CC BY
43Оценка качества управления коммерческим банком с помощью DEA-моделирования
Assessing the Quality of Commercial Bank Management Using DEA Modeling
УДК 336.71
Пустовалова Татьяна Александровна
доцент Высшей школы менеджмента Санкт-Петербургского государственного университета, кандидат экономических наук 199004, Санкт-Петербург Волховский пер., д. 3
Tat'yana A. Pustovalova
St. Petersburg State University Graduate School of Management Volkhovskiy Lane 3, St. Petersburg, Russian Federation, 199004
Маркова Анастасия Вячеславовна,
ассистент кафедры
Санкт-Петербургского государственного университета 199034, Санкт-Петербург, Университетская наб., д. 7-9
Anastasiya V. Markova
St. Petersburg State University Universitetskaya Emb. 7-9, St. Petersburg, Russian Federation, 199034
Несмотря на то что качество управления банком является ключевым показателем состоятельности финансового института, оно, как правило, не рассчитывается ввиду отсутствия объективного метода измерения.
Цель. Оценить качество управления коммерческим банком на основе дата-ориентированного подхода.
Методология. Исследование представляет относительно новый дата-ориентированный подход к оценке качества банковского менеджмента — Data Envelopment Analysis (DEA), — который с помощью множественного преобразования «вход — выход» вычисляет скалярную меру эффективности или качества управления.
Результаты. Проведен анализ двух выборок коммерческих банков России, 50 крупнейших по величине чистых активов и чистой прибыли, за III квартал 2015 г., который показал значительные различия в оценках качества между кредитными организациями. Исследование характеристик банков, получивших самые высокие и самые низкие оценки качества управления по построенной входоориентированной CCR-модели, позволило сделать вывод, что банки с качественным менеджментом имеют оптимальный размер трудовых издержек в расчете на одного сотрудника, который обеспечивает банк высокими показателями процентных доходов и открытых депозитов. Таким образом, DEA-метод как разновидность непараметрического анализа может быть использован как дополнительный инструмент оценки функционирования банка относительно других игроков рынка.
Ключевые слова: банковский менеджмент, оценка качества управления, коммерческий банк, DEA-метод, эффективность управления
Despite the fact that the quality of bank management is a key indicator of the consistency of a financial institution, it is commonly ignored due to the lack of an objective assessment method.
Aim. This study aims to assess the quality of commercial bank management based on a data-oriented approach. Methods. This study proposes a relatively new data-oriented approach for the assessment of bank management quality, i.e., Data Envelopment Analysis (DEA). Using this method, it is possible to calculate a scalar measure of the effectiveness or quality of management by multiple input-output transformations. Results. The study analyzes fifty of the largest Russian commercial banks in terms of net assets and net profit as of the 3rd quarter of 2015. The analysis shows significant differences in quality assessment between credit institutions. Moreover, the characteristics of banks with
the highest and the lowest management quality ratings according to an input-oriented CCR model suggest that banks with higher quality management have optimal labor expenses per employee, which provides a high interest yield and a high number of open deposits. Thus, the DEA method, a form of nonparametric analysis, can be used as an additional tool for the assessment of a bank's operation compared with other market players. Keywords: bank management, bank management quality, commercial bank, DEA method, effectiveness or quality of management
Введение
Проблема качества управления банком обсуждается в российской научной среде относительно недавно (начиная с 1996-1997 гг.), в то время как иностранные исследователи заинтересовались этим аспектом банковской деятельности еще в 1980-х гг. До сих пор ведутся дискуссии на тему, как объективно, с помощью количественных методов, определить уровень качества менеджмента банка.
В российской практике на данный момент обсуждается только теоретическая часть проблемы оценки качества управления банком. Наибольшей известностью пользуется работа по исследованию качества управления банком А. М. Тавасиева [1], в которой было сформулировано определение качества управления банком и проанализированы современные подходы к его оценке таких ученых, как Т. Кох [2], В. А. Москвин [3], В. П. Бычков [4] и О. К. Прокофьева [5].
Проблема количественной оценки качества управления банком была решена с появлением DEA-моделей, которые стали основой непараметрического подхода к измерению относительной эффективности или качества набора равнозначных единиц. Важный вклад в разработку методологии DEA внесли такие исследователи, как Т. Купманс, М. Фаррелл [6], А. Чарнс [7], В. Купер [8], Е. Роудс [9] и Р. Бенкер [10].
В зарубежной практике начиная с 1990-х гг. DEA-модели активно используются для оценки различных показателей результативности банковского сектора: технической и посреднической эффективности и качества менеджмента как банков в целом, так и их филиалов.
Целью данной работы является оценка качества управления российскими коммерческими банками
С о.
ш ©
0
о; <
1
cí ш 0.
I
О m О
0
1 с
s
е
< с помощью DEA-модели. Для исследования были ^ взяты две выборки крупнейших по величине чистых с-3 активов и размеру чистой прибыли банков России.
< Выбор крупнейших банков был обусловлен тем, что н ввиду большой рыночной доли, широты филиальных
сетей, высокой узнаваемости клиентами данные вы-
£ борки репрезентативно отображают весь банковский
^ сектор России. В качестве методологии было выбрано
со DEA-моделирование, потому что данный метод ниве-
0 лирует проблему гетероскедастичности, возникающую
< при параметрическом моделировании.
