Главная страница | Контакты | Случайная страница Автомобили Астрономия Биология География Дом и сад Другие языки Другое Информатика История Культура Литература Логика Математика Медицина Металлургия Механика Образование Охрана труда Педагогика Политика Право Психология Религия Риторика Социология Спорт Строительство Технология Туризм Физика Философия Финансы Химия Черчение Экология Экономика Электроника

НА ОСНОВЕ МЕТОДА СИГНАЛОВ

ФОРМИРОВАНИЕ СИСТЕМЫ ИНДИКАТОРОВ ФИНАНСОВЫХ КРИЗИСОВ

В статье приведен обзор исследований, посвященных применению метода сигналов при построении систем раннего предупреждения EWS (early warning systems) для прогнозирования финансовых кризисов. Далее материал структурирован в соответствии с этапами исследования, проведенного автором: описание источников сбора данных о финансовых кризисах; описание показателей, характеризующих кризис; описание методологии расчета сигналов; оценка статистических характеристик индикаторов; формирование композитного индикатора и оценка его статистических характеристик.

Применение метода сигналов в непараметрических оценках

Теоретические работы о банковских кризисах,

лежащие в основе построения системы индикаторов

Идея предсказания банковских кризисов связана с теорией бизнес-циклов (Fisher (1933)): исходя из теории макроэкономических циклов любая динамика роста, связанная с экономическим бумом, приводит к нарушению баланса в экономике, следствием которого является финансовый кризис. Исходя из представлений о цикличности экономики, в показатели сигналов включают такие показатели, как, например, замедление темпов кредитования экономики, т.е. стараются предугадать наступление цикличного спада.

Также для прогнозирования банковских кризисов применима модель "набега вкладчиков на банки", представленная в классической работе Diamond & Dybvig (1983). Для использования данной модели необходимо отслеживать динамику изменений объемов банковских депозитов.

Проблемы асимметрии информации и рационирования кредитов (отрицательный отбор заемщиков), ведущие к банковскому кризису, раскрываются в теоретической работе Mishkin (1996). При построении системы индикаторов напрямую уровень асимметрии информации не измеряется. Тем не менее проблема адекватных процентных ставок по кредитам учитывается в показателях процентной маржи. Предполагается, что финансовая либерализация приводит к сокращению банковской процентной маржи, кредитование менее надежных заемщиков по более низкой процентной ставке (в связи с растущей банковской конкуренцией) увеличивает системные риски банковской системы и приводит к кризису.

Согласно теоретическому описанию моделей эффекта заражения [3, 10], существенная часть сигналов банковских кризисов состоит из показателей, отображающих различные внешние каналы распространения кризиса. Прежде всего речь идет о показателях платежного баланса - сальдо счета текущих операций, показателе притока/оттока капитала из страны, а также величине международных резервов.

Проблема определения показателей банковского кризиса

Для построения системы предупреждения о финансовых кризисах необходимо получить исторические данные о кризисах в разрезе различных стран. Как отмечается в работе Davis & Karim (2008), в идеальных условиях для функционирования систем раннего предупреждения необходима величина, количественное измерение которой позволяет определить банковский кризис.

На практике представляется затруднительным дать универсальное описание кризиса в терминах изменений определенных количественных показателей. Тем не менее перечень показателей, определяющих банковский кризис, был сформирован в работе Demirguc-Kunt, Detragiache & Gupta (2006). Список включал в себя следующие показатели:

1) уровень просрочки по кредитам - 10% и более;

2) стоимость поддержания стабильности финансовой системы - 2% от ВВП и более (так называемое явление латентного кризиса. Термин употребляется в ситуациях, когда кризис не проявляет себя открыто, поскольку его негативные последствия удается нейтрализовать за счет финансовой помощи);

3) широкомасштабная банковская национализация;

4) банкротство банков либо введение экстренных регуляторных мер (заморозка вкладов, дополнительные правительственные гарантии и проч.).

