CC BY
61
РЕГИОНАЛЬНЫЕ ФИНАНСЫ
УДК 338.46:336.7
анализ зависимости между индикаторами социально-экономических показателей и кредитной активностью в российских регионах
в. м. заернюк,
кандидат экономических наук, доцент кафедры финансов E-mail: zvm4651@mail. ru Российский государственный университет туризма и сервиса, Москва
В статье представлено эмпирическое исследование взаимосвязи между основными макроэкономическими показателями и объемами кредитования на региональных рынках банковских услуг. На основе банковской статистики на микроуровне, собираемой во всех российских регионах, проведен сравнительный анализ их рынков банковских услуг. Исследование с помощью методов корреляционно-регрессионного анализа показало существенную связь между объемами выданных реальному сектору и населению в российских регионах кредитов с показателями валового регионального продукта, активами кредитных организаций, расположенных в регионах, и доходами на душу населения.
Ключевые слова: кредитная активность, банки, макроэкономические показатели.
Уровень финансового развития региона (и особенно расширение объемов кредитования) существенно влияет на темпы экономического развития регионов. В то же время кризис финансовой глобализации усиливает неопределенность, способствует появлению новых рисков, поэтому стратегия развития банков в российских регионах,
ориентированная на внутренние ресурсы, должна формироваться на основе заранее просчитываемых сценариев социально-экономического развития для тех или иных условий.
Представляется, что по-прежнему ключевой проблемой экономики российских регионов как в среднесрочном, так и в долгосрочном периоде будет оставаться проблема ограниченности внутренних ресурсов, определяемая недостатком внутренних сбережений для реализации масштабных инвестиционных программ, связанных с задачами модернизации основных фондов, с реализацией крупных инфраструктурных проектов в регионах, с расширением масштаба кредитования, направленного на потребление.
В связи с этим исследование проблемы повышения кредитной активности в современных условиях для обеспечения экономического роста и устойчивого развития российских регионов становится особенно актуальной.
Изучение литературы банковской направленности показало наличие значительного числа опубликованных исследований по разным направлениям
банковской деятельности, в том числе в области кредитных отношений. При этом в проводимых исследованиях достаточно широко используются различные модели, основанные на математическом аппарате [1, 3-5, 7-9].
Так, А. З. Шляховой на основе использования методов эконометрического моделирования исследовал вопросы развития региональной кредитной системы и ее влияние на социально-экономические показатели субъектов РФ, определил особенности взаимодействия реального и финансового секторов региональной экономики в условиях Дальнего Востока России и потенциала воздействия финансово-кредитной системы региона на параметры социально-экономической динамики [1].
Исследователь А. М. Порошина, проведя обзор эмпирических работ в области измерения и моделирования кредитного риска, представила анализ ключевых компонент кредитного риска и методологических подходов к его моделированию, в первую очередь на портфельном уровне [5].
Исследователь М. И. Лебедева на примере Польши с помощью сравнительного анализа выявила преимущества и недостатки методов оценки эффективности работы банков. Далее с помощью методов линейного программирования, позволяющих установить, насколько результаты моделирования чувствительны к форме модели и насколько, следовательно, они объективны, она предложила методику для расчета эффективности работы российских банков.
Исследователь А. Н. Савруков на основе использования корреляционно-регрессионного анализа установил количественные связи показателей и предложил модель, характеризующую их влияние на динамику ипотечного жилищного кредитования [4].
Исследователь Е. А. Гаевец, используя статис-тико-экономические методы научного исследования к базе данных рейтингового агентства Standard and Poors, оценил степень прозрачности банковских финансовых институтов в экономике России [1].
Исследователи Е. А. Федорова, Ю. А. Сафина, С. В. Литовка с помощью малоизученных в России эконометрических методов исследовали влияние финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса [8].
В то же время научных работ с использованием эконометрических методов исследования по оценке взаимосвязи между основными социально-экономическими показателями и объемами кредитования на
региональных рынках банковских услуг автором обнаружено не было, что и обусловило необходимость проведения представленного исследования.
Изучение научной литературы последнего времени по банковской тематике, к сожалению, не дало четкого и однозначного определения понятия «кредитная активность».
