CC BY
02010 [Електронний ресурс]. - Режим доступу : http://www.economy.nayka.com.ua/?op=1&z=418.
2. Задншровськнй О.Г. Облш фiнансових ш-струментiв: новаци та гармонiзацiя [Текст] / О.Г. Задшпровський // Науковий вюник Херсонського державного унiверситету. - 2014 - № 8. Частина 3. -с. 186-191 [Електронний ресурс]. - Режим доступу : http://www.ej.kherson.ua/journal/economic_08/econo mic_08_3.pdf
3. Львов Ю.И. Банки и финансовый рынок / Ю.И. Львов. - СПб. : Культ Информ Пресс, 1995. -С. 86.
4. IFRS 9: A Complete Package for Investors [Електронний ресурс]. - Режим доступу : http://www.ifrs.org/Investor-resources/2014- Investor Perspectives/Documents/Investor-Perspective-Financial- Instruments-July-2014.pdf - Р. 1-3.
5. Testimony of Michael W. Masters, Managing Member / Portfolio Manager Masters Capital Management, LLC before the Commodities Futures Trading Commission, March 25, 2010, Appendix 3CFTC Commitments of Traders CIT Supplement, NYMEX, ICE.
Лаптева Е.В.,
Оренбургский филиал «РЭУ им. Г. В. Плеханова», доцент, к.э.н.
Золотова Л.В.
Оренбургский филиал «РЭУ им. Г. В. Плеханова», доцент, к.э.н.
ВАРИАЦИОННЫЙ АНАЛИЗ И КЛАССИФИКАЦИЯ РЕГИОНОВ РОССИЙСКОЙ ФЕДЕРАЦИИ ПО УРОВНЮ РАЗВИТИЯ ПОКАЗАТЕЛЕЙ БАНКОВСКОГО СЕКТОРА
VARIATIONAL ANALYSIS AND CLASSIFICATION OF REGIONS OF THE RUSSIAN FEDERATION ON THE LEVEL OF DEVELOPMENT INDICATORS OF THE BANKING SECTOR
Laptevа EV, Orenburg branch "REU them. Plekhanov ", Associate Professor, Ph.D.
Zolotovа, LV, Orenburg branch "REU them. Plekhanov ", Associate Professor, Ph.D.
АННОТАЦИЯ
В статье представлены результаты анализа показателей развития банковского сектора Российской Федерации по регионами на основе расчета показателей вариации и кластерного анализа. Проведено прогнозирование в выделенных кластерах.
ABSTRACT
The article presents the results of an analysis of indicators of the Russian banking sector for the regions on the basis of calculating variations and cluster analysis. A prediction in the selected clusters.
Ключевые слова: банковский сектор; показатели развития; вариация; кластерный анализ; прогноз.
Keywords: banking sector; development indicators; variation; cluster analysis; forecast.
Регионы Российской Федерации имеют достаточно неравномерное социально-экономическое развитие показателей банковского сектора. Поэтому проведем классификацию регионов Российской Федерации по показателям развития банковского сектора.
Для измерения вариации признака используют как абсолютные, так и относительные показатели.
К абсолютным показателям вариации относят: размах вариации, среднее линейное отклонение, среднее квадратическое отклонение, дисперсию. К относительным показателям вариации относят: коэффициент осцилляции, линейный коэффициент вариации, относительное линейное отклонение и др.
Рассчитаем показатели вариации по регионам России за 2015г.
Размах вариации (размах колебаний) - важный показатель колеблемости признака, но он дает возможность увидеть только крайние отклонения, что ограничивает область его применения (1).
R= "xmax- xmin (1)
R = 3797
Различие между максимальным и минимальным количеством кредитных организаций регионов России составляет 3797.
Среднее значение количества кредитных организаций регионов составляет 456,16.
Для более точной характеристики вариации признака на основе учета его колеблемости используются другие показатели.
Среднее линейное отклонение d, которое вычисляют для того, чтобы учесть различия всех единиц исследуемой совокупности. Эта величина определяется как средняя арифметическая из абсолютных значений отклонений от средней. Так как сумма отклонений значений признака от средней величины равна нулю, то все отклонения берутся по модулю (2).