Вопросы, связанные с определением

продолжительности банковского кризиса

Обычно в большинстве работ исследуемые временные периоды разбиты на две категории: условно говоря, "стабильные периоды" - периоды без кризиса - и "кризисные периоды". В некоторых работах, например Mulder, Perrelli & Rocha (2002), также вводится показатель "восстановительных периодов", который характеризуется этапом выхода из кризиса, восстановлением докризисных позиций.

В работе Kaminsky & Reinhart (2000) используется фиксированная продолжительность кризиса - 24 месяца с момента зафиксированных проблем в банковской системе, в работе Davis & Karim (2008) и некоторых других продолжительность кризиса также стандартна для любой страны и равняется одному году.

Поиск опережающих показателей банковского кризиса

Обычно перечень показателей группируется по следующим направлениям.

1. Макроэкономика и показатели денежного обращения. В данную категорию входят показатели, отражающие общие темпы экономического роста, а также темпы роста денежной массы (в стабильных экономиках с устойчивым показателем инфляции данные переменные имеют динамику, близкую к симметричной).

2. Показатели государственных финансов. Отслеживаются показатели, связанные с бюджетом и государственным долгом.

3. Показатели внешнего сектора. Отражают состояние счета платежного баланса - счета текущих операций, счета движения капитала, размер международных резервов. Также отдельно учитываются потоки спекулятивного капитала и возможность "эффекта заражения".

4. Показатели банковского сектора. Представляют из себя баланс банковской системы в агрегированном виде; также данная категория может быть представлена показателями хрупкости финансовой системы и показателями системного риска банковской системы.

5. Показатели отдельных рынков (фондовый рынок, рынок недвижимости). Достаточно часто периоду кризиса предшествует период экономического роста, в результате которого нарушается равновесие как на товарных, так и на денежных рынках, что при отсутствии стабилизационной политики может привести к росту хрупкости финансовой системы и последующему кризису. Драйвером подобного экономического роста может послужить бум на определенном рынке.

Горизонт прогнозирования

В работе Kaminsky & Reinhart (2000) предполагается, что полученный сигнал действует в течение 24 месяцев до кризиса. В работе Davis & Karim (2008) используется "окно" в два года - предполагается, что сигнал обладает информационной ценностью за год до кризиса и в год кризиса. Горизонт значений зависит, в частности, и от применяемых данных: в одних работах применяются ежемесячные данные, в других - годовые.

Алгоритм поиска оптимальных пороговых значений для сигналов

Пороговое значение определяется исходя из оптимизации ошибок первого рода ("ложная тревога") и второго рода ("пропуск события"). Чтобы установить баланс между ошибками первого и второго рода, в работе Kaminsky & Reinhart (2000) был предложен показатель отношения "уровня шума к уровню сигналов", общее значение которого должно стремиться к минимальному. В качестве альтернативного показателя Mulder, Perrelli & Rocha (2002) предложили показатель "баланса сигналов к шуму" (signal-to-noise balance). Показатель signal-to-noise balance рассчитывается как разница между пропорцией предсказанных кризисов и уровнем шума (вероятностью ложной тревоги). Оптимальные границы в данном случае находятся из максимизации значения показателя. Demirguc-Kunt, Detragiache & Gupta (2006) применяют показатель loss function, который состоит из взвешенной суммы ошибок первого и второго рода. Оптимальные пороговые границы для loss function находятся путем минимизации значения.

Формирование композитного индикатора

Композитный индикатор позволяет агрегировать сигналы, полученные от различных показателей, и дать комплексную оценку общему уровню финансовой стабильности в экономике. Для построения функции распределения вероятность наступления финансового кризиса в работе Kaminsky & Reinhart (2000) рассчитывается как частота кризиса при данном значении в пределах определенных границ относительно общего количества наблюдений показателя в данном диапазоне.

