ОЦЕНКА ВЛИЯНИЯ НАСТРОЕНИЯ НАСЕЛЕНИЯ НА ПРОЦЕНТНЫЕ СТАВКИ ПО КРЕДИТАМ И ДЕПОЗИТАМ БАНКОВ РА Текст научной статьи по специальности «СМИ (медиа) и массовые коммуникации»

Оценка влияния настроения населения на процентные ставки по кредитам и депозитам банков РА

УДК 336.7

Нагапетян Э. С.

аспирант, кафедра Управления, бизнеса и туризма, Российско-Армянский Университет (Ереван, Армения)

enahapet@yandex.ru

Ключевые слова: социальное настроение, настроение населения, процентая ставка по кредитам, процентная ставка по депозитам, большой объем данных, анализ тональности, банковская сфера РА

Assessment of the Influence of Social Mood on Rates of Loans and Deposits of Banks

of the Republic of Armenia

Nahapetyan E. S.

Department of management, business and tourism, graduate student Russian-Armenian University (Yerevan, Armenia)

enahapet@yandex.ru

Abstract. Social mood affects various economic and political aspects of the country, including the banking system. The relevance of the topic lies in the need of expanding the methodology for analyzing social factors affecting banking, given the development of information technologies in modern society.

Nowadays, technologies for big data analyzing allow to assess and measure social mood, as well as determine the degree of influence on specific economic indicators.

The aim of the study is to determine the degree of influence of social mood on the main indicators of the banking sector. The objectives of the study are to determine the social mood index of the Armenian population, as well as to analyze the tone of comments on the social network Facebook.

The study has used scientific analysis methods such as statistical, regression and factor analysis.

The research results show that the mood of the population is a rather significant factor influencing the interest rates on loans and deposits of RA banks.

Keywords: social mood, mood of the population, rate of loans, rate of deposits, big data, sentiment analysis, banking sector of the RA

•<•< piuiilihpli i|ui|ilih|ili hi[ iui|uiiiijiih|ili innlinuiuij|inLjpiih|ili i[|iiu ungliiu|uiliiuii

in|iiuihui||inLpjiiiii iiiqijhgnLpjiiiii qiiiuhiuinnLil|i

ЪшhшщkmJшh U.

шищ^ршйш, Чшпш^шрйшй, pftqUbuft к дрпишрррпщщй шйр^пй, ^щ-Л-пшш^шЬ (Ьркшй, ^щшитшй)

enahapet@yandex.ru

ипд^ш^ш^шЬ трш^шцрт.р_)П1Ьр шдцпЫ t bp^pfr тшррЬр тЬтЬиш-ршцшрш^шЬ шищЬ^тЬЬр^ ^рш, щщ p^mtf Ьшк ршЬ^ифЬ hщtfщ^щpq^:

^Ыиф шрц^ш^шЬт^тЬр щщ|^шЬш4пр4ш& t ршЬЦшфЬ qnp&nLbbmp^b ^рщ ипд^ш^ш^шЬ qnp&nbbbpfr шдцЬдтр^Ь hhmщqnmmpJщЬ tfhpnqn]nq^uij^ рЬщиц^шЬ шЬhpшdh2mпlpJшtfp, hш2ф шпЬЬрЦ ^Ьфпр^шд^пЬ mbfabninq^bbpfr qщpqщgnLtfр ¿ш^шЬш^ш^д hшишpш^пLpJпLЬпLtf:

ЪЬрЦшфи щиц^шЬЬЬрт^ tfb& т^ш^Ьр^ ^bpinL&nipjmb тЬ^ЬщпфшЬЬр^ oqbmp^tfp Шшрш^пр t qЬшhшmhl ипд^ш^ш^шЬ трш^шцртр]тЬр, ^ЬщЬи Ьшк, ишШшЬЬ! тЬтЬиш^шЬ дтдшЬ^ЬЬр^ ^рш щqqhgпLpJщЬ шит^бшЬр:

-^hmшqпmпLpJшЬ Ьщштш^р ршЬ^ифЬ щпрт^ дтдшЬ^ЬЬр^ ^рш pЬщ^nLp)щЬ ипд^ш^ш^шЬ

mpщJщqpпLpJщЬ шqqhgпLpJшЬ шит^бшЬ^ прщт^р:

-hmщqпmпLpJщЬ fabq^pbbpb № ипд^ш^ш^шЬ mpщtfщqpnLpJщЬ ^bqbgufr ишШшЬт^р, ^щЬи Ьшк, Facebook ипд^ш^ш^шЬ дшЬдт^ tfh^ЬшpшЬпLpJпLЬЬhpfr mnbmjbmp^b hhmщqnmnLpJnLЬр:

-hmщqпmпLpJщЬ ^рш^шЬшд^шЬ hшtfшp ^ршп^Ь ЬЬ фтш^шЬ ^bppL&mp^b ф 2шрр tfbpnqbbp, прпЬд p^nLtf фfiш^шqpш^шЬ, nbqpbufrnb k qnp&nbmj^b ^bpinL&mpjnLbbbpfr tfbpnqbbp:

-Ьшшдпщтр^Ь шрц^ЬрЬЬрр фшишт^ ЬЬ, пр hшuшpш^nlpJшЬ щрш^шцртр^Ьр рш^ш^шЬ^Ь

qnpônb t, прЬ шдцт^ t -- ршЬ^Ьр^ Цшр^Ьр^ к ш^шЬцЬЬр^ шп^пиш^рпцрЬЬр^ фш: -^йЬшршпЬр' ипд^ш^ш^шЬ щрш^шцртр^Ь, рЬш^тр)шЬ трш^шцртр^Ь, Цшр^Ьр^ шп^пиш^рпцрЬЬр, ш^шЬцЬЬр^ шп^пиш^рпцрЬЬр, rîhô щфш^ЬЬр^ ^bpinLÔnipjnLb, щрш^шцртр^ЬЬЬр^ ^bpinLÔnipjnLb, --ршЬ^шфЬ njnprn

Исследование фактов, влияющих на банковскую сферу, предполагает также анализ социального аспекта жизни общества, одним из показателей которого является социальное настроение населения.

Социальное настроение - ключевой элемент общественного сознания, возникающий как реакция на воздействие внешних социальных объектов, как результирующее или доминантное чувство, порождённое этими объектами, осознаваемое или неосознаваемое [1].

Индикатор социального настроения отражает восприятие населением социальных, экономических и политических процессов в условиях быстроизменяющейся ситуации в стране и мире, а с другой стороны влияет на различные общественные процессы, воздействуя таким образом на многие экономико-политические аспекты страны.

Учитывая интегрированность и активность населения Армении в социальной сети БаееЬоок, было решено применить метод анализа эмоциональных окрасок комментариев БаееЬоок, для определения социального настроения населения.

Первым этапом проведения анализа стал сбор релевантной базы данных. Для этого были определены самые популярные и верифицированные страницы БаееЬоок в Армении [2].

Следующим шагом стало скачивание всех комментариев ко всем постам на вышеуказанных страницах БаееЬоок, начиная с мая 2018 г.[3]. Далее, собранная база комментариев была распределена по месяцам публикации. После этого база была отфильтрована: удаление дубликатов и нетекстовых комментариев (например, сообщения содержащие только цифры и знаки). Наконец, все комментарии были переведены на

Таким образом, после проведения тестирования была выбрана библиотека Тех1Б1оЬ для проведения основного анализа.

Результаты анализа эмоциональной окраски приведены в Таблице 2. В таблице также приве-

английский язык. Полученный корпус комментариев готов к анализу тональности.

Анализ тональности - область компьютерной лингвистики, занимающаяся выделением из текстов эмоционально окрашенной лексики или эмоциональной оценки автора.

Для определения эмоциональной окраски текстовых данных был выбран метод машинного обучения при помощи языка программирования Python[4]. Среди существующих библиотек Python были определены наиболее популярные и лицензированные MIT библиотеки автоматического определения тональности текста: TextBlob [5] и Vader [6].

До проведения самого анализа, было проведено тестирование выбранного метода. Рандом-но был выбран корпус комментариев из 100 комментариев и проведен анализ тональности каждого комментария по двум выбранным библиотекам. Полученные результаты были усреднены. Чтобы проверить насколько полученный индекс релевантен, было проведено ручное оценивание: выбранный корпус комментариев был передан 10 участникам тестирования и одному дипломированному психологу. Полученные усредненные оценки всех участников тестирования, усредненная оценка психолога и усредненные индексы двух библиотек были сравнены. Данный тест был проведен второй раз: с другими 100 рандомно выбранными комментариями и 10 другими участниками тестирования.

Усредненные результаты обоих тестов показали, что библиотека TextBlob в среднем на 80% идентичен ручной оценке и оценке психолога, а библиотека Vader соответственно на 79%.

дены ежемесячные данные о процентной ставке по кредитам, выданным коммерческими банками; процентной ставке по депозитам, привлеченным коммерческими банками на период с 05.2018 по 05.2020.

Таблица 1. Результаты проведения тестирования выбранного метода анализа тональности комментариев.

