CC BY
10ТЕНДЕНЦИИ И ПЕРСПЕКТИВЫ РАВЗИТИЯ БАНКОВСКОГО СЕКТОРА
РОССИЙСКОЙ ФЕДЕРАЦИИ
Лаптева Е.В.
ФГБОУВО «Оренбургский государственный аграрный университет», к.э.н., старший преподаватель
Оренбург
Хабарова С.В.
ФГБОУ ВО «Оренбургский государственный аграрный
университет», к.э.н., доцент Оренбург
TRENDS AND PROSPECTS RAVZITIYA BANKING SECTOR OF THE RUSSIAN FEDERATION Laptevа E.V., FGBOU IN «Orenburg State Agrarian University», PhD, Senior Lecturer, Orenburg Khabarova S.V FGBOU IN «Orenburg State Agrarian University», PhD, Associate Professor, Orenburg
АННОТАЦИЯ
В статье рассматриваются основные результаты развития банковского сектора Российской Федерации: динамика числа зарегистрированных кредитных организаций и кредитных организаций, у которых отозвана лицензия на осуществление банковской деятельности; совокупных активов и собственных средств (капитала); объемы вкладов физических лиц. Представлены результаты кластеризации регионов Российской Федерации по показателям развития банковского сектора; результаты кластеризации регионов Российской Федерации по показателям сберегательной активности населения; результаты моделирования внутри кластеров.
ABSTRACT
The article deals with the main results of the development of the Russian banking sector: the dynamics of the number of reg-i^ered credit invitations and credit invitations in which the revoked license for banking activities; total assets and shareholders' equity (capital); the volume of deposits of physical persons. The results of the cluflering of Russian regions in terms of development of the banking sector; cluflering results of Russian regions in terms of the savings activity of the population; simulation results within clu^ers.
Ключевые слова: банковский сектор, банк, совокупные активы, собственные средства (капитал), вклады, сберегательная активность, кластерный анализ, моделирование, прогнозирование..
Keywords: the banking sector, the bank's total assets, own funds (capital), deposits, savings activity, clu^er analysis, modeling, foreca^ing.
Актуальность темы исследования заключается в том, что банки являются неотъемлемой частью современного денежного хозяйства, их деятельность тесно связана с потребностями воспроизводства. Они находятся в центре экономической жизни, обслуживая интересы производителей, и тем самым, создают связь между промышленностью и торговлей, сельским хозяйством и населением. Во всем мире банки имеют значительную власть и влияние, для сферы их деятельности нет ни географических, ни национальных границ, - это планетарное явление, которое обладает огромной финансовой мощью и значительным денежным капиталом. Исходя из выше отмеченного, можно сделать вывод, что выбранная нами тема является достаточно актуальной, особенно в современных условиях международных санкций.
Банковская система страны является одним из основных элементов экономики любого государства, занимающее центральное место в системе денежно-кредитных отношений между различными участниками рынка [1, с. 139].
На рисунке 1 представлена динамика числа зарегистрированных кредитных организаций и кредитных организаций, у которых отозвана лицензия на осуществление банковской деятельности в России: по состоянию на 1 января 2013г. произошло сокращение числа зарегистрированных кредитных организаций по отношению к 2000г. на 1048. По состоянию на 01.11.2013г. в процесс ликвидации находится 119 банков.
Рисунок 1 - Динамика числа зарегистрированных кредитных организаций и кредитных организаций, у которых отозвана лицензия на осуществление банковской деятельности в России на 1 января
На рисунке 2 представлена динамика совокупных активов и собственных средств (капитала) банковского сектора России.
Рисунок 2 - Динамика совокупных активов и собственных средств (капитала) банковского сектора России на 1 января, млрд.руб.
Для российского банковского сектора чрезвычайно успешными были 2006-2007 гг. Однако в 2008-2009 гг. в условиях мирового финансового кризиса доступ к ресурсам с международных рынков капитала существенно снизился [2, с. 1137].
Оценка надежности банков - проблема актуальная как для клиентов, активно работающих с банковскими структурами, так и для самих банков, которым необходимо оценивать своих партнеров. В таблице 1 представлена сводная таблица основных кредитных операций.
Таблица 1
Информация по 10 банкам лидерам в Российской Федерации об их основных кредитных операциях по состоянию за 2014 г.
Название банка Потребительское кредитование (%) Автокредитование (%) Ипотечное креди-тование(%) Кредитные кар-ты(%)
Сбербанк России 17,5-27,5 14,5-17 11,9 25,9-33,9
ВТБ На данный момент работает только с юридическими лицами
Газпромбанк 15,5 10,67 11,3 21,9-29,9
ФК Открытие 12,9-31,9 10,0-25,0 13,5 21,9-31,9
ВТБ 24 17,0 12,57-19,0 11,4 22,0-28,0
Россельхозбанк 20,74 11,17-19,0 11,3-15,0 23,0-26,0
Альфа-банк 23,99 21,49 15,0 24,9-37,9
Банк Москвы 16,9 17,5 11,15 29,9-30,9
Национальный клиринговый центр 16,5 18,5 13,5 29,9-34,9
ЮниКредит Банк 26 18,16 13,75 29,9-30,9
На основе данных таблицы 1, можно сделать вывод о том, что: потребительский кредит выгодно брать в таких банках, как: Газпромбанк - процентная ставка по кредиту от 15,5 %;
Национальный клиринговый центр - от 16,5%; ВТБ 24 - от 17%; Сбербанк России - от 17,5% [3, с. 359].