El *
d —
- х\
(2)
n
■7 34155,16
d =-— = 416,53
82
В среднем отклонение значений уровня кредитных организаций регионов составляет 416,53.
Обобщающие показатели, найденные с использованием вторых степеней отклонений, полу-
чили очень широкое распространение. К таким показателям относится среднее квадратическое отклонение ст (3).
V = d * 100%
(4)
а =
а =
n
_ 416,53 d = 456,16
*100% = 91,31%
(3)
n
46619916
82
=754,01.
В среднем по регионам России количество кредитных организаций отклоняется от средней величины на 248,34%.
Рассчитаем относительные показатели вариации.
Линейный коэффициент вариации:
4500 4000 3500 3000 2500 2000 1500 1000 500 0
Значение данного показателя свидетельствует о том, что вариация признака достаточно большая и составляет 91,31% от среднего количества организаций регионов.
Для более наглядного представления построим график уровня развития показателей банковского сектора регионов РФ по количеству кредитных организаций, филиалов, дополнительных, операционных и кредитно-кассовых офисов в % к прошлому году (рисунок 1).
I
л11!1!1" in ■1 i'I iVriV V II 1,1 и,.,1,1,■,.,■,., ,■,-,
§ § § §
« « « «
о о а а
S S о s
SP Щ Л ft
2 о н й
м sl °
tR Л cö tR
eö Н И cö
«os«
О eö м О
О Ю О
^ ° Ез fe
2 ч о о
S od V
о g ^
Л
ЦТ
ч о
m
ts u
cö CP
И iy О ю
X CP cö О
f ^
х а О
и"
« Л
к h
и 2 о
& £ ч °
О tR
щ £
О И eö О
a и
* £ о о Рн
к; CÖ к; л к;
eö И eö Н eö
« s и 9 и
ц и Й о
о X
X ~ ^ ~ -
ч к ю ч ч ^
гр О CP Ю О
с? V с О ~
О
Ю ^ О й нГ (U Д
§
к; л
eö Н
И О
О cö
И ч
о ю
к о
CP * С
И
о
CP
К «
ч
Л £
5
и о X <и
S £
eö зК
Й Й К CP Ч И
^ 3 S
Е S3 о «
«S3
н
ч <
л л
н н
о о
eö cö
ч ч
ю ю
о о
3 5
и и
о о CP
« Л
eö Н
CP й
и g
j к ю
к о
К
и о
й сг S
eö «
§
И О CP iy
S <
О л
< о
ч 5
eö О
° й
=55 « cPr4
и и
W U-
Рисунок 1 - Уровень показателей развития банковского сектора регионов России по количеству
кредитных организаций в 2015г.
Графический анализ уровня развития показателей банковского сектора регионов свидетельствует о том, что в 2015 г. наибольшее количество кредитных организаций, филиалов, дополнительных, операционных и кредитно-кассовых офисов наблюдалась в г. Москве - 3846, самый низкий уровень наблюдается в Чукотском АО - 22.
Таким образом, можно сделать вывод, что этот уровень достаточно не симметричен (совокупность
не однородна). Существует большой разброс, связанный как с социально-экономическими факторами, так и зависящий от региональной политики, проводимой в каждом регионе в зависимости от специфики организационной структуры.
Выявим наличие групп по регионам РФ на основе многомерных статистических методов.
В качестве основного метода выявления групп регионов используем один из многомерных методов статистического анализ - кластерный анализ.
Рисунок 2 - Этапы анализа уровня развития показателей банковского сектора России
При проведении кластер-процедуры в качестве объектов анализа будут выступать 82 субъектов РФ. В качестве показателей уровня развития сектора можно использовать следующие показатели:
Х1 - Количество кредитных организаций, филиалов, дополнительных, операционных и кре-дитно-кассовых офисов;
Х2 - Кредиты и прочие размещенные средства, предоставленные организациям-резидентам и физическим лицам резидентам, млн. руб.;
Х3 - Вклады физических лиц, млн. руб.;
Х4 - Институциональная насыщенность банковскими услугами (по численности населения);
Х5 - Финансовая насыщенность банковскими услугами (по объему кредитов);
Х6 - Индекс развития сберегательного дела;
Х7 - Совокупный индекс обеспечения региона банковскими услугами.
