Моделирование влияния экзогенных шоков на взаимосвязь ключевой ставки и процентных ставок по депозитам

Изменение монетарных условий, колебания ключевой ставки Банка России, а также влияние валютных, инфляционных и санкционных шоков формируют высокую волатильность депозитного рынка и изменяют механизмы трансмиссии процентной политики [1]. В этих условиях исследование взаимосвязи ключевой ставки и депозитных ставок по различным срокам размещения приобретает особую значимость для анализа эффективности денежно-кредитной политики и устойчивости банковского сектора. Моделирование реакции ставок на экзогенные шоки позволяет не только уточнить степень чувствительности депозитного сегмента к монетарным импульсам, но и выявить роль институциональных и поведенческих факторов, определяющих стратегию привлечения средств банками и решения вкладчиков.

Целью работы является моделирование влияния экзогенных шоков на динамику процентных ставок по депозитам физических и юридических лиц в российском банковском секторе, а также выявление изменений роли ценовых и неценовых факторов в условиях чередования периодов макроэкономической стабильности и экзогенных шоков.

МАТЕРИАЛЫ И МЕТОДЫ

Моделирование процентных ставок по депозитам включает как анализ передачи сигналов монетарной политики через банковский сектор, так и эмпирическое моделирование поведения ставок на уровне их агрегированных значений. В российском контексте заметной проблемой выступает специфика трансмиссии денежно-кредитной политики и эффективность ее процентного канала, его влияние на ставки по депозитам [2; 3].

Среди направлений зарубежных научных исследований следует отметить влияние нетипичных инструментов монетарной политики, в особенности отрицательных процентных ста- вок, на депозитные ставки [4; 5]. Для моделей, ориентированных на подобные монетарные режимы, важно рассматривать нелинейные эффекты, пороги и ограничение нижней границы процентной ставки.

Эмпирические исследования по странам с различными уровнями развития финансовых рынков выявляют неоднородность реакции сегмента депозитов на процентные и непроцентные факторы. Исследование по мобилизации депозитов в банках Эфиопии демонстрирует значимость институциональных и региональных факторов при формировании депозитных ставок и объемов депозитов [6]. На агрегированном уровне анализ потоков депозитов и их влияния на ставки в США показывает, что шоки ликвидности и изменчивость спроса на низкорисковые активы могут доминировать над предельными изменениями процентных ставок [7]. Связанные с кредитным риском явления, например влияние резервов под обесценение кредитного портфеля, также рассматриваются исследователями как фактор, трансформирующий кривую депозитных ставок [8].

Важное направление исследований – воздействие крупномасштабных событий (пандемия COVID-19 ) и нефинансовых метрик ( ESG -рейтинги) на депозитные ставки и приток и отток депозитов. Зарубежные исследования показывают, что в кризисные периоды банки корректируют депозитные ставки и продуктовые предложения в ответ на изменившийся спрос и регулятивные ограничения [9]. Панде-мийные шоки требуют в моделях учета структурных сдвигов и применения обоснованных подходов к учету возможной нестационарно-сти временных рядов.

В литературе встречается несколько групп таких методологических подходов:

– классические подходы, включающие анализ временных рядов и моделирование кривой доходности депозитов ( ARIMA , VAR , VECM , SVAR ), для оценки взаимосвязи между ключевой ставкой, другими рыночными ставками и депозитными ставками [4; 5; 7; 8];

– структурные модели банковского баланса и оценка динамики потоков депозитов (статические и динамические DSGE -подобные и агрегированные банковские модели) [9–11];

– микромодели спроса на депозит, отражающие предельную отдачу от привлечения ресурсов, и модели ценообразования пассивов с учетом сегментации вкладчиков [10; 12].

Российская эмпирическая литература детализирует ценовые и неценовые факторы: влияние ключевой ставки на продукты розничного сегмента [14; 15], региональные и институциональные особенности депозитной политики [16; 17], а также динамику депозитной базы в условиях неопределенности и санкционного давления [18; 19].

Исследования, посвященные депозитной политике коммерческих банков и факторам формирования ставок, подчеркивают роль конкуренции на рынке пассивов, продуктовой дифференциации и информационного обеспечения управления депозитами [20–22]. В области моделирования предпочтений вкладчиков и сегментации предложены подходы, учитывающие демографические особенности, поведенческие характеристики и финансовую грамотность вкладчиков, что требует введения гетерогенности агентов в модели [16; 23].