Динамика объемов вкладов физических лиц за 2014 г., представлена в таблице 2.
Таблица 2
Объемы вклады физических лиц за 2014 г.
Название банка Декабрь 2014, тыс. рублей Январь, 2015, тыс. рублей Изменение, тыс. рублей Изменение, %
Сбербанк 9 605 803 393,00 9 567 958 302,00 37 845 091,00 0,4
ВТБ 33 528 244,00 33 682 915,00 -154 671,00 -0,46
Газпромбанк 530 556 413,00 536 771 198,00 -6 214 785,00 -1,16
ФК Открытие 236 016 523,00 238 023 678,00 -2 007 155,00 -0,84
ВТБ 24 1 792 681 045,00 1 793 989 783,00 -1 308 738,00 -0,07
Россельхозбанк 426 962 162,00 413 739 045,00 13 223 117,00 3,2
Альфа-банк 555 890 583,00 571 446 792,00 -15 556 209,00 -2,72
Банк Москвы 362 930 676,00 363 284 517,00 -353 841,00 -0,1
ЮниКредитбанк 146 783 873,00 142 449 521,00 4 334 352,00 3,04
Из данных таблицы 2 можно сделать вывод о том, что наибольшее уменьшение вкладов физических лиц произошло у Альфа-банка на 2,72 % или 15556209,00 тыс.руб.. Увеличение вкладов физических произошло в банке Рос-сельхозбанк на 3,2 % или на 13223117,00 тыс.руб.
Немало важный интерес представляет динамика показателей банковской статистики внутри регионов Российской Федерации
Для проведения анализа сформирована информационная база по 83 субъектам Российской Федерации, каждый из которых, характеризуется 12 показателями уровня развития банковского сектора страны [4, с. 143]: х1 - число кредитных организаций; х2 - число филиалов в субъекте;
х3 - коэффициент роста вкладов (депозитов) юридических лиц в рублях, привлеченные кредитными организациями по сравнению с предыдущим годом;
х4 - коэффициент роста вкладов (депозитов) физических лиц в рублях, привлеченных кредитными организациями по сравнению с предыдущим годом;
х5 - коэффициент роста вкладов (депозитов) юридических лиц в иностранной валюте, привлеченные кредитными организациями по сравнению с предыдущим годом;
х6 - коэффициент роста вкладов (депозитов) физических лиц в иностранной валюте, привлеченных кредитными организациями по сравнению с предыдущим годом;
Результаты кластеризации регионов Российской Федерац
х7 - коэффициент роста вкладов (депозитов) физических лиц на рублевых сетах в Сберегательном банке Российской Федерации по сравнению с предыдущим годом;
х8 - коэффициент роста задолженности по кредитам в рублях, предоставленным кредитными организациями юридическим лицам по сравнению с предыдущим годом;
х9 - коэффициент роста задолженности по кредитам, предоставленным кредитными организациями физическим лицам по сравнению с предыдущим годом;
х10 - коэффициент роста задолженности по жилищным кредитам, предоставленным кредитными организациями физическим лицам по сравнению с предыдущим годом;
х11- коэффициент роста задолженности по жилищным ипотечным кредитам, предоставленным кредитными организациями физическим лицам по сравнению с предыдущим годом;
х12 - коэффициент роста задолженности по кредитам в иностранной валюте, предоставленным кредитными организациями юридическим лицам по сравнению с предыдущим г.
Система показателей сформирована с использование статистических данных, представленных Росстатом.
Состав кластеров и группы регионов представлены в таблице 3.
Таблица 3
и по показателям развития банковского сектора в 2014 г.
№ кластера Количество субъектов Состав кластера
1 9 г.Москва, г. Санкт-Петербург, Краснодарский край, Ростовская область, Республика Дагестан, Республика Татарстан, Нижегородская обл., Свердловская обл., Челябинская обл.
2 16 Владимирская обл., Липецкая обл., Тульская обл., Калининградская обл., Волгоградская обл., Ставропольский край, Республика Башкортостан, Пермский край, Самарская обл., Саратовская обл., Тюменская обл. без авт. округов, Красноярский край, Иркутская обл., Новосибирская обл., Омская обл., Хабаровский край
3 58 Белгородская обл., Брянская обл., Воронежская обл., Ивановская обл., Калужская обл., Костромская обл., Курская обл., московская обл., Орловская обл., Рязанская обл., Смоленская обл., Тамбовская обл., Тверская обл., Ярославская обл., Республика Карелия, Республика Коми, Архангельская обл., Ненецкий авт. округ, Архангельская обл. без авт.окр., Волгоградская обл., Ленинградская обл., Мурманская обл., Новгородская обл., Псковская обл., Республика Адыгея, Республика Калмыкия, Астраханская обл., Республика Ингушетия, Кабардино-Балкарская Республика, Карачаево-Черкесская Республика, Республика Северная Осетия - Алания, Чеченская Республика, Республика Марий Эл, Республика Мордовия, Удмуртская Республика, Чувашская Республика, Кировская обл., Оренбургская обл., Пензенская обл., Курганская обл. Ханты-Мансийский АО- Югра, Ямало-Ненецкий авт.округ, Республика Бурятия, Республика Тыва, Республика Хакасия, Алтайский край, Забайкальский край, Кемеровская обл., Томская обл., Республика Саха, Камчатский край, Приморский край, Амурская обл., Магаданская обл., Сахалинская обл., Еврейская автономная обл., Чукотский авт.округ
Итого 83
По результатам проведенной классификации было выделено три кластера. В первый кластер вошли девять субъекта Российской Федерации (в т.ч. г. Москва, г. Санкт-Петербург), которые характеризуются наименьшими значениями показателей развития банковского сектора (выше средних по стране). Второй кластер (19,3 %) характеризуются значениям показателей на уровне незначительно выше средних значений по стране. Самым многочисленным является третий кластер, в состав которого вошли 58 субъектов Российской Федерации (69,9%), значения большинства показателей банковской статистики находятся на среднем или чуть ниже среднего уровнях.
