Темы диссертаций по экономике » Математические и инструментальные методы экономики

Моделирование динамики потенциала российской банковской системы тема диссертации по экономике, полный текст автореферата

Автореферат

Ученая степень	кандидат экономических наук
Автор	Никишин, Константин Николаевич
Место защиты	Москва
Год	2011
Шифр ВАК РФ	08.00.13

Диссертация

Автореферат диссертации по теме "Моделирование динамики потенциала российской банковской системы"

Никишин Константин Николаевич

Моделирование динамики потенциала российской банковской системы

Специальность 08.00.13 Ч математические и инструментальные методы экономики

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Москва 2011

3 '1 1Л ДР

4841495

Работа выпонена на кафедре математических методов анализа экономики экономического факультета Московского государственного университета имени М.В.Ломоносова.

Научный руководитель: кандидат экономических наук, доцент

Туманова Елена Алексеевна

Официальные оппоненты: доктор экономических наук, профессор

Поморина Марина Александровна

кандидат экономических наук Сонцев Олег Геннадьевич

Ведущая организация: Российская академия народного хозяйства и

государственной службы при Президенте Российской Федерации

Защита диссертации состоится 14 апреля 2011 года в 15 часов 30 мин. на заседании диссертационного совета Д 501.001.35 при МГУ имени М.В.Ломоносова по адресу: 119991, Москва, ГСП-1, Ленинские горы, д.1, стр. 46, 3 корпус, экономический факультет, аудитория №455

С диссертацией можно ознакомиться в Научной библиотеке Экономического факультета МГУ (2-ой учебный корпус).

Автореферат разослан 10 марта 2011 года

Ученый секретарь диссертационного совета,

кандидат экономических наук, доцент

Общая характеристика работы

Актуальность темы исследования

Уровень потенциала банковской системы любого государства отражает способность финансового сектора быстро и при низких трансакционных издержках осуществлять переток ресурсов внутри экономической системы от агентов, обладающих ими в избытке, к тем, кто нуждается в средствах для инвестиционной деятельности. Чем более совершенны работающие на рынке банки, чем более богатый спектр услуг они предоставляют предприятиям и населению, чем дешевле стоят их услуги, тем большими возможностями развития обладает экономика. Увеличение потенциала банковской системы может способствовать более быстрому восстановлению российской экономики после мирового финансового кризиса 2008-2009 гг.

К настоящему моменту разработан ряд методов оценки потенциала отдельных микроэкономических объектов, основанных как на использовании эконометрического инструментария, так и на более широком подходе, базирующемся на методах математического программирования. В то же время необходимо учитывать, что существенные выводы может дать рассмотрение всей совокупности действующих банков как единого целого и изучение групп кредитных организаций, объединённых по некоторым общим характеристикам объёма и типа проводимых операций, стратегии ведения бизнеса, географии присутствия. Однако большинство использующихся в настоящее время методов оценки потенциала не позволяет анализировать банковскую систему в целом и группы образующих её финансовых организаций.

Вместе с тем растущий объём доступной статистики предоставляет возможности проведения как пространственного, так и межвременного сопоставления уровня развития страновых банковских систем. Для работы с увеличивающейся информационной базой требуется инструментарий, позволяющей оценивать не только уровень потенциала банковского сектора в статике, но и анализировать этот показатель в динамике Ч как на краткосрочных, так и на догосрочных временных интервалах. В частности, разработка современных методов экономико-математического анализа потенциала предоставит возможность оценки динамики показателей банковской системы России за продожительный период с начала 2000-х гг., включающий в себя и период кредитной экспансии, и период кризиса.

Активно проходящие в различных регионах мира процессы экономической интеграции определяют необходимость межстранового сопоставления уровня потенциала кредитных организаций для обеспечения плавного перехода к общему рынку. Так, тенденция к взаимопроникновению финансовых систем, отмечающаяся среди экономик постсоветского пространства, неизбежно ставит вопросы о сравнении потенциала банковских систем крупнейших государств СНГ.

Спрос на изучение потенциала банковского сектора существует и в таких крупных государствах, как США, Китай, Индия, Россия, где работают сотни и тысячи кредитных организаций, и в странах с небольшим размером экономики и, следовательно, банковской системой, состоящей из нескольких десятков банков. В силу этого необходимо иметь возможности для проведения расчётов не только в системах с большим числом участников, но в малочисленных банковских системах, состоящих из одного-двух десятков кредитных организаций.

К настоящему моменту в научной литературе отсутствует в достаточной степени разработанный универсальный подход к анализу динамики потенциала банковского сектора как единого целого и многие его аспекты нуждаются в развитии. В силу сказанного выше тема настоящей диссертационной работы является актуальной.

Цель и задачи исследования

Целью исследования является разработка экономико-математических методов анализа динамики потенциала банковского сектора и их применение для оценки банковских систем России и ряда стран СНГ.

Для реализации этой цели в работе ставятся и решаются следующие задачи:

Х провести сравнительный анализ существующих методов оценки потенциала микроэкономических объектов с точки зрения возможности их применения к банковской системе;

Х разработать подход, позволяющий оценивать потенциал банковского сектора в целом и отдельных групп банков;

Х построить систему моделей, обеспечивающих оценку динамики реализации потенциала банковских систем как с большим, так и с малым числом участников;

Х разработать методику комплексного экономико-математического анализа потенциала банковских систем, групп банков, отдельных кредитных организаций в статике и динамике;

Х оценить динамику потенциала российской банковской системы на продожительном временном интервале с 2002 по 2010 гг.;

Х применить предложенный подход для анализа уровня реализации потенциала и его динамики для банковских систем крупнейших стран СНГ: России, Казахстана и Украины.

Объект н предмет исследования

Объектом исследования являются банковские системы России, Казахстана и Украины. В качестве предмета исследования рассматривается величина потенциала банковской системы, уровень его реализации и динамика этих показателей во времени.

Теоретическая и методологическая основа для исследования

В основу диссертации легли исследования российских и зарубежных экономистов в области моделирования потенциала коммерческих банков и других микроэкономических объектов. Основополагающими работами по методам оценки потенциала и его анализа во времени являются исследования Р. Бэнкера, Е. Десли, В. Купера, С. Ловела, С. Мамквиста, С. Рея, Е. Родеса, Р. Фэре, М. Фэрела, А. Чарнса.

Среди российских работ можно выделить прикладные исследования уровня реализации потенциала предприятий различных отраслей экономики, проведённые С. А. Айвазяном, М. Ю. Афанасьевым и В. JI. Макаровым, С. Р. Моисеевым, С. В. Голованём, В. В. Назиным, А. А. Пересецким, В. В. Шергиным, а также Ф. Т. Алескеровым и В. Ю. Белоусовой.

Экономико-математический инструментарий работы включал методы оптимизации, в том числе методы линейного программирования, теорию двойственности, а также методы многомерного статистического анализа.

Информационная база исследования была сформирована на основе отчётности кредитных организаций, опубликованной Центральными Банками России и Украины, Агентством Республики Казахстан по регулированию и надзору финансового рынка и финансовых организаций, Федеральной службой государственной статистики РФ. Оценка потенциала банковского сектора и его динамики проводилась при помощи авторской программной надстройки для пакета Microsoft Excel. Также для расчетов использовались программный пакет Statistica.

Научная новизна исследования

Научная новизна исследования заключается в следующем:

Х предложена система критериев оценки математических методов анализа потенциала, позволяющая формализовать описание возможностей их применения при изучении банковских систем различной структуры;

Х разработана процедура оценивания уровня реализации потенциала отрасли в целом или специфических групп банков на основе предложенного определения агрегированного банка и способа вычисления характеристик, определяющих объём используемых им ресурсов и выпускаемых продуктов;

Х построена система моделей, основанных на непараметрическом методе огибающих, включающая блоки оценю! динамики потенциала банковской системы, отдельных кредитных организаций и их групп. Предложенная система позволяет, в отличие от существующих подходов, анализировать динамику реализации потенциала банковских систем как с большим, так и с малым числом участников;

Х разработана методика комплексного экономико-математического анализа потенциала банковского сектора в статике и в динамике. Методика включает пошаговое описание процедур отбора данных, оценки потенциала, эконометрического прогнозирования динамики реализации потенциала, выявления банков, определяющих общий уровень потенциала банковского сектора, а также проверки устойчивости результатов анализа;

Х впервые в российской практике оценена динамика потенциала российской банковской системы как единого целого на продожительном временном интервале, включающем период с 2002 по 2010 гг. Проведённый на основе сформулированной методики расчёт позволил выявить характерные особенности изменения потенциала банковского сектора как на этапе кредитной экспансии, так и во время финансового кризиса;

Х проведён ранее не осуществлявшийся сравнительный анализ потенциала банковских систем крупнейших стран СНГ: России, Казахстана и Украины. На основе построенной системы моделей оценки потенциала показано, что в 2007-2008 гг. по уровню реализации потенциала и его динамике банковская система России уступала Казахстану, а по итогам 2009 г. заняла лидирующие позиции. Отмечено, что украинская банковская система в целом, как и отдельные банки из этой страны, характеризуются устойчиво более низким уровнем реализации потенциала, чем их конкуренты из России и Казахстана.

Теоретическая н практическая значимость работы

Теоретическое значение диссертации заключается в том, что в ней разработан универсальный подход к анализу динамики потенциала банковского сектора, применимый к банковским системам с большим и малым числом участников на догосрочных и краткосрочных временных промежутках. Построенная система экономико-математических моделей, на основе которых проведены расчёты, также может использоваться в других отраслях экономики, характеризующихся многомерными векторами затрат и выпуска.

Практическая значимость работы заключается в том, что предложенная методика экономико-математической оценки потенциала может применяться для анализа банковского сектора разных государств, на банковских рынках разных регионов. Результаты такой оценки могут быть востребованы как государственными органами, регулирующими финансовый сектор, так и руководством кредитных организаций.

Апробация работы

Результаты исследования были представлены на научном семинаре Макроэкономические исследования экономического факультета МГУ имени М. В. Ломоносова. Они обсуждались на международных научных конференциях, в частности, на конференции Немчиновские чтения в Московском Государственном Университете в 2009 г. и на Международных конференциях студентов, аспирантов и молодых ученых Ломоносов, проводившихся в МГУ в 2008, 2009 и 2010 гг. Доклад по теме диссертации отмечен в числе лучших докладов секции Экономика конференции Ломоносов-2010..

Публикации

Основные положения и результаты диссертации изложены в пяти опубликованных работах общим объемом 2.1 п.л. (2,1 п.л. лично), в том числе в журналах, входящих в перечень ВАК 1,0 п.л. (1,0 лично).

Логика и структура работы

Работа состоит из введения, трех глав, заключения и приложений, изложенных на 170 страницах, включая графики, рисунки, таблицы и библиографию. Поставленная цель исследования определила следующую логику и структуру диссертации: Введение

Глава 1. Методы оценки потенциала экономических объектов

1.1. Опыт оценки потенциала на микроуровне

1.2. Потенциал и технологическая эффективность

1.2.1. Основные понятия и определения

1.2.2. Требования к методам оценки потенциала

1.2.3. Методы оценки потенциала и технологической эффективности

1.3. Параметрические методы оценки потенциала

1.3.1. Метод стохастической границы

1.3.2. Метод широкой границы

1.3.3. Метод без спецификации распределения

1.4. Непараметрические методы оценки потенциала

1.4.1. Метод огибающих

1.4.2. Метод фиксированной оболочки

1.5. Выбор метода анализа динамики потенциала банковской системы Глава 2. Система моделей оценки динамики потенциала банковской системы

2.1. Обобщённая модель оценки потенциала банковской системы

2.2. Характеристики ресурсов и выпуска банковского сектора

2.3. Оценка динамики потенциала банковской системы

2.3.1. Малое количество объектов в краткосрочном периоде

2.3.2. Малое количество объектов в средне- и догосрочном периоде 2.3.3.3начительное количество объектов

2.4. Методика оценки динамики потенциала банковской системы

Глава 3. Оценка динамики потенциала банковских систем на примере России, Казахстана и Украины

3.1 Динамика потенциала российского банковского сектора в 2002-2010 гг.

3.2 Динамика потенциала российских банков во время кризиса 2008-2010 гг.

3.3 Динамика потенциала банковских систем России, Казахстана и Украины в 2007-2010 гг.

Заключение Приложение Список литературы

Основные положения работы

Методы оценки потенциала фирмы

Эмпирической основой для анализа потенциала банковской системы являются характеристики деятельности формирующих её микрообъектов Ч отдельных коммерческих банков. При рассмотрении последних, как правило, под величиной потенциала понимается максимально возможный объём выпуска, который может быть осуществлён банком при фиксированной величине затрат. При этом для банка выпуск и затраты описываются многомерными векторами, элементы которых определяются исследователем во время спецификации задачи оценки потенциала. Например, в качестве характеристик выпуска банка могут выделяться объёмы кредитования предприятий, населения, государственных органов, количество осуществлённых трансакций, величина полученного дохода и т. п. В качестве характеристик затрат могут рассматриваться объёмы использованного труда, физического и финансового капитала и др.

