Монгол Улсын Их Сургууль

Эдийн Засгийн Сургууль

Банкны зээлийн эрсдлийг ”CPV” загвараар үнэлэх болон
зээлийн багцын оновчтой сонголт
Голомт банкны оюутны эрдэм шинжилгээний бага хурал
Удирдагч:

Ө. Гэрэлт - Од

Илтгэгч:

Г. Отгончимэг /МУИС, Банк-3/
Ч. Тогтохцэрэн /МУИС, Санхүү-3/
Л. Энх – Амгалан /СЭЗДС, БЭЗ-3/

Улаанбаатар хот
2009 он
1

АГУУЛГА
Банкны зээлийн эрсдлийг ”CPV” загвараар үнэлэх болон зээлийн багцын оновчтой хуваарилалт............... 1
I. УДИРТГАЛ ......................................................................................................................................................... 4
II. СУДАЛГААНЫ ХУРААНГУЙ........................................................................................................................ 5
III. ОНОЛЫН ХЭСЭГ ............................................................................................................................................ 9
3.1 Банкны зээлийн эрсдэл, түүнд нөлөөлөгч хүчин зүйлс ....................................................................... 9
3.1.1 Зээлийн эрсдэлийн талаархи ойлголт .................................................................................................. 9
3.1.2 Банкны секторын зээлийн эрсдэлд нөлөөлөгч хүчин зүйлс .............................................................. 9
3.1.3 Макро эдийн засгийн хүчин зүйлсийн тайлбар ................................................................................11
3.1.4 Макро хувьсагчдыг загварчлах нь .....................................................................................................12
3.2 Зээлийн эрсдэлийн загваруудын тухай ................................................................................................ 12
3.2.1 Зээлийн эрсдэлийн загваруудын ерөнхий бүтэц ..............................................................................12
3.2.2 Зээлийн эрсдэлийн онолын загварын тавил ......................................................................................13
3.3 ‘Credit Portfolio View’ (CPV) загвар ...................................................................................................... 13
3.3.1 CPV загварт тавигдах ерөнхий шаардлага ........................................................................................14
3.4 Марковичын багц сонголтын онол....................................................................................................... 15
3.4.1 Хамгийн бага эрсдэлтэй багц ..........................................................................................................18
3.4.2

Шүргэгч багц ...................................................................................................................................19

lV. СУДАЛГААНЫ ХЭСЭГ ................................................................................................................................22
4.1

Банкны зээлийн эрсдэлийн эконометрик загвар ......................................................................... 22

4.1.1 Үзүүлэлтүүдийн интегрэтэдийн эрэмбэ ............................................................................................23
4.1.2 Үзүүлэлтүүдийн учир шалтгаан, үр дагаврын хамаарал .................................................................24
4.1.3 Чанаргүй зээлийн нийт зээлд эзлэх хувь ба тайлбарлагч үзүүлэлтүүдийн хамаарал ...................24
4.2 Салбарын зээлийн эрсдэлийг CPV загвараар үнэлэх нь................................................................... 25
4.2.1 CPV загвараар үнэлсэн салбаруудад дахь макро хувьсагчидын нөлөөлөл ....................................26
2

4.3 Банкны зээлийн багцыг Марковичийн багц сонголтын онолоор хуваарилах ............................ 29
4.3.1 Макро хувьсагчидын прогноз.............................................................................................................29
4.3.2 Салбар тус бүрийн зээлийн эрсдэлийн ирээдүйн утга .....................................................................31
4.3.3 Банкууд зээлийн багцаа хэрхэн байршуулах вэ? ..............................................................................32
4.3.4 Хамгийн бага эрсдэлтэй багц. ............................................................................................................33
4.3.5 Шүргэгч багц .......................................................................................................................................35
ДҮГНЭЛТ, САНАЛ ЗӨВЛӨМЖҮҮД ................................................................................................................37
АШИГЛАСАН МАТЕРИАЛ ...............................................................................................................................39
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

Талархал: Тоон мэдээлэл, онол, эконометрик тооцооны талаархи дэмжлэг туслалцаа
үзүүлсэн
МУИС-ЭЗС-ийн багш Ө.Гэрэлт-Од (Магистр), СЭЗДС-ЭЭТэнхимийн эрхлэгч
Ц.Батсүх (PhD), Монгол банкны Хяналтын газрын мэргэжилтэн н.Борхүү, Монгол банкны
мөнгөний бодлогын хэлтсийн эдийн засагч Н.Ургамалсувд болон “Frontier” брокер диллерийн
компанийн эдийн засагч Ё.Рэнцэндорж нарт талархалаа илэрхийлье.
Судлах болсон шалтгаан: 2007 оны дунд үеээс эхлэн АНУ-ын томоохон хөрөнгө
оруулалтын банк болох Lehman Brothers-ын дампуурлаас үүдэлтэй, глобаль шинжтэй энэхүү
хямрал нь манай улсыг ч гэсэн дайраад байна. АНУ төдийгүй бусад улс орнууд үнэт цаасаар
барьцаалсан үл хөдлөх хөрөнгийн зээлийн2 хурдтай өсөлт, түүнээс үүдсэн зээлийн эрсдэл нь
эдгээр улсуудын хямралын нэг томоохон шалтгаан болсон. Үүний нэгэн адил манай улсын
хувьд 2004-2008 онуудад зээлийн хэмжээ өмнөх жилтэйгээ харьцуулахад 28,7-42,3 хувиар
өссөн. Гэвч 2008 дунд үеээс эхлэн зээлийн нийлүүлэлт эрс багассан нь зээлийн эрсдэл үүссэн
байж болзошгүйг харуулж байна. Энэхүү үүсээд байгаа зээлийн эрсдэлд макро эдийн засгийн
үзүүлэлтүүд хэрхэн нөлөөлж байгааг тодорхойлж эрсдэлийг бууруулах боломжыг олох үүднээс
энэхүү асуудлыг сонгон судалсан болно.
Судалгааны зорилго: Бид дараах асуултуудад хариулт олох зорилгыг дэвшүүлж байна.
Үүнд:
1.
2.
3.

Монголын банкны системийн зээлийн эрсдэлд макро эдийн засгийн үндсэн
хувьсагчид хэрхэн нөлөөлж байгааг тодорхойлох
CPV загвар ашиглан салбар тус бүрийн (ХАА, Барилга, Боловсрол гэх мэт.) зээлийн
эрсдэлд макро хүчин зүйлс хэрхэн нөлөөлж байгааг тодорхойлох
Цаашид аль салбарт зээл олговол эрсдэл багатай байх, мөн аль салбарт зээл олгохоос
татгалзах хэрэгтэй талаар санал зөвлөмжөө дэвшүүлэх

Судлагдсан байдал: Банкны секторын эрсдэлийг тодорхойлохдоо макро хүчин зүйлийг
чанаргүй зээлийн харьцаатай холбосон энгийн загваруудыг динамик эгнээний болон панел
шинжилгээгээр хийж өргөн хэрэглэдэг. Ийм төрлийн хураангуй тэгшитгэлийн загварыг
ашигласан судалгаа олон байдаг бөгөөд энд дурьдвал: Kaliria and Schiecjer(2002), Mario(2002),
Carking et al (2003) зэрэг байна.
Зээлийн эрсдэлийг тооцохдоо макро бүтцийн загваруудаар хийх оролдлого харьцангуй
цөөн хийгдэж байсан боловч сүүлийн хоѐр (2007, 2008) жилээс эхлэн энэ хэлбэрийн судалгааны
ажлуудыг хийх нь нэмэгдэж байна. Экзоген шокууд (дэлхийн зах зээлийн бараа бүтээгдэхүүний
үнийн өөрчлөлт, ханшийн өөрчлөлт, ДНБ-ийн өөрчлөлт, төсвийн алдагдал гэх мэт.) -ын макро
эдийн засгийн холбогдох бүх үзүүлэлтүүдэд үзүүлэх нөлөөг тусгадгаараа бүтцийн макро
загварууд нь эрсдэлийг илүү бодитой тодорхойлох боломжийг олгодог хэмээн Sorge (2004)
өөрийн судалгааны ажилдаа онцолсон байдаг. Макро бүтцийн төрөл бүрийн загварт зээлийн
эрсдэлийн хамаарлыг оруулах оролдлогыг хийсэн судалгааны ажлуудаас дурьдвал: Английн төв
банк 2003 онд өөрийн дунд хугацааны макро эдийн засгийн бүтцийн загвартаа дээрх хамаарлыг
оруулсан. Харин Evjen et al (2003) Норвегийн Төв банкны макро загварт арай өөр байдлаар буюу
2

