CC BY
49
РАЗДЕЛ II.
СТАТИСТИКА В СОВРЕМЕННОМ МИРЕ: МЕТОДОЛОГИЯ, МЕТОДЫ, АНАЛИЗ
УДК 64.031
Синявская Т. Г.
КОМПЛЕКСНАЯ СТАТИСТИЧЕСКАЯ ОЦЕНКА ПОДВЕРЖЕННОСТИ ИНДИВИДОВ ФИНАНСОВОМУ РИСКУ НА ОСНОВЕ МНОГОМЕРНЫХ ПРОБИТ-МОДЕЛЕЙ
Аннотация
В статье предложен подход к комплексной оценке подверженности индивидов рискам в процессе осуществления финансового поведения на основе многомерных пробит-моделей. Проведена его апробация на данных опроса студенческой молодежи Юга России. Выявлено, что основными факторами подверженности риску являются склонность к расточительности и финансовая неграмотность. Рассчитаны средние оценки вероятности подверженности рискам.
Ключевые слова
Финансовое поведение, риски финансового поведения, оценка рисков, многомерная пробит-модель.
Sinyavskaya T. G.
CONCEPT OF RISKS OF FINANCIAL BEHAVIOR ANALYSIS IN THE CONTEXT OF NATIONAL SECURITY
Annotation
Article proposes an integrated approach to the assessment of the exposure of individuals to risks in process of financial behavior based on multivariate probit models. Empirical testing spent on data of the survey of students in South of Russia. It was found that the main factors of risk exposure are tendency to extravagance and financial illiteracy. The mean probabilities of exposure to risks are estimated.
Keywords
Financial behavior, risks of financial behavior, risk assessment, multivariate probit model.
Каждый человек в своей жизнедеятельности вынужден принимать решения, связанные с финансами, и взаимодействовать с теми или иными финансовыми институтами, что делает его так или иначе подверженным финансовым рискам. Для того чтобы финансовые
решения были эффективными и не приводили к потерям, индивид должен быть одновременно грамотным и активным, рациональным и информированным. Особенно это важно в современных российских условиях, когда население все шире вовлекается в кредит-
ную, страховую и иные виды финансовой деятельности, не имея подчас подходящего для этого менталитета, знаний и навыков. Кроме того, несмотря на то что финансовое поведение россиян находится в фокусе целого ряда исследований [1-6], проблематика подверженности рискам освещена, как представляется, не в достаточной мере. Поэтому разработка инструментария комплексной оценки подверженности индивидов финансовым рискам является актуальной задачей.
Следуя [7], под подверженностью финансовым рискам будем понимать свойство индивида, заключающееся в возможности попасть в ситуацию потери финансовых ресурсов при осуществлении каких-либо видов финансовой активности; она связана с наличием у индивида уязвимостей, таких как финансовая неграмотность, склонность к риску и финансовая инфантильность и расточительность.
Подверженность индивида финансовым рискам - это комплексная характеристика, которая может быть оценена на основе ряда личностных параметров, являющихся ее детерминантами. В работе [8], основанной на предшествующих исследованиях [9, 10] нами была предложена пятифакторная группировка личностных признаков индивида, рассматриваемых как факторы подверженности финансовым рискам. Это показатели склонности к риску, финансовой грамотности, монетарный тип личности, зрелость и самостоятельность финансовых решений и склонность к финансовому планированию. Ранее [7, 11, 12] нами проводилась оценка подверженности финансовым рискам по каждому фактору отдельно, а также исследовались взаимодействия между факторами и обнаружены связи между некоторыми из них. Это приводит к выводу о том, что пофакторная оценка подверженности индивида финансовым рискам будет приводить к искажениям
вследствие недоучета их взаимного влияния. Так, например, если финансовая неграмотность усиливает склонность к расточительности, то обнаружение у индивида первой характеристики подверженности рискам должно приводить к переоценке степени подверженности рискам по второй. Кроме того, для комплексной оценки подверженности рискам требуется выявление детерминант каждой личностной характеристики, влияющей на подверженность рискам. Решение этой задачи возможно с использованием инструментария многомерных пробит-моделей, предложенной в работе Ashford and Sowden (1970) [13] как обобщение одномерной пробит-модели на многих зависимых переменных. Модели данного типа нашли успешное применение для решения ряда исследовательских задач в таких работах, как Balia and Jones (2004) [14], Gibbons and Wilcox-Gok (1998) [15], Valdez and Frees (2005) [16], Yong, Valdez and Kohn (2006) [17] и других. В данном исследовании многомерная пробит-модель использована для выявления детерминант личностных характеристик подверженности финансовым рискам, что представляет собой развитие идеологии предшествующих исследований, проводимых на базе двумерных пробит-моделей [18, 19].