На практике выпуск банка не всегда достигает своей максимально возможной при данных затратах величины, иными словами, потенциал реализуется не поностью. Причинами этого могут являться неоптимальная организация процессов по проведению операций и обслуживанию клиентов, недостаточная конкуренция в отрасли, другие внешние" факторы. Тем самым понимание того, как приблизить фактическую величину выпуска к потенциально возможной, является одной из важнейших задач, стоящих перед руководителями кредитных организаций, стремящимися к повышению производительности бизнеса.

К настоящему моменту разработан ряд математических методов анализа соотношения между фактическим и потенциально возможным выпуском отдельного экономического объекта. В литературе это соотношение принято называть уровнем реализации потенциала или технологической эффективностью. Однако существующие подходы не дшот возможности охарактеризовать величину потенциала банковской системы как единого целого.

Идеальным решением задачи по оценке потенциала банковской системы было бы построение производственной функции, которая бы ставила в соответствие каждому из возможных векторов затрат некоторый вектор выпуска. Однако построение такой функции требует большого количества априорных предпосылок и связано со значительными

трудностями в получении оценок параметров. Это повышает риск ошибочной спецификации модели, что существенно ограничивает возможности её практического применения.

В то же время значительный объём информации о технологии производства в банковской системе содержат характеристики деятельности отдельных кредитных организаций. Трактуя технологию как соотношение между элементами векторов затрат и выпуска, описывающих деятельность банка, можно построить в многомерном пространстве затраты-выпуск технологическое множество Ч выпуклую оболочку совокупности точек, координаты которых соответствуют объёмам используемых банками ресурсов дня создания продуктов и услуг. Тем самым технологическое множество будет задавать все возможные комбинации затрат и выпусков, допустимые при данной технологии. В этом случае граница сформированного технологического множества, иными словами, граница производственных возможностей, может быть интерпретирована как приближение к величине потенциала. Таким образом, если охарактеризовать точку, описывающую положение в технологическом множестве банковской системы как единого целого, и рассчитать расстояние от этой точки до границы технологического множества, то можно получить представление о том, какова величина возможного увеличения выпуска банковской системы при фиксированных затратах или уменьшения затрат при данном выпуске.

При этом желательно, чтобы инструментарий, при помощи которого оценивается удалённость банковской системы от границы производственных возможностей, был в достаточной степенью универсальным. Проведённый в диссертации анализ современной научной литературы, посвящённой изучению потенциала банков в разных странах, показал, что для этого математические методы оценки потенциала дожны удовлетворять следующим критериям. Во-первых, необходимо, чтобы предпосыки, лежащие в основе моделирования, достаточно поно соответствовали характеристикам оцениваемого объекта. В частности, предположения о типе функции, описывающей линию потенциала, наличии и характере распределения случайных ошибок в моделях дожны, в целом, быть адекватны реальности. Во-вторых, метод оценки дожен быть приспособлен к работе с многомерными векторами затрат и выпусков, что дожно позволять учитывать мультипродуктовый характер деятельности современного банка. В-третьих, метод моделирования дожен быть достаточно универсальным, чтобы допускать возможности оценки потенциала банковских систем как с большим (сотни и тысячи банков), так и с малым (десятки банков) числом участников. В-четвёртых, метод оценки дожен предполагать возможность изменения потенциала во времени. В-пятых, для проведения комплексного анализа потенциала метод оценивания

дожен предоставлять возможность проводить расчёты не только для банковской системы в целом, но и для отдельных кредитных организаций и их групп.

В зависимости от предпосыки о типе функции, описывающей линию потенциала, можно выделить две группы методов её оценки. В рамках первой из них Ч группы параметрических методов Ч постулируется функциональная форма, описывающая линию потенциала, а также тип вероятностного распределения фактора неэффективности. Оценка неизвестных параметров моделей, построенных на основе параметрических методов, проводится при помощи эконом етрических методов. В зависимости от типа предпосылок среди параметрических методов выделяют метод стохастической границы, метод широкой границы и метод без спецификации распределения.

В рамках второй группы методов, называемых непараметрическими, отсутствует необходимость априорного постулирования вида функции потенциала. Оценки потенциала рассчитываются на основе методов математического программирования и показывают, насколько оцениваемый объект удалён от границы. Однако непараметрические методы не предполагают возможность существования случайных ошибок в исходных данных, что налагает допонительные требования к качеству исходного эмпирического материала. Среди непараметрических методов различают метод огибающих и метод фиксированной оболочки.

Наиболее универсальными возможностями для проведения анализа динамики потенциала банковского сектора обладает непараметрический метод огибающих. Как показано в таблице 1, в рамках указанного метода возможно оценивание потенциала банковского сектора в целом и групп банков наряду с отдельными кредитными организациями. Метод позволяет проводить межвременной анализ потенциала путём построения индексов реализации потенциала. Кроме того, отсутствие необходимости спецификации производственной функции банка даёт возможность избежать ошибок, связанных со сложной природой производственного процесса банка. Перечисленные факторы обусловливают выбор метода огибающих в качестве основного инструмента построения методики комплексного экономико-математического анализа потенциала банковской системы.

Таблица 1. Основные особенности методов оценки потенциала

Характеристика метода Параметрические методы Непараметрические методы

Метод стохастической граннцы Метод широкой границы Метод без спецификации распределения Метод огибающих Метод фиксированной оболочки

Авторы метода Meeusen, Van Den Broeck, 1977; Aigner, Lovell, Schmidt, 1977 Berger, Humphrey, 1991 Berger, 1993 Farrell, 1957; Charnes, Cooper, Rhodes, 1978 Deprins, Simar, Tulkens, 1984

Метод получения оценок Метод максимального правдоподобия Метод наименьших квадратов Метод наименьших квадратов Методы линейного программирования Методы математического программирования

Требования к размеру выборки Значительное количество объектов Значительное количество объектов Значительное количество объектов. Панельные данные Допустимо использование незначительного количества наблюдений Допустимо использование незначительного количества наблюдений

Возможность работы с мульти продуктовыми моделями Ограничена Ограничена Ограничена Существует Существует

Возможность анализа во времени Ограничена Ограничена Отсутствует Существует Ограничена

Работа с данными по группам объектов Ограничена Отсутствует Отсутствует Существует Ограничена

Трудоемкость расчётов Высокая. Разработан ряд программных продуктов, осуществляющих расчёты. Невысокая. Метод может быть использован для экспресс-оценки уровня реализации потенциала. Невысокая. Метод может быть использован для экспресс-оценки уровня реализации потенциала Высокая. Существует потребность в специализированных программных продуктах для расчетов. Высокая. Отсутствует стандартизированная процедура получения оценок.

Опыт применения к российским банкам Существует, по данным за начало 2000-х гг. Отсутствует Отсутствует Существует, по данным за начало 2000-х гг. Отсутствует

Опыт применения для анализа банковского сектора в целом Отсутствует Отсутствует Отсутствует Отсутствует Отсутствует

Система моделей оцеики динамики потенциала банковской системы

Классическая постановка задачи в рамках метода огибающих предполагает оценку потенциала каждого банка из набора, определяющего технологическое множество. В отличие от неё, в диссертации предлагается использовать обобщение модели, допускающее оценку потенциала объекта, не присутствующего в совокупности, задающей технологическое множество:

№(,У(}->тт (1)

А>0 (2)

^ > (3)

А > О (4)

где в[ {Л"(, У(} Ч величина максимально возможного пропорщюнального сокращения вектора затрат банка 7 в момент времени I, позволяющая ему оказаться на границе технологического множества {XК,} момента I; х^ Ч вектор затрат

банка 7 в момент Ь; у'. Ч вектор выпусков банка 7 в момент Ь; Х1 Ч матрица,

стобцы которой образованы векторами затрат момента для совокупности банков, задающих технологическое множество; У( Ч матрица, стобцы которой образованы векторами выпуска момента t для совокупности банков, задающих технологическое множество; А Ч неизвестный вектор весов, определяющий линейную комбинацию банков, входящих в технологическое множество {X, , У(}.

Система ограничений (2>-(3) с точностью до коэффициента пропорциональности У(} характеризует технологическое множество Ч

множество всех достижимых при существующем способе производства комбинаций затрат и выпусков х е Ят и у б К', лежащих в неотрицательном ортанте:

Р, = {(х, У) | х > Х(А, у < ^А, А > 0} (5)

Тем самым технологическое множество, описывающее существующий в банковской системе способ производства, поностью характеризуется выпуклой оболочкой совокупности наблюдаемых комбинаций затрат и выпусков, которые

описаны матрицами и Уг. Граница технологического множества Р( является линией потенциала, или границей производственных возможностей при существующей технологии.

При этом значение целевой функции К(} в задаче (1)-(4) может также

интерпретироваться как величина, обратная максимально допустимому увеличению выпуска объекта 7 при фиксированных затратах.

В классической постановке объект 7 входит в состав технологического множества, следовательно, показатель не может превышать единицу, так как более

высокий уровень технологической эффективности при фиксированном выпуске демонстрируют банки с более низкими затратами. Напротив, в предлагаемой в диссертации обобщённой постановке задачи, где характеристики оцениваемого банка 7 могут не входить в состав матриц и величина может быть больше единицы. Это будет говорить о том, что объект 7 находится выше границы технологического множества.

Для оценки уровня реализации потенциала банковским сектором или группы банков в статике в диссертации предложена следующая последовательность действий. На первом шаге конструируется синтетический лагрегированный банк, показатели деятельности которого х^ и у^ рассчитаны как суммы характеристик всех банков из

банковской системы или анализируемой группы банков. На втором шаге задаётся множество объектов, формирующих технологическое множество (матрицы X и У). Обычно это набор, состоящий из как можно большего количества отдельных кредитных организаций, позволяющий с максимально возможной точностью описать технологию. На третьем шаге оценивается разница между фактическим и потенциально возможным выпуском, исходя из решения задачи (1)-(4).

Для оценки динамики потенциала банковского сектора или групп банков показатели лагрегированного банка конструируются для каждого момента времени 0,..., Т. В диссертации разработана процедура формирования

технологических множеств и оценки динамики потенциала для трёх ситуаций.

Для первой ситуации, характеризующейся коротким периодом анализа и технологическим множеством, состоящим из малого количества объектов, постулируется устойчивость линии потенциала во времени. Путём объединения всех

объектов за весь период наблюдения формируется технологическое множество - - ?}

{X, У}. Затем рассчитывается индекс потенциала I3 = Ч--, = 1, ..., Г.

7 в'-^Х, У}

Если V > 1, то потенциал лагрегированного банка 7 за период ] увеличися. Если

< 1, то потенциал лагрегированного банка снизися.

Для второй ситуации, характеризующейся продожительным периодом анализа и технологическим множеством, состоящим из малого количества объектов, постулируется устойчивость линии потенциала на протяжении ш соседних моментов времени. Путём объединения объектов за ги моментов времени, начиная с = 0, затем объектов за ги моментов времени, начиная с = 1, и т.д. формируется к = Т Ч ги + 1 технологических множеств {А'^, , в рамках каждого из которых

для каждого момента времени оценивается уровень реализации потенциала лагрегированного банка. Затем для каждого момента времени t = О, ...,Т

рассчитывается усреднённое значение показателя реализации потенциала по всем технологическим множествам, включающим этот момент времени. Далее вычисляется

индекс реализации потенциала I1 = Ч-Ч, j = 1,..., Т. Если Р > 1, то потенциал

лагрегированного банка 7 за период 3 увеличися. Если Р < 1, то потенциал

лагрегированного банка снизися.

Для третьей ситуации, характеризующейся значительным количеством объектов, формирующих технологическое множество, для каждого момента

времени t = 0,..., Т строится собственное технологическое множество.

Сопоставление уровня потенциала между моментами наблюдения j и j +1 проводится при помощи индекса Мамквиста:

Индекс потенциала Мамквиста (6) раскладывается на два сомножителя: индекс собственного потенциала (первый сомножитель) и индекс граничного потенциала (второй сомножитель):

Если Р > 1, то отмечается рост потенциала лагрегированного банка 7. Если

< 1, то потенциал лагрегированного банка j снижается. Если индекс

собственного потенциала превосходит единицу, то агрегированный банк приближается к линии потенциала. В противном случае агрегированный банк отдаляется от линии потенциала. Если индекс граничного потенциала превосходит единицу, отмечается расширение технологического множества за счёт динамики банков, определяющих его структуру. Если индекс граничного потенциала меньше единицы, технологическое множество сжимается.