1
х
е- Data Envelopment Analysis (DEA)
DEA-метод представляет собой непараметрический метод измерения эффективности набора равноправных единиц, называемых единицы принятия решения (Decision Making Units, далее по тексту — DMU), основанный на решении оптимизационной задачи линейного программирования по максимизации реализации продуктов (выходов) DMU при заданном количестве ресурсов (входов) или минимизации используемых ресурсов (входов) при заданном уровне выпуска продуктов (выходов). Для решения задачи линейного программирования строится DEA-модель — математическое описание системы, в которой рассматривается отношение взвешенных выходных переменных, соответствующих результатам деятельности DMU, к взвешенным входным переменным, соответствующим используемым ресурсам. С технической точки зрения в DEA-методе необходимо попарно сопоставить каждый из DMU с позиции их отношения «выход — вход» для получения относительных оценок эффективности. Те DMU, которые получат наивысшие оценки, составляют границу производственных возможностей и становятся бенчмарками для других DMU в выборке.
Важно определить понятие «эффективность» в соответствии с DEA-методологией. По мнению А. Чарнса, У. Купера и Э. Роудса, DEA-подход предполагает два взгляда на эффективность: обособленную эффективность в разрезе «входов» и «выходов» DMU (назовем ее «полная эффективность») и сравнительную эффективность [9]. Полная эффективность достигается DMU тогда и только тогда, когда ни один из ее «входов» и «выходов» не могут быть улучшены без ухудшения других «входов» и «выходов» (эффективность по Парето и Купмансу). Что касается сравнительной эффективности, то DMU будет оценен как полностью эффективная единица на основе имеющихся данных тогда и только тогда, когда эффективность других DMU не показывает, что некоторые из «входов» и «выходов» полностью эффективной DMU могут быть улучшены без ухудшения других своих «входов» и «выходов».
Первая DEA-модель была построена в 1978 г. А. Чарн-сом, У. Купером и Э. Роудсом [Там же] и была основана на работе М. Фарелла [6]. Базой для первой DEA-модели стала диссертация Э.Роудса в Школе политики и менеджмента в Питтсбурге. Написанная под руководством У. Купера, эта диссертация представляла собой оценку образовательных программ для малообеспеченных студентов (в основном афро-и латиноамериканцев) в серии крупномасштабных исследований государственных школ, осуществлявшихся при поддержке правительства США. База данных Э. Роудса была достаточно обширна, что повлекло за собой проблемы многочисленности степеней свободы, множественности «входов» и «выходов». Эконометрический подход не позволял справиться с этими трудностями. Поэтому Э.Роудс обратился к статье М. Фарелла «Измерение эффективности про-
изводства» [Там же], в которой его заинтересовал подход, основанный на анализе деятельности. Чтобы разобраться с данной новой концепцией, У. Купер обратился к своему бывшему коллеге А. Чарнсу. Совместными усилиями названные выше ученые, учитывая гипотезы М. Фарелла, определили понятия полной и сравнительной эффективности.
В первой DEA-модели в качестве входных переменных использовались показатели трудозатрат, связанных с образованием ребенка (например, время, которая мать ребенка тратила на чтение ему книг). Среди выходных переменных были показатели, характеризующие самоуверенность и удовлетворенность малообеспеченного ребенка собой, определявшиеся по результатам психологических тестов (например, рост самооценки ребенка).
В 1978 г. в European Journal of Operation Research («Европейском журнале исследования операций») была опубликована статья об анализе с использованием DEA-модели типа CCR (Charnes, Cooper, Rhodes), в которой использовался метод оптимизации математического программирования, чтобы трансформировать одиночное «вход/выход»-измерение эффективности М. Фаррелла [Там же] в множественное «вход/выход»-измерение [9].
Понятие качества управления банком
В глобальной экономике понятие «качество» тесно связано со степенью конкурентоспособности организации. В соответствии с общим мнением уровень качества определяет конкурентное положение фирмы. Однако необходимо понимать, о каком качестве идет речь: качестве продукта, качестве технологии, качестве деятельности подразделений, качестве управления и т. д. Прежде чем перейти к определению понятия «качество управления», которое является стержневым для данного исследования, рассмотрим сущность термина «качество».
Классический подход к определению понятия «качество» сформировался еще в 1940-е гг. Оно основывается на идее «соответствия продукта, услуги, деятельности требованиям» [11]. В рамках данного подхода ключевым является определение требований к качеству, которые устанавливались организацией индивидуально из соображений здравого смысла или разрабатывались группой фирм одной отраслевой принадлежности в качестве эталона. Наивысшее качество означало полное соответствие стандарту без каких-либо отклонений. Согласно данному подходу, качество — это внутренняя объективно обоснованная характеристика, на которую оказывает влияние только производитель [Там же].
Позднее, во второй половине XX в., в определение качества стали включать и субъективный аспект. Это означает, что качество рассматривается не только с позиции производства, но и потребления. Формировавшееся общество потребления определяло качество как способность организации удовлетворять нужды и ожидания своего потребителя [Там же].
В современном обществе качество является комплексным понятием, которое характеризуют либо как свойство, либо как способность объекта находиться в рамках, установленных заинтересованными лицами. Согласно стандарту Международной организации по стандартизации, принятому в 2008 г., под качеством понимается «степень соответствия совокупности присущих характеристик требованиям» [Там же].