Средняя оценка библиотеки TextBlob Средняя оценка библиотеки Vader Средняя оценка участников Средняя оценка психолога

1-ый тест 0.15 0.18 0.12 0.12

2-ой тест 0.12 0.16 0.13 0.14

Таблица 2. Средняя процентная ставка кредитов, выданным коммерческими банками, периодом до 1-го года; Средняя процентная ставка депозитов, привлеченным коммерческими банками, периодом до 1-го года; Индекс

Средняя процентная ставка кредитов, выданным коммерческими банками, периодом до 1-го года Средняя процентная ставка депозитов, привлеченным коммерческими банками, периодом до 1-го года Индекс настроения населения

Дата У1 У2 X

05.2018 13,73 8,48 0,3

06.2018 12,26 8,64 0,22

07.2018 11,87 8,69 0,34

08.2018 12,75 9,14 0,32

09.2018 12,43 8,63 0,29

10.2018 12,95 8,80 0,28

11.2018 12,36 8,10 0,26

12.2018 11,58 8,57 0,24

01.2019 12,94 8,95 0,22

02.2019 12,70 8,65 0,21

03.2019 12,57 8,99 0,22

04.2019 12,26 8,85 0,25

05.2019 11,61 8,86 0,19

06.2019 12,14 8,25 0,2

07.2019 12,29 8,22 0,18

08.2019 12,17 8,30 0,25

09.2019 12,01 7,37 0,13

10.2019 12,01 8,51 0,29

11.2019 11,54 8,42 0,23

12.2019 11,47 8,47 0,2

01.2020 11,55 9,10 0,19

02.2020 11,92 8,65 0,24

03.2020 12,09 7,23 0,09

04.2020 11,49 8,08 0,17

05.2020 11,69 8,31 0,15

Для определения взаимосвязи между переменными, исследуем степень корреляционной зависимости между переменными:

- средняя процентная ставка кредитов, периодом до 1-го года (У1) и настроение населения (X)

- средняя процентная ставка депозитов, периодом до 1 года (У2) и настроения населения (X)

Для этого построим корреляционные матрицы в программе EViews [7]. Корреляционные матрицы приведены в таблицах 3 и 4.

Таблица 4. Корреляционная матрица переменных 72 и X

Correlation

Y2 X

Y2 1.000000 0.600450

X 0.600450 1.000000

Correlation

Y1 X

Y1 1.000000 0.406503

X 0.406503 1.000000

I I

Коэффициент корреляции переменных Y1 и X - 0.4

Коэффициент корреляции переменных У2 и X - 0.6

Из корреляционных матриц следует, что настроение населения имеет корреляционную связь и с процентной ставкой по кредитам и с процентной ставкой по депозитам.

Для определения степени влияния настроения населения на процентную ставку по кредитам, построим регрессионную модель, в которой зависимая переменная - У1 процентная ставка по кредитам.

Определим коэффициенты уравнения регрессии.

Y1 = P0 + pi^X

Результаты представлены в таблице 5.

Таблица 5. Регрессионная модель зависимой переменной Y1

Variable Coefficient Std. Error t-Statlstic Prob.

X 3.809989 1.785563 2.133775 0.0437

С 11.31228 0.417318 27.10713 0.0000

R-squared Q.165245 Mean dependentvar 12.17487

Adjusted R-squared 0.128951 S.D. dependentvar 0.555070

Ё.Е. of regression 0.518047 Akaike Info criterion 1.599117

Sum squared resid 6.172575 Schwarz. criterion 1.696627

Log likelihood -17.98897 Hannan-Ciulnn enter. 1.626162

F-statistlc 4.552995 Durbin-Watson stat 1.463348

Prob(F-statistic) 0.043748

Как следует из данных, полученных с помощью Eviews методом наименьших квадратов, полученная модель имеет вид:

У1 = 11,31228 + 3,809989-Х (1.1) Уравнение (1.1) выражает зависимость процентной ставки по кредитам (У1) от настроения населения (Х). Коэффициент детерминации Я2 = 0,1652. Это говорит о том, что на 17% полученная модель объясняет изменения переменной У1. Уровень значимости модели 5%.

Аналогичным образом построим регрессионную модель, в которой зависимая переменная У2 - процентная ставка по депозитам.

Таблица 6. Регрессионная модель зависимой переменной Y2

Variable Coefficient Std. Error t-Statistlc Prob.

X 4.693186 1.303269 3.601089 0.0015

С 7.427819 0.304597 24.38572 0.0000

R-squared 0.360540 Mean dependent var 8.490356

Adjusted R-squared 0.332737 S.D. dependentvar 0.462892

S.E. of regression 0.378119 Akaike info criterion 0.969401

Sum squared resid 3.288395 Schwarz. criterion 1.066911

Log likelihood -10.11751 Hannan-Quinn criter. 0.996446

F-statistlc 12.96784 Durbin-Watson stat 1.487145

Prob(F-statistic) 0.001506

Из данных, полученных тем же методом наименьших квадратов с помощью EViews, модель будет имеет вид:

У2 = 7,427819 + 4,693186-Х (1.2) Уравнение (1.2) выражает зависимость процентной ставки по депозитам (У2) от настроения населения (Х).