В допонение к расчётам для агрегированного банка в диссертации предлагается оценивать динамику потенциала отдельных кредитных организаций, а также, в случае необходимости, групп банков, состав которых определяется исследователем. Дтя автоматизации таких расчётов автором разработана программная надстройка на языке Visual Basic for Applications для редактора таблиц Microsoft Excel, позволяющая, в отличие от существующих на рынке коммерческих продуктов, оценивать уровень реализации потенциала объектов не только в рамках классической постановки метода огибающих, но и в рамках обобщённой постановки, предложенной в работе. Наряду с возможностью проведения расчётов по банковской системе или группам банков, указанная программная надстройка автоматизирует процесс

0>л{xt, Yt} 0{ХМ, ym] 9;{xt,Yt} в}{хм,гму

YtJ 0'{Xl+v YtJ

получения характеристик реализации потенциала и его динамики и для отдельных кредитных организаций. При этом ввод исходных данных и вывод результатов реализован на основе стандартного интерфейса редактора Microsoft Excel, что значительно облегчает проведение моделирования.

Полученные при помощи разработанной программной надстройки показатели, отражающие уровень реализации потенциала и его динамику для банков, могут быть использованы для выявления кредитных организаций, определяющих линшо потенциала и её сдвиг во времени, построения регрессионных моделей, позволяющих делать краткосрочный прогноз индекса потенциала. Кроме того, анализ динамики потенциала отдельных банков может являться инструментом проверки устойчивости результатов, полученных для банковской системы в целом.

Предложенная система моделей является универсальным инструментом анализа потенциала банковского сектора, дающим возможность оценить его уровень для банковских систем с большим и малым числом участников, групп банков и отдельных кредитных организаций, а также его динамику на краткосрочных и догосрочных временных промежутках.

Построенная система моделей оценки потенциала лежит в основе разработанной в диссертации методики комплексного экономико-математического анализа динамики потенциала банковского сектора, включающей пять этапов. На первом этапе анализа производится отбор характеристик затрат и выпуска банковской системы, наиболее точно соответствующих целям производимых расчётов, а также формируются показатели синтетического лагрегированного банка, отражающие объём операций оцениваемой банковской системы или группы банков. На втором этапе, исходя из количества кредитных организаций, входящих в банковскую систему, конструируются одно или несколько технологических множеств, определяющих общий уровень потенциала сектора на протяжении периода анализа. На третьем этапе решается набор задач линейного программирования, результатом чего является оценка уровня реализации потенциала для оцениваемого объекта. На четвёртом этапе проводится межвременное сопоставление полученных оценок реализации потенциала, вычисляются индексы потенциала и проводится их декомпозиция. На пятом, заключительном этапе анализа реализуются процедуры оценки потенциала отдельных банков, выявляющие те кредитные организации, которые определяют потенциал рассматриваемой совокупности и обусловливают его сдвиги во времени. На данном

этапе возможно построение прогнозных эконометрических моделей для индексов потенциала, а также проверка устойчивости полученных результатов с использованием альтернативных характеристик затрат и выпуска.

Оценка дннамики потенциала российского банковского сектора в 2002-2010 гг.

На основе сформулированной в диссертации методики был проведён комплексный анализа динамики потенциала банковской системы России на продожительном временном интервале с 2002 по 2010 гг. Поскольку российский банковский сектор формируется значительным числом кредитных организаций, технологические множества для проведения оценки потенциала были сформированы по данным более чем 160 крупнейших банков, активы которых составляют около 90% совокупных активов российской банковской системы.

В качестве характеристик затрат использовались величина основных фондов, расходы на персонал, расходы на выплату процентов по привлечённым средствам. Характеристиками фактического и потенциального выпуска являлись величина кредитного портфеля, объём привлечённых средств населения, величина доходов, полученных в виде процентов, а также показатель, отражающий качество предоставленных кредитовЧдоля непросроченных кредитов в портфеле.

Данные об уровне реализации потенциала и индексы его динамики приводятся в таблице 2.

Таблица 2. Банковская система России: уровень реализации потенциала и его динамика в 2002-2010 гг. -

2002 2003 2004 2005 2006 2007 2008 2009

Уровень реализации потенциала банковского сектора, на конец года, % 30,6 39Д 35,9 56,3 62,0 58,6 64,6 67,5

Индекс потенциала Мамквиста, за год 1,129 1,084 1,133 1,081 0,957 0,936 0,949 1,187

Индекс собственного потенциала, за год 1,254 1,281 0,759 1,602 1,111 0,958 1,107 1,044

Индекс граничного потенциала, за год 0,900 0,846 1,493 0,675 0,861 0,977 0,858 1,137

Восстановительные процессы в банковской системе, последовавшие за кризисом доверия 2004 г., позволили уровню реализации потенциала российского банковского сектора приблизиться к 60%, а в отдельные годы и превысить эту величину. Рассчитанный индекс Мамквиста показал, что совокупный потенциал банковского сектора России увеличивася в 2002-2005 гг., а также в 2009 г. Напротив, несмотря на бурный рост отдельных показателей деятельности банковского сектора, с 2006 по 2008 гг. отмечалось некоторое уменьшение совокупного потенциала

Динамика индекса собственного потенциала показала, что общий рост потенциала банковской системы в 2002-2003 гг. и в 2005 г. обусловлен ростом собственного потенциала на фоне некоторого сжатия технологического множества. Лишь к 2009 г. отмечено расширение технологического множества, когда после острой фазы мирового финансового кризиса банковская система начала адаптироваться к новым условиям функционирования.

Дм проверки устойчивости результатов в диссертации были проведены расчёты по оценке динамики потенциала на основе пяти альтернативных наборов затрат и выпусков, характеризующих основные направления деятельности банковской системы. Были рассмотрены как наиболее общий набор характеристик, включающий только затраты физического капитала и труда и выпуски кредитных и депозитных продуктов без детализации на экономических агентов, так и более детализированные наборы, учитывающие доходность операций по финансовому посредничеству, а также работу по финансированию и привлечению средств отдельных экономических агентов. В целом расчёт показал непротиворечивость результатов, основанных на наборах характеристик с разным уровнем детализации отдельных показателей. Тем самым продемонстрировано, что уровень реализации потенциала и его динамика в значительной степени инвариантны по отношению к конкретному набору показателей, определённых в рамках единого теоретического подхода.

Наряду с рассмотрением большой совокупности российских банков на протяжении продожительного временного периода отдельно была проанализирована динамика потенциала крупнейших 15 российских банков на квартальных данных в 2008-2010 гг. (таблица 3).

Таблица 3. Крупнейшие банкн России: уровень реализации потенциала и его динамика в 2008-2009 гг.

2008-01 2008-02 2008-03 2008-04 2009-01 2009-02 2009-43 2009-04

Уровень реализации потенциала крупнейшими 15 банками, на конец квартала, % 83,5 82,1 80,3 80,6 87,5 83,1 84,8 83,5

Индекс потенциала, за квартал 1,089 0,982 0,979 1,004 1,085 0,950 1,020 0,985

На протяжении всего периода анализа потенциал крупнейших банков реализовывася в среднем на более чем 80%. Это говорит о том, что мировой финансовый кризис не привёл к значительному сокращению потенциала крупнейших российских банков. Однако отсутствие ярко выраженной положительной динамики в

конце 2009 г. не даёт возможности уверенно говорить о преодолении российской банковской системой кризисных явлений.

Динамика потенциала банковских систем России, Казахстана и Украины в 2007Ч 2010 гг.

Предложенная в диссертации система моделей оценки динамики потенциала дала возможность провести ранее не осуществлявшийся сравнительный анализ потенциала банковских систем России, Казахстана и Украины. Расчёты были проведены по данным крупнейших 64 банков из России, концентрирующих около 85% активов национальной банковской системы, 10 банков Казахстана, концентрирующих более 90% активов национальных банков, и 20 банков Украины, концентрирующих около 70% активов всех украинских банков. Для оценки динамики потенциала было сконструировано единое технологическое множество, включившее в себя показатели только российских банков за весь период анализа с 2007 по 2010 г.

Данные об уровне реализации потенциала и индексы его динамики приведены в таблице 4.

Таблица 4. Банковские системы России, Казахстана и Украины: уровень реализации потенциала и его динамика в 2007-2009 гг.

2007 2008 2009

Уровень реализации потенциала, на конец года, %

Россия 57,3 60,6 66,1

Казахстан 59,9 68,7 62,6

Украина 47,7 47,1 48,5

Индекс потенциала, за год

Россия 1,015 1,058 1,091

Казахстан 1,039 1,147 0,911

Украина 1,040 0,989 1,028

На протяжении 2007-2009 гг. лидером по уровню реализации потенциала являлись банки Казахстана. К 2010 г. Казахстан уступил лидерство российским банкам, уровень реализации потенциала которыми достиг 66,1%. Украинский банковский сектор на протяжении всего рассматриваемого периода уступал как казахским, так и российским банкам, причём со временем отставание украинских банков от российских и казахских конкурентов увеличилось.

Анализ показателей реализации потенциала отдельными банками

рассмотренных стран показал, что если характеристики потенциала банковских

секторов России, Казахстана и Украины находятся на близком уровне, колеблющемся

в диапазоне 50-60%, то для отдельных банков разрыв является гораздо более существенным. По уровню реализации потенциала отдельные кредитные организации Казахстана и Украины в разы уступают своим российским конкурентам, что может являться препятствием для успешной для всех участников интеграции финансовых рынков этих государств.

В допонение к сравнительному анализу банковских систем России, Казахстана и Украины на квартальных данных с 2007 по 2010 гг. исследована связь между уровнем реализации потенциала банковской системы и величиной финансирования реального сектора рассматриваемых государств (таблица 5).

Таблица 5. Коэффициенты парной корреляции уровня реализации потенциала банковской системы и уровня финансирования реального сектора экономики

Коэффициент корреляции

Россия 0,92

Казахстан 0,90*

Украина 0,49

* - коэффициент значим на 5%-ном уровне

Для России и Казахстана отмечен высокий и значимый коэффициент корреляции между уровнем реализации потенциала банков и характеристикой глубины финансовой системы, рассчитанной как отношение кредитов реальному сектору к валовому внутреннему продукту. Напротив, на Украине значимая связь между этими двумя показателями отсутствует.

Тем самым для России и Казахстана благодаря росту потенциала банковских систем сокращается разрыв между кредитными потребностями реального сектора и объёмом финансирования со стороны национальных кредитных организаций, что в среднесрочной и догосрочной перспективе ведёт к повышению доступности догосрочных дешёвых ресурсов.

Основные результаты и выводы

Проведенное исследование позволило получить следующие результаты и выводы:

1. С учётом специфики банковского сектора предложена система критериев отбора математических методов оценки потенциала. Показано, что оптимальный для анализа банковской системы метод дожен давать возможность оценивать потенциал в статике и в динамике не только отдельных банков, но и их групп, быть адаптированным к работе с мультипродуктовыми моделями, а также обеспечивать возможность работы с банковскими системами с большим и малым числом участников.

2. Проведён сравнительный анализ существующего математического инструментария оценки потенциала, основывающийся на сформулированных критериях. Обоснован выбор непараметрического метода огибающих как наиболее адекватного задаче анализа динамики потенциала банковской системы как единого целого и применимого для анализа кредитных организаций как в крупных, так и в небольших государствах.

3. Предложено обобщение классической постановки задачи в рамках метода огибающих, позволяющее получать оценки уровня реализации потенциала банковской системы в целом, групп банков, проводить межвременное сопоставление показателей уровня реализации потенциала, а также сравнивать потенциал банковских систем различных стран.

4. Построена система моделей, основанных на обобщённой постановке метода огибающих, блоки которой дают возможность получения оценок уровня реализации потенциала и его динамики в банковских системах с большим и малым числом участников.

5. Разработана методика комплексного экономико-математического анализа

динамики потенциала банковского сектора На первом этапе анализа проводится

подготовка исходного набора данных, описывающих технологию банковского

сектора, а также конструируются показатели, описывающие банковскую систему.

На втором этапе формируются технологические множества, задающие общий

уровень потенциала банковского сектора. На третьем этапе проводится расчёт

соотношения между фактическим и потенциальным объёмом выпуска

банковской системы. На четвёртом этапе вычисляются индексы потенциала.

Пятый этап включает в себя процедуры оценки потенциала отдельных кредитных

организаций, входящих в состав банковской системы, определение банков-лидеров, влияющих на сдвиги линии потенциала, эконометрическое прогнозирование индекса потенциала, а также проверку устойчивости результатов анализа.

6. Для автоматизации расчётов по сформулированной методике разработана программная надстройка для редактора таблиц Microsoft Excel, решающая необходимое количество задач по оценке уровня реализации потенциала.

7. Подготовлена база данных, основанная на доступной финансовой отчётности банков России, Казахстана и Украины, содержащая основные показатели деятельности кредитных организаций этих стран, необходимых для оценки динамики потенциала банковских систем.