В учебной литературе под качеством в самом общем виде понимается некое свойство предмета, отлича-
ющее его от других. Полагаем, что данное определение больше относится к понятию «уровень качества». Кроме того, оно является слишком поверхностным для количественного измерения качества [12].
В рамках данной работы используются понятия «качество управления» или «качество управленческой деятельности». Сначала определимся с качеством деятельности организации. Данный показатель иллюстрирует изменение между двумя состояниями организации во времени. Так, видно, что качество деятельности показывает степень «здоровья» ведения бизнеса, а именно качество преобразования исходных ресурсов в конечный товар или услугу [Там же].
Что касается качества управленческой деятельности компании, то в деловой среде под ним понимаются не только свойства информационных, трудовых и прочих процессов, протекающих в системе управления, их соответствие установленным нормативам, но и совокупная результативность деятельности организации, т. е. величина доходов или прибыли организации. Таким образом, качество управления — это система ключевых характеристик, показывающая способность менеджмента рационально использовать ресурсы для реализации целей компании, в частности получения высоких доходов относительно своих конкурентов [13].
Наконец, качество управления банком может быть представлено как система значимых признаков, отражающих способность коммерческого банка эффективно использовать ключевые ресурсы ради получения максимальной выгоды от осуществления основной деятельности [1].
Основной чертой качества управленческой деятельности сервисной организации, к которой относится коммерческий банк, является качество соответствующего труда. В свою очередь качество труда отражается в качестве его результата, т. е. продукта труда. Результатом труда в управлении считается воздействие, рассматриваемое как реализованное решение. Качество управленческого труда выражается в качестве этого решения, его адекватности определенным потребностям банковской деятельности. В частности, в качестве количественной оценки труда в банковской сфере могут рассматриваться доходы, генерируемые коммерческим банком (процентные и/или непроцентные), т. е. то, насколько эффективно персонал реа-лизовывал банковские продукты и получал дополнительную выручку, к примеру, от торговли валютой или ценными бумагами [Там же].
Качество управления банками и DEA-модели
В 1993 г. Р. Барр, Л. Сейфорд и Т. Симс провели исследование, в процессе которого были измерены показатели 930 американских коммерческих банков за пятилетний период (1988-1992 гг.) [14]. Исследователи использовали входоориентированную CCR-модель, в качестве входных переменных которой были выбраны численность персонала, издержки на персонал, внеоборотные активы, непроцентные расходы, совокупные процентные расходы и приобретенные фонды. В качестве выходных переменных рассматривались депозиты, приносящие доходы активы и процентные доходы. Р. Барр и его коллеги обнаружили значительные различия в оценке качества менеджмента между «выжившими» и обанкротившимися банками.
Позднее, в 1996 г. Р. Барр и Т. Симс провели новое исследование, предприняв попытку измерить качество менеджмента американских банков с помощью BCC-
модели за период 1984-1989 гг. [15]. Входные и вы- < ходные переменные остались теми же, что и в первом ^ исследовании. Исследователи пришли к выводу, что о не все обанкротившиеся банки имели некачественный < менеджмент. i
Взяв за образец исследования Р. Барра и его коллег, Е^ Р. Гонсалвес попытался оценить качество управления ^ 50 крупнейших банков Бразилии [16]. Исследователь ^ построил входоориентированную CCR-модель, выбрав m в качестве «входов» численность персонала, трудовые 8 издержки, количество филиалов и затраты на консо- < лидирование долга, а «выходов» — депозиты, сбере- ^ жения и процентные доходы. По результатам моде- е лирования Р.Гонсалвес сопоставил оценки качества менеджмента с размерами банков по чистым активам, с их прибыльностью, структурой капитала и организационно-правовой формой.
Позднее Л.К. Уоллес использовала входоориентированную CCR-модель для измерения и сравнения качества управления коммерческими банками Ямайки, обанкротившимися в период 1989-1998 гг. и успешно функционировавшими в период 2002-2008 гг. [17]. В числе входных переменных были расходы на персонал, размер внеоборотных активов, непроцентные расходы, процентные расходы и приобретенные фонды. Выходными переменными стали вклады, приносившие доходы активы, процентные доходы, непроцентные доходы, кредиты. Результаты исследования подтвердили предположение автора, что оценки качества менеджмента обанкротившихся банков были значительно ниже оценок «выживших» банков.
Другой подход к оценке банковского менеджмента предложил П. Джексон. Исследователь полагает, что DEA позволяет оценить эффективность менеджмента банка, если за входные переменные принимается численность персонала, операционные издержки (за вычетом издержек на персонал) и прямые расходы на основные средства банка, а за выходные — кредиты, вклады до востребования и срочные вклады [18]. П. Джексон и его коллега М. Фети оценили эффективность менеджмента 48 турецких банков за 1998 г. По мнению авторов, существует прямая зависимость размера и прибыльности банка от управленческой эффективности.
DEA-модель для измерения качества менеджмента российских банков
В качестве базового исследования для измерения качества менеджмента российских банков нами была выбрана работа Р. Гонсалвеса [Там же], основанная на использовании DEA-модели типа CCR, ориентированной на входные данные.
Для измерения качества управления коммерческими банками были составлены две выборки: 50 крупнейших по величине чистых активов и 50 крупнейших по размеру чистой прибыли банков России. Построенная входоориентированная СОТ-модель включает четыре входные и две выходные переменные, информация о которых представлена в табл. 1.