В результате исследования была осуществлена оценка тесноты связи между показателями банковской системы (вклады населения, %) и показателям, характеризующими сберегательную активность населения страны внутри регионов. Для оценки тесноты связи был использован корреляционно - регрессионный анализ (КРА).
Для проведения анализа сформирована информационная база (лично авторами) по 83 субъектам Российской Федерации, каждый из которых, характеризуется 8 показателями уровня сберегательной активности населения [5, с. 146]:
х1 - покупка товаров и оплата услуг, %; х2 - обязательные платежи и разнообразные взносы, %; х3 - приобретение недвижимости, %; х4 - денежные расходы, в % от общего объема располагаемых ресурсов;
х5 - стоимость натуральных поступлений продуктов питания, в % от общего объема располагаемых ресурсов;
х6 - стоимость натуральных поступлений непродовольственных, в % от общего объема располагаемых ресурсов; х7 - прирост сбережений, %; х8 - прирост финансовых активов, %. Система показателей сформирована с использование статистических данных, представленных Росстатом.
Для снижения размерности исходного информационного пространства реализован метод главных компонент [6, с. 225]. Для анализа отобраны первые две главные компоненты, вклад которых составляет 60,33 % вариации исходных признаков. В таблице 4 и на рисунке 3 приведена матрица факторных нагрузок, полученная с помощью процедуры кваримаксного вращения.
Рисунок 3 - Двухмерный график факторных нагрузок
Таблица 4
Матрица факторных нагрузок
Показатели Фактор 1 Фактор 2
х1 -0,599066 0,605364
х2 -0,259430 -0,832911
х3 -0,184315 -0,584232
х4 0,863358 0,011453
х5 -0,071935 0,702485
х6 -0,546609 -0,135658
х7 -0,853207 -0,240592
х8 0,716069 -0,279153
Первая главная компонента интерпретируется как f1 (FACTOR 1)- уровень сберегательной активности. Вторая компонента f2 (FACTOR 2)- уровень расходов.
После снижения количества переменных, был проведен следующий этап исследования - построение регрессионного уравнения на главных компонентах, для зависимых переменных, характеризующих уровень сберегательной активности населения. В качестве зависимых переменных использовались:
у1 - вклады физических лиц, в % к ВВП; у2 - вклады физических лиц, в % к пассивам банковского сектора;
Статистические характеристики регрес
у3 - вклады физических лиц, в % к денежным доходам населения.
Воспользовавшись возможностями пакета программ STATISTICA 8.0, были получены уравнения регрессии (1)
- (3):
у1 = 0,33•FACTOR1 + 0,78•FACTOR2 (1)
у2 = 0,14•FACTOR1 + 0,54•FACTOR2 (2)
у3 = 0,78•FACTOR1 + 0,79•FACTOR2 (3)
Статистические характеристики полученных уравнений представлены в таблице 5.
Таблица 5
онных уравнения на главных компонентах
Показатель Значение показателей
Уравнение (1) Уравнение (2) Уравнение (3)
Множественный коэффициент корреляции 0,866 0,822 0,986
Коэффициент детерминации 0,75 0,67 0,97
F - критерий Фишера 17,4 14,6 23,6
Уровень значимости F - критерия Фишера 0,0000 0,0000 0,0000
Полученные уравнения регрессии (1) - (2) статистически значимы по всем характеристикам и свидетельствует о том, что с увеличением уровня сберегательной активности (й) и уровня расходов (12) - вклады населения в регионах увеличиваются.
Дальнейший этап исследования - построение многомерной классификации (кластерный анализ), с целью определе-
Результаты кластеризации регионов Российской Федер; 2014 г.
ния количества устойчивых кластеров по уровню сберегательной активности населения внутри регионов Российской Федерации.
Состав кластеров и группы регионов представлены в таблице 6.