8. Впервые оценена динамика потенциала банковской системы России на временном интервале с 2002 по 2010 гг. Расчёт показал наличие стагнации в динамике потенциала в период кредитной экспансии 2006-2008 гг. и возобновление роста потенциала по итогам 2009 г. В рамках сформулированной методики были проанализированы показатели реализации потенциала

, .отдельными банками. Дана характеристика кредитных организации, определяющих сдвиги линии потенциала во времени. Анализ потенциала крупнейших российских банков в период кризиса 2008-2010 гг. показал достаточный уровень устойчивости этих кредитных организаций к кризисным явлениям, но в то же время не отметил положительной" динамики по итогам 2009 г.

9. Проведен ранее не осуществлявшийся сравнительный анализ результатов оценки динамики потенциала российского банковского сектора на основе альтернативных наборов характеристик, определяющих затраты и выпуск банков. Рассмотрены пять альтернативных наборов характеристик, различающихся по уровню детализации: от набора обобщённых показателей до величин, описывающих взаимосвязи банка с конкретными экономическими агентами. Расчёт показал согласованность результатов, основанных на наборах характеристик с разным уровнем детализации отдельных показателей.

10. На основе предложенной методики комплексного анализа динамики потенциала банковского сектора впервые проведён сравнительный анализ банковских систем России, Казахстана и Украины. Отмечено устойчивое увеличение уровня

реализации потенциала у российских банков, позволившее к началу 2010 г. опередить банковский сектор Казахстана. В то же время показано, что украинские банки характеризуются наиболее низким уровнем реализации потенциала по сравнению с их конкурентами из России и Казахстана. 11. Для России, Казахстана и Украины осуществлена проверка наличия линейной связи между уровнем реализации потенциала банковского сектора и характеристикой развития финансового сектора. Для Украины такой связи не отмечено. Напротив, для России и Казахстана наблюдается значимая положительная связь между уровнем реализации потенциала банковского сектора и глубиной финансовой системы, повышение которой в среднесрочной перспективе может привести к увеличению доступности догосрочных финансовых ресурсов для реального сектора экономики.

Список публикаций по теме исследования:

Публикации в изданиях из перечня реферируемых научных журналов ВАК

Никишин К. Н. Моделирование эффективности российского банковского сектора // Аудит и финансовый анализ. Ч№2, 2010. (0,6 п.л.)

Никишин К. Н. Экономегрическая оценка детерминант эффективности российских банков // Экономические науки. Ч№11,2009. (0,4 п.л.)

Публикации в других научных изданиях

Никишин К. Н. Моделирование взаимодействия факторов, влияющих на прибыльность коммерческих банков Н Математическое моделирование современных экономических проблем. - МОНФ, Москва, 2005 (0,9 п. л.)

Никишин К. Н. Региональные рынки банковской розницы: структура, устойчивость, эффективность // Материалы докладов XVI Международной конференции студентов, аспирантов и молодых ученых Ломоносов / Отв. ред. И.А. Алешковский, П.Н. Костылев, А.И. Андреев. [Электронный ресурс] Ч М.: Издательство МГУ, 2009 Ч 1 электрон, опт. диск (CD-ROM); 12 см. - Систем, требования: ПК с процессором 486 +; Windows 95; дисковод CD-ROM; Adobe Acrobat Reader. [Адрес ресурса в сети интернет: Ссыка на домен более не работает2009/] (0,1 п.л.)

Никишин К. Н. Анализ динамики эффективности российской банковской системы в 2002-2009 гг. // Материалы Международного молодежного научного форума ЛОМОНОСОВ-2010 / Отв. ред. И.А. Алешковский, П.Н. Костылев, А.И. Андреев, A.B. Андриянов. [Электронный ресурс] Ч М.: МАКС Пресс, 2010. Ч 1 электрон, опт. диск (CD-ROM); 12 см. -Систем, требования: ПК с процессором 486+; Windows 95; дисковод CD-ROM; Adobe Acrobat Reader.. [Адрес ресурса всети интернет: Ссыка на домен более не работает2010/] (0,1 п.л.)

Подписано в печать 04.03.2011 г. Тираж 100 экз. Заказ №140 Отпечатано в типографии ООО Литера А г. Москва, ул. Цветной бульвар, д. 32/4 тел.: (495) 785-92-72

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Никишин, Константин Николаевич

Введение.

Глава 1. Методы оценки потенциала экономических объектов.

1.1. Опыт оценки потенциала на микроуровне.

1.2. Потенциал и технологическая эффективность.

1.2.1. Основные понятия и определения.

1.2.2. Требования к методам оценки потенциала.

1.2.3. Методы оценки потенциала и технологической эффективности.

1.3. Параметрические методы оценки потенциала.

1.3.1. Метод стохастической границы.

1.3.2. Метод широкой границы.

1.3.3. Метод без спецификации распределения.

1.4. Непараметрические методы оценки потенциала.

1.4.1. Метод огибающих.

1.4.2. Метод фиксированной оболочки.

1.5. Выбор метода анализа динамики потенциала банковской системы.

Глава 2. Система моделей оценки динамики потенциала банковской системы.

2.1 Обобщённая модель оценки потенциала банковской системы.Г.

2.2 Характеристики затрат и выпуска банковского сектора.

2.3 Оценка динамики потенциала банковской системы.

2.3.1 Малое количество объектов в краткосрочном периоде.

2.3.2 Малое количество объектов в средне- и догосрочном периоде.

2.3.3 Значительное количество объектов.

2.4 Методика оценки динамики потенциала банковской системы.

Глава 3. Оценка динамики потенциала банковских систем на примере России, Казахстана и Украины.

3.1 Оценка динамики потенциала российского банковского сектора в 2002-2010 гг.

3.2Динамика потенциала крупнейших российских банков во время кризиса 20082010 гг.

3.3Динамика потенциала банковских систем России, Казахстана и Украины в 20072010 гг.

Диссертация: введение по экономике, на тему "Моделирование динамики потенциала российской банковской системы"

Актуальность темы исследования

Уровень потенциала банковской системы любого государства отражает способность финансового сектора быстро и при низких трансакционных издержках осуществлять переток ресурсов внутри экономической системы от агентов, обладающих ими в избытке, к тем, кто нуждается в средствах для инвестиционной деятельности. Чем более совершенны работающие на рынке банки, чем более богатый спектр услуг они предоставляют предприятиям и населению, чем дешевле стоят их услуги, тем большими возможностями развития обладает экономика. Увеличение потенциала банковской системы может способствовать более быстрому восстановлению российской экономики после мирового финансового кризиса 2008-2009 гг.

К настоящему моменту разработан ряд методов оценки потенциала отдельных микроэкономических объектов, основанных как на использовании эконометрического инструментария, так и на более широком подходе, базирующемся на методах математического программирования. В то же время необходимо учитывать, что существенные выводы может дать рассмотрение всей совокупности действующих банков как единого целого и изучение групп кредитных организаций, объединённых по некоторым общим характеристикам объёма и типа проводимых операций, стратегии ведения бизнеса, географии присутствия. Однако большинство использующихся в настоящее время методов оценки потенциала не позволяет анализировать банковскую систему в целом и группы образующих её финансовых организаций.

Вместе с тем растущий объём доступной статистики предоставляет возможности проведения как пространственного, так и межвременного сопоставления уровня развития страновых банковских систем. Для работы с увеличивающейся информационной базой требуется инструментарий, позволяющей оценивать не только уровень потенциала банковского сектора в статике, но и анализировать этот показатель в динамике Ч как на краткосрочных, так и на догосрочных временных интервалах. В частности, разработка современных методов экономико-математического анализа потенциала предоставит возможность оценки динамики показателей банковской системы России за продожительный период с начала 2000-х гг., включающий в себя и период кредитной экспансии, и период кризиса.

Активно проходящие в различных регионах мира процессы экономической интеграции определяют необходимость межстранового сопоставления уровня потенциала кредитных организаций для обеспечения плавного перехода к общему рынку. Так, тенденция к взаимопроникновению финансовых систем, отмечающаяся среди экономик постсоветского пространства, неизбежно ставит вопросы о сравнении потенциала банковских систем крупнейших государств СНГ.

Спрос на изучение потенциала банковского сектора существует и в таких крупных государствах, как США, Китай, Индия, Россия, где работают сотни и тысячи кредитных организаций, и в странах с небольшим размером экономики и, следовательно, банковской системой, состоящей из нескольких десятков банков. В силу этого необходимо иметь возможности для проведения расчётов не только в системах с большим числом участников, но в малочисленных банковских системах, состоящих из одного-двух десятков кредитных организаций.

К настоящему моменту в научной литературе отсутствует в достаточной степени разработанный универсальный подход к анализу динамики потенциала банковского сектора как единого целого и многие его аспекты нуждаются в развитии. В силу сказанного выше тема настоящей диссертационной работы является актуальной.

Цель и задачи исследования

Целью исследования является разработка экономико-математических методов анализа динамики потенциала банковского сектора и их применение для оценки банковских систем России и ряда стран СНГ.

Для реализации этой цели в работе ставятся и решаются следующие задачи: V

Х провести сравнительный анализ существующих методов оценки потенциала микроэкономических объектов с точки зрения возможности их применения к банковской системе;

Х разработать подход, позволяющий оценивать потенциал банковского сектора в целом и отдельных групп банков;

Х построить систему моделей, обеспечивающих оценку динамики реализации потенциала банковских систем как с большим, так и с малым числом участников;

Х разработать методику комплексного экономико-математического анализа потенциала банковских систем, групп банков, отдельных кредитных организаций в статике и динамике;

Х оценить динамику потенциала российской банковской системы на продожительном временном интервале с 2002 по 2010 гг.;

Х применить предложенный подход для анализа уровня реализации потенциала и его динамики для банковских систем крупнейших стран СНГ: России, Казахстана и Украины.

Объект и предмет исследования

Объектом исследования являются банковские системы России, Казахстана и Украины.В качестве предмета исследования рассматривается величина потенциала банковской системы, уровень его реализации и динамика этих показателей во времени.

Теоретическая и методологическая основа для исследования

В основу диссертации легли исследования российских и зарубежных экономистов в области моделирования потенциала коммерческих банков и других микроэкономических объектов. Основополагающими работами по методам оценки потенциала и его анализа во времени являются исследования Р. Бэнкера, Е. Десли, В. Купера, С. Ловела, С. Мамквиста, С. Рея, Е. Родеса, Р. Фэре, М. Фэрела, А. Чариса.

Среди российских работ можно выделить прикладные исследования уровня реализации потенциала предприятий различных отраслей экономики, проведённые С. А. Айвазяном, М. Ю. Афанасьевым и В. JL Макаровым, С. Р. Моисеевым, С. В. Голованём, В. В. Назиным, А. А. Пересецким, В. В. Шергиным, а также Ф. Т. Алескеровым и В. Ю. Белоусовой.

Экономико-математический инструментарий работы включал методы оптимизации, в том числе методы линейного программирования, теорию двойственности, а также методы многомерного статистического анализа.

Информационная база исследования была сформирована па основе отчётности кредитных организаций, опубликованной Центральными Банками России и Украины, Агентством Республики Казахстан по регулированию и надзору финансового рынка и финансовых организаций, Федеральной службой государственной статистики РФ. Оценка потенциала банковского сектора и его динамики проводилась при помощи авторской программной надстройки для пакета Microsoft Excel. Также для расчетов использовались программный пакет Statistica.

Научная новизна исследования

Научная новизна исследования заключается в следующем:

Х предложена система критериев оценки математических методов анализа потенциала, позволяющая формализовать описание возможностей их применения при изучении банковских систем различной структуры;

Х разработана процедура оценивания уровня реализации потенциала отрасли в целом или специфических групп банков на основе предложенного определения агрегированного банка и способа вычисления характеристик, определяющих объём используемых им ресурсов и выпускаемых продуктов;

Х построена система моделей, основанных на непараметрическом методе огибающих, включающая блоки оценки динамики потенциала банковской системы, отдельных кредитных организаций и их групп. Предложенная система позволяет, в отличие от существующих подходов, анализировать динамику реализации потенциала банковских систем как с большим, так и с малым числом участников;

Х разработана методика комплексного экономико-математического анализа потенциала банковского сектора в статике и в динамике. Методика включает пошаговое описание процедур отбора данных, оценки потенциала, эконометрического прогнозирования динамики реализации потенциала, выявления банков, определяющих общий уровень потенциала банковского сектора, а также проверки устойчивости результатов анализа;

Х впервые в российской практике оценена динамика потенциала российской банковской системы как единого целого на продожительном временном интервале, включающем период с 2002 по 2010 гг. Проведённый на основе сформулированной методики расчёт позволил выявить характерные особенности изменения потенциала банковского сектора как на этапе кредитной экспансии, так и во время финансового кризиса;

Х проведён ранее не осуществлявшийся сравнительный анализ потенциала банковских систем крупнейших стран СНГ: России, Казахстана и Украины. На основе построенной системы моделей оценки потенциала показано, что в 2007-2008 гг. по уровню реализации потенциала и его динамике банковская система России уступала Казахстану, а по итогам 2009 г. заняла лидирующие позиции. Отмечено, что украинская банковская система в целом, как и отдельные банки из этой страны, характеризуются устойчиво более низким уровнем реализации потенциала, чем их конкуренты из России и Казахстана.

