CC BY
24
♦-♦
7667S76fljjiail.ru Татьяна Викторовна Гришина,
кандидат экономических наук.
ПАО «Межревиональный промышленно-строительный банки,
УДК 332.14:335.7 $. Саранск
МНОГОМЕРНАЯ КЛАССИФИКАЦИЯ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ ПО ПОКАЗАТЕЛЯМ КРЕДИТНЫХ ОРГАНИЗАЦИЙ
Комплексный анализ регион а пьнои дифференциации банковского сектора определяет необходимость Принимать во внимание широкий перечень показатепей развития кредитных организации Позему возрастает актуальность и практическая значимость проведения многомерного исследовали я возможность которого предоставпяет кластерным анализ
Цепьюясследованиячвпяется сравнительныи анализ уро&ня развития кредитных организация по регионам Российской Федерации Согласно поста аленггой цели в статье рассмотрены следующие .задачи разбиение совокупности РОССИЙСКИ* РВГИАНРГ! ив ОДНОРОДНЫ* группу па Нескольким тйфзэперям - редитнуу арганюнцртй и количественная характерней на вьделенных кластеров Выделений совокупности российских регионов со схожими параметрами развитая кредитных организаций осуществляется посредством реализации многомерного кластерного анализа Результатом проведенного исследования явпяется выделение и описание сипьных средних и слабых групп регионов по урсвлнз актинности Кредитных организаций
Ключевое слова кредитная ор?анизаццр, банковски сустава, кластерный ачэлиз, храстариззцця рёёНОНОв.
T.V. Grishina
MULTI-ASPECT CLASSIFICATION OF THE REGIONS OF THE RUSSIAN FEDERATION BY INDICATORS OF CREDIT INSTITUTIONS
The author states (hat a comprehensive analysis of regional diffeiences in the banking sector requires taking mto account a wide range of Indicators of credit Institutions development. Therefore, relevance and practical significance of multi-aspect research which is made politi c hy cluster anniy$i$ эгв growing The- study aims lo provide a comparative analysis оГ the level of development oTcredit institutions across an ге^юле of the Ru ssi э n Federatian Ino'det tD complete the research tiie author considers the following problems: subdivision of Russian regions mta homogeneous groups according to several indicators or credit organisations a no quantitative characteristics of ttie seiected clusters Subdividing: of Russian regions with similar parameters of credit Institutions development into clusters Is car rred out wth tne hc:p of mulii-aspect c|uster analysis The re&ulT of the siudy '5 the identificalion and -nascnpE on of strong medium and weak groups of regions Interims of l he levet oi credit mslitulions activity Keywords: credit institution, banking system, duster analysis regional clustering
В процессе развития российскаябанково:ая система претерпелз существенные изменения, которые.' носят количественный, качественный и структурный характер Варной географической особенное 1ью Российской Федерации, занимающей первое место в мире по территории, язпяетспочевидная неравномерность социально-экономического развития отдепьнык административно-территориальных образований, что, о св-ом очередь, не может не отразиться и на раза ит и и банковской йисгемы Вследствие этого как с научной тэх и с пршгт*!ческой тон е* зре ни я сче нь важной я в пя-ется обоснованная чараигтеристика российские регионов по показателям кредитных организаций.
