CC BY
140
ISSN 2311-8709 (Online) Банковская деятельность
ISSN 2071-4688 (Print)
МЕРОПРИЯТИЯ ПО ПРОГНОЗИРОВАНИЮ ДЕЯТЕЛЬНОСТИ КОММЕРЧЕСКИХ БАНКОВ Ирина Валериевна ПОРЯДИНА
кандидат экономических наук, доцент,
Тюменский филиал Сибирского университета потребительской кооперации, Тюмень, Российская Федерация [email protected]
История статьи:
Принята 31.03.2016 Принята в доработанном виде 21.04.2016 Одобрена 18.05.2016
УДК 336.71 JEL: С53, G21
Ключевые слова: прогноз, анализ, банки, корреляция
Аннотация
Предмет. Финансовый кризис показал недостатки в деятельности коммерческих банков. Высокий риск проводимых банковских операций на рынке, девальвация национальной валюты приводят к снижению достаточности капитала, проблемам ликвидности и платежеспособности. В связи с этим возникает необходимость поиска альтернативных вариантов вложений временно свободных денежных средств банка и повышения эффективности его деятельности. В данной ситуации названные задачи должны решаться с помощью прогнозных расчетов основных показателей: капитал, активы, прибыль. Цели. Разработка моделей для составления прогнозов коммерческих банков. Методология. Методика исследования основана на использовании диалектической логики и системного подхода. На основе научного подхода рассмотрен фактический материал по теме исследования с использованием методов сравнения, обобщения, экономико-статистической обработки информации. Проведена оценка финансовых показателей коммерческого банка с применением корреляционно-регрессионного анализа. Предлагается методика анализа рентабельности капитала с помощью коэффициентов корреляции и эластичности, а также рекомендации по полученным результатам для исследуемых банков.
Результаты. Отдельные положения работы были внедрены в деятельность коммерческих банков.
Выводы и значимость. Предложен новый взгляд на совершенствование оценки деятельности коммерческих банков, а именно: эконометрическая оценка и прогнозирование основных показателей банка. Использование данных приемов позволит кредитным организациям улучшить аналитическую работу и повысить рейтинги на рынке банковских услуг.
© Издательский дом ФИНАНСЫ и КРЕДИТ, 2016
В современной ситуации особую актуальность приобретает поиск оптимальных способов прогнозирования главных показателей
коммерческого банка (капитал, активы, прибыль) в условиях глобализации банковского рынка и, как следствие, возрастающей конкуренции с международными финансовыми посредниками. Рыночная неопределенность в сочетании с государственной программой количественного смягчения и повышения требований к кредитным организациям обусловливают проведение консервативной кредитной политики, контроль за ликвидностью и более эффективную работу с клиентами [1]. В связи с этим повышается актуальность поиска новых методов составления прогнозов, особенно это значимо в условиях финансовой нестабильности. Эффективная деятельность коммерческих банков в значительной степени зависит от того, насколько достоверно они предвидят перспективу своего развития, т.е. от прогнозирования.
Прогнозирование рассматривается как оценка перспектив развития кредитных организаций на основе анализа конъюнктуры рынка, изменения рыночных условий в предстоящем периоде. Результаты прогнозирования деятельности банков
учитываются в стратегических программах при определении возможных масштабов внедрения банковских операций и услуг, ожидаемых изменений условий сбыта и продвижения услуг [2].
При изучении связи финансовых показателей оценки деятельности банка использовано уравнение прямолинейной связи - однофакторной (парной) линейной корреляционной связи, которое имеет вид:
у =а0+а1 х ,
где у - теоретические расчетные значения результативного признака (активы), полученные по уравнению регрессии;
а0, а1 - коэффициенты (параметры) уравнения регрессии;
х - капитал исследуемых банков.
Определив значения а0, а1 и подставив их в уравнение, находим значения у , зависящие только от заданного значения х.
Построим однофакторное уравнение регрессии зависимости активов у от капитала х (табл. 1)
на следующих показателях четырех исследуемых банков: размер капитала и активов. За факторный признак был взят размер капитала банка, а за результативный признак - активы.
Сопоставление данных параллельных рядов признаков х и у показывает, что с убыванием признака х (капитал) в большинстве случаев убывает и признак у (активы). Следовательно, можно предположить, что между х и у существует прямая зависимость, пусть неполная, но выраженная достаточно ясно.
