CC BY
8
Пошаходжаева Г.Д.
доцент
кафедра «Математика и информационные технологии» Фискальный институт при ГНК Республики Узбекистан
Холматов Ф.Н. студент 2 курса Рахимбердиева М.В. студент 2 курса Равшанова С.И. студент 2 курса факультет "Налоги и налогообложение"
Республика Узбекистан
БАНКОВСКИЕ КРЕДИТНЫЕ РЕСУРСЫ
Аннотация: В данной статье рассмотрено влияние факторов на получение банковских кредитов в Российской Федерации. Данная работа содержит методологию, корреляцию, регрессионный анализ, наличие мультиколлинеарности, проверку на стационарность и гетероскедастичность, а также представляет с собой соответствующие выводы.
Ключевые слова: входные данные, стационарность, регрессия, метод наименьших квадратов, мультиколлинеарность, модель линейной регрессии, модель линейной регрессии.
Poshakhodzhaeva G.D. associate professor
Department "Mathematics and Information Technology" Fiscal Institute under the State Tax Committee of the Republic of Uzbekistan
Kholmatov F.N. 2nd year student Rakhimberdieva M. V. 2nd year student Ravshanova S.I. 2nd year student faculty "Taxes and taxation" The Republic of Uzbekistan
BANK CREDIT RESOURCES
Annotation: This article discusses the influence of factors on obtaining bank loans in the Russian Federation. This work contains methodology, correlation, regression analysis, the presence of multicollinearity, testing for
stationarity and heteroscedasticity, and also presents the corresponding conclusions
Keywords: input data, stationarity, regression, least squares method, multicollinearity, linear regression model, linear regression model.
В сегодняшнем глобализирующемся мире деньги играют важную роль в жизни всех. Из этого видно, что все планируют различные предпринимательские действия с целью увеличения своего дохода и осуществляют необходимые для этого средства с помощью банковских кредитов. Кредит существовал еще много веков назад, и многие ученые провели свою научную работу над этим фактором. В научно -исследовательской работе рассмотрены основные показатели факторов, влияющих на получение кредитов населением Российской Федерации. Проведен анализ динамики выданных кредитов по видам экономической деятельности и отдельным направлениям использования средств в 1980 -2021гг. Показаны объемы кредитования различных отраслей экономики. Получение ссуды может сыграть важную роль в жизни малообеспеченных или бедных семей, поскольку позволяет им справляться с различными финансовыми проблемами. Обилие денежного резерва в банке выгодно заемщикам, так как обилие денежного резерва будет основным средством удовлетворения спроса заемщика. Валовой внутренний продукт определяет уровень экономического развития государства. Повышение экономических показателей государства вызывает создание возможностей для кредитования населения. Чем больше сумма вкладов населения, тем больше кредитов создается коммерческими банками. Банки не могут устанавливать слишком низкие процентные ставки по кредитам, потому что процентного дохода будет недостаточно для покрытия различных расходов. Кроме того, он не может устанавливать слишком высокие ставки по кредитам, потому что теряет отношения с заемщиками. Уровень безработицы напрямую влияет на уровень бедности и увеличивает склонность к кредитованию. Еще одним фактором, побуждающим брать кредит, является размер ежемесячной зарплаты. Низкая заработная плата увеличивает уровень склонности людей брать кредиты для удовлетворения своих потребностей. Денежные средства, потраченные на удовлетворение собственных потребностей, приравниваются к затратам, а это само по себе означает, что увеличение суммы затрат также может служить посредником для получения кредита. Для этого исследования используются вторичные данные, полученные из показателей банка Jaejoong. Образец охватывает период Российской Федерации с 1980 по 2021 год. В то время как данные, полученные в процессе работы с данными, были отсортированы по выбору кредита в зависимости от бедности, банковского резерва, ВВП, социальных банков, кредитования процентной ставки, безработица,