Одним из наиболее эффективны* инструментов подобного исследования б настоящее время выступа ет многомерный кластерный анализ, который предоставляет возможность выдепять и описывать раз печные группы регионов со схожими параметрами развития банопаской системы Важное преимущество многомерного кластерного анализа :а*лючаетсяо том
что пи позволяет производить, разбиение наблюдаемых объекте а не по одному параметру, а по цепом у набору п р« з на ков Кла стер н ы й а нали з пред остзел яет возложность систематизировать и анализировать достаточно большой Объем исследуемой информации и су 4,0; стве^но сокращать большие г/а сои вы информации, делать их компактными и нагпядными Помимо этого. кластерные анализ, вотличие от большинства матвматико-стати Отечески л методов, ье закладывает никаких ограничений на вид исследуемых объектов и п озео ляет рэ ссмятривать мм ожестео исход ных д ач ных практически про из дольной природа ¿1, с 143]
Исследование проведано на основе материалов Фед&раЛьнрй службы государственной статистики и Центрального банка Российское Федерации, которые находятся в открытом доступе на официальных сайтах организации [3: 5] Кластерный анализ проводипся по следующим показателям' количество кредитныу организации и ил фипиалов, активы а пассивы кредитные организаций, общий об-ъ-ем прибыли полученной
кредитными организациями привлеченные и размещенные средства кред*;ных организаций. Кластеризация регионов осуществлена с использованием программы STATISTICS предоставляющей значительнее вычислительные и аналитические возможности
Результаты кластерного анализа могут быгь использованы при формирована* приоритетны* из-правнений стратегического развития региональной банковской системы, поскольку вьделяюп совокупность регионов с недостаточным урйрнем развкггия банковском сферы В то ме еремя кластеризацип показывает российские регионы, которые являются пидк^ами сегмента и подчеркивает потенциал развития.
Кластерный анализ включает в себя набор разнообразных алгоритм он многомерной классификации В процессе исследования приоритет отдан методу h-средних - наиболее распространенному среди неиерархически* методов классификации который характеризуется высокой устойчивостью по отношении к выбросам, что особенно важно при региональных исследования* В методе к-средких обьект принадлежит к тому кластеру, расстояние до которого минимально Расстонние пони мает» как евклидово расстояние, обьекты рассматривался как точки евклидова пространства [2, с. 187].
РЛ асе № исход ных да н ных дл я класте рн ого а нал из а формировался исходя из наличия и доступности информации в открытых источниках и перйсначально включал данные за 201 ir по 82 регионам.
Применению метода íf-средних обычно предшествует иерархическая кластеризации, предоетавпянэ-щая возможность поп учить наглядное представление результатов кластерного анализа Тем не менее достаточно большое количество российских регионов не позвал яет вое пользоваться осно вн ым прей м у щестБом иерархических методов - их наглядностью
Пров&денный предварительный анализ отчетливо показал что Москва, которая по показателям кредитных организаций многократно превышает остальные регионы, является вномальньш наблюдением, и из да ль неЯшей классификации ее целесообразно исключить Совершенно очевидно, >*то столица - безусловной лидер по активности банковского сектора, и подобная ситуация требует отдельного исследования
Метод fr-средних пред полагает вы движение ги потерь- относительно предполагаем ого количестве мастеров На практике кластеризацию, как правило, начинают с разбиения множества объектов на два шастера епоследсгзии увеличивая численность <ластероь до получения приемлемой кластерной структуры