Если анализировать поле корреляции, можно предположить, что возрастание признака у идет пропорционально признаку х. В основе этой зависимости лежит прямолинейная связь, которая может быть выражена простым линейным уравнением регрессии: у =а0+а1 х .
Регрессионная модель зависимости активов от капитала банков может быть записана в виде конкретного простого уравнения регрессии: у = -132,48+6,39х . Это уравнение характеризует зависимость активов от капитала банка. Расчетные значения у , найденные по этому уравнению, приведены в табл. 1. Правильность расчета параметров уравнения регрессии может быть проверена сравниванием сумм ^ у и ^у .
В нашем случае эти суммы равны. Но для того чтобы применять данную формулу на практике, надо рассчитать, насколько она приближена к реальности, т.е. проверить ее адекватность.
Адекватность предполагает соответствие фактическим статистическим данным. Значимость коэффициентов простой линейной регрессии (применительно к совокупностям, у которых п<30 , где п - количество банков) выявляют с помощью ¿-критерия Стьюдента.
Теперь рассчитаем ¿-критерий Стьюдента для нашей модели регрессии: оост=365,86 и 0;- = 186,84.
Расчетные значения ¿-критерия Стьюдента: ¿а0 = -0,512 и ¿а 1 = 4,608.
По таблице распределения Стьюдента находим критическое значение ¿-критерия для числа степеней свободы вариации V =4 -2=2 . Вероятность а принимаем 0,05. При этом ¿табл равно 4,3027. Так как оба значения ¿а 0 и ¿а 1 больше ¿табл, то оба параметра а0 и а1 признаются значимыми (с некоторым допущением) и отклоняется гипотеза о том, что каждый из этих параметров в действительности
равен 0 и лишь в силу случайных обстоятельств оказался равным проверяемой величине.
Проверка адекватности регрессионной модели может быть дополнена корреляционным анализом [3]. Для этого необходимо определить тесноту корреляционной связи между переменными х и у. Она может быть измерена эмпирическим корреляционным отношением пэ, когда Ъ2 (межгрупповая дисперсия) характеризует отклонения групповых средних результативного признака от общей средней: п ^Ъ2/о2.
Теоретическое корреляционное выражение применяется для измерения тесноты связи при линейной и криволинейной зависимостях между результативным и факторным признаком. Чем ближе корреляционное отношение к 1, тем связь между признаками теснее [4].
Теоретическое корреляционное отношение применительно к нашему анализу п = 0,94.
Получе нное значение те оре тиче ского корреляционного отношения свидетельствует о возможном наличии среднестатистической связи между рассматриваемыми признаками. Коэффициент детерминации равен 0,94. Отсюда мы делаем вывод о том, что 94% общей вариации активов изучаемых банков обусловлено вариацией фактора - капитала банков (а 6% общей вариации нельзя объяснить изменением размера капитала).
При линейной форме уравнения применяется другой показатель тесноты связи - линейный коэффициент корреляции. Значение линейного коэффициента корреляции важно для исследования социально-экономических явлений и процессов, распределение которых близко к нормальному. Он принимает значения в интервале: -1< г < 1. Отрицательные значения указывают на обратную связь, положительные - на прямую. При г = 0 линейная связь отсутствует. Чем ближе коэффициент корреляции по абсолютной величине к единице, тем теснее связь между признаками. И наконец, при г = ±1 - связь функциональная.
Используя данные табл. 1, рассчитываем линейный коэффициент корреляции г. Но чтобы использовать формулу для линейного коэффициента корреляции, рассчитаем дисперсию
результативного признака r = 0, 4099.
о y = 2 912,83
Квадрат линейного коэффициента корреляции г называется линейным коэффициентом
детерминации. Из определения коэффициента
и
детерминации очевидно, что его числовое значение всегда заключено в пределах от 0 до 1, то есть 0 < г 2 < 1. Степень тесноты связи полностью соответствует теоретическому корреляционному отношению, которое является более универсальным показателем тесноты связи по сравнению с линейным коэффициентом корреляции. Факт совпадений и несовпадений значений теоретического корреляционного отношения п и линейного коэффициента корреляции г используется для оценки формы связи.