При калибровке моделей ставок по депозитам рекомендуется учитывать мультифак-торность шоков и разнородные каналы их проявления, изменения в регулировании и функционировании платежных систем, а также конкуренцию между банками и дифференциацию их возможностей по доступу к рынкам капиталов [24–26].

Особое место занимает влияние цифровизации и развитие финтех-сферы: новые сервисы и недепозитные источники финансирования изменяют эластичность предложения депозитов и могут ослаблять прямую связь между ключевой ставкой и депозитными ставками [18; 26]. Практические руководства регуляторов и надзорных агентств содержат методические рекомендации по построению допущений и стресс-тестов процентного риска, трансформируемые в прикладные модели депозитных ставок розничных банков [27].

В целях моделирования влияния экзогенных шоков на динамику процентных ставок по депозитам и определения изменений роли ценового фактора – ключевой ставки Банка России – и совокупности неценовых детерминант в формировании ставок по депозитам различной срочности временной ряд наблюдений за период с января 2014 г. по июль 2025 г. был разделен на интервалы, характеризующиеся стабильной степенью тесноты связи между ключевой ставкой и ставками по соответствующим видам депозитов. Такое деление осуществлялось на основании идентификации периодов воздействия экзогенных шоков, для чего использовался комбинированный подход, включающий экспертный анализ ключевых политико-экономических событий в сочетании с анализом остатков модели.

В экспертных целях использованы следующие периоды шоков:

– 03.2014 – введение санкций в ответ на присоединение Крыма, ухудшение внешних финансовых условий и доступа к международным рынкам капитала;

– 12.2014 – резкое изменение цен на нефть, валютно-долговой стресс, девальвация рубля и экстренное ужесточение денежно-кредитной политики;

– 04.2018 – введение санкций в отношении крупнейших российских компаний, падение капитализации и снижение ликвидности на российских финансовых рынках;

– 03.2020 – пандемия COVID-19 , мировой финансовый шок;

– 02.2022 – начало специальной военной операции, геополитический шок, введение санкций и ограничений на валютные резервы и внешнеторговые операции;

– 09.2022 – частичная мобилизация, отток капиталов домохозяйств и рост краткосрочных инфляционно-курсовых ожиданий;

– 08.2023 – усиление валютного давления, девальвация, экстренное повышение ключевой ставки.

Сопоставление дат резких отклонений фактических и расчетных значений позволило исключить ложные сигналы и обеспечить верификацию полученных результатов. На основании объединения результатов экспертного и статистического анализа были выделены и проанализированы интервалы с устойчивыми зависимостями.

Эмпирической базой послужили рассчитанные ежемесячные значения средневзвешенной по дням фактического действия ключевой ставки и данные Банка России по средневзвешенным депозитным ставкам по депозитам для физических лиц (ФЛ) и юридических лиц (ЮЛ). В исследовании не учитывались все разновидности депозитов до востребования: включение таких ставок в средневзвешенные значения значительно искажало регрессионные оценки.

Границы интервалов определялись с применением метода скользящей регрессии депозитной ставки с регрессором (ценовые факторы) и константой (неценовые факторы в сочетании с остатками модели). При моделировании в Python параметры порога чувствительности и окна подбирались так, чтобы для каждой депозитной ставки формировалось от 7 до 12 интервалов (диапазон определен на основе экспертного анализа) с максимальным средним значением скорректированного R². В графическом отображении для сглаживания разрывов на границах интервалов применялась линейная интерполяция пропусков. Для каждого интервала строилась модель линейной регрессии вида rti =a i +Pix keyt + £ t, (1)

где r ti – ставка по депозитам срока i в месяц t ; key t – ключевая ставка в месяц t ; β i – ценовой компонент; α i – постоянная составляющая; ε t – случайная ошибка (α i + ε t – неценовой компонент).

Результаты анализа и декомпозиции ставок на ценовой и неценовой компоненты визуализированы в виде графиков, одновременно сопоставляющих фактические и прогнозные значения ставок и разделяющих период исследования на интервалы. В отношении сформированных на каждом интервале моделей проведены статистические тесты Бройша–Пагана на гетероскедастичность ошибок (BP-тесты), тесты Дарбина–Уотсона на автокорреляцию первого порядка (DW-тесты), тесты Жарка– Бера на нормальность остатков (JB-тесты), тесты Льюнга–Бокса на лаговую автокорреляцию (LB-тесты). Были рассчитаны показатели R² / Adj R² для оценки качества регрессии по интервалам изменения депозитных ставок. Для отдельных периодов с границами, основанными на идентифицированных шоках, произведена апробация ARIMA-моделирования с целью учета лаг-эффектов.