Применение метода сигналов в российской практике

В российских источниках данному методу уделялось внимание в работах Дробышевского и др. (2006) и Трунина (2007).

В публикации [1] предложен российский вариант построения системы индикаторов на основе данных мировой экономики для развивающихся стран.

В исследовании [2] автору удается получить вполне действенную систему индикаторов именно для российской экономики и предсказать рост финансовой напряженности к 2008 г.

Построение системы сигналов на основе непараметрических оценок зарекомендовало себя хуже logit-моделей (Berg & Pattillo (1999), Davis & Karim (2008)) в случае построения системы индикаторов на глобальной основе, но при этом применимо при разработке системы показателей кризисов для отдельных стран; в подтверждение можно привести работу Peng & Bajona (2007), в которой полученные сигналы используются в качестве действенных указателей для анализа напряженности на валютном рынке Китая. В определенных случаях методика сигналов применяется в качестве комплементарной, например, в работе Bunda & Ca'Zorzi (2009) метод используется, чтобы оценить показатель бума на рынке недвижимости в качестве индикатора финансового кризиса. По мнению экспертов МВФ [15], несмотря на достаточное количество шумов, производимых системами раннего предупреждения, их практическая значимость для МВФ состоит в возможности более пристально изучить положение дел в отдельно взятой стране.

Формирование системы индикаторов финансовых кризисов

В данной статье описывается построение системы опережающих индикаторов банковских кризисов на основе годовых финансово-экономических показателей 160 стран за период 1975 - 2007 гг. Выбор периода обусловлен возникновением Ямайской валютной системы, которая охарактеризовала собой переход большинства стран к политике свободного валютного курса, и снятием ограничений на перемещение капиталов.

Основной методологической базой является работа Kaminsky & Reinhart (2000), в которой применяется методология сигналов. При этом работа дополнена методами определения оптимальных пороговых значений при помощи loss function и noise-to-signal balance.

Целью проведенного автором исследования являются построение системы индикаторов на глобальном уровне, что означает составление списка показателей, обладающих в отдельности приемлемыми прогнозными характеристиками, построение композитного индикатора на их основе и определение оптимальных пороговых значений, позволяющих предсказывать кризис. Также для сравнения были построены системы индикаторов для всех 160 стран.

Подход применения сигналов можно описать следующим алгоритмом:

1. Собрать эмпирические данные о финансовых кризисах и зафиксировать те периоды, когда наблюдались валютный, долговой либо банковский кризисы.

2. Выбрать показатели, которые будут исследоваться в качестве опережающих показателей финансового кризиса.

3. Разработать методологию расчета сигналов и определения оптимального порогового значения.

4. Оценить статистические характеристики полученных индикаторов.

5. На основании полученных статистических характеристик сформировать показатель композитного индикатора и оценить его статистические характеристики.

Далее представлены этапы формирования системы индикаторов.

Сбор эмпирических данных о финансовых кризисах

В статье использовалась база данных IMF, в которой финансовые кризисы по разным странам разбиты по типу и хронологически, с 1972 по 2007 г.

Системный банковский кризис в работе Laeven & Valencia (2008) определялся как "...подверженность корпоративного и финансового секторов экономики большому количеству дефолтов и трудностей, связанных со своевременным исполнением финансовых обязательств перед контрагентами. В результате объем просроченных обязательств возрастает, что приводит к существенному сокращению капитала банковской системы. Подобная ситуация может сопровождаться снижением стоимости активов (таких, как акции, недвижимость), которые находились на пике перед началом кризиса, резким увеличением процентных ставок (реальных) и снижением или оттоком капитала из экономики. В некоторых случаях кризис сопровождается набегом на банки со стороны вкладчиков, хотя в большинстве случаев финансовые институты в период кризиса находятся в расстроенном состоянии".