Как было показано в работе [7], подверженность финансовым рискам можно исследовать на основании данных анкетного опроса, нацеленного на выявление основных ее факторов, с последующей оценкой их воздействия. Поэтому для моделирования были использованы данные опроса 696 студентов выпускных курсов вузов Юга России, разработанного и проведенного в рамках исследования «Модернизация инструментария управления рисками финансовых институтов в сфере отмывания денег или финансирования терроризма на основе повышения финансовой грамотности клиентов-физических
лиц (на примере Юга России)»1. Студенческая молодежь в данном случае рассматривается как часть населения, только вступающая во взрослую жизнь, в том числе финансовую, следовательно, чья подверженность рискам будет оказывать влияние на финансовую и социальную жизнь страны в недалеком будущем.
Всего в анализе было использовано 496 наблюдений. Среди респондентов было 52,2 % девушек и 42 % юношей (остальные ответили на соответствующий вопрос) в возрасте 17-29 лет. 64,9 % относят себя к русским, 5,8 % - к этносам Северного Кавказа, и 8,3 % - к другим национальностям, 20,9 % не дали ответа на вопрос о национальной принадлежности. 60 % студентов происходит из семей, имеющих иждивенцев, и 30,7 % - из не имеющих. К «среднему классу» относится только 7,76 % семей респондентов [11].
Для моделирования были сконструированы бинарные зависимые переменные, отражающие основные личностные характеристики подверженности финансовым рискам:
(1) склонность к риску, принимающая значение 1, если индивид определен как склонный к риску, и 0 в противном случае;
(2) финансовая инфантильность, принимающая значение 1, если индивид определен как финансово инфантильный, и 0 в противном случае;
(3) склонность к расточительности, принимающая значение 1, если индивид определен как склонный к расточительности, и 0 в противном случае;
(4) финансовая неграмотность, принимающая значение 1, если индивид определен как финансово неграмотный, и 0 в противном случае.
Охарактеризуем принцип получения данных переменных.
1 Исследование проведено при финансовой поддержке государства в лице Минобрнауки России проект № 14.В37.21.0022.
Для оценки склонности к риску был использован вопрос, основанный на «классической» трактовке склонности/ несклонности индивида к финансовому риску, основанному на теории полезности фон Неймана-Моргенштерна (см., например, Дубров А., Лагоша Б., Хру-сталев Е., 2000 [20]). Считается, что если индивиду предложить на выбор участие в игре (лотерее) с некоторыми выигрышем и проигрышем, и получение гарантированной суммы, равной среднему выигрышу в игре (лотерее), то склонный к риску индивид с большей вероятностью предпочтет игру, несклонный - гарантированную сумму. Нейтральному к риску индивиду оба варианта безразличны. Наибольшее число опрошенных (57,3 %) проявили себя как несклонные к риску, 19,5 % -как склонные, 21 % - как безразличные или нейтральные, 2,2 % не ответили на вопрос [11]. При моделировании несклонные и безразличные к риску выступали в качестве альтернативы склонным к риску индивидам.
Финансово инфантильными считались индивиды, давшие не менее одного утвердительного ответа на следующие вопросы:
- буду тратить все и не думаю об инвестициях (на вопрос о предполагаемых инвестиционных стратегиях по окончанию вуза);
- не буду сохранять средства, все потрачу (на вопрос о способах сохранения предполагаемого наследства);
- не вижу необходимости в каком-либо виде страхования (на вопрос о стратегиях обеспечения безопасности, которым индивид планирует следовать в дальнейшем).