Таблица 6
ии по показателям сберегательной активности населения в
№ кластера Количество субъектов Состав кластера
1 17 Республика Коми, Архангельская обл., Волгоградская обл., Мурманская обл., Республика Калмыкия, Карачаево-Черкесская Республика, Республика Мордовия, Ханты-Мансийский АО - Югра, Ямало-Ненецкий АО, Республика Алтай, Забайкальский край, Иркутская обл., Республика Саха, Камчатский край, Амурская обл., Магаданская обл., Еврейская АО
2 44 Белогородская обл., Брянская обл., Владимирская обл., Воронежская обл., Ивановская обл., Калужская обл., Костромская обл., Курская обл., Липецкая обл., Московская обл., Орловская обл., Рязанская обл., Смоленская обл., Тамбовская обл., Тверская обл., Тульская обл., Ярославская обл., Республика Карелия, Калининградская обл., Ленинградская обл., Республика Дагестан, Кабардино-Балкарская Республика, Республика Северная Осетия - Алания, Республика Марий Эл, Удмуртская Республика, Чувашская Республика, Пермский край, Кировская обл., Нижегородская обл., Оренбургская обл., Пензенская обл., Самарская обл., Саратовская обл., Ульяновская обл., Курганская обл., Тюменская обл., Челябинская обл., Республика Бурятия, Республика Хакасия, Кемеровская обл., Томская обл., Приморский край, Хабаровский край, Сахалинская область
3 17 г.Москва, Новгородская обл., г.Санкт-Петербург, Псковская обл., Республика Адыгея, Краснодарский край, Астраханская обл., Волгоградская обл., Ростовская обл., Ставропольский край, Республика Башкортостан, Республика Татарстан, Свердловская обл., Алтайский край, Красноярский край, Новосибирская обл., Омская обл.
4 5 Ненецкий АО, Республика Ингушетия, Чеченская Республика, Республика Тыва, Чукотский АО
Итого 83
По результатам проведенной классификации было выделено четыре кластера с различными характеристиками уровня сберегательной активности населения. В первый кластер вошли семнадцать субъектов Российской Федерации, которые характеризуются значениями показателей выше среднего по стране. Второй кластер самый многочисленный (44 субъекта федерации) преимущественно состоит из регионов Приволжского федерального округа и Центрального федерального округа, и характеризуются значениям показателей практически на уровне средних значений по стране. Третий кластер сформирован из семнадцати субъектов, в
Результаты моделир
состав которого вошли г.Москва и г. Санкт-Петербург и преимущественно субъекты Южного федерального округа. В отдельный четвертый кластер выделились пять субъектов федерации, характеризующиеся более низкими значениями показателей сберегательной активности населения.
Внутри кластеров по уровню сберегательной активности населения в 2014 г. наибольшая дифференциация наблюдается по показателям х1, х7, х8.
Результаты моделирования уровня сберегательной активности населения внутри кластеров представлены в таблице 7.
Таблица 7
ания внутри кластеров
Номер кластера Уравнение регрессии Характеристики модели
Кластер 1 У1=25,7+0,45х4+0,19х7 R2=0,88; F(2,80)=6,9
У2=27,8+0,56х3+0,16х8 R2=0,78; F(2,80)=7,6
У3=29,6+0,22х4+0,67х6 R2=0,76; F(2,80)=7,1
Кластер 2 У1=27,9+2,45х3+0,27х7+1,23х8 R2=0,71; F(3,79)=9,0
У2=21,8+0,56х8 R2=0,91; F(1,81)=14,5
У3=28,6+0,20х4+0,37х6 R2=0,76; F(2,80)=7,1
Кластер 3 У1=22,5+0,45х4+0,19х7 R2=0,89; F(2,80)=8,2
У2=23,4+0,67х3+1,14х8 R2=0,81; F(2,80)=4,8
У3=23,9+0,82х4+2,07х6 R2=0,87; F(2,80)=7,8
Кластер 4 У1=29,8+0,45х6+0,19х7 R2=0,78; F(2,80)=10,4
У2=26,1-0,56х2+0,16х8 R2=0,71; F(2,80)=6,6
У3=23,5+0,33х8 R2=0,82; F(1,81)=9,7
Из таблицы 7 видно, что все полученный уравнения парной и множественной регрессии значимы по F-критерию Фишера, набор факторов, оказывающих существенное влияние на уровень сберегательной активности населения, внутри кластеров различается.
Для определения перспектив развития банковского сектора России осуществим процесс прогнозирования на 2015-2018 гг. [7, с. 114]
Результаты прогнозирования активов банковского сектора в % к ВВП по полученным трендам, результаты представим на рисунке 4.
Прямолинейный тренд
2011 2012 2013 2014 2015 2016 2017 2018 Полиномиальный тренд
2011 2012 2013 2014 2015 2016 2017 2018
Рисунок 4- Динамика прогнозных значений совокупных банковских активов в % к ВВП, полученных по прямолинейному и полиномиальному трендам
Прогноз значений совокупных банковских активов в % года 2015-2018 гг. величина значений совокупных банков-к ВВП по уравнениям тренда показал, что, при условии со- ских активов в % к ВВП будет расти. Характеристики каче-хранения тенденции, с вероятностью 95%, в ближайшие три ства полученных моделей представлены в таблице 8.
Таблица 8
Характеристика качества построенных моделей
Форма тренда Абсолютная ошибка прогноза Относительная ошибка прогноза, % Среднеквадратическая ошибка прогноза
Прямолинейный тренд 2,9 6,2 3,9
Полиномиальный тренд 2,8 5,2 4,1
Характеристики качества построенных моделей свиде- Осуществим процесс прогнозирования собственных тельствуют о достаточно высоких характеристиках качества средств (капитала) банковского сектора в % к ВВП, по полупостроенных моделей. ченным трендам, результаты представим на рисунке 5.
