CC BY
66Жилищные стратегии
ЖИЛИЩНЫЕ СТРАТЕГИИ
Том 4 • Номер 2 • Апрель-июнь 2017 ISSN 2410-1621
Russian Journal of Housing strategy
>
Креативная экономика
издательство
Анализ факторов, влияющих на результаты банковской деятельности в сфере ипотечного кредитования
Пшеничнов Р.В. 1
1 Марийский государственный университет, Йошкар-Ола, Россия
АННОТАЦИЯ:_
Ипотечный рынок в России последние годы развивается довольно бурно. Несмотря на улучшение в сфере ипотечного кредитования, остаются некоторые вопросы, которые необходимо проанализировать и сформулировать предложения по адаптации банков к резко меняющимся внешним экономическим условиям. Поэтому целью данного исследования является получение данных о влиянии внешних и внутренних факторов на количество и объемы выдаваемых кредитов, а также подготовка данных для построения регрессионных моделей. Для проведения исследования была сделана сплошная выборка с начала января до конца мая 2016 года. Частотный анализ позволил выявить сильную зависимость уровня конвертации от канала приема заявок. Была построена корреляционная матрица, на основании которой были получены данные о влиянии внешних факторов на ипотечный рынок. Полученные результаты были проанализированы, что позволяет использовать их на практике. Использование метода Ирвина позволил подготовить выборку для построения моделей множественной регрессии на основе результатов данного исследования.
КЛЮЧЕВЫЕ СЛОВА: ипотечное кредитование, корреляционный анализ, частотный анализ, метод Ирвина.
Analysis of factors affecting the results of banking activities in mortgage lending
Pshenichnov R.V.1
1 Mari State University, Russia
актуальность исследования
Ипотечный рынок в России последние годы развивается довольно бурно. При этом ухудшение ситуации в экономике в конце 2014 года и «процентный шок» привели к росту просроченной задолженности по жилищным ссудам. Так, по данным Объединенного кредитного бюро (ОКБ) во 2 квартале 2015 года показатель вырос на 8%, в следующем квартале - еще на 7,5%, затем - сразу на 38%. Ситуация вызывала беспокойство властей, ведь ипотека имеет важное социальное значение. Однако в начале 2017 года ситуация заметно улучшилась - рост
просроченной задолженности в 1 квартале 2017 года составил минимальный 1% по сравнению с 12% годом ранее, указано в материалах ОКБ. Объем выдачи ипотечных кредитов в России вырос в апреле 2017 года по сравнению с апрелем прошлого года на 6% до 87,57 млрд рублей. По данным ОКБ, общее количество новых ипотечных кредитов, выданных в апреле, снизилось на 2% до 49,58 тыс. [10]. Несмотря на улучшение в сфере ипотечного кредитования, остаются некоторые вопросы, которые необходимо проанализировать, и сформулировать предложения по адаптации банков к резко меняющимся внешним экономическим условиям.
В российской литературе можно найти большое количество публикаций на тему развития и формирования рынка ипотеки. В большинстве литературных источников отмечается резкое изменение рыночной ситуации в банковском секторе и в российской экономике в целом. Примерами таких публикаций являются статья Зуевой А.В. на тему «Развитие ипотечного кредитования в Российской Федерации, перспективы и проблемы развития» [5] (Zueva, 2013), Ивашиной Е.В. на тему «Влияние государственной программы субсидирования на выдачу ипотечных кредитов в Российской Федерации» [6] (Ivashina, Vorobeva, 2016), Кортаевой Н.В. на тему «Анализ современного состояния российского рынка ипотечного кредитования: тенденции развития» [7] (Korosteleva, 2016). Данные статьи отражают текущее состояние дел на рынке ипотечного кредитования и оголяют проблемы, которые связаны с данной отраслью,
ABSTRACT:_
The mortgage market in Russia in recent years had been developing quite rapidly. Despite the improvement in mortgage lending, there are still some issues that need to be analyzed and there is also a need to draw recommendations for the adaptation of banks to the rapidly changing external economic conditions. That's why the aim of this study is to obtain data on the impact of external and internal factors on the number and volume of loans issued, and to prepare data for creation of the regression models. In order to do this study we've made a solid sample within from January to end of May 2016. Frequency analysis revealed a strong dependence of the level of conversion from the channel applications. We built a correlation matrix on the basis of which we obtained data on the impact of external factors on the mortgage market. We've analyzes the obtained results, and now we can use them in practice. The use of the method of Irvine allows to prepare a sample for building models of multiple regression on the basis of the results of this study.
KEYWORDS: mortgage lending, correlation analysis, frequency analysis, method of Irvine.