инфляции, общих доходов и расходов в качестве независимых переменных. Для этого анализа была построена следующая модель OLS:
Кредит=а+Р1роуег1у+Р2Ьапк_гевегуе+Рз1п_ОВР+Р41п_соп_Ьапк+Р51епё ^ _т!егеБ1;_га1е+ Рбипетр1оу+ Р7тйа1+ P8wage_total+ ^ехреше + е
Табл 1. Переменные и статистика
Variable Obs Mean Std. Dev. Min Max
kredit 42 25.658 18.903 4.5 59.773
poverty 42 21.007 7.616 10.7 34.4
bank reserve 42 19.62 10.657 5.546 39.838
ln GDP 42 27.002 4.699 2.485 38.469
ln com bank 41 22.968 1.703 18.063 25.314
lending intrest rate 42 16.737 7.107 6.73 31.013
unemploy 42 11.556 5.811 4.5 21.103
inflat 42 20.717 11.834 .608 42.204
wage total 42 84.72 8.839 63.294 92.44
expense 42 14.374 6.304 6.439 28.928
Общая статистика показывает, что в период с 1980 по 2021 год были указаны минимальные и максимальные значения факторов, влияющих на получение кредита. Уровень бедности в Российской Федерации составлял в промежутке от 10,7% до 34,4%, а средний показатель составлял 21%. Резерв банка составлял в среднем по РФ 19 процентов. Показатели валового внутреннего продукта составляли минимум 2.5 и максимум 38 процентов. Средний показатель социальных банков, используемых населением для размещения своих вкладов, составляет 23 процента. Показатели процентной ставки, которые необходимо учитывать при получении кредита, в среднем составляют 16 процентов, а максимальное значение - 31 процент. Еще один фактор, который следует учитывать при получении кредита - это инфляция. Наименьшее значение показателя инфляции составляет 0.6%, а максимальное - 42%. Совокупный доход женщины и мужчины в среднем составляет 84 тыс. рублей. Показатели расходов семей составляют в среднем 14 процентов.
_Matrix of correlations_
Variables_(1)_(2) (3)_(4)_(5)_(6)_(7)_(8)_(9)_
(1) kredit 1.00 0
(2) poverty 0.89 7 1.0 00
(3) bank_reserve - 0.7 1.00
0.88 73 0
4
(4) GDP - 0.0 0.17
0.12 84 6
4
1.00 0
(5) com_bank 0.11 9 0.1 99 0.16 0 0.11 2 1.00 0
(6) - 0.7 0.90 0.13 - 1.00
lending_intres~e 0.79 9 19 0 0 0.04 3 0
(7) unemploy - 0.7 0.95 0.25 - 0.89 1.00
0.87 76 0 1 0.10 3 0
3 4
(8) inflat - 0.7 0.92 0.13 - 0.83 0.88 1.00
0.85 53 2 6 0.07 5 8 0
2 8
(9) wage_total 0.72 - - - 0.07 - - - 1.00
5 0.6 0.92 0.09 4 0.89 0.87 0.88 0
88 9 8 0 6 6
(10) expense - 0.4 0.04 - - - 0.06 0.07 0.17
0.44 83 4 0.00 0.06 0.01 7 5 6
4 9 8 3
1.00 0
Корреляции измеряют силу и направление линейных отношений между двумя переменными. Коэффициент корреляции может варьироваться от -1 до +1, при этом -1 указывает на идеальную отрицательную корреляцию, +1 указывает на идеальную положительную корреляцию, а 0 вообще не указывает на корреляцию. (Переменная, которая коррелирует сама с собой, всегда будет иметь коэффициент корреляции 1.) Вы можете думать о коэффициенте корреляции как о степени, в которой вы можете предсказать значение одной переменной, принимая во внимание значение другой переменной. Из приведенной ниже диаграммы распределения читаемых и записываемых переменных мы можем видеть, что точки движутся по линии, идущей снизу слева, направо вверху справа, то же самое, можно сказать, что корреляция положительна. Если корреляция выше, точки будут ближе к линии; если корреляция меньше, они, как правило, дальше от линии. Также обратите внимание, что по определению любая переменная, которая коррелирует сама с собой, имеет корреляцию 1.
