Статья опубликована в рамках: XXXVIII Международной научно-практической конференции «Экономика и современный менеджмент: теория и практика» (Россия, г. Новосибирск, 02 июня 2014 г.)
Наука: Экономика
Секция: Управление изменениями
Скачать книгу(-и): Сборник статей конференции
- Условия публикаций
- Все статьи конференции
дипломов
Статья опубликована в рамках:
Выходные данные сборника:
МОДЕЛИРОВАНИЕ ПРОЦЕССА ПОВЫШЕНИЯ ТЕКУЩЕЙ ЛИКВИДНОСТИ БАНКА
Худякова Ольга Юрьевна
канд. техн. наук, зав. кафедрой информатики и математики Международный институт экономики и права, РФ, г. Москва
MODELLING OF CURRENT BANK LIQUIDITY UPSURGE PROCESS
Khudiakova Olga
Ph.D., Associate Professor, International Institute of Economics and Law, Head of the Department of Informatics and Mathematics, Moscow
АННОТАЦИЯ
Построена с использованием эконометрического инструментария модель повышения текущей ликвидности банка. Проведен анализ бета-коэффициентов и дельта-коэффициентов модели, а также средней эластичности по каждому фактору. Модель позволяет корректировать деятельность банка с точки зрения повышения текущей ликвидности.
ABSTRACT
Current liquidity improvement model was built with the use of econometric tools. The analyses of the beta coefficients and the delta coefficients of the model, and also the average elasticity for each factor were performed. The model allows to adjust bank activities in terms of improving the current liquidity.
Ключевые слова: эконометрическая модель; текущая ликвидность банка; эффективная деятельность.
Keywords: econometric model; bank liquidity; effective activity.
Анализ банковских кризисов 1995-го и особенно 1998 года и их последствий показывает, что мониторингу и управлению ликвидностью в коммерческих организациях уделяется недостаточное внимание. Устойчивость и ликвидность банка являются одними из важнейших критериев надежности кредитной организации, а также необходимым условием активного привлечения клиентов.
Целью данной исследовательской работы в связи с вышесказанным является моделирование процесса повышения текущей ликвидности банка А с использованием эконометрического инструментария. Возможности экономико-статистических методов находят широкое применение в условиях реальной экономической жизни и в теоретических исследованиях [1]. Они используются при оптимизации управления как больших, так и малых экономических систем [2].
Эконометрическое моделирование проведем на основе данных банка А за период январь 2012 — январь 2013 о следующих показателях: величина чистой текущей ликвидности (Y, тыс.руб.), кредиты коммерческим организациям (Х1, тыс.руб.), кредиты физическим лицам (Х2, тыс.руб.), капитал и фонды (Х3, тыс.руб.), депозиты коммерческих организаций (Х4, тыс.руб.), депозиты физических лиц (Х5, тыс.руб.), просроченные кредиты и проценты (Х6, тыс.руб.), клиентская база (Х7, шт.).
Рассмотрим матрицу парных коэффициентов корреляций по всем исходным данным (табл. 1). Результаты расчетов показывают, что корреляционная связь между величиной чистой текущей ликвидности и факторами: кредиты коммерческих организаций, кредиты физических лиц, просроченные кредиты и проценты является отрицательной, то есть с ростом фактора ликвидность снижается, а между чистой ликвидностью и остальными факторами — положительной.
По силе влияния корреляционная связь между ликвидностью и клиентской базой является заметной (или существенной), во всех остальных случаях — очень слабой.
Матрица межфакторных корреляций свидетельствует о наличии мультиколлинеарности переменных. Большинство факторов попарно являются линейно зависимыми, такие факторы не могут одновременно входить в адекватную регрессионную модель.
Таблица 1.
Матрица парных коэффициентов корреляций
|
|
У |
X1 |
X2 |
X3 |
X4 |
X5 |
Х6 |
Х7 |
|
У |
1 |
|||||||
|
X1 |
-0,060 |
1 |
||||||
|
X2 |
-0,105 |
0,920 |
1 |
|||||
|
X3 |
0,070 |
0,959 |
0,913 |
1 |
||||
|
X4 |
0,068 |
0,695 |
0,692 |
0,675 |
1 |
|||
|
X5 |
0,087 |
0,913 |
0,872 |
0,958 |
0,498 |
1 |
||
|
Х6 |
-0,098 |
0,962 |
0,943 |
0,958 |
0,711 |
0,905 |
1 |
|
|
Х7 |
0,646 |
0,661 |
0,583 |
0,697 |
0,492 |
0,656 |
0,586 |
1 |
Линейно независимыми оказываются факторы: кредиты коммерческих организаций и депозиты коммерческих организаций, кредиты коммерческих организаций и клиентская база, кредиты физических лиц и депозиты коммерческих организаций, кредиты физических лиц и клиентская база, капитал и фонды и депозиты коммерческих организаций, капитал и фонды и клиентская база, депозиты коммерческих организаций и депозиты физических лиц, депозиты коммерческих организаций и клиентская база, депозиты физических лиц и клиентская база, просроченные кредиты и проценты и клиентская база. Объем выборки равен 13, поэтому модель максимально может содержать не более двух факторов. Разброс данных и единицы измерения данных различны, в связи с этим для построения модели необходимо перейти от естественных переменных к стандартизованным.
