CC BY
159
Известия Иркутской государственной экономической академии. Izvestiya of Irkutsk State Economics Academy,
2014. № 5 (97). С. 31-39. ISSN 1993-3541 2014, no. 5 (97),pp. 31-39. ISSN 1993-3541
D. D. GONTAR
УДК 336.71:330.133 Д. Д. ГОНТАРЬ
Харьковский национальный экономический университет им. С. Кузнеца,
г. Харьков, Украина
СОВЕРШЕНСТВОВАНИЕ ПРОЦЕДУРЫ ОЦЕНКИ СТОИМОСТИ БАНКА МЕТОДОМ ДИСКОНТИРОВАНИЯ ДЕНЕЖНОГО ПОТОКА
Аннотация. Среди существующих подходов к оценке стоимости наиболее приемлемым для оценки стоимости банков является доходный подход, который позволяет учесть перспективы развития банка и будущие доходы его владельца. Однако при реализации доходного подхода возникает угроза субъективности суждений экспертов при составлении прогнозов будущей стоимости статей баланса банка.
Для решения этой проблемы рекомендуется использовать технологии дейтамайнинга, в частности нейронные сети, которые представляют собой математические модели, построенные по принципу организации нервных клеток живого организма. Апробация предложенной процедуры оценки стоимости банка методом дисконтирования денежного потока была проведена на примере ПАО «Альфа-банк».
Так, с помощью программы Statistica 6.0 для прогнозирования каждой из статей баланса банка была построена нейронная сеть, которая позволила получить наиболее точный прогноз значений временного ряда. Для определения премии за риск инвестирования как составляющей ставки дисконта предложено использовать наиболее распространенный способ логического вывода в нечетких системах — алгоритм нечеткого вывода Мамдани. В статье представлены результаты расчета величины стоимости ПАО «Альфа-банк» по состоянию на 1 апреля 2014 г. Сделан вывод, что реализация предложенных этапов процедуры оценки стоимости банка позволит устранить возможные ошибки в оценке его стоимости. Ключевые слова. Алгоритм нечеткого вывода; дисконтирование денежного потока; доходный подход; нейронные сети; оценка стоимости банка; ставка дисконта.
Информация о статье. Дата поступления 17 июня 2014 г.; дата принятия к печати 15 сентября 2014 г.; дата онлайн-размещения 31 октября 2014 г.
D. D. GONTAR
Simon Kuznets Kharkiv National University of Economics,
Kharkiv, Ukraine
IMPROVING THE BANK VALUATION PROCEDURE BY THE DISCOUNTED CASH FLOW METHOD
Abstract. The income approach enabling to consider the bank development prospects and owner's future earnings is the most appropriate among the existing approaches to bank valuations. However, the income approach realization entails a danger of experts' judgments subjectivity while forecasting the future value of the bank's balance sheet items. To solve this problem it is recommended to use data mining technologies, namely, neural networks, which are mathematical models based on the principle of organizing neural cells of a living organism. The proposed bank valuation procedure by the discounted cash flow method is tested on the example of the PJSC «Alfa-bank». Thus, using the program Statistica 6.0 intended to forecast each of the bank's balance sheet items, the neural network enabling to get the most accurate prediction of time series values was constructed. It is offered to use the Mamdani algorithm of fuzzy conclusion, which is the most common method of inference in fuzzy systems, for determining the investment risk premium as a component of the discount rate. The results of calculating the value of the PJSC «Alfa-Bank» as of 1 April 2014 are provided. It is concluded that implementation of the proposed steps of the bank valuation procedure will contribute to elimination of possible errors in bank value estimations.
Keywords. Fuzzy conclusion algorithm; cash flow discounting; income approach; neural networks; bank valuation; discount rate.
Article info. Received June 17, 2014; accepted July 10, 2014; available online October 31, 2014.