В данном документе системный банковский кризис фиксировался на основе таких показателей, как:

- массовый отток депозитов из банковской системы - более 5%;

- введение регулятивных мер по замораживанию депозитов и выдача правительственных гарантий;

- массовая поддержка ликвидности банков со стороны регуляторов (минимум 5% от обязательств банковской системы) и прочие интервенции;

- значительный рост просрочки исполнения обязательств и сокращение капитализации банковской системы.

В результате авторами было обозначено 124 системных банковских кризиса за период с 1970 по 2007 г. для 160 стран.

Валютный кризис определялся авторами как номинальное обесценение валюты более чем на 30%, а также как девальвация национальной валюты на 10% по сравнению с предыдущим годом того же периода. За период с 1970 по 2007 г. было зафиксировано 208 валютных кризисов.

Долговой кризис определяется в работе как дефолт по суверенным долгам и его реструктуризация. За период 1970 - 2007 гг. было выявлено 63 случая долгового кризиса.

Для определения явления кризиса в статье были использованы данные из работы Laeven & Valencia (2008). Сам кризис представляется дискретной величиной (значение либо 0 - кризиса не наблюдалось, либо 1 - кризис наблюдался).

Выбор показателей для формирования системы

В качестве источника данных для формирования показателей - сигналов - использовался онлайн-ресурс Всемирного банка: http:// data.worldbank.org.

Во всех работах авторы говорят о качестве системы в терминах ошибок первого и второго рода. Определение ошибки первого и второго рода проистекает из определения гипотезы. Ошибка первого рода означает, что нулевая гипотеза неверно отвергнута. Ошибка второго рода - нулевая гипотеза не отвергнута, когда должна быть отвергнута. В данном исследовании в качестве нулевой гипотезы выступает предположение о том, что кризиса нет (в некоторых работах нулевая гипотеза формулируется наоборот). Достаточно часто вместо терминов "ошибка первого/второго рода" употребляются термины "ложная тревога"/"пропуск события".

В отношении табл. 1 справедливо замечание, что многие показатели схожи, а значит, могут коррелировать между собой. Предполагается, что при тестировании сигналов отдельных показателей данная проблема лишена актуальности. При составлении композитного индикатора можно выбрать наилучшие показатели по отдельным направлениям, а также рассчитать корреляционную матрицу сигналов.

Таблица 1

Сформированный список показателей для расчета индикаторов

По приведенным показателям были собраны данные для 160 стран за период 1975 - 2007 гг. Практически для любой из 160 стран не наблюдается полного ряда данных за обозначенный период по всем показателям. В связи с этим было принято решение включить в расчет все имеющиеся данные, которые позволяют рассчитать процентное изменение между двумя периодами. Единица измерения периода - год. В том случае, если данные по какому-то показателю за какой-то период отсутствуют, сигнал не рассчитывается, но при этом не учитываются и данные о наличии кризиса.

Таким образом, для различных показателей получилось различное количество наблюдений для оценки и расчета сигналов.

Методология расчета сигналов

Применение метода сигналов при прогнозировании кризиса подразумевает наличие связи между резким изменением финансовой действительности (на которую указывает сигнал) и финансовым кризисом.

Сигнал - это знак, рассчитанный на основе изменения показателя (из табл. 1), который указывает на резкое изменение данного показателя. Методологический смысл сигнала состоит в том, чтобы уловить признаки нарушения баланса в экономике (которое приводит к кризису).

Сигнал в данном исследовании принимает значения 0 и 1 и определяется следующим образом:

j j _j j _j

{S = 0} = {S, │X │ <= │X │ <= │X │},

t t low t up

j j j _j

{S = 1} = {S, │X │ > │X │},

t t t up

j j j _j

{S = 1} = {S, │X │ < │X │},

t t t low

j

где X - значение показателя в текущем периоде;

t

_j

│X │ - верхнее пороговое значение для текущего показателя;

up

_j

│X │ - нижнее пороговое значение для текущего показателя.

low

Процедура определения оптимального порогового значения описана в следующем разделе.

