26/09 Time: 13:09
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
CRD 3.87E-06 8.66E-07 4.471206 0.0002
EX -0.060242 0.006824 -8.828251 0.0000
IP 0.000178 1.97E-05 9.063824 0.0000
IR -0.106848 0.053149 -2.010334 0.0563
UNEM -0.000163 4.56E-05 -3.578563 0.0016
CNY(-1) 0.097645 0.040865 2.389463 0.0255
CPI(-1) 0.067982 0.025026 2.716520 0.0123
IR(-1) 0.093405 0.043403 2.152057 0.0421
USD(-1) -0.025571 0.006343 -4.031151 0.0005
IR(-2) 0.077575 0.044096 1.759227 0.0918
UNEM(-2) -0.000196 4.93E-05 -3.974159 0.0006
R-squared 0.950892 Mean dependent var 2.842502
Adjusted R-squared 0.929541 S.D. dependent var 1.616131
S.E. of regression 0.428987 Akaike info criterion 1.401412
Sum squared resid 4.232686 Schwarz criterion 1.895235
Log likelihood -12.82400 Durbin-Watson stat 2.469952
49