CC BY
95
стр. 46 из 206
УДК 336.717 DOI: 10.12737/10795
МЕТОДИЧЕСКИЙ ПОДХОД К РАЗВИТИЮ РОЗНИЧНОГО БАНКОВСКОГО БИЗНЕСА НА ОСНОВЕ КОРРЕЛЯЦИОННО-РЕГРЕССИВНОГО АНАЛИЗА
Фаизова Гузель Рефкадовна, эксперт, guzel faizova@mail.ru Москва, Российская Федерация
Силаева Анна Александровна, кандидат экономических наук, доцент кафедры экономики и управления, Silaeva-aa@bk.ru
ФГБОУ ВПО «Российский государственный университет туризма и сервиса»,
Москва, Российская Федерация
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. В банковской деятельности достаточно широко применяются различные модели, основанные на математическом аппарате. Исследование авторов в данном направлении показало, что трудов с использованием эконометрических методов с целью разработки методического подхода к развитию розничного банковского бизнеса не найдено. Целью исследования является оценка взаимосвязи между кредитами, предоставленными нефинансовым организациям и физическим лицам, и объемом банковских вкладов населения/объемом депозитов/объемом вкладов и депозитов. В исследовании использовались ежегодные значения переменных за период 01.01.200701.01.2013, для анализа было доступно 79 наблюдений официальной статистики Банка России по каждому году. В статье представлены методические предложения по совершенствованию розничного банковского бизнеса на основе корреляционнорегрессионного анализа, заключающегося в выявлении взаимосвязи между основными источниками привлечения банковских ресурсов и объемами кредитования на региональных рынках банковских услуг. Полученная форма связи развития розничного банковского бизнеса в виде уравнения регрессии с несколькими переменными величинами может быть использована в качестве банковской методики, позволяющей оценить потенциальные возможности кредитных организаций в случае спадов или подъемов в экономике, а также с целью прогнозирования и выработки стратегии развития. Зная форму связи, можно спрогнозировать, на какую величину будет приподнята кредитная активность, если объем вкладов, например, увеличится только на 1%, и оценить потенциальные возможности кредитных организаций в случае спадов или подъемов в экономике.
Ключевые слова: розничный банковский бизнес, кредитование, привлечение банковских ресурсов, корреляционно-регрессионный анализ
Российская банковская система находится на стадии активного развития розничного бизнеса, в течение которой создана системная инфраструктура,
стр. 47 из 206
обеспечивающая функционирование и развитие розничного банковского бизнеса и позволяющая банкам иметь сильные рыночные позиции и устойчивую операционную эффективность. При этом розничный банковский бизнес со стороны банков требует постоянного совершенствования во всех его аспектах и направлениях с целью достижения эффективной деятельности. Проведенная оценка состояния розничного банковского бизнеса на современном этапе подтвердила, что вклады населения - важнейший источник ресурсов, именно средства клиентов - физических лиц являются основным источником фондирования. Их размещение может осуществляться во всех направлениях, тем самым, в свою очередь, создавать возможность для развития розничного банковского бизнеса. Банки заинтересованы в создании стабильной ресурсной базы и в активном ее наращивании [4, 5].
Развитие розничного банковского бизнеса напрямую завязано с экспансией в регионы. 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 [1, 3].
В банковской деятельности достаточно широко применяются различные модели, основанные на математическом аппарате. Так, М.В. Семенова, исследуя причины массовых досрочных изъятий средств вкладчиков и действие механизма передачи информации о банках, предложила модель рынка банковских вкладов, принципиально отличающуюся от разработанных прежде моделей тем, что учитывает положительные затраты на получение вкладчиками информации об изменении рисков банка. На основе использования методов эконометрического моделирования А.З. Шляховой исследовал развитие 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
стр. 48 из 206
потенциала воздействия финансово-кредитной системы региона на параметры социальноэкономической динамики. Путем сравнительного анализа М.И. Лебедева выявила преимущества и недостатки методов оценки эффективности банков. С помощью методов линейного программирования, позволяющих установить, насколько результаты моделирования чувствительны к форме модели и насколько, следовательно, они объективны, этот автор предложила методику для расчета эффективности работы российских банков. С помощью малоизученных в России эконометрических методов Е.А. Федорова, Ю.А. Сафина, С.В. Литовка исследовали влияние финансовой интеграции на конъюнктуру фондовых рынков в условиях финансового кризиса [2].