Центр стратегических исследований Росгосстраха рассматривает понятие «кредитная активность» достаточно узко, распространяя ее только на физических лиц. Кредитная активность рассматривается указанным центром в качестве одного из основных индикаторов покупательской активности населения, под которой подразумевается намерение населения взять кредит [6].
Аналитиками Национального института системных исследований проблем предпринимательства и консалтинговой компанией ООО «ФИ-НИСТ» введено в практику понятие «кредитное благоприятствование», измеряемое так называемым индексом кредитного благоприятствования, который отражает настроения банков, их готовность кредитовать малый бизнес [2].
В рамках представленного исследования под кредитной активностью автором понимается прирост совокупного объема кредитов и прочих размещенных средств, предоставленных нефинансовым организациям — резидентам и физическим лицам — резидентам.
Целью представленного исследования является оценка взаимосвязи между основными социально-экономическими показателями и кредитной активностью в российских регионах за период с 2006 по 2011 г. Алгоритм достижения поставленной цели предусматривает решение ряда этапных задач, которые заключаются:
- в проведении корреляционного анализа в целях измерения тесноты связи между переменными;
- в проведении регрессионного анализа для выявления причинно-следственных связей между анализируемыми совокупностями показателей.
Для анализа зависимости между кредитной активностью и основными макроэкономическими показателями в российских регионах были отобраны переменные:
- валовый региональный продукт;
- денежные доходы на душу населения;
- уровень безработицы;
- доля населения с доходами ниже прожиточного минимума;
РЕгионАльнАя экономика: теория и практика
47
- институциональные характеристи- ^ ки банковского сектора в регионах: коли- ^ чество кредитных организаций, филиалов и дополнительных офисов и активы ^ кредитных организаций (табл. 1).
В исследовании использовались ежегодные значения переменных с 2006 по 2011 г. Для анализа были доступны 498 наблюдений официальной статистики Росстата и Банка России по каждому году. Данные были поделены на три части по значимости:
первый период - до кризиса (2006-2007 гг.); Ц
- второй период - кризис В
(2008-2009 гг.);
теристики степени тесноты связи используется парный коэффициент корреляции. Он позволяет измерить степень тесноты
У
третий период - посткризисное Ц о
время (2010-2011 гг.). § |
Методология исследования. На пер- т ^
вом этапе проводится корреляционный § ^
анализ в целях измерения тесноты связи ч ®
В 2 и
качестве харак- я « я н о 3 и о
5 °
£ а
ё. 8 о «
статистической связи между парой пере- н ^
менных без учета опосредованного или ¡^ <3
совместного влияния других показателей §
и вычисляется только по результатам на- ® ¡2
блюдений за анализируемой парой. 2 §
я я
В качестве переменных использу- я
ются перечисленные выше основные ^ §
региональные макропоказатели. 12 я
тт „МЛ
Для достижения поставленной цели ® ю
о я
выявляется вероятная связь одной изме- £ ренной величины заданного диапазона я ее изменения с другими измеренными ^
величинами, между которыми и надлежит установить наличие корреляционной связи. На следующем этапе выявляется наличие корреляционной связи между исследуемыми числовыми наборами статистических данных. В качестве инструмента количественной оценки связи используется метод, основанный на расчете коэффициентов корреляции и их статистической проверке.