Mortgage backed security
5

микро түвшний компаниудын үнэлгээний загварыг оруулан өргөтгөжээ. Мөн эдгээр ангилал
дээр Drehman (2005) зээлийн эрсдэлийн загварууд болох CreditPortfolioView, Merton төрлийн
загварын бүтцийг ашигласан макро түвшинд эрсдэлийг тодорхойлсон загваруудыг нэмж оруулж
болохыг дурджээ. Akira Otani, Shigenori Shiratsuka, Ryoko Tsurui, Takeshi Yamada (2009) Японы
банкны зээлийн багцад стресс тест хийхдээ CPV загварын mark to market хэлбэрийг ашигласан
байдаг бол Michael C S, Wong Yat-fai Lam (2008) нар Хонгконгийн зээлийн эрсдэлийн 1997-2007
оны тоон мэдээг ашиглан зээлийн эрсдэлд стресс тест хийсэн байдаг.
Онол (academic)-ын төвшинд зээлийн эрсдэлийн загварууд маш сайн хөгжсөн боловч
тоон өгөдлийн болон зарим практик асуудлуудаас шалтгаалан практикт цөөн хэрэглэсэн байдаг.
Зээлийн эрсдэлийн загварын хувьд ерөнхийд нь гурван үндсэн загвар байдаг. Эхний нь
Merton(1974)-ны загвар дээр үндэслэдэг ба энэ нь пүүсийн эрсдэлд орох магадлалыг (firm‟s
probability default (PD)) опционы үнээр загварчилдаг. Энд өргөн хэрэглэгддэг KMV-ийн
„‟Portfolio Manager‟‟ (PM) болон J.P Morgan-ий “CreditMetricsTM” (CMTM) загварууд нь Merton-ий
аргыг өөр хувьсагчид болон өөр техниктэй хослуулан хэрэглэдэг. Хоѐрдахь зээлийн багцын
загвар нь „‟Credit Siusse Financial Products‟ Credit Risk+ „‟ (CR+) . Энэ арга нь эрсдэлийн өмнөх
өгөгдлүүд (historical default rates) болон түүний хэлбэлзэл (volatilities)-ийг ашиглан багцын
алдагдлын тархалтыг үнэлэхдээ актуар (actuarial)2 аргыг ашигладаг. Сүүлийн загвар нь Credit
Portfolio View (CPV) ба энэ загварыг Wilson (1997a ба 1997b) гаргасан. CPV загварт эрсдэлийг
макро эдийн засгийн зарим хувьсагчидтай нарийн холбодог ба багцын алдагдалын тархалтыг
Monte Carlo simulation ашиглан тооцоолдог. Энэхүү загвар нь бусад загвартайгаа харьцуулахад
салбарын зээлийн эрсдэл (industry-specific macroeconomic index)-ийг макро хүчин зүйлээс
хамааруулан тооцдогоороо онцлогтой юм. Wilson(1997)-ны дараа Boss(2002), Virolainen (2004),
болон C. Coşkun Küçüközmen, Ayhan Yüksel (2006) нар энэхүү загварыг ашиглан судалгаагаа
хийсэн нь чухал үр дүнд хүрсэн юм.
Манай орны хувьд Монгол банкны эдийн засагч Н.Ургамалсувд(2006) зээлийн эрсдэлд
нөлөөлж буй макро хүчин зүйлсийг тодорхойлж стресс тест хийсэн. Мөн Frontier брокер
диллерийн компаны эдийн засагч Ё.Рэнцэндорж (2007) уг судалгааг өргөжүүлэн зээлийн
төвлөрлийн индекс (herfindalh index) -ийг оруулж өгсөн байдаг
Дурдагдсан судалгаануудын онцлог, хамрах хүрээ, хүрсэн үр дүн: Банкны системийн
зээлийн эрсдэлийн судалгаануудад макро эконометрик загварын ялгаатай олон хувилбаруудыг
хэрэглэсэн байдаг. Эдгээр судалгааны ихэнх нь FSAP (Financial service assessment program)
хөтөлбөрийн хүрээнд хийгдсэн. 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 эрсдлийг Merton-ий аргаар судлахад пүүсийн эрсдэлд ДНБ нөлөөлдөг гэж
гаргасан.
Pain and Vesala (2004) нар Merton-based Moody‟s KMV загварыг ашиглан пүүсийн
эрсдлийг тодорхойлох динамик загварыг Европийн холбооны улсуудын пүүсүүдийн том
хэмжээний panel дээр судалсан. Гэвч тэдний судалгааны үр дүн зээлийн эрсдэлийг тайлбарлахад
хангалтгүй гарсан.

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 2000:22008:12 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

3.1 Банкны зээлийн эрсдэл, түүнд нөлөөлөгч хүчин зүйлс
3.1.1 Зээлийн эрсдэлийн талаархи ойлголт
Зээлийн эрсдэл гэдэг нь зээлдэгч гэрээгээр хүлээсэн үүргээ биелүүлэхгүй зээлээ
хугацаанд нь төлөөгүй тохиолдолд үүсэх боломжит алдагдал юм. Зээлийн хэрэгсэлүүдийн
төлөгдөх магадлал өндөр байдаг боловч түүнээс олох ашгийн төвшин бага байдаг. Харин
төлөгдөхгүй байх магадлал нь бага байдаг хэдий ч түүнээс хүлээж болзошгүй алдагдал
харьцангуй өндөр байдаг. Эндээс зээлийн эрсдэлийн тархалт нь тэгш хэмгүй байдаг гэж үздэг.
Эдгээр хангалттай бус мэдээлэл, цөөн тооны ажиглалт болон тэгш хэмгүй тархалтын
шинжүүдийн цогц нь зээлийн эрсдэлийг загварчлахад ихээхэн хүндрэл учруулдаг хэмээн
Blaschke et al (1988) нар тэмдэглэжээ.
Зээлийн эрсдэлийг хэмжихдээ олон төрлийн параметрүүдийг үнэлэх шаардлагатай
болдог.Үүнд; хүлээгдэж буй болон гэнэтийн алдагдлыг хэмжихэд алдагдалын тархалт болон
итгэмжлэгдсэн түвшин 2-г тодорхойлдог. Харин алдагдлын тархалтыг загварчлах нь алдагдлын
хэлбэлзэлийн дээд хязгаарыг тодорхойлох шаардлагатай болдог нь ихээхэн хүндрэл учруулдаг.
3.1.2 Банкны секторын зээлийн эрсдэлд нөлөөлөгч хүчин зүйлс
Зээлийн эрсдэл нь макро болон микро олон хүчин зүйлсээс хамаарч болох бөгөөд эдгээр
хүчин зүйлсүүд нь зээлийн төрөл тус бүрийн хувьд харилцан адилгүй нөлөөлөлтэй байдаг.
Макро эдийн засгийн орчин, зээлдэгчдийн салбарын ашигт ажиллагаанд гарч байгаа өөрчлөлт,
ханшны хөдөлгөөн зэрэг гадаад хүчин зүйлсийг банкууд шууд удирдах боломжгүй бөгөөд
эдгээрийн зээлийн эрсдэлд үзүүлэх нөлөөллийг урьдчилан тодорхойлоход ихээхэн хүндрэлтэй
юм. Харин өөрийн үйл ажиллагаа эсвэл өөрсдийн мэдэлд байдаг бусад хүчин зүйлсүүдээр
эрсдлийг удирдах, болзошгүй эрсдлийг таамаглах боломж харьцангуй их байдаг. Манай орны
хувьд эдгээрийг ялган судалсан байдал байхгүй учраас онолын хувьд тодорхойлогдсон хүчин
зүйлсээс тохиромжтойг судалгааны зорилго, тоон мэдээллийн боломжоос хамааран сонгох
хэрэгтэй гэж Н.Ургамалсувд дурьджээ. Зээлийн эрсдэл дараах бүлэг хүчин зүйлсээс хамаардаг
байна.
Макро хүчин зүйлс
Микро хүчин зүйлс
 Зээлдэгч буюу хувь хүн, аж ахуйн нэгж байгууллагын үйл ажиллагааны хүчин
зүйлс
 Санхүүгийн байгууллага буюу банкны үйл ажиллагааны хүчин зүйлс
Зээлдэгчийн үйл ажиллагааны хүчин зүйлс: Банкуудын зээлийн эрсдэл буюу зээлээ эргэн
төлөх эсэх нь хамгийн түрүүнд зээлдэгчийн үйл ажиллагааны тогтвортой байдал, зээлийг
эргүүлж төлөх чадвараас шууд хамаардаг байна. Зээлдэгчийн зээлээ төлөх чадвар болон үйл
ажиллагааных нь тогтвортой байдлыг дараах үзүүлэлтүүдээр тодорхойлж болно.
2.

Зээлдэгчээ буруу сонгосны эрсдэл
9

3.
4.
5.

Зээлдэгчид учирч буй зээлийн дарамт хэтэрсний эрсдэл буюу зээлийн төлбөр
зээлдэгчийн мөнгөн гүйлгээний төлөвлөгөөнөөс хэтэрсний эрсдэл
Хүүгийн хэмжээ тохиромжгүйгээс үүсэх эрсдэл
Зээлдэгчийн бизнесийн идэвхи муу эсвэл дадлага туршлага багаас үүсэх эрсдэл

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.
2.
3.
4.
5.
6.

Эдийн засгийн мөчлөгийн үзүүлэлтүүд. Энд эдийн засгийн ерөнхий үзүүлэлтүүд
буюу ДНБ, Аж үйлдвэрий бүтээгдэхүүн зэрэг хүчин зүйлс багтана.
Үнийн тогтвортой байдлын үзүүлэлтүүд. Үнийн тогтвортой байдлыг хэмжих гол
үзүүлэлт нь Инфляци юм.
Өрхийн үзүүлэлтүүд. Өрхийн орлогын үзүүлэлт болон ажилгүйдэл.
Хувийн секторын үзүүлэлтүүд. Хувийн секторын үзүүлэлтүүд нь компаниудын
санхүүгийн байдлыг илэрхийлнэ.
Санхүүгийн захын үзүүлэлтүүд. Бодит болон нэрлэсэн хүү.
Гадаад хүчин зүйлс. Эдгээрт гадаад худалдааны тэнцэл, валютын ханшууд орно.

3.1.3 Макро эдийн засгийн хүчин зүйлсийн тайлбар
Y - Дотоодын нийт бүтээгдэхүүн, дотоодын нийт бүтээгдэхүүн өсөх нь эдийн
засгийн нөхцөл байдлыг сайжруулах бөгөөд зээлийн эрсдэлд орох магадлалыг бууруулна. Дээр
дурдсан бүх судалгаанд ДНБ-ийг гол тайлбарлагч хувьсагч болгон авч байсан бөгөөд эрсдэлд
сөрөг нөлөөлдөг гэсэн үр дүнг гаргаж байсан. Харин улс орны онцлогоос хамааран зарим улсын
хувьд хамааралгүй гарсан тохиолдол байсан. (-)
M 2 - Мөнгөний нийлүүлэлт, мөнгөний нийлүүлэлт өсөх нь зээлийн хүүг бууруулж,
эрсдэлд орох магадлалыг бууруулж болно. Нөгөө талаас зээл олголтын хэмжээ өссөнөөс эрсдэх
магадлал өсч болно. Hoggart and Whitley, (2003) ба Hoggarth, Logan and Zicchino, (2003)
ажлуудад энэ хувьсагчийг авсан байдаг. Хүлээгдэж буй тэмдэг тодорхойгүй.

