CC BY
205
УДК 330.142.222
В.А. Фатуев, д-р техн. наук, проф., зав. кафедрой, (4872)35-79-84, (Россия, Тула, ТулГУ);
В.Л. Алхасов, аспирант, (4872)42-24-17, (Россия, Тула, ТулГУ)
МЕТОДЫ ОЦЕНКИ ЭФФЕКТИВНОСТИ ФУНКЦИОНИРОВАНИЯ И МЕСТОПОЛОЖЕНИЯ НОВОГО ФИЛИАЛА КОММЕРЧЕСКОГО БАНКА
Рассмотрены параметрические и непараметрические методы оценки эффективности функционирования филиала коммерческого банка, а также методы оценки местоположения нового филиала коммерческого банка.
Ключевые слова: метод свободной оболочки, модель стохастической границы, модель аналогий, гравитационная модель, модель покрытия, модель потоков.
В настоящее время в России наблюдается широкомасштабное развитие сетей в банковском секторе экономики, в частности, проникновение филиалов крупных коммерческих банков на региональные рынки. Ввиду интенсивной экспансии банков число отделений растет достаточно быстро, что влечет за собой необходимость внедрения в банке системы оценки и мониторинга эффективности функционирования существующей сети. Более того, становится актуальным вопрос о нахождении потенциальных мест для создания новых филиалов сети коммерческого банка не только на основе своевременного реагирования на стратегию поведения основного конкурента относительно открытия новых филиалов, но и на базе анализа перспектив развития собственной сети филиалов.
В связи с этим в данной работе анализируется, как определить эффективность функционирования существующих банковских отделений и как правильно выбрать место для создания нового филиала банка.
1. Методы оценки и мониторинга эффективности филиала коммерческого банка
Эффективность функционирования филиала коммерческого банка является многоаспектным понятием. С одной стороны, это способность филиала достигать ранее поставленных целей, с другой стороны, это способность достигать оптимального соотношения затраченных ресурсов и полученных результатов.
Эффективное развитие финансовой системы и банковской системы страны является значимым и существенным фактором экономического роста. Выполняя важные функции, такие, как трансформация сбережений в инвестиции и упрощение трансакций между экономическими агентами,
банковская система может не обладать достаточной устойчивостью для противостояния кризисным ситуациям. Предлагаемые для рассмотрения модели и методы оценки эффективности банков и банковских систем позволяют определить основные факторы и детерминанты успешной работы банков и выделить проблемы и несовершенства банковской системы.
В простейшем случае эффективной называется организация, производящая максимально возможный объем выпуска при заданном объеме затрачиваемых ресурсов или использующая минимально возможный объем ресурсов для производства заданного объема выпуска. Существуют два основных подхода к оценке эффективности функционирования организаций — это параметрические и непараметрические подходы [1, 2].
В литературе проводится различие между параметрическими и непараметрическими методами оценки эффективности. К первой группе относят метод стохастической границы (Stochastic Frontier Approach (SFA)), метод без спецификации распределения (Distribution Free Approach (DFA)), метод широкой границы (Thick Frontier Approach (TFA)). Bo вторую группу входят метод оболочечного анализа данных (Data Envelopment Analysis (DEA)) и частный случай DEA — метод свободной оболочки (Free Disposal Hull (FDH)) [1].
Данные два направления основаны на граничном анализе: мера эффективности каждого филиала определяется, насколько близки филиалы к «границе эффективности», относительно которой можно измерить эффективность конкретного предприятия. Граница эффективности моделируется в зависимости от того, какие поведенческие предпосылки вводятся в отношении исследуемых организаций. Соответствующие модели позволяют рассматривать организацию с различных точек зрения
— либо как максимизирующую выпуск, либо как миниминизующую издержки, либо как максимизирующую прибыль, т. е. когда одновременно минимизируются издержки и максимизируется выручка. Если для организаций (банков) целесообразно рассмотреть, насколько эффективно они способны минимизировать издержки (максимизировать прибыль), то границей эффективности будет считаться минимально возможный уровень издержек (максимально возможная прибыль) при заданных объемах выпуска и при определенном уровне экзогенно заданных цен ресурсов. Применительно к банковской практике в качестве ресурсов для производства услуг могут использоваться не только трудовые ресурсы и физический капитал, но и привлеченные банком финансовые средства. В итоге эффективность рассчитывается на основе сопоставления фактических издержек банка и минимально возможных издержек (фактической прибыли и максимально возможной прибыли).