Как финансово инфантильных можно охарактеризовать 22,4 % опрошенных.
Склонность к расточительности является одной из монетарных установок, исследованных на базе Шкалы А. Фернама, состоящей из 60 утвержде-
ний. 37,4 % опрошенных характеризуются как расточительные, 40,9 % - как нерасточительные, и для 21,7 % не удалось определить склонность либо несклонность к расточительности [11].
Финансовая грамотность исследовалась на основе 20 вопросов, направленных на выявление знаний об основных видах финансовой деятельности (кредитах, страховании и т. д.). Был выявлен удручающе низкий уровень финансовой грамотности: только 6,8 % опрошенных дали более половины правильных ответов, а максимальный процент верных ответов составил 65 %, что близко к нижней границе среднего уровня знаний. Медианная доля верных ответов составляет 0,25 [11]. При моделировании финансово грамотными (в относительном, а не абсолютном, измерении) считались индивиды, давшие число верных ответов выше медианного, а неграмотными - ниже медианного.
Также в анализе в качестве детерминант подверженности рискам были использованы переменные, характеризующие предполагаемые будущие финансовые стратегии опрошенных студентов: сберегательные умеренные, активные и пассивные, и инвестиционные. Умеренные предполагают склонность копить рублевые и валютные средства в Сбербанке, активные - в коммерческих банках с наиболее высокими процентными ставками, пассивные - хранить в надежном месте, но не в банках. Инвестиционные же прожективные стратегии заключаются в намерениях покупать акции, облигации и иные ценные бумаги, отдавать средства в доверительное управление, покупать доли в паевых фондах. Наибольшая доля опрошенных (40,2 %) относятся к умеренным сберегателям, 34,2 % - к инвесторам, 27,4 % - к активным сберегателям, 15,1 % - к пассивным сберегателям и 7,8 % респондентов не имеют предпочтений относительно финансовых стратегий [12].
В качестве независимой была также использована бинарная переменная, представляющая собой результат ответа на вопрос, ведет ли респондент финансовые записи, принимающая значение 1, если записи ведутся регулярно или хотя бы время от времени, и 0 - если нет.
Кроме того, в анализ были включены следующие социально-демографические характеристики:
национальность (в силу структуры совокупности опрошенных выделено три группы национальностей - этносы Северного Кавказа, отнесшие себя к русским, и иные национальности), пол, наличие иждивенцев в семье, принадлежность семьи к среднему классу.
Детерминанты личностных характеристик подверженности рискам были выявлены на базе оценки параметров многомерной пробит-модели на основе метода имитационного максимального правдоподобия (англ. simulated maximum likelihood, SML [21, 22]) с четырьмя вышеописанными бинарными зависимыми переменными1. Результаты оценивания представлены в таблице 1.
Согласно полученным результатам, мужчины более склонны к финансовой расточительности, но реже являются финансово инфантильными по сравнению с женщинами. Представители этносов Северного Кавказа менее финансово инфантильны и менее склонны к расточительности, однако русские менее склонны к риску. Молодые люди, вышедшие из семей, принадлежащих к среднему классу, являются более склонными к расточительности, а из семей с иждивенцами - чаще финансово неграмотны. Ведение финансовых записей снижает склонность к риску, однако повышает шансы быть финансово инфантильным, что несколько противоречит начальным предположениям.
1 Для расчетов использовался пакет STATA (11 версия), команда mvprobit (Cappellari and Jenkins, 2003).
