Темы диссертаций по экономике » Математические и инструментальные методы экономики

Комплекс динамических моделей банковского сектора Российской Федерации тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Ивлиев, Сергей Владимирович
Место защиты Пермь
Год 2005
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Комплекс динамических моделей банковского сектора Российской Федерации"

На правах рукописи

Ивлиев Сергей Владимирович

КОМПЛЕКС ДИНАМИЧЕСКИХ МОДЕЛЕЙ БАНКОВСКОГО СЕКТОРА РОССИЙСКОЙ ФЕДЕРАЦИИ

Специальность 08.00.13 - Математические и инструментальные методы экономики

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата экономических наук

Пермь - 2005

Работа выпонена на кафедре экономической кибернетики ГОУВПО Пермский государственный университет

Научный руководитель: доктор физико-математических наук, профессор

Андрианов Дмитрий Леонидович

Официальные доктор экономических наук, профессор

оппоненты: Дедов Леонид Анатольевич

кандидат экономических наук, Чекмарева Елена Николаевна

Ведущая организация: Государственный университет управления, г.Москва

Защита состоится 29 ноября 2005 г. в 14 часов на заседании диссертационного совета ДМ № 212.189.07 при Пермском государственном университете по адресу: 614990, г. Пермь, ул. Букирева, 15, ПГУ, зал заседаний ученого совета.

С диссертацией можно ознакомиться в библиотеке Пермского государственного университета.

Автореферат разослан 29 октября 2005 г.

Ученый секретарь диссертационного совета:

доктор физико-математических /? М.Симонов

наук, доцент

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Банковский сектор является жизненно важным элементом экономической системы страны, осуществляющим функции посредничества в движении финансовых ресурсов между секторами и экономическими агентами. Уровень его стабильности определяет динамику и устойчивость роста всей экономики. Напротив, нестабильность этого сектора, проявляющаяся в банковских кризисах, приводит к существенным потерям - в среднем 20-25% докризисного уровня ВВП и выше1. При этом банковский кризис - это событие отнюдь не редкое: только в период с 1980 по 1995 гг. (период, не затрагивающий Азиатский кризис) по оценкам МВФ произошло 158 валютных и 54 банковских кризиса в 51 стране2.

Особую важность в последнее время приобретает исследование вопросов объективной оценки состояния банковского сектора, взаимодействия банков со своей внешней средой, повышения эффективности методов регулирования и надзора за деятельностью коммерческих банков, улучшения качества процессов планирования и управления в кредитных организациях.

Возникающие при решении этих вопросов проблемы прогнозирования показателей банковского сектора в целом и отдельных банков в частности являются значимыми как для самих банков, так и для органов государственного управления, таких как Банк России и Агентство по страхованию вкладов.

Все вышесказанное обусловливает актуальность разработки комплекса динамических моделей показателей банковского сектора, позволяющего получать обоснованные прогнозы его развития на макро-и микроуровне.

Степень разработанности проблемы. Проблемы моделирования финансовых показателей банковского сектора рассмотрены в работах отечественных авторов: Буздалина A.B., Дмитриева М.Э., Замкового C.B., Карминского A.M., Матовникова М.Ю., Пересецкого A.A., Сонцева О.Г., Шпрингеля В.К., Энтова P.M. Разработке общих и специальных подходов к моделированию деятельности отдельных кредитных организаций посвящены работы Волошина И.В., Егоровой Н.Е., Лаптырева Д.А., Меркурьева И.Л., Смулова A.M., Полушкиной Г.К. и др. Проблемы дистанционного анализа и оценки рисков банков и банковского сектора рассмотрены в трудах Белякова A.B., Иванова В В.,

1 Hoggarth G.Rcis, R andV Saporta (2001) Costs of Banking System Instability Some Empirical Evidence, Working Paper, Bank of England

2 international Monetary Fund World Economic Outlook, 199 f " -. -Ч

РОС. НАЦИОНАЛ! I , , БИБЛИОТЕКА

Кузнецова К.Б., Севрук В.Т., Симановского А.Ю., Смирнова С.Н. и др., а также в нормативных и исследовательских материалах Банка России.

Большое внимание вопросам финансовой стабильности, анализу и моделированию деятельности банков, системам макропруденциальных индикаторов уделяется в исследованиях, проводимых при участии международных регулирующих органов и центральных банков других стран - Банка Англии, Банка Канады, Банка Финляндии, Федеральной резервной системы США, Федеральной корпорации по страхованию вкладов США, Мировою банка, Международного Валютного Фонда, Базельского комитета по банковскому надзору и др. Среди работ зарубежных экономистов следует назвать исследования Barth J.R., de Bondt G., Chari V.V., Demirguc-Kunt A., Detragiache E., Diamond D.W., Dybvig P.H., Fama E., Hardy D.C., Kaufman G.G., Mojon В., Seelig S.A., Pazarbasioglu С. и др.

Вышеупомянутые ученые и специалисты внесли большой вклад в разработку методов анализа и моделирования показателей банковской деятельности. Однако, практика применения этих методов еще не нашла достаточного отражения в отечественной литературе. В частности, отсутствуют комплексные разработки в области эконометрического моделирования банковского сектора - математические методы используются, как правило, только для анализа отдельных аспекюв его функционирования.

Цели и задачи исследования. Целью диссертационной работы является построение комплекса математических моделей банковского сектора России, предназначенного для прогнозирования его динамики на различных уровнях, а также разработка программного инструментария для практической реализации разработанных моделей. В соответствии с целью поставлены следующие задачи: провести сравнительный анализ отечественного и зарубежного опыта моделирования банковского сектора; разработать комплекс моделей банковского сектора на макро- и микроуровне;

провести идентификацию, верификацию и прогнозные расчеты комплекса моделей;

разработать программный инструментарий динамического моделирования и использовать его при практической реализации моделей.

Объектом диссертационного исследования является банковский сектор Российской Федерации в целом (макроуровень) и отдельные банки (микроуровень).

Предметом исследования являются методы, агоритмы и информационные технологии, обеспечивающие моделирование и прогнозирование показателей банковского сектора на различных уровнях.

Теоретической и методологической основой работы являются классические труды по моделированию финансово-экономических процессов и экономической динамике К.Багриновского, А.Гранберга, В.Леонтьева, В.Тинбергена, Дж Форрестера; научные исследования центральных банков различных стран и международных организаций, работы зарубежных и отечественных экономистов.

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального Банка РФ, Росстата, материалах информационных агентств. В диссертации были использованы открытые данные ежемесячной банковской отчетности с 2000 г. по 2005 г.

Работа проведена в рамках пунктов 1.6 и 2.3 паспорта специальности 08.00.13 - Математические и инструментальные методы экономики:

математический анализ и моделирование процессов в финансовом секторе экономики, развитие методов финансовой математики и актуарных расчетов;

- разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях.

Научная новизна работы состоит в том, что автором разработан оригинальный комплекс моделей банковского сектора РФ, позволяющий получать прогнозные оценки его основных показателей на макро- и микроуровне и решать актуальные прикладные задачи.

Наиболее существенные результаты, имеющие научную новизну и полученные лично автором:

- разработана модель банковского сектора Российской Федерации, позволяющая осуществлять прогноз основных показателей банковского сектора при различных сценарных условиях; эндогенными переменными модели являются показатели структуры активов и пассивов, доходов и расходов, прибыли банковского сектора, а также производные от них показатели: денежная масса (агрегат М2), средние процентные ставки, рентабельность активов и собственного капитала и др.; разработана многоуровневая эконометрическая модель финансовых потоков банка, учитывающая влияние различных макроэкономических, региональных и отраслевых показателей, таких как инфляция, рост доходов населения, рост

промышленного производства, склонность к сбережению, доли банка на рынках основных банковских продуктов, и позволяющая получать среднесрочные прогнозы развития банка в рамках системы поддержки принятия решений в коммерческом банке;

предложена оригинальная имитационная модель коммерческого банка, позволяющая получать оценки вероятности дефота на основе данных форм обязательной отчетности; решена задача моделирования достаточности собственного капитала и получены аналитические оценки нижней границы рентабельности активов, обеспечивающей устойчивое развитие банковского сектора;

в ходе научного исследования под руководством автора разработан универсальный программный инструментарий -Конструктор динамических моделей (свидетельство о регистрации программы №2004612101) - применяемый для автоматизации процессов моделирования и прогнозирования. Практическое значение исследования определяется тем, что предлагаемые в диссертационной работе модели и программные разработки использованы для создания Подсистемы анализа и моделирования системы финансового посредничества Информационно-вычислительной системы Департамента исследований и информации Банка России, Прогнозно-аналитической системы Западно-Уральского Банка Сбербанка России, Системы анализа отчетности банков для опенки достаточности средств фонда обязательного страхования вкладов Государственной корпорации Агентство по страхованию вкладов. Полученные практические результаты использовались при формировании Обзора финансовой стабильности Банка России за 2004 год.