Надо отметить, что трактовка получаемых оценок эффективности банков должна осуществляться с некоторой осторожностью, т. е. со ссылкой на то, какая конкретная спецификация модели используется. Так, если в качестве параметров, анализируемых в модели, используются показатели, так или иначе связанные с доходами или прибылью банка (и по определению положительно влияющие на эффективность), то должны учитываться также и параметры, отражающие рискованность банковских операций (поскольку высокий уровень доходов (прибыли) банка может быть достигнут за счет принятия банком на себя слишком высоких рисков). В этом случае в модель могут вводиться параметры, отражающие этот факт и помогающие получить более адекватные оценки эффективности (в качестве таких параметров используются данные по просроченным кредитам банков, резервам на возможные потери по ссудам и др.). Включение таких параметров может помочь правильно оценить банки, которые по сравнению с другими банками тратят значительные ресурсы, например, на мониторинг кредитной задолженности, инновационные исследования и разработки и т. д. Очевидно, что подобные затраты не должны трактоваться как избыточные, напротив, они могут способствовать значительному росту эффективности банка, в том числе в долгосрочной перспективе.
Непараметрический подход позволяет построить кусочно-линейную границу эффективности как «оболочку» имеющихся фактических наблюдений по банкам. При оценке эффективности используются методы линейной оптимизации, а отклонения от границы эффективности трактуются как результат неэффективности.
Параметрический подход исходит из того, что граница эффективности представляет собой теоретический идеал. Этот подход требует спецификации конкретной функциональной формы границы эффективности и предполагает ее эконометрическое оценивание. Отклонения показателей банка от теоретической границы эффективности будут трактоваться как результат частично неэффективности и частично — случайной ошибки.
1.1. Непараметрический подход к оценке эффективности
Непараметрический подход к оценке эффективности включает в себя индексные методы и метод оболочечного анализа данных (Data Envelopment Analysis, DEA), а также его модификация — метод свободной оболочки (Free Disposal Hull Approach, FDH) [2].
Непараметрический подход предполагает, что ряд банков является максимально эффективной группой и, следовательно, формирует границу эффективности. Эффективная граница по методу оболочечного анализа данных DEA формируется как кусочно-линейная кривая, которая соединяет наиболее эффективные значения, тем самым формируя
выпуклую кривую производственных возможностей. Метод свободной оболочки FDH — это особый случай метода оболочечного анализа данных DEA, когда точки на линиях, соединяющих вершины, не включаются в границу эффективности.
1.2. Параметрический подход к оценке эффективности
Параметрические методы предполагают эконометрическое оценивание границы эффективности, т. е. максимально возможного потенциального уровня эффективности банка. Конкретные оценки эффективности получают, сравнивая результат деятельности банка с максимально возможным. В отличие от непараметрических подходов, где ряд банков будет иметь 100-процентную эффективность, при использовании параметрического подхода все банки могут иметь уровень эффективности ниже максимального.
Основной параметрический метод оценки эффективности — это модель стохастической границы (Stochastic Frontier Approach, SFA).
В основе модели SFA лежит предположение о том, что неэффективность несимметрично распределена, тогда как случайная ошибка подчиняется симметричному распределению. Модель выглядит следующим образом [2]:
Y = x Р + (V - U), i = 1,..., N,
где Vi — случайная ошибка, распределенная нормально; U — неэффективность, имеющая одностороннее распределение.