Результат. В этой части мы проведем регрессионный анализ OLS потому что мы можем увидеть влияние, которое этот анализ оказал на нас, чтобы отобрать независимые переменные на кредитный ресурс.
Табл 2. Линейная регрессия
D kredit Coef. St.Err. t- value p- value [95% Conf Interval] Sig
D poverty .551 .22 -2.50 .018 -.999 -.102 **
D 1.207 .29 -4.17 0 -1.798 -.617 ***
bank_reserve
ln_GDP .033 .138 0.24 .814 -.249 .314
ln com bank .447 .408 -1.10 .282 -1.278 .385
D .393 .221 -1.78 .085 -.844 .058 *
lending_intrest rate
D unemploy .416 .394 -1.05 .3 -1.22 .388
D inflat .299 .143 -2.08 .045 -.592 -.006 **
wage_total -.929 .311 -2.99 .005 -1.563 -.295 ***
D expense .664 .207 -3.21 .003 -1.086 -.242 ***
Constant 176.232 35.095 5.02 0 104.655 247.809 ***
Mean dependent var 26.116 SD dependent var 18.901
R-squared 0.968 Number of obs 41
F-test 104.282 Prob > F 0.000
Akaike crit. (AIC) 235.200_Bayesian crit. (BIC) 252.336_
*** p<.01, ** p<.05, * p<.1
Мы знаем, что многие факторы влияют на получение кредита. Что касается этого фактора, то одним из них является уровень бедности. Мы знаем, что люди с низким доходом с большей вероятностью получат ссуду. Если бедность изменится на единицу, влияние на получение кредита изменится на 0,551. Что касается следующего фактора, то это банковский резерв. Увеличение банковских резервов способствует кредитованию. Как видно из таблицы OLS. Влияние на получение кредита изменится на 1,207, если банковский резерв изменится на единицу. Экономическое развитие государства обусловливает рост ВВП, в экономически развитых странах показатель кредитования выше. Как мы видим на графике OLS, изменение GDP на единицу, изменяет спрос на кредит на 0,033. Развитие банков также увеличивает влияние на получение кредита, изменение этого показателя на единицу в таблице 2 оказывает влияние на получение кредита на 0.447. Изменения процентной ставки по кредиту изменяют влияние на получение кредита. Чем ниже процентная ставка по кредиту, тем выше спрос на получение кредита. На графике OLS эта цифра составила 0,393. Рост безработицы среди населения увеличивает доступ к кредитам. Чувствуя потребность в деньгах, население старается брать кредиты в банках. В таблице OLS эта цифра составила 0,416 при изменении на единицу. Когда в стране происходит инфляция, это вызывает обесценивание денег. Влияние на получение кредита изменится на 0,299, если инфляция изменится на единицу. Естественно, что изменение ежемесячной суммы меняет способ получения кредита. Влияние изменения месячной нормы на единицу на получение кредита изменится на 0,929. Увеличение или уменьшение суммы расходов изменяет спрос на получение кредита. Изменение стоимости на единицу изменяет влияние на получение кредита на 0,664.
R-квадрат равен 0,9680. МЫ ЗНАЕМ, ЧТО " R " SQUARED НАХОДИТСЯ МЕЖДУ 0 И 1. ИЗ ЭТОГО СЛЕДУЕТ, ЧТО ЭТИ ПЕРЕМЕННЫЕ ОКАЗЫВАЮТ БОЛЬШОЕ ВЛИЯНИЕ НА КРЕДИТ.
Time service Data имеет две основные проблемы это стационарность и автокорреляция. Стационарность-это состояние, которое означает, что изменение девяти независимых переменных, которые мы выбрали, в течение определенного периода времени одинаково. Чтобы решить эту проблему, мы решаем ее с помощью теста Дикфуллера, который можно исправить 3 различными способами.