CRD - Нийт дотоодын зээлийн түвшин, Дотоодын зээлийн түвшин өсөх нь эрсдлийг
шууд өсгөх магадлалтай ч энд төвлөрлийн нөлөө гэсэн зүйл агуулагдаж байдаг. Хувийн зээл,
Байгууллагын зээлийн эрсдлийн түвшин ялгаатай байдаг ба эдгээрт зээлээ хэрхэн
байршуулснаас хамааран эрсдэл нь янз бүрээр өөрчлөгддөг. Vlieghe (2001), Kalirai ба Scheicher
(2002) нар Австри, Kimmo Virolainen (2004) Финлянд, Coşkun Kьзьkцzmen ба Ayhan Yьksel
(2006) нар Туркд хийсэн судалгаануудаас нийт зээлийн хэмжээ болон эрсдлийн хооронд эерэг
хамаарал байдаг гэж гаргасан. (+)
EXC - Валютын ханшийг илэрхийлсэн хувьсагчдын олонлог, энэ ханш суларвал
дотоодын импортлогчдод муугаар нөлөөлж, харин экспортлогчдод эерэгээр нөлөөлнө. ( CNY Юанийн төгрөгтэй харьцах ханш, USD - Ам.долларын төгрөгтэй харьцах ханш, RUB - Рублийн
төгрөгтэй харьцах ханш)
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.
3.1.4 Макро хувьсагчдыг загварчлах нь
Салбар бүрийн NPL харьцааг загварчласны дараагаар макро хувьсагчдын үнэлгээг
AR, MA, ARMA, ARIMA бүтэцүүдээс аль тохиромжтойг нь сонгож загварчилдаг. Үүний тулд
дараах алхамуудыг авч хэрэгжүүлнэ.
ADF(Augmented Dickey Fuller) тестийг ашиглан макро хувьсагчдын интегрэтэдийн
эрэмбийг тогтооно.
Хэрвээ стационар биш байвал тогтворжуулсан үнэлгээгээр байгуулах, стационар
байвал анхны өгөгдлөө ашиглана.
Сонгогдсон өгөгдлийн үнэлгээн дэхь мөчлөг болон гэнэтийн өөрчлөлтийн нөлөөг
арилгахын тулд AR, MA загвараар үнэлнэ.
Үүний дараа боловсруулсан загвараа тестлээд хамгийн сайныг сонгохын тулд доорх
шинжүүрүүдийг харгалзаж үзнэ.
 Коэффициентүүдийн ач холбогдолтой эсэх
 Schwarz Bayesian Information Criteria
 Үлдэгдлүүд автокорреляцигүй эсэх
3.2 Зээлийн эрсдэлийн загваруудын тухай
Зээлийн багцын загварын хувьд ерөнхийдөө гурван үндсэн загвар байдаг. Эхнийх нь
Merton (1974)-ны загвар дээр үндэслэдэг ба энэ нь пүүсийн эрсдэлд орох магадлалыг (firm‟s
probability of default (PD)) опционы үнээр загварчилдаг. Энд өргөн хэрэглэгддэг KMV-ийн
“Portfolio Manager” (PM) болон J.P Morgan-ий “Credit MetricsTM “(CMTM ) загварууд нь Mertonий аргыг өөр хувьсагчид болон өөр техниктэй хослуулан хэрэглэдэг. Хоѐрдахь зээлийн багцын
загвар нь “Credit Suisse Financial Products‟ CreditRisk+” (CR+). Энэ арга нь эрсдэлийн өмнөх
өгөгдлүүд (historical default rates) болон түүний хэлбэлзэл (volatilities)-ийг ашиглан багцын
алдагдалын тархалтыг үнэлэхдээ actuarial аргыг ашигладаг. Сүүлийн загвар нь Credit Portfolio
View (CPV) ба энэ загварыг Wilson (1997a ба 1997b) гаргасан. CPV загварт эрсдэлийг макро
эдийн засгийн зарим хувьсагчидтай нарийн холбодог ба багцын алдагдалын тархалтыг Monte
Carlo simulation ашиглан тооцоолдог. Эдгээр гурван арга нь ялгаатай таамаглалууд дээр
үндэслэсэн байдаг ба ялгаатай хувьсагчид болон ялгаатай теникүүдийг ашигладаг. Гаднаас нь
харахад эдгээр нь ялгаатай мэт харагддаг ч эдгээр загвар нь ганцхан ерөнхий бүтэцтэй
(framework)-тэй байдаг гэж Koyluoglu ба Hickman (1998) нар харуулсан.
3.2.1 Зээлийн эрсдэлийн загваруудын ерөнхий бүтэц
Бүх загваруудад эрсдэлийн процесс (default process) нь хоѐр зүйлээр тайлбарлагддаг.
Эхний хэсэг нь „systematic component‟. Энэ нь пүүсийн эрсдэлд үзүүлэх системийн зарим хүчин
зүйлийн нөлөөг илэрхийлдэг. Системийн хүчин зүйлийн хувьсагчид нь ерөнхий макро эдийн
засгийн хувьсагчид эсвэл бусад эрсдэлийг тодорхойлогчдыг төлөөлж байдаг. Эрсдэлийн
процессийн хоѐрдахь бүрэлдэхүүн хэсэг нь „idiosynatric component‟ ба пүүсийн онцлог (industryspecific)-ийг харуулдаг. Загваруудад „idiosynatric component‟-үүдийг „systematic components‟
болон бусад бүх зүйлтэй хамааралгүй гэж үздэг. Нөхцөлт эрсдэлийн түвшин нь бүх зээл авагчид
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.
3.2.2 Зээлийн эрсдэлийн онолын загварын тавил
Зээлийн эрсдэл болон макро хувьсагчдын хооронд нарийн холбоо байдгийг онолын
болон эмпирик судалгаагаар баталсан байдаг. Үндсэн санаа нь эдийн засаг уналтын үед байхад
олон пүүсүүд алдагдалтай тулгарах ба эрсдэлд орох эсвэл дампуурах явдал тохиолдох болно.
Эсвэл хөрөнгийн үнэ нь буурч хадгаламжийн үнэ цэнэ унана. Зээлийн эрсдэлийн ялгаатай
элементүүд (эдгээр нь: эрсдэлийн магадлал (probability of defaults – PD), өгөдсөн эрсдэл дэхь
алдагдал (loss given defaults – LGD)) дэхь макро эдийн засгийн хүчин зүйлсийн нөлөөг баталсан
Allen and Saunders (2003) эмпирик ажил байдаг.
3.3 ‘Credit Portfolio View’ (CPV) загвар
Загварын үндсэн санаа нь эрсдэл ба макро эдийн засгийн хувьсагчидын өөрчлөлтийн
холбоон дээр үндэслэдэг. CPV загвар нь „mark-to-market‟ ба „default-mode‟ гэсэн хоѐр хэлбэртэй
байдаг. Эхний тохиолдолд зээлийн багцын зах зээл дэхь үнэлгээний алдагдалаар алдагдалыг
тооцдог. Хоѐрдахь тохиолдолд алдагдалыг зөвхөн үүсээд буй эрсдэлээр авдаг. Энд бид CPV
загварын алхамуудыг “default-mode” бүтцээр байгуулах болно. “mark-to-market” загварыг Wilson
(1997a, 1997b болон 1998) нарийвчлан гаргасан. CPV загварын “default-mode” хэлбэр нь дөрвөн
алхамтай. Эхний алхамд дундаж эрсдэлийн түвшин болон зарим макро үзүүлэлтүүдийн хобоог
тодорхойлдог. Эдгээр үзүүлэлтүүд нь ялгаатай макро хувьсагчдийн функцүүдээр
илэрхийлэгдэнэ. Хоѐрдугаар алхамд макро хувьсагчдын өөрчлөлтийг хугацааны цувааны
загварууд ашиглан тодорхойлдог. Гуравдугаар алхамд загварын коррелляцийн бүтцийг
байгуулдаг. Эцэст нь макро хувьсагчид болон дундаж эрсдэлийн түвшингүүдийн хувьд
симуляци хийх ба багцын алдагдалын тархалтыг байгуулна.
Эхний алхамын хүрээнд бүх үйлдвэрийн салбарын хувьд дундаж эрсдэлийн түвшин ба
logistic хувиргалт хийсэн макро индексийн хоорондох холбоог тодорхойлно.
(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
болно.

тэгтэй тэнцүү үед

-ийн утга мөн хязгааргүй өсөх

-ийн утга ½ байна.

Макро хувьсагч болон хувиргасан эрсдэлийн түвшин (макро индекс)-ий хоорондох
холбоог олохын тулд дараахь тэгшитгэлийг авч үзнэ.
(2.3)
Энд

нь

дэхь үйлдвэрийн хувьд үнэлэгдсэн регрессийн коэффициентүүд,

(i 1, 2,..., n) нь макро эдийн засгийн тайлбарлагч хүчин зүйлсийн олонлог (GDP, хүүгийн
түвшин гэх мэт) ба
нь санамсаргүй алдаа болно. (1)-ээс (3) тэгшитгэлүүд нь макро
хувьсагчид болон салбарын эрсдэлийн хоорондох хамаарлыг тодорхойлно. Тэгшитгэл (3)-т
системийн нөлөө (systematic effect)-г макро эдийн засгийн хувьсагчид X i ,t -аар илэрхийлсэн ба

vi ,t нь секторын онцлог (sector-specific)-ыг харуулсан санамсаргүй хэсгийг харуулна. Эмпирик

загварт (3) тэгшитгэлийг секторуудын хоорондох ялгааг харуулахын тулд тус тусын макро
хувьсагчидыг ашиглан үнэлэх болно.
Хоѐрдугаар алхамд зөвхөн макро хувьсагчийн өөрчлөлтийг timeseries загвар ашигласнаар
загварчилна. Энэ алхамын хувьд Wilson (1997a, 1997b) энгийн AR(2) процессийг ашигласан ба
Boss, (2002) ба Virolainen, (2004) нар өөр эрэмбийн ARMA-г ашигласан.
(2.5)
Энд

-ууд нь макро хувьсагчдын олонлог, - алдааны хэсэг, n нь AR-ийн зэрэг, r нь

MA-гийн зэрэг,
нь дахь макро эдийн засгийн хувьсагчийн хувьд үнэлсэн регрессийн
коэффициентууд ба
нь санамсаргүй алдаа. Үүнийг тодорхойлсоны дараа макро хувьсагчдын
ирээдүйн утгыг прогноз хийж олж авна. Үүнийхээ үр дүнд y -ийн ирээдүйн утгыг сисмуляци
хийж олж авна.
3.3.1 CPV загварт тавигдах ерөнхий шаардлага
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.
3.4 Марковичын багц сонголтын онол

Банк багц бүрдүүлэхдээ тухайн салбарт зээл өгсөнөөр хэдий хэмжээний хүүгийн ашиг
олох болон энэ салбар хэр эрсдэлтэй вэ гэдгийг харгалзан оновчтой багц бүрдүүлэх болно.
Эрсдэлийг тооцохдоо тухайн салбарт олгосон зээлийн хэдэн хувь нь дунджаар эрсддэг гэдгийг
харах болно.
Тэмдэглэгээнүүдийн тайлбар:

n
C0
Cend
Rp

- зээл олгох салбарын тоо
- нийт олгох зээл
- хугацааны эцэст төлөгдсөн байх нийт зээлийн төлбөр
- багцын нийт ашиг

p

- багцын хүлээгдэж байгаа нийт ашиг

2
p

- багцын ашгийн вариац

ij

- i салбарын эрсдэл, (хувь)
- i салбарт олгосон зээлийн хүлээгдэж буй хүү, (хувь)
- i ба j салбаруудын коррелляци ( хамаарлын хүч )

ij

- i ба j салбаруудын ковариац

ri
i

15

11

12

1n

21

nn

- r -уудын ковариацын матриц


n1

- i салбарт олгосон зээлийн хэмжээ,

i

f

Rf

- эрсдэлгүй хөрөнгө оруулалтын хүү
- эрсдэлгүй хөрөнгөөс авах нийт ашиг
- эрсдэлээс болгоомжилох коэффициент

r1
r

1

r2
,

2

rn

1
2

,

,

n

1

n

1
1

1

Дээрх тэмдэглэгээнүүд нь дараах илэрхийлэлээр холбогдоно.
1. Cend

C0

Rp .

n

2. R p
n

T

3.

p

i 0

4.

