Исследование российского рынка банковских слуг
Московский Государственный ниверситет имени М. В. Ломоносова
Проект по эконометрике
на тему
Исследование российского рынка банковских слуг
выполнил:
Бачманов Сергей
(204 группа)
2006 г.
Введение
Целью данной работы является построение адекватной модели, описывающей образование прибыли н рынке банковских слуг в зависимости от различных параметров.
Основные предпосылки и допущения:
1.
рассматривается рынок банковских слуг в РФ
2.
рассматриваются банки, которые не несли существенных бытков в течение продолжительного периода времени. Предполагается, что отрицательная прибыль свидетельствует о недостаточной квалификации правляющего банка, этот параметр невозможно учесть в модели
3.
предполагается,
что в выборку включены банки, не связанные с теневой экономикой: образование прибыли происходит в соответствии с законодательством РФ.
При этом основными требованиями к модели являются следующие: а) выявление факторов, влияющих на прибыль банка; б) верифицируемость модели.
Работа состоит из 5
частей:
1)
2)
3)
4)
5)
Описание данных
Источники данных:
Данные по количественным признакам и способу привлечения средств получены с сайтов.banks-rate.ru и.fundz.ru информация об ровне надежности с.investfunds.ru. Выборка является пространственной, информация о банках собиралась 5-25 апреля, так что наблюдения можно считать одномоментными. Все количественные параметры приведены в тысячах рублей.
Данные содержали следующую информацию:
Ø чистые активы
Ø аработающие активы
Ø акредиты, выданные коммерческим организациям
Ø асобственный капитал
Ø афактическая прибыль
Ø асредства юридических лиц
Ø асредства частных лиц
Ø ауставной фонд
Ø ликвидные активы
Ø суммарные обязательства
Ø обязательства до востребования
Ø средства бюджетных организаций
Ø привлеченные средства других банков
Ø выпуск кредитных карт
Ø ориентация банка на обслуживание граждан, коммерческих организаций или бюджетных организаций
Ø ровень надежности
Всего было отобрано 210 наблюдений.
Проверк однородности данных:
Сначала была проведена сортировка данных по величине прибыли, затем построена диаграмма.
По графику видно, что данные неоднородны, и необходимо исключить из выборки банки, прибыль которых более 2
млрд. и менее -500 млн. рублей.
Новая диаграмма отражает плавное изменение величины прибыли и казывает на однородность данных. После сортировки в выборке остались данные по 188 банкам.
Предварительный анализ данных
Комментарии к регрессорам, включенным в первоначальную модель:
Выпуск кредитных карт (
Ориентация банка на обслуживание граждан, коммерческих организаций или бюджетных организаций (
Чистые активы (
Ликвидные активы (
работающие активы (rabakt)
кредиты, выданные коммерческим организациям (
собственный капитал (
фактическая прибыль (
средства юридических лиц (
средства частных лиц (
уставной фонд (
суммарные обязательства (
обязательства до востребования (
средства бюджетных организаций (srbudjetorg)
привлеченные средства других банков (
Построение модели.
Ожидания относительно знаков коэффициентов параметров на основе эмпирико-логических соображений:
ожидаемые знаки коэффициентов
|
sobkap
|
+
|
privsrdrbank
|
-
|
likvakt
|
+
|
sumobaz
|
+
|
rabakt
|
+
|
obazdovos
|
-
|
kredkommorg
|
-
|
chakt
|
+
|
srurlits
|
+
|
ustfond
|
+
|
srchlits
|
+
|
nadc
|
+
|
kredkart
|
+
|
nadb
|
<+
|
nada
|
+
|
nadd
|
<-
|
Сначала следует рассмотреть модель, в которую включены все регрессоры:
FACTPRIB CHASTN CHAKT C KREDKART
KREDKOMMORG LIKVAKT NADA NADB NADC OBAZDOVOS PRIVSRDRBANK RABAKT SOBKAP
SRBUDJETORG SRCHLITS SRURLITS SUMOBAZ URID USTFOND
Dependent
Variable: FACTPRIB
|
Method:
Least Squares
|
Date:
05/11/06 Time: 14:26
|
Sample:
1 188
|
Included
observations: 188
|
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
CHASTN
|
-38562.44
|
403146.5
|
-0.095654
|
0.9239
|
CHAKT
|
0.390
|
0.017
|
0.022374
|
0.9822
|
C
|
-31031.80
|
455112.7
|
-0.068185
|
0.9457
|
KREDKART
|
-126509.7
|
122003.9
|
-1.036931
|
0.3012
|
KREDKOMMORG
|
-0.043066
|
0.014
|
-4.304699
|
0.