1. Constanta
2. Noconstanta
3. Trend
Если даже из этого мы получаем, что наш статистический тест не является меньшим, чем наше значение в критическом значении, из которого, состояние, которое у нас есть, остается стационарным, переменная, которую мы выборочно тестируем, будет стационарной, т. е. мы обнаружим, что ее изменение с годами не то же самое, но мы должны достичь однородности.
Dfuller (независимые и зависимые переменные), trend (noconstant) будут выглядеть так.
Если даже есть стационарность, тогда мы получим "D/Wi можем проверить, является ли положительная переменная стационарной по сравнению с разницей в год перед ней, и мы сделаем это сейчас. Dickey-Fuller test for unit root Number of obs=40
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-4.635 2.612
-3.648 -2.958
MacKinnon approximate p-value for Z(t) = 0.0001
Мы не смогли определить, является ли кредит (переменная Y) стационарным, когда мы проверили в методе Trend, Constant, Noconstant, но проверив с помощью difference (последний 1 год), тестовая статистика была стационарной в 1% Critical value.
Dickey-Fuller
Test Statistic
1%
test for unit Interpolated Critical 5%
of
obs=40
root Number
Dickey-Fuller ---------
Critical 10% Critical
ValueValueValue
Z(t)-5.421 -3.648 -2.958 2.612
MacKinnon
approximate
p-value
for
Z(t)
0.0000
Мы не смогли определить, является ли Poverty (переменная) стационарной, когда мы проверили в методе Trend, Constant, Noconstant, и
когда мы проверили через difference (последний 1 год), Test Statistic 1% является стационарным в критическом значении.
Dickey-Fuller test for unit root Number of obs=41
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-3.274 -2.634 -1.950 -1.606
Когда мы проверили через difference (последний 1 год), Test Statistic 1% является стационарным в критическом значении.
Dickey-Fuller test for unit root Number of obs=41
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-7.370 -3.641 -2.955 -2.611
MacKinnon approximate p-value for Z(t) = 0.0000
ln_GDP (когда мы проверяем (переменную) в состоянии константы, тестовая статистика стационарна в 1% критического значения.
Dickey-Fuller test for unit root Number of obs=39
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-5.734 -3.655 -2.961 -2.613
MacKinnon approximate p-value for Z (t) = 0.0000
Когда мы проверяем инфляцию (переменную) в состоянии
константы, Test statistic 5% является стационарным в критическом значении.
Dickey-Fuller test for unit root Number of obs=41
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-4.599 -4.233 -3.536 -3.202
MacKinnon approximate p-value for Z(t) = 0.00
Когда мы проверяем состояние константы ln_com_bank
(переменная), тестовая статистика является стационарной в 1% Critical value.
Dickey-Fuller test for unit root Number of obs=40
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-7.785 -3.648 -2.958 -2.612
MacKinnon approximate p-value for Z(t) = 0.0000
Когда мы проверили через difference (последний 1 год), Test Statistic был стационарным на 1% Critical value.
Dickey-Fuller test for unit root Number of obs=41
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-5.527 -4.233 -3.536 -3.202
MacKinnon approximate p-value for Z(t) = 0.0000
Мы проверили через difference (последний 1 год), Test Statistic был стационарным в 1% Critical value.
Dickey-Fuller test for unit root Number of obs=41
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-3.499 -3.641 -2.955 -2.611
MacKinnon approximate p-value for Z(t) = 0.0080
Wage_total (переменная) тест статический при проверке в положении константы 5% стационарный в критическом значении.
Dickey-Fuller test for unit root Number of obs=40
--------------------Interpolated Dickey-Fuller ---------
Test 1% Critical 5% Critical 10% Critical
Statistic ValueValueValue
Z(t)-8.406 -3.648 -2.958 -2.612
MacKinnon approximate p-value for Z(t) = 0.00000
Мы проверили через difference (последний 1 год), Test Statistic 1% является стационарным в критическом значении.
Чтобы проверить проблему автокорреляции, поскольку мы используем данные Службы времени
Мы использовали тест Брейша-Годфри, и мы можем увидеть результат в таблице 3.