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Рынок депозитных продуктов определяет устойчивость российской банковской системы; основу привлеченной ресурсной базы банков формируют именно депозитные продукты (рис. 1).

Анализ целей размещения средств на депозитах ФЛ и ЮЛ важен для понимания результатов моделирования процентных ставок, поскольку определяет степень чувствительности депозитного спроса со стороны вкладчиков к экзогенным шокам и изменению ключевой ставки, формирует неоднородность реакции на ценовые и неценовые стимулы. Так, ключевыми целями размещения средств на депозитах ФЛ выступают:

• 1)    сохранение и накопление капитала – депозит рассматривается как низкорисковый инструмент сохранения средств по сравнению с альтернативными инструментами; сильная роль государственного гарантийного механизма и доминирование крупных государственных банков увеличивают доверие к депозитам, снижая степень реакции сберегательных предпочтений на санкционные и макроэкономические шоки;

  

  ■ Средства индивидуальных предпринимателей

  ■ Вклады (депозиты) и другие привлеченные средства физических лиц (с учетом счетов эскроу)

  ■ Депозиты юридических лиц

  ■ Средства на счетах организаций

  Источник: Средства организаций, банковские депозиты (вклады) и другие привлеченные средства юридических и физических лиц // Банк России. URL: (дата обращения: 25.10.2025). Source: Funds of organizations, deposits and other funds of legal entities and individuals. Bank of Russia. Available at (access date: 25.10.2025). (In Russ.).

  Рис. 1 . Структура средств клиентов коммерческих банков, млн руб.

  Fig. 1 . Structure of funds of commercial banks’ clients, mln rub.

  
  

• 2)    получение процентного дохода (особенно актуально для лиц с низкой склонностью к риску) – период высокой ключевой ставки Банка России сделал депозиты приоритетным инструментом для получения дохода;

• 3)    обеспечение ликвидности и «подушка безопасности» – распространение мобильного банкинга и системы быстрых платежей увеличило реальную ликвидность банковских счетов и скорость перетока средств, в том числе в наличные или иностранную валюту, в период воздействия шоков;

• 4)    целевые накопления – депозиты часто используются для поэтапного накопления на заранее обозначенные цели, при этом сроки и инструмент подбираются под временной горизонт этих целей; коммерческие банки развивают целевые депозитные продукты, часто комбинируя их с кешбэком и цифровыми инст-

• рументами мотивации; региональная неоднородность доходов и доступа к финансовым продуктам, определяемого уровнем финансовой грамотности, усиливает значимость долгосрочных депозитов для населения [28].

Мировому опыту и трендам цифровизации, низким или отрицательным ставкам, конкуренции со стороны финтех-отрасли и диверсификации продуктов противостоит высокая чувствительность российских вкладчиков – физических лиц – к инфляции и валютным шокам. Следовательно, в моделировании ставок необходимо учитывать факторы регуляторных шоков, индикаторы доверия и ожиданий, гетерогенность вкладчиков по целям и горизонту размещения средств, продуктовую и рыночную дифференциацию самих банков (рис. 2), а также шоки, специфичные для РФ (валютные и санкционные риски).

■ ТОП-5 банков по объему депозитов ■ Остальной банковский сектор

Источник: расчеты автора на основе данных: Отчетность кредитных организаций // Банк России. URL: (дата обращения: 12.01.2026); Информация о кредитных организациях // Банк России. URL: (дата обращения: 18.02.2026). Source: calculated by the author from: Otchetnost' kreditnykh organizatsii. Bank of Russia. Available at (access date: 12.01.2026). (In Russ.); Informatsiya o kreditnykh organizatsiyakh. Bank of Russia. Available at (access date: 18.02.2026). (In Russ.).

Рис. 2. Концентрация депозитов физических лиц, млн руб.

Fig. 2. Concentration of household deposits, mln rub.

Организации используют депозиты преимущественно как инструмент управления ликвидностью и временного размещения избыточных денежных средств. Помимо этого, они могут формировать целевые резервы посредством регулярного пополнения срочных вкладов либо использовать депозиты как источник пассивного дохода: при высоких процентных ставках они рассматриваются как альтернатива инвестициям в основной капитал или на рынке ценных бумаг. На выбор между альтернативными направлениями размещения средств влияют объем свободной ликвидности, внутренние нормативы ее поддержания и регуляторные требования.