В связи с незрелостью рынков капитала оценка стоимости банков развивающихся стран, в том числе и Украины, имеет выраженную специфику. Ограниченное присутствие банков на фондовых рынках развивающихся стран, недостаток качественных данных, необходимых для оценки, значительно затрудняют процесс оценки стоимости банков. В таких условиях не может в
полной мере применяться весь инструментарий оценки стоимости банков, а используемые методы требуют корректировок. Так, значительное количество банков Украины имеет отношение к финансово-промышленным группам или политическим силам, что затрудняет прогнозирование их финансовых результатов и, следовательно, оценку их стоимости.
© Д. Д. Гонтарь, 2014
31
Исследованию проблемы оценки стоимости финансовых учреждений уделяется значительное внимание в научных работах и исследованиях многих украинских и российских ученых-эко-номистов — таких, как А. О. Епифанов [9], В. М. Кочетков [11], С. В. Леонов [12], Л. В. Сорокина [13], М. Е. Горчакова [1], В. В. Поляков [4], В. И. Самаруха [5]. Однако некоторые важные вопросы при этом остались не рассмотренными в полной мере, а именно: аспекты практического применения подходов и методов определения стоимости финансовых учреждений, в частности банков; использование экономико-математических методов для оценки стоимости банка.
Целью исследования является совершенствование процедуры оценки стоимости банка методом дисконтирования денежного потока за счет использования технологий дейтамайнинга и алгоритма нечеткого вывода Мамдани.
Выделяют три подхода к оценке стоимости бизнеса: доходный, сравнительный и затратный. Каждый подход включает в себя несколько методов оценивания. Использование сравнительного и затратного подходов предусматривает наличие
Izvestiya of Irkutsk State Economics Academy, 2014, no. 5 (97),pp. 31-39. ISSN 1993-3541
FINANCIAL, TAX AND MONETARY POLICY
публичной информации, которая может быть получена только в случае присутствия банков на фондовом рынке. Поэтому для оценки стоимости банков рекомендуется применять метод дисконтирования денежного потока, выделяемый в рамках доходного подхода. Особенности применения данного метода приведены в Национальном стандарте № 3 «Оценка целостных имущественных комплексов», принятом постановлением Кабинета министров Украины от 29 ноября 2006 г. № 1655. Предложенная последовательность
реализации метода дисконтирования денежного потока представлена на рис. 1.
Этап 1. Выбор соответствующей модели денежного потока. В соответствии с Национальным стандартом № 3 «Оценка целостных имущественных комплексов» в рамках метода дисконтирования денежного потока применяются такие модели денежного потока: чистый денежный поток для собственного капитала; чистый денежный поток для инвестированного капитала. Для оценки стоимости банков более целесообразно применять модель чистого денежного потока для собственного капитала.
Рис. 1. Этапы процедуры оценки стоимости банка методом дисконтирования денежного потока
D. D. GONTAR
Этап 2. Определение прогнозного периода поступлений денежного потока. Согласно особенностям оценки стоимости финансовых учреждений, в качестве прогнозного периода предлагается выбрать пять лет.
Этап 3. Прогнозирование составляющих чистого денежного потока и его расчет на каждый прогнозный период. Этап предусматривает прогнозный расчет величины основных статей баланса оцениваемого банка. В связи с возрастающей нестационарностью внешней среды с этой целью рекомендуется применять современные технологии дейтамайнинга (интеллектуального анализа данных), в частности нейронные сети [2, с. 260; 13, с. 278].
Для примера рассмотрим процесс прогнозирования статьи баланса «Денежные средства и их эквиваленты» на примере украинского банка ПАО «Альфа-банк»1. Для выбора начальных характеристик нейронной сети следует осуществить одномерный спектральный
1 URL : http://www.alfabank.ua/ru/bankovskaja-
otchetnost/.
анализ Фурье, который предусматривает определения максимальной амплитуды изменения значений временного ряда [10, с. 75]. Проведение спектрального анализа Фурье в программном комплексе Statistica 6.0 дало возможность определить, что максимальное значение амплитуды изменения значений временного ряда оказалось равным 4, т. е. существует цикл, равный 4-м кварталам. Поэтому начальное количество значений временного ряда, которое будет использовано для прогнозирования статьи баланса «Денежные средства и их эквиваленты» ПАО «Альфа-банк», будет равно 4.