Часть (xр + V) является стохастической границей в том смысле, что ее положение для банка i зависит не только от детерминированной части xtp , ной от воздействия на каждый конкретный банк случайных факторов,
представленных компонентом Vi. Таким образом, для каждого банка будет рассматриваться своя «точка» эффективности.
В модели стохастической границы специфицируется конкретная функциональная форма границы эффективности. Как правило, используется функция в логарифмах с перекрестными влияниями, в которой издержки банка являются зависимой переменной, а объясняющими переменными будут показатели выпуска (ссуды, другие вложения), цены ресурсов и их перекрестные произведения.
Другие параметрические подходы, не требующие спецификации вида распределения неэффективности, — это метод без спецификации распределения (Distribution-free approach, DFA) и метод широкой границы (Thick frontier approach, TFA) [2].
Метод без спецификации распределения предполагает, что существует устойчивая во времени средняя эффективность для каждого банка, а случайные ошибки за некоторый промежуток времени усредняются до нуля.
При использовании метода широкой границы для оценки параметров регрессионного уравнения используются только банки, имеющие издержки, принадлежащие низшему квартилю распределения в своем классе по объему активов. Отклонения от прогнозных значений внутри наивысшего и самого низкого квартилей представляют собой случайную ошибку, тогда как отклонения в прогнозных значениях между наивысшим и самым низким квартилями представляют собой неэффективность.
При анализе именно банковской проблематики важно определить входные и выходные параметры для оценивания. Поскольку банк — финансовый посредник, можно предположить, что в качестве ресурсов он использует не только капитал и трудовые ресурсы, но и депозиты. Кредиты будут относиться к выходным параметрам.
Когда мы рассматриваем эффективность отдельных операций банков, депозиты могут быть выходным параметром. Надо отметить, что возможна и такая спецификация, в которой в качестве выходных параметров используются одновременно и кредиты, и депозиты. В рамках подобного подхода банк будет рассматриваться как организация, предоставляющая несколько видов услуг (по выдаче кредитов, размещению депозитов идр.) для экономических агентов.
2. Методы оценки потенциального местоположения нового филиала коммерческого банка
В литературе, посвященной эффективному размещению отделений коммерческого банка, выделяется необходимость осуществления моделирования поведения потребителей, определения торговой зоны и ее демографических характеристик, анализа особенностей местоположения.
Моделирование поведения потребителей производится с целью удовлетворения потребностей клиентов таким образом, чтобы последним было удобно получать предоставляемые отделением банка услуги. В результате этого клиент будет лоялен к филиалу, что приносит выгоду отделению коммерческого банка в виде прибыли.
Для того чтобы отделение было успешным, должны выполняться два основных условия: во-первых, отделение должно привлечь клиентов и, во-вторых, эти клиенты должны быть интересны банку, т. е. достаточно платежеспособны и заинтересованы в тех банковских продуктах, которые приносят банку большую прибыль.
Клиенты, как правило, посещают отделение банка в непосредственной близости от места работы или жительства. Именно поэтому для успешности отделения большое значение играет место размещения. Город или другая крупная территория, на которой решено размещать отделения, является, как правило, неоднородной по спросу на банковские услуги. Именно поэтому некоторые места для размещения отделений оказываются привлекательнее прочих. Для построения модели
задается математическое описание характеристик спроса на рассматриваемой территории. Как правило, для описания выделяются небольшие подобласти (кварталы, микрорайоны), относительно однородные по спросу. Для каждой такой подобласти задаются различные характеристики спроса: уровень доходов жителей, число сотрудников офисов, доля пенсионеров и другие. Перечень используемых характеристик зависит от конкретной модели, условий применения и от того, какие достоверные данные могут быть получены по выбранному для размещения району. При создании сети в совершенно новой для банка области используются данные государственной статистики и данные социологических исследований.
Для характеристики спроса в области в некоторых моделях используются данные не только о характеристиках жителей и работников в районе, но и данные о потоках людей, перемещающихся в районе. Например, в торговых зонах или центральных зонах городов число постоянных жителей и работающих не очень велико, однако спрос на банковские услуги может быть велик, так как большое количество людей проходит через зону в течение дня.