|
LIKVAKT
|
-0.058559
|
0.022
|
-2.395787
|
0.0177
|
NADA
|
155861.6
|
237730.7
|
0.655623
|
0.5130
|
NADB
|
37945.04
|
224776.6
|
0.168812
|
0.8661
|
NADC
|
24925.58
|
218431.4
|
0.114112
|
0.9093
|
OBAZDOVOS
|
0.021043
|
0.011016
|
1.910313
|
0.0578
|
PRIVSRDRBANK
|
0.011
|
0.015564
|
0.749547
|
0.4546
|
RABAKT
|
-0.148
|
0.012834
|
-0.011567
|
0.9908
|
SOBKAP
|
0.529484
|
0.042067
|
12.58669
|
0.
|
SRBUDJETORG
|
-0.008079
|
0.017182
|
-0.470193
|
0.6388
|
SRCHLITS
|
0.003690
|
0.020046
|
0.184087
|
0.8542
|
SRURLITS
|
-0.034925
|
0.017205
|
-2.029897
|
0.0439
|
SUMOBAZ
|
0.706
|
0.002675
|
0.263889
|
0.7922
|
URID
|
-17825.14
|
402456.1
|
-0.044291
|
0.9647
|
USTFOND
|
-0.403681
|
0.038156
|
-10.57969
|
0.
|
R-squared
|
0.667580
|
Mean dependent var
|
378819.5
|
Adjusted
R-squared
|
0.632174
|
S.D. dependent var
|
703430.8
|
S.E.
of regression
|
426621.2
|
Akaike info criterion
|
28.86077
|
Sum
squared resid
|
3.08E+13
|
Schwarz criterion
|
29.18785
|
Log
likelihood
|
-2693.912
|
F-statistic
|
18.85515
|
Durbin-Watson
stat
|
2.081729
|
|
0.
|
Ожидания в отношении знаков коэффициентов подтвердились только для следующих параметров: SOBKAP, NADA, NADB, KREDKOMMORG, SUMOBAZ, CHAKT. Модель показывает, что собственный капитал банка важен для получения высокой прибыли; кредиты, выданные коммерческим организациям, снижают фактическую прибыль (средства, направленные на выдачу кредитов, поступают за счет сокращения прибыли в текущем периоде).
В целом же модель неудачная, и адовольно малы, значение F<-статистики тоже не большое. В этой модели 13 из 19 регрессоров незначимы. Велико значение Sum squared resid (3.08E+13) и стандартных ошибок модели (426621.2).
Проверим модель на гетероскедастичность:
White Heteroskedasticity Test:
|
F-statistic
|
5.439868
|
|
0.
|
Obs*R-squared
|
95.81897
|
|
0.
|
Тест айта
Для лучшения модели надо исключить некоторые незначимые переменные: CHASTN,
CHAKT, RABAKT, PRIVSRDRBANK, NADA, NADB, NADC, SUMOBAZ.
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
-37696.29
|
75414.85
|
-0.499852
|
0.6178
|
KREDKART
|
-142891.6
|
117257.7
|
-1.218612
|
0.2246
|
KREDKOMMORG
|
-0.038125
|
0.006146
|
-6.202821
|
0.
|
LIKVAKT
|
-0.075415
|
0.018988
|
-3.971669
|
0.1
|
OBAZDOVOS
|
0.028094
|
0.008035
|
3.496584
|
0.6
|
SOBKAP
|
0.545392
|
0.035577
|
15.33007
|
0.
|
SRBUDJETORG
|
-0.003419
|
0.001680
|
-2.035163
|
0.0433
|
SRCHLITS
|
0.826
|
0.014256
|
0.057910
|
0.9539
|
SRURLITS
|
-0.034634
|
0.009259
|
-3.740397
|
0.2
|
URID
|
27537.09
|
91438.25
|
0.301155
|
0.7636
|
USTFOND
|
-0.420058
|
0.032421
|
-12.95644
|
0.
|
R-squared
|
0.659513
|
Mean dependent var
|
378819.5
|
Adjusted
R-squared
|
0.640277
|
S.D. dependent var
|
703430.8
|
S.E.
of regression
|
421896.1
|
Akaike info criterion
|
28.79963
|
Sum
squared resid
|
3.15E+13
|
Schwarz criterion
|
28.98900
|
Log
likelihood
|
-2696.166
|
F-statistic
|
34.28
|
Durbin-Watson
stat
|
2.050497
|
|
0.
|
а и ауменьшились незначительно, зато значение F<-статистики величилось вдвое. Стандартные ошибки почти не изменились.
