Банкны зээлийн эрсдлийг ”CPV” загвараар үнэлэх болон зээлийн багцын оновчтой сонголт

Энэ хавар хийсэн хоёрдахь судалгаа маань энэ. МУИС-ЭЗС-ийн багш Ө.Гэрэлт-Од (Магистр) багшаар удирдуулан Г.Отгончимэг /МУИС, Банк-3/ Ч.Тогтохцэрэн /МУИС, Санхүү-3/ гэдэг хоёр найзтайгаа нийлж хийж ГБНОЭШБХ-д оролцсон юм. Ёстой нэг оройхон гарч ширүүхэн дайрна л гэдэг болсон доо :-). Тэгээд хоёрдугаар байранд орсон гэж байгаа. Энэ судалгааг хийхэд бас л чамгүй зүйлс мэдэж авсан шүү.

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 арай илүү хөгжсөн. Санхүүгийн зах зээлийн дийлэнх хувийг банкны салбар дангаараа төлөөлж байгаа.

Банкны салбарын хувьд олон төрлийн эрсдлүүд 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 зүйлүүд 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) -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.

Судалгааны хураангуй

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 зээлийн 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 өсч байсан. 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.Монголын банкны системийн зээлийн эрсдэлд макро эдийн засгийн үндсэн хувьсагчид хэрхэн нөлөөлж байгааг тодорхойлох
2.CPV загвар ашиглан салбар тус бүрийн (ХАА, Барилга, Боловсрол гэх мэт.) зээлийн эрсдэлд макро хүчин зүйлс хэрхэн нөлөөлж байгааг тодорхойлох
3.Цаашид аль салбарт зээл олговол эрсдэл багатай байх, мөн аль салбарт зээл болгохоос 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 хоёр (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 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. Хоёрдахь 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 (industry­specific 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 зүйлийг тодорхойлж стресс тест хийсэн байдаг. 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 байдаг. Эдгээр судалгаанууд нь дотоод болон гадаад макро хувьсагчдыг ашигласан хоёр 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.

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 Küçüközmen ба Ayhan Yüksel (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 хоёр 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.

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 хоёр сарын дараа зээлийн эрсдлийг өсгөдөг, ХҮИ өсөх нь дөрвөн сарын дараах зээлийн эрсдлийг өсгөх нөлөө үзүүлдэг бол аж үйлдвэрийн бүтээгдэхүүн өсөх нь зээлийн эрсдлийг найман сарын дараа бууруулдаг гэсэн дүгнэлтэнд хүрсэн ба эрсдэл болон зээлийн багцын төвлөрлийн хооронд парабол хэлбэрийн хамаарал байгаа бөгөөд багцын эрсдэл хамгийн бага байх төвлөрлийн индекс нь 0,59 байна.

Судалгаанд ашигласан тоон өгөгдөл, түүний эх сурвалж: Банкны системийн зээлийн эрсдлийг тооцохын тулд нийт зээлийн үлдэгдэл болон чанаргүй зээлийн үлдэгдлийн 2000:2-2008:12 хоорондох мэдээллийг ашигласан. Ингэж сонгох болсон шалтгаан нь 2000 оны 2-р сараас татан буугдсан банкуудын балансын үзүүлэлтийг зээлийн тайлангаас хассан явдал юм. Эрсдэлийг чанаргүй зээлийн нийт зээлд эзлэх хувиар тооцсон (non-performing loan / total loan). Монгол банкны сарын статистик мэдээллийн ангилалын дагуу чанаргүй зээл (Nonperforming Loans)-д хэвийн бус, эргэлзээтэй болон муу зээлүүдийн дүнг нэгтгэн авсан.