Апробация результатов исследования. Основные результаты исследования внедрены в 2004-2005 гг. в Банке России, Западно-Уральском банке Сбербанка России, Агентстве по страхованию вкладов. В рамках указанных проектов автор выступал в качестве руководителя от разработчика Систем - компании Прогноз.

Основные положения работы докладывались на Второй международной конференции Международный опыт риск-менеджмента и особенности развивающихся рынков (г Москва, сентябрь 2005 года), Научно-практическом семинаре Управление финансовыми рисками и страхование под эгидой Р5Ш1А (г.Москва, апрель 2005 года), Второй межрегиональной научно-практической конференции Повышение роли банковской системы через улучшение качества её деятельности. Управление бизнес процессами в Банке

России и кредитных организациях (г.Уфа, январь 2005 года), Десятом семинаре РЭШ Банки и предприятия: модели и рейтинги (г.Москва, декабрь 2004 года), Научно-техническом форуме с международным участием Высокие технологии - 2004 (г.Ижевск, ноябрь 2004), Второй международной конференции Интелектуальные системы IEEE IS'04 (г.Варна, июнь 2004), Международной конференции по нечетким множествам и мягким вычислениям в экономике и финансах FSSCEF-2004 (г.Санкт-Петербург, июнь 2004 года), Четвертом семинаре РЭШ Банки и предприятия: модели и рейтинги (г.Москва, январь 2004 года), межвузовской конференции Уральского гуманитарного института (г.Пермь, октябрь 2004 года), семинаре Актуальные проблемы экономики кафедры Экономическая кибернетика экономического факультета ПГУ (г.Пермь, ноябрь 2003 года), IX Форуме разработчиков интегрированных банковских систем (г.Москва, сентябрь 2003 года), Всероссийской конференции молодых ученых и студентов Экономика и управление: актуальные проблемы и поиск путей решения (г.Пермь, апрель 2001 года).

Публикации. По материалам диссертации опубликовано 16 работ (в соавторстве - 11) общим объемом 4 п.л.

Объем и структура диссертации. Работа изложена на 110 страницах машинописного текста, состоит из введения, трех глав, заключения и приложений, илюстрирована 7 таблицами и 25 рисунками. Библиографический список содержит 92 наименования литературных источников, в том числе 44 отечественных, 48 зарубежных.

Во введении обоснована актуальность исследования, сформулирована научная новизна, приведены цель и задачи исследования, перечислены наиболее существенные результаты, дана общая характеристика работы.

В первой главе рассмотрены теоретические аспекты функционирования банковского сектора, дан обзор существующих моделей и методов моделирования банковских систем, сформулированы требования к программному инструментарию динамического моделирования, проведен обзор существующих на рынке программных продуктов динамического моделирования.

Во второй главе сформированы спецификации комплекса моделей, в том числе агрегированной модели банковского сектора, многоуровневой эконометрической модели финансовых потоков коммерческого банка, имитационной модели коммерческого банка, модели достаточности капитала банковского сектора.

В третьей главе изложены принципы построения и структура программного инструментария Конструктора динамических моделей

(КДМ), приведены результаты идентификации и прогнозных расчетов комплекса моделей.

В заключении приведены основные выводы, оценено практическое значение и даны предложения по дальнейшему развитию комплекса моделей.

ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ

1. Разработана динамическая модель банковского сектора Российской Федерации, позволяющая получать прогнозные оценки основных финансовых потоков.

Разработанная модель основывается на концепции финансово-экономической деятельности банковского сектора как финансового посредника. Основная функция банковского сектора - содействие движению финансовых ресурсов в экономике. Банковский сектор одновременно выступает в функции кредитной системы, перераспределяющей свободные денежные средства между экономическими субъектами, и денежной системы, содействующей осуществлению расчетов между экономическими субъектами, что способствуют снижению трансакционных издержек в экономике, связанных с денежным обращением.

С точки зрения системного анализа банковский сектор относится к большим и сложным системам. Исследование таких систем требует принятия определенных компромиссов, заключающихся в снижении многообразия. Так, в данной модели банковский сектор рассматривается агрегировано. Это с одной стороны не позволяет учесть специфические особенности конкретных коммерческих банков и межбанковские процессы и взаимодействия, но с другой стороны дает возможность исследовать эмерджентные свойства системы, не присущие каждому банку в отдельности, но возникающие на макроуровне, такие как, например, эффект мультипликации.

Модель является динамической и стохастической в том смысле, что используемые в модели переменные и параметры относятся к нескольким последовательным интервалам времени, большинство из них - случайные величины.

Основными моделируемыми переменными модели являются величины остатков агрегированных показателей баланса, доходов и расходов, процентных ставок по операциям. В качестве объясняющих переменных используются макроэкономические показатели, ставки и нормативы Банка России.

Структуру модели можно представить как совокупность фондов, в которых распределены активы и пассивы банковской системы. Фонды связаны между собой потоками. Укрупненная схема модели приведена на Рис. 1.

Рис 1 Укрупненная схема модели банковского сектора РФ

Порождающие финансовые потоки процессы описываются уравнениями двух классов - статистическими и детерминированными. Модель в общей сложности включает в себя более 100 уравнений Для моделирования временных рядов финансовых показателей в статистических уравнениях применяются методы эконометрики (линейная регрессия, модель коррекции ошибок и др.) и методы анализа временных рядов (АРИСС, экспоненциальное сглаживание, авторегрессия и др.).

Привлеченные средства моделируются по следующим позициям:

Срочные депозиты населения;

- Депозиты населения до востребования;

Текущие и расчетные счета предприятий;

Депозиты предприятий;

Межбанковские кредиты, привлеченные от банков-резидентов;

Межбанковские кредиты, привлеченные от банков-нерезидентов;

- ЛОРО счета.

Срочные депозиты населения являются основой ресурсной базы банковского сектора РФ (на 01.09.2005 составляют более 25% пассивов).

Прирост депозитов населения зависит от доходов физических лиц. Относительной мерой этой зависимости является норма сбережения на депозитных счетах (//), определяемая как отношение прироста депозитов к доходам населения за месяц:

где Л>(0 - прирост привлеченных средств по депозитам населения на шаге /, НСи!) - доходы населения на шаге I Т - длина периода идентификации.

Расчеты показывают, что норма сбережения в РФ росла, начиная с 1999 года вплоть до мая 2004. В июне-июле 2004 года наблюдася отток средств населения, после чего норма установилась на уровне 3.8-4%. Среднее значение нормы в первом полугодии 2005 года составляет 4.6%.

Норма сбережения населения является макропараметром, зависящим от уровня доверия к банковской системе, доходности альтернативных направлений сбережения свободных денежных средств населения (иностранная валюта, недвижимость) и др. Однако проведенный корреляционно-регрессионный анализ не выявил значимых факторов, определяющих ее динамику. В связи с этим норма сбережения рассматривалась как случайный процесс, и для её моделирования применялось экспоненциальное сглаживание (см Рис 2).

- Факт Прогноз

Рис 2 Прогноз нормы сбережения по срочным депозитам населения, %

Результирующий прогноз срочных депозитов населения приведен на Рис. 3. Точность прогноза за первое полугодие 2005 года: МАРЕ3=0.5%.

2400 2200 2000 1800 1600 1400 1200 1000 800

-Факт Прогноз

S 3 3 3 5

Рис 3 Прогноз остатков по срочным депозитам населения, мрд руб

В целях исследования предпочтений населения норма сбережения может быть декомпозирована на составляющие по валютам и типам срочности. В частности, в модели отдельно рассматривались краткосрочные и догосрочные депозиты в рублях в целях получения прогноза денежной массы (М2), составляющими которой они являются.

Депозиты населения до востребования используются в качестве безналичных денег для расчетов. Таким образом, уровень средств населения до востребования дожен быть связан с объемом наличных денег в обращении.

Расчеты показывают, что в период с января 2002 года по июнь 2004 года существовала устойчивая коинтеграционная связь остатков средств населения до востребования (АСО) с объемом наличных денег (МО)4:

АСО(0 = 46.0132 + 0 1973*М0(Ц (<0 001) (<0.001)

В июле 2004 года, в период кризиса доверия, произошел структурный сдвиг, нарушивший эту связь (см. Рис. 4). Модель, построенная на периоде с июля 2004 года, имеет вид: АСОй = 143 148 + 0 0986*М0(1) (0 002) (0.002)

1 Среднее процентное отклонение прогнота от фактических значений (mean aveiage percentage error) ** Здесь и ниже в скобках под коэффициентами регрессионных моделей приведены уровни значимости, на которых принимаются гипотезы о значимости соответствующего коэффициента

Наличие подобных структурных сдвигов существенно усложняет работу исследователя и снижает качество прогнозных оценок.