В настоящее время для проведения кластер-процедур наибольшую популярность приобрели такие специализированные программные продукты как STATISTICA 6.0, SPSS 12.0, STATA 8 и другие. Обратимся к одному из перечисленных программных продуктов - статистическому пакету программ STATISTICA 6.0 и проведем разбиение имеющейся совокупности регионов РФ на однородные группы по уровню развития показателей банковского сектора.
Нам представляется, что для наших целей классификации и построения типологии районов последующим статистическим анализом исследуемых показателей внутри каждого класса из перечисленных методов, представленных в пакете Statistica 6.0 в наибольшей степени отвечает Ward's method (метод Варда), так как данный метод позволяет получать наиболее однородные в статистическом смысле кластеры.
В результате проведения кластерного анализа для 85 регионов методом древовидной кластеризации, в статистическом пакете Statistica 6.0 были получены следующие результаты, приведенные на рисунке 3.
Процедура иерархической кластеризации проводилась несколько раз с использованием различных мер и методов определения расстояний между объектами и кластерами - метод одиночной, полной и средней связи.
В качестве меры расстояния была выбрана евклидова метрика, т.к. это наиболее общий тип расстояния, имеющий определенные преимущества перед др. мерами. Для целей классификации был выбран метод Варда, так как данный метод минимизирует внутрикластерный разброс объектов и дендограмма получается с глубоко, гипертрофировано разделенными кластерами.
Рисунок 3 - Горизонтальная древовидная диаграмма уровня развития банковского сектора регионов
России в 2015г.
Согласно результатам, приведенным на рисунке 2.5, получаем четыре кластера, которые характеризуются следующими показателями.
Таблица 1
Показатели по группе 1 кластер 2 кластер 3 кластер 4 кластер
Количество кредитных организаций, филиалов, дополнительных, операционных и кредитно-кас-совых офисов 195,16 585,21 225,43 71,1
Кредиты и прочие размещенные средства, предоставленные организациям-резедентам и физическим лицам резедентам, млн. руб 10881,27 1139,24 257,60 73,11
Вклады физических лиц, млн. руб 1031,45 1349,99 379,22 90,07
Институциональная насыщенность банковскими услугами (по численности населения) 100,00 123,02 97,79 102,71
Финансовая насыщенность банковскими услугами (по объему кредитов) 0 0 154,68 107,73
Индекс развития сберегательного дела 0 0 116,11 103,49
Совокупный индекс обеспечения региона банковскими услугами 0 77,88 113,89 100,90
График средних значений по кластерам представлен на рисунке 4.
.....
Х1 Х2 ХЗ Х4 Х5 Х6 Х7 Рисунок 4 - График средних значений для кластеров
Состав кластеров и группы районов представлены в таблице 2.
-о- Кластер 1 -■о- Кластер 2 -•о- Кластер 3 Кластер 4
Таблица 2
Результаты кластеризации регионов России по уровню развития показателей банковского сектора
№ кластера Количество субъектов Состав кластера
1 1 г. Севастополь
2 8 Республика Калмыкия, Республика Ингушетия, Чеченская Республика, Республика Алтай, Республика Тыва, Еврейская АО, Чукотский АО, Республика Крым
3 11 Псковская область, Республика Адыгея, Республика Дагестан, Кабардино-Балкарская Республика, Карачаево, Черкесская Республика, Республика Северная Осетия, Республика Марий Эл, Курганская область, Республика Хакасия, Камчатский край, Магаданская область
Белгородская область, Брянская область, Владимирская область, Воронежская область, Ивановская область, Калужская область, Костромская область, Курская область, Липецкая область, Московская область, Орловская область, Рязанская область, Смоленская область, Тамбовская область,
4 62 Тверская область, Тульская область, Ярославская область, г. Москва, Республика Карелия, Республика Коми, Архангельская область, Вологодская область, Калининградская область, Ленинградская область, Мурманская область, Новгородская область, г. Санкт-Петербург, Краснодарский край, Астраханская область, Волгоградская область, Ростовская область, Ставропольский край, Республика Башкортостан, Республика Мордовия, Республика Татарстан, Удмуртская Республика, Чувашская Республика , Пермский край, Кировская область, Нижегородская область, Оренбургская область, Пензенская область, Самарская область, Саратовская область, Ульяновская область, Свердловская область, Тюменская область, Челябинская область, Республика Бурятия, Алтайский край, Забайкальский край, Красноярский край, Иркутская область, Кемеровская область, Новосибирская область, Омская область, Томская область, Республика Саха (Якутия), Приморский край, Хабаровский край, Амурская область, Сахалинская область.