График построенных с помощью нейронных сетей значений рассматриваемой переменной представлен на рис. 2.
Как видно из рис. 2, значения выходных переменных, построенные с помощью выбранных пяти нейронных сетей, являются приближенными к анализируемым значениям временного ряда. Характеристика выбранных пяти нейронных сетей приведена в табл. 1.
2Й2 t- to < и I D
s."s
X
*
<D
X
<D
7,0E6 6,5E6 6,0E6 5,5E6 5,0E6 4,5E6 4,0E6 3,5E6 3,0E6 2,5E6 2,0E6 1,5E6 1,0E6 5,0E5 0
-5,0E5
-1,0E6
'
Яг,
-
м [J
«я W
• h
jy
/
0
5
10 15 20 25 30 35 40 45 50 55 60 65 70
Денежные средства и их эквиваленты (целевая переменная)
Денежные средства и их эквиваленты ---[1.MLP 4-4-1]
----[2^Р 4-7-1] ....[3^Р 4-7-1]
----[4.MLP 4-6-1] ----[5.MLP 4-5-1]
Рис. 2. Графическое изображение значений статьи баланса «Денежные средства и их эквиваленты» ПАО «Альфа-банк», построенное с помощью выбранных пяти нейронных сетей (тренировочная выборка)
Анализ исследуемых типов сетей
Таблица 1
Архитектура сети Производительность тренировочной выборки Производительность тестовой выборки Средняя абсолютная процентная ошибка, % Функция активации входящей переменной Функция активации выходной переменной
MLP 4-4-1 0,976 0,989 0,018 Логистическая Тождественная
MLP 4-7-1 0,996 0,991 0,017 Логистическая
MLP 4-7-1 0,978 0,993 0,019 Тангенсоида
MLP 4-6-1 0,995 0,994 0,020 Тангенсоида
MLP 4-5-1 0,974 0,993 0,027 Тангенсоида
Как видно из табл. 1, наивысшую производительность (корреляцию между входными и прогнозируемыми значениями) имеет вторая построенная сеть со следующими параметрами: тип архитектуры сети — многослойный персептрон; количество слоев — 3; количество нейронов во входящем слое — 1; начальное количество значений временного ряда, которое будет использовано для прогнозирования, — 4; количество нейронов в скрытом слое — 7; количество нейронов в выходном слое — 1; функция активации входной переменной — логистическая; средняя абсолютная процентная ошибка — 1,7 %. Ее архитектура приведена на рис. 3.
Рис. 3. Архитектура нейронной сети 4-7-1 для прогнозирования статьи баланса «Денежные средства и их эквиваленты»
ПАО «Альфа-банк»
Как видно из рис. 3, нейронная сеть представляет собой взвешенный ориентированный граф. Вершины графа являются нейронами сети, а ребра соответствуют связям между нейронами.
В результате исследований было определено, что прогнозные значения статьи баланса «Денежные средства и их эквиваленты» ПАО «Альфа-банк» на 1 апреля соответствующего года составляют: 2015 г. — 8 161 млн грн., 2016 г. — 4 091 млн грн., 2017 г. — 2 004 млн грн., на 2018 г. — 5 501 млн грн., 2019 г. — 15 105 млн грн. Средняя абсолютная процентная ошибка не превышает 10 %, поэтому можно сделать вывод, что применение нейронных сетей для решения задач прогнозирования статей баланса банка является эффективным.
По результатам прогноза всех статей баланса банка можно определить прогнозные объемы свободного денежного потока. Они вычисляются как прогнозируемая величина чистой прибыли, увеличенная на прогнозируемую сумму амортизации, учтенную в составе расходов при определении величины чистой прибыли, уменьшенная на величину прогнозируемого
Izvestiya of Irkutsk State Economics Academy, 2014, no. 5 (97),pp. 31-39. ISSN 1993-3541
FINANCIAL, TAX AND MONETARY POLICY
прироста рабочего капитала (увеличенная на величину уменьшения рабочего капитала), уменьшенная на сумму прогнозируемых капитальных инвестиций и увеличенная на величину прироста долгосрочных обязательств (уменьшенная на величину уменьшения долгосрочных обязательств) за соответствующий период.