Прогноз остатков по депозитам населения до востребования на 01.01.2006 составляет 336.8 мрд.рублей. Точность прогноза за первое полугодие 2005 года: МАРЕ=4.5%.

450 , - _

Рис 4 Модель депозитов населения до востребования, мрд руб

Текущие и расчетные счета нефинансовых организации являются вторым по значимости источником ресурсной базы банков (на 01.09 2005 составляют более 18% пассивов) Динамика средств на текущих и расчетных счетах значимо зависит от объемов промышленного производства:

dACC(t) = -0 6488*dPROD(t-1) - 0 2415*АСС(М) - 0 3221*dACC((-1) + 0 3296*PROD(t) (<0 001) (0 004) (0 001) {<0 001)

Ожидаемое значение остатков средств на текущих и расчетных счетах при условии, что реальный темп прироста объемов производства составит 5 6%, а рост цен производителей - 18%, составляет на 01 01.2006 1580 мрд рублей. Точность прогноза за первое полугодие 2005 года: МАРЕ=2.9%.

Помимо описанных пассивов в модели также прогнозируются все прочие составляющие привлеченных средств, в том числе депозиты предприятий, выпущенные ценные бумаги, привлеченные МБК, ЛОРО счета, прочие пассивы. Полученные прогнозы используются в других блоках модели Вспомогательным результатом, представляющим самостоятельную ценность, является прогноз денежного агрегата М2 (см. Рис 5). Точность прогноза за первое полугодие 2005 года-МАРЕ=0.8%.

Рис 5 Прогноз агрегата М2, мрд руб

В блоке собственных средств моделируется динамика капитала и фондов банковского сектора Для прогнозирования используется стохастический тренд. Средняя точность прогноза за первое полугодие 2005 года: МАРЕ=2.5%.

Размер фонда обязательных резервов (ФОР) в Банке России определяется нормами резервирования и остатками привлеченных средств по группам и прогнозируется на основе детерминированной модели. Прогноз объема ФОР на 01.01.2006 составляет 153 мрд руб. Средняя точность прогноза за первое полугодие 2005 года: МАРЕ=1.2%.

Для прогноза ликвидных активов рассчитывается вспомогательная переменная чистый приток ликвидности в систему, как сумма прироста средства на счетах населения, депозитов предприятий, МБК нерезидентов, выпущенных ценных бумаг за вычетом средств, перечисленных в ФОР.

В блоке ликвидных активов моделируются корсчета в Банке России, корсчета НОСТРО в банках, денежные средства и драг металы.

Для прогноза корсчетов в Банке России использовалась следующая спецификация:

dABR(t) = 0 1888*dPPA(t) + 0 3129*dACC(t) - 0 280174*Z(t-1) + 92 5102*Dec - 21 897 (0 053) (0 002) (0 039) (<0 001) (0 008)

где dABR - прирост средств на корсчетах в Банке России, dPPA - чистый приток ликвидности в систему, dACC прирост средств на текущих и расчетных счетах нефинансовых организаций, Z - член коррекции ошибок, Dec-дамми-переменная, принимающая значение 1 в декабре, 0 в другие месяцы года.

Член коррекции ошибок 2. был добавлен в модель для того, чтобы стабилизировать прогноз. Содержательная трактовка его заключается в том, что корсчета составляют определенную долю активов (примерно 3.5%), при отклонении от этой доли в обе стороны на следующем шаге происходит корректировка (коэффициент перед Т отрицателен) Т определяется из уравнения, связывающего корсчета и сальдированные активы: АВЯ(0 = О 0356'А(0 -11 5820 + г{\)

Прогноз остатков средств на корсчетах в Банке России на 01.01.2006 составляет 395.6 мрд.руб. Средняя точность прогноза за первое полугодие 2005 года- МАРЕ=12.3%.

Работающие активы банковского сектора моделируются по следующим позициям:

Кредиты нефинансовым организациям;

Кредиты населению;

- Ценные бумаги;

Депозиты в Банке России;

Межбанковские кредиты и депозиты.

Ключевым платным активом банковского сектора являются кредиты нефинансовым заемщикам (на 01.07.2005 составляют 45% сальдированных активов).

При прогнозировании кредитов (Ь) в качестве основного фактора используется объем промышленного производства за предшествующий год (РЯОБ_У):

НО = 0 3344*РРЮО_У(0 - 638.76 (<0 001) (<0 001)

Ожидаемое значение остатков по кредитам реальному сектору на 01.01.2006 года в базовом сценарии составляет 4111 мрд.руб Средняя точность прогноза за первое полугодие 2005 года: МАРЕ=0.9%.

Качество кредитов моделируется как доля просроченных ссуд в общей сумме ссудной задоженности на основе экспоненциального сглаживания.

В рамках блоков доходов и расходов моделируются составляющие процентных и непроцентных доходов и расходов банковской системы. Процентные доходы/расходы прогнозируются на основе экстраполяции фактической ставки размещения/привлечения и прогноза остатков соответствующего вида активов/пассивов. Основным результатом блока является прогноз прибыли банковского сектора. Инерционный прогноз прибыли за 2005 год составляет 200 мрд. руб.

Разработанная модель позволяет получать прогнозы показателей банковского сектора при различных сценариях социально-экономического развития Российской Федерации.

2. Разработана динамическая модель финансовых потоков многофилиального коммерческого банка, учитывающая показатели макроэкономического, регионального и отраслевого окружения.

Модель предназначена для проведения многовариаитных прогнозных расчетов основных статей агрегированной группировки активов и пассивов банка. Основными экзогенными переменными модели являются показатели социально-экономического развития Российской Федерации и региона, в котором функционирует банк, в т.ч. доходы населения, индексы цен, объем промышленного производства и ДР-

В основе модели лежит принцип сверху вниз, заключающийся в том, что эндогенные переменные верхнего уровня модели являются экзогенными для моделей более низкого уровня. Основными уровнями являются:

Российская Федерация/Регион;

Рынок банковских продуктов;

Филиалы, расположенные на территории региона, в целом;

Филиал.

Прогнозирование осуществляется последовательно от макроуровня к уровню филиалов.

Банк рассматривается с точки зрения следующих основных финансовых потоков:

- Депозиты населения;

- Привлеченные средства юридических лиц;

Кредиты юридическим лицам;

Кредиты физическим лицам;

В модели депозитов населения рассматриваются три основных параметра-

1. Удельный вес сбережений в доходах населения характеризует склонность к сбережению и структуру использования доходов:

а, =Ч 100%,

где 5, - объем сбережений населения за предыдущий год на момент у; - доходы населения за предыдущий год на момент

2. Доля сбережений, хранящихся в региональных коммерческих банках, определяет доверие к банковской системе в целом и составляет потенциальную сберегательную квоту:

/?,=-' 100%,

где - прирост объема средств населения, сберегаемых в банках.

3. Доля банка на региональном рынке рассчитывается как отношение фактической и потенциальной сберегательной квоты:

где О, - остаток вкладов в банке, У7, - объем средств населения, составляющий сберегательное поле.

Для прогнозирования коэффициентов а, Д у применяется модель стохастического тренда. Прогноз прироста средств в депозиты банка рассчитывается с учетом прогнозов будущих доходов:

ДО,, =амД хЛ.> где 5 - номер сценария.

В модели кредитов юридическим лицам оценивается договая нагрузка рынка кредитов юридических лиц, состоящая из процентных платежей за год и среднегодового возврата основной суммы. Коэффициент договой нагрузки определяется как отношение договой нагрузки и соответствующего показателя развития реального сектора региона (объем производства, оборот организаций производителей промышленных товаров по видам экономической деятельности и т.д.)'

-Л + Л/О

где I, - остаток ссудной задоженности (мрд.рублей), Я - средняя процентная ставка (% годовых), О - средний срок (лет), V - объем промышленного производства в регионе (мрд.рублей)

На основе этого коэффициента оценивается доля моделируемого банка в общей договой нагрузке реального сектора региона' К

где К' - коэффициент договой нагрузки для банка, К - коэффициент договой нагрузки.

Коэффициент договой нагрузки К, и доля банка в договой нагрузке Д прогнозируются на основе стохастического тренда.

Прогноз остатка ссудной задоженности рассчитывается на основе соотношения: ДХ.Г.

' Д.+1/Д

где 5 - номер сценария, К, - сценарный прогноз объема производства, Я, - сценарный прогноз средневзвешенной процентной ставки, Д -сценарный прогноз среднего срока, К, - прогноз коэффициента договой нагрузки, Д - прогноз доли банка в договой нагрузке.

Модель кредитов физическим лиг/ам в целом аналогична модели по кредитам юридическим лицам.

Коэффициент договой нагрузки определяется как отношение договой нагрузки и объем свободных доходов населения региона:

А Ч Ч - ,

где !. - остаток ссудной задоженности (мрд.рублей), Я - средняя процентная ставка (% годовых), В - средний срок (лет), / - объем доходов населения региона (мрд.рублей), I. - остаток ссудной задоженности физических лиц.