Таблица 1 - Результаты оценивания многомерной пробит-модели
Переменная Склонность к риску Финансовая инфантильность Склонность к расточительности Финансовая неграмотность
Коэффициент регрессии Стандартная ошибка Коэффициент регрессии Стандартная ошибка Коэффициент регрессии Стандартная ошибка Коэффициент регрессии Стандартная ошибка
Пол (женский)
Мужской -0,0301 0,140 -0,260** 0,136 0,264** 0,119 0,147 0,122
Национальность (другая)
Этносы Северного Кавказа -0,274 0,270 -0,796*** 0,304 -0,594*** 0,239 -0,075 0,237
Русские -0,293* 0,170 -0,218 0,170 0,048 0,151 -0,034 0,155
Предпочтительные финансовые стратегии (нет)
Пассивный сберегатель -0,109 0,196 -0,249 0,184 0,080 0,159 -0,270 0,165
Умеренный сберегатель 0,0456 0,140 -0 64*** 0,146 -0,072 0,120 -0,150 0,123
Активный сберегатель 0,288* 0,152 -0,53*** 0,166 0,023 0,134 -0,386*** 0,140
Инвестор 0,342*** 0,141 -0,57*** 0,158 0,155 0,124 -0,379*** 0,129
Из семьи, относящейся к среднему классу (не относится)
Относится -0,084 0,240 -0,239 0,260 0,149 0,206 0,343* 0,212
Наличие иждивенцев в семье (нет)
Есть иждивенцы 0,067 0,145 0,150 0,145 0,176 0,123 0,347*** 0,127
Ведение финансовых записей (не ведет)
Ведет -0,193** 0,097 0,299*** 0,099 -0,080 0,082 0,086 0,082
Константа -0,429 0,356 -0,353 0,378 -0,435 0,317 -0,620** 0,323
Коэффициент корреляции терминов ошибок
Р 2 1 -0,0849
Р 3 1 0,009
Ра 1 -0,022
Р 3 2 0,025
Ра 2 0,045
Раз 0,220***
-2КЬ -1108,260
хи-квадрат 112,07
Тест отношения правдоподобия Но' Р21 = Рз 1 = Ра 1 = Рз2 = Ра2 = Раз = 0, ^2(6)= 11,71, ^э^ = 0,0687
Число наблюдений 496
***, **, * значим на уровне значимости 1, 5 эталонные категории для фиктивных переменных.
Потенциально предпочитаемые респондентами финансовые стратегии оказались статистически значимо связанными со склонностью к риску, финансовой инфантильностью и финансовой неграмотностью. Так, предпочтительные стратегии «активный сберега-
и 10 % соответственно. В скобках указаны
тель» и «инвестор» повышают склонность к риску. Умеренный, активный сберегатель или инвестор имеют меньше шансов быть финансово инфантильными. Это объясняется как логическим путем - если у человека присутствуют предпочтения относительно финансо-
вых стратегий, это уже означает, что он не относится к инфантильным, которые характеризуются нерешительностью в принятии решений, так и способом конструирования переменной финансовой инфантильности. Также активный сберегатель и инвестор с меньшей вероятностью будут являться финансово неграмотными, что очевидно, так как для реализации данных стратегий, и даже для ответов на вопросы о них уже требуется определенный уровень финансовых знаний.
С наибольшей вероятностью индивид будет являться склонным к расточительности (0,47). Следующая по вероятности проявления - финансовая неграмотность (0,39), за ней следует финансовая инфантильность (0,22). И с наименьшей вероятностью можно ожидать, что для индивида будет характерна склонность к финансовому риску (0,19).
Однако вероятность того, что индивид будет совершенно не подвержен финансовым рискам с точки зрения проявления исследуемых личностных характеристик, составляет всего лишь 0,23. Другими словами, с вероятностью 0,77 индивид будет подвержен финансовым рискам, поскольку у него в той или иной комбинации будут проявляться факторы подверженности рискам. Тем не менее вероятность попадания в группу наибольшего риска, для которой характерно наличие одновременно всех
На следующем этапе были оценены прогнозные значения вероятностей наличия у индивида личностных характеристик, связанных с подверженностью финансовым рискам (табл. 2). Средние маргинальные эффекты позволили оценить вероятность наличия каждой отдельной характеристики, а средние прогнозные значения совместной вероятности - вероятности того, что у индивида (1) имеются все четыре характеристики и (2) все четыре характеристики отсутствуют.
факторов, достаточно низка и составляет 0,007.