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. А.Н. Савруков на основе использования корреляционнорегрессионного анализа установил количественные связи показателей и предложил модель, характеризующую их влияние на динамику ипотечного жилищного кредитования. Исследователь Е.А. Гаевец, используя статистико-экономические методы научного исследования к базе данных рейтингового агентства Standard and Poors, оценил степень прозрачности банковских финансовых институтов в экономике России [1].
Исследование авторов в данном направлении показало, что трудов с использованием эконометрических методов с целью разработки методического подхода к развитию розничного банковского бизнеса не найдено.
Целью исследования является оценка взаимосвязи между кредитами, предоставленными нефинансовым организациям и физическим лицам, и объемом банковских вкладов населения/объемом депозитов/объемом вкладов и депозитов.
Для достижения указанной цели необходимо:
1) провести корреляционный анализ в целях измерения тесноты связи между переменными;
2) определить наиболее значимые показатели и характер их влияния на размер выданных кредитов для определения массива данных при проведении следующего этапа исследования;
3) провести регрессионный анализ для выявления причинно-следственных связей между анализируемыми совокупностями показателей.
Вначале проводится корреляционный анализ с целью измерения тесноты связи между переменными. В качестве характеристики степени тесноты связи используется
стр. 49 из 206
парный коэффициент корреляции, позволяющий измерить степень тесноты
статистической связи между парой переменных без учета опосредованного или совместного влияния других показателей. Данный показатель вычисляется по результатам наблюдений анализируемой пары. Для достижения поставленной цели выявляется вероятная связь одной измеренной величины заданного диапазона 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 [2].
Для прогнозирования кредитной активности на основании рассмотренных факторов рассчитываются математические модели в виде уравнения множественной регрессии с несколькими величинами [1].
В исследовании использовались ежегодные значения переменных за период 01.01.2007-01.01.2013: кредиты и прочие размещенные средства, предоставленные нефинансовым организациям, и кредиты, предоставленные физическим лицам, млн. руб. (по головным офисам кредитных организаций и филиалам, расположенным на территории региона); вклады физических лиц, млн. руб. (по головным офисам кредитных организаций и филиалам, расположенным на территории региона); депозиты юридических лиц, млн. руб. (по головным офисам кредитных организаций и филиалам, расположенным на территории региона).
Для анализа было доступно 79 наблюдений официальной статистики Банка России по каждому году. Не включаем данные по г. Москве в силу существенной не сопоставимости значений с другими субъектами РФ. Данные были поделены на три части по значимости:
- первый период - до кризиса (2006-2007 гг.);
- второй период - кризис (2008-2009 гг.);
- третий период - посткризисное время (2010-2012 гг.).
Первым шагом исследования является корреляционный анализ, дающий возможность судить о том, существует ли линейная зависимость между рассматриваемыми показателями. Корреляционная матрица для всех трех периодов представлена в таблице 1. Проведенный корреляционный анализ позволяет отметить существование линейной зависимости между рассматриваемыми показателями. Данные таблицы 1 показывают достаточно высокие значения парных коэффициентов корреляции.
стр. 50 из 206
Таблица 1 - Корреляционная матрица
Заданные переменные Кредиты Вклады Депозиты
Док1 эизисный период (2006-2007 гг.)
Кредиты 1,0000 0,9259 0,7834
Вклады 0,9259 1,0000 0,8250
Депозиты 0,7834 0,8250 1,0000
Кризисный период (2008-2009 гг.)