Прогноз остатка ссудной задоженности рассчитывается с учетом сценарных предположений относительно доходов населения, ставки /?Д и среднего срока Д, и статистических прогнозов коэффициента договой нагрузки К, и доли банка в договой нагрузке Д:

' (я, +1/>,)+2Г,Д,

В настоящий момент модель проходит апробацию в Западно-Уральском банке Сбербанка России в рамках работ по созданию Прогнозно-аналитической системы банка.

3. Разработана имитационная модель коммерческого банка с целью оценки вероятности дефота на основе данных форм обязательной банковской отчетности.

Имеющиеся подходы дистанционного анализа ориентированы в значительной степени на диагностику финансового состояния банка, а не на оценку вероятности дефота. Под вероятностью дефота понимается ожидаемая частота дефотов за определенный период времени (обычно один год) Для получения подобной оценки была разработана имитационная модель деятельности банка.

Модель основывается на следующих предположениях: перспективный период модели - один месяц (для однопериодной модификации модели) или один год (для многопериодной модификации модели);

в экономике не происходит системных кризисов (статистические свойства временных рядов финансовых потоков сохраняются); остатки по привлеченным средствам описываются геометрическим броуновским процессом (принимается гипотеза о нормальном распределении логарифмических приращений остатков);

устойчивость банка определяется величиной возможного изъятия привлеченных средств в течение перспективного периода и способностью банка покрыть это изъятие,

покрытие может осуществляться из нескольких источников: избыточные ликвидные активы (без нарушения Н2), реализация

портфеля ценных бумаг (с учетом рыночного риска), возврат части срочных активов (с учетом кредитного риска и средней срочности операций), привлечение МБК

- рассматривается два состояния рынка МБК: в первом варианте предполагается, что банки нетто-кредиторы сохраняют существующие лимиты на банки нетто-заемщики, при этом сальдо чистого размещения МБК не включается в покрытие, во втором варианте рассматривается ситуация сокращения лимитов на рынке МБК, и сальдо чистого размещения МБК включается в покрытие;

- рыночный риск выражается в изменении стоимости портфеля ценных бумаг; при расчете влияния рыночного риска необходимо учитывать, что при одновременной ликвидации банками своих портфелей ценных бумаг возникает ситуация низкой ликвидности рынка, сопровождающаяся резким снижением котировок;

- доля возвращаемых срочных активов средств оценивается на основе групп срочности по балансовым данным в предположении о равномерном распределении остатков по каждой группе;

кредитный риск учитывается как ожидаемый невозврат части задоженности и оценивается по балансовым данным.

Рассматриваются следующие основные финансовые потоки банка:

привлечение средств до востребования (текущие и расчетные счета предприятий и населения, счета ЛОРО, собственные векселя банков до востребования), ЬР,\

привлечение срочных пассивов (депозиты населения и предприятий, выпущенные ценные бумаги банков, догосрочные межбанковские кредиты и депозиты), ТР,; суммарный объем финансовых средств, привлеченных от физических и юридических лиц без учета краткосрочных межбанковских кредитов, Р, - ЬР, + ТР,',

ликвидные активы (корсчет в Банке России, касса и драгоценные металы, счета НОСТРО, депозиты в ЦБ), IА,; ценные бумаги, ЯЕС,, в том числе государственные ценные бумаги для перепродажи, йЗЕС,, корпоративные ценные бумаги для перепродажи, С Я ЕС,, инвестиционные ценные бумаги, 13ЕС,, 8ЕС,=аЗЕС, -I С 5ЕС,+15ЕС,;

срочные активы, ТА,, в том числе кредиты, учтенные векселя, ВД кредиты и векселя до востребования, С,,

сальдо размещения и привлечения краткосрочных межбанковских кредитов и депозитов (до одного месяца), Ы1В,.

Для моделирования деятельности банка использовася следующий имитационный агоритм (I - время текущего шага).

1 Разыгрывается реализация случайной величины привлеченных средств до востребования и срочных пассивов:

1Р, ЕР,., ехрОп/г + аи.7ц'),

ТР, =ТР,.1 ехр (тТР + 0;Р2и,), где 2]Р, 2П> - случайные величины. В расчетах использовалось геометрическое броуновское движение, а для генерации Ч независимые нормально распределенные случайные величины.

2. Рассчитывается величина избыточных ликвидных активов, ЕЬА, с учетом необходимого уровня, определяемого показателем мгновенной ликвидности - Н2\

ЕМ, = М,., - Н2 * 1РД

3. Рассчитывается ликвидационная стоимость портфеля ценных бумаг:

ЕБЕС, = (1+Яа)*СЯЕС,., + (1+11с)* СЖС,./ + (1+111)*ЖС1,, где Им коэффициент снижения рыночной стоимости по сегменту М.

4 Рассчитывается текущий возврат срочных активов с учетом кредитного риска, ЕТА,:

ЕТА, ---К,.*(1-РО0 * и, + Кв*(1-РОв) * В,., + (1-РОс) * С,.,, где К а - доля активов вида А, в среднем возвращаемых в течение месяца, Р1)А - качество активов вида А.

5. Рассчитывается общее ликвидное покрытие:

a) в случае сохранения общих лимитов на рынке краткосрочных МБК:

1С, =Е1А, + ЕЯ ЕС, + ЕТА,

b) в случае сокращения общих лимитов на рынке краткосрочных МБК:

ЬС, =ЕЬА, + ЕБЕС, + ЕТА, + МБ,

6. Рассчитывается разрыв ликвидности:

САР, = ЬС, + ЬР,-1Р,., + ТР, - ТР,.,

7. При САР,<0 считается, что банк теряет ликвидность. Частота появления сценариев, при которых возникает ситуация потери ликвидности, характеризует вероятность технического дефота в течение рассматриваемого перспективного периода, р.

В однопериодной оценка вероятности дефота может быть получена аналитически на основе соотношения:

р = ФН),

где Ф - функция стандартного нормального распределения, с/ -относительное ликвидное покрытие:

^+т{с1Р)

где Р, Ч привлеченные средства, т(.) Ч среднее значение, $(.) Ч стандартное отклонение, (1Р Ч ряд логарифмических приростов, с1Р, = 1п(Р{) - 1п(Р,.,), ЬС, - ликвидное покрытие.

С целью верификации модели были проведены расчеты для выборки, состоящей из 60 российских банков, включая 30 финансово устойчивых и 30 банков, лишенных лицензии в 2004 г. - начале 2005 г. Исходными данными для расчетов является форма №101 Оборотная ведомость по балансовым счетам кредитных организаций. Результаты расчета на 01.11.2003 г. представлены в табл. 1.

Таблица 1. Результаты расчета имитационной модели

Группа банков Средняя величина с1 (сН81апсе-1о-с1еГаиИ) Ожидаемая вероятность дефол га

Финансово устойчивые банки 3,26  1,32 0,6%

Банки с отозванной лицензией 1,62 + 0,52 47%

Гипотеза о неразличимости средних величин с1 отвергается на 1 % уровне значимости.

Описанная модель расчета вероятности дефота является по своей природе структурной и позволяет учесть экономическую сущность деятельности кредитной организации В настоящий момент производится апробация модели в Агентстве по страхованию вкладов с целью уточнения адекватности используемых параметров и предположений.

4. Разработана модель достаточности капитала банковского сектора, на основе модели получена оценка нижней границы рентабельности активов, обеспечивающая устойчивое развитие.

Норматив достаточности капитала является ключевым индикатором, характеризующим финансовую устойчивость банковского сектора.

В модели принимается предположение, что весь объем получаемой прибыли капитализируется, а допонительные инвестиции акционеров/участников в банки отсутствуют. Таким образом, динамика собственного капитала определяется накопленным финансовым результатом:

К, = Кп + \А,ггНТ,

где А, - активы на шаге г, - рентабельность активов на шаге /.

Предположим, что активы растут с постоянным темпом, а рентабельность постоянна во времени, тогда:

К, = КД + \Деа' Ыт = Кп + гЛ

где г - постоянный уровень рентабельности, а - математическое

ожидание темпа прироста активов за месяц:

Г А 1 а = | 1л Ч

Предположим, что активы, взвешенные по уровню риска, растут с тем же темпом а, тогда норматив достаточности капитала примет вид:

где Кц - собственный капитал в начальный момент времени, Во -активы, взвешенные по уровню риска в начальный момент времени, в т.ч. величина кредитного риска по активам, отраженным на балансовых счетах, величина кредитного риска по условным обязательствам (КРВ), величина кредитного риска по обязательствам срочного характера (КРС), величина рыночного риска (РР) и др.

Динамика Н1 в целом по банковскому сектору для различных значений рентабельности приведена на Рис. 6.