2
p

n

n

i 0

j 0

5. R f

f

rT .

r

i 0 i i

.

i i

T
i

j

ij

.

C0 .

Банкууд янз бүрийн ашигт ажиллагаатай салбаруудад янз бүрийн хүүтэй зээл болгодог.
T
var( Rp ) var( r T )
энэ функц нь нийт зээлийн багцын вариац буюу эрсдэлийг харуулах
ба зээлдүүлэгч дараахь хоѐр хязгаарлалт тулгарч байдаг.
T

T
p

,1

C0

Энэ хязгаарлалтын хүрээнд эрсдэлээ хамгийн бага байлгах бодлого бодно.

Min

T

AT

B

3.1

үүнийг шийдхийн тулд Лагранж ашиглана.
Энд, A (

1) , B

p

C0

байна.

16

T

L

0

( AT

B)

(3.2)

Эндээс, уламжлал аваад оновчтой байх нөхцөл нь

2

A
T

A

0

0

(3.3)

энд

B

1
0
2

Дээрх систем тэгшитгэлийн эхний тэгшитгэлд хувиргалт оруулж,
дараах үр дүн гарна.
1

1 2*

0

орлуулга хийвэл

A

(3.3) системийн хоѐр дахь тэгшитгэлд дээрхийг орлуулбал дараах гарна.

AT

1

A

( AT

B

1

A) 1 B

H 1B

1
1
1 T
1
Энд, H ( AT
A) ба H T ( AT
A)T AT (
) A AT
A H тул энэ матриц нь (2 2)
хэмжээстэй тэгш хэмт матриц юм. Үүнийг вариацын томъѐонд орлуулбал:
T

var ( Rp )

T

1

det(H )

T

ac b 2 , a

1

матриц нь эерэг ба
a

0, c

0, d

var( R p )

A

( AT )T H 1B

a b
b c

H

d

T

A

, b
1

T

1

T

1 1

BT H 1B болно.
c
b

1
d

H

1

1

,c 1

T

b
a
1 байна.

1

матриц нь мөн эерэг бол xT

1

x 0 байдаг. Эндээс

0 гэдэг нь харагдана. Вариацын тэгшитгэлийг бичвэл:
2
p

1
d

p

C0

c
b

b
p
a C0

1
(c
d

2
p

2bC0

p

aC02 )

(4)

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
2
C02
1
1
2
2
2
2
2 C0
(
c
2
bC
aC
)
(
c
2
bC
d
b
) гэж хувиргаад хоѐр талыг
p
p
0 p
0
p
0 p
d
d
c
c
харгалзан 1 c , c c 2 уудад хувааж өгвөл дараах байдалтай харагдана.
2
p

2
p

2b(C0 c)

d (C02 c 2 ) b 2 (C02 c 2 )

p

1c

d c
2
p

(

b(C0 c)) 2

p

2
0

2
0

C c

dC c

p

2

b(C0 c))2
d c

1

2

(

p

b
C0
c

d
c

C02

2

(3.5)

p

Банкны олгох зээлийн хэмжээ мэдэгдэж байгаа үед эрсдэл болон хүлээгдэж буй өгөөжөө
харгалзсан efficient frontier дээрх багц нь
1
EF

1
d
Энд,

p

1

1

A

c

AH 1 B

((a1 b )C0 (c

bC0

p

d

b1)

p

1

aC0 b

p

1

1

d

)

(3.6)

нь багцаас авахыг хүсч буй ашиг болно.

3.4.1

Хамгийн бага эрсдэлтэй багц

Банк эрсдэлд дургүй бөгөөд хүлээгдэж буй өгөөжөө үл харгалзан хамгийн бага эрсдэлтэй
багцад зээлээ хувиарладаг гэж үзвэл нийт олгох зээлийнхээ хязгаарлалтын хүрээнд дараах
бодлогыг бодно.

Min

T

T

1

C0

(3.7)
18

Зураг 2. Хамгийн бага эрсдэлтэй багц

Лагранж ашиглавал:

2

1
T

1
үүн дээр
T

1

1

1

( 1 2)

0

0

0

(3.8)

C0

орлуулга хийвэл

1 болно. Үүнийг 2 дах тэгшитгэлд орлуулбал

1

C0

C0

T

1

C0
болно. Хамгийн бага эрсдэлтэй багц нь
c

1

1

1

1

mv

C0
c

(3.9)

Энэ үеийн хүлээгдэж буй өгөөж нь дараах байдалтай байна.
T

T

mv

3.4.2

1

1

C0
c

b

C0
c

b
C0
c

Шүргэгч багц

Банк эсвэл нэгж эрсдэлд ноогдох хүлээгдэж буй өгөөж хамгийн их байлгах багцыг сонгож
болох юм. Энэ харьцааг sharpe харьцаа гэдэг.
Sharpe

mean
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
Efficient frontier-ийн томъѐо
цэгийн координат нь (

tg

,

1
c
d

p

2
p

2bC0

1
c
d

2
tg

2bC0

p

p

12
2
p

2bC0

aC

p

tg

aC02

tg

Efficient frontier-ийн шүргэгчийн тэгшитгэлийг олоод
1 1
c
2 d

байдаг. Яг шүргэлцэлийн

) бол шүргэгчийн налалт нь дараах байдалтай байна.

tg

p

p

aC02

p

2
0

1
2c
d

tg

2bC0

p

-ийг орлуулбал,
c
p

tg

d

1
c
d

tg

2
tg

bCo

2bC0

aC02

tg

Яг tangency point дээр энэ хоѐр тэнцэх ѐстой.

1
c
d

2
tg

2bC0

tg

aC02

tg

c
d

1
c
d

tg

bCo
tg

2
tg

2bC0

tg

aC02

a
C0
b

Үүнийг Efficient frontier-ийн томъѐонд орлуулсанаар,

tg

1 a2 2
c C0
d c2

2ab 2
C0
b

aC02

a
C0 гэж олдоно.
b

Банкны зээлийн tangency portfolio

tg

a
c C0 bC0
b
d

1

a
aCo b C0
b
d

1

1

1

C0
b

(3.10)
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

4.1 Банкны зээлийн эрсдэлийн эконометрик загвар
Зээлийн эрсдэл болон макро хувьсагчдын хоорондох хамаарлыг гаргаж харахын тулд
дараах тэгшитгэлийг авч үзнэ.
(3.1)
Энд нь дэхь хүчин зүйлийн хувьд үнэлэгдсэн регрессийн коэффициентүүд болно.
(i 1, 2,..., n) нь макро эдийн засгийн тайлбарлагч хүчин зүйлсийн олонлог (GDP, хүүгийн
түвшин гэх мэт. Манай загварын хувьд n 9 ), ба
нь үлдэгдэл санамсаргүй хэмжигдэхүүн
болно. Тэгшитгэл (3.1) -т системийн нөлөө (systematic effect)-г макро эдийн засгийн хувьсагчид
( )-аар илэрхийлсэн ба
нь зээл авагчдын хувийн онцлогийг харуулсан санамсаргүй хэсгийг
харуулна.
Банкны системийн зээлийн эрсдэлийг макро эдийн засгийн үзүүлэлтүүдээр тайдбарлах
бөгөөд сонгосон үзүүлэлтүүд зээлийн эрсдэлд дараах нөлөөллийг үзүүлдэг.
Макро хүчин зүйлс
ДНБ, Аж үйлдвэрийн
Эдийн засгийн
бүтээгдэхүүн
ерөнхий үзүүлэлтүүд
Инфляци, Хэрэглээний
Үнийн тогтвортой
үнийн индекс
байдлын үзүүлэлтүүд
Өрхийн орлогын үзүүлэлт
Өрхийн үзүүлэлтүүд
болон ажилгүйдэл
Компаниудын санхүүгийн
Хувийн секторын
байдал
үзүүлэлтүүд
Бодит болон нэрлэсэн хүү,
Санхүүгийн захын
хөрөнгийн захын индекс
үзүүлэлтүүд
Гадаад худалдааны тэнцэл,
Гадаад хүчин зүйлс
валютын ханш

Судалгаанд сонгосон үзүүлэлт

Нөлөөлөл

Аж үйлдвэрийн бүтээгдэхүүн(ip)

-

Хэрэглээний үнийн индекс(cpi),
мөнгөний нийлүүлэлт (m2)

+

Ажилгүйдэл (unem)

+

Банкны зээлийн жигнэсэн дундаж
хүү(ir), Дотоодын зээл (crd)
Экспорт(export), Доллар(usd),
Юан(chy)

+
- +

Хүснэгт 1. Зээлийн эрсдэлд макро үзүүлэлтүүдийн үзүүлэх нөлөөлөл
Зураг 1 нь 2000-2008 оны хоорондох нийт зээлд эзлэх чанаргүй зээлийн хувийг харуулсан
байна. 2000 оноос иргэдийн банкинд итгэх итгэл нэмэгдэн, улмаар санхүүгийн зуучлалын
хэмжээ хурдтай нэмэгдэх болсон нь улсын өмчлөлийн банкуудад бүтцийн өөрчлөлт хийн
банкны секторыг эрүүлжүүлэх процессыг амжилттай явуулснаас үүдэлтэй юм. Энэ дүр зураг
доорх графикаас харагдаж байна. Нийт зээлийн хэмжээ 2000 онтой харьцуулахад нийт зээлийн
хэмжээ 12,04 дахин нэмэгдсэн байхад чанаргүй зээлийн нийт зээлд эзлэх хувь 30 хувиас 2,74
хувь хүртэл буурч, 2008 оны сүүлийн улиралд 7.12 хувь хүрч өсөх хандлагатай байна.

22

Зураг 1. Нийт зээлд эзлэх чанаргүй зээлийн хувь
4.1.1 Үзүүлэлтүүдийн интегрэтэдийн эрэмбэ
Чанаргүй зээлийн нийт зээлд эзлэх хувь болон түүнд нөлөөлөгч хүчин зүйлсийн
хамаарлын хуулийг тогтоохын тулд үзүүлэлтүүдийн интегрэтэдийн эрэмбийн тогтоож,
коинтегрэшн үзүүлэлтүүдийн хооронд регрессийн шинжилгээг хийх ѐстой байдаг. Нэгж
язгуурын шинжүүрээр үзүүлэлтүүдийн интегрэтэдийн эрэмбийг тогтоов. Үүнд:
Үзүүлэлтүүд
Чанаргүй зээлийн нийт зээлд эзлэх
хувь(npl)
Юан (cny)
ХҮИ (cpi)
Дотоодын зээл (crd)
Экспорт (ex)
Аж үйлдвэрийн бүтээгдэхүүн (ip)
Хүүний түвшин (ir)
Мөнгөний нийлүүлэлт (M2)
Ажилгүйдэл (unem)
Ам.доллар (usd)

Интегрэтэдийн
эрэмбэ
I(1)
I(1)
I(1)
I(1)
I(1)
I(0)
I(0)
I(1)
I(0)
I(1)

Дээрхээс харахад аж үйлдвэрийн бүтээдэхүүн, хүүний түвшин болон ажилгүйдэл гэсэн
үзүүлэлтүүд тэг эрэмбийн интегрэтэд үзүүлэлтүүд ба бусад нь нэгдүгээр эрэмбийн интегрэтэд
үзүүлэлтүүд байна. Тиймээс чанаргүй зээлийн нийт зээлд эзлэх хувь нь бүх үзүүлэлтүүдийн
түвшиний утгаас хамаарах нь харагдаж байна.