В качестве показателя для расчета сигнала было взято процентное изменение показателей из табл. 1 к предыдущему периоду:

j j j

X = (V / V - 1),

t t t-1

j

где V - абсолютные значения показателя j для одной из стран.

t

Для каждого показателя j из списка, приведенного в табл. 1, формируется

j

матрица значений X, где; по столбцам отмечен временной период - с 1976 по

t

2007 г. (итого 32 периода), а по строкам - страны (всего 160 стран).

Наполнение матрицы показателями различно - по некоторым странам за

различные периоды нет показателей. Например, для стран СНГ и Балтии нет

показателей до 1992 г. В некоторых случаях по одной стране есть

определенный показатель (например, темп роста ВВП), но отсутствует

показатель по ставкам депозитов. Поэтому в зависимости от показателя

j

количество суммарных наблюдений Х различно.

t

Для каждого показателя в итоге рассчитываются сигналы, из которых составляется матрица сигналов. Каждый элемент в матрице сигналов принимает значение 0, 1 или ND (нет данных о показателе за данный период).

В результате для каждого показателя данные о сигналах агрегируются и заполняется табл. 2.

Таблица 2

Данные по агрегированным сигналам показателя

──────────┬──────────────────────────────────────────┬─────────────────────

C │ Показатель: депозиты │B

Ошибка ├─────────────┬─────────────┬──────────────┤Ошибка "второго

"первого │ \Кризис│Нет в течение│Есть в течение│рода" - "пропуск

рода" - │Сигнал \ │ 24 месяцев │ 24 месяцев │события"

"ложная ├─────────────┼─────────────┼──────────────┤

тревога" │ │A │B │

│Нет │ │ │

├─────────────┼─────────────┼──────────────┤

│Есть │C │D │

├─────────────┴─────────────┴──────────────┤

│Итого наблюдений: A + B + C + D │

──────────┴──────────────────────────────────────────┴─────────────────────

Анализ матрицы результатов

и определение оптимального порогового значения

_j

Для каждого показателя j следует найти такие пороговые значения X и

up

_j

X, чтобы соблюдались следующие условия:

low

1) P(C|S) > P(C),

где P(C|S) = D / (D + C), P(C|S) - вероятность кризиса при поданном сигнале;

P (C) = C / (A + B + C + D), P(C) - безусловная вероятность наступления кризиса;

2) max noise-to-signal balance.

В работе Mulder, Perrelli & Rocha (2002) показатель noise-to-signal balance рассчитывается как доля кризисов, предсказанных с помощью сигнала, минус вероятность "ложной тревоги" в подаваемом сигнале:

N/S balance = D /(B + D) - C / (C + D).

Данный показатель удобен интуитивно понятной шкалой своих значений. Максимальное значение равняется 1, что означает предсказывание всех кризисов при отсутствии шумов. Значения от 1 до 0,2 можно в общем случае рассматривать как приемлемые. То есть это означает, что значение сигнала о кризисе более информативно, чем шум, который создает данный сигнал.

При определении оптимальных пороговых значений в данной статье было принято решение ориентироваться на максимальный показатель noise-to-signal balance. Основная причина ориентации на данный показатель - борьба с чрезмерно высоким уровнем шумов, которым традиционно отличаются системы раннего предупреждения, построенные на методе сигналов.

Алгоритм процедуры оптимизации

для верхнего и нижнего пороговых значений

Для оптимизации пороговых значений используется процедура перебора значений макроса электронной таблицы Excel, который перебирает верхнее и нижнее пороговые значения в определенно заданном диапазоне с заданным шагом.

Далее рассчитываются результирующие показатели A, B, C, D.

Затем рассчитываются показатели P(C), P(C|S), N/S balance для всех комбинаций верхней и нижней границ в перечисленном диапазоне.