JEL Classification: G21, R31, R38 Received: 10.06.2017 / Published: 30.06.2017
© Author(s) / Publication: CREATIVE ECONOMY Publishers For correspondence: Pshenichnov R.V. (Psheni4nov0yandex.ru)
CITATION:_
Pshenichnov R.V. (2017) Analiz faktorov, vliyayuschikh na rezultaty bankovskoy deyatelnosti v sfere ipotechnogo kreditovaniya [Analysis of factors affecting the results of banking activities in mortgage lending]. Zhilischnye strategii. 4. (2). - 107-126. doi: 10.18334/zhs.4.2.38241
но все еще остается открытым вопрос разработки конкретных методов и моделей, которые бы позволили на основе реальных данных получить практический результат. Отдельно стоит отметить статью Коростелевой Т.С. «Ипотечное кредитование как фактор интенсификации роста региональных экосистем (на материалах Самарской области)» [8] (Кого1аеуа, Б^уикоуа, СЬегказЬпеу, 2015). Автор статьи анализирует региональный разрез влияния ипотечной сферы на экономику региона. Рынок ипотеки действительно имеет сильную связь с макроэкономическими показателями большинства регионов, потому как строительный сектор и многие смежные отрасли напрямую зависят от настроений ипотечных заемщиков. Поэтому сейчас наиболее важно провести анализ факторов, влияющих на результаты деятельности ипотечного рынка. Это позволит кредитным организациям подстроить свою деятельность под новые тенденции, оказывающие наибольшее влияние на их результаты. В данной статье термин результаты деятельности ипотечного рынка обозначает 2 показателя: объемы кредитования в стоимостном выражении и количество выданных кредитов.
Под внешними факторами мы понимаем деятельность, на которую банк не может оказывать прямого влияния, такие как политика, экономика, социальный сектор, валютные курсы, спрос на недвижимость, цена аренды и продажи квартир. Также к внешним факторам мы относим средневзвешенную процентную ставку в региональном разрезе, которую публикует Центральный Банк [3]. Данная ставка является среднемесячной по всем выданным ипотечным кредитам данного региона. Таким образом, целью исследования является получение данных о влиянии внешних и внутренних факторов на количество и объемы выдаваемых кредитов, а также подготовка данных для построения регрессионных моделей.
Методика исследования
Для исключения аномальных переменных был использован метод Ирвина. В
данном методе для всех наблюдений вычисляется величина % = гттр среднее
квадратическое отклонение рассчитывается по формуле: <Ту = I---, среднее
арифметическое: у = Согласно критерию Ирвина, при 100 наблюдениях и
уровне значимости а=0,05, отклонения начинаются с ^>1,0. Использование данного метода обосновано тем, что данные выборки - это оригинальный материал, взятый из
ОБ АВТОРЕ:_
Пшеничнов Руслан Владимирович, аспирант ([email protected])
ЦИТИРОВАТЬ СТАТЬЮ:_
Пшеничнов Р.В. Анализ факторов, влияющих на результаты банковской деятельности в сфере ипотечного кредитования // Жилищные стратегии. - 2017. - Том 4. - № 2. - С. 107-126. Со1: 10.18334/7Ьб.4.2.38241
практики, метод Ирвина как нельзя лучше подходит для анализа такого рода данных. Также это позволит сохранить число наблюдений, что увеличит точность прогнозных значений и результатов исследования. При расчете критерия Ирвина за у возьмем показатель количества выданных кредитов, так как он является основным целевым показателем работы отдела по ипотечному кредитованию и результирующим фактором при построении прогнозных моделей.
Среднее значение: 1122
V =- = 9,672413793
116
Несмещенная оценка дисперсии:
3519.552 ^=^- = 30,6
Среднеквадратическое отклонение:
Оу = ^/30,6 = 5,53
Вычисляем критерий Ирвина:
Таблица 1
Вычисление критерия Ирвина по количеству выданных кредитов
Номер наблюдения У (УгУср)2 Л
1 7 7,141795 -
2 8 2,796968 0,180761
3 5 21,83145 0,542284
4 7 7,141795 0,361522
5 7 7,141795 0
6 0 93,55559 1,265328
7 24 205,2797 4,338269
8 15 28,38317 1,626851
9 12 5,417658 0,542284
10 8 2,796968 0,723045
11 2 58,86593 1,084567
12 10 0,107313 1,44609
13 12 5,417658 0,361522
14 11 1,762485 0,180761
15 9 0,45214 0,361522
16 1 75,21076 1,44609
17 12 5,417658 1,988373
18 4 32,17628 1,44609
19 11 1,762485 1,265328
20 15 28,38317 0,723045
21 15 28,38317 0
Продолжение табл.
Номер наблюдения У (УгУср!2 Л
22 24 205,2797 1,626851
23 21 128,3142 0,542284
24 8 2,796968 2,349896
25 15 28,38317 1,265328
26 16 40,03835 0,180761
27 15 28,38317 0,180761
28 24 205,2797 1,626851
29 18 69,34869 1,084567
30 3 44,52111 2,711418
31 17 53,69352 2,530657
32 27 300,2452 1,807612
33 20 106,659 1,265328
34 10 0,107313 1,807612
35 20 106,659 1,807612
36 14 18,728 1,084567
37 4 32,17628 1,807612
38 8 2,796968 0,723045
39 14 18,728 1,084567
40 12 5,417658 0,361522
41 11 1,762485 0,180761
42 16 40,03835 0,903806
43 9 0,45214 1,265328
44 7 7,141795 0,361522
45 5 21,83145 0,361522
46 10 0,107313 0,903806
47 3 44,52111 1,265328
48 6 13,48662 0,542284
49 15 28,38317 1,626851
50 11 1,762485 0,723045
51 3 44,52111 1,44609
52 8 2,796968 0,903806
53 14 18,728 1,084567
54 15 28,38317 0,180761
55 16 40,03835 0,180761
56 7 7,141795 1,626851
57 3 44,52111 0,723045
58 11 1,762485 1,44609
59 13 11,07283 0,361522
60 10 0,107313 0,542284
Продолжение табл.