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

1.84533

0.16331

6.21024

0.00287

0.09825

0.90651

1.613

0.20443

0.62203

0.53892

0.0034

0.99661

0.66845

0.51478

0.26427

0.7683

1.87461

0.15877

0.8945

0.41206

3.03283

0.05263

1.25032

0.29085

0.51018

0.60194

2.56049

0.08232

2.04823

0.13434

6.02578

0.00338

3.14506

0.04735

NPLR does not Granger Cause CHY
CPI does not Granger Cause NPLR

105

NPLR does not Granger Cause CPI
CRD does not Granger Cause NPLR

105

NPLR does not Granger Cause CRD
EXPORT does not Granger Cause NPLR

105

NPLR does not Granger Cause EXPORT
IP does not Granger Cause NPLR

105

NPLR does not Granger Cause IP
IR does not Granger Cause NPLR

105

NPLR does not Granger Cause IR
M2 does not Granger Cause NPLR

105

NPLR does not Granger Cause M2
UNEM does not Granger Cause NPLR

105

NPLR does not Granger Cause UNEM
USD does not Granger Cause NPLR
NPLR does not Granger Cause USD

105

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.
4.1.3 Чанаргүй зээлийн нийт зээлд эзлэх хувь ба тайлбарлагч үзүүлэлтүүдийн
хамаарал
Өмнөх зүйлүүдэд хийсэн статистик шинжилгээний үр дүнд тулгуурлан чанаргүй зээлийн
нийт зээлд эзлэх хувийн хувьд дээрх регрессийн олон хүчин зүйлин шугаман загварыг
боловсруулж болох юм. Тайлбарлагдагч хувьсагч болох чанаргүй зээлийн нийт зээлд эзлэх
хувийг NPLR гэж тэмдэглэлээ. Регрессийн функцийн параметрүүдийн үнэлгээний утгаас
харахад тайлбарлагдагч хувьсагч маань өөрийнхөө өмнөх утгаас хамаардаг буюу хугацааны нэг
хожимдолтой дасан зохицох хүлээлт хийдэг гэж дүгнэж болохоор байна.

24

Хувьсагчид
NPLR(-1)
CHY
CHY(-1)
USD(-1)
USD(-2)
IR
UNEM
IP(-1)
CRD(-1)
Детерминацийн коэффициент
Дарвин-Уатсоны статистик

Коэффициент
t-Statistic
0.963575
66.6708
0.002041
5.18992
-0.002504
-5.37234
0.00026
3.435785
-0.000201
-2.82777
0.000709
2.63665
-7.26E-07
-2.05859
-8.62E-08
-2.02769
1.54E-08
3.08080
0.989304
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.
NLR = 0.9635*NPLR(-1) + 0.0020*CHY - 0.0025*CHY(-1) + 0.0003*USD(-1) - 0.0002*USD(2) + 0.0007*IR - 7.259446728e-07*UNEM - 8.624654916e-08*IP(-1) + 1.542242273e-08*CRD(-1).
4.2 Салбарын зээлийн эрсдэлийг CPV загвараар үнэлэх нь
Загварын үндсэн санаа нь эрсдэл ба макр эдийн засгийн хувьсагчидын өөрчлөлтийн
холбоон дээр үндэслэдэг. CPV загвар нь „mark-to-market‟ ба „default-mode‟ гэсэн хоѐр хэлбэртэй
байдаг. Эхний тохиолдолд зээлийн багцын зах зээл дэхь үнэлгээний алдагдалаар алдагдалыг
тооцдог. Хоѐрдахь тохиолдолд алдагдалыг зөвхөн үүсээд буй эрсдэлээр авдаг. Энд бид CPV
загварын алхамуудыг “default-mode” бүтцээр байгуулах болно. “mark-to-market” загварыг Wilson
(1997a, 1997b болон 1998) нарийвчлан гаргасан. Манай орны хувьд компаниудын зах зээлийн
мэдээлэл нэгдсэн хэлбэрээр байдаггүй, хөрөнгийн зах зээлин хөгжил сул учир mark to market
хэлбэрээр үнэлэх боломжгүй юм.
Монгол улсын хувьд салбарын эрсдэлийн тоон өгөгдөл сараар олдох боломжгүй учраас
чанаргүй зээл буюу эрсдэл (NPL ratio, nonperforming loans)-ийн байдлыг зарим макро
хувьсагчдаар тайлбарлахын тулд улирлын өгөгдлийг ашигласан.
I алхам: NPL харьцааг загварт оруулах нь: NPL харьцааг загварчлахын тулд эхлээд
үүнийгээ log авч хувиргана (тэгшитгэл 2.2 ).

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.
Макро хувьсагч болон хувиргасан эрсдэлийн түвшин (макро индекс)-ий хоорондох
холбоог олохын тулд дараахь тэгшитгэлийг авч үзнэ.
(2.3)
Энд

j

нь

j дэхь үйлдвэрийн хувьд үнэлэгдсэн регрессийн коэффициентүүд, X i ,t

(i 1, 2,..., n) нь макро эдийн засгийн тайлбарлагч хүчин зүйлсийн олонлог (GDP, хүүгийн
түвшин гэх мэт) ба vi ,t нь санамсаргүй алдаа. (1)-ээс (3) тэгшитгэлүүд нь макро хувьсагчид

болон салбарын эрсдэлийн хоорондох хамаарлыг тодорхойлно. Тэгшитгэл (2.3)-т системийн
нөлөө (systematic effect)-г макро эдийн засгийн хувьсагчид X i ,t -аар илэрхийлсэн ба vi ,t нь
секторын онцлог (sector-specific)-ыг харуулсан санамсаргүй хэсгийг харуулна. Эмпирик загварт
(3) тэгшитгэлийг секторуудын хоорондох ялгааг харуулахын тулд тус тусын
макро
хувьсагчидыг ашиглан үнэлэх болно.
Дээрх тэгшитгэлийн хувьд салбар бүрийн эрсдэл тооцох загвар дараах хэлбэртэй байна.
4.2.1 CPV загвараар үнэлсэн салбаруудад дахь макро хувьсагчидын нөлөөлөл
Салбар тус бүрийн хувьд макро хувьсагчидаас хамааруулан регрессийн шинжилгээ хийж,
олон хүчин зүйлийн шугаман загвар боловсруулсан. Нэгтгэн дараах хүснэгтээр харууллаа.
Салбарууд
Хувьсагчид
коэф
NPL(-2)
t стат
коэф
NPL(-1)
t стат
коэф
CNY
t стат
коэф
CHY(-1)
t стат
коэф
CHY(-2)
t стат
коэф
CPI
t стат
коэф
CPI(-1)

AGR

CONS

EDU

0.5509
4.8681

MAN

MIN

0.2435
3.6936
0.1256
8.1028

0.3404
3.1193

WHS
0.5209
5.6035

0.1094
3.4739
-0.098
-3.9371
-0.0448
-3.2761
-0.0361

-0.1972
-2.9229
-0.053
-1.8416
-0.1083

0.0396
3.191
0.036

MRG

0.2139
6.51
-0.090
-1.841
0.1107
6.5275
0

TRS

OTH

-0.222
-3.025
0.1152
1.647

0.0976
2.3895

0.1017
2.709
0.0775

0.068

26

t стат
коэф
CPI(-2)
t стат
коэф
CRD
t стат
коэф
CRD(-1)
t стат
коэф
CRD(-2)
t стат
коэф
IR
t стат
коэф
IR(-1)
t стат
коэф
IR(-2)
t стат
коэф
EXPORT
t стат
коэф
UNEM
t стат
коэф
UNEM(-1)
t стат
коэф
UNEM(-2)
t стат
коэф
USD
t стат
коэф
USD(-1)
t стат
коэф
USD(-2)
t стат
коэф
IP
t стат
коэф
M2
t стат
коэф
M2(-1)
t стат
коэф
M2(-2)
t стат
коэф
C
t стат
Детерминацийн
коэффициент

-2.9242

-4.9782

3.0458

-2.532

2.0641

2.7165

0.088
3.3093
0
3.7041

0
2.733
0
-2.8526

0
2.5333

0
4.4712

0
-7.2056
0.0429
1.8785
-0.0752
-3.4402

0.1788
3.6183
-0.1578
-3.8541
-0.2608
-5.8735

0.1415
2.3708

-0.1203
-2.5285
-0.0237
-3.4943

-0.0001
-2.2977
0.0001
3.0841
0.0001
2.3411
-0.0571
-6.5436
0.0422
5.6309
-0.0124
-2.2239

0.0002
2.9917
-0.0235
-4.389

-0.0528
-2.7282

0.0013
5.8935

0
2.5616
0.0001
3.5953
-0.0203
-0.0203
0.0066
2.9898

-0.025
-5.223

0.0002
4.5518
-0.0266
-5.0904

-0.0002
-2.207
-0.0002
-2.228

-0.001
-3.579
-0.001
-3.974

-0.026
-4.031

0.0001
5.3777
0
-5.0833

0
-5.9662

0.0001
4.7224
0
-2.6347

0
2.0629
10.0073
3.9273

22.2936
5.422
0.8311

-0.016
-6.8576

-0.193
-3.381

0.016
3.1878
0.0001
3.9268

0.9092

-0.0186
-4.425
0
-2.386
0
-2.1928

0.0476
1.5744
0.0544
1.9996
-0.062
-2.323
-0.027
-6.1
-0.0001
-3.562
-0.0002
-4.717
0.0002
4.7148
-0.0258
-6.4273

0
-4.737
-0.107
-2.01
0.0934
2.1521
0.0776
1.7592
-0.06
-8.828

0.8591

0.9229

0.8154

0.9682

0.0001
6.9982
0
-5.013
0
3.2447

0.0002
9.0638

0
1.7262
-31.12
-3.971
0.9873

0.7717

0.9509

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
4.3.1 Макро хувьсагчидын прогноз
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.
Хувьсагчид
Коэффициент
0.0021
(@TREND+1)^3
-0.0592
(@TREND+1)^2
108.5440
@SEAS(1)
109.7064
@SEAS(2)
109.9595
@SEAS(3)
109.6618
@SEAS(4)
0.9206
MA(2)
0.706136
R-squared