Начальная точка (1=0) соответствует 1 июля 2005 года. Начальные значения: ^=8193.6 мрд. руб., л=6549.7 мрд. руб., АГД=1070.2 мрд.руб., 6.3%, а=2.27%. Для каждой траектории справа

обозначен соответствующий ей уровень рентабельности.

2 4 6 0 10 12 14 18 18 20 22 24 28 28 30 32 34 зЭ~38 40 42 44 46 4Й~50-52 64 56 58 60 62 64 В8 68 70 7'ГТТ 7Гг-

м линт кремени 1. мео

Рис б Динамика норматива достаточности капитала при различных значениях рентабельности

При нулевом уровне рентабельности нижняя граница норматива достаточности капитала (10%) в целом по системе будет достигнута приблизительно через 22 месяца, при рентабельности -2% - через 13 месяцев.

На основе соотношения для Н1 может быть получено аналитическое представление периода, за который будет достигнута нижняя граница по капиталу, в зависимости от уровня рентабельности:

График периода I для различных значений рентабельности по состоянию на 1 июля 2005 года приведен на Рис. 7.

Рис 7 Зависимость периода, в течение которого не будет нарушен норматив достаточности капитала, от уровня рентабельности

На основе выражения для 1 может быть получена нижняя и верхняя границы рентабельности, которые обеспечивают стабильное развитие банковской системы. Нижняя граница рентабельности, при превышении которой не будет достигнуто минимально допустимое значение (10%), имеет вид:

- О 1 В0а

Верхняя граница рентабельности, при превышении которой норматив Н1 в целом по банковскому сектору будет расти, имеет вид:

По состоянию на 1.08 05 расчетное значение нижнего порога составляет 2.18% годовых Верхнее пороговое значение рентабельности, которое обеспечивает рост Н1, на 1 08.05 составляет 3.59% годовых. При этом фактическая рентабельность активов за период с 1.08.04 по 1.08.05 составляет 3.0% юдовых. Таким образом, можно сделать вывод, что текущий уровень рентабельности обеспечивает устойчивое развитие банковского сектора с точки зрения достаточности капитала, которое при отсутствии допонительных инвестиций будет сопровождаться снижением значения норматива по сектору в целом.

5, Разработан программный инструментарий - Конструктор динамических моделей.

При выборе программных средств для реализации комплекса моделей был проведен сравнительный анализ существующих разработок в области динамического моделирования экономических показателей. Было выделено два класса систем: специализированные системы эконометрического моделирования и универсальные статистические и эконометрические пакеты.

Были сформулированы основные требования, предъявляемые к программному инструментарию:

наличие графического интерфейса, не требующего от пользователя навыков программирования;

поддержка различных типов календарной динамики, возможности агрегации и интерполяции данных по календарю; - объектно-ориентированный подход;

возможность расширения функциональности системы за счет подключения допонительных методов из внешних библиотек или пользовательских методов на встроенном макроязыке; возможность работы в многопользовательском режиме, наличие средств авторизации доступа к объектам модели и результатам расчета, аудит действий пользователей;

возможность загрузки, структурирования, обобщения, хранения и доступа к данным, накопленным в информационных хранилищах или разрозненных источниках распространенных форматов;

ведение истории расчетов, возможность отображения результатов анализа, сохраненных расчетов, а также исходных данных, в настраиваемом представлении с использованием средств деловой графики;

возможность просмотра отчетных форм через \уеЬ-браузер;

В силу того, что всем перечисленным требованиям не удовлетворял ни один из существующих на рынке пакетов, под руководством автора в компании Прогноз был разработан программный инструментарий - Конструктор динамических моделей (КДМ) КДМ представляет собой специализированное программное обеспечение для построения эконометрических моделей социально-экономических процессов и поставляется в составе аналитического комплекса ПРОГНОЗ (наряду с конструктором информационного хранилища, конструктором отчетов и другими модулями комплекса).

Технологическая платформа КДМ использовалась при создании всех описанных в работе моделей.

В диссертационной работе получены следующие основные результаты и выводы:

1. Создана и апробирована модель банковского сектора Российской Федерации. На основе модели получены инерционные прогнозы показателей активов и пассивов банковского сектора до конца 2005 года, в частности на 01.01.2006 прогноз остатков по срочным депозитам населения составляет 2270 мрд.руб., прогноз кредитов реальному сектору - 4111 мрд.руб., прогноз денежной массы (агрегат М2) - 5790 мрд.руб., прогноз прибыли - 200 мрд.руб.

2. Создана и апробирована модель коммерческого банка, учитывающая влияние макроэкономического, регионального и отраслевого окружения. На основе модели проведено исследование потоков крупного многофилиального банка, сформированы сценарии его финансового развития.

3. Создана и апробирована оригинальная имитационная модель банка, основанная на формах банковской отчетности и применяемая для оценки вероятности дефота. Для проверки адекватности на основе модели проведены расчеты вероятности дефота ряда банков. Проведенная верификация подтверждает статистическую значимость результатов моделирования.

4. Разработана динамическая модель достаточности капитала банковского сектора, на основе которой получено аналитическое выражение для порогов рентабельности активов, обеспечивающих стабильное развитие банковского сектора. По состоянию на 01.08.2005 расчетное значение нижнего порога составляет 2.18% годовых. Верхнее пороговое значение рентабельности, которое при выпонении принятых допущений обеспечивает рост Н1, на 01.08.2005 составляет 3.59%. При этом фактическая рентабельность активов за период с 1.08.04 по 1.08.05 составляет 3.0%, что свидетельствует о достаточно высокой степени устойчивости банковского сектора РФ.

5. Разработан программный инструментарий моделирования экономических систем - Конструктор динамических моделей; при помощи разработанного инструментария проведена идентификация и верификация моделей на реальных данных.

Основное содержание диссертации отражено в следующих работах:

1. Ивлиев C.B., Полушкина Г.К. Анализ и моделирование финансовых потоков банковской системы // Экономическая кибернетика: методы и средства эффективного управления (к 30-летию кафедры экономической кибернетики): Сб. ст. / Перм. ун-т. - Пермь, 2000.

2. Ивлиев C.B. Использование линейной регрессии в условиях недостаточной и неоднородной информации // Всероссийская конференция молодых ученых и студентов Экономика и управление: актуальные проблемы и поиск путей решения: Сб. тез. докл. / Перм. ун-т. - Пермь, 2001.

3. Ивлиев C.B. Некоторые проблемы идентификации линейных регрессионных моделей экономических процессов // Экономическая кибернетика: математические и инструментальные методы анализа, прогнозирования и управления: Сб. ст. / Перм. ун-т. - Пермь, 2002.

4. Ивлиев С В., Полушкина Г.К. Моделирование динамики сложных экономических систем: инструментальное решение // Банковские технологии - Москва, 2003. - № 3.

5. Ивлиев C.B., Полушкина Г К. Управление финансовыми рисками в банке // Банки и технологии. - Москва, 2003. № 4.

6 Ивлиев С.В, Полушкина Г.К Инструментальная поддержка финансового управления в коммерческом банке: решения компании Прогноз // IX Форум разработчиков интегрированных банковских систем: Сб. тез. докл. - Москва, 2003.

7. Ивлиев C.B. Один подход к моделированию кредитного риска в коммерческом банке // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. - Пермь, 2004.

8. Ивлиев C.B., Поставной В.И. Вейвлет анализ сезонных колебаний // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. - Пермь, 2004.

9. Ивлиев C.B., Полушкина Г.К. Прогноз. Риск - система управления риском коммерческого банка. // Банковские технологии. - Москва, 2004. - № 4.

10.S. Ivliev, V. Sevrouk. On the Application of Fuzzy Sets Theory to Russian Banking System Fragility Monitoring // Proceedings of International Conference on Fuzzy Sets and Soft Computing in Economics and Finance (FSSCEF). - S.-Pb., 2004. - V. II.

ll.S. Ivliev. Financial System Fragility Fuzzy Estimation based on Simulation Model // Proceedings of the Second International IEEE Conference "Intelligent Systems". - Varna, 2004. - V. I.

12.Ивлиев C.B., Кузнецов К.Б. Об одном подходе к моделированию дефотов кредитных организаций. // Высокие технологии-2004: Сб. тр. науч -техн. форума с междунар. участием: - Ч. 2. - Ижевск: Изд-во ИжГТУ, 2004.

13.Ивлиев C.B., Полушкина Г.К. Анализ и моделирование деятельности коммерческого банка на основе технологий компании Прогноз. // Повышение функциональной роли банковской системы через повышение качества её деятельности. Управление бизнес процессами в Банке России и кредитных организациях: Сб. науч. тр. - Уфа, 2005.

И.Ивлиев C.B., Кокош A.M. Оценка вероятности банкротства закрытых компаний по данным финансовой отчетности. // Банки и Риски. Вестник IFEL Rus - Москва, 2005. - № 1.