Итого 82
Таким образом, в первую группу районов вошли 1,22% регионов от общего числа, во вторую группу - 9,76% и в третью -13,41%, в четвертую -75,61%.
По результатам проведенной классификации было выделено четыре кластера с различными характеристиками уровня развития банковского сектора.
В первый кластер вошел 1 субъект Российской Федерации (г. Севастополь), которые характеризуется наименьшими значениями показателей развития показателей банковского сектора. Это объясняется экономической и политической обстановкой.
Второй кластер характеризуются средними и ниже средних значений по стране.
В отдельный третий кластер выделились 11 регионов, характеризующиеся средними значениями показателей развития банковского сектора.
Самым многочисленным является, в четвертый кластер состав которого вошли 62 субъекта Российской Федерации, значения большинства показателей развития банковского сектора находятся на среднем или чуть выше среднего уровнях.
Результаты моделирования внутри кластеров представлены в таблице 3.
Таблица 3
Номер кластера Уравнение регрессии Характеристики модели
Кластер 2 у=463,66+0,60х2-6,61х3 R2=0,95
Кластер 3 у=5,47+0,80х1-0,11х2+1,96х3 R2=0,84
Кластер 4 у=29,11+0,54х1+0,09х2-0,13х5 R2=0,69
Из таблицы 3 видно, что набор факторов, ока- вития банковского сектора, внутри кластеров раз-зывающих существенное влияние на уровень раз- личается. По полученным регрессионным моделям
было осуществлено прогнозирование (таблица 4).
Таблица 4
Результаты прогнозирования уровня развития банковского сектора внутри кластеров по уравне-_ниям множественной регрессии_
Номер кластера Вид прогноза Прогнозное значение уровня показателей развития банковского сектора, %
Кластер 2 Пессимистический -619,99
Реалистический 464,50
Оптимистичес кий 1715,23
Кластер 3 Пессимистический 105,56
Реалистический 364,30
Оптимистичес кий 550,48
Кластер 4 Пессимистический 0,53
Реалистический 62,74
Оптимистичес кий 141,55
Таким образом, прогнозные значения, полученные с учетом тенденции факторных признаков, выше, чем по моделям со средними, минимальными и максимальными значениями факторных признаков.
Степень развития банковского сектора по регионам Российской Федерации значительно отличается. Для усиления положительных тенденций его развития необходимо повышение экономической эффективности государственных программ.
Список литературы
1. Лаптева Е.В. Политика и практика крупнейших банков на рынке банковских услуг // Материалы Пятой Всероссийской научной конференции с международным участием, 2014. - С.145-148.
2. Лаптева Е.В. Статистическое исследование развития банковского сектора Российской Федерации. - Оренбург: ИПК «Университет», 2015. - 173 с.
3. Лаптева Е. В. Статистические методы оценки принятия управленческих решений. - Оренбург, 2015. - 115с.
4. Официальный сайт Министерства финансов Оренбургской области: Режим доступа: URL: http://minfin.orb.ru/ (дата обращения - 10.09.2016)
5. Assessment of influence the level of personal savings on the dynamics of banking sector indices // Zolotova L.V., Lapteva E.V., Portnova L.V. В сборнике: European science and Technology Materials of the X intemational research and practice conference. 2015. С. 234-243.
6. Золотов Л.В., Лаптева Е.В., Портнова Л.В. Дифференциация регионов России по уровню финансового потенциала домашних хозяйств // Экономика и предпринимательство. - 2016 - № 1-1(66-1). - С. 473-480.