Кредиты 1,0000 0,9114 0,7997
Вклады 0,9114 1,0000 0,8002
Депозиты 0,7997 0,8002 1,0000
Посткризисный период (2010-2012 гг.)
Кредиты 1,0000 0,9270 0,8024
Вклады 0,9270 1,0000 0,8655
Депозиты 0,8024 0,8655 1,0000
Анализ данных, представленных в матрице, свидетельствует о том, что как в относительно стабильных докризисном и посткризисном периодах, так и в кризисном периоде наблюдаются достаточно высокие значения парных коэффициентов корреляции заданных переменных. Причем влияние вкладов сильнее влияние депозитов.
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 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. 2) [2].
Таблица 2 - Качественная оценка тесноты связи
Показатель (причина) Коэффициенты парной ко рреляции Оценка тесноты связи (шкала Чеддока)
2006-2007 гг. 2008-2009 гг. 2010-2012 гг.
Вклады физ. лиц 0,9259 0,9114 0,9270 Очень сильная
Депозиты юр. лиц 0,7834 0,7997 0,8024 Сильная
Характер тесноты связи в период кризиса идентичен докризисному и посткризисному периодам. Отметим, что вклады физических лиц демонстрируют
стр. 51 из 206
максимальное значение в посткризисный период - 0,9270, минимальное в кризисный период - 0,9114, депозиты юридических лиц максимальное значение также в посткризисный период - 0,8024, минимальное значение в докризисный период - 0,7834.
Для проведения регрессионного анализа оставим обе заданные переменные: вклады физических лиц - х1, депозиты юридических лиц - х2.
Данные регрессионной статистики имеют вид, представленный в таблице 3.
Необходимо отметить, что значимость принятых для нахождения формы связи факторов достаточно высока. Запишем полученное уравнение регрессии (или уравнение прогнозирования) в окончательном виде:
у = 22 587,3 + 1,0666x7 + 1,1762х2,
где у - кредиты и прочие размещенные средства, предоставленные нефинансовым организациям и кредиты, предоставленные физическим лицам, млн. руб.; х1 - вклады физических лиц, млн. руб.; х2 - депозиты юридических лиц, млн. руб.
Таблица 3 - Данные регрессионной статистики
Независимая переменная Коэффициент t-статистика Коэффициент детерминации
Свободный член 22 587,3 5,6270
х1 1,0666 16,9228 0,7552
х2 1,1762 7,6851
Свободный член (сдвиг), равный 22 587,3, формально надлежит понимать следующим образом: объем кредитов и прочих размещенных средств, предоставленных нефинансовым организациям, и кредитов, предоставленных физическим лицам, составляет 22 587,3 млн. руб. Сдвиг следует обсуждать как вспомогательную величину, необходимую для получения оптимальных прогнозов, а не истолковывать ее абсолютно буквально.
Коэффициенты регрессии 1,0666 и 1,1762 следует рассматривать как степень влияния каждой из переменных на размер кредитов и прочих размещенных средств, предоставленных нефинансовым организациям, и кредитов, предоставленных физическим лицам, если все другие независимые переменные остаются неизменными. Так, например, коэффициент 1,0666 указывает, что при прочих равных условиях повышение вкладов населения в регионе их присутствия на 1 млрд. руб. приведет к возрастанию размера кредитов на 1 0666 млн. руб. и т. д.
стр. 52 из 206
Для проверки значимости (пригодности) полученного уравнения регрессии применяют специальные приемы. Такую проверку называют проверкой адекватности модели.
Регрессия проведена с помощью сопоставления вычисленных значений F-критерия за счет сопоставления вычисленного значения Брасч с эталонным (табличным) показателем Бкрит для соответствующего уровня значимости. В рассматриваемом случае неравенство Брасч < Ркрит выполнено. 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 R расч > R крит. выполнено, поэтому с упомянутой степенью вероятности (95%) можно утверждать, что анализируемая регрессия является значимой.