15.Ивлиев С.В , Кузнецов К.Б. Дистанционный анализ банка' как выбрать финансовый градусник? // Управление финансовыми рисками. - Москва, 2005. - № 3.

16.Ивлиев C.B. Оценка вероятности дефота кредитных организаций на основе имитационного моделирования // Управление финансовыми рисками - Москва, 2005. - № 4.

Подписано в печать 27.10.2005. Формат 60x84/16. Бум. офс. Печать на ризографе. Усл. печ. л. 1,75. Тираж 100 экз. Заказ

Типография Пермского университета. 614990. г.Пермь, ул. Букирева, 15

220 б 1 Z

РЫБ Русский фонд

2006-4 22526

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Ивлиев, Сергей Владимирович

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДЫ МОДЕЛИРОВАНИЯ БАНКОВСКОГО СЕКТОРА

1.1. Функции, операции и системные свойства банковского сектора

1.2. Обзор моделей и методов моделирования банковского сектора

1.3. Информационные технологии в решении задач моделирования экономических систем

ГЛАВА 2. РАЗРАБОТКА КОМПЛЕКСА ДИНАМИЧЕСКИХ МОДЕЛЕЙ БАНКОВСКОГО СЕКТОРА РОССИЙСКОЙ ФЕДЕРАЦИИ

2.1. Модель банковского сектора

2.2. Модель финансовых потоков банка

2.3. Имитационная модель банка

2.4. Модель достаточности капитала банковского сектора

ГЛАВА 3. РАСЧЕТЫ И ВЕРИФИКАЦИЯ КОМПЛЕКСА МОДЕЛЕЙ. РАЗРАБОТКА КОНСТРУКТОРА ДИНАМИЧЕСКИХ МОДЕЛЕЙ

3.1. Расчеты и верификация модели банковского сектора

3.2. Расчеты и верификация модели финансовых потоков банка

3.3. Расчеты и верификация имитационной модели банка

3.4. Расчеты и верификация модели достаточности капитала банковского сектора

3.5. Разработка Конструктора динамических моделей

Диссертация: введение по экономике, на тему "Комплекс динамических моделей банковского сектора Российской Федерации"

Актуальность темы исследования

Банковский сектор является жизненно важным элементом экономической системы страны, осуществляющим функции посредничества в движении финансовых ресурсов между секторами и экономическими агентами. Уровень его стабильности определяет динамику и устойчивость роста всей экономики. Напротив, нестабильность этого сектора, проявляющаяся в банковских кризисах, приводит к существенным потерям - в среднем 2025% докризисного уровня ВВП и выше-[73]. При этом банковский кризис - это событие отнюдь не редкое: только в период с 1980 по 1995 гг. (период, не затрагивающий Азиатский кризис) по оценкам МВФ произошло 158 валютных и 54 банковских кризиса в 51 стране [75].

Особую важность в последнее время приобретает исследование вопросов объективной оценки состояния банковского сектора, взаимодействия банков со своей внешней средой, повышения эффективности методов регулирования и надзора за деятельностью коммерческих банков, улучшения качества процессов планирования и управления в кредитных организациях.

Возникающие при решении этих вопросов проблемы прогнозирования показателей банковского сектора в целом и отдельных банков в частности являются значимыми как для самих банков, так и для органов государственного управления, таких как Банк России и Агентство по страхованию вкладов.

Проблемы моделирования финансовых показателей банковского сектора рассмотрены в работах отечественных авторов: Буздалина А.В., Дмитриева М.Э., Замкового С.В., Карминского A.M., Матовникова М.Ю., Пересецкого А.А., Сонцева О.Г., Шпрингеля В.К., Энтова P.M. Разработке общих и специальных подходов к моделированию деятельности отдельных кредитных организаций посвящены работы Волошина И.В., Егоровой Н.Е., Лаптырева Д.А., Меркурьева И.Л., Смулова A.M.', Полупленной Г.К. и др. Проблемы дистанционного анализа и оценки рисков банков и банковского сектора рассмотрены в трудах Белякова А.В., Иванова В.В., Кузнецова К.Б., Севрук В.Т., Симановского А.Ю., Смирнова С.Н. и др., а также в нормативных и исследовательских материалах Банка России.

Большое внимание вопросам финансовой стабильности, анализу и моделированию деятельности банков, системам макропруденциальных индикаторов уделяется в исследованиях, проводимых при участии международных регулирующих органов и центральных банков других стран - Банка Англии, Банка Канады, Банка Финляндии,

Федеральной резервной системы США, Федеральной корпорации по страхованию вкладов США, Мирового банка, Международного Валютного Фонда, Базельского комитета по банковскому надзору и др. Среди работ зарубежных экономистов следует назвать исследования Barth J.R., de Bondt G., Chari V.V., Demirguc-Kunt A., Detragiache E., Diamond D.W., Dybvig P.H., Fama E., Hardy D.C., Kaufman G.G., Mojon В., Seelig S.A., Pazarbasioglu C. и др.

Вышеупомянутые ученые и специалисты внесли большой вклад в разработку методов анализа и моделирования показателей банковской деятельности. Однако, практика применения этих методов еще не нашла достаточного отражения в отечественной литературе. В частности, отсутствуют комплексные разработки в области эконометрического моделирования банковского сектора - математические методы используются, как правило, только для анализа отдельных аспектов его функционирования.

Все это обусловливает актуальность разработки комплекса динамических моделей показателей банковского сектора, позволяющего получать обоснованные прогнозы его развития на макро- и микроуровне.

Цель и задачи исследования

Целью диссертационной работы является построение комплекса математических моделей, предназначенного для анализа и прогнозирования динамики показателей банковского сектора России на различных уровнях, а также разработка программного инструментария для практической реализации разработанных моделей.

В соответствии с целью поставлены следующие задачи:

- провести сравнительный анализ отечественного и зарубежного опыта моделирования банковского сектора;

- разработать комплекс моделей банковского сектора на макро- и микроуровне;

- провести идентификацию, верификацию и прогнозные расчеты комплекса моделей;

- разработать программный инструментарий динамического моделирования, обеспечивающий практическую реализацию комплекса моделей.

Объектом диссертационного исследования является банковский сектор Российской Федерации в целом (макроуровень) и отдельные банки (микроуровень).

Предметом исследования являются методы, агоритмы и информационные технологии, обеспечивающие моделирование и прогнозирование показателей банковского сектора на различных уровнях.

Теоретической и методологической основой работы являются классические труды по моделированию финансово-экономических процессов и экономической динамике К.Багриновского, А.Гранберга, В.Леонтьева, В.Тинбергена, Дж.Форрестера; научные исследования центральных банков различных стран и международных организаций, работы зарубежных и отечественных экономистов.

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального Банка РФ, Росстата, материалах информационных агентств. В диссертации были использованы открытые данные ежемесячной банковской отчетности с 2000 г. по 2005 г.

Работа проведена в рамках пунктов 1.6 и 2.3 паспорта специальности 08.00.13 -Математические и инструментальные методы экономики:

- математический анализ и моделирование процессов в финансовом секторе экономики, развитие методов финансовой математики и актуарных расчетов;

- разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях.

Научная новизна работы состоит в том, что автором разработан оригинальный комплекс моделей банковского сектора РФ, позволяющий получать прогнозные оценки его основных показателей на макро- и микроуровне и решать актуальные прикладные задачи.

Наиболее существенные результаты, имеющие научную новизну и полученные лично автором:

- разработана модель банковского сектора Российской Федерации, позволяющая осуществлять прогноз основных показателей банковского сектора при различных сценарных условиях; эндогенными переменными модели являются показатели структуры активов и пассивов, доходов и расходов, прибыли банковского сектора, а также производные от них показатели: денежная масса (агрегат М2), средние процентные ставки, рентабельность активов и собственного капитала и др.;

- разработана многоуровневая эконометрическая модель финансовых потоков банка, учитывающая влияние различных макроэкономических, региональных и отраслевых показателей, таких как инфляция, рост доходов населения, рост промышленного производства, склонность к сбережению, доли банка на рынках основных банковских продуктов, и позволяющая получать среднесрочные прогнозы развития банка в рамках системы поддержки принятия решений в коммерческом банке;

- предложена оригинальная имитационная модель коммерческого банка, позволяющая получать оценки вероятности дефота на основе данных форм обязательной отчетности;

- решена задача моделирования достаточности собственного капитала и получены аналитические оценки нижней границы рентабельности активов, обеспечивающей устойчивое развитие банковского сектора;

- в ходе научного исследования под руководством автора разработан универсальный программный инструментарий - Конструктор динамических моделей (свидетельство о регистрации программы №2004612101) - применяемый для автоматизации процессов моделирования и прогнозирования.