Стандарт алдаа
0.0006
0.0237
3.9919
4.1103
3.9786
4.0536
0.0289
Durbin-Watson stat

t-статистик
3.2442
-2.4961
27.1914
26.6905
27.6379
27.0528
31.8820
1.493549

Дотоодын нийт зээл (CRD): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, улирлын
нөлөөлөл байхгүй ба ARMA(1, 5) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^2
AR(1)
AR(5)
R-squared

Коэффициент
1376.8290
0.9806
-0.3305
0.9892

Стандарт алдаа
60.7766
0.0772
0.0955
Durbin-Watson stat

t-статистик
22.6539
12.6961
-3.4623
1.7088

Жигнэсэн дундаж зээлийн хүүний түвшин (IR): Энэ үзүүлэлт нь квадратлаг чиг
хандлагатай, бүх улиралын нөлөөлөлтэй, AR(1) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^2
@SEAS(1)
@SEAS(2)
@SEAS(3)
@SEAS(4)
AR(1)
R-squared

Коэффициент
-0.0148
37.3915
36.8552
38.0475
37.1900
0.4009
0.9212

Стандарт алдаа
0.0013
1.0465
0.9936
0.9933
1.0146
0.1700
Durbin-Watson stat

t-статистик
-11.2609
35.7303
37.0931
38.3045
36.6559
2.3580
1.9953

29

Мөнгөний нийлүүлэлт (M2): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, бүх улирлын
нөлөөлөлтэй, ARMA(1, 1) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^2
@SEAS(1)
@SEAS(2)
@SEAS(3)
@SEAS(4)
AR(1)
MA(1)
R-squared

Коэффициент
1820.1090
158380.4000
238787.4000
225248.6000
173344.0000
0.6148
0.9966
0.9953

Стандарт алдаа
97.9222
83312.4500
83643.0300
80899.0000
80076.6000
0.1228
0.11479
Durbin-Watson stat

t-статистик
18.5873
1.9010
2.8548
2.7843
2.1647
5.0079
8.6822
1.8929

Экспорт (exp): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай, зөвхөн 4-р улирлын
нөлөөтэй, ARMA(1,1) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^2
@SEAS(4)
AR(1)
MA(1)
R-squared

Коэффициент
7.4262
48.5258
0.9310
0.7965
0.9996

Стандарт алдаа
0.2208
5.0811
0.0651
0.1144
Durbin-Watson stat

t-статистик
33.6383
9.5502
14.3049
6.9596
1.614454

Юанийн төгрөгтэй харьцах ханш (cny): Энэ үзүүлэлт нь кублэг чиг хандлагатай, бүх улирлын
нөлөөлөлтэй AR(1) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^3
@SEAS(1)
@SEAS(2)

Коэффициент
0.0016
127.4568
125.1079

Стандарт алдаа
0.0013
26.3017
25.4787

t-статистик
1.2721
4.8460
4.9103

@SEAS(3)

124.9660

25.2567

4.9478

@SEAS(4)

124.1742

25.5521

4.8596

AR(1)

0.8403

0.3687

2.2791

R-squared

0.8446

Durbin-Watson stat

1.1462

Аж үйлдвэрийн бүтээгдэхүүн (IP): Энэ үзүүлэлт нь квадратлаг чиг хандлагатай ба
улиралын нөлөөлөлгүй ARMA(1,1) загвараар тодорхойлогдож байна.
Хувьсагчид
(@TREND+1)^2
AR(1)
MA(1)
R-squared

Коэффициент
14900.7400
1.1036
0.8229
0.9999

Стандарт алдаа
3226.4120
0.0105
0.0911
Durbin-Watson stat

t-статистик
4.6184
104.8066
9.0311
1.0641
30

Ажилгүйдлийн түвшин (unem): Энэ үзүүлэлт нь шугаман чиг хандлагатай, бүх улирлын
нөлөөлөлтэй, ARMA(1,1) загвараар тодорхойлогдож байна.
Хувьсагчид
@TREND+1
@SEAS(1)
@SEAS(2)

Коэффициент
-253.0780
41109.1500
40806.1800

@SEAS(3)

40477.7600

Стандарт алдаа
60.7637
1421.8640
1409.3140
1385.4780

@SEAS(4)

38904.9000

1413.3640

27.5265

AR(1)

0.3772

0.1811

2.0828

MA(1)

0.9419

0.0689

13.6776

R-squared

0.9049

Durbin-Watson stat

1.9048

t-статистик
-4.1650
28.9122
28.9546
29.2157

Ийнхүү макро хүчин зүйлүүд тус бүрд боловсруулсан загвараараа 2009 оны хоѐрдугаар улирлыг
прогнозлоход цэгэн үнэлгээн дээрээ дараах үр дүн гарч байна.
Хувьсагчид
Прогнозын
цэгэн
үнэлгээ

CPI

USD

CNY

IR

crd

ex

157.66 1507.00 221.85 16.98 2361782.50 10881.28

M2

ip

Unem

2610829.60

42371286.21

31209.00

4.3.2 Салбар тус бүрийн зээлийн эрсдэлийн ирээдүйн утга
Дээрх прогнозын үр дүнд тулгуурлан салбар тус бүрийн зээлийн эрсдэлийг тооцоѐ. Үүнд:
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 (0.00050.99) 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

Салбар

Эрсдэлийн
хэвийн
түвшин

Таамагласан
эрсдэлийн түвшин
(2009 оны 2-р
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.
CPV загвараар тодорхойлсон тэгшитгэлээрээ салбар бүрийн Y-н ирээдүйн утгыг
таамаглаж тооцож түүнээсээ NPL харьцаагаа олсон. Дээрх хүснэгтээс харахад ХАА, уул уурхай,
боловсруулах, бөөний болон жижиглэн худалдаа, үл хөдлөх хөрөнгийн зуучлал болон бусад
салбарын Y- ын утга нь боломжийн гарсан нь эдгээр салбарууд эрсдэл багатайг 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.

4.3.3 Банкууд зээлийн багцаа хэрхэн байршуулах вэ?
Банкууд салбаруудад ялгаатай хүүгээр зээл олгож ирсэн бөгөөд энэ нь тухайн салбарын
өгөөжийг харуулна гэж үзье. Яагаад гэвэл, банкууд олгосон зээлээсээ хүүгийн орлого олно.
Судалгаанд сонгогдсон үйлдвэрлэл үйлчилгээний 9 салбарын 2008 оны сүүлийн улиралын
байдлаар олгосон зээлийн хүүгийн түвшин болон тэдгээрийн 2001-2008 оны хоорондох улиралын
ковариацыг дараах хүснэгтээр харуулав.

32

Салбар
Agr
Cns
Min
Man
Edu
Whs
Trs
Mrg
Oth

Хүү (%)
48
36
42
48
36
48
36
40.8
48

AGR
CNS MIN MAN EDU
WHS TRS MRG OTH
85.00 50.22 57.45 42.27 105.04 53.09 51.31 67.42 21.01
50.22 113.43 82.76 94.20 65.38 98.31 50.55 26.33 14.42
57.45 82.76 74.94 79.40 78.32 77.28 53.95 41.84 16.50
42.27 94.20 79.40 113.96 59.63 93.83 62.21 51.24 31.52
105.04 65.38 78.32 59.63 145.36 61.61 73.11 86.59 24.76
53.09 98.31 77.28 93.83 61.61 111.48 52.73 31.48 14.29
51.31 50.55 53.95 62.21 73.11 52.73 65.86 63.63 34.27
67.42 26.33 41.84 51.24 86.59 31.48 63.63 109.88 52.63
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.

4.3.4 Хамгийн бага эрсдэлтэй багц.
Эхлээд хамгийн бага эрсдэлтэй багцыг гаргая. Үүнийг хийхийн тулд (3.9) томъѐог
ашиглана.
1
mv

1

C0
c

(3.9)

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

59.63 145.35

62.21

73.11

86.58

24.75

105.03 65.38 78.31
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

14.41

31.52

24.75

14.29

34.26

21

16.5

T

a

T

b

T

c 1
d

ac b 2

1

52.62

47.48

145.127
1

1 2.2333

1

1 0.0426

145.127 * 0.0426 20.23332

1.187

Ингээд хамгийн бага эрсдэлтэй багцыг тооцоолбол:
0.6918
0.252
1.1327
0.3407
mv

0.69401
0.0983
0.1576
0.253
0.6561

гэсэн хувиарлалт гарч байна.
Энэ

багцаас
T

T

mv

хүлээж
C
1 C0
1
b 0
c
c

буй
нийт
банкны
салбарын
ашиг
нь:
2.2333
1 52.48 буюу 100 төгрөгөөс 52,48 төгрөгний ашиг
0.0426

олно гэсэн үг юм.
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.
4.3.5 Шүргэгч багц
Банк эсвэл нэгж эрсдэлд ноогдох хүлээгдэж буй өгөөж хамгийн их байлгах багцыг
сонгож болох юм. Энэ нь (3.10) томъѐогоор илэрхийлэгдэх бөгөөд түүнийг тооцоолбол:

35

1.5199
0.5724
0.9486
1
tg

C0
c

0.2249
1.0297 хүлээгдэж буй өгөөж:
0.2557
0.05176
0.5652
0.6780

tg

a
C0
b

145.127
1 64.984
2.2333

tg

a
C0
b

249.8221
*1 69.81
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

Нэгж эрсдэлд ноогдох өгөөжийг хамгийн их байлгахаар зээлээ хувиарлавал дээрх
хувиудаар хувиарлана. Гэхдээ энэ хувиарлалтыг өөрөөр хийж болно. Хамгийн их сөрөг утга
авсан эрүүл мэндийн салбарт нийт зээлийнхээ 5% (дурын тоо сонгож болно)-ийг олгоно гэж
үзэн хувиарлалт хийж болно. Гэвч шууд ингэж хувиарлах боломжтой гэсэн үг биш юм. Салбар
бүрийн зээлийн эрэлт янз бүр байдаг бөгөөд эрэлтийг харгалзан зээл олгох нь ойлгомжтой юм.
Хамгийн ашигтай салбар хэмээн ихэнх зээлээ нэг салбарт олгоод байвал тухайн салбарын зээл
шингээх чадвараас зээлийн хэмжээ давж, энэ нь өөрөө эрсдэлийг үүсгэх болно.