Построим все возможные двухфакторные регрессионные модели в стандартизованном виде и выберем наилучшие (табл. 2), учитывая значимость параметров и уравнения в целом, а также коэффициент детерминации.
Коэффициенты регрессий показывают, что во всех уравнениях наибольшее влияние на результат Y, причем положительное, оказывает фактор х7 (клиентская база). Второй фактор оказывает меньшее влияние, и к тому же отрицательное. Каждую из выбранных моделей можно использовать для моделирования процесса повышения чистой текущей ликвидности.
Построим уравнения регрессии в естественной форме, соответствующие адекватным моделям в стандартизованной форме, определив естественные коэффициенты по стандартизованным (табл. 3).
Таблица 2.
Двухфакторные регрессионные модели в стандартизованном масштабе
|
Уравнение регрессии в стандартизованном виде |
t-статистика параметра регрессии |
Значение F-статистики |
Коэф.детерминации R2 |
Примечание |
|
1) ТY=-0,865*ТХ1+1,217*ТХ7 |
tx1= -5,359 tx7= 7,543 |
7,32*10-5 |
0,839 |
Оба параметра регрессии значимы, уравнение регрессии в целом — значимо. 83,5 % вариации переменной у объясняется построенным уравнением. |
|
2) TY=-0,730*ТХ2+1,071*ТХ7 |
tx2= -4,093 tx7= 6,007 |
0,0004 |
0,768 |
Оба параметра регрессии значимы, уравнение регрессии в целом — значимо . 76,8 % вариации переменной у объясняется построенным уравнением. |
|
3) TY=-0,738*ТХ3+1,160*ТХ7 |
tx3= -3,198 tx7= 5,024 |
0,001 |
0,698 |
Оба параметра регрессии значимы, уравнение регрессии в целом — незначимо. 69,8 % вариации переменной у объясняется построенным уравнением. |
|
4) TY=-0,590*ТХ5+1,033*ТХ7 |
tx5= -2,386 tx7= 4,175 |
0,006 |
0,616 |
Оба параметра регрессии значимы, уравнение регрессии в целом — значимо . 61,6 % вариации переменной у объясняется построенным уравнением. |
|
5) TY=-0,725*ТХ6+ 1,071*ТХ7 |
tx6= -4,005 tx7= 5,912 |
0,0005 |
0,762 |
Оба параметра регрессии значимы, уравнение регрессии в целом — значимо . 76,2 % вариации переменной у объясняется построенным уравнением. |
Таблица 3.
Адекватные двухфакторные регрессионные модели в стандартизованной и естественной форме
|
Уравнение регрессии в стандартизованном виде |
β- коэффициенты |
b - коэффициенты |
Уравнение регрессии в естественной форме |
|
1) ТY=-0,865*ТХ1+1,217*ТХ7 |
β1= -0,865 β2= 1,217 |
b1= -0,358 b2= 1,035 а= -1174083,42 |
Y= -1174083,42-0,358*X1++1,035*X7 |
|
2) TY=-0,730*ТХ2+1,071*ТХ7 |
β1= -0,730 β2= 1,071 |
b1= -1,212 b2= 0,911 а= 1335925,353 |
Y= 1335925,353-1,212*X2+0,911*X7 |
|
3) TY=-0,738*ТХ3+1,160*ТХ7 |
β1= -0,738 β2= 1,160 |
b1= -0,991 b2= 0,986 а= -2643907,15 |
Y= -2643907,15-0,991*X3+0,986*X7 |
|
4) TY=-0,590*ТХ5+1,033*ТХ7 |
β1= -0,590 β2= 1,033 |
b1= -0,382 b2= 0,878 а= -1825765,47 |
Y= -1825765,47-0,382*X5+0,878*X7 |
|
5) TY=-0,725*ТХ6+ 1,071*ТХ7 |
β1= -0,725 β2= 1,071 |
b1= -4,083 b2= 0,911 а= -3033905,65 |
Y= -3033905,65 -4,083*X6+0,911*X7 |
Бета-коэффициенты показывают, на какую часть величины среднеквадратического отклонения (СКО) меняется среднее значение зависимой переменной с изменением независимой переменной на одно СКО при фиксированном на постоянном уровне значении остальных независимых переменных. Эти коэффициенты позволяют сравнивать относительный вклад каждой независимой переменной в предсказание зависимой переменной.