Номер наблюдения У (УгУср!2 Л
61 8 2,796968 0,361522
62 6 13,48662 0,361522
63 4 32,17628 0,361522
64 12 5,417658 1,44609
65 9 0,45214 0,542284
66 6 13,48662 0,542284
67 5 21,83145 0,180761
68 11 1,762485 1,084567
69 1 75,21076 1,807612
70 7 7,141795 1,084567
71 8 2,796968 0,180761
72 12 5,417658 0,723045
73 7 7,141795 0,903806
74 14 18,728 1,265328
75 5 21,83145 1,626851
76 16 40,03835 1,988373
77 11 1,762485 0,903806
78 11 1,762485 0
79 8 2,796968 0,542284
80 15 28,38317 1,265328
81 5 21,83145 1,807612
82 16 40,03835 1,988373
83 17 53,69352 0,180761
84 6 13,48662 1,988373
85 5 21,83145 0,180761
86 5 21,83145 0
87 0 93,55559 0,903806
88 14 18,728 2,530657
89 17 53,69352 0,542284
90 10 0,107313 1,265328
91 9 0,45214 0,180761
92 6 13,48662 0,542284
93 2 58,86593 0,723045
94 9 0,45214 1,265328
95 7 7,141795 0,361522
96 8 2,796968 0,180761
97 1 75,21076 1,265328
98 9 0,45214 1,44609
Продолжение табл.
Номер наблюдения У lyryJ2 Л
99 8 2,796968 0,180761
100 9 0,45214 0,180761
101 6 13,48662 0,542284
102 0 93,55559 1,084567
103 4 32,17628 0,723045
104 7 7,141795 0,542284
105 9 0,45214 0,361522
106 12 5,417658 0,542284
107 7 7,141795 0,903806
108 5 21,83145 0,361522
109 3 44,52111 0,361522
110 9 0,45214 1,084567
111 8 2,796968 0,180761
112 9 0,45214 0,180761
113 12 5,417658 0,542284
114 2 58,86593 1,807612
115 3 44,52111 0,180761
116 9 0,45214 1,084567
1122 3519.55
Источник: составлено автором.
Номера наблюдений с аномальными значениями: 6, 7, 8, 11, 12, 16, 17, 18, 19, 22, 24, 25, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 39, 43, 47, 49, 51, 53, 56, 58, 64, 68, 69, 70, 74, 75, 76, 80, 81, 82, 84, 88, 90, 94, 97, 98, 102, 110, 114, 116.
Так как аномальные значения составляют 44% от общей выборки, а также многие аномальные значения идут по порядку, воспользуемся модифицированным методом Ирвина [13] (Trofimenko, Marshalov, Grib, Kolodeznikov, 2014). Заменим все аномальные значения по формуле параболического интерполирования:
6
где Уп-2, Уп-1, Уп -члены ряда выборки, предшествующие аномальному значению уп+1 Наблюдения с аномальными значениями заменим на среднее значение по упомянутому выше методу.
Для определения независимых переменных были опрошены эксперты в области ипотечного кредитования. По мнению экспертов, в выборку необходимо добавить следующие социально-экономические показатели Республики Марий Эл: средняя заработная плата, средняя пенсия, средняя цена за квадратный метр жилой недвижимости, средняя цена жилого помещения, средняя цена аренды квадратного метра жилого помещения, средняя цена аренды жилого помещения, прожиточный мини-
мум, средняя процентная ставка, а также котировки курса доллара. Добавление данных поможет учесть их влияние на результаты ипотечной деятельности.
Описание и анализ выборки
Для проведения исследования была сделана сплошная выборка по ипотечным заявкам крупнейшей в России кредитной организации за 1 полугодие 2016 г. по Республике Марий Эл. Выборка состояла из 3506 заявок, включающих в себя все виды ипотечного кредитования, в том числе такие субпродукты как ипотека плюс материнский капитал, ипотека с господдержкой, акция для молодых семей, которые мы объединили по дням приема, получив данные в виде временных рядов. Проведем анализ выборки. По большинству заявок установлен конечный статус (кредит выдан либо отказ), но так как выгрузка проходила в конце июля, некоторые заявки находились в работе. Фильтрация статусов отличных от конечных позволила выявить, что заявки, не находящиеся в работе у менеджера по ипотечному кредитованию, расположены во временном диапазоне с 11.01.2016 г. по 31.05.2016 г. Остальные наблюдения необходимо удалить из выборки, так как они будут искажать результаты исследования. Заявки на ипотеку принимают 3 отдела: отдел розничного бизнеса, отдел по работе с партнерами и отдел прямых продаж. В данной статье отделы, которые принимают заявки, мы будем рассматривать в качестве каналов поступления заявок на ипотеку.