Для характеристики качества кластеризации сраа> нив ал ись значения межгрупловых и внутри пру поовых дисперсий признаков определялись F-сттатистика и урозе н ь з начн мо с тя р. Чем больше зн вч е ни е м ежгруп ■ лоаой дисперсии и меньше значение внутригрупповой диоИербии тем лучше признак характеризует принад-леуность объектов к unaciepy и, таким обрезом, rew «качественнее» кластеризация Наилучшей кластеризации также соответствуют большие значения F и меньшие значения о. Признаки с большими значениями р |обычно больше 0.05) часто исключаются иг процедуры кластеризации [4 с 250] Поп ученные в эезул&таге проведенной классификации характера стики представлены в табл. 1
Разбиение совокупности российских регионов по показателям кредитных организаций нв три кластера п озвол и по ми н им из и роватъ в нутр и пру п новые диспе р-сии и максимизироедт- межгрупповые дисперсии и шляется отимальиым При этом значения межгрупповых дисперсий в большинстве случаев превышают значения в нутр игрун повых дисперсии показателей ^зэница между полученными кластерами статистически значима по всем переменным Дальнейшее увеличение количества кластеров не позволяет достичь более качественной кластерной структуры В табл. 2 представлен состав полученных кластеров
Первы и класте р сод ержит то пьхо г Ca нкт-Петероург Во в торой кл а сте р входят Т1 ре- иоН оа I ре' ии Мастер является наиболее многочисленным по количественному составу и включает рстапьнь-е регионов
В целях характеристики взаимного расположения кластеров вычисляются расстояния между кластерами, Цги расстояния (евклидовы и их квадраты) определяются по средним величинам каждой Переменной е кластера Данные табл 3 показывают что второй и третий клэстары расположены Бличсе друг к другу по отношению красстоянию между ¿аждыг.-1 из ни* и первым кластером
Таблица i
Результаты дисперсионного анализа кластера)
Пока зет-ели Меж групповая л ис перс im Внугригругтповая дисперсия F-сгатмстикд Р
Количество гттнык организаций 6Т .10563 таямз/ 126.12S5 0ДОНМН
Кти+ичгство фи.'пилоп крвиигнык оргтэНИизц^й E3.909Í4 lö.sjBoee 154.В9в9 0.OQMOO
А*т И[':- кредитных организаций 17,00153 13&.2659 Q.OOKJW
Пэогини upojmrhtJK oprahusíЦЯЙ Т51.311Э 0.000000
Овщигй объеы np.-ifi ь j i и полученной upe д и тны ин организациями 31 .аовзт JÖ 19102 35,7423 O.OOOQM
привлеченные сродства иредитНЫ* организации M.'IÍK» № ,11373 й LÍULOLU'I
Размещенные предстал «р едитнь! * орга ни за цйй 51 í'Sa-.D 28Д3181 72,3021 0.(ХЗШМ
Таблица 2.
Распределение регионов Российской Федерации по кластерам
Кластер Состав кластера
1 г. Еангг-Пегврбург
г Костромская :-5па<гть. Московская область, Краснодарские -рал Раетееoíaя область Республика Та-гаротэн Нижегородская область. Самарская облагтъ. Cae рдло bcí а п область. Ткилечскап область. Челябинская область. Новосибирская облает®
3 Б ел го родска н об ласть. 5 р днекая область Владимирская область Во ронезкека я область ¡Ивановская области, íía л п область Курская ос па ctjj, Липецкая области Орловская область, Рязанская области, Смоленская область. Тамбовская область таер:;кан обпасть Тульская облас™:», Я росла bchj ~ область, Республика Карелия Республика ?íoни, Архангельская сЬищгь, Вологодская область Калининград-имя область, Ленинградская область Гурмане г:а я область, Новгородская область, Псковская области. Республика А^ы^ап Республика Калмыкии. Республика Крым, Астраханская область Волгоградская область, г Сеаастюноп ь Республика Дзгостан, Республика У1нгушет*р, Кэбардино-Балкарска = Республика Карачаеао-Черлесска^ Республика Республика Северная Осетии - Аланик. Чеченца я Республлкз, Став рапольский ipaí Респубпмка Башкортостан Росл/блика Мар,:й Эп. Республика Мордоаир. Удмуртская Республика ЧуеЕшскар Республика. Пермски» край, КироЕская область. Оренбургская область. Пе^эеиска^ область. Саратовская область. Уль^н ноаская область. Кургзнская области й:-спубпика Алтай Республика Буря"ия. Республика Тыва, Чеспубпика ¡(лкэснн Алтайский K¿an. Забаве льс-;ин i.Dan Красноярский кр.= и. Иркутская область Кемеровская области. Омская область Томская область, Республика Сага i Якутия), камчатский край Приморский край, Хаба роосжи л край Амурская область Магаданская область Сахалинская область, Еврейская автономная область Чукотский аато^ом^ый округ