Результаты DEA-моделирования
CCR-модели оценили качество управления крупнейшими коммерческими банками России; полученные оценки по обеим выборкам приведены в табл. 2 и 3 соответственно. Для удобства интерпретации результатов DEA-моделирования назовем выборку крупнейших по величине чистых активов банков России выборка 1, а крупнейших по величине чистой прибыли — выборка 2.
Таблица 1
Переменные CCR-модели
Тип Наименование Показатель измерения Единица измерения
Входные переменные Персонал Среднесписочная численность персонала Чел.
Трудовые издержки Расходы на персонал Тыс. руб.
Филиалы Количество филиалов Шт.
Затраты на консолидирование долга Стоимость рефинансирования Тыс. руб.
Выходные переменные Процентные доходы Процентные доходы Тыс. руб.
Депозиты Вклады физических и юридических лиц Тыс. руб.
Источник: данные из справочника кредитных организаций Центрального банка РФ за III квартал 2015 г.
Таблица 2
Оценки качества управления крупнейшими российскими банками по выборке 1
Ранг DMU Оценка качества [0; 1] Банк
1 2 3 4
1 Б43 1 «Пересвет»
1 B30 1 ИНГ Банк
1 B2 1 ВТБ
1 B27 1 «Югра»
1 B12 1 Московский кредитный банк
1 B5 1 ВТБ 24
1 B9 1 «Национальный клиринговый центр»
8 B3 0,823133764 Газпромбанк
9 B35 0,776924226 Новикомбанк
10 B18 0,759846386 «Русский стандарт»
11 B48 0,755822166 Тинькофф банк
12 B10 0,726409851 ЮниКредит банк
13 B19 0,688918284 Совкомбанк
14 B34 0,656068993 «Российский капитал»
15 B22 0,653689333 Ситибанк
16 B1 0,64350146 Сбербанк
17 B16 0,59562088 «Банк „Санкт-Петербург"»
18 B11 0,588000078 Промсвязьбанк
19 B4 0,562765285 ФК «Открытие»
20 B15 0,558784566 Бинбанк
21 B21 0,545887709 Московский областной банк
22 B7 0,537994691 Альфа-банк
23 B42 0,537759717 Татфондбанк
24 B14 0,536592043 «Райффайзен»
25 B46 0,523228047 «Экспресс-Волга»
26 B20 0,518430947 «АК Барс»
27 B29 0,5095703 «Национальный банк „Траст"»
28 B8 0,485232586 Банк Москвы
29 B36 0,451878006 «Зенит»
30 B28 0,435281352 Уральский банк реконструкции и развития
31 B33 0,412355709 «Глобэкс»
32 B6 0,410729362 Россельхозбанк
33 B26 0,382631028 Связь-банк
34 B24 0,371552738 СМП банк
35 B32 0,370956961 Абсолют банк
36 B40 0,337374652 Московский индустриальный банк
37 B17 0,317270896 «Ханты-Мансийский банк „Открытие"»
<
сг
ш
©
о
ОС <
—
X
ч
ш
сг
V
О со О
0
1
<
х ©
Таблица 3
Оценки качества управления крупнейшими российскими банками по выборке 2
Ранг DMU Оценка качества [0; 1] Банк
1 2 3 4
1 В37 1 «Аверс»
1 В34 1 «БФГ-Кредит»
1 В28 1 СтарБанк
1 В3 1 ВТБ
1 В4 1 «Национальный клиринговый центр»
1 В27 1 «Пересвет»
1 В21 1 Тинькофф банк
1 В18 1 Московский кредитный банк
1 В13 1 ИНГ Банк
1 В11 1 «Югра»
11 В9 0,991133097 Совкомбанк
12 В6 0,933230587 «Русский стандарт»
13 В25 0,776924226 Новикомбанк
14 В12 0,726409851 ЮниКредит банк
15 В2 0,685974832 Альфа-банк
16 В1 0,682710556 Сбербанк
17 В5 0,674091006 «Райффайзен»
18 В10 0,663609386 Промсвязьбанк
19 В41 0,66319975 «Авангард»
20 В7 0,643322729 Ситибанк
21 В43 0,635927291 АйСиБиСи банк
22 В39 0,631483191 РосинтерБанк
23 В26 0,604451074 «Банк „Санкт-Петербург"»
24 В30 0,562765285 «Открытие»
25 В17 0,558784566 Бинбанк
26 В8 0,545887709 Московский областной банк
27 В16 0,509557263 «Национальный банк „ТРАСТ"»
28 В31 0,435281352 Уральский банк реконструкции и развития
29 В38 0,412422906 Киви банк
30 В33 0,404579546 Финпромбанк
31 В42 0,38956762 Объединенный кредитный банк
Табл. 2 (окончание)
1 2 3 4
38 В38 0,308191053 Восточный экспресс банк
39 В13 0,2920967 Росбанк
40 В31 0,288424741 МДМ банк
41 В41 0,268557018 Транскапиталбанк
42 В39 0,254878886 «Возрождение»
43 В45 0,250063115 РосЕвроБанк
44 В 44 0,249916657 МТС банк
45 В25 0,249447231 Нордеа банк
46 В37 0,247808894 Хоум кредит банк
47 В23 0,230736153 Рост банк
48 В47 0,201350072 Всероссийский банк развития регионов
49 В49 0,174443309 «ДельтаКредит»
50 В 50 0,112525263 Кредит Европа банк
Табл. 3 (окончание)
1 2 3 4
32 B50 0,349033123 СДМ-банк
33 B46 0,344147184 «Центр-Инвест»
34 B48 0,327961508 Русфинанс банк
35 B36 0,318545965 Дойче банк
36 B20 0,308514364 Эйч-Эс-Би-Си Банк
37 B32 0,289840262 Экспобанк
38 B47 0,271819723 Межтопэнергобанк
39 B24 0,251626567 «Коммерцбанк (Евразия)»
40 B15 0,250063115 РосЕвроБанк
41 B45 0,233220515 Тойота банк
42 B29 0,22948782 Королевский банк Шотландии
43 B22 0,228265416 ОФК Банк
44 B23 0,206356751 Локо-Банк
45 B40 0,201264886 Всероссийский банк развития регионов
46 B14 0,199575203 «ЦентроКредит»
47 B35 0,161564122 Банк кредит свисс
48 B44 0,149194905 Лето банк
49 B19 0,11519705 Фольксваген банк рус
50 B49 0,112525263 Кредит Европа банк
Таблица 4
Агрегированные результаты моделирования по выборке 1
Оценка качества управления банком Уровень качества Количество банков, шт.