Для предварительного анализа представим сводную информацию по основным данным выборки в таблице 2.
Как видно из таблицы, диапазон разброса данных достаточно большой. Так, количество выданных кредитов находится в диапазоне от 0 до 27 заявок в день, а стандартное отклонение данного фактора - 5,53 выданных в день кредитов. На основе представленных данных можно сделать вывод, что в выборке существует вероятность выбросов. Проанализируем данные на наличие аномальных переменных по методу Ирвина.
Представим сводные данные выборки после замены аномальных переменных в таблице 3.
Из таблицы видно, что количественные показатели каждого отдела разные. Представим данные по каналам продаж в графическом виде.
Из рисунков 1-3 видно, что качественные характеристики заявок зависят от отдела, который принимал заявку. Это доказывает тот факт, что при подаче и дальнейшей обработке заявок доли каналов меняются. Чем качественнее заявка, тем больше вероятность ее конвертации. Соответственно, чем больше растет доля канала в процессе обработки заявки, тем качественнее данный отдел принимает заявки. Для того чтобы убедиться в данном утверждении, проведем дополнительный анализ. Рассчитаем средний уровень конвертации заявок из одобренных в выданные по каждому отделу и отразим в таблице 4.
Таблица 2
Основные данные выборки
Среднее дневное Стандартное Минимум, Максимум, шт.
значение отклонение за шт. в день в день
день
Количество принятых 21,79 10,75 0,00 56,00
заявок, шт. в день
в том числе: Отдел розничного бизнеса 13,58 62,30% 6,59 0,00 32,00
Отдел по работе с парт- 6,68 30,66% 4,71 0,00 23,00
нерами
Отдел прямых продаж 1,53 7,04% 1,63 0,00 6,00
Количество одобренных 14,66 7,91 0,00 42,00
заявок, шт. в день
в том числе: Отдел розничного бизнеса 8,95 61,02% 4,81 0,00 24,00
Отдел по работе с парт- 4,59 31,28% 3,48 0,00 19,00
нерами
Отдел прямых продаж 1,13 7,70% 1,25 0,00 4,00
Количество выданных 9,67 5,53 0,00 27,00
кредитов, шт. в день
в том числе: Отдел розничного бизнеса 5,59 57,84% 3,19 0,00 18,00
Отдел по работе с парт- 3,36 34,76% 2,74 0,00 14,00
нерами
Отдел прямых продаж 0,72 7,40% 1,04 0,00 4,00
Количество отказных 4,99 3,17 0,00 18,00
заявок, шт. в день
в том числе: Отдел розничного бизнеса 3,35 67,18% 2,41 0,00 14,00
Отдел по работе с парт- 1,22 24,53% 1,33 0,00 5,00
нерами
Отдел прямых продаж 0,41 8,29% 0,67 0,00 2,00
Одобренная сумма, руб. 29982103,09 15789724,26 0,00 80197556,94
в день
в том числе: Отдел 18615471,69 63,62% 10045973,04 0,00 50698938,32
розничного бизнеса
Отдел по работе с парт- 9229764,60 39,89% 6299221,91 0,00 29686265,04
нерами
Отдел прямых продаж 2136866,80 15,01% 2370489,92 0,00 9274861,04
Выданная сумма, руб. 14738963,01 8365508,47 0,00 43371431,53
в день
Окончание табл.2
Среднее дневное значение Стандартное отклонение за день Минимум, шт. в день Максимум, шт. в день
в том числе: Отдел розничного бизнеса 8606267,05 58,39% 5231804,46 0,00 29213070,49
Отдел по работе с партнерами 5075793,91 34,44% 4071034,49 0,00 20327654,77
Отдел прямых продаж 1056902,05 7,17% 1579801,07 0,00 6829430,94
Источник: составлено автором. Таблица 3 Основные данные выборки после замены аномальных переменных
среднее дневное значение Стандартное отклонение за день Минимум, шт. в день Максимум, шт. в день
Количество принятых заявок, шт. в день 21,27 8,34 2,00 45,00
в том числе: Отдел розничного бизнеса 13,36 62,82% 5,14 1,00 13,36
Отдел по работе с партнерами 6,45 30,34% 3,76 0,00 6,45
Отдел прямых продаж 1,45 6,83% 1,39 0,00 1,45
Количество одобренных заявок, шт. в день 14,05 5,96 1,00 29,00
в том числе: Отдел розничного бизнеса 8,63 61,39% 3,65 1,00 8,63
Отдел по работе с партнерами 4,44 31,59% 2,77 0,00 4,44
Отдел прямых продаж 1,15 8,16% 1,22 0,00 1,15
Количество выданных кредитов, шт. в день 9,11 4,37 0,00 21,00