Применение многомерной пробит-модели как инструментария комплексной оценки подверженности индивидов финансовым рискам, показало, что степень ее достаточно велика, что детерминирует не только необходимость дальнейшего изучения данной проблемы, но и поиск путей ее снижения, в частности повышения финансовой грамотности, поскольку реализации финансовых рисков населения грозит ростом социальной напряженности, особенно в современных российских условиях. В то же время развитие данного инструментария, в частности в сторону разработки андеррайтинговых методик, аналогичных изложенной в работе [23], может создать возможности не только оценки финансовых рисков, но и управления ими, в том числе посредством создания барьеров для их реализации.
Таблица 2 - Прогнозы по результатам оценивания многомерной пробит-модели
№ Прогноз Фактор риска Средняя вероятность
1 Частная вероятность наличия одного из факторов риска (1) склонности к риску; (2) финансовой инфантильности; (3) склонности к расточительности; (4) финансовой неграмотности 0,187175 0,2216006 0,4748671 0,3873854
2 Совместная вероятность наличия факторов подверженности риску (1) все факторы отсутствуют; (2) все факторы имеются 0,2250808 0,0074513
Библиографический список
1. Российские домохозяйства накануне финансового кризиса: доходы и финансовое поведение / отв. ред. Л. Н. Овчарова. - М. : Независимый институт социальной политики, 2008.
2. Григорьев, Л., Салмина, А., Кузина, О. Российский средний класс: анализ структуры и финансового поведения. - М. : Экон-Информ, 2009.
3. Козырева, П. М. Финансовое поведение в контексте социально-экономической адаптации населения (социологический анализ) [Электронный ресурс]. - Режим доступа: http://ecsocman.hse.ru/data/2012/11/12/12 51376250/Kozyreva.pdf.
4. Бурдяк, А. Я. Денежные сбережения домашних хозяйств на разных этапах жизненного цикла // Финансовый журнал. - 2014. - № 1. - С. 129-140.
5. Галишникова, Е. В. Финансовое поведение населения: сберегать или тратить // Государственный университет Минфина России. Финансовый журнал. -2012. - № 2.
6. Грибова, Е. А., Ибрагимова, Д. Х. Установки населения относительно сбережений и кредитов // Вестник Российского мониторинга экономического положения здоровья населения НИУ ВШЭ (RLMS-HSE). - М. : НИУ ВШЭ, 2011.
7. Ниворожкина, Л. И., Синявская, Т. Г. Статистическая методология оценки рисков финансового поведения : моногр. / под науч. ред. А. У. Альбеко-ва. - Ростов н/Д, 2016.
8. Синявская, Т. Г. Концепция анализа рисков финансового поведения населения в контексте обеспечения национальной безопасности // Учет и статистика. - 2014. - № 3. - С. 47-53.
9. Ниворожкина, Л. И., Синявская, Т. Г. Концепция статистической оценки рисков вовлечения клиентов финансовых институтов в схемы по отмыванию денег // Terra Economicus. -2012. - № 4. - Т. 10. - С. 30-36.
10. Ниворожкина, Л. И., Алифа-нова, Е. Н., Синявская, Т. Г. Финансовая грамотность и склонность к риску вовлечения клиентов финансовых институтов в незаконные сделки // Финансы и кредит. - 2013. - № 41 (569). - С. 48-53.
11. Модернизация инструментария управления рисками финансовых институтов в сфере отмывания денег или финансирования терроризма на основе повышения финансовой грамотности клиентов - физических лиц (на примере Юга России) : моногр. / под ред. Е. Н. Алифановой, Н. Г. Кузнецова, Л. И. Ниворожкиной. - Ростов н/Д : Донской издательский дом, 2013.
12. Ниворожкина, Л. И., Синявская, Т. Г., Новиков, Д. С. Статистическая оценка подверженности студенческой молодежи финансовым рискам // Финансовые исследования. - 2014. -№ 4 (45). - С. 215-222.
13. Ashford, J., Sowden, R. Multivariate probit analysis // Biometrics. -1970. - № 26 (3). - Р. 535-546.
14. Balia, S., Jones, A. M. Mortality, lifestyle and socio-economic status // University of York, Working paper. - 2004. -October.