1 Очень высокий 7
0,75-1 Высокий 4
0,5-0,75 Средний 16
0,25-0,5 Низкий 16
0-0,25 Очень низкий 7
В табл. 4 приведены интервальные оценки качества управления банками выборки 1. Мы видим, что в выборке 1 количество банков, получивших наивысшую оценку качества, равную 1, т. е. число банков, находящихся на эффективной границе ССЯ-модели, равно семи, что составляет менее 15% от ее объема. Количество банков с высоким и средним уровнем качества менеджмента составляет 20. В совокупности с банками с очень высоким уровнем качества они составляют более 50% банков из выборки 1. В целом, получаем, что превалирующая доля крупнейших по величине чистых активов коммерческих банков России имеет уровень качества управления выше среднего, т. е. большинство таких банков рационально распределяют свои ресурсы и успешно реализуют продукты.
Рассмотрим составленные по выборке 2 интервалы оценок качества в табл. 5. В общем соотношении получаем, что в выборке 2 так же, как и в выборке 1, большинство банков имеют уровень качества менеджмента выше среднего. Однако количество банков с очень высоким уровнем качества в данной выборке больше (10 банков). С другой стороны, количество банков с очень низким уровнем качества в выборке 2 превышает число подобных банков в выборке 1 и тоже составляет 10 банков.
В выборке 1 оценку качества, равную 1, получили банки «Пересвет», ИНГ Банк, ВТБ, «Югра», Московский
кредитный банк, ВТБ 24 и «Национальный клиринговый центр». В табл.6 представлены значения переменных построенной CCR-модели банков с наивысшей оценкой качества управления из выборки 1.
Из табл.6 мы видим, что очень высокий уровень качества менеджмента российских банков из выборки 1 не связан в явном виде ни с одним показателем модели. Это обусловлено тем, что в число лидеров по качеству управления попали банки, значительно отличающиеся по размерам. Так, к примеру, высокие оценки качества менеджмента получили такие гиганты банковского сектора, как ВТБ и ВТБ 24, наряду с маленькими банками («Национальный клиринговый центр» и ИНГ Банк).
Чтобы выявить общие черты банков-лидеров, рассмотрим не абсолютные, а относительные переменные. Если рассмотреть показатель средних расходов на персонал в расчете на одного сотрудника, то получаем, что качественно управляемые банки в среднем потратили около 1,6 млн руб. на одного сотрудника в III квартале 2015 г. При этом каждый сотрудник банков-лидеров в среднем заработал примерно 57 млн руб. в качестве процентных доходов и открыл вкладов размером около 365 млн руб. за рассмотренный отчетный период. В итоге получаем, что значительные трудовые издержки банков-лидеров составляют не более 10% доли от процентных расходов за III квартал 2015 г., т. е. персонал качественно управляемых бан-
Таблица 5 <
Агрегированные результаты моделирования по выборке 2 S
Оценка качества управления банком Уровень качества Количество банков, шт.
1 Очень высокий 10
0,75-1 Высокий 3
0,5-0,75 Средний 14
0,25-0,5 Низкий 13
0-0,25 Очень низкий 10
Таблица 6 ш
Сравнительный анализ банков-лидеров по качеству менеджмента (выборка 1) ©
Банк Персонал, чел. Количество филиалов, шт. Трудовые издержки, тыс. руб. Затраты на консолидирование долга, тыс. руб. Процентные доходы, тыс. руб. Депозиты, тыс. руб.
«Пересвет» 422 1 380 268 832024 13 330 726 127 710 396
ИНГ Банк 290 1 1078136 1 990930 13 346 502 176 723 455
ВТБ 10 915 26 16 981 719 125837048 452087517 4591403447
«Югра» 2150 7 1 179951 187926 17 359 772 340 969 632
МКБ 4210 1 3 788 540 5624367 62991876 908 779 286
ВТБ 24 33 913 8 29 401 536 7681764 209 330 576 4 049 774 274
НКЦ 155 1 439 802 925 38 866 924 112624 713
Таблица 7
Сравнительный анализ банков-лидеров по качеству менеджмента (выборка 2)
Банк Персонал, чел. Количество филиалов, шт. Трудовые издержки, тыс. руб. Затраты на консолидирование долга, тыс. руб. Процентные доходы, тыс. руб. Депозиты, тыс. руб.