в том числе: Отдел розничного бизнеса 5,40 59,30% 2,53 0,00 5,40
Отдел по работе с партнерами 3,21 35,29% 2,29 0,00 3,21
Отдел прямых продаж 0,65 7,17% 0,98 0,00 0,65
Количество отказных заявок, шт. в день 4,95 2,50 0,00 13,00
в том числе: Отдел розничного бизнеса 3,23 65,23% 2,04 0,00 3,23
Отдел по работе с партнерами 1,23 24,80% 1,11 0,00 1,23
Отдел прямых продаж 0,49 9,97% 0,74 0,00 0,49
Окончание табл.3
Среднее дневное значение Стандартное отклонение за день Минимум, шт. в день иа7С7мум, шт. в день
Одобренная сумма, руб. в день 285965019,24 12198245,00 740000,00 562732 4 3 5,65
в том числе: Отдел розничного бизнеса 17789167,99 61,41% 8130507,37 540000,00 17789167,99
Отдел по работе с партнерами 9127862,99 70,51% 5275642,34 0,00 7127862,99
Отдел прямых продаж 2048488,26 7,07% 2138088,12 0,00 2048488,26
Выданная сумма, руб. в день 14247529,49 6860005,81 0,00 323355148,82
втомчисле: Отделроз-ничного бизнеса 8304214,39 58,29% 4589736,86 0,00 8304214,39
Отдел по работе с партнерами 4945048,13 34,71% 3360626,72 0,00 4945048,13
Отдел прямых продаж 998266,97 7,01% 1473760,00 0,00 998266,97
Источник: составлено автором.
■ Отдел розничного бизнеса
■ Отдел по работе с партнерами
■ Отдел прямых продаж
Рисунок 1. Количество принятых заявок в разрезе канала продаж,% Источник: составлено автором.
Отдел розничного бизнеса
■ Отдел по работе с партнерами
■ Отдел прямых продаж
Рисунок 2. Количество одобренныхзаявок в разрезе канала продаж,% Источник: составлено автором.
Отдел розничного бизнеса
■ Отдел по работе с партнерами
■ Отдел прямых продаж
Рисунок 3. Количество выданных кредитов в разрезе канала продаж,% Источник: составлено автором.
Таблица 4
Расчет конвертации заявок из принятых в выданные по каналу продаж
Количество принятых заявок, шт. в день Количество выданных кредитов, шт. в день Конвертация,0/)
Отдел розничного бизнеса 13,36 5,40 40,42%
Отдел по работе с партнерами 6,45 3,21 49,79%
Отдел прямых продаж 1,45 0,60 40,05%
Источник: составленоавтором.
Как видно из таблицы 4, наиболее качественные заявки принимает отдел по работе с партнерами, где 49,79% принятых заявок реализуются в выданные кредиты, затем отдел прямых продаж - 44,95%, и наименьшее качество конвертированных заявок наблюдается у отдела розничного бизнеса - 40,42%. Причиной различий в первую очередь служит этап подачи заявки. По каналу партнеров зачастую заявка подается либо под уже выбранный объект недвижимости, либо при начале подбора объекта. По каналу прямых продаж обычно заявка подается в начале подбора объекта недвижимости, либо при наличии твердого намерения улучшить жилищные условия. По каналу розничного бизнеса продажа продукта может быть на любом этапе, в том числе на этапе отсутствия потребности клиента в улучшении жилищных условий (подадим, посмотрим, сколько одобрят, ничего не подберете - откажетесь). Таким образом, к менеджеру по ипотечному кредитованию попадают заявки на различных этапах формирования потребности покупки объекта недвижимости.
Для того чтобы иметь визуальное представление о взаимосвязи количественных факторов по ипотечным заявкам, построим график принятых, одобренных и выданных заявок и отразим его на рисунке 4.
Из визуального анализа данных выборки можно сделать вывод, что количественные данные заявок сильно меняются в зависимости от фактора времени. Это зависит в первую очередь от внешних факторов: политической и экономической обстановки, состояния рынка недвижимости, государственных программ и др. На основе экспертного метода были выбраны основные показатели, которые могут коррелировать с результатами ипотечного рынка. Данные взяты из открытых источников, таких как сайт Центрального банка Российской Федерации [14], открытые данные
50
Рисунок 4. График одобренных, принятых и выданных заявок во временном разрезе, шт. в день
Источник: составлено автором.