Спрос корпоративных клиентов на депозитные инструменты имеет циклический характер. В периоды экономической экспансии предприятия, как правило, увеличивают инвестиционные расходы и наращивают объемы кредитования, что снижает потребность в ликвидных резервах. Напротив, в условиях рецессии или повышенной неопределенности фирмы стремятся увеличить страховой запас ликвидности, что приводит к росту доли депозитов в структуре активов. При усилении инфляционных ожиданий объем корпоративных депозитов может сокращаться, поскольку компании ищут альтернативные формы защиты капитала [29].

Компании различных отраслей экономики демонстрируют разнородные мотивы и возможности размещения временно свободных средств. Наиболее активными участниками депозитного рынка выступают капиталоемкие и финансово устойчивые отрасли: добывающая промышленность, энергетика, коммунальный сектор и телекоммуникации, в которых генерируются значительные стабильные денежные потоки, обеспечивающие возможность формирования резервов. Быстрорастущие и инновационные секторы (например, ИТ и высокотехнологичные стартапы), напротив, склонны направлять свободные ресурсы на расширение операционной деятельности или инвестиции в рыночные инструменты. Организации, получающие государственное финансирование, вследствие особенностей бюджетного планирования и исполнения бюджета нередко временно аккумулируют избыточные денежные средства на банковских счетах.

В 2023–2025 гг. объем корпоративных депозитов в России существенно увеличился, что отражает как высокую доходность банковских вкладов, так и ограниченные возможности альтернативного инвестирования (рис. 3). При этом в России отсутствует система государственной гарантии по депозитам ЮЛ, вследствие чего ключевым критерием выбора для предприятий выступает финансовая устойчивость и репутация банка-партнера. В процессе выбора организации оценивают комплекс неценовых факторов, среди которых приоритетными являются надежность, уровень доверия, качество обслуживания, функциональность дистанционных сервисов, возможности диверсификации рисков и наличие депозитных продуктов в иностранной валюте. Налоговый режим инвестиционных доходов и регуляторные ограничения для корпоративного сектора зачастую формируют консервативную стратегию размещения средств, при которой депозиты рассматриваются как оптимальный баланс между доходностью, ликвидностью и риском.

Расчеты в среде Python позволили описать и визуализировать специфику изменения роли ценовых и неценовых факторов размещения депозитов ФЛ и ЮЛ, определив влияние экзогенных шоков на изменение характера связи факторов. Так, депозиты ФЛ сроком до 30 дней показали высокую значимость коэффициентов при ключевой ставке в большинстве периодов, однако рассчитанные значения константы в четырех периодах из семи оказались статистически незначимыми. Коэффициент R ² демонстрировал сильную объясняющую способность моделей, остатки оказались распределены нормально, присутствовала их положительная автокорреляция. Для ЮЛ та же категория показала большую устойчивость: ошибки имели постоянную дисперсию, однако остатки демонстрировали слабоположительную автокорреляцию, при этом были распределены нормально при высокой объясняющей способности моделей в целом.

■ ТОП-5 банков по объему депозитов ■ Остальной банковский сектор

Источник: расчеты автора на основе данных: Отчетность кредитных организаций // Банк России. URL: (дата обращения: 12.01.2026); Информация о кредитных организациях // Банк России. URL: (дата обращения: 18.02.2026). Source: calculated by the author from: Otchetnost' kreditnykh organizatsii. Bank of Russia. Available at (access date: 12.01.2026). (In Russ.); Informatsiya o kreditnykh organizatsiyakh. Bank of Russia. Available at (access date: 18.02.2026). (In Russ.).

Рис. 3. Концентрация депозитов юридических лиц, млн руб.

Fig. 3. Concentration of corporate deposits, mln rub.

Ставки в категории депозитов для ФЛ на срок 31–90 дней демонстрировали высокие значения R ²; коэффициенты в большинстве своем оказались значимы. Тесты в единичных случаях фиксировали отклонения распределения остатков от нормального и их слабоположительную автокорреляцию. DW -критерий в большинстве результатов тестов моделей для ЮЛ отражал наличие автокорреляции в остатках. В силу высоких значений скорректированного R ² общая предсказательная сила моделей сохранялась, однако в большинстве периодов константа не являлась статистически значимой ( p-value > 0,05).