«Аверс» 395 1 190184 11 301 3107504 52 625 801
«БФГ-кредит» 84 4 306 779 27 130 4733856 64 244582
СтарБанк 368 3 286514 — 1 854511 29 050 069
«Пересвет» 422 1 380268 832024 13 330726 127710396
«Тинькофф» 4395 1 3 434 777 250262 26 334748 162 446 740
ИНГ Банк 290 1 1 078136 1 990 930 13 346502 176 723 455
ВТБ 10 915 26 16 981 719 125837048 452087517 4 591 403 447
«Югра» 2150 7 1 179951 187926 17 359772 340 969 632
МКБ 4210 1 3 788 540 5624367 62 991 876 908 779 286
НКЦ 155 1 439802 925 38 866 924 112 624 713
ков с большой надбавкой окупает вложенные в него инвестиции.
В выборке 2 наивысшие оценки качества управления получили такие банки, как «Аверс», «БФГ-кредит», СтарБанк, ВТБ, «Национальный клиринговый центр», «Пересвет», Тинькофф банк, Московский кредитный банк, ИНГ Банк и «Югра». В табл. 7 представлены данные по переменным модели банков с наивысшими оценками качества управления из выборки 2.
Табл. 5 подтверждает, что по абсолютным значениям переменных модели банки выборки 2 не имеют сходств. Как и для выборки 1, рассмотрим относительные показатели банков-лидеров. Средние трудовые издержки в расчете на одного сотрудника составляют около 1,6 млн руб., как и в выборке 1. В среднем каждый сотрудник банков-лидеров выборки 2 заработал около 47 млн руб. в качестве процентных доходов и открыл вкладов на примерно 345 млн руб. в III квартале 2015 г. В целом за рассмотренный отчетный период доля расходов на персонал по отношению к процентным доходам не превышала 10%, что говорит о сходстве банков-лидеров выборки 1 и выборки 2.
После анализа самых качественных в аспектах управления крупнейших российских банков рассмотрим банки, получившие самые низкие оценки качества, а именно менее 0,25 по обеим выборкам. В выборке 1 оценку качества управления ниже 0,25 получили МТС банк, Нордеа банк, Хоум кредит банк, Рост банк, Всероссийский банк развития регионов, «Дель-таКредит» и Кредит Европа банк. В табл.8 представлены значения переменных CCR-модели для банков с самыми низкими оценками качества управления из выборки 1.
Табл. 6 показывает, что банки, получившие худшие оценки качества менеджмента, имеют разный по размеру штат, филиальную сеть, стоимость межбанковских кредитов, процентные доходы и размеры вкладов. Что касается сходства банков-аутсайдеров, то средние трудовые издержки в расчете на одного сотрудника составляют около 1,5 млн руб. в III квартале 2015 г., что немного меньше, чем у банков-лидеров. Однако доля трудовых издержек в процентных доходах банков-аутсайдеров больше, чем у банков-лидеров, и составляет около 17%, что говорит о меньшей окупаемости инвестиций в персонал. В рассма-
Таблица 8
Сравнительный анализ банков-аутсайдеров по качеству менеджмента (выборка 1)
Банк Персонал, чел. Количество филиалов, шт. Трудовые издержки, тыс. руб. Затраты на консолидирование долга, тыс. руб. Процентные доходы, тыс. руб. Депозиты, тыс. руб.
МТС банк 2756 7 2757039 155787 11 749 262 179135079
«Нордеа» 1539 1 2501569 2892386 11 749 199 53 437760
«Хоум кредит» 17 051 7 8034710 3124024 42336907 379065200
Рост банк 406 21 1 666 435 11 961 586 19 196 303 68 068 108
ВБРР 1211 6 1 933856 57 530 6847120 101 965 835
«ДельтаКредит» 610 2 790270 2567378 12 182 959 7861597
«Кредит Европа» 3344 9 2 044 691 895 600 16 711 411 63 035 547
Таблица 9
Сравнительный анализ банков-аутсайдеров по качеству менеджмента (выборка 2)
Банк Персонал, чел. Количество филиалов, шт. Трудовые издержки, тыс. руб. Затраты на консолидирование долга, тыс. руб. Процентные доходы, тыс. руб. Депозиты, тыс. руб.
Тойота банк 141 1 351197 1 425656 5671247 21 397 778
Королевский банк Шотландии 126 1 427594 1 171 399542 21021887
ОФК 142 5 482 165 18 200 2251619 24 029 518
Локо-банк 1481 5 1 401 839 283927 8285723 78 919 424
ВБРР 1211 6 1 933856 57 530 6847120 101965835
«ЦентроКредит» 520 1 472341 4 847 5748033 22 618 669
«Кредит свисс» 207 1 1727027 326 308 1 085417 20 698 900
Лето банк 2836 1 2836335 3816053 8178470 3 682 368
Фольксваген банк рус 213 1 361299 423501 3678164 6 226 403
«Кредит Европа» 3344 9 2044691 895 600 16 711411 63 035547
триваемом периоде каждый сотрудник банков-аутсайдеров заработал в среднем около 13 млн руб. процентных доходов и открыл вкладов на примерно 58 млн руб.