Практическое значение исследования определяется тем, что предлагаемые в диссертационной работе модели и программные разработки использованы для создания Подсистемы анализа и моделирования системы финансового посредничества Информационно-вычислительной системы Департамента исследований и информации Банка России, Прогнозно-аналитической системы Западно-Уральского Банка Сбербанка России, Системы анализа отчетности банков для оценки достаточности средств фонда обязательного страхования вкладов Государственной корпорации Агентство по страхованию вкладов. Полученные практические результаты использовались при формировании Обзора финансовой стабильности Банка России за 2004 год.

Апробация результатов исследования. Основные результаты исследования внедрены в 2004-2005 гг. в Банке России, Западно-Уральском банке Сбербанка России, Агентстве по страхованию вкладов. В рамках указанных проектов автор выступал в качестве руководителя от разработчика Систем - компании Прогноз.

Основные положения работы докладывались на Второй международной конференции Международный опыт риск-менеджмента и особенности развивающихся рынков (г.Москва, сентябрь 2005 года), Научно-практическом семинаре Управление финансовыми рисками и страхование под эгидой PRMIA (г.Москва, апрель 2005 года), Второй межрегиональной научно-практической конференции Повышение роли банковской системы через улучшение качества её деятельности. Управление бизнес процессами в Банке России и кредитных организациях (г.Уфа, январь 2005 года), Десятом семинаре РЭШ Банки и предприятия: модели и рейтинги (г.Москва, декабрь 2004 года), Научно-техническом форуме с международным участием Высокие технологии - 2004 (г.Ижевск, ноябрь 2004), Второй международной конференции Интелектуальные системы IEEE IS'04 (г.Варна, июнь 2004), Международной конференции по нечетким множествам и мягким вычислениям в экономике и финансах FSSCEF-2004 (г.Санкт-Петербург, июнь 2004 года), Четвертом семинаре РЭШ Банки и предприятия: модели и рейтинги (г.Москва, январь 2004 года), межвузовской конференции Уральского гуманитарного института (г.Пермь, октябрь 2004 года), семинаре Актуальные проблемы экономики кафедры Экономическая кибернетика экономического факультета ПГУ (г.Пермь, ноябрь 2003 года), IX Форуме разработчиков интегрированных банковских систем (г.Москва, сентябрь 2003 года), Всероссийской конференции молодых ученых и студентов Экономика и управление: актуальные проблемы и поиск путей решения (г.Пермь, апрель 2001 года).

Публикации. По материалам диссертации опубликовано 16 работ (в соавторстве -11) общим объемом 4 п.л.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Ивлиев, Сергей Владимирович

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие основные результаты и выводы:

1. Разработана модель банковского сектора на макроуровне, применяемая для оценки влияния факторов внешней среды и инструментов денежно-кредитной политики Банка России и прогнозирования основных активов и пассивов банковского сектора в целом. На основе модели получены инерционные прогнозы показателей активов и пассивов банковского сектора до конца 2005 года, в частности на 01.01.2006 прогноз остатков по срочным депозитам населения составляет 2270 мрд.руб., прогноз кредитов реальному сектору -4111 мрд.руб., прогноз денежной массы (агрегат М2) - 5790 мрд.руб., прогноз прибыли - 200 мрд.руб.

2. Разработана модель финансовых потоков банка на микроуровне, используемая для построения среднесрочных прогнозов развития банка с учетом его доли на рынках основных банковских продуктов, уровня социально-экономического развития региона и страны. На основе модели проведено исследование потоков крупного многофилиального банка.

3. Предложена оригинальная имитационная модель банка, основанная на формах банковской отчетности и применяемая для оценки вероятности технического дефота. Для проверки адекватности на основе модели проведены расчеты вероятности дефота ряда банков. Проведенная верификация подтверждает статистическую значимость результатов моделирования.

4. Разработана динамическая модель достаточности капитала банковского сектора, на основе которой получено аналитическое выражение для порогов рентабельности активов, обеспечивающих стабильное развитие банковского сектора. По состоянию на 01.08.2005 расчетное значение нижнего порога составляет 2.18% годовых. Верхнее пороговое значение рентабельности, которое при выпонении принятых допущений обеспечивает рост HI, на 01.08.2005 составляет 3.59%. При этом фактическая рентабельность активов за период с 1.08.04 по 1.08.05 составляет 3.0%, что свидетельствует о достаточно высокой степени устойчивости банковского сектора РФ.

5. Разработан программный инструментарий моделирования экономических систем - Конструктор динамических моделей; при помощи разработанного инструментария проведена идентификация и верификация моделей.

Диссертация: библиография по экономике, кандидат экономических наук , Ивлиев, Сергей Владимирович, Пермь

1. Банковская система России в 1996-2000 гг.: модели развития, тенденции, перспективы развития. Доклад Центра макроэкономического анализа и краткосрочного прогнозирования. М., 2000.

2. Головань С.В., Карминский A.M., Копылов А.В., Пересецкий А.А. Модели вероятности дефота российских банков. I. Предварительное разбиение банков на кластеры. Российская Экономическая Школа, препринт#2003/039. -М., 2003.

3. Головань С.В., Карминский А.М., Копылов А.В., Пересецкий А.А. Модели вероятности дефота российских банков. II. Влияние макроэкономических факторов на устойчивость банков. Российская Экономическая Школа, препринт#2003/039. М., 2003.

4. Данилин А. Статистика не стала достовернее // Экономика и жизнь. 1996. - № 8.

5. Дмитриев М.Э., Матовников М.Ю., Михайлов Л.В. и др. Российские банки накануне финансовой стабилизации. СПб., 1996.

6. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1987.

7. Замков О.О., Тостопятенко А.В., Черемных Ю.Н. Математические методы в экономике. М.: ДИС, 1997.

8. Замковой С.В. Моделирование тенденций развития банковской системы и финансового рынка России: Автореф. дис. канд. экон. наук: 08.00.13 / Моск. гос. ун-тМ., 2002.

9. Ивлиев С.В., Подушкина Г.К. Моделирование динамики сложных экономических систем: инструментальное решение // Банковские технологии. 2003, №3.

10. Ивлиев С.В., Полушкина Г.К. Анализ и моделирование финансовых потоков банковской системы // Экономическая кибернетика: методы и средства эффективного управления (к 30-летию кафедры экономической кибернетики): Сб. ст. / Перм. ун-т. Пермь, 2000.

11. Ивлиев С.В. Некоторые проблемы идентификации линейных регрессионных моделей экономических процессов // Экономическая кибернетика: математические и инструментальные методы анализа, прогнозирования и управления: Сб. ст. / Перм. ун-т. Пермь, 2002.

12. Ивлиев С.В., Полушкина Г.К. Моделирование динамики сложных экономических систем: инструментальное решение // Банковские технологии. М., 2003. - № 3.

13. Ивлиев С.В., Полушкина Г.К. Управление финансовыми рисками в банке // Банки и технологии. М., 2003. - № 4.

14. Ивлиев С.В., Полушкина Г.К. Инструментальная поддержка финансового управления в коммерческом банке: решения компании Прогноз // IX Форум разработчиков интегрированных банковских систем: Сб. тез. докл. М., 2003.

15. Ивлиев С.В. Один подход к моделированию кредитного риска в коммерческом банке // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. -Пермь, 2004.

16. Ивлиев С.В., Поставной В.И. Вейвлет анализ сезонных колебаний // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. Пермь, 2004.

17. Ивлиев С.В., Полушкина Г.К. Прогноз. Риск система управления риском коммерческого банка. // Банковские технологии. - М., 2004. - № 4.

18. Ивлиев С.В., Кузнецов К.Б. Об одном подходе к моделированию дефотов кредитных организаций. // Высокие технологии-2004: Сб. тр. науч.-техн. форума с междунар. участием: Ч. 2. - Ижевск: Изд-во ИжГТУ, 2004.

19. Ивлиев С.В., Кокош A.M. Оценка вероятности банкротства закрытых компаний по данным финансовой отчетности. // Банки и Риски. Вестник IFEL Rus. М., 2005. -№1.

20. Ивлиев С.В., Кузнецов К.Б. Дистанционный анализ банка: как выбрать финансовый градусник? // Управление финансовыми рисками. М., 2005. Ч № 3.

21. Ивлиев С.В. Оценка вероятности дефота кредитных организаций на основе имитационного моделирования // Управление финансовыми рисками. М., 2005. Ч №4.

22. Колемаев В.А. и др. Теория вероятностей и математическая статистика. М.: Высш.шк, 1991.

23. Косой А. Деньги и кредитные ресурсы // Вопросы экономики, М.: 1995. № 5.

24. Макаров B.JI. Экономическое моделирование и его роль в теории и практике / B.J1. Макаров // Экономика и математические методы. 1990. - № 1.

25. Матовников М.Ю. Функционирование банковской системы России в условиях макроэкономической нестабильности // Научные труды № 23Р / Институт экономики переходного периода. М., 2000.