Зээлийн эрсдэлд нөлөөлж болох 9 макро хувьсагчийг сонгон авсан. Эдгээр хувьсагчдад ам.долларын төгрөгтэй харьцах ханш (USD), юанийн төгрөгтэй харьцах ханш (CHY), жигнэсэн дундаж хүүгийн түвшин (IR), ажилгүйдлийн түвшин (UNEM), ХҮИ (CPI), банкны системийн дотоодын нийт зээл (CRD), аж үйлдвэрийн бүтээгдэхүүн (IP), экспорт (EXPORT), мөнгөний нийлүүлэлт (M2) гэсэн хувьсагчдыг авсан. Дотоодын нийт бүтээгдэхүүнийг манай улсад сараар тооцоолдоггүй учраас түүнийг төлөөлүүлж аж үйлдвэрийн бүтээгдэхүүнийг авсан. Банкны системийн дотоодын нийт зээл, аж үйлдвэрийн бүтээгдэхүүн (2000 оны үнээр), мөнгөний нийлүүлэлт гэсэн үзүүлэлтүүд сая төгрөгөөр, ажилгүйдлийн төвшний оронд бүртгүүлсэн ажилгүйчүүдийн тоог авсан (мянган хүн), хүүгийн түвшин хувиар илэрхийлэгдсэн ба хэрэглээний барааны үнийн индекс нь 2005 оын 12 сарыг 100 хувь хэмээн үзэж харьцуулсан үзүүлэлт юм.

Эдгээр тоон мэдээллийг Монгол банкны сарын статистик мэдээлэл, улирлын зээлийн нэгдсэн тайлан болон Үндэсгийн статистикийн газраас эрхлэн гаргадаг сарын бюллетенээс авсан.

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 хоёр хугацааны хоцрогдолтой утгаас хамаарч байгаа нь харагдаж байна. Өөрөөр хэлбэл, ам.долларын ханш нэг нэгжээр чангарвал дараагийн хоёр 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 хоёр хожигдолтой утгаас хамаарч байгаа бол дотоодын нийт зээлийн одоогийн утгаас сөрөг хамааралтай байна.

- Мөн ХАА-н салбарын хувьд зээлийн эрсдэл хэрэглээний үнийн индекс, жигнэсэн дундаж хүүний түвшин болон ажилгүйдлийн түвшний нэг хожимдолтой утга болон түвшиний утгаас хамаарч байна.

- Иймд нийт зээлд эзлэх чанаргүй зээлийн хэмжээ нь эдгээр хувьсагчидаар 91 орчим хувиар тайлбарлагдаж байна.

Бусад салбарын хувьд бидний сонгон авсан макро хувьсагчид нь салбар бүрийн хувьд 77-96 хувийг тайлбарлаж байгаа нь CPV загвар нь салбарын зээлийн эрсдлийг үнэлэхэд тохиромжтой гэдгийг харуулж байна. Үнэлгээгээр тайлбарлагдахгүй байгаа хэсэг нь тухайн салбарын үйл ажиллагааны онцлогоос хамаарсан хэсэг буюу бусад хүчин зүйлсийн нөлөө юм.

Макро хувьсагчидын ирээдүйн утгыг таамаглан CPV загвараар салбар тус бүрийн хувьд зээлийн эрсдлийн ирээдүйн утгыг тодорхойлсноор дараах дүгнэлтүүдэд хүрч байна.

- 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) томьёонд орлуулан Y-ийн утгыг олоход Y-ийн утга нь [5,29; -4,5] 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 бàðèëãà (CONS), бîëîâñðóóëàõ (MAN), бîëîâñðîë, ýð¿¿ë ìýíä (EDU), бººíèé áîëîí æèæèãëýí õóäàëäàà (WHS), үë õºëäºõ õºðºíãº, çóó÷ëàë (MRG) ãýñýí ñàëáàðóóäàä зээл олговол өндөр эрсдэлтэй байгаа нь харагдаж байна.

- Харин хамгийн их хөрөнгө оруулах салбар буюу эрсдэл багатай салбар нь óóë óóðõàé îëáîðëîõ ñàëáàð (MIN), õºäºº àæ àõóé, àí àãíóóð (ARG), òýýâýð õîëáîîíû ñàëáàð (TRS), áîëîí áóñàä ñàëáàð (àÿëàë æóóë÷ëàë, çî÷èä áóóäàë çîîãèéí ãàçàð ãýõ ìýò) гэсэн үйлчилгээний салбар байна.

- Банкууд зээлийнхээ 26%-ийг õºäºº àæ àõóéí ñàëáàðò, 42.9%-ийг óóë óóðõàé îëáîðëîõ, 5,9%-ийг òýýâýð õîëáîîíû ñàëáàðò, 24%-ийг áóñàä ñàëáàðò õóâààðèëâàë õàìãèéí áàãà ýðñäýëòýé áàéíà. Энэ бүхнээс харагдаж байгаа нэг зүйл нь үйлчилгээний салбар хамгийн ашигтай салбар бөгөөд эð¿¿ë ìýíä, 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.