Изложенные в представленном исследовании результаты взаимосвязи между основными источниками привлечения банковских ресурсов и объемами кредитования на региональных рынках банковских услуг выявили наиболее тесные связи между рассмотренными показателями. Полученная форма связи развития розничного банковского бизнеса, в т.ч. за счет прогнозирования кредитной активности, в виде уравнения регрессии с несколькими переменными величинами может быть использована в качестве банковской методики.
Предложенный методический подход к совершенствованию розничного банковского бизнеса на основе корреляционно-регрессионного анализа, заключающийся в выявлении взаимосвязи между основными источниками привлечения банковских ресурсов и объемами кредитования на региональных рынках банковских услуг, может быть использован в качестве методики, позволяющей оценить потенциальные возможности кредитных организаций в случае спадов или подъемов в экономике, а также с целью прогнозирования и выработки стратегии развития. Зная форму связи, можно прогнозировать, на какую величину будет приподнята кредитная активность, если объем вкладов, например, увеличится только на 1%. Данная методика также позволяет оценить потенциальные возможности кредитных организаций в случае спадов или подъемов в
экономике.
стр. 53 из 206
Литература
1. Заернюк, В.М. Анализ зависимости между индикаторами социальноэкономических показателей и кредитной активностью в российских регионах // Региональные финансы. - 2013. - №21 (300). - С. 46-52.
2. Заернюк, В. М. Анализ влияния основных социально-экономических показателей на развитие региональных рынков банковских вкладов // Финансовая аналитика. - 2013. -№21 (159). - С. 17-22.
3. Заернюк, В.М., Силаева, А.А. Деньги, кредит, банки: конспект лекций. М.: ФГУП НТЦ «Информрегистр», 2013.
4. Заернюк, В.М., Черникова, Л.И. Экономическая модель развития рынка банковских услуг: концептуальный подход // Финансы и кредит. - 2012. - №7. - С. 41-48.
5. Макаренко, А.А. Формирование современной системы управления финансами банка // Индустрия сервиса в XXI веке: сб. науч. трудов Третьей Международной конференции. - М., 2001. - С. 81-82.
6. Макаренко, А. А. Кредитные риски как объект контроля над коммерческими банками // Финансово-экономические аспекты становления рыночной экономики: сб. ФГБОУ ВПО «Российский государственный университет туризма и сервиса». - М., 2000. - С. 45-49.
7. Понемкин, С.А., Новикова, Н.Г., Ларина, Т.А. Подходы к управлению экономической надежностью многофилиального банка // Финансы и кредит. - 2010. -№ 35. - С. 2-10.
8. Черникова, Л.И., Заернюк, В.М. Основные показатели и критерии оценки обеспеченности регионов России услугами микрофинансирования // Сервис plus. - 2012. -№1. - С. 99-104.
9. Черникова, Л. И. Стратегия развития розничного финансового рынка России // Актуальные проблемы реструктуризации российских предприятий: сб. науч. трудов 1Х Всероссийской научно-практической конференции. - Пенза: Пензенская государственная сельскохозяйственная академия, 2009. - С. 133-144.
стр. 54 из 206
SYSTEMATIC APPROACH TO THE DEVELOPMENT OF RETAIL BANKING BASED ON CORRELATION-REGRESSION ANALYSIS
Faizova Guzel Refkadovna, Expert, guzel_faizova@mail.ru Moscow, Russian Federation
Silaeva Anna Aleksandrovna, PhD (Cand. Sc.) in Economics, Associate Professor, Department of Economics and Management, Silaeva-aa@bk.ru
Russian State University of Tourism and Service, Moscow, Russian Federation
The crisis of financial globalization increases uncertainty, contributes to the emergence of new risks, so the strategy of development banks in the Russian regions, focused on domestic resources, should be formed on the basis of pre-calculable scenarios of socio-economic development for certain conditions. In banking activities are widely used various models based on the mathematical apparatus. The study shows the absence of works using econometric techniques to develop a methodical approach to the development of the retail banking business. The aim of the study is to assess the relationship between loans granted to non-financial organizations and individuals, and the amount of bank deposits / deposits volume / volume of deposits. The study used annual values of the variables for the period 01.01.2007-01.01.2013, for analysis were available 79 observations of official statistics of the Bank of Russia for each year. The article presents the methodological proposals to improve the retail banking business on the basis of regression analysis where identified are the relationships between the primary source of bank resources and the volume of lending in regional banking markets. The resulting form of relation of the retail banking business in the form of regression equations with multiple variables can be used as a banking methodology to evaluate the potential of credit institutions in the event of a recession or boom in the economy, as well as to predict and develop a strategy. Knowing the form of communication, it is possible to predict at what value will be raised lending activity, if the amount of deposits, for example, increases by only 1%, and to assess the potential of credit institutions in the event of a recession or boom in the economy.