Следующим шагом было изучение причинно-следственных связей между рассматриваемыми показателями. Для
и
Активы (сальдированные) кредитных организаций, млн руб 20102011 гг. 158 388 53 999 106 298 442 929 60 586 86 124
20082009 гг. 148 228 42 282 71 465 217 786 42 645 72 858
20062007 гг. 91 602 30 763 47 415 106 031 26 901 49 737
Количество кредитных организаций с филиалами и дополнительными офисами на 100 тыс. чел. н" 20102011 гг. 16,7 13,7 20,0 ,5 7, 20,2 24,4
20082009 гг. 13,6 ,7 9, ,9 5, 13,6 ,5 7, 20,1
20062007 гг. ,8 9, ,9 6, 6'ОТ ,8 8, 10,8 3,
Доля населения с доходами ниже прожиточного минимума, % н" 20102011 гг. ,4 8, 13,6 18,3 9, ,5 0, 2 ,4
20082009 гг. 0, ,6 5, 19,4 18,4 22,7 12,4
20062007 гг. 13,8 19,0 23,9 19,6 33,1 ,5 5,
Уровень безработицы, % я" 20102011 гг. ,2 5, 0'8 ,2 6, ,5 7, ,6 7, ,5 6,
20082009 гг. ,5 4, 9'8 ,2 7, ,0 7, 0'8 ,5 5,
20062007 гг. ,9 4, ,7 6, ,9 8, ,4 5, ,4 4, ,3 5,
Среднемесячные доходы на душу населения, руб. н" 20102011 гг. 17 953 14 215 13 003 14 064 11 894 16 501
20082009 гг. 13 344 10 609 9 844 10 997 8 756 12 435
20062007 гг. 7 798 6 586 5 658 7 583 4 756 7 797
Валовый региональный продукт, млрд руб. н" 20102011 гг. 9 3 4 0 6 9 0 4 0 2
20082009 гг. 0 3 г- 81 2 4 8 9 4
20062007 гг. 2 0 2 2 9 2 8 8 5 5 9
Кредиты юридическим и физическим лицам, млн руб. 20102011 гг. 272 131 57 037 97 965 200 122 61 054 89 800
20082009 гг. 220 013 44 685 75 177 145 890 45 310 62 921
20062007 гг. 170 068 32 838 51 338 83 871 27 208 36 559
Регион 1. Белгородская область 2. Брянская область 3. Владимирская область 4. Воронежская область 5. Ивановская область 6. Калужская область
РЧ О
Окончание табл. 1
Регион Кредиты юридическим и физическим лицам, млн руб. Валовый региональный продукт, млрд руб. Среднемесячные доходы на душу населения, руб. Уровень безработицы, % Доля населения с доходами ниже прожиточного минимума, % Количество кредитных организаций с филиалами и дополнительными офисами на 100 тыс. чел. Активы (сальдированные) кредитных организаций, млн руб
У *2 *4 *5
2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг. 2006-2007 гг. 2008-2009 гг. 2010-2011гг.
7. Костромская область 22 622 35 149 41 352 59 79 102 6 240 9 871 13 220 4,2 6,7 6,2 19,1 19,2 17,3 14,2 21,2 22,1 24 688 44 030 62 372
8. Курская область 57 529 88 753 114 411 112 163 213 7 299 11 910 15 569 6,1 7,6 8,2 14,0 11,6 10,8 12,4 16,8 18,8 54 003 79 484 78 134
9. Липецкая область 66 746 89 794 119 606 209 256 282 8 385 13 175 16 436 3,9 5,3 4,5 11,1 10,0 10,0 8,9 14,6 18,9 59 010 81 891 95 960
10. Московская область 545 219 919 395 1 051 020 1 045 1 637 1 986 И 876 20 287 23 641 2,5 3,9 3,3 11,5 9,5 10,3 12,5 16,0 18,4 360 980 597 473 812 067
74. Читинская область 29 317 76 188 94 377 98 245 314 7 405 13 505 15 572 7,3 6,9 6,9 15,0 14,7 17,4 22,4 20,8 21,9 27 538 75 619 83 210
75. Республика Саха (Якутия) 57 026 164 132 153 680 230 296 425 13 373 19 799 24 254 5,6 7,0 5,7 14,0 16,2 19,1 15,9 19,0 21,9 49 657 64 535 74 647
76. Камчатский край 14 241 23 868 37 212 60 76 109 12 702 20 744 28 737 4,7 9,1 9,3 19,5 19,1 19,8 24,2 27,8 34,3 19 375 29 719 41 772
77. Приморский край 68 940 104 250 154 275 233 310 513 9 277 13 645 18 262 4,9 9,9 8,5 23,6 23,7 16,3 17,3 20,8 21,7 87 129 137 282 204 748
78. Хабаровский край 90 049 122 433 138 013 219 265 388 12 404 16 965 23 759 3,7 4,6 4,1 22,4 20,4 15,8 17,3 21,1 22,9 94 080 155 067 285 046
79. Амурская область 29 699 40 970 61 479 102 133 199 7 723 13 066 16 330 8,5 9,3 9,2 17,0 19,3 24,3 19,4 21,8 23,8 34 210 55 992 81 302
80. Магаданская область 10 511 15 250 21 153 34 41 64 13 581 21 820 28 906 8,5 9,3 9,2 27,7 23,1 13,8 26,9 30,4 32,8 14178 19 209 63 224
81. Сахалинская область 17 436 24 375 36 670 182 327 545 17 149 25 477 31 372 8,5 9,3 9,2 17,1 16,0 10,9 17,6 22,3 26,5 33 021 43 341 61 974
82. Еврейская АО 3 448 5 552 7 047 20 26 36 7 792 11 802 16 039 8,5 9,3 9,2 14,4 11,8 19,7 10,5 17,6 21,7 3 194 4 557 5 288
83. Чукотский АО 3 259 1 921 5 091 17 30 47 15 729 32 393 36 719 8,5 9,3 9,2 26,5 22,9 10,5 35,6 38,0 34,7 3 884 5 688 5 466
ш
3 §
§
€
Со
г i
N
(а) О О
N О Н»
(А)
Ю
Источник: данные официальной статистики Росстата и Банка России.
