Nový model pro prognózu úvěrů

ZPRÁVA O MĚNOVÉ POLITICE | ZIMA 2021 (box 3)

(autoři: Branislav Saxa, Eva Hromádková, Iva Kubicová)

Negativní dopady pandemie se nevyhnuly ani úvěrům. Nejvíce zasaženy byly úvěry domácnostem na spotřebu, propadla i dynamika úvěrů podnikům, naopak růst úvěrů na bydlení zrychlil. Úvěry jsou důležitou součástí transmise měnové politiky. Jejich prognóza dle sektorů bude od této chvíle pravidelnou součástí Chartbooku, který je souběžnou publikací Zprávy o měnové politice. Výhled rozsahu dluhového financování ekonomických aktivit může sloužit nejen k lepšímu porozumění provázanosti úvěrového cyklu a investiční aktivity podniků, ale i ke kvantifikaci rizik spojených se zadlužeností domácností. Tento box přibližuje nový modelový aparát, který pro prognózy úvěrů využíváme.

Hlavními vysvětlovanými proměnnými v modelu jsou úvěry nefinančnímu sektoru v jejich základním členění, tj. úvěry nefinančním podnikům a úvěry domácnostem na bydlení a na spotřebu. Změny stavů těchto veličin lze vysvětlit tzv. mezerou výstupu (odchylkou HDP od potenciálu), odchylkou inflace od inflačního cíle, úrokovými sazbami finančního trhu a exogenními faktory (např. čerpáním evropských fondů). Do predikce úvěrů vstupují výhledy těchto proměnných z makroekonomické prognózy ČNB s využitím dalších satelitních modelů, například pro vývoj sazby desetiletých vládních dluhopisů.

Při výběru metodologie prognózy byly sledovány dva hlavní cíle. Prvním z nich byla snaha o maximalizaci predikční schopnosti, druhým pak reakce predikovaných veličin na změny vstupních proměnných v ekonomicky intuitivním směru v podmínkách české ekonomiky. S ohledem na tyto cíle jsme se proto rozhodli použít jednoduchý bayesiánský VAR model[1].

Vyhodnocení predikční schopnosti modelu na historických datech je znázorněno v grafech. Simulace minulých prognóz využívají pozorovaná data a autentické čtvrtletní makroekonomické prognózy ČNB, které byly k dispozici v daném okamžiku. Všechny modely se vyznačují relativně malou průměrnou absolutní odchylkou predikce od skutečnosti, zejména ve srovnání s jinými námi vyzkoušenými modelovacími přístupy (SARIMA, VECM, další specifikace bayesiánského VAR modelu). K největším odchylkám dochází u predikce úvěrů nefinančním podnikům (Graf 1, odchylky v poznámce pod grafem), což souvisí s jejich velkou volatilitou. Naproti tomu u úvěrů domácnostem na bydlení je odchylka predikce velmi nízká (Graf 2). Jak je však z grafu patrné, většina prognóz v hodnoceném období růst úvěrů na bydlení podhodnocovala. Na poptávku po úvěrech na bydlení totiž v letech 2015 až 2020 nad rámec makroekonomického vývoje působily faktory, které model nezachycuje.[2]

Graf 1 – Úvěry nefinančním podnikům
Prognózy na základě pozorovaných dat a jejich odchylky v horizontu jednoho čtvrtletí, míra růstu v %

Graf 1 – Úvěry nefinančním podnikům

Poznámka: Průměrná absolutní odchylka predikce (MAE) 1,9  p. b. při prognóze na 1 čtvrtletí, resp. 3,2 p. b. při prognóze na 1 rok.

 

Graf 2 – Úvěry domácnostem na bydlení
Prognózy na základě pozorovaných dat a jejich odchylky v horizontu jednoho čtvrtletí, míra růstu v %

Graf 2 – Úvěry domácnostem na bydlení

Poznámka: Průměrná absolutní odchylka predikce (MAE) 0,4 p. b. při prognóze na 1 čtvrtletí, resp. 1,2 p. b. při prognóze na 1 rok.

A nakonec, model úvěrů domácnostem na spotřebu má výborné predikční schopnosti zejména na krátkém konci (Graf 3), což je spojeno se silnou vazbou na vývoj HDP a zvláště spotřeby, která je modelem dobře podchycena.

Graf 3 – Úvěry domácnostem na spotřebu
Prognózy na základě pozorovaných dat a jejich odchylky v horizontu jednoho čtvrtletí, míra růstu v %

Graf 3 – Úvěry domácnostem na spotřebu

Poznámka: Průměrná absolutní odchylka predikce (MAE) 0,3  p. b. při prognóze na 1 čtvrtletí, resp. 1,2 p. b. při prognóze na 1 rok.

Srovnání predikcí a následně skutečně pozorovaných objemů úvěrů v průběhu 2020 ilustruje důležitost expertních zásahů při tvorbě predikce. Extrémní příklad představuje čistě modelová predikce úvěrů nefinančním podnikům z druhého čtvrtletí 2020 až na -25 %. Ta se nenaplnila, a to částečně v důsledku následného zmírnění očekávaného propadu HDP. Velkou roli však sehrála reakce podniků, které sice dle očekávání omezily svou investiční činnost, zároveň však zvýšily poptávku po provozních úvěrech z likviditních důvodů (včetně úvěrů se státní zárukou z programů COVID 1, 2, 3, Praha, COVID EGAP atd.). Výraznějšímu poklesu stavu úvěrů podnikům zabránilo i tzv. úvěrové moratorium. Znalost nebo jen očekávání podobných strukturálních vlivů proto musí být v prognóze úvěrů zohledněno právě skrze dodatečné expertní zásahy.


[1] A. Dieppe, R. Legrand, B. van Roye (2018): Bayesian Estimation, Analysis and Regression Toolbox, verze 4.2.

[2] Zejména perzistentní převis poptávky nad nabídkou na trhu rezidenčních nemovitostí.