Keywords: retail banking, loans, bank resources, correlation and regression analysis
References
1. Zaerniuk, V.M. Analiz zavisimosti mezhdu indikatorami sotsial'no-ekonomicheskikh pokazatelei i kreditnoi aktivnost'iu v rossiiskikh regionakh [Analysis of the relationship between indicators of socio-economic indicators and credit activity in the Russian regions] // Regional'nye finansy. - 2013. - №21 (300). - pp. 46-52.
2. Zaerniuk, V.M. Analiz vliianiia osnovnykh sotsial'no-ekonomicheskikh pokazatelei na razvitie regional'nykh rynkov bankovskikh vkladov [Analysis of the influence of the main socioeconomic indicators on the development of regional markets for bank deposits] // Finansovaia analitika. - 2013. - №21 (159). - pp. 17-22.
3. Заернюк, В.М., Силаева, А.А. Деньги, кредит, банки: конспект лекций. М.: ФГУП НТЦ «Информрегистр», 2013.
стр. 55 из 206
4. Zaerniuk, V.M., Chernikova, L.I. Ekonomicheskaia model' razvitiia rynka bankovskikh uslug: kontseptual'nyi podkhod [Money, credit, banks: lecture notes] // Finansy i kredit. - 2012. - №7. - pp. 41-48.
5. Makarenko, A.A. Formirovanie sovremennoi sistemy upravleniia finansami banka // Industriia servisa v XXI veke [Formation of a modern financial management system of the bank]: sb. nauch. trudov Tret'ei Mezhdunarodnoi konferentsii. - M., 2001. - pp. 81-82.
6. Makarenko, A.A. Kreditnye riski kak ob"ekt kontrolia nad kommercheskimi bankami // Finansovo-ekonomicheskie aspekty stanovleniia rynochnoi ekonomiki [Credit risk as an object of control over commercial banks]: sb. FGBOU VPO «Rossiiskii gosudarstvennyi universitet turizma i servisa». - M., 2000. - pp. 45-49.
7. Potemkin, S.A., Novikova, N.G., Larina, T.A. Podkhody k upravleniiu ekonomicheskoi nadezhnost'iu mnogofilial'nogo banka [Approaches to managing economic reliability of a multidivisional bank] // Finansy i kredit. - 2010. - № 35. - pp. 2-10.
8. Chernikova, L.I., Zaerniuk, V.M. Osnovnye pokazateli i kriterii otsenki obespechennosti regionov Rossii uslugami mikrofinansirovaniia [Key indicators and criteria for evaluation of microfinance services in the regions of Russia] // Servis plus [Service plus]. -2012. - №1. - pp. 99-104.
9. Chernikova, L.I. Strategiia razvitiia roznichnogo finansovogo rynka Rossii [The development strategy of the retail financial market of Russia] // Aktual'nye problemy restrukturizatsii rossiiskikh predpriiatii: sb. nauch. trudov IKh Vserossiiskoi nauchno-prakticheskoi konferentsii. - Penza: Penzenskaia gosudarstvennaia sel'skokhoziaistvennaia akademiia, 2009. - pp. 133-144.