Таблица 5
Корреляционная матрица
Номер наблюдения День подачи Количество принятых заявок Количество одобренных заявок Количество выданных кредитов Отказы от заявок Одобренная сумма Выданная сумма Средняя заработная плата в РМЭ Средняя пенсия в РМЭ Средняя цена за кв. м. Средняя цена квартиры Средняя цена аренды за кв.м. Средняя цена аренды за квартиру Прожиточный минимум Средняя% ставка в РМЭ Курс доллара
Номер наблю- 1,00 0,02 -0,20 -0,33 -0,33 -0,20 -0,12 -0,11 0,85 0,90 -0,81 -0,75 -0,88 -0,95 0,86 0,89 -0,72
дения
День подачи 0,02 1,00 -0,29 -0,29 -0,23 -0,28 -0,30 -0,26 -0,02 -0,01 -0,05 -0,05 0,03 -0,04 0,00 -0,03 -0,15
Количество -0,20 -0,29 1,00 0,93 0,87 0,70 0,89 0,79 -0,20 -0,20 0,11 0,10 0,36 0,12 -0,19 -0,38 -0,12
принятых
заявок
Количество -0,33 -0,29 0,93 1,00 0,93 0,76 0,85 0,83 -0,30 -0,29 0,22 0,20 0,43 0,25 -0,27 -0,46 0,04
одобренных
заявок
Количество -0,33 -0,23 0,87 0,93 1,00 0,46 0,75 0,85 -0,30 -0,31 0,22 0,21 0,45 0,25 -0,29 -0,47 0,03
выданных
кредитов
Отказы от -0,20 -0,28 0,70 0,76 0,46 1,00 0,71 0,49 -0,19 -0,16 0,14 0,12 0,25 0,15 -0,14 -0,28 0,03
заявок
Одобренная -0,12 -0,30 0,89 0,85 0,75 0,71 1,00 0,85 -0,08 -0,14 0,13 0,15 0,26 0,10 -0,15 -0,28 -0,11
сумма
Выданная -0,11 -0,26 0,79 0,83 0,85 0,49 0,85 1,00 -0,07 -0,14 0,16 0,18 0,24 0,12 -0,15 -0,25 -0,06
сумма
Средняя 0,85 -0,02 -0,20 -0,30 -0,30 -0,19 -0,08 -0,07 1,00 0,88 -0,45 -0,35 -0,88 -0,74 0,79 0,88 -0,52
заработная плата в РМЭ
Средняя пен- 0,90 -0,01 -0,20 -0,29 -0,31 -0,16 -0,14 -0,14 0,88 1,00 -0,66 -0,61 -0,94 -0,85 0,99 0,90 -0,60
сия в РМЭ
Окончание табл. 5
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Средняя цена за кв. м. -0,81 -0,05 0,11 0,22 0,22 0,14 0,13 0,16 -0,45 -0,66 1,00 0,99 0,63 0,93 -0,69 -0,63 0,69
Средняя цена квартиры -0,75 -0,05 0,10 0,20 0,21 0,12 0,15 0,18 -0,35 -0,61 0,99 1,00 0,57 0,88 -0,67 -0,57 0,64
Средняя цена аренды за кв. м. -0,88 0,03 0,36 0,43 0,45 0,25 0,26 0,24 -0,88 -0,94 0,63 0,57 1,00 0,80 -0,91 -0,99 0,41
Средняя цена аренды за квартиру -0,95 -0,04 0,12 0,25 0,25 0,15 0,10 0,12 -0,74 -0,85 0,93 0,88 0,80 1,00 -0,84 -0,80 0,77
Прожиточный минимум 0,86 0,00 -0,19 -0,27 -0,29 -0,14 -0,15 -0,15 0,79 0,99 -0,69 -0,67 -0,91 -0,84 1,00 0,85 -0,59
Средняя% ставка в РМЭ 0,89 -0,03 -0,38 -0,46 -0,47 -0,28 -0,28 -0,25 0,88 0,90 -0,63 -0,57 -0,99 -0,80 0,85 1,00 -0,38
Курс доллара -0,72 -0,15 -0,12 0,04 0,03 0,03 -0,11 -0,06 -0,52 -0,60 0,69 0,64 0,41 0,77 -0,59 -0,38 1,00
Источник: составлено автором.
Сбербанка [11], отчет о ценах на недвижимость с сайта БошоГо^ [9]. Так как заявки сгруппированы по дням недели, а выборка состоит из временных рядов, мы будем применять внешние данные к результатам, полученным за тот же период. Таким образом, мы можем отследить изменения результатов ипотечной деятельности от меняющихся внешних условий.
Для изучения взаимосвязей факторов построим корреляционную матрицу. Это позволит понять, какие внешние и внутренние переменные в наибольшей степени влияют на результаты ипотечного рынка.
Обсуждение результатов
На основе анализа данных были получены следующие результаты:
Номер наблюдения. Так как дата не является цифровой информацией, мы используем номер наблюдения в качестве признака времени. В данной выборке наблюдения проводятся последовательно. Каждое наблюдение - это итог одного рабочего дня. Как видно из таблицы 4, временной фактор значительно влияет на внешние факторы, а также факторы одобренных и выданных заявок. Отрицательная корреляция количественных факторов приема заявок с номером наблюдения говорит о том, что наблюдается динамика по уменьшению количества принятых, одобренных и выданных заявок. Из внешних факторов - отрицательная корреляция по цене аренды, продаже недвижимости, курсу доллара. Это говорит о снижении цен на рынке жилья и укреплении рубля. Остальные внешние факторы показывают положительную корреляцию. Показатели объемов по ипотечным заявкам на период наблюдения имеют тенденцию к снижению в среднем на 11-12%.