По результатам происходят сортировка данных и поиск пороговых значений, удовлетворяющих условию P(C|S) > P(C) и показателю N/S balance.

Оценка статистических характеристик полученных показателей

Полученный метод в целом показывает неудовлетворительные результаты для общей совокупности и приемлемые результаты для тех же показателей по отдельным странам.

Исходя из интерпретации значения N/S balance > 0 как допустимого для включения в список сигналов, можно говорить о показателях, приведенных в табл. 3, как о более или менее релевантных.

Таблица 3

Статистические характеристики сигналов

на основе анализа генеральной совокупности, %

В отношении построения сигналов по показателям для отдельных стран результаты получаются вполне удовлетворительными. Поскольку список из 164 стран по каждому показателю привести обременительно, приведем сводную таблицу оптимизированных сигналов для каждого показателя по всем странам (табл. 4).

Таблица 4

Распределение оптимальных статистических характеристик

отдельных сигналов по странам

Процедура оптимизации по отдельным странам показала пригодность в качестве сигналов о кризисе прежде всего таких показателей, как просроченная задолженность, отношение внешнего суверенного долга к ВВП, ставки по кредитам и депозитам, ликвидные обязательства к ВВП и т.д.

Очевидно, что подобрать оптимальные пороговые значения для отдельных показателей исходя из генеральной совокупности данным методом представляется проблематичным.

С другой стороны, по отдельной стране можно подобрать оптимальные пороговые значения сигналов по различным категориям показателей (банковский сектор, государственный долг, монетарная политика, фондовый рынок), чтобы иметь возможность прогнозировать банковский кризис внутри выборки.

Подобные результаты говорят о неспособности метода сигналов построить систему прогнозирования кризиса на глобальном уровне, но применимости - на локальном.

Возможно, основная причина подобных результатов - низкая безусловная вероятность кризиса (2,5%). Наблюдений более 5000, в то время как данные о банковских кризисах составляют всего 124 явления. Для сравнения: в работе Kaminsky & Reinhart (2000) безусловная вероятность банковского кризиса составляла 5% - исследовалось 26 банковских кризисов по 20 странам за период с 1970 по 1995 г.

В статистике считается оптимальным, чтобы пропорция предсказываемого явления составляла 5 - 10% от наблюдений. В нашем случае чрезвычайно высокой оказывается вероятность шумов ("ложной тревоги").

Построение композитного индикатора

Для построения композитного индикатора сигналы по различным показателям суммировались с учетом веса их значимости по показателю noise-to-signal balance:

/ / \\

│ │ ││

c,t n │ c,t c │ n ││

I = SUM │(S x NSB) │n - ---------││

i i=1 │ i i │ n c,t││

│ │ SUM ND ││

\ \ i=1 i //

где I - композитный индикатор;

c - страна;

t - год;

S - сигнал отдельного показателя;

i

n - количество сигналов;

c

NSB - значение noise-to-signal balance;

i

c,t

ND - отсутствие для расчета сигнала i по показателю данной страны за

i

период t.

Для отдельных стран композитный индикатор показал приемлемые результаты, которые приведены в табл. 5.

Таблица 5

Распределение показателя N/S balance

для композитного индикатора в разрезе отдельных стран

Список стран, для которых значение показателя N/S balance составляет 50% и более, приведен в табл. 6. В табл. 7 приведен список стран, для которых также удалось построить систему индикаторов со вполне приемлемыми статистическими характеристиками - с показателем N/S balance свыше 20% и менее 50%.