Прямолинейный тренд
Полиномиальный тренд
2011 2012 2013 2014 2013 2016 2017 201$
Рисунок 5 - Динамика прогнозных значений собственных средств (капитала) банковского сектора в % к ВВП, полученных по прямолинейному и полиномиальному трендам
Характеристики качества полученных моделей представлены в таблице 9.
Характеристика качества построенных моделей
Таблица 9
Форма тренда Абсолютная ошибка прогноза Относительная ошибка прогноза, % Среднеквадратическая ошибка прогноза
Прямолинейный тренд 0,3 4,7 0,9
Полиномиальный тренд 0,4 4,2 0,7
Характеристики качества построенных моделей свидетельствуют о достаточно высоких характеристиках качества построенных моделей.
Таким образом, при условии сохранения тенденции, с вероятностью 95%, в ближайшие три года 2015-2018 гг. вели-
Сводная таблица прогнозных значений совокупных акт % к ВВП
чина собственных средств (капитала) банковского сектора в % к ВВП будет расти.
Сводная таблица полученных прогнозных значений совокупных активов и собственных средств (капитала) банковского сектора в % к ВВП представлена ниже (таблица 10).
Таблица 10
ов и собственных средств (капитала) банковского сектора в
Показатель Форма тренда Прогнозная дата Нижняя доверительная граница прогноза Прогноз Верхняя доверительная граница прогноза
Совокупные активы банковского сектора в % к ВВП Прямолинейный тренд 01.01.2015 75,7 79,1 82,5
01.01.2016 81,9 85,3 88,7
01.01.2017 86,1 89,5 92,9
01.01.2018 90,3 93,7 97,1
Полиномиальный тренд 01.01.2015 75,7 79,1 82,5
01.01.2016 86,7 90,1 93,5
01.01.2017 92,7 96,1 99,5
01.01.2018 99,0 102,4 105,8
Собственные средства(капитал) банковского сектора в % к ВВП Прямолинейный тренд 01.01.2015 8,3 9,8 11,3
01.01.2016 9,4 10,9 12,4
01.01.2017 10,0 11,5 13,0
01.01.2018 10,6 12,1 13,6
Полиномиальный тренд 01.01.2015 8,3 9,8 11,3
01.01.2016 9,3 10,8 12,3
01.01.2017 9,9 11,4 12,9
01.01.2018 10,4 11,9 13,4
По результатам проведенного исследования можно сделать вывод, что прогнозные значения совокупных активов и собственных средств (капитала) банковского сектора России свидетельствуют о положительной динамике развития показателей российской банковской системы [8, с. 268].
Результаты моделирования уровня совокупных активов и собственных средств (капитала) банковского сектора России в % к ВВП внутри кластеров представлены в таблице 11.
Таблица 11
Результаты моделирования уровня совокупных активов и собственных средств (капитала) банковского сектора России в % к ВВП внутри кластеров
Номер кластера Уравнение регрессии Характеристики модели
Совокупные активы банковского сектора России, в % к ВВП (у1)
Кластер 1 у1=78,9+0,86х2+1,09х4+1,55х6 R2=0,88; F(3,6)=14,9
Кластер 2 у1=64,1+0,78х1+2,23х3+1,12х4 R2=0,83; F(3,13)=29,8
Кластер 3 у1=51,5+0,68х4+0,19х5+1,54х6 R2=0,98; F(3,55)=33,5
Совокупные средства (капитал) банковского сектора России, в % к ВВП (у2)
Кластер 1 у2=10,7+0,44х8+1,28х10+0,65х11 R2=0,88; F(3,6)=31,9
Кластер 2 у2=9,7+0,78х8+1,44х11+1,19х12 R2=0,83; F(3,13)=32,5
Кластер 3 у2=8,8+0,68х9+1,13х10 R2=0,98; F(2,56)=21,7
Из таблицы 11 видно, что набор факторов, оказывающих ным регрессионным моделям было осуществлено прогнози-существенное влияние на уровень показателей банковского рование (таблица 12). сектора страны, внутри кластеров различается. По получен-
Таблица 12
Результаты прогнозирования уровня совокупных активов и собственных средств (капитала) банковского сектора России в % к ВВП внутри кластеров
Номер кластера Вид прогноза Прогнозное значение уровня экономической активности населения, %
Совокупные активы банковского сектора России, в % к ВВП (у1)
Кластер 1 Пессимистический 99,7
Реалистический 104,2
Оптимистиче ский 108,7
Кластер 2 Пессимистический 69
Реалистический 73,5
Оптимистиче ский 78
Кластер 3 Пессимистический 59,2
Реалистический 63,7
Оптимистиче ский 68,2
Совокупные средства (капитал) банковского сектора России, в % к ВВП (у2)
Кластер 1 Пессимистический 10,5
Реалистический 12,6
Оптимистиче ский 14,7
Кластер 2 Пессимистический 8,3
Реалистический 10,4
Оптимистиче ский 12,5
Кластер 3 Пессимистический 6,8
Реалистический 8,9
Оптимистиче ский 11
Таким образом, прогнозные значения уровня совокупных активов и собственных средств (капитала) банковского сектора России в % к ВВП внутри кластеров по регионам Российской Федерации значительно отличаются.