Этап 4. Обоснование составляющих ставки дисконта и ее определение. В Украине для практического использования наибольшее распространение получила модель кумулятивного построения ставки дисконта, которая рекомендована Национальным стандартом оценки № 3. Модель кумулятивного построения должна учитывать следующие составляющие:
- безрисковая ставка (в качестве безрисковой ставки принимается уровень доходности казначейских облигаций США);
- премия за риск страны (рассчитывается как разница между ставками по еврооблигациям, эмитированным государством Украина, и казначейскими облигациями США);
- премия за риск инвестирования (премия, которую должен получить инвестор за риск инвестирования именно в этот актив по сравнению с безрисковой ставкой)[11, с. 124; 13, с.330].
Безрисковую ставку и премию за риск страны можно охарактеризовать как экзогенные составляющие ставки дисконта, которые являются одинаковыми для всех банков, действующих в единой экономической среде. Безрисковая ставка (ставка доходности облигаций США с 10-летним сроком погашения) равна 2,6 %1. Ставка по еврооблигациям, эмитированным государством Украина, составляет 4,8 %2, поэтому премия за риск страны составит 4,8 - 2,6 = 2,2 %. Премия за риск инвестирования является эндогенной составляющей ставки дисконтирования и зависит от многих факторов, которые могут быть объединены в следующие группы: фактор, характеризующий уровень эффективности управления ликвидностью банка F1, уровень эффективности управления собственным капиталом банка F2, уровень эффективности управления нематериальными активами банка F3, уровень эффективности управления конкурентоспособностью банка F4, уровень эффективности управления рентабельностью банка F5, уровень эффективности управления персоналом банка F6, уровень эффективности управления деловой
1 URL : http://ru.investing.com/rates-bonds/usa-government-bonds.
2 URL : http://www.bank.gov.ua/control/uk/bonds/lis t?year=2013&date=17.09.2013¤cy=.
активностью банка F7. Предложенные экзогенные и эндогенные составляющие ставки дисконта представлены на рис. 4.
Для обоснования премии за риск инвестирования предлагается использовать инструментарий теории нечетких множеств, в частности алгоритм Мамдани, который предусматривает задание входных и выходных переменных нечеткими множествами типа «Низкий», «Средний», «Высокий», что позволяет их интерпретировать не только в математических терминах, но и в экономических категориях. Порядок определения показателей F1—F6 приведен в [8].
Определение границ значений качественных уровней анализируемых показателей позволяет выявить соответствующие нечеткие термы: «Низкий», «Средний», «Высокий», что соответствует рассчитанному значению показателей, характеризующих уровни эффективности управления факторами, влияющими на стоимость банка. Выходная лингвистическая переменная — надбавка к ставке дисконтирования — содержит две термы: «Умеренная» и «Существенная» с гауссовыми функциями принадлежности. Координаты максимумов функций принадлежности — соответственно 5 и 2,5 %, определенные в соответствии с рекомен-
Izvestiya of Irkutsk State Economics Academy, 2014, no. 5 (97), pp. 31-39. ISSN 1993-3541
D. D. GONTAR
дациями относительно процедуры кумулятивного построения ставки дисконта [13, с. 343]. Если большинство компонент, характеризующих эффективность управления факторами, которые влияют на стоимость банка, находятся на высоком или среднем уровне, то премия за риск инвестирования составит 2,5 %, если на низком или среднем уровне — 5 %.
Минимальное количество правил равно количеству термов выходной переменной (2), в данном случае было использовано 10 правил.
Для определения четкого значения выходной переменной применялся метод центра тяжести: результат дефазификации равен абсциссе центра тяжести площади криволинейной фигуры, ограниченной графиком аккумулированной функции принадлежности [3, c. 202].