После того, как описаны характеристики имеющихся в интересующем районе потребителей, возникает необходимость математически смоделировать поведение и предпочтения этих потребителей.
Существует несколько подходов к описанию поведения клиента банка или другого розничного предприятия: модель аналогий,
гравитационная модель, модель покрытия и модель потоков [1, 3].
Разработано несколько модификаций модели аналогий, основная идея которой состоит в том, что новое отделение будет работать так же, как существующие отделения, похожие на него. Рассмотрим далее одну из модификаций модели аналогий.
Среди действующих отделений банка отбираются несколько отделений, работающие в условиях, похожих на предполагаемые условия работы новых отделений. Для этих отделений строится регрессионная модель зависимости уровня депозитов от параметров окружающей местности, влияющих на успешность отделения. В данной модели использовались такие параметры, как уровень образования жителей, средний размер домохозяйств, количество фирм, расстояние до торгового центра, возраст отделения и другие. Полученная таким образом на основе исторических данных модель используется для прогноза объема привлеченных депозитов в потенциальных отделениях. То есть предполагается, что потребители вокруг точки размещения нового потенциального отделения будут вести себя примерно так же, как и клиенты уже существующих отделений банка.
Основным преимуществом аналоговой модели является простота применения, но у модели есть и существенные недостатки:
- аналоговая модель не рассматривает возможные места размещения филиалов как единую сеть. Предполагается, что все они изолированы и не влияют друг на друга. На практике расположенные рядом отделения одного банка могут «переманивать» клиентов друг у друга;
- данная модель не учитывает влияние расстояния на выбор потенциальных клиентов;
- модель в общем случае не учитывает конкуренцию. Для устранения этого недостатка часто в регрессионную модель вводят объясняющую переменную, характеризующую уровень конкуренции, но такая оценка является неточной и подчас субъективной;
- аналоговая модель предполагает относительную однородность размещаемых отделений.
Другая модель, описывающая поведение потребителей, — модель MCI (Multiplicative Interaction Choice), которая является модификацией гравитационной модели. Область, в которой размещаются отделения, делится на точки спроса. Точек может быть достаточно много, каждая точка получает вес сообразно уровню спроса в том районе, который она обозначает. Затем определяется вероятность того, что клиент из i-й точки отправится в j-e отделение за услугой, которая рассчитывается следующим образом [3]:
Л
d2
p =
■у п Л ’
^Лк
а2
к=1 а к
где п — количество отделений; Л| — привлекательность ]-го отделения; ёу — расстояние от ьй точки до ]-го отделения.
Далее можно вычислить ожидаемое количество клиентов ]-го отделения из ьго района (Бу) [3]:
Е = Р • С,
где С! — количество клиентов в ьй точке.
Величину ожидаемого количества клиентов уже можно использовать в целевой функции, например, максимизируя ее для открываемого отделения.
В самом простом случае под привлекательностью понимают размер отделения.
Для получения картины близкой к реальности при расчете привлекательности, как и в аналоговом методе, учитывается более полная информация об отделениях банка. На привлекательность могут влиять как факторы, напрямую зависящие от банка, например спектр услуг, так и
окружающие характеристики: наличие подъезда, парковки, близость торгового центра и даже возраст отделения. Важным достоинством данной модели является возможность учета взаимовлияния рассматриваемого отделения и отделений конкурирующих банков, а также влияние отделений нашего банка друг на друга. Существенным недостатком данной модели является сложность поиска оптимальных решений для задач, построенных на ее основе.