Наибольший относительный вклад в предсказание результата Y вносит фактор клиентская база, а наименьший — депозиты физических лиц. При изменении каждого из факторов х7, х1, х3, х2, х6, х5 на одно СКО чистая текущая ликвидность изменится соответственно на 1, 217; -0,865; -0,738; -0,73; -0,725; -0,59 своего СКО.
Для характеристики относительной силы влияния факторов на результат рассчитаем средние коэффициенты эластичности по каждому фактору для всех уравнений регрессии (табл. 4).
Таблица 4.
Расчет эластичности регрессионных моделей по каждому фактору
|
Модель |
Эластичность по первому фактору |
Эластичность по фактору клиентская база |
Примечание |
|
1 |
Эх1= -2,695 |
Эх7= 4,305 |
Зависимость эластична по двум факторам |
|
2 |
Эх2= -3,482 |
Эх7= 3,789 |
Зависимость эластична по двум факторам |
|
3 |
Эх3= -1,727 |
Эх7= 4,1 |
Зависимость эластична по двум факторам |
|
4 |
Эх5= -1,703 |
Эх7= 3,651 |
Зависимость эластична по двум факторам |
|
5 |
Эх6= -1,213 |
Эх7= 3,789 |
Зависимость эластична по двум факторам |
С увеличением значения фактора х7 на 1 % от его среднего уровня чистая текущая ликвидность согласно модели 1 увеличивается на 4,3 % от своего среднего уровня, при росте фактора х1 на 1 % от среднего значения ликвидность уменьшается на 2,7 % от среднего уровня. При этом сила влияния фактора х7 (клиентская база) оказалась больше, чем сила влияния фактора х1 (кредиты коммерческих организаций). Аналогично исследуются и остальные модели. Однако наибольшей эластичностью обладает результат Y по фактору х7 (клиентская база) в модели 1, наименьшей по фактору х6 в модели 5 (табл. 4).
Ранжировка факторов позволяет воспользоваться для прогноза той моделью, которая учитывает влияние факторов на результат наилучшим образом.
Долю влияния конкретного фактора в суммарном влиянии всех факторов показывает величина дельта-коэффициентов.
Таблица 5.
Дельта-коэффициенты для моделей 1 и 2
|
Номер модели |
Факторы модели |
Дельта-коэффициенты |
|
Модель 1 |
Х1 и Х7 |
∆1= 0,068 ∆2=0,932 |
|
Модель 2 |
Х2 и Х7 |
∆1=0,099 ∆2=0,901 |
Анализ дельта-коэффициентов показывает, что наибольшая доля чистой текущей ликвидности из двух анализируемых факторов каждой модели может быть обеспечена развитием такого фактора как клиентская база.
На основании частных коэффициентов эластичности и дельта-коэффициентов можно судить о резервах роста чистой текущей ликвидности, которые заложены в том или ином факторе.
Построенные модели позволяют исследовать динамику чистой текущей ликвидности банка, анализировать характер влияния факторов на показатель ликвидности, строить сценарии развития данного процесса и прогнозировать результат. Использование моделей приведет к своевременной корректировке финансовой деятельности банка, повышению его эффективности и росту его надежности, выявит дополнительные резервы эффективной деятельности кредитной организации.
Список литературы:
- Худякова О.Ю. Эконометрическая модель в исследовательской работе экономиста или менеджера. Наука и образование в XXI веке: Сборник научных трудов по материалам Международной научно-практической конференции 1 апреля 2013 г. В 6 частях. Часть IV. Мин-во обр. и науки М.: «АР-Консалт», 2013 г. — 165 с.
- Худякова О.Ю. Использование математических методов в условиях динамических социально-экономических систем. Материалы международной научной конференции «Россия и мировое сообщество в контексте посткризисного развития», ч. 5. М., МИЭП, 1—2 июня 2011 г. — 212 с.
дипломов
Оставить комментарий