Ранее отмечалось, что посредством теоретического корреляционного отношения измеряется теснота связи любой формы, а с помощью линейного коэффициента корреляции - только прямолинейной. Следовательно, значения п и г совпадают только при наличии прямолинейной связи. Несовпадение этих величин свидетельствует о том, что связь между изучаемыми признаками не прямолинейная, а криволинейная. Установлено, что если разность квадратов п и г не превышает 0,1, то гипотезу о прямолинейной форме связи можно считать подтвержденной. В нашем случае наблюдается примерное совпадение линейного коэффициента детерминации и теоретического корреляционного отношения, что дает основание считать связь между капиталом банков и их активами прямолинейной.
Показатели тесноты связи, исчисленные по данным сравнительно небольшой статистической совокупности, могут искажаться действием случайных причин. Это вызывает необходимость проверки их существенности, дающей возможность распространять выводы по результатам выборки на генеральную совокупность. Для оценки значимости коэффициента корреляции г используют ¿-критерий Стьюдента, который применяется при ¿-распределении, отличном от нормального. Для нашего примера ¿расч = 6,965.
Если сравнить полученное tрaсч с критическим значением из таблицы Стьюдента, где V =2, а а = 0,05 (¿табл =4,3027), то полученное значение ¿-критерия будет больше табличного, что свидетельствует о значимости коэффициента корреляции и существенной связи между капиталом и активами.
Таким образом, построенная регрессионная модель у = -132,48+6,39х в целом адекватна, и
выводы, полученные по результатам малой выборки, можно с достаточной вероятностью распространить на всю гипотетическую генеральную совокупность.
После проверки адекватности, установления точности и надежности построенной модели (уравнения регрессии), ее необходимо проанализировать, т.е. экономически интерпретировать параметры регрессии. Прежде всего нужно проверить, согласуются ли знаки параметров с теоретическими представлениями и соображениями о направлении влияния признака-фактора на результативный признак (показатель) [5].
В рассмотренном уравнении у = -132,48+6,39х, характеризующем зависимость размера активов (у) от капиталов банков (х), параметр а1 >0. Следовательно, с возрастанием размера активов банка размер капитала уменьшается.
Из уравнения следует, что уменьшение капитала банка на 1 млрд руб. приводит к увеличению активов в среднем на 6,39 млрд руб. (величину параметра а1 ). Для удобства интерпретации параметра а1 используют коэффициент эластичности [6, 7]. Он показывает средние изменения результативного признака при изменении факторного признака на 1%. В представленном анализе деятельности банков коэффициент эластичности Э = 1,12.
Это означает, что с увеличением размера капитала на 1% следует ожидать повышения размера активов банков в среднем на 1,12%. Этот вывод справедлив только для данной совокупности банков при конкретных условиях их деятельности. Если же эти банки и условия считать типичными, то коэффициент регрессии может быть применен для расчета размера активов по их капиталу и для других банков.
Следовательно, использование корреляционно-регрессионого анализа позволяет спрогнозировать основные показатели деятельности коммерческих банков (капитала, активов) и выявлять негативные стороны в работе банков [8-19]. В этом мы смогли убедиться при анализе эконометрической зависимости капитала от активов, в подтверждение нашего заявления о том, что в исследуемых банках необходимо наращивание капитала для укрепления финансовой устойчивости и, таким образом, банковской системы страны.
Таблица 1
Данные для построения уравнения регрессии Table 1
Data to build the regression equation
Банк у х X—T y —y ( x —T )2 (x —x)( y-y) y прогноз
ПАО «Сбербанк» 1 385,6 170,73 -26,45 258,1 699,61 -6 826,75 958,48
Банк ГПБ (АО) 2 785,4 545,99 348,81 1 675,9 121 668,42 584 570,68 3 356,39
АО АЛЬФА-БАНК 269,5 65,89 -131,29 -858 17 237,06 112 646,82 288,56
ПАО «БИНБАНК» 69,6 6,11 -191,07 -1 057,9 37,33 202 132,95 -93,44
Сумма 4 510,1 788,72 0,5 18,1 139 642,42 892 523,7 4 509,99
Среднее 1 127,5 197,18 - - - - -
Источник: финансовая отчетность коммерческих банков
Source: financial statements of commercial banks Список литературы
1. Беляков А.В. Банковские риски: проблемы учета, управления и регулирования. М.: БДЦ-пресс, 2003. 256 с.