Таблица 3
ЕЬзшцдоИи раеРТОННИе Mc.ílJi y нЛ Jс Ч и f)d r.in
Кластер 1 Кластер ¡ Кластер 3
Кластер 1 0 СОООМ 24,52240 40,37907
Кластер 2 4.962JÜ10 одоооа 2,07936
Кластер 3 6,35445 MJ19S0 0,00000
9
а
7 б а
3 2 1
0 -1
1
о
Капичегти Филиалы Активы Язссины Прибыль Привлечено Рэивойно
о кластер 1 о Кластер г о Кластер 3
Графи? средних значений стандзртизпвэнньдг гунеззтчпаи
С цопькт количественной интерпретации итогэп кластеризации для каждого образов а иного кластера ИСЧИСЛЯЮТСЯ Средние значения стандартизированный показателей
При гтом как прапнпо. графической изображена i? дает наилучшее представление полученный релупь-татов, позволяет визуально определить различая между кластерами
-♦
Таблица 4
Ре lyfibT ü р ы HPiiitii:pHU[o jn.uinjd pejUunuEi Pocchxcwh <J>e_u [_> pjuiin
по показатели« кредитных организаций
Покаалтеги Кластер 1 Кпзстчр 2 Кгшстер 3
КОПИчесТЮ регионов, вД 1 11 69
С|>вДН<>& ну)ЛИМв^Г»п н0(;Д#ТИьН орМнИз^М^^. ОД 33.0 9.S 2*4
CpiAHoL; Чиг;п-П фипиапац кряДИТН!*« ергани^цин. «Я 10Т 36,2 12
Средние активы кредитной организаций, млн prf т еао 174,4 315 70S 0 20 462.4
Срт?лн>и± гсзссивы преданы/ опганизздии мпн руб Т 739313,4 3(9 1Б9.А 20 503,3
CpiJHHfl ПЗИЭаШ! |фСДИТНЫ^ ü ргзн л ЭйЦИ й мл-руэ \г 1-е t, 1 2 291,0
Средним сбъер,' приалв^нныг средст: млн р/В. 2 536 766,0 671 622.3 135 322,0
СрЕ-днмй с-бъеы разнаи|еннмк ггодгте млч руб 1 4M 5С7,а 315 318,3 103 503,4
Нэ рисунке отчетливо выделяются сильные, средние и слабые совокупности регионов по активное!и кредитных организации Первый кластер доминирует по всем- показателям, примечательно, 4io а двн-ыи кластер входит только од на территориально я единица Различия между вторым и третьем кластерами менее заметны
Вместе с тем расчет хараетеристик по стандартизированным переменным не позволяет детально ин-терпрвтнрозать результата кластерного анализа вследствие него целесообразен гереход к расчетам по исходным данным (табл 4)
Й итоге многомерный кластерный анализ позволил отчетливо выделить три группы регионов Российской Федерации по показателям кредитных организаций.
В первый мастер входи г г Санкт-Петербург- не-ой'Мненный лидер баниваского сектора в исследуемой совокупности многократно опережающе другие регионы по ноем показателям Здесь находится а среднем каждая двадцатая российская кредитная организация и примерно Ю%всех филиалов кредитных организаций страны. Крупневшей кредитной организацией города является Северо-Западный банк Сбербанка России На наш взгляд, величина города б данном слу^е. как и в случае с г. Москвша оказывает сущоственгюевоздействие на уровень развития предпринимательской активности вообще и з банковской сфере в чаот^ости
Высокая платность населения, выгодное географическое положение, развитая инфраструктура культур-но-историческяе традиции и неофициальный статус второй столица Российской Федерации несомненно повь-шакл инвестиционную привлекательность региона Большинство кредитных организаций, которые ориентированы на разаиТИё филиальной сети, неизменно стремятся наращивать свое присутствие во втором столичном мегаполисе страны
□ торой кластер обр аз уют 11 регионов с умеренными показателями развития данного секторз на территории которых располагается 17.3% кредитив* организаций и 36 2% Ил- филиалов В целом здесь функци-
онируют успешные кредитные организации, которым Приходится осуществлять деятельность в условиях весьма жйсткого конку ре нтного противостояния без Возможности использования «аффекта масштаба?' который в полной мере проявляется в Москве и Санкт-Петербург^ в то же время столицы регион« - крупнее административные и промышленные центры чтоаы-сигает важным фактором долгосрочного поступательного развития На 1гаш взгляд, потенциал развития банковского сактора в этой группе сеионоЕ в настоя щее время максимальный