White Heteroskedasticity Test:
|
F-statistic
|
7.432828
|
|
0.
|
Obs*R-squared
|
83.06950
|
|
0.
|
Тест айта по-прежнему показывает наличие гетероскедастичности.
Очевидно, что дальше исключать переменные бессмысленно и следует построить полулогарифмические и логарифмические модели.
Логарифмическая модель:
Даже если судить по графику, доказывающему однородность данных, видно, что эту выборку лучше отражает логарифмическая модель. Вернем в модель все исключенные регрессоры.
log(FACTPRIB) C
log(CHAKT) CHASTN KREDKART log(KREDKOMMORG) log(LIKVAKT) NADA NADB NADCа
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
-5.860698
|
2.403132
|
-2.438775
|
0.0168
|
LOG(CHAKT)
|
0.009676
|
0.810
|
0.011816
|
0.9906
|
CHASTN
|
0.794260
|
0.914271
|
0.868736
|
0.3874
|
KREDKART
|
-0.353906
|
0.260594
|
-1.358074
|
0.1780
|
LOG(KREDKOMMORG)
|
-0.649195
|
0.244
|
-2.667920
|
0.0091
|
LOG(LIKVAKT)
|
0.105788
|
0.149088
|
0.709568
|
0.4799
|
NADA
|
1.040718
|
0.587033
|
1.772844
|
0.0798
|
NADB
|
1.198949
|
0.557710
|
2.149770
|
0.0344
|
NADC
|
0.670819
|
0.527920
|
1.270682
|
0.2073
|
LOG(OBAZDOVOS)
|
-0.206006
|
0.252990
|
-0.814285
|
0.4178
|
LOG(PRIVSRDRBANK)
|
-0.017250
|
0.044849
|
-0.384634
|
0.7015
|
LOG(RABAKT)
|
0.295992
|
0.605443
|
0.44
|
0.6262
|
LOG(SOBKAP)
|
1.136590
|
0.280941
|
4.045649
|
0.1
|
LOG(SRBUDJETORG)
|
-0.019563
|
0.027180
|
-0.719778
|
0.4736
|
LOG(SRCHLITS)
|
0.105197
|
0.146548
|
0.717831
|
0.4748
|
LOG(SRURLITS)
|
0.301929
|
0.301
|
1.002349
|
0.3190
|
LOG(SUMOBAZ)
|
0.179709
|
0.427042
|
0.420822
|
0.6749
|
URID
|
0.439510
|
0.907740
|
0.484181
|
0.6295
|
LOG(USTFOND)
|
-0.134627
|
0.077598
|
-1.734922
|
0.0864
|
R-squared
|
0.758589
|
Mean
dependent var
|
11.91081
|
Adjusted R-squared
|
0.707466
|
S.D.
dependent var
|
1.371162
|
S.E. of regression
|
0.741612
|
Akaike info
criterion
|
2.403663
|
Sum squared resid
|
46.74897
|
Schwarz
criterion
|
2.886773
|
Log likelihood
|
-105.9905
|
F-statistic
|
14.83869
|
Durbin-Watson stat
|
2.210531
|
|
0.
|
Эта модель заметно лучше двух предыдущих. Значения аи авысоки. Резко снизились значения стандартных ошибок. При этом при переходе к логарифмическому варианту стали значимы параметры NADB и NADA (близок к надежному ровню). У всех регрессоров низки их среднеквадратические ошибки.
Попробуем лучшить модель 3, бирая незначимые переменные.
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
-5.851245
|
2.251837
|
-2.598432
|
0.0110
|
LOG(CHAKT)
|
0.567572
|
0.310173
|
1.829855
|
0.0706
|
KREDKART
|
-0.362751
|
0.256686
|
-1.413214
|
0.1611
|
LOG(KREDKOMMORG)
|
-0.590479
|
0.168095
|
-3.512759
|
0.7
|
LOG(LIKVAKT)
|
0.033848
|
0.133881
|
0.252823
|
0.8010
|
NADA
|
0.986436
|
0.551014
|
1.790218
|
0.0768
|
NADB
|
1.182327
|
0.506423
|
2.334661
|
0.0218
|
NADC
|
0.664920
|
0.485634
|
1.369181
|
0.1744
|
LOG(OBAZDOVOS)
|
-0.170145
|
0.213904
|
-0.795424
|
0.4285
|
LOG(PRIVSRDRBANK)
|
-0.033436
|
0.042468
|
-0.787321
|
0.4332
|
LOG(SOBKAP)
|
1.103629
|
0.266809
|
4.136404
|
0.1
|
LOG(SRBUDJETORG)
|
-0.012144
|
0.024270
|
-0.500383
|
0.6180
|
LOG(SRCHLITS)
|
0.235952
|
0.095926
|
2.459730
|
0.0158
|
LOG(SRURLITS)
|
0.122124
|
0.199038
|
0.613573
|
0.5411
|
LOG(USTFOND)
|
-0.126844
|
0.075840
|
-1.672528
|
0.0979
|
R-squared
|
0.753058
|
Mean dependent var
|
11.91081
|
Adjusted R-squared
|
0.714213
|
S.D. dependent var
|
1.371162
|
S.E. of regression
|
0.733010
|
Akaike info criterion
|
2.349391
|
Sum squared resid
|
47.81997
|
Schwarz criterion
|
2.730794
|
Log likelihood
|
-107.1683
|
F-statistic
|
19.38634
|
Durbin-Watson stat
|
2.099624
|
|
0.