Для оценки тесноты связи между показателями банковской системы и показателям сберегательной активности населения страны был использован корреляционно - регрессионный анализ (КРА) [9, с. 239].
В качестве независимых переменных выступали: у1 - вклады физических лиц, в % к ВВП; у2 - вклады физических лиц, в % к пассивам банковского сектора;
у3 - вклады физических лиц , в % к денежным доходам населения.
В качестве факторных переменных выступали: х 1 - прирост финансовых активов, в % к итогу; х2 -прирост (уменьшение) денег на руках у населения, в % к итогу;
х3 - темп роста доходов населения, в % к предыдущему году;
х4 - темп роста денежных расходов, в % к предыдущему году;
х5 - среднегодовой курс доллара США, руб. за доллар.
В результате регрессионного анализа были получены следующие уравнения множественной регрессии (таблица 13).
Таблица 13
Уравнения множественной регрессии
Показатель Уравнение регрессии
Вклады физических лиц, в % к ВВП (у1) у1=78,12+0,24х1+0,57х2+1,33х3-0,77х4+0,17х5 (3,4) (4,4) (5,4) (4,1) (-3,3) (6,5)
Вклады физических лиц, в % к пассивам банковского сектора (у2) у2=68,38+0,33х1+0,61х2+1,14х3-0,93х4+0,48х5 (3,9) (5,0) (4,3) (7,6) (-4,7) (4,1)
Вклады физических лиц, в % к денежным доходам населения (у3) у3=97,96+0,46х1+0,42х2+1,78х3-1,12х4+0,29х5 (5,9) (6,4) (3,7) (5,2) (-4,9) (7,2)
Примечание: В круглых скобках указаны значения ^критерия Стьюдента. Табличное значение ^критерия Стьюдента : 2,3 для f=8, р=0,95; где f - число степеней свободы
Основные статистические характеристики полученных уравнений множественной регрессии представлены в таблице 14.
Таблица 14
Статистические характеристики множественных уравнений регрессии
Показатель у1 у2 у3
Множественный коэффициент корреляции 0,927 0,886 0,928
Коэффициент детерминации 0,860 0,786 0,862
F - критерий Фишера 9,85 13,21 9,96
Табличное значение F - критерия Фишера 3,03
Уровень значимости F - критерия Фишера 0,0000 0,0000 0,0000
Прогнозирование осуществлялось в ППП Statiйica 8.0 (таблица 15). Таблица 15 Прогнозные значения вкладов физических лиц при фиксированном значении факторных признаков множественной регрессионной модели
Вид прогноза Нижняя доверительная граница а=0,05 Прогнозное значение Верхняя доверительная граница а=0,05
Вклады физических лиц, в % к ВВП
Пессимистический 22,2 23,4 24,6
Реалистический 24,5 25,7 26,9
Оптимистиче ский 25,6 26,8 28,0
Вклады физических лиц, в % к пассивам банковского сектора
Пессимистический 28,3 29,5 30,7
Реалистический 28,9 30,1 31,3
Оптимистиче ский 29,7 30,9 32,1
Вклады физических лиц, в % к денежным доходам населения
Пессимистический 36,1 37,3 38,5
Реалистический 38,2 39,4 40,6
Оптимистиче ский 39,1 40,3 41,5
В таблице 7 были получены уравнения множественной регрессии уровня сберегательной активности населения внутри выделенных кластеров. Воспользуемся полученными парными и множественными уравнениями регрессии и проведем экстраполирование значений результативных при-
знаков (у1-у3) при фиксированном значении факторов для получения пессимистического, реалистического и оптимистического прогнозов (таблица 16) [10, с. 55]. Прогнозирование осуществлялось в ППП $1айй1са 8.0.
Таблица 16
Прогнозные значения вкладов физических лиц при фиксированном значении факторных признаков парных и множественных регрессионных моделей
Вид прогноза Нижняя доверительная Прогнозное значение Верхняя доверительная
граница а=0,05 граница а=0,05
1 кластер
Вклады физических лиц, в % к ВВП
Пессимистический 22,2 23,4 24,6
Реалистический 24,5 25,7 26,9
Оптимистиче ский 25,6 26,8 28,0
5клады физических лиц, в % к пассивам банковского сектора
Пессимистический 28,3 29,5 30,7
Реалистический 28,9 30,1 31,3
Оптимистиче ский 29,7 30,9 32,1
Вклады физических лиц, в % к денежным доходам населения
Пессимистический 36,1 37,3 38,5
Реалистический 38,2 39,4 40,6
Оптимистиче ский 39,1 40,3 41,5
2 кластер
Вклады физических лиц, в % к ВВП
Пессимистический 26,6 27,8 28,9
Реалистический 27,8 29 30,1
Оптимистиче ский 30,5 31,7 32,8
Вклады физических лиц, в % к пассивам банковского сектора
Пессимистический 27,7 28,9 30
Реалистический 31,4 32,6 33,7
Оптимистиче ский 33,3 34,5 35,6
Вклады физических лиц, в % к денежным доходам населения
Пессимистический 34,7 35,9 37
Реалистический 37,9 39,1 40,2
Оптимистиче ский 40,3 41,5 42,6
3 кластер
Вклады физических лиц, в % к ВВП
Пессимистический 28,5 29,7 30,8
Реалистический 29,4 30,6 31,7
Оптимистиче ский 31,5 32,7 33,8
Вклады физических лиц, в % к пассивам банковского сектора
Пессимистический 31,2 32,4 33,5
Реалистический 35,5 36,7 37,8
Оптимистиче ский 37,7 38,9 40
Вклады физических лиц, в % к денежным доходам населения
Пессимистический 40,3 41,5 42,6
Реалистический 42,4 43,6 44,7
Оптимистиче ский 45,6 46,8 47,9
4 кластер
Вклады физических лиц, в % к ВВП
Пессимистический 27,5 28,7 29,8
Реалистический 31,3 32,5 33,6
Оптимистиче ский 37,7 38,9 40
Вклады физических лиц, в % к пассивам банковского сектора
Пессимистический 33,4 34,6 35,7
Реалистический 37,7 38,9 40
Оптимистиче ский 40,4 41,6 42,7
Вклады физических лиц, в % к денежным доходам населения
Пессимистический 36,6 37,8 38,9
Реалистический 38,4 39,6 40,7
Оптимистиче ский 41,5 42,7 43,8
Таким образом, уровень прогнозных значений сберегательной активности населения в регионах Российской Федерации не значительно отличается внутри кластеров.