Теоретическая и практическая значимость работы

Теоретическое значение диссертации заключается в том, что в ней разработан универсальный подход к анализу динамики потенциала банковского сектора, применимый к банковским системам с большим и малым числом участников на догосрочных и краткосрочных временных промежутках. Построенная система экономико-математических моделей, на основе которых проведены расчёты, также может использоваться в других отраслях экономики, характеризующихся многомерными векторами затрат и выпуска.

Практическая значимость работы заключается в том, что предложенная методика экономико-математической оценки потенциала может применяться для анализа банковского сектора разных государств, на банковских рынках разных регионов. Результаты такой оценки могут быть востребованы как государственными органами, регулирующими финансовый сектор, так и руководством кредитных организаций.

Апробация работы

Результаты исследования были представлены на научном семинаре Макроэкономические исследования экономического факультета МГУ имени М. В. Ломоносова. Они обсуждались на международных научных конференциях, в частности, на конференции Немчиновские чтения в Московском Государственном Университете в 2009 г. и на Международных конференциях студентов, аспирантов и молодых ученых Ломоносов, проводившихся в МГУ в 2008, 2009 и 2010 гг. Доклад по теме диссертации отмечен в числе лучших докладов секции Экономика конференции Ломоносов-2010.

Публикации

Основные положения и результаты диссертации изложены в пяти опубликованных работах общим объемом 2,1 пл. (2,1 п.л. лично), в том числе в журналах, входящих в перечень ВАК 1,0 п.л. (1,0 лично).

Логика и структура работы

Работа состоит из введения, трех глав, заключения и приложений, изложенных на 170 страницах, включая графики, рисунки, таблицы и библиографию. Поставленная цель исследования определила следующую логику и структуру диссертации:

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Никишин, Константин Николаевич

Основные выводы

Предложенная во второй главе диссертационной работы методика оценки динамики потенциала банковского сектора позволяет проводить межстрановые сопоставления уровня реализации банковского потенциала. Такие сопоставления представляют значительный практический интерес в особенности в тех случаях, когда анализируются банковские сектора сопредельных государств, экономики которых достаточно тесно связаны и финансовые организации из которых стремятся к более тесной интеграции. Таковой является связь между банковскими системами России, Казахстана и Украины.

Основой для сравнительного анализа послужила банковская отчётность, публикуемая регулирующими органами рассматриваемых стран. Базовый набор банковских затрат и выпусков, использовавшийся в предыдущих частях работы, был модифицирован таким образом, чтобы получить набор показателей, доступный во всех трёх странах. Как и ранее, полученный набор характеристик учитывал как объёмы привлечения и размещения средств банком, так и доходность этих операций. Также в расчёт принимася показатель, характеризующий уровень кредитного риска, которому подвержен банк.

В целях оценки потенциала банковских секторов России, Казахстана и Украины были агрегированы показатели деятельности крупнейших кредитных организаций этих стан, совокупные активы которых превышают 70% в национальных банковских системах.

Технологическое множество, являющееся основой^ для расчёта потенциала, было сконструировано на основе данных по крупнейшим российским банкам, объединённым за период с 2007 по 2010 гг. Включение в сосшв технологического множества более 250 объектов позволило получить устойчивые оценки уровня реализации потенциала для банковских систем России, Казахстана и Украины.

Расчёт показал, что в 2007-2009 гг. по уровню реализации потенциала лидировал банковский сектор Казахстана и лишь к началу 2010 г. России удалось выйти на первое место. Украинская банковская система на протяжении всего периода анализа была аутсайдером, уступающим по динамике по1енциала и его общему уровню. Также отмечено, что с 2007 по 2010 г. в России уровень реализации устойчиво увеличивася, в то время как в Казахстане и на Украине отмечались как рост, так и снижение общего уровня потенциала.

Несмотря на сходный уровень реализации потенциала банковских секторов России, Казахстана и Украины сравнение показателей потенциала по отдельным банкам показало более существенную разницу. В частности, кредитные организации Казахстана и Украины в разы уступают своим российским конкурентм, что может замедлять интеграционные процессы между финансовыми секторами рассмотренных стран.

В последние десятилетия изучению потенциала российских банков не уделялось достаточного внимания. Лишь в рамках нескольких исследований проведены расчёты, позволяющие охарактеризовать 1ехнологическую эффективность отдельных кредитных организаций за небольшой промежуток времени в первой половине 2000-х гг. Кроме того, не изученным оставася вопрос о том, каким образом можно осуществить переход от показателей технологической эффективности отдельных банков к характеристикам потенциала банковской системы в целом

Разработанная во второй главе диссертации система моделей оценки динамики потенциала банковского сектора даёт возможность анализировать изменения потенциала всей системы на основе применения непараметрического метода огибающих и построения индексов потенциала. Подробная, регулярно обновляемая статистика, публикуемая Банком России по большинству кредитных организаций, положена в основу такого анализа в настоящей главе.

Во-первых, рассмотрена динамика потенциала российской банковской системы за период с 2002 по 2010 гг. Большое количество кредитных организаций, по которым строились технологические множества, позволило не только получить качественные оценки уровня реализации потенциала банковского сектора, но и определить, в какой степени его динамика обусловлена изменениями конфигурации технологического множества. Так, можно отметить, что восстановительные процессы в банковской системе, последовавшие за кризисом доверия 2004 г., позволили уровню реализации потенциала российского банковского сектора приблизиться к 60%. а в отдельные годы и превысить эту величину. Рассчитанный индекс потенциала Мамквиста показал, что совокупный потенциал банковского сектора России увеличивася в 2002-2005 гг., а также в 2009 г. Напротив, несмотря на кредитную экспансию, с 2006 по 2008 гг. отмечалось некоторое уменьшение совокупного потенциала. Технологическое множество для российской банковской системы расширялось в 2002-2003 и 2005 гг., а в последующие годы, стало сокращаться. Лишь в 2009 г. возобновилось его расширение, когда после острой фазы мирового финансового кризиса банковская система начала адаптироваться к новым условиям функционирования.

Во-вторых, отдельно были оценен уровень реализации потенциала и его динамика для 15 крупнейших банков на квартальных данных 2008-2010 гг. Ч во время острой фазы мирового финансового кризиса. Расчёт, основанный на построении оценок технологической эффективности в рамках шести технологических множеств, объединяющих объекты за соседние моменты времени, показал, что уровень реализации потенциала системообразующими банками в этот период колебася около 80%. При этом лидеры российского банковского сектора, в том числе благодаря существенной государственной поддержке, оказались устойчивыми к негативным процессам, происходившим на мировом и российском финансовых рынках, на что указывает лишь незначительное сокращение уровня реализации потенциала за анализируемый период. Вместе с тем отсутствие ярко выраженной положительной динамики потенциала крупнейших банков в конце 2009 г. не даёт возможности говорить об уверенном преодолении российской банковской системой кризисных явлений.

В-третьих, на основе построенной методики оценки потенциала проведён сравнительный анализ банковских систем России, Казахстана и Украины. Расчёт показал, что к началу 2010 г. российская банковская сист ема опередила банковский сектор Казахстана по уровню реализации потенциала. При этом на всём периоде анализа с 2007 по 2010 гг. украинские банки значительно отставали от своих российских и казахских конкурентов. Также отмечено, что разрыв между уровнем реализации потенциала отдельных банков из разных стран достаточно велик, что может затруднять процессы интеграции финансовых систем рассмотренных государств. Кроме того, проведён анализ взаимосвязи между уровнем реализации потенциала банков, динамикой инвестиционных процессов и глубиной финансовой системы в рассмотренных государствах. Показано, что на фоне развития мирового финансового кризиса в 2008-2010 гг. значимая связь между динамикой потенциала банковского сектора и объёмом инвестиций в основной капитал отсутствовала. В то же время для России и Казахстана отмечена высокая и значимая корреляция между уровнем реализации потенциала и характеристикой глубины финансового сектора.

Заключение

Проведенное исследование позволило получить следующие результаты и выводы:

С учётом специфики банковского сектора предложена система критериев отбора математических методов оценки потенциала. Показано, что оптимальный для анализа банковской системы метод дожен давать возможность оценивать потенциал в статике и в динамике не только отдельных банков, но и их групп, быть адаптированным к работе с мультипродуктовыми моделями, а также обеспечивать возможность работы с банковскими системами с большим и малым числом участников.

Проведён сравнительный анализ существующего математического инструментария оценки потенциала, основывающийся на сформулированных критериях. Обоснован выбор непараметрического метода огибающих как наиболее адекватного задаче анализа динамики потенциала банковской системы как единого целого и применимого для анализа кредитных организаций как в крупных, так и в небольших государствах.

Предложено обобщение классической постановки задачи в рамках метода огибающих, позволяющее получать оценки уровня реализации потенциала банковской системы в целом, групп банков, проводить межвременное сопоставление показателей уровня реализации потенциала, а также сравнивать потенциал банковских систем различных стран.

Построена система моделей, основанных на обобщённой постановке метода огибающих, блоки которой дают возможность получения оценок уровня реализации потенциала и его динамики в банковских системах с большим и малым числом участников.

Разработана методика комплексного экономико-математического анализа динамики потенциала банковского сектора. На первом этапе анализа проводится подготовка исходного набора данных, описывающих технологию банковского сектора, а также конструируются показатели, описывающие банковскую систему. На втором этапе формируются технологические множества, задающие общий уровень потенциала банковского сектора. На третьем этапе проводится расчёт соотношения между фактическим и потенциальным объёмом выпуска банковской системы. На четвёртом этапе вычисляются индексы потенциала. Пятый этап включает в себя процедуры оценки потенциала отдельных кредитных организаций, входящих в состав банковской системы, определение банков-лидеров, влияющих на сдвиги линии потенциала, эконометрическое прогнозирование индекса потенциала, а также проверку устойчивости результатов анализа.

Для автоматизации расчетов по сформулированной методике разработана программная надстройка для редактора таблиц Microsoft Excel, решающая необходимое количество задач по оценке уровня реализации потенциала.

Подготовлена база данных, основанная на доступной финансовой отчётности банков России, Казахстана и Украины, содержащая основные показатели деятельности кредитных организаций этих стран, необходимых для оценки динамики потенциала банковских систем.

Впервые оценена динамика потенциала банковской системы России на временном интервале с 2002 по 2010 гг. Расчёт показал наличие стагнации в динамике потенциала в период кредитной экспансии 2006-2008 гг. и возобновление роста потенциала по итогам 2009 г. В рамках сформулированной методики были проанализированы показатели реализации потенциала отдельными банками. Дана характеристика кредитных организаций, определяющих сдвиги линии потенциала во времени. Анализ потенциала крупнейших российских банков в период кризиса 2008-2010 гг. показал достаточный уровень устойчивости этих кредитных организаций к кризисным явлениям, но в то же время не отметил положительной динамики по итогам 2009 г.

Проведен ранее не осуществлявшийся сравнительный анализ результатов оценки динамики потенциала российского банковского сектора на основе альтернативных наборов характеристик, определяющих затраты и выпуск банков. Рассмотрены пять альтернативных наборов характеристик, различающихся по уровню детализации: от набора обобщённых показателей до величин, описывающих взаимосвязи банка с конкретными экономическими агентами. Расчёт показал согласованность результатов, основанных на наборах характеристик с разным уровнем детализации о тдельных показателей.

На основе предложенной методики комплексного анализа динамики потенциала банковского сектора впервые проведён сравнительный анализ банковских систем России, Казахстана и Украины. Отмечено устойчивое увеличение уровня реализации потенциала у российских банков, позволившее к началу 2010 г. опередить банковский сектор Казахстана. В то же время показано, что украинские банки характеризуются наиболее низким уровнем реализации потенциала по сравнению с их конкурентами из России и Казахстана.

Для России, Казахстана и Украины осуществлена проверка наличия линейной связи между уровнем реализации потенциала банковского сектора и характеристикой развития финансового сектора. Для Украины такой связи не отмечено. Напротив, для России и Казахстана наблюдается значимая положительная связь между уровнем реализации потенциала банковского сектора и глубиной финансовой системы, повышение которой в среднесрочной перспективе может привести к увеличению доступности догосрочных финансовых ресурсов для реального сектора экономики.

Диссертация: библиография по экономике, кандидат экономических наук , Никишин, Константин Николаевич, Москва

1. Айвазян С. А., Афанасьев М. 10., Макаров В. Л. (2008) Моделирование достижимого производственного потенциала и оценка эффективности производства на основе методологии стохастической границы, ЦЭМИ, Препринт WP/2008/239

2. Алескеров Ф. Т., Белоусова В. Ю. (2007) Оценка привлекательности регионов РФ в целях развития фили^альной сети розничного коммерческого банка, Банковское дело, № 8, 5457.