Таблица 2
Условные обозначения показателей
Показатель Условное обозначение
Валовый региональный продукт GRP
Доходы на душу населения га
Уровень безработицы
Доля населения с доходами ниже прожиточного минимума РИМ
Количество кредитных организаций с филиалами и дополнительными офисами на 100 тыс. чел. шво
Активы (сальдированные) кредитных организаций АС1
Кредиты юридическим и физическим лицам LLEI
прогнозирования кредитной активности на основании рассмотренных факторов рассчитываются математические модели в виде уравнения множественной регрессии с несколькими переменными величинами.
Исследуемые показатели и их условные обозначения представлены в табл. 2.
Результаты исследования. Первым шагом исследования был корреляционный анализ, позволяющий судить о том, существует ли линейная зависимость между рассматриваемыми показателями. Корреляционная матрица для всех трех периодов представлена далее.
Анализ данных, представленных в матрице, свидетельствует о том, что как в относительно ста-
бильных докризисном и послекризисном периодах, так и в кризисном периоде наблюдаются достаточно высокие значения парных коэффициентов корреляции некоторых переменных. Положительное значение коэффициента корреляции свидетельствует о возрастающем характере парной связи факторов, а отрицательное - об убывающем.
Вместе с тем обнаруженные высокие значения парных коэффициентов корреляции могут быть обусловлены не только тесной связью исследуемых величин, но и присутствием так называемого «третьего фактора», который «маскируется» под другую переменную. Возможной причиной высокой тесноты связи (коррелированности) может быть также наличие повышающего тренда. Поэтому
LLEI GRP РС1 РИМ шво АС1
Докризисный период (2006-2007гг.)
LLEI 1,00000 0,92463 0,71505 -0,12259 -0,09751 0,39438 0,982003
GRP 0,92463 1,00000 0,78206 -0,10646 -0,13282 0,38679 0,892011
РС1 0,71505 0,78206 1,00000 -0,10658 -0,17743 0,62372 0,679772
-0,12259 -0,10658 -0,10658 1,00000 -0,03516 -0,27981 -0,10714
РИМ -0,09751 -0,13282 -0,17743 -0,03516 1,00000 0,09572 -0,09829
шво 0,39438 0,38679 0,62372 -0,27981 0,09572 1,00000 0,39019
АС1 0,98200 0,89201 0,67977 -0,10714 -0,09829 0,39019 0,00000
Кризисный период (2008-2009гг.)
LLEI 1,00000 0,96109 0,61913 -0,15171 -0,12639 0,34914 0,97600
GRP 0,96109 1,00000 0,68047 -0,14284 -0,15006 0,35006 0,92806
РС1 0,61913 0,68047 1,00000 -0,13109 -0,09598 0,63405 0,57832
-0,15171 -0,14284 -0,13109 1,00000 -0,04948 -0,33193 -0,13817
РИМ -0,12639 -0,15006 -0,09598 -0,04948 1,00000 0,14818 -0,11991
шво 0,34914 0,35006 0,63405 -0,33193 0,14818 1,00000 0,33307
АС1 0,97600 0,92806 0,57832 -0,13817 -0,11991 0,33307 1,00000
Послекризисный период (2010-2011 гг.)