День недели. От дня недели зависят все количественные показатели заявок. Значение корреляции отрицательное, что говорит о том, что чем ближе конец недели, тем меньше объем заявок. Стоит учитывать, что в выборку включены субботы. Как правило, в субботу активность меньше. Для наглядности построим диаграмму количества принятых заявок по дням недели.
Из графика видно, что максимальная активность проявляется во вторник. Причиной тому служит выходной день понедельник в Росреестре, поэтому клиенты планируют подписать кредитную документацию во вторник, чтобы сразу же сдать документы на регистрацию. Минимальная активность проявляется в субботу.
Количество принятых заявок. Как и следует ожидать, от количества принятых заявок зависят все остальные показатели по заявкам. Из внешних факторов оно коррелирует со средней процентной ставкой по РМЭ (-0,38), не сильно ниже средняя цена аренды квартиры за квадратный метр (0,36).
Количество одобренных заявок. Количество одобренных заявок показывает сильную зависимость от внешних факторов. Высокую корреляцию с внешними факторами можно объяснить применяемой скоринговой моделью, которая использует социальные и экономические факторы при принятии решения по заявке. Это, в свою очередь,
■ Среднее количество принятых заявок, шт. в день
Рисунок 5. Среднее количество принятых заявок по дням недели Источник: со ставлено авторо м.
влияет на изменения количества одобренных заявок с течением времени (корреляция с номером наблюдения -0,33). Среди внешних факторов максимальная корреляция со средней процентной ставкой по РМЭ (-0,46).
Количество выданных кредитов. Максимальное значение на количество выданных кредитов оказывает количество одобренных заявок (0,93). Временные факторы также оказывают высокое влияние: (-0,33) корреляция фактора номера наблюдения и (-0,23) корреляция с днем недели. Корреляция с номером наблюдения показывает зависимость данного фактора от изменений активности рынка и его колебаний в процессе време ни.Корреляция с дн ем недели возникает из-за спада активности в субботу, необходимо учитывать влияние данной зависимости при построении прогнозных значений.
Отказы от заявок. Данный показатель отражает количество отказов клиентов от одобр енных заявок. Наибольшее влияние на данный показатель оказывиет количество одобренных заявок (0,76). Это вполне логично, чем выше количество одобренных заявок, тем выше количество клиентов, которые гипотетически могут отказаться от своей заявки. Влияние внешних факторов можно объяснить только высокой зависимостью отказных заявок от количества принятых заявок, на количество которых в свою очередь влияют внешние факторы.
Одобренная сумма. Данный показатель коррелирует с большинством остальных показателей. Максимальная корреляция с количеством принятые збявок (0,89). Максимальная корреляция из числа внешних факторов со средней процентной ставкой по РМЭ (-0,28).
Выданная сумма. Данный показатель в равной степени зависит от количества выданных заявок и одобренной суммы (0,85). Стоит отметить, что такие показатели как стоимость недвижимости оказывают незначительное влияние на выданную сумму кредитов. Из внешних факторов максимальное значение также оказывает процентная ставка. Объяснение данной зависимости может быть только одно - чем выше ставка, тем выше платеж, чем выше платеж, тем меньшую сумму займа может позволить себе клиент.
Заключение
На основе полученных результатов были сделаны следующие выводы: Наибольшее влияние на количество выданных ипотечных кредитов оказывают внешние факторы: средневзвешенная процентная ставка (-0,47) и цена аренды квартиры за квадратный метр (0,45). Данные факторы необходимо учитывать при построении модели выдачи ипотечных кредитов. Изменения данных показателей необходимо учитывать при планировании результатов ипотечного бизнеса. Исходя из полученных результатов, можно говорить о том, что понижение ставки на 1% увеличит количество выданных кредитов на 0,47%. Если применить данные к текущей экономической ситуации, когда Сбербанк снизил процентную ставку сразу на 1,5 - 2 процентных пункта в зависимости от категории клиента, то объемы выдач увеличатся на 6-8%. Данную тенденцию подтвердить пока что нет возможности, так как жизненный цикл заявки составляет в среднем месяц, но может достигать полугода. Тем не менее, многие источники уже говорят о резком увеличении числа заявок.
Частотный анализ показал, что конвертация заявок зависит от канала продаж. Данный фактор необходимо учитывать при планировании результатов деятельности, распределении заявок, возможности изменения модели работы с учетом потребностей клиентов по каналам продаж с наименьшим уровнем конвертации.
При помощи метода Ирвина были заменены переменные с аномальными значениями, что в дальнейшем позволит построить модель множественной регрессии. Окончательные результаты исследования позволят получать данные о количестве выданных кредитов на этапе приема заявок. Это позволит строить планы, максимально приближенные к возможным результатам, ставить задачи исходя из прогнозных результатов текущей деятельности, менять условия работы или продукта для получения максимальной прибыли.
ИСТОЧНИКИ:
1. Итоги развития рынков жилья и ипотеки в 2016 году [Электронный ресурс] // Дом.