Результаты тестов моделей по ставкам депозитов для ФЛ на 91–180 дней смешанные. В одних интервалах оценки коэффициентов моделей значимы и R² достаточно высок, а в других тесты фиксировали незначимость константы моделей, гетероскедастичность ошибок, автокорреляцию остатков и нарушения нормальности их распределения. Для ЮЛ результаты тестов этой категории депозитов аналогичны, тесты фиксируют незначимость константы моделей в подавляющем большинстве случаев, однако значения R² заметно выше. Это позволяет констатировать, что в среднесрочном сегменте депозиты компаний более выражен-но реагируют на изменения ключевой ставки.

Значимость коэффициентов моделей по депозитам ФЛ на срок 181–365 дней варьирует по периодам; часть моделей устойчива (R² ≈ ≈ 0,72–0,94), но часто встречается положитель- ная автокорреляция их остатков. JB-тесты фиксировали отклонения ошибок от нормального распределения. В моделях по ставкам для ЮЛ оценки константы также незначимы в значительном количестве случаев, наблюдалась серийная автокорреляция остатков по LB-тестам, что снижает надежность интерпретации.

Тесты моделей по депозитам для ФЛ сроком один–три года показали стабильные результаты: связь с ключевой ставкой достаточно устойчива, лишь в единичных случаях наблюдались автокорреляция остатков и гетероске-дастичность ошибок. Аналогичные результаты отмечены для ставок по депозитам ЮЛ, однако в ряде случаев константа в моделях не являлась статистически значимой.

Моделирование ставок по долгосрочным депозитам (свыше трех лет) показало сравнительно низкое качество моделей для обеих категорий вкладчиков: слабая объясняющая способность моделей по критерию R², частые нарушения по JB- и DW-тестам, коэффициенты на ряде интервалов статистически незначимы. Это доказывает, что решения клиентов в данном сегменте ориентированы на долгосрочные ожидания, а не на краткосрочную денежно-кредитную политику, что подтверждается выраженной автокорреляцией остатков моделей.

Таким образом, по совокупности рассматриваемых оценок для ФЛ наиболее эффективно оцениваются ставки по депозитам на срок 31– 90 дней (рис. 4) и на срок один–три года (рис. 5).

Источник : расчеты автора. Source : calculated by the author.

Рис. 4. Декомпозиция факторов на ценовые и неценовые для ставки по депозитам ФЛ сроком 31–90 дней

Fig. 4 . Decomposition into price and non-price factors for household deposit rate with a term of 31–90 days

Источник : расчеты автора. Source: calculated by the author.

Рис. 5. Декомпозиция факторов на ценовые и неценовые для ставки по депозитам ФЛ сроком один–три года

Fig. 5. Decomposition into price and non-price factors for individual deposit rate with a term of 1–3 years

При этом в структуре средств, привлеченных от ФЛ, лишь депозиты сроком один–три года составляют заметную долю (рис. 6), оценки же наиболее значительной группы срочных депозитов – сроком 181–365 дней – демонстрируют заметную инерцию монетарных сигналов.

60 000 000

• ■    До востребования          ■ На срок до 30 дней                 ■ На срок от 31 до 90 дней

• ■    На срок от 91 до 180 дней    ■ На срок от 181 дня до одного года ■ На срок от одного года до трех лет

• ■    На срок свыше трех лет

  Источник : Средства организаций, банковские депозиты (вклады) и другие привлеченные средства юридических и физических лиц // Банк России. URL: https://clck.ru/3ToD4K (дата обращения: 25.10.2025). Source : Denominated funds of organizations, deposits and other funds of legal entities and individuals. Bank of Russia . Available at https://clck.ru/3ToD4K (access date: 25.10.2025). (In Russ.).

Рис. 6. Структура депозитов, привлеченных от ФЛ, по срокам размещения

Fig. 6 . Structure of household deposits by maturity

Интервалы с неустойчивыми оценками линейного моделирования для оценки влияния лаг-регрессоров могут дополнительно изучаться с применением ARIMA-моделей. Например, для интервала 08.2023–07.2025, сформированного для ставки по депозитам ФЛ на срок 181–365 дней, лучшей по критериям AIC и BIC выступает модель ARMAX (1; 0; 0), которая описывается уравнением yt = 0,467865 X keyt + 0,470542 x keyt _1 +

+ 0,886999 x y_t _ 1 +s _t ,            (2)

где y t – ставка по депозитам в месяц t ; key t – ключевая ставка в месяц t ; key t – 1 – ключевая ставка в месяц t – 1; y t – 1 – значение ставки по депозитам в предыдущем месяце; ε t – случайная ошибка.