15. Gibbons, R. D., Wilcox-Gok, V. Health service utilization and insurance coverage: a multivariate probit approach // Journal of the American Statistical Association. - 1998. - № 93 (441). - Р. 63-72.
16. Valdez, E. A., Frees, E. W. Longitudinal modeling of Singapore motor insurance [Electronic resource] // University of New South Wales and the University of Wisconsin-Madison, Working Paper. -
2005. - 28, December. - Mode of access : http://docs.fce.unsw.edu.au/actuarial/resear ch/papers/2006/Valdez-Frees-2005.pdf.
17. Young, G., Valdez, E. A., Kohn, R. Multivariate probit models for conditional claim-types [Electronic resource],
2006. - Mode of access : http://actuaries. org/afir/colloguia/stockholm/young.pdf.
18. Ниворожкина, Л. И., Овчарова, Л. Н., Синявская, Т. Г. Эконометри-
ческое моделирование риска невыплат по потребительским кредитам // Прикладная эконометрика. - 2013. -№ 30 (2). - С. 65-76.
19. Ниворожкина, Л. И., Синявская, Т. Г., Морозова, З. А. Статистическая оценка рисков потребительского кредитования // Вестник Ростовского государственного экономического университета (РИНХ). - 2012. - № 4 (40). -С. 66-76.
20. Дубров, А. М., Лагоша, Б. А., Хрусталев, Е. Ю. Моделирование рисковых ситуаций в экономике и бизнесе : учеб. пособие / под ред. Б. А. Лагоши. -М. : Финансы и статистика, 2000.
21. Cappellari, L., Jenkins, S. P. Calculation of multivariate normal probabilities by simulation, with applications to maximum simulated likelihood estimation [Electronic resource] // IZA Discussion Paper. - 2006. - № 2112. - Mode of access: repec.iza.org/dp2112.pdf.
22. Cappellari, L., Jenkins, S. P. Multivariate probit regression using simulated maximum likelihood [Electronic resource] // Stata Journal. - 2003. № 3. -Р. 278-294. - Mode of access: http://stata-journal.com/sjpdf.html ? articlenum=st0101.
23. Ниворожкина, Л. И., Синявская, Т. Г. Априорные оценки рисков финансовых институтов, связанных с клиентами-физическими лицами // Финансы и бизнес. - 2014. - № 1. - C. 87-98.
Bibliographic list
1. Russian households on the eve financial crisis: income and financial behavior / ed. by L. N. Ovcharova. - M. : Independent Institute for Social Policy, 2008.
2. Grigoriev, L., Salmina, A., Cousina, O. Russian middle class: an analysis of the structure and financial behavior. - M. : Econ-Inform, 2009.
3. Kozyreva, P. M. Financial behavior in the context of socio-economic adaptation of the population (sociological analysis) [Electronic resource]. - Mode of ac-
cess : http://ecsocman.hse.ru/data/2012/11/ 12/1251376250/Kozyreva.pdf.
4. Burdyak, A. Y. Cash savings of households at different stages of the life cycle // Financial magazine. - 2014. -№ 1. - P. 129-140.
5. Galishnikova, E. V. Financial behavior of the population: to save or spend // State University of the Russian Finance Ministry. Financial magazine. - 2012. - № 2.
6. Gribova, E. A. Ibragimova, D. H. Population attitudes about savings and loans // Bulletin of the Russian Longitudinal Monitoring Survey HSE (RLMS-HSE). -M. : HSE, 2011.
7. Nivorozhkina, L. I., Sinyavskaya, T. G. Statistical methodology for assessing the financial risks behavior : monograph / scientific. ed. by A. U. Albekov. - Rostov-on-Don, 2016.
8. Sinyavskaya, T. G. Concept of the analysis of financial behavior risks of the population in the context of national security // Accounting and Statistics. - 2014. -№ 3. - P. 47-53.
9. Nivorozhkina, L. I., Sinyavskaya, T. G. The concept of statistical risk assessment of involving financial institutions clients of in money laundering schemes // Terra Economicus. - 2012. - № 4. -Vol. 10. - P. 30-36.