рф. - URL: Ьир8://дом.рф/аЬои1:/апа1уйс8/тог:даде_ап^Ьоштд/ (дата обращения: 29.03.2017)
2. Жилищное строительство и рынок недвижимости в период спада экономики /
Аналитический центр при правительстве Российской Федерации. - 2016
3. Сведения о рынке жилищного (ипотечного жилищного) кредитования в России /
Банк России. - Москва, 2016
4. Барковский С.С. Многомерный анализ данных методами прикладной статистики. /
Учебное пособие. - Казань: Издательство КГТУ, 2010.
5. Зуева А.В. Развитие ипотечного кредитования в Российской Федерации перспекти-
вы и проблемы развития // Инновации и инвестиции. - 2013. - № 5. - с. 133-136.
6. Ивашина Е.В., Воробьева Е.И. Влияние государственной программы субсидирова-
ния на выдачу ипотечных кредитов в Российской Федерации // Science time. - 2016.
- № 11. - с. 201-207.
7. Коростелева Т.С. Ипотечное кредитование как фактор интенсификации роста реги-
ональных экосистем (на материалах Самарской области) // Жилищные стратегии.
- 2016. - № 4. - с. 279-298. - doi: 10.18334/zhs.3.4.37233.
8. Коротаева Н.В., Радюкова Я.Ю., Черкашнев Р.Ю. Анализ современного состояния
российского рынка ипотечного кредитования: тенденции развития // Социально-экономические явления и процессы. - 2015. - № 10. - с. 70-75.
9. Недвижимость на продажу [Электронный ресурс] // Дом.рф. - URL: http://www.
domofond.ru
10. ОКБ: во II квартале доля просроченных счетов в общем количестве открытых кредитов составила 18%. Banki.ru. [Электронный ресурс]. URL: http://www. banki.ru/news/lenta/?id=9107990&r1=rss&r2=common&r3=news ( дата обращения: 17.07.2017).
11. Открытые данные [Электронный ресурс] // Sberbank.com. - URL: http:// www.sberbank.com/ru/opendata?utm_source=social&utm_medium=vk&utm_ campaign=person
12. Сбербанк снизил ставки и первоначальный взнос по ипотеке. Риа новости. [Электронный ресурс]. URL: https://ria.ru/economy/20170810/1500115219.html ( дата обращения: 10.08.2017 ).
13. Трофименко С.В., Маршалов А.Я., Гриб Н.Н., Колодезников И.И. Модификация метода Ирвина для выявления аномальных уровней временных рядов: методика и численные эксперименты // Современные проблемы науки и образования. - 2014.
- № 5. - c. 255.
14. Центральный банк Российской Федерации [Электронный ресурс]. - URL: http:// www.cbr.ru
15. Шилова О. Сбербанк, новости сегодня: Сбербанк за год увеличил долю ипотечного кредитования на рынке до 59% [Электронный ресурс] // Rsute.ru. - 2016. - URL: http://rsute.ru/74782-sberbank-novosti-segodnya-sberbank-za-god-uvelichil-dolyu-ipotechnogo-kreditovaniya-na-ryinke-do-59.html (дата обращения: 12.03.2016)
REFERENCES:
Barkovskiy S.S. (2010). Mnogomernyy analiz dannyh metodami prikladnoy statistiki [Multivariate analysis of data by methods of applied statistics] Kazan: Izdatelstvo KGTU. (in Russian).
Ivashina E.V., Vorobeva E.I. (2016). Vliyanie gosudarstvennoy programmy subsid-irovaniya na vydachu ipotechnyh kreditov v Rossiyskoy Federatsii [The impact of the government subsidy program on the issuance of mortgage loans in the Russian Federation]. Science time. (11). 201-207. (in Russian).
Korosteleva T.S. (2016). Ipotechnoe kreditovanie kak faktor intensifikatsii rosta re-gionalnyh ekosistem (na materialakh Samarskoy oblasti) [Mortgage crediting as a factor of intensification of growth of regional ecosystems (based on materials of the Samara area)]. Housing strategies. 3 (4). 279-298. (in Russian). doi: 10.18334/ zhs.3.4.37233.
Korotaeva N.V., Radyukova Ya.Yu., Cherkashnev R.Yu. (2015). Analiz sovremenno-go sostoyaniya rossiyskogo rynka ipotechnogo kreditovaniya: tendentsii razvitiya [Analysis of the current state of the russian mortgage lending market: development tendencies]. Socio-economic phenomena and processes. 10 (10). 70-75. (in Russian).
Trofimenko S.V., Marshalov A.Ya., Grib N.N., Kolodeznikov I.I. (2014). Modifikatsiya metoda Irvina dlya vyyavleniya anomalnyh urovney vremennyh ryadov: metodika i chislennye eksperimenty [Modification of the Irvine method to detect abnormal levels of time series: method and numerical experiments]. Modern problems of science and education. (5). 255. (in Russian).
Zueva A.V. (2013). Razvitie ipotechnogo kreditovaniya v Rossiyskoy Federatsii per-spektivy i problemy razvitiya [Development of mortgage lending in the Russian Federation, perspectives and development problems]. Innovation and Investment. (5). 133-136. (in Russian).