Третья модель, условно называемая моделью покрытия, в основном используется для размещения новых отделений и так же, как и модель аналогий, в явном виде не учитывает влияния конкурентов на поведение потребителей. Спрос в модели покрытия моделируется следующим образом: выделяются точки спроса, каждая из которых имеет
определенные характеристики и соответствует микрорайону или кварталу. Затем задается максимальное расстояние (назовем его Я), которое готовы преодолеть потенциальные клиенты для получения банковских услуг. Это расстояние может быть определено различными способами: по данным социологических исследований либо из собственной статистики банка по местам жительства и работы клиентов, исходя из плотности населения и типа застройки на местности и т. п. Иногда расстояние Я задается исходя из заинтересованности банка в клиентах соответствующей области. При расчетах в данной модели считается, что все точки спроса, попавшие в круг радиуса Я вокруг размещенного отделения, являются покрытыми и спрос из этих точек будет привлечен банком. По сути, предпочтения клиентов в такой модели не учитываются. Модель максимизирует не количество привлеченных клиентов, а количество потенциальных клиентов, попадающих в зону «влияния» банковской сети.
Модель потоков предлагает моделировать поведение потребителей с помощью описания движения человеческих потоков. В таком случае задаются характеристики потоков: начальные и конечные точки,
потребительские характеристики. Поведение потребителей в потоке может быть описано разными способами: в одних случаях считается, что потребитель потребляет услугу в любом случае, если проходит непосредственно через место, где расположено отделение, в других случаях рассчитывается вероятность посещения потребителем отделения в зависимости от расстояния от его маршрута до отделения и от привлекательности отделения.
Во всех моделях, кроме аналоговой, большое влияние на выбор потребителя о посещении отделения оказывает расстояние. В тех моделях, где потребители и отделения банка располагаются на плоскости, чаще всего используется евклидово расстояние, поскольку его применение наиболее удобно для проведения расчетов. В моделях, где для описания потребителей, отделений и территории используются графы, в качестве расстояния берется кратчайшее расстояние по сети.
Библиографический список
1. Алескеров Ф.Т., Белоусова В.Ю. Эффективное развитие филиальной сети коммерческого банка [Электронный ресурс]: докл. на VIII Межд. науч. конф. 2007 г. / Государственный университет ВШЭ. URL: www.hse.ru/data/140/768/1238/Makarova.doc (дата обращения 03.09.2010 г.).
2. Алескеров Ф.Т., Мартынова Ю.И., Солодков В.М. Анализ и оценка
эффективности функционирования банков и банковских систем [Электронный ресурс]: докл. на VIII Межд. науч. конф. 2007 г. / Государственный университет ВШЭ. URL:
http://new.hse.ru/sites/mbd/program.aspx (дата обращения 21.09.2010 г.).
3. Кисельгоф С.Г., Алескеров Ф.Т. Размещение отделений банка. Обзор проблемы // Бизнес-Информатика. 2009. № 1(07). С. 59-69.
V.A. Fatuev, V.L. Alkhasov
The metods of value of effectiveness of functioning and the place of a new branch of the commercial bank
Having discussed the parametric and non-parametric techniques of the methods of value of effectiveness of functioning of a new branch of the commercial bank and also the methods of value of the place of a new branch of the commercial bank.
Key words: a method of a free environment, model of stochastic border, model of analogies, gravitational model, model of a covering, model of streams.
УДК 339.138
И.И. Фомичев, аспирант, (4872)35-74-09, libra@newmail.ru, (Россия, Тула, ТГПУ)
ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ БРЕНДИНГА БАНКОВСКИХ УСЛУГ
Приведены результаты исследования, показывающие неэффективность брендинга российских банков. Предлагается при проведении брендинга использовать модель Аакера и модель резонанса бренда в интерпретации Келлера, подход точек сходства и точекразличий брендов.
Ключевые слова: брендинг брендинга банков, модели Аакер, модель резонанса бренда, подход точек сходства и различий.
В условиях посткризисного восстановления рынка банковских услуг важным условием успеха в конкурентной борьбе является построение интегрированных систем банковского маркетинга. Центральным элементом этих систем является бренд, портфель брендов [1, 2, 3, 4]. Ф. Котл ер идентифицирует бренд с услугой, обладающей свойствами,