26. Меркурьев И.Л., Виноградов Г.В., Алешина И.Ф., Сидоров М.А. Моделирование финансово-экономической деятельности коммерческого банка. М.: Изд-во Рос.экон.акад., 2000.

27. Михайлов Л., Сычева Л., Тимофеев Е. Банковский кризис 1998 года в России и его последствия // Научные труды № 21 / Институт экономики переходного периода. -М., 2000.

28. Организация государственной статистики в Российской Федерации / Госкомстат России.-М., 2004.

29. Полушкина Т.К. Совершенствование планирования и анализа финансовой деятельности в коммерческом банке на основе компьютерной системы поддержки принятия решений: Автореф. дис. канд. экон. наук: 08.00.05 / Пермский гос. ун-т Пермь, 1998.

30. Попков В. Рынок и вдруг дисциплина // Аналитический банковский журнал. М., 2001.- №2.

31. Романюк Д.В. Методы управления активно-пассивными операциями в банке // Денежный рынок. М., 1997. - № 12.

32. Себер Дж. Линейный регрессионный анализ. М.: МИР, 1980.

33. Синки Дж. Управление финансами в коммерческих банках. М.: Cattalaxy, 1994.

34. Сонцев О.Г., Хромов, М.Ю. Особенности российской банковской системы и среднесрочные сценарии ее развития // Проблемы прогнозирования. М., 2004. -№ 1.

35. Цыплаков А. Эконометрический анализ процессов высокой инфляции (на примере России): Автореф. дис. канд. экон. наук: 08.00.13 / Новосибирский гос. ун-т Новосибирск, 1998.

36. Шалахова A.M. Филиальный анализ банков / A.M. Шалахова Электронный ресурс. / Шашнов С. А. Электрон.ст. - Режим доступа к ст.: Ссыка на домен более не работаетanalit/98 2 173-183.pdf.

37. Шевцов Г.С. Линейная агебра. Учеб. пособие. Пермь: Из-во Перм.ун-та, 1996.

38. Энтов P.M., Улюкаев А.В., Юдин А.Д., Бажов Н.М., Золотарева А.Б., Серова Е.В. Банковский кризис: механизмы вызревания и развертывания кризисных процессов // Доклад Института переходной экономики 1999.

39. Allen D. The prediction sum of squares as a criterion for selecting predictor variables. University of Columbia, Department of Statictics, Technical Report. 1971.

40. Armstrong S. Principles of Forecasting. Boston: Kluwer Academic Publishers. 2001.

41. Basu N., Pryor R., Quint T. ASPEN: A Microsimulation Model of the Economy. Article published by Kluwer Academic Publishers in its journal Computational Economics. -1998.

42. Bernanke В., Blinder A. Is it money or credit, or both, or neither? Credit, Money, and Aggregate Demand, American Economic Review. 1988. - V.78.

43. Bertrand R. Capital requirements and bank behavior: empirical evidence from Switzerland. Paper provided by Swiss National Bank, Study Center Gerzensee in its series Working Papers as number 00.05. 2000.

44. Bewley R. Review of Autobox, Journal of Applied Econometrics. 1988. - V.3.

45. Brand C., Cassola N. A money demand system for euro area M3, ECB Working paper, 39.-2000.

46. Breusch T.S., Pagan A.R. A Simple Test for Heteroskedasticity and Random Coefficient Variation. Econometrica, 47. 1979.

47. Bruggeman A., Donnay M. A monthly monetary model with banking intermediation for the euro area, European Central Bank, WP No. 264. 2003.

48. Cambridge Econometrics. IDIOM User's Manual. 2002.

49. Chari V.V. Banking without deposit insurance or bank panics: lessons from a model of the U.S. national banking system. Article published by Federal Reserve Bank of Minneapolis in its journal Quarterly Review. 1989.

50. Cooper F., Renfro C.G., Wescott R.W. Merrill Lynch Economics U.S. Model User Guide, New York, Merrill Lynch Economics. 1987.

51. Davidson R., Godfrey L.G., MacKinnon J.P. A Simplified Version of the Differencing Test. International Economic Review, 26. 1985.55. de Bondt G. Retail bank interest rate pass-through: new evidence at the Euro area level, ECB Working Paper, 136. 2002.

52. Calza A., Gerdesmeier D., Levy J. Euro area money demand: measuring the opportunity costs appropriately, IMF Working Paper, 01/179. 2001.

53. Coenen G., Vega J-L. The demand for M3 in the euro area, Journal of Applied Econometrics, Vol. 16, No. 6. 2001.

54. Diamond D.W. Financial intermediation and delegated monitoring. Review of Economic Studies. -1984.

55. Diamond D.W., Dybvig P.H. Bank runs, deposit insurance and liquidity. Journal of Political Economy. -1983.

56. Diamond D., Rajan R. A theory of bank capital, The Journal of Finance, Vol. 55, No. 6. -2000.

57. Doornik J.A. Object-Oriented Matrix Programming using Ox, 4th Edn, London: Timberlake Consultants Press. 2001.

58. Fama E. What's different about banks?, Journal of Monetary Economics, Vol. 15, No. 1. -1985.

59. Freixas X., Rochet J-C. Microeconomics of Banking, MIT Press. 1997.

60. Gelman A., Carlin J. В., Stern H. S., Rubin D. B. Bayesian Data Analysis. Chapman and Hall.-1995.

61. Godfrey L.G. Testing against General Autoregressive and Moving-Average Error Models When Regressors Include Lagged Dependent Variables. Econometrica. 1978.

62. Godfrey L.G. Testing for Multiplicative Heteroskedasticity. Journal of Econometrics, 8. -1978.

63. Gujarati D.N. Basic Econometrics, Third Edition, McGraw-Hill. 1994.

64. Hardy D.C., Pazarbasioglu C. Leading Indicators of Banking Crises: Was Asia Different? / IMF Working Paper, WP/97/26. 1998.

65. Hendry D. F. Dynamic Econometrics. Oxford University Press. 1995.

66. Hendry D.F. Epilogue: The success of general-to-specific model selection. In Econometrics: Alchemy or Science? Oxford: Oxford University Press. New Edition. -2000.

67. Hendry D.F., Krolzig H-M. Automatic Econometric Model Selection. London: Timberlake Consultants Press. 2001.

68. Hoggarth G., Reis R., Saporta V. Costs of Banking System Instability: Some Empirical Evidence, Working Paper, Bank of England. 2001.

69. Jarque C.M., Bera A.K. Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals. Economic Letters, 6. 1980.

70. International Monetary Fund. World Economic Outlook. 1998.

71. Klein L.R. The Estimation of Distributed Lag, Econometrica 26, North-Holland Publishing Co. 1958.

72. Klein L.R. The Efficiency of Estimation in Econometric Models, Essays in Economics and Econometrics, University of North Carolina Press Chapel Hill. -1960.

73. Koenker R. A Note on Studentizing a Test for Heteroskedasticity. Journal of Econometrics, 17.-1981.

74. Koenker R. A Asymptotic Theory and Econometric Practice. Journal of Applied Econometrics, 3. -1988.

75. Mojon B. Financial structure and the interest rate channel of the ECB monetary policy, ECB Working Paper, 40. 2000.

76. Lutkepohl H. Introduction to Multiple Time Series Analysis. New York, Springer-Verlag. -1991.

77. Neter J., Kutner M.H., Nachtsheim C.J., Wasserman W. Applied Linear Statistical Models, 4 th ed. Chicago: Irwin. -1996.

78. Peterson W. Computer software for a large econometric model, Cambridge University Press. -1987.

79. Plosser C.I., Schwert G.W., White H. Differencing as a Test of Specification. International Economic Review, 23. 1982.

80. Ramsay J.B. Tests for Specification Errors in Classical Linear Least Squares Regression Analysis. Journal of the Royal Statistical Society B, 31. 1969.

81. Renfro C.G. On the development of econometric modeling languages: MODLER and its first twenty-five years, Journal of Economic and Social Measurement, 22. 1996.

82. Sahajwala P., Van den Bergh P. Supervisory Risk Assessment and Early Warning Systems. BIS working papers. No. 4. 2000.

83. Stein J. An adverse-selection model of bank asset and liability management with implications for the transmission of monetary policy, RAND Journal of Economics, Vol. 29, No. 3.-1998.

84. Stokes H. H. Specifying and Diagnostically Testing Econometric Models, New York, Quorum Books. -1997.

85. Vlaar P., Schubert H. Monetary transmission and controllability of money in Europe: a structural vector error correction approach, DNB Staff Report, 36. 1999.

86. Wallace N. Another attempt to explain illiquid banking system: The Diamond and Dyvbig's model with sequential service taken seriously. Federal Reserve Bank of Minneapolis Quarterly Review 12. 1988.

Похожие диссертации