Определение премии за риск инвестирования с помощью алгоритма нечеткого вывода Мамдани для ПАО «Альфа-банк» приведено на рис.5.
Как видно из рис. 5, результат дефазификации при определении премии за риск инвестирования для ПАО «Альфа-банк» составил 4,09 %, что соответствует значению функции принадлежности, равному 5 %, поэтому ставка дисконта будет равна 2,6 + 2,2 + 5 = 9,8 %.
Рис. 4. Предложенные составляющие модели кумулятивного построения ставки дисконта
FINANCIAL, TAX AND MONETARY POLICY
Рис. 5. Определение премии за риск инвестирования для ПАО «Альфа-банк» по состоянию на 1 апреля 2014 г.
Этап 5. Проведение расчета стоимости реверсии и его обоснование. Стоимость реверсии определяется исходя из ожидаемых результатов наиболее эффективного использования активов целостного имущественного комплекса в период, следующий за прогнозным.
Основные методы расчета стоимости реверсии приведены в табл. 2 [6, с. 311; 7, с. 248; 11, с. 124; 14, с. 312].
Таблица 2
Характеристика основных методов расчета стоимости реверсии
Метод Особенности применения метода
Расчета по ликвидационной стоимости Применяется, если в послепрогноз-ный период ожидается банкротство предприятия с последующей продажей имеющихся активов. Учитываются расходы, связанные с ликвидацией, и скидка за срочность в случае срочной ликвидации. Для оценки действующего предприятия, приносящего прибыль, этот метод неприменим
Расчета по стоимости чистых активов Расчет основан на определении ожидаемой рыночной стоимости активов предприятия на конец прогнозного периода за вычетом обязательств. Метод может быть использован для стабильного бизнеса при условии наличия значительных материальных активов
Предпо- лагаемой продажи Денежный поток пересчитывается в показатели стоимости с помощью специальных коэффициентов, значения которых зависят от конкретных условий рынка. В Украине из-за малого количества рыночных данных применение метода является весьма проблематичным
Гордона Основан на прогнозе получения стабильных доходов в послепрогнозный период и предполагает, что ожидаемый прирост доходов в долгосрочном периоде не превысит ставку дисконта
Как видно из табл. 2, для определения стоимости реверсии анализируемых банков целесообразно применять модель Гордона. Расчет стоимости реверсии ValueR по модели Гордона производится по формуле
ValueR =
NCF„
- / k,
(1 + d - g)n
где NCFn — чистый денежный поток в последнем прогнозном периоде; d — ставка дисконта; g — уровень роста доходов банка в долгосрочном периоде; n — временной период; k — ставка капитализации (равна ставке дисконта d) [11, с. 126].
Этап 6. Определение текущей стоимости чистых денежных потоков, реверсии и избыточного имущества в случае его наличия. Специфика банковской деятельности обусловливает незначительную долю основных средств и нематериальных активов в совокупных активах банка, поэтому предполагается, что избыточное имущество отсутствует в собственности анализируемых банков.
Этап 7. Определение стоимости объекта оценки как суммы текущей стоимости чистых денежных потоков, реверсии и текущей стоимости избыточного имущества. Стоимость банка Value методом дисконтирования денежного потока рассчитывается по формуле
n CF
Value = У-------Ц- + ValueR,
t = 1(1 + d)'
где n — прогнозный период; CFt — чистый денежный поток в период t; d — ставка дисконта; ValueR — стоимость реверсии [Там же, с. 125].
Прогнозный баланс и рассчитанная на его основе стоимость ПАО «Альфа-банк» приведены в табл. 3.
D. D. GONTAR
Таблица 3
Расчет стоимости ПАО «Альфа-банк» по состоянию на 1 апреля 2014 г. методом дисконтирования денежного потока, млн грн.