В выборке 2 низкую оценку по уровню качества менеджмента получили Тойота банк, Королевский банк Шотландии, ОФК банк, Локо-банк, Всероссийский банк развития регионов, «ЦентроКредит», «Кредит свисс», Лето банк, Фольксваген банк рус и «Кредит Европа». В табл.9 представлены значения переменных CCR-модели для банков с самыми низкими оценками качества управления из выборки 2.
Как и для выборки 1, рассмотрим относительные показатели: трудовые издержки на одного сотрудника составили в среднем более 2,4 млн руб. в III квартале 2015 г., что значительно больше, чем у банков-лидеров. В то же самое время на каждого сотрудника в среднем приходится около 11 млн руб. процентных доходов и примерно 82 млн руб. депозитов. Соотношение расходов на персонал к процентным доходам для банков-аутсайдеров в среднем составило около 40%, что подтверждает низкую окупаемость инвестиций в персонал.
Заключение
Банки, получившие наивысшие и наименьшие оценки качества, были проанализированы с позиции переменных модели для составления «портретов» качественно и некачественно управляемого банка России. В соответствии с этими «портретами» было сделано несколько выводов.
Во-первых, по результатам анализа оценок качества можно предполагать, что существует некая оптималь-
ная сумма средних трудовых издержек в расчете на одного сотрудника. В рамках построенной CCR-мо-дели по данным за III квартал 2015 г. качественно управляемые банки России в среднем расходуют 1,6 млн руб. на одного сотрудника, что немного больше средних трудовых издержек банков-аутсайдеров выборки 1 (1,5 млн руб.), но значительно меньше средних трудовых издержек банков-аутсайдеров выборки 2, равных 2,4 млн руб.
Во-вторых, банки, получившие наивысшие оценки качества управления, окупают свои расходы на персонал во много раз, так как данная статья относительно их квартальных процентных доходов не превышает 10%, в то время как банки с наименьшими оценками качества имеют примерно 40%-ную долю трудовых издержек в процентных расходах за III квартал 2015 г.
Учитывая специфику DEA-моделирования, а именно возможность проецирования DMU с оценками ниже 1 на Парето-оптимальную границу, хотелось отметить, что наибольшее количество банков имеют в качестве бенчмарки «Национальный клиринговый центр» и «Пересвет».
Литература
1. Тавасиев А. М. Банковское дело: Учебник для бакалавров. М.: Юрайт, 2013. 647 с.
2. Кох Т. У. Управление банком. Уфа: Спектр, 2007. 478 с.
3. Москвин В. А. Банки и экономика — момент истины // Деньги и кредит. 2009. № 3. С. 17-19.
4. Тавасиев А. М., Бычков В. П., Москвин В. А. Банковское дело: базовые операции для клиентов. М.: Финансы и статистика, 2005. 304 с.
5. Прокофьева О. К. К вопросу о совершенствовании инструментов банковского надзора // Деньги и кредит. 1997. № 9. C. 39-42.
6. Farrell M. J. The Measurement of Productive Efficiency // Journal of the Royal Statistical Society. Series A (Gener-al).1957. Vol. 120, N 3. P. 253-281.
7. Charnes A., Cooper W. W., Lewin A. Y., Seiford L. M. (eds.) Data envelopment analysis: Theory, methodology and applications. Boston, MA: Kluwer Academic Publ., 1994. 506 p.
8. Cooper W. W., Seiford L. M., Tone K. Data Envelopment Analysis. A Comprehensive Text with Models, Applications, References and DEA-Solver Software. 2nd ed. N.Y.: Springer-Verlag, 2006. 528 p.
9. Charnes A., Cooper W. W., Rhodes E. Measuring the efficiency of decision-making units // European Journal of Operational Research. 1978. Vol. 2, N 6. P. 429-444.
10. Banker R. D., Charnes A., Cooper W. W. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis // Management Science. 1984. Vol. 30, N 9. P. 1078-1092.
11. Овсянко Д. В. Управление качеством. СПб.: Высшая школа менеджмента, 2011. 204 c.
12. Самооценка и управление качеством // Дистанционный консалтинг: Портал дистанционного консультирования малого предпринимательства. 2015: [Электронный ресурс]. Режим доступа: http://www.dist-cons.ru/modules/ qualmanage/section4.html. (Дата обращения: 03.05.2016).
13. Винокуров В., Винокуров А. Качество управления как фактор укрепления рыночных позиций предприятия // Стандарты и качество. 2005. № 12. С. 68-73.
14. Barr R. S., Seiford L. M., Siems T. F. An envelopment-analysis approach to measuring the managerial efficiency of banks // Annals of Operations Research. Vol. 45, Issue 1. 1993: [Электронный ресурс]. Режим доступа: http://link. springer.com/article/10.1007%2FBF02282039. (Дата обращения: 03.05.2016).
15. Barr R. S., Siems T. F. Bank Failure Prediction Using DEA to Measure Management Quality // Southern Methodist University. 1996: [Электронный ресурс]. Режим доступа: http://faculty.smu.edu/barr/puBs/Bspredict.pdf. (Дата обращения: 03.05.2016).