3. Белоусова В. Ю. (2009) Эффективность издержек однородных российских коммерческих банков: обзор проблемы и новые результаты, Экономический журнал ВШЭ, №4

4. Головань С. В., Назин В. В., Пересецкий А. А. (2009) Непараметрические оценки эффективности российских банков, Модернизация экономики и глобализация, Издательский дом ГУ ВШЭ, Москва

5. Головань С. В., Назин В.В., Пересецкий A.A. (2010) Непараметрические оценки эффективности российских банков, Экономика и математические методы, 46, №№, 4357

6. Головань С. В., Карминский А. М., Пересецкий А. А. (2008) Эффективность российских банков с точки зрения минимизации издержек, Экономика и математические методы, т. 44 (4)

7. Клепач А. Н., Акиндинова II. В. Андрукович П. Ф., Березинская О. Б., Красков В. В., Лепетиков Д. В. (2003) Банковская система России: от кризиса к модернизации, Научные доклады МОНФ, № 147, Москва.

8. Констандина Н. В. (2006) Вероятность банковских провалов: российский пример, EERC, Москва

9. Кошелюк Ю. М. (2007) Граничный анализ эффективности функционирования российских банков в период 2004-2005 гг., Модернизация экономики и общественное развитие, Издательский дом ГУ ВШЭ, Москва.

10. П.Лепехин Г.Д., Моисеев С.Р. (2007) Эффективность российского банковского сектора, Банковское дело, №6

11. Маевский В. И. (2009) Реальный сектор и банковская система, Журнал новой экономической ассоциации, №1-2.

12. Моисеев С., Круглов Д., Кузьмин М., Лепехин Г., Смирнова Н. (2008) Эффективность российских банков, Экономическая политика, №4

13. Никишин К. Н. (2005) Моделирование взаимодействия факторов, влияющих на прибыльность коммерческих банков, Магматическое моделирование современных экономических проблем, МОНФ, Москва.

14. Никишин К. Н. (2009) Региональные рынки банковской розницы: структура, устойчивость, эффективность, Материалы докладов XVI Международной конференции студентов, аспирантов и молодых ученых Ломоносов

15. Никишин К. Н. (2009) Эконометрическая оценка детерминант эффективности российских банков, Экономические науки, №11

16. Никишин К. Н. (2010) Анализ динамики эффективности российской банковской системы в 2002-2009 гг., Материалы Международного молодежного научного форума ЛОМОНОСОВЫМ

17. Никишин К. II. (2010) Моделирование эффективности российского банковского сектора, Аудит и финансовый анализ, №2

18. Павлюк Д.В. (2006) Модель эффективности деятельности российских банков, Прикладная эконометрика, №3

19. Пересецкий А.А. (2009) Техническая эффективность банков. Россия и Казахстан, Финансы и бизнес, №1

20. Шергин В.В. (2009) Стохастические граничные методы оценки эффективности деятельности банков, Экономика и управление, №8

21. Aigner D., Lovell С., Schmidt P. (1977) Formulation and Estimation of Stochastic Frontier Production Function Models, Journal of Econometrics, 6 (1), 21-37

22. Aikhathlan K. (2010) Are Saudi Banks Efficient? Evidence Using Data Envelopment Analysis (DEA), International Journal of Economics and Finance, 2 (2)

23. Akhavein J., Berger A., Humphrey D. (1997) The Effects Of Megamergers On Efficiency And Prices: Evidence From A Bank Profit Function, Review of Industrial Organization, 12

24. Alam I. (2001) A Nonparametric Approach for Assessing Productivity Dinamics of Large US Banks, Journal of Money, Credit and Banking, 33, 121-139

25. Al-Eraqi A. (2009) An Efficiency Analysis of Seaports Using Extended Window Analysis, Malmquist Index and Simar-Wilson Approach, Phd Thesis

26. Al-Faraj T. N., Alidi A. S., Bu-Bshait K. A. (1993) Evaluation of Bank Branches by Means of Data Envelopment Analysis, International Journal of Operations and Production Management, 13,45-52

27. Allen F. (2004) The Efficiency and Stability of Banks and Markets, National Bank of Belgium, Working Papers Research Series, No 52 - May

28. Allen F., Santomero A. (1998) The Theory of Financial Intermediation, Journal of Banking and Finance, 21, 1461-1485

29. Allen F., Santomero A. (2001) What Do Financial Intermediaries Do, Journal of Banking and Finance, 25, 271-294

30. Allen J., Engert W. (2007) Efficiency and Competition in Canadian Banking, Bank of Canada Review, October

31. Allen L., Rai A. (1997) Operational Efficiency in Banking: An International Comparison. Reply to the Comment, Journal of Banking and Finance, 21, 1451-1455

32. Aly H. Y., Grabowski R., Pasurka C., Rangan N. (1990) Technical, Scale, and Allocative Efficiencies in US Banking: an Empirical Investigation, Review of Economics and Statistics, 72, 211-218

33. Amable B., Chatelain J.-B., De Bandt O. (1998) Stability versus Efficiency of the Banking Sector and Economic Growth, Banque de Francc

34. Amel D., Barnes C., Panetta F., Salleo C. (2004) Consolidation and effciency in the financial sector: A review of the international evidence ,.Journal oj Banking and Finance, 28, 2493-2519

35. Asmild M. , Paradi J. , Aggarwall V., Schaffni C. (2004) Combining DEA Window Analysis with the Malmquist Index Approach in a Study of the Canadian Banking Industry, Journal of Productivity Analysis, 21 (1)

36. Athanassopoulos A. D. (1997) Service Quality and Operating Efficiency Synergies for Management Control in the Provision of Financial Services: Evidence from Greek Bank Branches, European Journal of Operational Research, 98, 301-314

37. Atkinson S., Wilson, P. (1995) Comparing mean efficiency and productivity scores from small samples: a bootstrap methodology, Journal of Productivity Analysis, 6, 137-152

38. Balk B. M. (1998) Industrial Price, Quantity and Productivity Indices: the Microeconomic Theory and an Application, Kluwer Academic Publishers Boston

39. Balk B. M. (2009) On the Relation between Gross Output- and Value Added-Based Productivity Measures: The Importance of the Domar Factor, Macroeconomic Dynamics, 13 (Supplement 2)

40. Balling M., Lierman F., Mullimeux A. (eds) (2004) Financial Markets in Central and Eastern Europe: Stability and efficiency peispectives, Routledge, London

41. Baltagi B. H., Griffin J. M. (1988) A General Index of Technological Change, Journal of Political Economy, 96, 20-41

42. Banker R. D. (1993) Maximum Likelihood, Consistency and Data Envelopment Analysis: a Statistical Foundation, Management Science, Oct., 1265-1273

43. Banker R. D. (1996) Hypothesis Tests using Data Envelopment Analysis, Journal of Productivity Analysis 7, 139-159

44. Banker R. D., Charnes A., Cooper W. W. (1984) Models for the Estimation of Technical and Scale Inefficiencies in Data Envelopment Analysis, Management Science, Sept., 1078-1092

45. Banker R., Thrall R. (1992) Estimating Most Productive Scale Size Using Data Envelopment Analysis, European Journal of Operational Research, 62, 74-84

46. Barr R., Seiford L., Siems T. (1993) An Envelopment-Analysis Approach to Measuring the Management Quality of Banks, Annals of Operational Resarch, 38

47. Barr R., Seiford L., Siems T. (1994) Forecasting Bank Failure: a Non-Parametric Approach, Recherches Economiques de Louvain, 60, 411-429

48. Bauer P., Berger A., Ferrier G., Humphrey D. (1998) Consistency Conditions for Regulatory Analysis of Financial Institutions: a Comparison of Frontier Efficiency Methods, Journal of Economics and Business, 50, 85-114

49. Bauer P., Hancock D. (1993) The Efficiency of Federal Reserve in Providing Check Processing Services, Journal of Banking and Finance, 17, 287-311

50. Berg S. A., Forsund F., Hjalmarsson L., Suominen M. (1993) Banking Efficiency in Nordic Countries, Journal of Banking and Finance, 17, 371-388

51. Berg S. A., Forsund F., Jansen E. (1991) Technical Efficiency of Norwegian Banks: a Nonparametric Approach to Efficiency Measurement, Journal of Productivity Analysis, 2, 127142

52. Berg S., Forsund F., Jansen E. (1992) Malmquist Indices of Productivity Growth during the Deregulation of Norwegian Banking, 1980-89, Scandinavian Journal of Economics, 94, 211228

53. Berg S., Kim M. (1994) Oligopolistic Interdependence and the Structure of Production in Banking: an Emperical Evaluation, Journal of Money, Credit and Banking, 26, 309-322

54. Berger A. (1993) "Distribution-Free" Estimates of Efficiency in the U.S. Banking Industry and Tests of the Standart Distributional Assumptions, Journal of Productivity Analysis 261-292

55. Berger A. (1993) "Distribution-Free" Estimates of Efficiency in the U.S. Banking Industry and Tests of the Standard Distributional Assumptions, Journal of Productivity Analysis, 4, 261-292

56. Berger A. (1995) The Profis-Structure Relationship in Banking: Tests of Market-Power and , Efficient-Structure Flypotheses, Journal oj Money, Credit and Banking, 27, 404-431

57. Berger A. N., Brockett P. L., Cooper W. W., Pastor J. T. (1997) Preface. New Approaches for Analyzing and Evaluating the Performance of Financial Institutions, European Journal of Operational Research, 98, 170-174

58. Berger A., De Young R. (1997) Problem Loans and Cost Efficiency in Commercial Banks, Journal of Banking and Finance, 21(6), 849-870

59. Berger A., DeYoung R. (1997) Problem Loans and Cost Efficiency in Commercial Banks, Journal of Banking and Finance, 21

60. Berger A., Hancock D., Humphrey D. (1993) Bank Efficiency Derived from the Profit Function, Journal of Banking and Finance, 17, 317-347

61. Berger A., Humphrey D. (1991) The Dominance of Inefficiencies over Scalc and Product Mix Economies in Banking, Journal of Monetary Economics, 28, 117-148

62. Berger A., Humphrey D. (1997) Efficiency of Financial Institutions: International Survey and Directions for Further Research, European Journal of Operational Research, 98, 175-212

63. Berger A., Humphrey D. (1997) Efficiency of Financial Institutions: International Survey and Directions for Future Research, European Journal of Operational Research, 98, 175-212

64. Berger A., Hunter W., Timme S. (1993) The Efficiency of Financial Institutions: a Review and Preview of Resarch Past, Present, and Future, Journal of Banking and Finance, 17, 221-249

65. Berger A., Leusner J., Mingo J. (1997) The Efficiency of Bank Branches, Journal of Monetary Economics, 40, 141-162

66. Bhattacharyya A., Lovell C. A. K., Sahay P. (1997) The Impact of Liberalization on the Productive Efficiency of Indian Commercial Banks, European Journal of Operational Research, 98, 333-346

67. Blejer M. (2006) Economic growth and the stability and efficiency of the financial sector, Journal of Banking and Finance, 30, 3429-3432

68. Bordo M., Redish A., Rockoff H. (1995) A Comparison of Stability and Efficiency of the Canadian and American Banking Systems 1870-1925, NBER, Historical Paper No. 67

69. Bos J., Kool C. (2006) Bank efficiency: The role of bank strategy and local market conditions, Journal of Banking and Finance, 30, 1953-1974

70. Bowlin W., Brennan J., Charnes A., Cooper W., Sueyoshi T. (1984) A Model for Measuring Amounts of Efficiency Dominance, Research Report, The University of Texas at Austin

71. Boyd J., Graham S. (1996) Consolidation in US Banking: Implications for Efficiency and Risk, Federal Reserve Bank of Minneapolis, Working Paper, 572

72. Bradley S., Hax A., Magnanti T. (1977) Applied Mathematical Programming, Addison-Wesley

73. Brockett P., Charnes A., Cooper W., Huang Z., Sun D. (1997) Data Transformations in DEA Cone Ratio Envelopment Approaches for Monitoring Bank Performances, European Journal of Operational Research, 98, 250-268

74. Bukh P., Berg S., Forsund F. (1995) Banking Efficiency in the Nordic Countries: a Four-Country Malmquist Indes Analysis, Working Paper, University of Aarhus, Denmark.