Название статьи баланса 1 апреля 2015 г. 1 апреля 2016 г. 1 апреля 2017 г. 1 апреля 2018 г. 1 апреля 2019 г. Архитектура нейронной сети Средняя абсолютная процентная ошибка, % Производительность тренировочной выборки
Активы Денежные средства и их эквиваленты 8 161 4 091 2 004 5 501 15 105 MLP 4-7-1 1,70 0,996
Средства обязательных резервов банка в НБУ 322 323 323 323 323 MLP 2-1-1 5,96 0,933
Прочие финансовые активы, которые учитываются по справедливой стоимости 3 493 6 894 13 422 25 952 50 178 MLP 4-6-1 7,65 0,946
Средства в других банках 1 506 2 099 2 140 2 140 2 140 MLP 4-6-1 3,16 0,925
Кредиты и задолженность клиентов 15 693 17 163 10 806 745 51 MLP 4-10-1 1,48 0,992
Ценные бумаги в портфеле банка на продажу 1 346 1 436 1 476 1 455 1 435 MLP 4-5-1 0,67 0,958
Дебиторская задолженность по текущему налогу на прибыль 11 8 9 9 8 MLP 4-9-1 4,98 0,923
Отсроченный налоговый актив 103 105 107 107 107 MLP 4-9-1 2,81 0,931
Основные средства и нематериальные активы 379 379 379 379 379 MLP 4-3-1 0,57 0,994
Прочие финансовые активы 1 197 1 717 391 1 600 6 549 MLP 4-10-1 0,97 0,945
Прочие активы 112 104 105 106 106 MLP 4-7-1 3,99 0,912
Итого активов 32 445 34 439 31 281 38 437 76 503
Обязательства Средства банков 5 468 5 639 5 580 5 569 5 557 MLP 4-6-1 0,40 0,978
Средства клиентов 16 324 19 059 18 623 22 842 59 182 MLP 4-7-1 1,56 0,991
Долговые ценные бумаги, эмитированные банком 921 371 487 818 1 376 MLP 4-7-1 2,41 0,971
Прочие привлеченные средства 3 444 2 532 2 579 3 008 3 508 MLP 2-9-1 8,48 0,918
Резервы по обязательствам 19 12 16 14 12 MLP 2-5-1 8,68 0,911
Прочие финансовые обязательства 1 991 2 341 716 970 1 313 MLP 4-10-1 1,20 0,940
Прочие обязательства 297 489 455 459 463 MLP 4-5-1 8,88 0,912
Субординированный долг 1 023 932 641 305 145 MLP 2-3-1 8,78 0,913
Итого обязательств 29 487 31 375 29 096 33 984 71 556
Собственный капитал Уставный капитал 4 627 4 624 4 623 4 622 4 622 MLP 4-4-1 0,43 0,990
Нераспределенная прибыль (непокрытый убыток) -2 071 -1 959 -2 866 -611 -130 MLP 4-6-1 4,21 0,918
в том числе амортизация -30 -43 -32 -41 -53 MLP 2-5-1 6,56 0,913
Резервные и прочие фонды банка 309 332 355 378 402 MLP 4-4-1 3,88 0,976
Резервы переоценки 123 109 104 105 106 MLP 4-4-1 8,67 0,914
Итого собственного капитала 2 958 3 064 2 185 4 454 4 947 MLP 4-4-1 0,43 0,990
Чистый денежный поток 1 921 -1 584 1 205 14 399 38 209 - - -
Ставка дисконта, % 9,80 9,80 9,80 9,80 9,80 - - -
Приведенная стоимость чистого денежного потока 1 750 -1 314 910 10 877 23 942 - - -
Уровень роста доходов в послепрогнозный период, % 0,540
Стоимость реверсии 250 444
Стоимость банка 286610
FINANCIAL, TAX AND MONETARY POLICY
Как видно из табл. 3, величина свободного денежного потока банка колеблется в течение времени. Однако величина стоимости ПАО «Альфа-банк» превышает балансовую стоимость его капитала, что свидетельствует о значительном потенциале дальнейшего развития банка.