Третий кластер - наиболее многочисленный и включает 69 регионов с крайне низким уровнем развития банковского сект она, которые можно условно назватъ к аутсайдера м и и В этих регионах функци они-руют^0Ч4 кредитных с^ганиэаци^ и 45,3% филиалов Од на ко среднее показатели л о админист ративно-тер-риториальным образованиям данного кластера многократно уступают показателям первого и второго кластеров. Так, средние активы кредитных организаций данного кластера почти в 15 раз меньше средних активов по второму кластеру, а средним- объем Лри-зле-ченных средств составляет пишь 20% от соответствующего пока затеи я второго кластера Число фили-зп за в ряде регионов данной группы минимально □ та же время в некоторых субъектах региональные кредитные организации вообще отсутствуют -то существенно затрудняет восстановление и развитие банковской актив ноет*
Данная группа российских регионов е настоящее время характеризуется риском дальнейшего сокращения активности 1федитньх организаций в случае отсутствия своевременных эффективных мер их поддержки со стороны предпринимательского со общества, федеральных или региональных органов □ласти
Проведен ное и-ссл вдова ние л озволяет сд е латъ ряд вы водов об осо бен ностях развит и я кредл т пых орга ни -заций в региональном аспекте
Обширная территория Российской Федерации предопределяет неравномерность социапьно-эко*о-чического развития отдельных регионов что осецело
отражается и нэ развитии региональных банковских си с: ем В данном случае многомерный кластерный анализ является эффективным инструментом выделения и количественного описания различны* групп регионов со схожими параметрами развития банковской системы
По показателя и развития банковского сектора заметно выделяется г. Москва, гд& действует более половины российских кредитных организаций Повсзм анализируемым показателям столичныи банковский сектор не сопоставим с остальными регионами Это подтверждает тот факт, что столица ?ю-прео«нему продолжает э*;гумупировэ-ь существенную часть экономического потенциала страны
6 итоге результатом ^астерного анализа с использованием метода .Средних явилось выделение трек региональных кластеров.
Первый кластер, являющийся самым малочисленным и ейгивМагащйМ топыто лишь г Сан4гг-Пг?тербург доминирует по асем показателям и в исследуемой совокупности является лидером на банковском рынке (фактически этот результат можно рассматривать как второе аномальное наблюдение с учетом вьщеленно го на первоначальном зтапе г Москва)
Второй кластер образуют 11 регионов сумеречными показателями развития, которые имеют значительный Потенциал дальнейшего роста.
Третей готастер включающий оставшиеся 69 реги оное, является самым многочисленным * образует группу ^-аутсайдеров» с недостаточным уровнем развития банковского сектора и риском дальнейшего сокращения активности кредитных организаций
Результаты проведенного исследования убедите пы-ю подтверждают необходимость разработки и реализации эффективных мер поддержки кредитных организаций □ ■зыделенных регионах со слабым уровнем развития банковского сектора
1. Барсе iян A.A. Те* нологи и анализа да иных. Dato Mi п ing, Visus I Mining, Te*i Mining GLAPAA Барсе гчн. M С. Купрк 4hiip ß В с-1 ненке;. И И Холод 3-е нзд пврерас и дел СПб &ХВ-Петер6ург, 2EMJ7. ~38А с
2. ёороа-илое В.Л Профайла STATISTTCA длястудс-нтий и инженеров. 2-е изд. VI. КомпьютерПресс, 2DTJ1. 30Т е.: нп.
3. Федеральная служба государственной статистики. URL hftp w fu;
4 Хжафнн A A 5TATISTICA б Статистический анализ данны* 3-е клд учобмик М ljлном.-Пресс, 2007 512 е.: ил
5. Центральный -банк Российской азед&ради и. URL http:// ebr ш.1