Коэффициент детерминации Я2 = 0,3605. Это говорит о том, что на 36% полученная модель объясняет изменения переменной У2. Уровень значимости модели 1%.

Далее необходимо провести проверку полученных моделей.

Для начала проверим остатки на наличие автокорреляции для модели У1. Для этого выпишем из таблицы 4 значение статистики Дарбина-Уотсона.

= 1,463.

Значащие точки Л и ёи для 5% уровня значимости для т = 1 и п = 25: Л = 1,29; ёи = 1,45. [8].

Так как Л < DW < 4-ёЬ , то нулевую гипотезу об отсутствии автокорреляции мы можем принять.

Также проверим остатки на наличие автокорреляции для модели У2. Для этого выпишем из таблицы 5 значение статистики Дарбина-Уотсона.

DW = 1,4687.

Значащие точки Л и ёи для 1% уровня значимости для т = 1 и п = 25: Л = 1,05; ёи = 1,21. [8].

Так как Л < DW < 4-ёЬ , то нулевую гипотезу об отсутствии автокорреляции мы можем принять.

Далее проведем еще одну проверку - установим наличие гетероскедастичности случайных отклонений модели. Будем использовать для этого тест Глейзера.

По данному методу оценивается регрес-

н

снонная зависимость модулей отклонений ГЧ от хь Построим для объясняющей переменной

\е\ = т

зависимости 1 1

Результаты модели У1 приведены в табл. 7.

Таблица . Тест на гетероскедастичность (тест Глейзера) переменной Y1

Variable Coefficient Std. Error t-Statistic Prob.

С 0.206889 0.241212 0.857708 0.3999

X 0.863447 1.032066 0.836620 0.4114

В таблице 7 рассчитана 1>статистика для коэффициента р. Определяем статистическую значимость полученного коэффициента р. Табличное значение коэффициента Стьюдента для уровня значимости а =0,05 и числа степеней свободы п=25, 1 =2,060. [9]. Сравнивая рассчитанную 1>статистику с табличной, получаем, что коэффициент при переменной х не является статистически значимым. Это говорит об отсутствии в модели гетероскедастичности.

Результаты модели У2 приведены в табл. 8.

Таблица 8. Тест на гетероскедастичность (тест Глейзера) переменной Y2

Variable Coefficient Std. Error t-Statistlc Prob.

С 0.540401 0.170398 3.171406 0.0043

X -1.088765 0.729076 -1.493349 0.1489

В таблице 8 рассчитана 1>статистика для коэффициента р. Определяем статистическую значимость полученного коэффициента р. Табличное значение коэффициента Стьюдента

для уровня значимости а =0,01 и числа степеней свободы п=25, 1 =1,708. [9]. Сравнивая рассчитанную 1>статистику с табличной, получаем, что коэффициент при переменной X не является статистически значимым. Это говорит об отсутствии в модели гетероскедастичности.

Таким образом, можно отметить релевантность полученных моделей, а значит можем определить, что настроение населения влияет на банковскую сферу примерно на 17% для процентов по кредитам и на 36% для процентов по депозитам.

Перечень использованной литературы

1. Яценко, И. Н. Социальное настроение и самочувствие населения малого северного города [Электронный ресурс]: дис.... на соиск. уч. ст. канд. соц. наук: 22.00.04 - социальная структура, социальные институты и процессы / И.Н. Яценко. - Екатеринбург, 2006. - Режим

доступа: http://www.lib.ua-ru.net/diss/cont/191625.html

2. Armenia Facebook page statistics - Режим доступа: www.socialbakers.com 01.10.2019г.

3. README.md - Режим доступа: www.github.com/strohne/Facepager 01.10.2019г.

4. Python - Режим доступа: www.python.org 01.10.2019г.

5. TextBlob: Simplified Text Processing - Режим доступа: www.textblob.readthedocs.io 01.09.2020г.

6. VADER-Sentiment-Analysis - Режим доступа: www.github .com/sj hutto/vaderSentiment 01.09.2020г.

7. EVIEWS 11- Режим доступа: www.eviews.com 01.09.2020г.

8. Распределение Дарбина-Уотсона - Режим доступа: www.helpstat.ru/statisticheskie-tabliczy 01.09.2020г.

9. Распределение Стьюдента - Режим доступа: www.helpstat.ru/statisticheskie-tabliczy 01.09.2020г.

Сдана/^шЫйф\ f 02.12.2020 Рецензирована/0-рш^пиф1 f 15.12.2020 Принята/^йцтй^Щ f 25.12.2020