Таким образом, в условиях неопределенности и неполноты информации целесообразным является использование нейронных сетей и нечетких систем при проведении оценочных процедур, что позволит улучшить информационную поддержку процесса управления стоимостью банков и минимизировать возможные ошибки в оценке их стоимости.
Список использованной литературы
1. Горчакова М. Е. Финансовое состояние коммерческого банка и основные показатели его оценки / М. Е. Горчакова, Ю. В. Гильдеева // Вестник Сибирского университета потребительской кооперации. — 2013. — № 3 (6). —
С. 57-62.
2. Клебанова Т. С. Модели оценки, анализа и прогнозирования социально-экономических систем / под ред.
Т. С. Клебановой, Н. А. Кизима. — Харьков : ФЛП Павленко А. Г. : ИНЖЕК, 2010. — 280 с.
3. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzy TECH / А. В. Леоненков. — СПб. : БХВ-Пе-
тербург, 2005. — 736 с.
4. Поляков В. В. Создание вариативного розничного банковского продукта : автореф. дис. ... канд. экон. наук : 08.00.10 / В. В. Поляков. — Иркутск, 2004. — 23 с.
5. Самаруха В. И. Диагностика рыночной ориентированности банковских услуг / В. И. Самаруха, А. А. Петри. — Иркутск : Изд-во БГУЭП, 2012. — 190 с.
6. Бачевський Б. Є. Потенціал і розвиток підприємства : навч. посібник / Б. Є. Бачевський, І. В. Заблодська, О. О. Ре-шетняк. — Київ : Центр учбової літератури, 2009. — 400 с.
7. Гненний О. М. Теоретико-методологічний підхід до оцінки спеціальної вартості особливо привабливих залізничних об'єктів / О. М. Гненний // Вісник Дніпропетровського національного університету залізничного транспорту імені академіка В. Лазаряна. — 2012. — Вип. 42. — С. 246-250.
8. Гонтар Д. Д. Оцінка впливу фінансових та нефінансових факторів на вартість банків України / Д. Д. Гонтар // Економічний вісник Донбасу. — 2014. — № 2. — С. 42-49.
9. Єпіфанов А. О. Вартість банківського бізнесу / А. О. Єпіфанов, С. В. Лєонов, Й. Хабер та ін. ; за заг. ред. А. О. Єпіфанова, С. В. Лєонова. — Суми : УАБС НБУ, 2011. — 295 с.
10. Єріна А. М. Статистичне моделювання та прогнозування : навч. посібник / Єріна А. М. — Київ : КНЕУ, 2001. — 170 с.
11. Кочетков В. М. Оцінка ринкової вартості банку як ділового підприємства / В. М. Кочетков, Ю. С. Камариць-кий. — Київ : МУФ, 2009. — 175 с.
12. Лєонов С. В. Оцінка вартості банківського бізнесу / С. В. Лєонов, Д. В. Олексіч // Вісник Сумського державного університету. Серія Економіка. — 2008. — № 1. — С. 155-160.
13. Сорокіна Л. В. Моделі і технології управління ринковою вартістю будівельних підприємств / Л. В. Сорокіна. — Київ : Лазурит-поліграф, 2011. — 541 с.
14. Терещенко О. О. Фінансова діяльність суб'єктів господарювання / О. О. Терещенко. — Київ : КНЕУ, 2003. — 554 с.
References
1. Gorchakova M. E., Gildeeva Yu. V. Financial condition of commercial banks and the main indicators of its evaluation. Vestnik Sibirskogo universiteta potrebitelskoi kooperatsii = The Herald of Siberian University of Consumer Cooperatives, 2013, no. 3(6), pp. 57-62. (In Russian).
2. Klebanova T. S., Kizim N. A. (ed.) Modeli otsenki, analiza i prognozirovaniya sotsialno-ekonomicheskikh sistem [Models of socio-economic systems evaluation, analysis and forecasting]. Kharkiv, FLP Pavlenko A. G. Publ., INZhEK Publ., 2010. 280 p.