Все коэффициенты уравнения значимы, значение R ² модели ARMAX составило 0,968452 против 0,939407 у линейной модели. Остатки модели представляют собой белый шум (рис. 7).

Подобные модели могут лучше описывать инерционную природу изменения депозитных ставок и распределенную во времени передачу эффектов экзогенных шоков на стоимость бан- ковского фондирования на идентифицированных с помощью линейного моделирования периодах.

Важным фактором при размещении средств ФЛ на депозитах выступает уровень инфляционных ожиданий: при росте инфляции население чаще выбирает краткосрочные депозиты; при устойчивых низких инфляционных ожиданиях повышается склонность к размещению средств на длительные сроки. С ростом реальных располагаемых доходов растет склонность к сбережению, при этом формируется более диверсифицированная структура депозитов: часть средств направляется в долгосрочные накопительные продукты, а часть сохраняется в краткосрочных инструментах для оптимизации текущего потребления. Более финансово грамотные вкладчики склонны оптимизировать сроки размещения в зависимости от процентной кривой и ожидаемого поведения ставок. Кроме того, на структуру депозитов ФЛ влияет поведенческая инерция: даже при изменении рыночных условий вкладчики могут пользоваться автоматической пролонгацией, если доверие к банку стабильно и на рынке не наблюдается стрессовых сигналов [30].

Источник : расчеты автора. Source : calculated by the author.

Рис. 7. Автокорреляционная и частная автокорреляционная функции остатков модели ARMAX (1; 0; 0)

Fig. 7 . Autocorrelation and partial autocorrelation functions of the residuals of the ARMAX (1; 0; 0) model

Важную роль играет обострившаяся конкуренция на рынке депозитных продуктов. Активная борьба банков за устойчивый рост ресурсной базы приводит к появлению специальных депозитных программ с повышенными ставками при более длительных сроках размещения, что стимулирует перераспределение средств в долгосрочный сегмент. Гарантии возврата средств в пределах страхового лимита повышают доверие населения и готовность фиксировать средства на депозитах на более продолжительный срок. Кроме того, на структуру депозитов воздействует рост цифровизации банковских услуг: онлайн-продукты и мобильные сервисы повышают гибкость управления депозитами ФЛ, снижая барьеры перехода между кратко- и долгосрочными инструментами, а также между самими кредитными организациями и сегментами инвестирования.

Для ЮЛ наиболее надежной в моделировании категорией являются депозиты до 30 дней, где тесты чаще всего подтверждают качество модели (рис. 8).

Одновременно эта же категория срочных депозитов преобладает в структуре средств, привлеченных от ЮЛ (рис. 9).

В структуре корпоративных депозитов преобладают краткосрочные вклады, что объясняется предпочтением предприятий сохранять гибкость управления ликвидностью и их неготовностью «замораживать» средства на длительный срок, особенно при высокой измен- чивости ключевой ставки и нестабильной экономической конъюнктуре. Размещение депозитов корпоративными клиентами зависит от сочетания рыночных условий и характеристик самого депозитного инвестирования. Так, процентная ставка по депозиту остается ключевым фактором: предприятия ориентируются на выгодность ценового предложения, балансируя между доходностью и ликвидностью. При этом высокий уровень надежности банка и его финансовая устойчивость особенно важны для крупных корпоративных вкладчиков.

Моделирование ставок по долгосрочным депозитам (свыше трех лет) у обеих категорий вкладчиков достаточно часто нарушает классические предпосылки, а ключевая ставка со временем все хуже объясняет динамику ценового фактора (рис. 10, 11).

Обобщенные результаты оценки качества моделей приведены в табл. 1. Модели по ставкам для ЮЛ в среднем обладают более высокой объяснительной способностью и лучшим соответствием базовым статистическим предпосылкам, однако характеризуются более сложной структурой временной зависимости, в то время как модели по ставкам для ФЛ отличаются устойчивостью коэффициента при ключевой ставке, но уступают по качеству подгонки и чаще демонстрируют инерционность и отклонения от нормальности распределения ошибок.

Источник : расчеты автора. Source : calculated by the author.