10. Nivorozhkina, L. I., Alifanova, E. N., Sinyavskaya, T. G. Financial literacy and risk of involving clients of financial institutions in illegal transactions aversion // Finance and Credit. - 2013. - № 41 (569). -P. 48-53.
11. The modernization of instruments of financial institutions risk management in the field of money laundering or terrorist financing by improving the financial literacy of clients - individuals (on South of Russia example) : monograph / ed. by E. N. Alifanova, N. G. Kuznetsov, L. I. Nivorozhkina. - Rostov-on-Don : Don Publishing House, 2013.
12. Nivorozhkina, L. I., Sinyav-skaya, T. G., Novikov, D. S. Statistical evaluation of the exposure of students to
financial risks // Financial Research. -2014. - № 4 (45). - P. 215-222.
13. Ashford, J., Sowden, R Multivariate probit analysis // Biometrics. -1970. - № 26 (3). - P. 535-546.
14. Balia, S., Jones, A. M. Mortality, lifestyle and socio-economic status // University of York, Working paper. - 2004. -October.
15. Gibbons, R. D, Wilcox-Gök, V. Health service utilization and insurance coverage: a multivariate probit approach // Journal of the American Statistical Association. - 1998. - № 93 (441). - P. 63-72.
16. Valdez, E. A., Frees, E. W. Longitudinal modeling of Singapore motor insurance [Electronic resource] // University of New South Wales and the University of Wisconsin-Madison, Working Paper. -2005. - 28, December. - Mode of access : http://docs.fce.unsw.edu.au/actuarial/resear ch/papers/2006/Valdez-Frees-2005.pdf.
17. Young, G., Valdez, E. A., Kohn, R. Multivariate probit models for conditional claim-types [Electronic resource], 2006. -Mode of access : http://actuaries.org/afir/ colloguia/stockholm/young .pdf.
18. Nivorozhkina, L. I., Ovcharova, L. N., Sinyavskaya, T. G. Econometric modeling risk of consumer loans // Journal
УДК 336.77
of Applied Econometrics. - 2013. -№ 30 (2). - P. 65-76.
19. Nivorozhkina, L. I., Sinyavskaya, T. G., Morozova, Z. A. Statistical evaluation of the risks of consumer lending // Vestnik of Rostov State Economic University (RINH). - 2012. - № 4 (40). - P. 66-76.
20. Dubrov, A. M., Lagosha, B. A., Khrustalev, E. Y. Modelling of risk situations in economics and business : textbook / ed. by B. A. Lagosha. - M. : Finance and Statistics, 2000.
21. Cappellari, L., Jenkins, S. P. Calculation of multivariate normal probabilities by simulation, with applications to maximum simulated likelihood estimation [Electronic resource] // IZA Discussion Paper. - 2006. - № 2112. - Mode of access: repec.iza.org/dp2112.pdf.
22. Cappellari, L., Jenkins, S. P. Multivariate probit regression using simulated maximum likelihood [Electronic resource] // The Stata Journal. - 2003. № 3. -P. 278-294. - Mode of access: http://stata-journal.com/sjpdf.html?articlenum=st0101.
23. Nivorozhkina, L. I., Sinyavskaya, T. G. Financial institutions risks of dealing with individual clients a priori estimates // Finance and Business. - 2014. - № 1. -P. 87-98.
Трегубова А. А., Баташев Р. В.
ВЗАИМОСВЯЗЬ ТЕКУЩЕГО ЭКОНОМИЧЕСКОГО КРИЗИСА С ДИНАМИКОЙ КРЕДИТНОЙ НАГРУЗКИ РЕГИОНОВ1
Аннотация
В статье представлены результаты анализа поведения населения на кредитном рынке в период кризиса. Объединенным кредитным бюро (ОКБ) за 2014-2015 гг. представлен анализ кредитной активности населения с учетом регионального фактора. Выделены основные тенденции в кредитном поведении населения в фазе экономического спада.
Ключевые слова
Домохозяйство, кредитная нагрузка, кризис, финансовое поведение.
1 Публикация подготовлена в рамках поддержанного РГНФ научного проекта № 16-02-00411.