3. Leonenkov A. V. Nechetkoe modelirovanie v srede MATLAB i fuzzy TECH [Fuzzy modeling in MATLAB and fuzzy TECH]. St. Petersburg, BKhV-Peterburg Publ., 2005. 736 p.
4. Polyakov V. V. Sozdanie variativnogo roznichnogo bankovskogo produkta. Avtoref. Diss. Kand. [Creation of varia-
tive retailing banking product. Cand. Diss. Thesis]. Irkutsk, 2004. 23 p.
5. Samarukha V. I., Petri A. A. Diagnostika rynochnoi orientirovannosti bankovskikh uslug [Diagnostics of banking services market orientation]. Irkutsk, Baikal State University of Economics and Law Publ., 2012. 190 p.
6. Bachevskii B. E., Zablods'ka I. V., Reshetnyak O. O. Potentsial i razvitie predpriyatiya [Company's potential and de-
velopment]. Kiev, Tsentr uchebnoi literatury Publ., 2009. 400 p.
7. Gnennyi A. M. Theoretical and methodological approach to assessment of the special value of most attractive railway object. Vestnik Dnepropetrovskogo natsionalnogo universiteta zheleznodorozhnogo transporta imeni akademika V. Lazaryana = The Herald of Dnepropetrovsk National University of Railway Transport n. a. V. Lazarian, 2012, iss. 42, pp. 246-250. (In Ukrainian).
D. D. GONTAR
8. Gontar D. D. Assessement of the impact of financial and non-financial factors on the Ukrainian banks value. Ekonomich-eskii vestnik Donbassa = Economic Bulletin of Donbass, 2014, no. 2, pp. 42-49. (In Ukrainian).
9. Epifanov A. O., Leonov S. V., Khaber I. et al. Stoimost bankovskogo biznesa [Banking business value]. Sumy, UABS NBU Publ., 2011. 295 p.
10. Erina A. M. Statisticheskoe modelirovanie i prognozirovanie [Statistical modeling and forecasting]. Kiev, KNEU Publ., 2001. 170 p.
11. Kochetkov V. M., Kamaritskii Yu. S. Otsenka rynochnoi stoimosti banka kak delovogo predpriyatiya [Bank as a business enterprise: estimation of market value]. Kiev, MUF Publ., 2009. 175 p.
12. Leonov S. V., Oleksich D. V. Banking business valuation. Vestnik Sumskogo gosudarstvennogo universiteta. Seriya Ekonomika = The Herald of Sumy State University. Economic Series, 2008, no. 1, pp. 155-160. (In Ukrainian).
13. Sorokina L. V. Modeli i tekhnologii upravleniya rynochnoi stoimost'yu stroitel'nykh predpriyatii [Models and technologies of construction enterprises market value control]. Kiev, Lazurit-poligraf Publ., 2011. 541 p.
14. Tereshchenko O. O. Finansovaya deyatelnost subektov khozyaistvovaniya [Financial activities of business entities]. Kiev, KNEU Publ., 2003. 554 p.
Информация об авторе
Author
Гонтарь Дарья Дмитриевна — аспирант, кафедра банковского дела, Харьковский национальный экономический университет им. С. Кузнеца, 61166, Украина, г. Харьков, пр. Ленина, 9а, e-mail: dashagontar@yandex.ru.
Darya D. Gontar — PhD student, Department of Banking, Kharkiv National University of Economics n.a. Simon Kuznets, 9a Lenin Ave., 61166, Kharkiv, Ukraine, e-mail: dashagontar@yandex.ru.
Библиографическое описание статьи
Reference to article
Гонтарь Д. Д. Совершенствование процедуры оценки стоимости банка методом дисконтирования денежного потока / Д. Д. Гонтарь // Известия Иркутской государственной экономической академии. — 2014. — № 5 (97). — С. 31-39.
Gontar D. D. Improving the bank valuation procedure by the discounted cash flow method. Izvestiya Irkutskoy gosudarstvennoy ekonomicheskoy akademii = Izvestiya of Irkutsk State Economics Academy, 2014, no. 5 (97), pp. 31-29. (In Russian).