Рис. 8. Декомпозиция факторов на ценовые и неценовые для ставки по депозитам ЮЛ до 30 дней

Fig. 8 . Decomposition into price and non-price factors for corporate deposit rate up to 30 days

• ■    До востребования          ■ На срок до 30 дней                ■ На срок от 31 до 90 дней

• ■    На срок от 91 до 180 дней    ■ На срок от 181 дня до одного года    ■ На срок от одного года до трех лет

• ■    На срок свыше трех лет

  Источник : Средства организаций, банковские депозиты (вклады) и другие привлеченные средства юридических и физических лиц // Банк России. URL: https://clck.ru/3ToD4K (дата обращения: 25.10.2025). Source : Denominated funds of organizations, deposits and other funds of legal entities and individuals. Bank of Russia . Available at https://clck.ru/3ToD4K (access date: 25.10.2025). (In Russ.).

Рис. 9. Структура депозитов, привлеченных от ЮЛ, по срокам размещения

Fig. 9 . Structure of corporate deposits by maturity

Источник : расчеты автора. Source : calculated by the author.

Рис. 10. Декомпозиция факторов на ценовые и неценовые для ставки по депозитам ФЛ свыше трех лет

Fig. 10 . Decomposition into price and non-price factors for households deposit rate with a term more than 3 years

2014                 2016                 2018                 2020                 2022                 2024                 2026

Дата

Источник : расчеты автора. Source : calculated by the author.

Рис. 11. Декомпозиция факторов на ценовые и неценовые для ставки по депозитам ЮЛ свыше трех лет Fig. 11 . Decomposition into price and non-price factors for corporate deposit rate with a term more than 3 years

Табл. 1. Сравнительный анализ результатов статистических тестов моделей

Table 1. Comparative analysis of the results of statistical model tests

Тест (критерий)	Средневзвешенные ставки по депозитам		Интерпретация различий (примечание)
	ФЛ	ЮЛ
p_const (значимость α-коэффициента)	В 42 % интервалов константа значима	В 40 % интервалов константа значима	Два интервала с невозможностью провести тесты по ставкам ФЛ против одного – по ставкам ЮЛ
p_beta (значимость β-коэффициента)	В 87 % интервалов β-коэф-фициент статистически значим	В 91 % интервалов β-коэф-фициент статистически значим	15 % интервалов по ставкам для ФЛ составляют менее полугода против 34 % по ставкам ЮЛ
R ² / Adj R ² (качество подгонки модели)	В 54 % интервалов R ² > 0,8; в 31 % интервалов R ² > 0,9; модель объясняет большую часть вариации	В 68 % интервалов R ² > 0,8; в 51 % интервалов R ² > 0,9; модель объясняет большую часть вариации	Для ЮЛ зависимость от ключевой ставки проявляется более устойчиво и последовательно, чем для ФЛ
DW (автокорреляция остатков первого порядка)	В 37 % интервалов критерий выходит за допустимые пределы: DW < 1 или > 3 / нет рассчитанных значений критерия	В 48 % интервалов критерий 1,5–2,5, что указывает на отсутствие в них выраженной автокорреляции	Ставки для ЮЛ быстрее и более выраженно реагируют на монетарные сигналы; ставки для ФЛ обладают инерцией
LB (мультилаговый тест на автокорреляцию остатков)	В 13 % интервалов наблюдается автокорреляция остатков	В 21 % интервалов наблюдается автокорреляция остатков	Динамика ставок для ЮЛ подвержена более сложной коррелированной структуре
JB (нормальность распределения остатков)	В 15 % интервалов распределение остатков отличается от нормального	В 8 % интервалов распределение остатков отличается от нормального	Модели для ЮЛ в большей степени соответствуют предположениям классической линейной регрессии
BP (гетероскедастичность ошибок)	В 15 % интервалов присутствует гетероскедастичность	В 24 % интервалов присутствует гетероскедастичность	Для ЮЛ вариация ставок неоднородна: крупные клиенты и краткосрочные колебания их ликвидности создают неравномерность изменений

Источник : расчеты автора. Source : calculated by the author.

В начале рассматриваемого периода (2014– 2016 гг.) β-коэффициенты в моделях для ЮЛ колебались в пределах 0,3–0,9 с относительно низкой значимостью, поскольку реакция депозитных ставок ЮЛ на ключевую ставку была более слабой и неравномерной, чем у ФЛ. В 2016– 2018 гг. β-коэффициенты моделей для ФЛ и ЮЛ приблизились к 1, что отражает высокую синхронизацию ставок депозитов с монетарной политикой и совпадает с фазой стабилизации денежного рынка после кризиса 2014–2015 гг. В 2018–2020 гг. чувствительность β-коэффи-циентов заметно снижается, поскольку банки активнее использовали альтернативные источники фондирования, а депозиты ЮЛ становились менее зависимыми от ключевой ставки. В 2020–2022 гг. значения β-коэффициентов указывали на временное ослабление монетарного канала из-за беспрецедентных мер поддержки экономики и высокого уровня ликвидности.