|
Некоторые параметры не были значимы ни в одной из 4-х моделей, так что их можно исключить из рассматриваемой модели. Очевидно, что ориентация банка на обслуживание определенных групп клиентов (URID, CHASTN, BUDJET) и величина суммарных обязательств не отражается на прибыли.
Проверим модель на гетероскедастичность:
White
Heteroskedasticity Test:
|
F-statistic
|
1.551641
|
|
0.075856
|
Obs*R-squared
|
33.31828
|
|
0.097534
|
Тест айта показывает, что с вероятностью 7,5% гипотеза о гомоскедастичности принимается. В этой модели опять присутствует гетероскедастичность.
Полулогарифмическая модель:
LOG(FACTPRIB) C CHAKT
KREDKART KREDKOMMORG LIKVAKT NADA NADB NADC OBAZDOVOS PRIVSRDRBANK RABAKT
SOBKAP SRBUDJETORG SRCHLITS SRURLITS SUMOBAZ USTFOND
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
10.65427
|
0.454848
|
23.42379
|
0.
|
CHAKT
|
6.59E-08
|
3.54E-08
|
1.860021
|
0.0646
|
KREDKART
|
-0.089389
|
0.250501
|
-0.356840
|
0.7216
|
KREDKOMMORG
|
-3.05E-08
|
1.87E-08
|
-1.625173
|
0.1060
|
LIKVAKT
|
-9.53E-08
|
4.57E-08
|
-2.083041
|
0.0387
|
NADA
|
1.455838
|
0.498505
|
2.920411
|
0.0040
|
NADB
|
1.020678
|
0.477091
|
2.139378
|
0.0338
|
NADC
|
0.215731
|
0.463742
|
0.465195
|
0.6424
|
OBAZDOVOS
|
1.06E-08
|
2.07E-08
|
0.510300
|
0.6105
|
PRIVSRDRBANK
|
5.96E-09
|
3.27E-08
|
0.182004
|
0.8558
|
RABAKT
|
-5.15E-08
|
2.37E-08
|
-2.172894
|
0.0312
|
SOBKAP
|
5.80E-07
|
8.89E-08
|
6.527722
|
0.
|
SRBUDJETORG
|
4.47E-08
|
2.94E-08
|
1.523607
|
0.1294
|
SRCHLITS
|
-6.83E-09
|
3.64E-08
|
-0.184
|
0.8513
|
SRURLITS
|
-8.05E-08
|
3.60E-08
|
-2.234290
|
0.0268
|
USTFOND
|
-4.88E-07
|
7.55E-08
|
-6.463891
|
0.
|
R-squared
|
0.600377
|
Mean dependent var
|
11.87388
|
Adjusted R-squared
|
0.565526
|
S.D. dependent var
|
1.375794
|
S.E. of regression
|
0.906850
|
Akaike info criterion
|
2.723586
|
Sum squared resid
|
141.4488
|
Schwarz criterion
|
2.028
|
Log likelihood
|
-240.0171
|
F-statistic
|
17.22703
|
Durbin-Watson stat
|
2.002770
|
|
0.
|
Эта модель немного хуже предыдущей из-за меньшившихся аи , но зато стандартные ошибки очень малы и количество незначимых параметров сократилось до пяти. Проверим модель на гетероскедастичность.
Тест айта:
White
Heteroskedasticity Test:
|
F-statistic
|
0.670657
|
|
0.884238
|
Obs*R-squared
|
18.37158
|
|
0.861839
|
White
Heteroskedasticity Test:
|
F-statistic
|
0.504944
|
|
0.452
|
Obs*R-squared
|
87.11601
|
|
0.985155
|
моь
Тест айта показал хорошие результаты: с вероятностью 88% (
Тест Голдфелда-Квандта:
Сначала порядочим выборку по величине собственного капитала. Возьмем первые 60 и последние 60 наблюдений и найдем их RSS.