7. Лаптева Е.В. Статистическое исследование уровня сберегательной активности населения Российской Федерации // Вестник Оренбургского государственного университета. - 2016. - № 13 (188). -С . 53-59.
8. Лаптева Е.В. Анализ динамики средних цен на рынке ипотечного кредитования Российской Федерации // Символ науки. - 2016. - №5-1 (17). -С.148-152.
9. Золотов 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 - № 8-1(61-1). - С. 250-255.
Нуркашева Н.С.
к.э.н., и.о. доцента кафедры «Бухгалтерскийучет, аудит и оценка» Университет «Нархоз», Казахстан, г.Алматы Алайдаркызы Каламкас
к.э.н., и.о. доцента кафедры «Бухгалтерский учет, аудит и оценка» Университет «Нархоз», Казахстан, г.Алматы
ОЦЕНКА ЭФФЕКТИВНОСТИ ДЕЯТЕЛЬНОСТИ ОРГАНИЗАЦИЙ НА ОСНОВЕ СИСТЕМЫ
СБАЛАНСИРОВАННЫХ ПОКАЗАТЕЛЕЙ
EVALUATING THE PERFORMANCE OF ORGANIZATIONS, BASED ON THE BALANCED
SCORECARD
Nurkasheva N.S., Ph.D., Acting Associate Professor of "Accounting, auditing and evaluation," University "Narxoz", Kazakhstan, Almaty
Alaydarkyzy Kalamkas, Ph.D., Acting Associate Professor of "Accounting, auditing and evaluation, " University "Narxoz", Kazakhstan, Almaty
АННОТАЦИЯ
Сбалансированная система показателей (ССП) - Balanced Scorecard - оценочная система (система управленческого учета), базирующаяся на стратегии. Позволяет решить проблему связи стратегического и оперативного уровней управления организацией. Создание системы сбалансированных показателей (или ее аналога) позволяет построить систему оценки эффективности деятельности для стратегически ориентированной организации. Модель «стратегических карт» пытается рассматривать организацию как единое целое. Для этого необходима общая модель стратегии. Согласованные и зафиксированные на стратегических картах цели управленческой команды в дальнейшем детализируются до сбалансированной системы показателей, что позволяет перевести стратегию на операционный уровень. В научной работе рассмотрено сущность сбалансированной системы показателей, аргументировано актуальность использования ССП отечественными организациями; поэтапно разработано сбалансированную систему показателей для организации.
ABSTRACT
The Balanced Scorecard (BSC) - Balanced Scorecard - grading system (management accounting system), based on the strategy. It allows you to solve the problem of communication of strategic and operational management of the organization levels. Creating a balanced scorecard (or its equivalent) allows you to build a performance evaluation system for strategically oriented organization. The model of "strategic maps" tries to view the organization as a whole. This requires a common model strategy. Agreed and recorded on maps of strategic goals of the management team in the future are detailed to the Balanced Scorecard, which allows to translate the strategy to operational level. The scientific work is considered the essence of the balanced scorecard, argued the relevance of the use of BSC domestic organizations; gradually developed a balanced scorecard for the organization.
Ключевые слова: Сбалансированная система показателей, перевод стратегии в действия, стратегическая карта, нефинансовый учет, управление качеством.
Keywords: Balanced Scorecard (BSC), transaction strategy to action, strategy map, non financial accounting, Total Quality Management.
В настоящее время стратегия фирмы становится как никогда важной. Поэтому построение организации, ориентированной на покупателя, и построение бизнеса, ориентированного на стратегию, являются одними из основных инициатив, предпринимаемых большинством динамичных и развивающихся компаний по всему миру.
Измерители часто рассматриваются как инструмент для контроля действий и мониторинга достижений. Индикаторы в ССП преследуют более глобальную цель - выразить стратегию, донести её
до каждого отдельного работника компании и установить связь между инициативами и действиями работников, подразделений и компании в целом для достижения общих целей, соответствующей стратегией определенных. Для этого предлагается анализ по четырем направлениям, что позволяет поставить в соответствие долгосрочные цели, желаемые результаты и измерители этих результатов, установить связь между объективными и субъективными измерителями, между финансовыми и нефинансовыми индикаторами.