75. Caner S., Kontorovich V. (2004) Efficiency of the Banking Sector in the Russian Federation with International Comparison, Economic Journal of Higher School of Economics, 8, issue 3, 357-375

76. Canhoto A., Dermine J. (2003) A note on banking efficiency in Portugal, New vs. Old banks, Journal of Banking and Finance, 27(11), 2087-2098

77. Carletti E., Hartmann P. (2002) Competition and Stability: What's Special about Banking?, Bank of England Conference in Honour of Charles Goodhart, London, 15-16 November 2001

78. Castellani S., Pederzoli C., Torricelli C. (2008) Indebtedness, macroeconomic conditions and banks' loan losses: evidence from Italy, CEFIN Working Papers, No 9

79. Casu B., Girardone C., Molyneux P. (2004) Productivity Change in European Banking: A Comparison of Parametric and Non-Parametric Approaches, Journal of Banking and Finance, 28,2521-2540

80. Caves D. W., Christensen L. R., Diewert W. E. (1982a) Multilateral Comparisons of Output, Input, and Productivity Using Superlative Index Numbers, The Economic Journal, Vol. 92, No. 365 (Mar.), 73-86

81. Caves D. W., Christensen L. R., Diewert W. E. (1982b) The Economic Theory of Index Numbers and the Measurement of Input, Output, and Productivity, Econometrica, Vol. 50, No. 6 (Nov.), 1393-1414

82. Cebenoyan A., Cooperman E., Register C. (1993) Firm Inefficiency and the Regulatory Closure of S&Ls: an Empirical Investigation, Review of Economics and Statistics, 75, 540-545

83. Chaffai M. (1997) Estimating Input-Specific Technical Inefficiency: the Case of the Tunisian Banking Industry, European Journal of Operational Research, 98, 314-331

84. Charnes A., Cooper W. W. (1985) Preface to Topics in Data Envelopment Analysis, Annals of Operations Research, 2, 59-94

85. Charnes A., Cooper W. W., Huang Z. M., Sun D. B. (1990) Polyhedral Cone-ratio DEA Models with an Illustrative Application to Large Commercial Banks, Journal of Econometrics, 46, 7391

86. Charnes A., Cooper W., Rhodes E. (1978) Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2, 429-444.

87. Chen C. (2009) Bank Efficiency in Sub-Saharan African Middle-Income Countries, IMF Working Paper, WP/09/14

88. Cheng Yuk-shing (1998) Productivity Growth, Technical Progress and Efficiency Change in Chinese Agriculture, Department of Economics Hong Kong Baptist University

89. Chung Y., Fare R. (1995) Productivity and Undesirable Outputs: A Directional Distance Function Approach, Journal of Enviromental Management, 51, 229-240

90. Clark J. (1996) Economic Cost, Scale Efficicncy, and Competitive Viability in Banking, Journal of Money, Credit and Banking, 28

91. Coelli T., Prasada Rao D., O'Donnell C., Battese G. (2005) An Introduction To Efficiency And Productivity Analysis, Springer Science+Business Media, 2nd edition

92. Coelli T.J. (1996) A Guide to DEAP Verson 2.1: A Data Envelopment Analysis (Computer) Program, CEPA Working Paper, 96/08

93. Cooper, W. W, Seiford, L. M., Tone, K. (2000) Data Envelopment Analysis: A Comprehensive Text with Models, Applications, References, Klmver Academic Publishers.

94. Crockett A. (1997) Why Is Financial Stability a Goal of Public Policy?, Maintaining Financial Stability in a Global Economy, Proceedings, 7-36

95. Cullinane K., Song D.-W., Ji P., Wang T.-F. (2004) An Application of DEA Windows Analysis to Container Port Production Efficiency, Review of Network Economics, 3 (2)

96. Deprins D., Simar L., Tulkens H. (1984) Measuring Labour Efficiency in Post Offices, in Marchand M., Pestieau P., Tulkens H. (eds) The Performance of Public"Enterprises: Concepts and Measurement, 243-267

97. DeYoung R. (1997) A Diagnostic Test for the Distribution-Free Efficiency Estimator: an Example Using U.S. Commercial Bank Data, European Journal of Operational Research, 98, 243-249

98. DeYoung R. (1997) Bank Mergers, X-Efficiency, and the Market for Corporate Control, Managerial Finance, 23

99. DeYoung R., Nolle D. (1996) Foreign-Owned Banks in the US: Earning Market Share or Buing It?, Journal of Money, Credit and Banking, 28, 622-636

100. Dismuke C., Sena V. (2001) Is there a Trade-Off between Quality and Productivity? The Case of Diagnostic Technologies in Portugal, Annals of Operations Research, 107, 101-116

101. Dongili P., Zago A. (2005) Bad loans and efficiency in Italian Banks, Universita Degli Studi di Verona, Working Paper Series, September 2005 #28

102. Drake L. (2001) Efficiency and Productivity Change in UK Banking, Applied Financial Economics, 11(5), 557-571

103. Drake L., Howcroft B. (1997) A Study of the Relative Efficiency of UK Bank Branches, Journal of Banking and Finance

104. Drake L., Weyman-Jones T. (1992) Technical and Scale Efficiency in UK Building Societies, Applied Financial Economics, 2, 1 -9

105. Efron B., Tibshirani R. (1993) An Introduction to the Bootstrap, Monographs on Statistics and Applied Probability, No. 57, Chapman and Hall, London

106. Elyasiani E., Mehdian S, (1990) Efficiency in the Commercial Banking Industry: A Production Frontier Approach, Applied Economics, 22, 539-551

107. Elyasiani E., Mehdian S. M. (1992) Productive Efficiency Performance of Minority and Nonminority-Owned Banks: a Nonparametric Approach, Journal of Banking and Finance, 16, 933-948

108. Elyasiani E., Mehdian S. M. (1995) The Comparative Efficiency Performance of Small and Large US Commercial Banks in the Pre- and Post-Deregulation Eras, Applied Economics, 27, 1069-1079

109. Elyasiani E., Mehdian S. M., Rezvanian R. (1994) An Empirical Test of Association between Production and Financial Performance, Applied Financial Economics, 4, 55-59

110. English M., Grosskopf S., Hayes K., Yaisawarng S. (1993) Output Allocative and Technical Efficiency of Banks, Journal of Banking and Finance, 17, 349-366

111. Faere R., Grosskopf S., Lovell C., Pasurka C. (1989) Multilateral Productivity Comparisons When Some Outputs are Undesirable: A Nonparametric Approach, The Review of Economics and Statistics, 71, 90-98

112. Fare R., Grosskopf S. (2004) Modeling undesirable factors in efficiency evaluation: Comment, European Journal of Operational Research, 157, 242-245

113. Fare R., Grosskopf S., LIndgren B., Roos P. (1989) Productivity developments in Swedish hospitals. A Malmquist output index approach, Mimeo

114. Fare R., Grosskopf S., Norris M., Zhang Z. (1994) Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries, The American Economic Review, 84(1), 6683

115. Fare R., Grosskopf S., Russel R. (1998) Index Numbers: Essays in Honor of Sten Malmquist, Kluwer Academic Publishers

116. Fare R., Primont D. (1995) The opportunity cost of duality, Journal of Productivity Analysis, 7(2-3), 213-224

117. Farell M. (1957) The Measurement of Productive Efficiency, Journal of the Royal Statistical Society, Series A, 120 (3), 253-291

118. Favero C., Papi L. (1995) Technical Efficiency and Scale Efficiency in the Italian Banking Sector: a Non-Parametrica Approach, Applied Economics, 27, 385-395

119. Ferrier G., Grosskopf S., Hayes K., Yausawarng S. (1993) Economies of Diversification in the Banking Industry: a Frontier Approach, Journal of Monetary Economics, 31, 229-249

120. Ferrier G., Hirschberg J. (1997) Bootstrapping confidence intervals for linear programming efficiency scores: with an illustration using Italian banking data, Journal of Productivity Analysis, 8, 161-176

121. Ferrier G., Lovell C. A. K. (1990) Measuring Cost Efficiency in Banking: Econometric and Linear Programming Evidence, Journal of Econometrics, 46, 229-245

122. Festic M., Beko J., 2008 (2008) The Banking Sector and Macroeconomic Performance in Central European Economies, Czech Journal of Economics and Finance, 58 (3-4)

123. Feyzioglu T. (2009) Does Good Financial Performance Mean Good Financial Intermediation in China? IMF Working Paper, WP/09/170

124. Field K. (1990) Production Efficiency of British Building Societies, Applied Economics, 22, 415-426

125. Foxes Team (2006) Tutorial on Numerical Analysis with Optimiz.xla,

126. Fukuyama H. (1993) Technical and Scale Efficiency of Japanese Commercial Banks: a Non-Parametric Approach, Applied Economics, 25, 1101 -1112

127. Fukuyama H. (1995) Measuring Efficiency and Productivity Growth in Japanese Banking: a Nonparametric Frontier Approach, Applied Financial Economics, 5, 95-117

128. Gallego S., Herrero A., Saurina J. (2002) The Asian and European Banking Systems: The case of Spain in the quest for development and stability, KOBE Research Project

129. Gerlach S., Peng W., Shu C., 2005 (2005) Macroeconomic conditions and banking performance in Hong Kong SAR: a panel data study, In: Investigating the relationship between the financial and real economy, BIS

130. Gilbert A., Wilson P. (1998) Effects of Deregulation on the Productivity of Korean Banks, Journal of Economics and Business, 50(2), 133-155

131. Goto M., Tsutsui M. (1998) Comparison of Productive and Cost Effficiencies among Japanese and US Electric Utitilities, International Journal of Management Science, 26 (2), 177194

132. Grabowski R., Rangan N., Rezvanian R. (1993) Organizational Forms in Banking: An Empirical Investigation of Cost Efficiency, Journal of Banking and Finance, 17, 531-538

133. Grey II. P. (1994) The Efficiency of Financial Intermediation and International Competitiveness, Review of World Economics '

134. Grifell-Tatje E., Lovell C. (1997) The sources of productivity change in Spanish banking, European Journal of Operational Research, 98, 364-380

135. Grifell-Tatj E., Lovell C. A. K. (1996) Deregulation and Productivity Decline: the Case of Spanish Savings Banks, European Economic Review 40, 1281-1303

136. Grifell-Tatj E., Lovell C. A. K. (1997) The Sources of Productivity Change in Spanish Banking, European Journal of Operational Research, 98, 365-381

137. Grigorian D., Manle V. (2002) Determinants of Commercial Banks in Transition: An Application of Data Envelope Analysis, World Bank Policy Research Working Paper No. 2850, June

138. Grosskopf S. (1996) Statistical inference and nonparametric efficiency: a selective survey, Journal of Productivity Analysis, 1, 161-176

139. Grosskopf S. (2003) Some Remarks on Productivity and its Decompositions, Journal of Productivity Analysis, 163, 547-552

140. Guerrero R., Negrin J. (2005) Efficiency of the Mexican Banking System 1997-2004: A Dynamic Estimation, Bank of Mexico

141. Gumbau M., Maudos J. (2000) Profitability, Market Structure And Efficiency: An Application To The Spanish Industry, Instituto Valenciano de Investigaciones Econmicas, WP-EC 2000-05

142. Hailu A., Veeman T. S. (2001) Non-Parametric Productivity Analysis with Undesirable Outputs: An Application to the Canadian Pulp and Paper Industry, American Journal of Agricultural Economics, Vol. 83, No. 3 (Aug.), 605-616

143. Haldane A., Hoggarth G.,.Saporta V. () Assessing financial system stability, efficiency and structure at the Bank of England, BIS Papers No 1

144. Hancock, D. (1985a) Bank Profitability, Interest Rates, and Monetary Policy, Journal of Money, Credit, and Banking, Vol. 17, No. 2 (May), 189-202.

145. Hancock, D. (1985b) The Financial Finn: Production with Monetary and Nonmonetary Goods, The Journal of Political Economy, Vol. 93, No. 5 (Oct), 859-880.