2. Гиляровская Л.Т., Паневина С.Н. Комплексный анализ финансово-экономических результатов деятельности банка и его филиалов. СПб.: Питер, 2003. 240 с.
3. Ферстер Э., Ренц Б. Методы корреляционного и регрессионного анализа. М.: Финансы и статистика, 1982. 450 с.
4. Markowits H.M. Portfolio Selection. Efficient Diversification of Investments. Oxford, N.Y., Blackwell, 1991, 458 p.
5. Уотшем Т.Д., Паррамор К. Количественные методы в финансах. М.: ЮНИТИ, 1999. 525 с.
6. Шапкин А.С. Экономические и финансовые риски. Оценка, управление, портфель инвестиций. М.: Дашков и К, 2012. 544 с.
7. Щербакова Г.Н. Анализ и оценка банковской деятельности. М.: Вершина, 2007. 464 с.
8. Порядина И.В. Оценка деятельности коммерческих банков. Монография. Астана: НЦ НТИ, 2015. 210 с.
9. Бекмухамбетова А.А. Комплексная оценка банковской деятельности на основе экономико-математического моделирования: монография. Алматы: Экономикс, 2003. 194 с.
10. Парусимова Н.И. Банковское дело: модель развития. М.: Московская академия правительства, 2005. 495 с.
11. Сембиева Л.М. Денежно-кредитная политика в обеспечении устойчивого развития экономики Казахстана: теория, методология, механизм реализации: монография. Алматы, 2007. 373 с.
12. Фетисов Г.Г. Устойчивость коммерческого банка и рейтинговые системы ее оценки. М.: Финансы и статистика, 2000. 447 с.
13. Иванов В. Анализ надежности банка. М.: Финансы и статистика, 1996. 347 с.
14. Лаврушин О.И. Управление банковской деятельностью. М.: Юрист, 2005. 688 с.
15. Ларионова И.В. Реорганизация коммерческих банков. М.: Финансы и статистика, 2004. 368 с.
16. Жигарев И.А. Моделирование и прогнозирование инновационной деятельности акционерного коммерческого банка // Инновации и инвестиции. 2010. № 3. С. 80-83.
17. Рубинштейн Е.Д. Подход к управлению банковскими ресурсами // Актуальные вопросы экономических наук. 2011. № 21-2. С. 110-114.
18. Григорьева Д.Р., Гареева Г.А., Лысанов Д.М. Статистические методы анализа и прогнозирования надежности коммерческого банка // В мире научных открытий. 2015. № 2. С. 479-492.
19. Волков А.В. Прогнозирование показателей деятельности коммерческого банка с учетом факторов внешней среды на примере Сбербанка // ФЭн-наука. 2012. № 3. С. 25-30.
ISSN 2311-8709 (Online) ISSN 2071-4688 (Print)
ACTIONS TO FORECAST COMMERCIAL BANKS' OPERATIONS Irina V. PORYADINA
Banking
Tyumen Branch of Siberian University of Consumer Cooperatives, Tyumen, Russian Federation [email protected]
Article history:
Received 31 March 2016 Received in revised form 21 April 2016 Accepted 18 May 2016
JEL classification: C53, G21
Keywords: forecast, analysis, banks, correlation
Abstract
Importance The financial crisis has revealed shortcomings in commercial banks' operations. High risk of banking transactions, national currency devaluation lead to a decrease in capital adequacy, liquidity and solvency problems, and necessitate the need to seek for alternative investment of temporarily free funds and increase operating efficiency. These problems should be solved by using prediction calculation of basic indicators, i.e. capital, assets, earnings. Objectives The study aims to develop models for forecast management of commercial banks. Methods The study employs dialectical logic and systems approach. On the basis of scientific approach, I consider factual evidence on the paper's topic using methods of comparison, compilation, economic and statistical data processing. I evaluate the commercial bank's financial performance using the correlation and regression analysis.
Results The paper offers a method to analyze return on capital based on coefficients of correlation and elasticity, as well as recommendations on the obtained findings for the largest banks. Some ideas of the study have been implemented in the activity of commercial banks.
Conclusions and Relevance I offer a new approach to improving the assessment of commercial banks' performance on the basis of econometric evaluation and forecasting the basic indicators. These techniques may allow commercial banks to improve their analytical work and improve their ratings in the bank services market.