LLEI 1,00000 0,95527 0,69276 -0,18035 -0,24038 0,27812 0,97692
GRP 0,95527 1,00000 0,75818 -0,18463 -0,27082 0,29221 0,91725
РС1 0,69276 0,75818 1,00000 -0,10749 -0,32496 0,45118 0,54055
-0,18035 -0,18463 -0,10749 1,00000 0,24131 -0,47664 -0,14435
РИМ -0,24038 -0,27082 -0,32496 0,24131 1,00000 -0,13504 -0,16664
шво 0,27812 0,29221 0,45118 -0,47664 -0,13504 1,00000 0,25958
АС1 0,97692 0,91725 0,54055 -0,14435 -0,16664 0,25958 0,00000
Корреляционная матрица переменных
Таблица 3
Качественная оценка тесноты связи
Показатель (причина) Коэффициент парной кор реляции Оценка тесноты связи (шкала Чеддока)
2006-2007 гг. 2008-2009 гг. 2010-2011 гг.
GRP 0,925 0,961 0,955 Очень сильная
PCI 0,715 0,619 0,693 Заметная
UR —0,123 —0,152 —0,180 Практически отсутствует
PISM —0,098 —0,126 —0,240 Практически отсутствует
NBBO 0,394 0,349 0,278 Слабая
ACI 0,982 0,976 0,977 Очень сильная
полученные для всех временных рядов результаты были подтверждены оценочным тестам на качественно-количественную оценку тесноты связи и на оценку влияния неучтенных факторов (шкала Чеддока, статистико-математические таблицы с критическими значениями корреляции) (табл. 3).
Необходимо отметить, что во всех трех рассматриваемых периодах индекс размера кредитов, предоставленных юридическим и физическим лицам LLEI, наиболее тесно коррелирует с индексом валового регионального продукта GRP и индексом активов кредитных организаций, функционирующих в регионе ACI. Заметная связь наблюдается также с индексом доходов на душу населения PCI. Вопреки ожиданиям взаимосвязь показателя институциональной насыщенности банковскими организациями с кредитной активностью оказалась достаточно слабой (см. табл. 3).
Характер тесноты связи в период кризиса идентичен докризисному и послекризисному периодам (за исключением индекса валового регионального продукта GRP, демонстрирующего наибольшее значение именно в период кризиса — 0,961).
Практически отсутствует в анализируемых периодах связь между индексом кредитной активности и индексами, характеризующими уровень безработицы UR и долю населения с доходами ниже прожиточного минимума PISM (см. табл. 3).
Для проведения регрессионного анализа автором были отобраны четыре переменные: — валовый региональный продукт х,;
— денежные доходы на душу населения х2;
— количество кредитных организаций, филиалов и дополнительных офисов х3;
— активы кредитных организаций х
Оценка допустимости стандартных ошибок, величин ¿-критерия и показателей уровня значимости а, полученных по данным регрессионной статистики, не представляют оснований для рекомендации полученного уравнения множественной регрессии для использования в практике прогнозирования.
Поэтому в дальнейших действиях по установлению формы связи переменную х2 необходимо исключить из массива статистических наблюдений. Вновь полученные данные регрессионной статистики (без переменной, учитывающей денежные доходы на душу населения) имеют вид, представленный в табл. 4.
Необходимо отметить, что значимость принятых для нахождения формы связи факторов достаточно высока. Запишем полученное уравнение регрессии (или уравнение прогнозирования) в окончательном виде:
у = - 4,369 + 0,037х1 + 0,205х2 + 0,421х3 , где у — кредиты и прочие размещенные средства, предоставленные организациям — резидентам и физическим лицам — резидентам, млрд руб.; х1 — валовой региональный продукт (ВРП), млрд руб.;
х2 — количество кредитных организаций, филиалов и дополнительных офисов, функционирующих в регионе, ед.;
Таблица 4
Данные регрессионной статистики
Независимая переменная Коэффициент Стандартная ошибка /-статистика p (или а) Оценка
Свободный член —4,369 0,000 —1,372 0,171 Недостаточная значимость
0,037 0,007 5,077 0,000 Высокая значимость
0,205 0,016 13,020 0,000 Высокая значимость
Х3 0,421 0,026 15,942 0,000 Высокая значимость
x3 — активы кредитных организаций, функционирующих в регионе, млрд руб. Свободный член (сдвиг), равный 4,369, формально надлежит понимать следующим образом: объем кредитов и прочих размещенных средств (когда в регионе не создается валовой региональный продукт и там не присутствуют кредитные организации) составляет 4,369 млрд руб. Однако в указанной совокупности исходных данных в регионе всегда будет создаваться ВРП и всегда будут присутствовать банки. Поэтому сдвиг следует обсуждать как вспомогательную величину, необходимую для получения оптимальных прогнозов, а не истолковывать ее абсолютно буквально.