Таблица 6

Страны с показателем N/S balance 50% и более

Таблица 7

Страны с показателем N/S balance свыше 20% и менее 50%

──────────────────────┬────────────────┬───────────────────┬───────────────

1. Бенин │6. Грузия │11. Польша │16. Чили

2. Болгария │7. Камерун │12. Россия │17. Ямайка

3. Боливия │8. Кувейт │13. Словакия │

4. Вьетнам │9. Ливан │14. Тунис │

5. Гайана │10. Парагвай │15. Турция │

──────────────────────┴────────────────┴───────────────────┴───────────────

Заключение

Результаты исследования в общем подтверждают аргументы критиков теории сигналов, демонстрируя ее несостоятельность для построения системы предупреждения о кризисах на глобальном уровне. Вместе с этим по результатам работы допустимо формулировать гипотезу об успешном построении системы на локальном уровне отдельных стран.

Система раннего предупреждения, построенная по принципу сигналов, не показывает приемлемых результатов на глобальном уровне по причине неприемлемо высокой вероятности ошибки первого рода ("ложная тревога").

Для отдельных стран удается подобрать пороговые значения показателей-сигналов, демонстрирующие приемлемые результаты исходя из сбалансированного критерия оптимизации ошибок первого и второго рода noise-to-signal balance.

Метод составления из работающих сигналов композитного индикатора для отдельной страны также оказывается действенным - показатели noise-to-signal balance композитного индикатора существенно превосходят результаты отдельных сигналов.

В общей сложности на основании композитного индикатора удалось построить систему раннего предупреждения банковских кризисов для 81 страны.

Следует также упомянуть об условностях, содержащихся в определении банковского кризиса, - расчеты в данной работе опираются на результаты исследования МВФ. Возможно, отсутствие схожих сигналов кризиса на глобальном уровне подтверждает идею, что в банковских кризисах отдельных стран различий никак не меньше, чем схожих черт.

Литература

1. Дробышевский С.М., Трунин П.В., Палий А.А., Кнобель А.Ю. Некоторые подходы к разработке системы индикаторов мониторинга финансовой стабильности / Институт экономики переходного периода. 2006.

2. Трунин П.В. Методологические подходы к разработке и обоснованию индикаторов-предвестников финансовой нестабильности в России: Дис. на правах рукописи / Институт экономики переходного периода. 2007.

3. Baig T., Goldfajn I. (1999). Financial Market Contagion in the Asian Crisis // IMF Staff Papers. Vol. 46 (June). P. 167 - 195.

4. Berg A., Pattillo C. (1999). Predicting currency crises: The indicators approach and an alternative // Journal of International Money and Finance.

5. Bunda I., Ca'Zorzi M. (2009). Signals from housing and lending booms // Emerging Markets Review.

6. Davis E., Karim D. (2008). Comparing early warning systems for banking crises.

7. Demirguc-Kunt A., Detragiache E., Gupta P. (2006). Inside the crisis: An empirical analysis of banking systems in distress.

8. Diamond D.W., Dybvig P.H. (1983). Bank Runs, Deposit Insurance, and Liquidity // Journal of Political Economy.

9. Fisher I. (1933). The Debt-Deflation Theory of Great Depression // Econometrica.

10. Fratzscher M. (2003). On Currency Crises and Contagion // International Journal of Finance and Economics. Vol. 8. No. 2. P. 109 - 129.

11. Kaminsky G., Reinhart C. (2000). Currency and Banking Crises: The Early Warnings of Distress // IMF Staff Papers.

12. Laeven L., Valencia F. (2008). Systemic Banking Crises: A New Database // IMF Working Papers.

13. Mishkin F.S. (1996). Understanding Financial Crises: A Developing Country Perspective // NBER Working Paper 5600.

14. Mulder C., Perrelli R., Rocha M. (2002). The role of Corporate, Legal and Macroeconomics Balance Sheet Indicators in Crisis Detection and Prevention // IMF Working Papers.

15. Oka C. (2003). Antisipating areas to IMF: early warning systems // IMF Working Papers.

16. Peng D., Bajona C. (2007). China's vulnerability to currency crisis: A KLR signals approach.

В.Ю.Киселев

Кафедра банковского дела

ГУ-ВШЭ

Подписано в печать

19.04.2011