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.
Салбаруудын зээлийн эрсдэлийг CPV загвараар үнэлсэн судалгаанаас дараах үр дүнд
хүрлээ.
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 7796 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.
CPV загварын салбарын онцлогыг харуулдаг Y хувьсагч нь өсөх тусмаа тухайн
салбарт олгогдсон зээлийн эрсдэл бага байгааг харуулдаг. Манай улсын салбаруудын
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.
ХАА, уул уурхай, боловсруулах, бөөний болон жижиглэн худалдаа, үл хөдлөх
хөрөнгийн зуучлал болон бусад салбарын Y- ын утга нь харьцангуй өндөр гарсан нь
эдгээр салбарууд эрсдэл багатайг харуулж байна.
Хамгийн
бага
эрсдэлтэй
багц
сонголтоос
харвал
барилга(CONS),
боловсруулах(MAN), боловсроль эрүүл мэнд (EDU), бөөний болон жижиглэнгийн
худалдаа (WHS), үл хөдлөх хөрөнгө, зуучлал (MRG) зэрэг салбаруудад зээл олговол
өндөр эрсдэлтэй байгаа нь харагдаж байна.
Харин хамгийн их хөрөнгө оруулах салбар буюу эрсдэл багатай салбар нь уул уурхай
олборлох (MIN), хөдөө аж ахай, ан агнуур (ARG), тээвэр, холбоо (TRS), зэрэг бусад
салбаруудад (аялал жуулчлал, зочид буудал, зоогийн газар) гэсэн үйлчилгээний
салбар байна.
Банкууд зээлийнхээ 26%-ийг хөдөө аж ахуй, ан агнуур, 42.9%-ийг уул уурхай
олборлох, 5,9%-ийг тээвэр холбооны салбар, 24%-ийг бусад салбаруудад олгохоор
байна. Энэ бүхнээс харагдаж байгаа нэг зүйл нь үйлчилгээний салбар хамгийн
ашигтай салбар бөгөөд боловсрол эрүүл мэнд, боловсруулах салбарууд өндөр
эрсдэлтэй гэдэг нь харагдаж байна.
Нэгж эрсдэлд ноогдох өгөөжийг хамгийн их байлгахаар зээлээ хувиарлавал ХАА-н
салбарт 35,8%, олборлох салбарт 22,3%, бусад салбар 16%, үл хөдлөх хөрөнгө,
зуучлалын салбарт 13,3%, бөөний болон жижиглэн худалдааны салбар 6,02%,
боловсруулах салбарт 5,29%, тээврийн салбарт 1,22% тус тус байршуулбал бусад
багцуудаас харьцангуй эрсдэл багатай 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 1. Макро үзүүлэлтүүдийн статистик
USD

CHY

CPI

IP

EXPORT

M2

IR

UNEM

CRD

NPLR

1149,95

144,31

95,43

63947,25

93,71

1027352

30,32

35693,99

622673,10

0,08

1164

143,50

89,54

61583,59

66,70

813572,30

31,40

35590,00

594610,30

0,06

Maximum

1267,50

185,25

154,30

132014,90

286,10

2595583,00

45,00

42509,00

2115356,00

0,30

Minimum

1032,70

124,77

69,48

33719,79

14,60

207541,80

17,30

29072,00

84831,10

0,02

Std. Dev.

44,47

11,87

21,90

19718,90

65,39

751357,50

6,18

3456,98

523279,70

0,07

Skewness

-0,25

0,89

1,10

0,89

0,87

0,79

-0,22

0,10

1,09

2,00

Kurtosis

2,65

3,47

3,52

4,06

2,83

2,29

2,33

1,95

3,57

5,77

Jarque-Bera

1,69

15,04

22,73

19,04

13,58

13,37

2,88

5,10

22,53

105,61

Probability

0,43

0,000542

0,000012

0,000073

0,001126

0,001252

0,24

0,08

0,000013

0

Sum

123044,70

15440,88

10210,63

6842356

10027,40

1,10E+08

3244,00

3819257

66626025

8,74

Sum Sq. Dev.

209810,20

14939,66

50846,50

4,12E+10

453181,20

5,98E+13

4035,57

1,27E+09

2,90E+13

0,47

Observations

107

107

107

107

107

107

107

107

107

107

Mean
Median

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

Mean

108.1056

1946.694

1045379.

35545.08

Median

106.2000

1933.600

819710.2

Maximum

124.6000

3856.600

Minimum
Std.
Dev.

98.00000

USD

CNY

IR

CRD

763579.9

1149.389

144.3833

30.57222

627246.8

35623.00

773192.2

1164.600

143.1000

31.00000

598399.2

2564684.

41984.00

1356727.

1223.300

174.7000

42.70000

2012387.

71.70000

222434.0

29813.00

117218.2

1044.200

128.7000

20.00000

84831.10

5.816673

1126.218

771809.5

3425.874

0.015964

0.768261

0.100005

0.849356

6.444338
0.119900

529849.8

1.089566

43.93336
0.426314

11.73691

Skewness

373692.4
0.087064

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

0.396968

0.114703

0.518469

3891.800

1279623.

41378.00

5197.800

1100.600

0.030030
22
580886

Sum Sq.
Dev.

1184.179

70081.00
44
392867

0.333779
27
488876

0.379448

Sum

0.109174
37
633651
2.08E+13

4.11E+08

4.89E+12

67554.92

4821.430

1453.532

9.83E+12

36

36

36

IP

36

36

36

36

1.056038

36

36

Observations

Хавсралт 3. Макро эдийн засгийн үндсэн үзүүлэлтүүдийн график
125

4000

2800000
2400000

120
3000

2000000

115

1600000
110

2000
1200000

105

800000

1000
100

400000

95

0
00

01

02

03

04

05

06

07

08

0
00

01

02

03

CPI

04

05

06

07

08

00

01

02

03

EX

44000

1400000

42000

1200000

04

05

06

07

08

05

06

07

08

05

06

07

08

M2

1240

1200

40000

1000000

38000

1160

800000
36000
600000

1120

34000
400000

32000

1080

30000

200000

28000

0
00

01

02

03

04

05

06

07

08

1040
00

01

02

03

UNEM

04

05

06

07

08

00

01

02

03

IP

USD

180

44

2400000

170

40

2000000

36

160

04

1600000

32
150

1200000
28

140

800000

24

130

20

120

16
00

01

02

03

04
CNY

05

06

07

08

400000
0
00

01

02

03

04
IR

05

06

07

08

00

01

02

03

04
CRD

41

Хавсралт 4. Салбар бүрийн чанаргүй зээлийн нийт зээлд эзлэх хувь үзүүлэлтийн график
.35

.30

.14

.35

.30

.25

.12

.30

.10

.25

.08

.20

.06

.15

.04

.10

.25

.20

.20
.15
.15
.10

.10

.05

.05
.00

.02

.00
00

01

02

03

04

05

06

07

08

.05

.00
00

01

02

03

TOTAL_NPL

04

05

06

07

08

.00
00

01

02

03

AGR_NPL

04

05

06

07

08

00

.35

.35

.24

.32

.30

.30

.20

.25

.25

.20

.20

.15

.15

.10

.10

.08

.05

.05

.04

.00

.00

.24

02

03

04

05

06

07

08

06

07

08

MIN_NPL

.36

.28

01

CNS_NPL

.16

.20

.12

.16
.12

00

01

02

03

04

05

06

07

08

00

01

02

03

MAN_NPL

04

05

06

07

08

EDU_NPL

1.0

.08
.04
.00
00

01

02

03

04

05

WHS_NPL

06

07

08

00

01

02

03

04

05

TRS_NPL

.8
.7

0.8

.6
.5

0.6

.4
0.4

.3
.2

0.2

.1
0.0

.0
00

01

02

03

04

05

MRG_NPL

06

07

08

00

01

02

03

04

05

06

07

08

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)
CHY
CHY(-1)
USD(-1)
USD(-2)
IR
UNEM
IP(-1)
CRD(-1)

0.963575
0.002041
-0.002504
0.000260
-0.000201
0.000709
-7.26E-07
-8.62E-08
1.54E-08

0.014453
0.000393
0.000466
7.55E-05
7.12E-05
0.000269
3.53E-07
4.25E-08
5.01E-09

66.67087
5.189921
-5.372345
3.435785
-2.827774
2.636650
-2.058592
-2.027695
3.080809

0.0000
0.0000
0.0000
0.0009
0.0057
0.0098
0.0422
0.0454
0.0027

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.989304
0.988412
0.006507
0.004065
384.3728

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

0.077611
0.060451
-7.149958
-6.922476
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/
White Heteroskedasticity Test:
F-statistic
Obs*R-squared

0.891640
51.50966

Probability
Probability

0.660929
0.571017

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
NPLR(-1)
NPLR(-1)^2
NPLR(-1)*CHY
NPLR(-1)*CHY(-1)
NPLR(-1)*USD(-1)
NPLR(-1)*USD(-2)
NPLR(-1)*IR
NPLR(-1)*UNEM
NPLR(-1)*IP(-1)
NPLR(-1)*CRD(-1)
CHY
CHY^2

-0.164525
0.015797
0.004783
1.83E-05
-0.000161
-3.48E-05
1.50E-05
-8.98E-05
5.73E-07
5.19E-08
1.21E-08
0.000537
-5.28E-06

0.101664
0.037764
0.010122
0.000368
0.000739
0.000109
7.04E-05
0.000131
2.95E-07
3.40E-08
9.34E-09
0.001109
4.86E-06

-1.618317
0.418298
0.472571
0.049780
-0.217387
-0.319726
0.212771
-0.686430
1.943766
1.527901
1.295296
0.484477
-1.086087

0.1119
0.6775
0.6386
0.9605
0.8288
0.7505
0.8324
0.4956
0.0576
0.1328
0.2012
0.6302
0.2826

43

CHY*CHY(-1)
CHY*USD(-1)
CHY*USD(-2)
CHY*IR
CHY*UNEM
CHY*IP(-1)
CHY*CRD(-1)
CHY(-1)
CHY(-1)^2
CHY(-1)*USD(-1)
CHY(-1)*USD(-2)
CHY(-1)*IR
CHY(-1)*UNEM
CHY(-1)*IP(-1)
CHY(-1)*CRD(-1)
USD(-1)
USD(-1)^2
USD(-1)*USD(-2)
USD(-1)*IR
USD(-1)*UNEM
USD(-1)*IP(-1)
USD(-1)*CRD(-1)
USD(-2)
USD(-2)^2
USD(-2)*IR
USD(-2)*UNEM
USD(-2)*IP(-1)
USD(-2)*CRD(-1)
IR
IR^2
IR*UNEM
IR*IP(-1)
IR*CRD(-1)
UNEM
UNEM^2
UNEM*IP(-1)
UNEM*CRD(-1)
IP(-1)
IP(-1)^2
IP(-1)*CRD(-1)
CRD(-1)
CRD(-1)^2
R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

1.10E-05
3.21E-07
-5.89E-07
1.48E-06
-1.02E-08
1.60E-10
1.46E-11
0.001298
-9.22E-06
6.25E-07
-7.76E-07
-2.79E-06
1.65E-09
-8.46E-10
8.84E-11
-0.000253
-5.66E-08
1.14E-07
3.66E-07
3.10E-09
1.47E-11
-2.12E-12
0.000253
-2.95E-08
-6.13E-07
-3.11E-09
1.66E-11
7.34E-12
0.000677
1.76E-06
-9.01E-09
-1.24E-10
3.43E-11
1.55E-06
-1.75E-12
-1.84E-13
1.02E-13
5.96E-08
1.14E-14
1.38E-14
-2.67E-08
-4.58E-16
0.490568
-0.059618
8.06E-05
3.25E-07
879.7151
2.291100