16. Goncalves R. P. Management Quality Measurement: Using Data Envelopment Analysis (DEA) estimation approach for Banks in Brasil // Munich Personal RePEc Archive. 2006: [Электронный ресурс]. Режим доступа: http://mpra. uB.uni-muenchen.de/11143/1/MPRA_paper_11143.pdf. (Дата обращения: 03.05.2016).
17. Wallace L.-K. Quantifying Management's Role in Bank Survival Using Data Envelopment Analysis (DEA): Case of Jamaica // University of the West Indies. 2009: [Электронный ресурс]. Режим доступа: http://sta.uwi.edu/conferences/09/ salises/documents/L%20Wallace.pdf. (Дата обращения: 03.05.2016).
18. Jackson P., Fethi M. D. Evaluating the technical efficiency of Turkish commercial Banks: An Application of DEA and ToBit Analysis // ResearchGate. 2000: [Электронный ресурс]. Режим доступа: https://www.researchgate.net/ puBlication/27244892_Evaluating_the_efficiency_of_Turkish_ commercial_Banks_an_application_of_DEA_and_ToBit_Ana-lysis. (Дата обращения: 03.05.2016).
References
1. Tavasiev A. M. Bankovskoe delo: uchebnik dlya bakalavrov [Banking: A textbook for undergraduates]. Moscow, Yurayt Publ., 2013 . 647 p.
2. Kokh T. U. Upravlenie bankom (transl. from Engl.) [Bank < management]. Ufa, Spektr Publ., 1993 . 478 p. w
3. Moskvin V. A. Banki i ekonomika — moment istiny [The banks o and the economy — the moment of truth]. Den'gi i kredit, ^ 2009, no. 3, pp. 17-19. i
4. Tavasiev A. M., Bychkov V. P., Moskvin V. A. Bankovskoe delo: x bazovye operatsii dlya klientov [Banking: Basic operations ¡3 for clients]. Moscow, Finansy i statistika Publ., 2005. 304 p. ^
5. Prokof'eva O. K. K voprosu o sovershenstvovanii instru- g mentov bankovskogo nadzora [On improvement of bank g supervision tools]. Den'gi i kredit, 1997, no. 9, pp. 39-42. o
6. Farrell M. J. The measurement of productive efficiency. ^ Journal of the Royal Statistical Society. Series A (General), ^ 1957, vol. 120, no. 3, pp. 253-281. e
7. Charnes A., Cooper W. W., Lewin A.Y, Seiford L. M., eds. Data envelopment analysis: Theory, methodology and applications. Boston, MA, Kluwer Academic Publ., 1994. 506 p.
8. Cooper W. W., Seiford L. M., Tone K. Data envelopment analysis: A comprehensive text with models, applications, references and DEA-solver software. 2nd ed. New York, Springer-Verlag Publ., 2006. 528 p.
9. Charnes A., Cooper W.W., Rhodes E. Measuring the efficiency of decision-making units. European Journal of Operational Research, 1978, vol. 2, no. 6, pp. 429-444.
10. Banker R. D., Charnes A., Cooper W.W. Some models for estimating technical and scale inefficiencies in data envelopment analysis. Management Science, 1984, vol. 30, no. 9, pp. 1078-1092.
11. Ovsyanko D. V. Upravlenie kachestvom [Quality management]. St. Petersburg, Graduate School of Management Publ., 2011. 204 p.
12. Self-assessment and quality management. Portal of remote consultation of small business "Remote Consulting". Available at: http://www.dist-cons.ru/modules/qualmanage/ section4.html. Accessed May 03, 2016. (in Russ.).
13. Vinokurov V., Vinokurov A. Kachestvo upravleniya kak faktor ukrepleniya rynochnykh pozitsiy predpriyatiya [Management quality as a factor of strengthening the market position of the company]. Standarty i kachestvo, 2005, no. 12, pp. 6873.
14. Barr R. S., Seiford L. M., Siems T. F. An envelopment-analysis approach to measuring the managerial efficiency of banks. Annals of Operations Research, 1993, vol. 45, no. 1. Available at: http://link.springer.com/article/10.1007%2FBF02282039. Accessed May 03, 2016.
15. Barr R. S., Siems T. F. Bank failure prediction using DEA to measure management quality. Southern Methodist University. 1996. Available at: http://faculty.smu.edu/barr/pubs/ bsPredict.pdf. Accessed May 03, 2016.
16. Goncalves R. P. Management quality measurement: Using data envelopment analysis (DEA) estimation approach for banks in Brasil. Munich Personal RePEc Archive. 2006. Available at: http://mpra.ub.uni-muenchen.de/11143/1/ MPRA_paper_11143.pdf. Accessed May 03, 2016.
17. Wallace L.-K. Quantifying management's role in bank survival using data envelopment analysis (DEA): Case of Jamaica. University of the West Indies. 2009. Available at: http://sta. uwi.edu/conferences/09/salises/documents/L%20Wallace. pdf. Accessed May 03, 2016.
18. Jackson P. M., Fethi M. D. Evaluating the technical efficiency of Turkish commercial banks: An Application of DEA and Tobit Analysis. University of Queensland, Brisbane, Australia. 2000. Available at: https://www.researchgate.net/publica-tion/27244892_Evaluating_the_efficiency_of_Turkish_com-mercial_banks_an_application_of_DEA_and_Tobit_Analysis. Accessed May 03, 2016.