© Publishing house FINANCE and CREDIT, 2016
References
1. Belyakov A.V. Bankovskie riski: problemy ucheta, upravleniya i regulirovaniya [Banking risks: problems of accounting, control and regulation]. Moscow, BDTs-press Publ., 2003, 256 p.
2. Gilyarovskaya L.T., Panevina S.N. Kompleksnyi analizfinansovo-ekonomicheskikh rezul'tatov deyatel'nosti banka i ego filialov [A comprehensive analysis of economic and financial performance of the bank and its branches]. St. Petersburg, Piter Publ., 2003, 240 p.
3. Forster E., Ronz B. Metody korrelyatsionnogo i regressionnogo analiza [Methoden der Korrelation und Regression analysis]. Moscow, Finansy i statistika Publ., 1982, 450 p.
4. Markowits H.M. Portfolio Selection. Efficient Diversification of Investments. Oxford, N.Y., Blackwell, 1991, 458 p.
5. Watsham T.J., Parramore K. Kolichestvennye metody v finansakh [Quantitative Methods in Finance]. Moscow, YUNITI Publ., 1999, 525 p.
6. Shapkin A.S. Ekonomicheskie i finansovye riski. Otsenka, upravlenie, portfel' investitsii [Economic and financial risks. Assessment, management, and the investment portfolio]. Moscow, Dashkov i K Publ., 2012, 544 p.
7. Shcherbakova G.N. Analiz i otsenka bankovskoi deyatel'nosti [Analysis and evaluation of banking activities]. Moscow, Vershina Publ., 2007, 464 p.
8. Poryadina I.V. Otsenka deyatel'nosti kommercheskikh bankov. Monografiya [Assessing the activities of commercial banks: a monograph]. Astana, NTs NTI Publ., 2015, 210 p.
9. Bekmukhambetova A.A. Kompleksnaya otsenka bankovskoi deyatel'nosti na osnove ekonomiko-matematicheskogo modelirovaniya: monografiya [Comprehensive assessment of banking activities on the basis of economic-mathematical modeling: a monograph]. Almaty, Ekonomiks Publ., 2003, 194 p.
10. Parusimova N.I. Bankovskoe delo: model' razvitiya [Banking: a model of development]. Moscow, Moscow Academy of Entrepreneurship under Government of Moscow Publ., 2005, 495 p.
11. Sembieva L.M. Denezhno-kreditnaya politika v obespechenii ustoichivogo razvitiya ekonomiki Kazakhstana: teoriya, metodologiya, mekhanizm realizatsii: monografiya [Monetary policy in ensuring sustainable development of Kazakhstan's economy: theory, methodology, mechanism of realization: a monograph]. Almaty, 2007, 373 p.
12. Fetisov G.G. Ustoichivost' kommercheskogo banka i reitingovye sistemy ee otsenki [Sustainability of commercial bank and rating systems of its assessment]. Moscow, Finansy i statistika Publ., 2000, 447 p.
13. Ivanov V. Analiz nadezhnosti banka [An analysis of bank's reliability]. Moscow, Finansy i statistika Publ., 1996, 347 p.
14. Lavrushin O.I. Upravlenie bankovskoi deyatel'nost'yu [Managing the banking operations]. Moscow, Yurist Publ., 2005, 688 p.
15. Larionova I.V. Reorganizatsiya kommercheskikh bankov [Reorganization of commercial banks]. Moscow, Finansy i statistika Publ., 2004, 368 p.
16. Zhigarev I.A. [Modeling and forecasting the innovation activity of a joint-stock commercial bank].
Innovatsii i investitsii = Innovation and Investment, 2010, no. 3, pp. 80-83. (In Russ.)
17. Rubinshtein E.D. [An approach to managing the bank resources]. Aktual'nye voprosy ekonomicheskikh nauk = Topical Issues of Economic Sciences, 2011, no. 21-2, pp. 110-114. (In Russ.)
18. Grigor'eva D.R., Gareeva G.A., Lysanov D.M. [Statistical methods of analysis and forecasting the reliability of a commercial bank]. V mire nauchnykh otkrytii = In the World of Scientific Discoveries, 2015, no. 2, pp. 479-492. (In Russ.)
19. Volkov A.V. [Forecasting the indicators of commercial bank's activity considering the external environment factors: the Sberbank case study]. Fdn-nauka = Fdn-science, 2012, no. 3, pp. 25-30. (In Russ.)