1.00E-05
1.10E-06
1.11E-06
7.06E-06
1.22E-08
8.67E-10
1.24E-10
0.001418
8.73E-06
1.49E-06
1.26E-06
7.65E-06
1.23E-08
1.21E-09
2.33E-10
0.000221
1.68E-07
2.12E-07
1.65E-06
1.87E-09
2.10E-10
3.17E-11
0.000217
1.05E-07
1.64E-06
1.82E-09
2.09E-10
2.92E-11
0.000724
2.19E-06
4.06E-09
3.55E-10
8.52E-11
8.68E-07
2.71E-12
4.23E-13
1.18E-13
8.79E-08
3.30E-14
1.35E-14
2.41E-08
2.12E-15

1.095528
0.290942
-0.531837
0.209183
-0.835875
0.184118
0.118007
0.915044
-1.055820
0.419314
-0.616329
-0.363931
0.134024
-0.698133
0.378954
-1.147021
-0.336874
0.537933
0.222123
1.654483
0.070015
-0.066745
1.168610
-0.281252
-0.373884
-1.711155
0.079568
0.251799
0.934574
0.803717
-2.217220
-0.349652
0.402645
1.788555
-0.646282
-0.434763
0.865673
0.677665
0.344876
1.020811
-1.107315
-0.216550

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

0.2785
0.7723
0.5972
0.8352
0.4072
0.8547
0.9065
0.3646
0.2961
0.6768
0.5405
0.7174
0.8939
0.4883
0.7063
0.2568
0.7376
0.5930
0.8251
0.1043
0.9445
0.9471
0.2481
0.7797
0.7101
0.0933
0.9369
0.8022
0.3545
0.4254
0.0312
0.7281
0.6889
0.0797
0.5211
0.6656
0.3908
0.5011
0.7316
0.3123
0.2735
0.8294
3.87E-05
7.83E-05
-15.70886
-14.31869
0.891640
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
CPI
CRD
IR
UNEM
AGR(-1)
CPI(-1)
IR(-1)
UNEM(-1)
CNY(-2)

22.29355
-0.044758
2.25E-06
0.042899
-6.23E-05
0.550920
-0.036097
-0.075206
9.13E-05
-0.098001

4.111699
0.013662
6.06E-07
0.022836
2.71E-05
0.113171
0.012344
0.021861
2.96E-05
0.024892

5.421980
-3.276124
3.704087
1.878544
-2.297749
4.868052
-2.924185
-3.440231
3.084143
-3.937105

0.0000
0.0032
0.0011
0.0725
0.0306
0.0001
0.0074
0.0021
0.0051
0.0006

0.909211
0.875165
0.234602
1.320912
6.972737
2.325248

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

2.407430
0.663993
0.178074
0.627004
26.70544
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
IR
USD
CPI(-1)
IR(-1)
USD(-1)
IR(-2)
M2(-2)
USD(-2)
UNEM(-2)

0.384234
0.178793
-0.057116
-0.108276
-0.157823
0.042213
-0.260767
-6.04E-06
-0.012382
0.000117

0.051118
0.049414
0.008729
0.021750
0.040950
0.007497
0.044398
1.01E-06
0.005568
4.99E-05

7.516651
3.618282
-6.543562
-4.978214
-3.854078
5.630897
-5.873451
-5.966245
-2.223903
2.341080

0.0000
0.0014
0.0000
0.0000
0.0008
0.0000
0.0000
0.0000
0.0358
0.0279

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.831107
0.767772
0.423353
4.301463
-13.09802

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

3.317726
0.878506
1.358707
1.807637
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
CPI
EX
IP
IR
USD
CRD(-1)
CNY(-2)
CPI(-2)
IR(-2)
UNEM(-2)

33.84584
-0.053033
-0.023658
7.48E-05
0.141482
-0.023506
4.08E-06
-0.197172
0.088029
-0.120335
0.000175

9.994230
0.028797
0.006770
1.91E-05
0.059677
0.005356
1.61E-06
0.067459
0.026601
0.047592
5.85E-05

3.386538
-1.841615
-3.494289
3.926798
2.370801
-4.388951
2.533297
-2.922853
3.309267
-2.528482
2.991724

0.0025
0.0785
0.0020
0.0007
0.0265
0.0002
0.0186
0.0077
0.0031
0.0188
0.0065

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.859069
0.797795
0.470753
5.096988
-15.98283
2.203867

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

2.820007
1.046880
1.587225
2.081048
14.02008
0.000000

Хавсралт 9. Боловсруулах салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман

загварын үнэлгээ
Dependent Variable: MAN
Method: Least Squares
Date: 04/28/09 Time: 19:48
Sample(adjusted): 2000:3 2008:4
Included observations: 34 after adjusting endpoints
Variable

Coefficient

Std. Error

t-Statistic

Prob.

CNY
USD
MAN(-1)
CRD(-1)
USD(-1)
IR(-2)
UNEM(-2)

0.029806
-0.005962
0.719756
-6.63E-07
0.003061
-0.033356
3.06E-05

0.007608
0.002028
0.076885
1.99E-07
0.001683
0.010534
1.22E-05

3.917815
-2.940348
9.361457
-3.327919
1.819455
-3.166644
2.506394

0.0005
0.0066
0.0000
0.0025
0.0799
0.0038
0.0185

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.926396
0.910040
0.134799
0.490613
23.80990

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

2.079488
0.449431
-0.988817
-0.674567
2.529138

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
IP
USD
MIN(-1)
CNY(-1)
UNEM(-2)

-0.024563
7.56E-05
-0.026591
0.340444
0.109366
0.000195

0.004703
1.41E-05
0.005224
0.109142
0.031483
4.29E-05

-5.222527
5.377686
-5.090422
3.119272
3.473870
4.551783

0.0000
0.0000
0.0000
0.0042
0.0017
0.0001

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.815377
0.782409
0.469255
6.165615
-19.21858

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

3.172211
1.005979
1.483446
1.752803
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
CPI
EX
IP
IR
M2
USD
UNEM
CNY(-1)
CRD(-1)
IR(-1)
M2(-1)
UNEM(-1)
CNY(-2)
IR(-2)
USD(-2)
UNEM(-2)

-31.11521
0.110650
-0.026471
8.32E-05
0.047600
-4.34E-06
-0.025815
-9.86E-05
0.213865
-2.55E-06
0.054396
3.84E-06
-0.000162
-0.090209
-0.061671
0.022950
0.000160

7.836182
0.016951
0.004340
1.19E-05
0.030233
8.66E-07
0.004017
2.77E-05
0.032852
1.01E-06
0.027203
1.18E-06
3.43E-05
0.049002
0.026553
0.004562
3.39E-05

-3.970710
6.527545
-6.099532
6.998188
1.574397
-5.012493
-6.427294
-3.561504
6.510046
-2.532835
1.999611
3.244704
-4.716052
-1.840942
-2.322514
5.031202
4.714810

0.0010
0.0000
0.0000
0.0000
0.1338
0.0001
0.0000
0.0024
0.0000
0.0215
0.0618
0.0048
0.0002
0.0832
0.0329
0.0001
0.0002

R-squared
Adjusted R-squared
S.E. of regression

0.987312
0.975371
0.223555

Mean dependent var
S.D. dependent var
Akaike info criterion

2.886074
1.424503
0.148536

47

Sum squared resid
Log likelihood
Durbin-Watson stat

0.849608
14.47489
2.769490

Schwarz criterion
F-statistic
Prob(F-statistic)

0.911716
82.68098
0.000000

Хавсралт 12. Тээврийн салбарын эрсдлийн регресийн олон хүчин зүйлийн шугаман загварын

үнэлгээ
Variable

Coefficient

Std. Error

t-Statistic

Prob.

CNY
CPI
IR
UNEM
CNY(-1)
CPI(-1)
UNEM(-1)
CRD(-2)
M2(-2)
USD(-2)

-0.222108
0.101657
-0.193680
-0.000167
0.115159
0.077483
-0.000151
-5.84E-06
1.82E-06
0.016034

0.073411
0.037526
0.057285
7.56E-05
0.069921
0.037539
6.77E-05
1.23E-06
1.05E-06
0.005030

-3.025534
2.708956
-3.380991
-2.206870
1.646971
2.064070
-2.227620
-4.736652
1.726184
3.187789

0.0058
0.0123
0.0025
0.0371
0.1126
0.0500
0.0355
0.0001
0.0972
0.0040

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.771684
0.686066
0.592429
8.423337
-24.52288

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

3.482883
1.057346
2.030758
2.479687
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
CPI
CRD
EX
IP
IR
M2
USD
UNEM
CPI(-1)
CRD(-1)
UNEM(-1)
WHS(-2)
M2(-2)

10.00729
0.039576
1.59E-06
-0.018635
5.63E-05
-0.052845
-1.05E-06
-0.015985
-4.93E-05
0.035991
-1.92E-06
-4.55E-05
0.520867
1.17E-06

2.548105
0.012402
5.80E-07
0.004211
1.19E-05
0.019370
3.97E-07
0.002331
2.07E-05
0.011816
6.72E-07
2.07E-05
0.092955
5.68E-07

3.927347
3.191046
2.733025
-4.424954
4.722412
-2.728174
-2.634724
-6.857625
-2.385998
3.045844
-2.852589
-2.192750
5.603450
2.062911

0.0008
0.0046
0.0128
0.0003
0.0001
0.0130
0.0159
0.0000
0.0270
0.0064
0.0098
0.0403
0.0000
0.0523

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.968211
0.947549
0.158540
0.502697
23.39626
2.436231

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

2.893067
0.692245
-0.552721
0.075780
46.85804
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
EX
IP
IR
UNEM
CNY(-1)
CPI(-1)
IR(-1)
USD(-1)
IR(-2)
UNEM(-2)

3.87E-06
-0.060242
0.000178
-0.106848
-0.000163
0.097645
0.067982
0.093405
-0.025571
0.077575
-0.000196

8.66E-07
0.006824
1.97E-05
0.053149
4.56E-05
0.040865
0.025026
0.043403
0.006343
0.044096
4.93E-05

4.471206
-8.828251
9.063824
-2.010334
-3.578563
2.389463
2.716520
2.152057
-4.031151
1.759227
-3.974159

0.0002
0.0000
0.0000
0.0563
0.0016
0.0255
0.0123
0.0421
0.0005
0.0918
0.0006

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood

0.950892
0.929541
0.428987
4.232686
-12.82400

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Durbin-Watson stat

2.842502
1.616131
1.401412
1.895235
2.469952

49

Sign up to vote on this title
UsefulNot useful