Наиболее стабильные по всем критериям периоды моделирования ставок для ЮЛ – 2022– 2023 гг. для ставок по депозитам на срок один– три года и 91–180 дней, когда модели имели высокое качество и статистически корректное поведение остатков. Для коротких депозитов (до 30 и до 90 дней) устойчивость проявилась в период 2023–2025 гг. из-за стабилизации краткосрочного сегмента вкладов после волатильных периодов и воздействия шоков. Для депозитов ФЛ наибольшая устойчивость моделей отмечается в периодах 2016–2018 и 2022– 2023 гг., когда динамика β-коэффициентов отражала динамику ключевой ставки практически без искажений.

Краткосрочные вклады ФЛ и ЮЛ за весь рассматриваемый период демонстрировали наиболее быструю и адекватную реакцию на монетарную политику. В то же время для более длинных депозитов результаты были менее однородными: значимость β-коэффи-циентов снижалась, а тесты фиксировали признаки гетероскедастичности. В фазе снижения банки предлагали населению продукты с фиксированными ставками, не полностью зависящими от ключевой ставки.

В условиях избыточной ликвидности и нестабильности финансовых потоков депозиты перестают быть «чистым» индикатором эффективности процентного канала монетарной политики. На ставки по депозитам ЮЛ сильнее влияют неценовые факторы, о чем свидетельствуют более низкие в целом значения коэффициента детерминации, в том числе его скорректированного варианта. Модели в ряде случаев недостаточно учитывают инерционность изменения ставок, а вариация остатков может, в свою очередь, зависеть от уровня ключевой ставки или других факторов. По депозитам ЮЛ гетероскедастичность встречается чаще, чем по депозитам ФЛ, так как колебания ставок объясняются неоднородной чувствительностью корпоративных клиентов к изменению процентного канала. Рыночные шоки и поведение крупных вкладчиков – юридических лиц – создают «выбросы», что отражается на отклонении остатков моделей от нормального распределения. Таким образом, ставки по депозитам ЮЛ зависят не только от ключевой ставки и неценовых факторов рынка, но и от специфических, сильно дифференцированных индивидуальных факторов размещения средств корпоративных клиентов, которые обладают заметными рычагами воздействия со стороны предложения депозитных ресурсов.

ВЫВОДЫ

Проведенное моделирование позволило выявить ряд закономерностей, характеризующих реакцию процентных ставок по депозитам на экзогенные шоки различной природы. Установлено, что структура и скорость реакции зависят от срока привлечения депозитов: краткосрочные депозиты демонстрируют высокую эластичность ставок по отношению к изменению ключевой ставки, тогда как среднесрочные и долгосрочные депозиты реагируют с временным лагом и более выраженной зависимостью от институциональных и поведенческих факторов.

В краткосрочном горизонте ключевую роль играет ценовой канал трансмиссии: процентные ставки физических и юридических лиц по депозитам практически линейно следуют за изменениями в денежно-кредитной политике, что отражает прямую зависимость стоимости привлеченных ресурсов от уровня ключевой ставки регулятора. В то же время на средне- и долгосрочном горизонтах влияние экзогенных шоков проявляется через совокупность дополнительных каналов: ожидания инфляции, изменение конкурентной среды, перераспределение ликвидности в банковской системе и динамику доверия к финансовым институтам. Это подтверждает, что реакция депозитных ставок на экзогенные импульсы является нелинейной и гетерогенной по срокам привлечения и категориям вкладчиков.

Отдельное место в структуре воздействия экзогенных шоков занимают неценовые факторы, модифицирующие поведение вкладчиков и стратегию банков. Маркетинговые стимулы, развитие цифровых платформ, политика страхования вкладов и общественные ожидания способны смягчать или усиливать эффект процентных шоков, особенно в сегменте долгосрочных депозитов. Таким образом, влияние экзогенных факторов проявляется не только через ценовые параметры, но и через институциональные и поведенческие механизмы, что требует комплексного учета при