Проведя анализ динамики развития основных показателей банковской деятельности, можно сделать выводы о том, что, в целом, в период с 2002 по 2014 гг. они значительно увеличились. Значительные изменения произошли с такими показателями, как объем совокупных активов, кредиты и прочие размещенные средства, вклады физических лиц, а также, средства, привлеченные от организаций. Рост чистых активов банковского сектора был связан с существенным увеличением кредитного портфеля банков, формирование которого происходило в основном за счет кредитования физических лиц, организаций и предприятий. Этим можно объяснить резкий рост показателя просроченной задолженности в кредитном портфеле банков и как результат снижение прибыли банковского сектора, в связи с необходимостью увеличения резервного фонда банков. Значительных изменений в структуре основных показателей не наблюдалось [11, с. 252].
Подводя итоги, можно напомнить, что при сохранении текущей ситуации в банковском секторе обеспечить подобные темпы развития вряд ли удастся. Ведь необходимые условия для реализации оптимистичного сценария - минимальные потери сектора в периоды спада, вовлечение банков различного масштаба в крупные инвестиционные проекты, а также обеспечение условий для роста доли частного капитала в секторе. А для современной банковской системы характерны значительные внутренние диспропорции, негативное влияние которых в значительной степени усугубляется за счет появления внутренних и внешних угроз. Это может помешать российским банкам воспользоваться открывающимися перед ними возможностями по наращиванию объемов бизнеса.
В заключение можно сказать, что сегодня в экономической жизни России происходят непростые явления, обусловленные мировым финансовым кризисом. Поэтому формирование современного конкурентоспособного банковского сектора, соответствующего стратегическим интересам российской экономики, является одной из главных задач Российской Федерации. Главным результатом ее реализации должно было стать повышение устойчивости и прозрачности национальной банковской системы.
Литература
1) Лаптева Е.В., Ананьев Д.Н. Статистическое исследование состояния банковской сферы в Российской Федерации // Труды Международной конференции «Глобальная наука и инновации» («Global Science and Innovation») (Чикаго, США), 17-18 декабря 2013. - С. 139-147.
2) Лаптева Е.В. Основные тенденции развития рынка ипотечного кредитования как одной из составляющих бан-
ковского сектора страны // Международная научно-практической студенческой конференции (с интернет-участием и изданием сборника статей) «Потребительский рынок как индикатор экономического роста: проблемы и перспективы развития», Казань, Казанский филиал РГТЭУ 2014.- С.1134-1146.
3) Лаптева Е.В., Ананьев Д.Н. Основные направления работы банковского сектора с населением страны // Труды VI Международной научно-практической конференции «Актуальные проблемы торгово-экономической деятельности в современных условиях», Оренбург, оренбургский филиал «РЭУ им. Г.В.Плеханова», 2014.-С.359-363.
4) Лаптева Е.В. Политика и практика крупнейших банков России на рынке банковских услуг // Труды V Всероссийской конференции «Региональная инновационная экономика: сущность, элементы, проблемы формирования». - Ульяновск, 22-24 октября 2014.-С.142-145.
5) Лаптева Е.В. Кредитная политика коммерческих банков Российской Федерации // Труды V Всероссийской конференции «Региональная инновационная экономика: сущность, элементы, проблемы формирования». - Ульяновск, 22-24 октября 2014. - С.145-148.
6) Лаптева Е.В. Рынок потребительского кредитования в России: динамика и тенденции // Труды Международной студенческой научно-практической конференции «Проблемы развития финансово - банковской системы России и стран СНГ», Саратов, 26 ноября 2014.- С. 224-229.
7) Лаптева Е.В. Динамика основных показателей развития банковского сектора России // Труды Всероссийской научной конференции «Финансовая политика инновационного развития России: проблемы и пути решения», которая проводится в рамках Молодежного научного форума 2014. - Оренбург: ОГИМ, 18-28 ноября 2014.-С.113-116.
8) Лаптева Е.В. Современные тенденции в банковском секторе Российской Федерации: статистический аспект, прогноз // VII Международной научно-практической конференции «Актуальные проблемы торгово-экономической деятельности и образования в современных условиях». -Оренбург, Оренбургский филиал РЭУ им. Г.В.Плеханова, апрель 2015. -С.267-272.