146. Hefferman, S. (2005) Modern Banking, John Wiley & Sons, Ltd.

147. Hermalin B. E., Wallace N. E. (1994) The Determinants of Efficiency and Solvency in Savings and Loans, Rand Journal of Economics, 25, 361-381

148. Humphrey D., Pulley L. (1997) Banks' Responses to Deregulation: Profits, Technolohy, and Efficiency, Journal of Money, Credit and Banking, 73-93

149. Isik I., Hassan K. (2003) Efficiency, Ownership and Market Structure, Corporate Control and Governance in the Turkish Banking Industry, Journal of Business Finance & Accounting, 30, 1363-1421

150. Isik I., Hassan K. (2003b) Financial deregulation and total factor productivity change: An empirical study of Turkish commercial banks, Journal of Banking and Finance, 21, 1455-1485

151. Jansen D., Haan J. (2003) Increasing concentration in European banking: a macro-level analysis, De Nederlandsche Bank, Research Department, Research Memorandum WO no. 743

152. Jcmric I., Vujcic B. (2002) Efficiency of Banks in Croatia: a DEA Approach, Working Papers, Croatian National Bank, W-7, February

153. Johnes J. (2006) Efficiency and productivity change in the English higher education sector from 1996/97 to 2002/03, Lancaster University Management School Working Paper 2006/017

154. Kaparakis E., Miller S., Noulas A. (1994) Short-Run Cost Inefficiency of Commercial Banks: a Flexible Stochastic Frontier Approach, Journal of Money, Credit and Banking, 26, 875-893

155. Kirikal L. Malmquist Indexes of Productivity Change in Estonian Banking, Tallinn Technical University, Working Paper

156. Kisielewska M., Guzowska M., Nellis G., Zarzecki D. (2007) Polish Banking System Efficiency: a DEA Window Analysis Approach, Cranfield School of Management, Research Paper Series, RP 7/07

157. Kisielewska M., Guzowska M., Nellis J., Zarzecki D. (2005) Polish banking industry efficiency: DEA window analysis approach, International Journal of Banking and Finance, 3 (1)

158. Klopp G. (1985) The Analysis of the Efficiency of Productive Systems With Multiple Inputs and Output, Phd Thesis

159. Kneip A., Park B., Simar L. (1998) A Note on the Convergence of Nonparametric DEA Efficiency Measure, Econometric Theory

160. Lang G., Welzel P. (1996) Efficiency and Technical Progress in Banking: Empirical Results for a Pantel of German Banks, Journal of Banking and Finance, 20, 1003-1023

161. Leibenstein H. (1966) Allocative Efficiency vs. "X-Efficiency", American Economic Review, 56,392-415

162. Leibenstein H., Maital S. (1992) Empirical Estimation and Partitioning of X-Inefficiency: A Data-Envelopment Approach, American Economic Review, 82, No. 2, pp. 428-434

163. Lewin A. Y., Knox Lovell C. A. (1990) Frontier Analysis: Parametric and Nonparametric Approaches, Journal of Econometrics, 46, 1-5

164. Liang C., Yao M. (2008) The Impact of Non-Performing Loans on Bank's Operating Efficiency for Taiwan Banking Industry, Review of Pacific Basin Financial Markets and Policies, 11 (2), 287-304

165. Lothgren M., Tambour M. (1999) Bootstrapping the data envelopment analysis Malmquist productivity index, Applied Economics, 31, 417-425

166. Lovell C. A. K., Pastor J. T. (1997) Target Setting: an Application to a Bank Branch Network, European Journal of Operational Research, 98, 291-300

167. Lovell K. (2003) The Decomposition of Malmquist Productivity Indexes, Journal of Productivity Analysis, 20, 437-458

168. Lucchetti R., Papi L., Zazzaro A. (2001) Banks' Inefficiency and Economic Growth A Micro-Macro Approach, Scottish Journal of Political Economy, 48(4)

169. Malmquist S. (1953) Index Numbers, and Indifference Surfaces, Trabajos de Estadstica, 4

170. Matthews K., Guo J., Zhang N. (2007) Non-Performing Loans and Productivity in Chinese Banks: 1997-2006, Cardiff Business School Working Paper Series, E2007/30

171. McAllister P., McManus D. (1993) Resolving the Scale Efficiency Puzzle in Banking, Journal of Banking and Finance, 17, 393-415

172. McAllister P., McManus D. (1993) Resolving the Scale Efficiency Puzzle in Banking, Journal of Banking and Finance, 17

173. Meeusen W., Van Den Broeck (1977) Efficiency Estimation from Cobb-Douglas Production Functions with Composed Error, International Economic Review, 18 (2), 435-444

174. Mon P.-G., Weill G. (2006) Does financial intermediation matter for macroeconomic efficiency?, DULBEA 1 Universit Libre de Bruxelles, Working paper №06-13.RS

175. Mester L. (1993) Efficiency in the Savings and Loan Industry, Journal of Banking and Finance, 17, 267-286

176. Mester L. (1996) A Study of Bank Efficiency Taking into Account Risk-Preferences, Journal of Banking and Finance, 20, 1025-1045

177. Mester L. (1997) Measuring Efficiency in U.S. Banks: Accounting for Heterogeneity is Important, European Journal of Operational Research, 98, 230-242

178. Miller S. M., Noulas A. G. (1996) The Technical Efficiency of Large Bank Production, Journal of Banking and Finance, 20, 495-509

179. Mitchell K., Onvural N. (1996) Economies of Scale and Scope at Large Commercial Banks: Evidence from the Fourier Flexible Functional Form, Journal of Money, Credit and Banking, 28

180. Molyneux P., Altunbas Y., Gardener E. (1996) Efficiency in European Banking, John Wiley & Sons, Chichester, UK

181. Mukherjee K., Ray K., Miller S. (2001) Productivity growth in large US commercial banks: The initial post-regulation experience, Journal of Banking and Finance, 25, 913-939

182. Mullineaux, D. J. (1978) Economies of Scale and Organizational Efficiency in Banking: A Profit-Function Approach, The Journal of Finance, Vol. 33, No. 1 (Mar.), 259-280.

183. Murillo-Melchor C., Pastor JД Tortosa-Ausina E. (2005) Productivity growth in European banking, Fundacin de las Cajas de Ahorros, Documento de Trabajo, № 207/2005

184. Murillo-Zamorano L. (2004) Economic efficiency and frontier techniques, Journal of Economic Surveys, 18(1), 33-77

185. Neal P. (2004) X-Efficiency and Productivity Change in Australian Banking, Australian Economic Papers, 43, 174-192

186. Nenovsky N., Chobanov P., Mihaylova G., Koleva D. (2007) Efficiency of the Bulgarian Banking System: Traditional Approach and Data Envelopment Analysis,

187. Newman J., Shrieves R. (1993) Multibank Holding Company Effect on Cost Efficiency in Banking, Journal of Banking and Finance, 17, 709-732

188. Noulas A. (1997) Productivity Growth in the Hellenic Banking Industry: State versus Private Banks, Applied Financial Economics, 7, 223-228

189. Oks A. (2001) Efficiency Of The Financial Intermediaries And Economic Growth In CEEC, University of Tartu, Tartu University Press

190. Oral M., Yolalan R. (1990) An Empirical Study on Measuring Operating Efficiency and Profitability of Bank Branches, European Journal of Operational Research, 46, 282-294

191. Park K., Weber W. (2006) A note on efficiency and productivity growth in the Korean Banking Industry, 1992-2002, Journal of Banking and Finance, 30, 2371-2386

192. Pastor J. (1999) Efficiency and risk management in Spanish banking: a method to decompose risk, Applied Financial Economics, 9, 371-384

193. Pastor J. (2002) Credit risk and efficiency of the European banking system: A three-stage analysis, Applied Financial Economics, 12, 895-911

194. Pastor J., Perez F., Quesada J. (1997) Efficiency Analysis in Banking Firms: an International Comparison, European Journal of Operational Research, 98, 396-408

195. Peristiani S. (1997) Do Mergers Improve the X-Efficiency and Scale Efficiency of US Banks? Evidence from the 1980s, Journal of Money, Credit and Banking, 29

196. Pi L., Timme S. (1993) Corporate Control and Bank Efficiency, Journal of Banking and Finance, 17, 515-530

197. Pittman R. W. (1983) Multilateral Productivity Comparisons with Undesirable Outputs, The Economic Journal, Vol. 93, No. 372 (Dec.), 883-891

198. Poshakwale S., Qian B. (2009) Competitiveness and Efficiency of the Banking Sector and Economic Growth in Egypt, African Development Bank

199. Rangan N., Grabowski R., Aly H., Pasurka C. (1988) The Technical Efficiency of US Banks, Economic Letters, 28, 169-175

200. Ray S., Desli E. (1997) Productivity Growth, Technical Progress, and Efficiency Change in Industrialized Countries: Comment, The American Economic Review, 87(5), 1033-1039

201. Ruthenber D., Ellias R. (1996)'Cost Economies and Interest Rate Margins in a Unified European Banking Market, Journal of Economics and Business, 48, 231-249

202. Saha A., Ravisankar T. S. (2000) Rating of Indian commercial banks: A DEA approach, European Journal of Operational Research, 124, 187-203

203. Schaffnit C., Rosen D., Paradi J. (1997) Best Practice Analysis of Bank Branches: an Application of DEA in a Large Canadian Bank, European Journal of Operational Research, 98, 269-289

204. Sealey C., Lindley J. (1977) Inputs, Outputs, and a Theory of Production and Cost at Depository Financial Institutions, The Journal of Finance, 32, No. 4 (Sep.), 1251-1266

205. Seiford L. M., Thrall R. M. (1990) Recent Developmets in DEA: the Mathematical Programming Approach to Frontier Analysis, Journal of Econometrics, 46, 7-38

206. Seiford L., Zhu J. (2002) Modeling undesirable factors in efficiency evaluation, European Journal of Operational Research, 142, 16-20

207. Sherman D., Gold F. (1985) Branch Operating Efficiency: Evaluation with Data Envelopment Analysis, Journal of Banking and Finance, 9, 297-315

208. Sherman D., Ladino G. (1995) Managing Bank Productivity Using Data Envelopment Analysis (DEA), Interfaces, 25, 60-73

209. Simar L. (1996) Aspects of Statistical Analysis in DEA-type Frontier Models, Journal of Productivity Analysis, 7, 177-185

210. Simar L., Wilson P. (1998) Sensitivity analysis of efficiency scores: how to bootstrap in nonparametric frontier models, Management Science, 44, 49-61

211. Simar L., Wilson P. (1999) Estimating and bootstrapping Malmquist indices, European Journal of Operational Research, 11, 459-471

212. Simar L., Wilson P. (2000) Statistical inference in nonparametric frontier models: The state of the art, Journal of Productivity Analysis, 13 (1), 49-78

213. Styrin K. (2005) What Explains Differences in Efficiency Across Russian Banks? EERC, Moscow.

214. Sueyoshi T., Aoki S. (2001) A use of a nonparametric statistic for DEA frontier shift: the Kruskal and Wallis rank test, International Journal of Management Science, 29, 1-18

215. Taylor W. MД Thompson R. G., Thrall R. M., Dharmapala P. S. (1997) DEA/AR Efficiency and Profitabilith of Mexican Banks: a Total Income Model, European Journal of Operational Research, 98, 347-364

216. Thompson R. G., Brinkmann E. J., Dharmapala P. S., Gonzalez-Lima M. D., Thrall R. M. (1997) DEA/AR Profit-Ratios and Sensitivity of 100 Large US Commercial Banks, European Journal of Operational Research, 98, 213-229

217. Thompson R. G., Dharmapala P. S., Humphrey D. B., Talor W. M., Thrall R. M. (1996) Computing DEA/AR Efficiency and Profit Ratio Measures with an Illustrative Bank Application, Annals of Operational Resarch 68

218. Thore S., Kozmemtsky G., Phillips F. (1994) DEA of Financial Statements Data: The U.S. Computer Industry, The Journal of Productivity Analysis, 5, 229-248

219. Tomova M. () X-Efficiency of European Banking Inequality and Convergence, Free University of Brussels

220. Tortosa-Ausina E. (2002) Exploring efficiency differences over time in the Spanish banking industry, European Journal of Operational Research, 139, 643-664

221. Tortosa-Ausina E., Grifell-Tatje E., Armero C., Conesa D. (2008) Sensitivity analysis of Efficiency and Malmquist productivity indices: An application to Spanish Savings banks, European Journal of Operational Research, 184, 1062-1084

222. Vassiloglou M., Giokas D. (1990) A Study of the Relative Efficiency of Bank Branches: an Application of Data Envelopment Analysis, Journal of Operational Research Society, 41, 591597

223. Vencheh H., Matin K., Kajani T., 2005 (2005) Undesirable factors in efficiency measurement, Applied Mathematics and Computation, 142, 16-20

224. Vivas A. (1997) Profit Efficiency for Spanish Savings Banks, European Journal of Operational Research, 98, 381-384

225. Webb R. (2003) Levels of efficiency in UK retail banks: a DEA window analysis, International Journal of the Economics of Business, 10: 3, 305-322

226. Wheelock D., Wilson P. (1997) New Evidence on Returns to Scale and Product Mix among U.S. Commercial Banks, Working Paper, Department of Economics, University of Texas at Austin

227. Wheelock D., Wilson P. (1999) Technical progress, inefficiency and productivity change in U.S. banking, 1984-1993, Journal of Money, Credit and Banking, 31, 212-234

228. Wooldridge J. (2001) Econometric Analysis of Cross Section and Panel Data, The MIT Press

229. Wooldridge J. (2005) Introductory Econometrics: A Modern Approach, South-Western College Pub\ 3 edition

230. Worthington A. (1999) Malmquist Indices of Productivity Change in Australian Financial Services, Journal of International Financial Markets and Money, 9, 303-320

231. Yue P. (1992) Data Envelopment Analysis and Commercial Bank Performance: A Primer With Applications to Missouri Banks, Federal Reserve Bank of St. Louis Review, 74-1

232. Zaim O. (1995) The Effect of Financial Liveralizton on the Efficiency of Turkish Commercial Banks, Applied Financial Economics, 5, 257-264

Похожие диссертации

• Развитие банковской системы в период трансформации экономики России
• Формирование денежных потоков региональной банковской системы
• Роль инвестиционных банков в формировании инвестиционного потенциала российской банковской системы
• Обеспечение устойчивости и безопасности банковской системы России при переходе к модернизационному развитию
• Эволюция банковских систем: теория, методология исследования и российская практика