Коэффициенты регрессии 0,037, 0,205 и 0,421 следует рассматривать как степень влияния каждой из переменных на размер кредитов и прочих размещенных средств, если все другие независимые переменные остаются неизменными. Так, например, коэффициент 0,421 указывает, что при прочих равных условиях повышение активов коммерческих банков в регионе их присутствия на 1 млрд руб. приведет к возрастанию размера кредитов на 421 млн руб. и т. д.
Статистическая оценка полученного уравнения регрессии проведена с помощью сопоставления вычисленных значений ^-критерия за счет сопоставления вычисленного значения ^ с эталонным
расч
(табличным) показателем ^ для соответствующего уровня значимости. В рассматриваемом случае неравенство ^ < ^ выполнено: 1,72 < 2,62.
г расч крит
Поэтому с уверенностью на 95 %, можно утверждать, что рассматриваемая зависимость является статистически значимой.
Кроме этого проведем оценку полученного уравнения регрессии на основе коэффициента детерминации R2, сравнив его с их эталонным (табличным) показателем для соответствующего уровня значимости. Неравенство R2 > R2 также
расч крит
выполнено (0,67 < 0,297), поэтому с упомянутой степенью вероятности (95 %) можно утверждать, что анализируемая регрессия является значимой.
Заключение. Изложенные в представленном исследовании результаты взаимосвязи между основными макроэкономическими показателями и объемами кредитования на региональных рынках банковских услуг выявили наиболее тесные связи между рассмотренными показателями. Выполнен-
ный анализ позволил, по мнению автора, уточнить финансово-кредитное содержание понятия «кредитная активность». На взгляд автора, определенный интерес может представлять полученная математическая модель процесса повышения кредитной активности в виде уравнения регрессии с несколькими переменными величинами. Автор надеется, что полученные результаты окажутся полезными как для исследователей региональных рынков банковских услуг, так и для практиков, применяющих эти инструменты в маркетинговой деятельности.
Список литературы
1. Гаевец Е. А. Сравнительная оценка степени прозрачности банковского и реального секторов экономики //Финансы и кредит. № 16. 2012. С. 19-24.
2. Индекс кредитного благоприятствования развитию малого бизнеса / Национальный институт системных исследований проблем предпринимательства. 2012. URL: http://www. altsmb. ru/files/IKB. pdf.
3. Котляров И. Д. Особенности маркетинга кредитных продуктов // Финансовый журнал. № 2.
2012. С. 81-88.
4. Котляров И. Д. Современные формы кредитования предприятий: опыт теоретического анализа // Вестник Финансового университета № 3. 2011. С. 19-24.
5. Порошина А. М. Обзор подходов к моделированию кредитного риска на портфельном уровне //Финансовая аналитика: проблемы и решения. № 3.
2013. С. 32-43.
6. Регионы России—лидеры по потребительской активности населения / Центр стратегических исследований компании Росгосстрах. URL: http://www. rgs. ru/media/CSR/Economics_mood_2012_12.pdf.
7 Савруков А. Н. Оценка факторов и прогнозирование динамики ипотечного жилищного кредитования в Российской Федерации // Финансы и кредит. № 26. 2012. С. 11-16.
8. Федорова Е. А., СафинаЮ. А., Литовка С. В. Анализ влияния финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса // Аудит и финансовый анализ. № 2. 2010. С. 187-195.
9. Шляховой А. З. Региональное экономическое развитие: финансово-кредитные механизмы (на примере Хабаровского края) // Финансовый бизнес. № 1. 2011. С. 72-74.