9) Золотова Л.В., Лаптева Е.В., Портнова Л.В. Оценка степени влияния уровня сбережений населения на динамику показателей банковского сектора // 28 мая, Германия, Мюнхен, IX International Conference on European Science and Technology (в печати), май 2015. -С.234-244.
10) Золотова Л.В., Лаптева Е.В., Портнова Л.В. Статистическая оценка влияния сберегательного поведения населения на современное состояние банковского сектора России // Экономика и предпринимательство.-2015.- № 6 (ч.3).-С.53-60.
11) Золотова Л.В., Лаптева Е.В., Портнова Л.В. Кластеризация регионов Российской Федерации по уровню
сберегательной активности населения и оценка степени ее влияния на формирование показателей банковского сектора страны // Экономика и предпринимательство.-2015. - № 8 (ч.1).-С.250-256.
ОЦЕНКА ФАКТОРОВ, ВОЗДЕЙСТВУЮЩИХ НА СИСТЕМУ НЕПРЕРЫВНОГО АГРООБРАЗОВАНИЯ И КАДРОВОГО ОБЕСПЕЧЕНИЯ
ОТРАСЛИ
Сёмин А.Н.
г. Екатеринбург, ФГБОУ ВО «Уральский государственный горный университет», директор Института мировой
экономики, доктор экономических наук, профессор, член-корр. РАН
Михайлюк О.Н.
г. Екатеринбург, ФГБОУ ВО «Уральский государственный горный университет», доктор экономических наук,
профессор, зав. кафедрой «Финансы и кредит»
Гребенщиков И.А.
г. Екатеринбург, ФГБОУ ВО «Уральский государственный горный университет», кандидат педагогических наук, доцент
кафедры «Стратегический и производственный менеджмент» EVALUATION FACTORS, IMPACT ON THE SYSTEM CONTINUOUS EDUCA TION AND AGRO STAFFING INDUSTRY Semin A.N., Ekaterinburg, FGBOU IN «Ural State Mining University», the director of the Institute of World, Economics, Doctor of Economics, professor, corresponding member. RAN
Mikhailyuk O.N., Ekaterinburg, FGBOU IN «Ural State Mining University», Doctor of Economics, Professor, Head. Chair of «Finance and Credit»
Grebenshchikov I.A., Ekaterinburg, FGBOU IN «Ural State Mining University», PhD, associate professor of «Strategic Management and Production» АННОТАЦИЯ
В статье рассмотрены основные факторы, воздействующие на систему непрерывного аграрного образования и кадрового обеспечения агропромышленного комплекса. Приведена методика оценки воздействия экстремальных и мотивационных факторов. Установлено воздействие экономических, организационных, социальных, информационных, конкурентных, правовых и политических факторов на систему аграрного образования Уральского федерального округа. Предложены меры по улучшению функционирования системы высшего аграрного образования. ABSTRACT
The article describes the major factors affecting the sy&em of continuous agricultural education and human resources of agriculture. The methods of assessing the impact of extreme and motivational factors. It e^ablished the impact of economic, organizational, social, informational, competitive, legal and political factors in the sy&em of agricultural education of the Urals Federal DiSrict. Measures to improve the functioning of higher agricultural education.
Ключевые слова: аграрное образование, кадровое обеспечение, факторы, мотивационное воздействие, меры эффективности, закрепляемость кадров
Keywords: agricultural education, human resources, factors that impact motivation, efficiency measures, fixability frames
Система непрерывного образования и кадрового обеспечения является открытой, на которую воздействуют различного рода факторы, как социального, так и финансово-экономического характера. Факторы, воздействующие на данную систему могут быть ранжированы на: постоянного воздействия, носящие временный характер, возникающие спонтанно, а также управляемые и неуправляемые, мотива-ционные и демотивационные и другие.
Изучение таких факторов, а также их влияния позволяет разработчикам программ кадровой политики вырабатывать более действенные меры, направленные на совершенствование и повышение эффективности функционирования всей системы кадрового обеспечения отраслей агропромышленного комплекса.
В процессе исследования изучались наряду с экономическими и социальными факторами организационные, конкурентные, информационные, правовые и политические.
Изучение воздействия того или иного фактора, а также отдельных групп факторов осуществлялось по специально
разработанной методике. Методика выстроена на экспертных оценках.
Мотивационное и экстремальное воздействие факторов определялось по следующим формулам:
Мотивационное воздействие: + Мi = Зi Е(+Оу), (1)
Экстремальное воздействие: -Эi = Зi Е(-Оу),
(2)
где (+Оу), (-Оу) - положительная и отрицательная оценка силы воздействия j-го фактора ьой группы факторов (от 0 до 5); Зi - значимость ьой группы факторов. Число экспертов рассчитали по формуле: Nmin = 0,5 (3/Ь +5), (3)
где 0<Ь<1 - погрешность норматива. Воздействие каждого из факторов оценивалось экспертным составом по пятибалльной шкале: при этом мотива-ционном факторам могла быть проставлена максимальная оценка в +5 баллов; экстремальным факторам в -5 баллов, а отсутствие воздействия выставлялось в виде 0.