Из этого видно, что мы можем столкнуться с проблемой автокорреляции только на 6 - м и 8-м годах из последних 12 лет.
Tабл.3_
Number of gaps in sample: 1 df Prob>Xi2
Breusch-Godfrey LM test
for Xi2 autocorrelation
1.557 1 0.212
2.168 2 0.338
4.787 3 0.188
5.959 4 0.202
6.210 5 0.286
11.259 6 0.081
11.964 7 0.102
14.514 8 0.069
14.547 9 0.104
14.699 10 0.143
14.797 11 0.192
18.058 12 0.114
Мультиколлинеарность. Значение от 1 до 5 указывает на среднюю корреляцию между данной объяснительной переменной и другими объяснительными переменными в модели, но это часто недостаточно серьезно, чтобы требовать внимания.
Значение больше 5 указывает на потенциально серьезную корреляцию между данной аннотирующей переменной и другими аннотирующими переменными в модели.
У нас нет проблемы мультиколинарности потому что среднее значение мультиколинарности находится в диапазоне от 1 до 5, и мы можем проиллюстрировать это в таблице 4.
_Табл.4_
_VIF_1/VIF_
4.100 0.244
3.510 0.285
1.690 0.591
1.530 0.653
1.530 0.655
1.210 0.827
1.210 0.830
1.200 1.180 1.110 1.830
0.836 0.847 0.901
TeTepocKegacTHHHOCTb Breusch-Pagan / Cook-Weisberg test for heteroskedasticity
Ho: Constant variance
Variables: fitted values of D.kredit
Xi2 (1) =1.46
Prob > Xi2 =0.2264
К сожалению, одна из проблем, которая часто возникает при регрессии, называется гетероскедастичностью, при которой наблюдаются систематические изменения дисперсии остатков в диапазоне ряда измеренных значений. Один из тестов, который мы можем использовать для определения наличия гетероскедастичности, -это тест Брейша-язычника.
Это статистика теста хи-квадрат. В этом случае он составляет 1,46. Prob> Xi2: это значение P, которое соответствует статистике теста Xi-квадрат. В этом случае он равен 0,2264. Поскольку это значение меньше 0,05, мы можем опровергнуть нулевую гипотезу и сделать вывод о наличии гетероскедастичности в данных. Number of gaps in sample: 1 Durbin-Watson d-statistic (11,40) =1.532289
Статистика теста Дурбина-Ватсона проверяет нулевую гипотезу Нормальная регрессия наименьших квадратов не автокоррелирована относительно альтернативы
остатки следуют процессу OLS. Статистика Дурбина-Ватсона определяется в диапазоне значений от 0 до 4. Значение около 2 указывает на отсутствие автокорреляции; значение около 0 указывает на положительную автокорреляцию; значение около 4 указывает на отрицательную автокорреляцию. Из этого видно, что у нас есть вероятность возникновения проблемы автокорреляции.
LOWER POINT = 0.896
UPPER POINT = 2.228
Заключение
В настоящем исследовании изучены факторы, способствующие получению кредита в РФ. Согласно этому, бедность, безработица, процентная ставка по кредитам, ВВП, инфляция, доходы и расходы являются основными факторами, способствующими получению кредита. В результате анализа мы выяснили, что спрос на кредит в разное время находился на разных уровнях. Переменные, которые мы выбрали, помогли нам изучить спрос на кредит в более широком масштабе. Вместо вывода
стоит сказать, что экономические социальные показатели стран выражают спрос на получение кредита.
Использованные источники:
1. A.Marshall (2001 "Money, Credit and Commerce")
2. Xuang (1978-2010 y) "Qashshoqlikka qarshi kurash va moliya tizimini tartibga solish bo'yicha tadqiqotlar"
3. De Gregorio va Sturzenegger (1994)"Bank kreditlari va inflatsiya"
4. R.J. Arnould "Journal of Economics and Business" (1985)