Первые 60 наблюдений
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
9.478872
|
0.848203
|
11.17524
|
0.
|
CHAKT
|
6.32E-08
|
4.34E-07
|
0.145570
|
0.8851
|
KREDKART
|
0.036231
|
0.873700
|
0.041468
|
0.9672
|
KREDKOMMORG
|
-1.28E-07
|
2.32E-07
|
-0.551190
|
0.5851
|
LIKVAKT
|
-1.57E-07
|
4.19E-07
|
-0.375388
|
0.7097
|
OBAZDOVOS
|
1.80E-07
|
9.24E-08
|
1.945687
|
0.0600
|
PRIVSRDRBANK
|
2.84E-08
|
3.68E-07
|
0.077162
|
0.9389
|
RABAKT
|
8.19E-08
|
3.34E-07
|
0.245401
|
0.8076
|
SOBKAP
|
1.43E-06
|
1.19E-06
|
1.203372
|
0.2371
|
SRBUDJETORG
|
-1.00E-06
|
5.39E-07
|
-1.860638
|
0.0715
|
SRCHLITS
|
2.74E-07
|
3.45E-07
|
0.793853
|
0.4328
|
SRURLITS
|
4.06E-08
|
3.54E-07
|
0.114816
|
0.9093
|
USTFOND
|
-1.26E-06
|
8.64E-07
|
-1.460503
|
0.1533
|
R-squared
|
0.480953
|
Mean
dependent var
|
10.72953
|
|
Adjusted R-squared
|
0.251962
|
S.D.depende
|
1.054286
|
|
S.E. of regression
|
0.911844
|
Akaike info
criterion
|
2.907641
|
|
Sum squared resid
|
28.26960
|
Schwarz
criterion
|
3.519488
|
Log likelihood
|
-56.69102
|
F-statistic
|
2.100313
|
Durbin-Watson stat
|
1.641794
|
|
0.036209
|
Последние 60 наблюдений.
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
8.188369
|
0.668328
|
12.25203
|
0.
|
CHAKT
|
6.28E-07
|
3.52E-07
|
1.786155
|
0.0805
|
KREDKART
|
-0.193628
|
0.722050
|
-0.268164
|
0.7897
|
KREDKOMMORG
|
-1.46E-07
|
1.50E-07
|
-0.972834
|
0.3356
|
LIKVAKT
|
-6.09E-08
|
3.69E-07
|
-0.164867
|
0.8698
|
OBAZDOVOS
|
-8.61E-08
|
2.08E-07
|
-0.413992
|
0.6808
|
PRIVSRDRBANK
|
-9.58E-08
|
3.17E-07
|
-0.302349
|
0.7637
|
RABAKT
|
-4.60E-08
|
2.44E-07
|
-0.188680
|
0.8512
|
SOBKAP
|
7.02E-07
|
3.16E-07
|
2.223895
|
0.0310
|
SRBUDJETORG
|
-2.78E-07
|
5.73E-07
|
-0.485100
|
0.6299
|
SRCHLITS
|
4.39E-08
|
3.04E-07
|
0.144302
|
0.8859
|
SRURLITS
|
3.53E-08
|
2.63E-07
|
0.134035
|
0.8939
|
USTFOND
|
-4.27E-07
|
3.39E-07
|
-1.258141
|
0.2146
|
R-squared
|
0.624625
|
Mean dependent var
|
10.97100
|
Adjusted R-squared
|
0.528785
|
S.D. dependent var
|
1.177533
|
S.E. of regression
|
0.808319
|
Akaike info criterion
|
2.601416
|
Sum squared resid
|
30.70884
|
Schwarz criterion
|
3.055191
|
Log likelihood
|
-65.04249
|
F-statistic
|
6.517345
|
Durbin-Watson stat
|
1.680326
|
|
0.1
|
RSS1=28.26960 и RSS2=30.70884
30.70884/28.26960=1,08628<
Тест Бреуша-Пагана
Сначала надо сформировать в Excel вектор квадратов остатков а
а<- объясняемая переменная.
ariable
|
Coefficient
|
Std.
Error
|
t-Statistic
|
Prob.
|
C
|
-1.742633
|
0.205461
|
-8.481573
|
0.
|
CHAKT
|
5.06E-09
|
5.23E-08
|
0.096786
|
0.9230
|
KREDKART
|
-0.056200
|
0.557820
|
-0.100749
|
0.9199
|
KREDKOMMORG
|
2.59E-09
|
3.18E-08
|
0.081643
|
0.9350
|
LIKVAKT
|
5.68E-08
|
5.60E-08
|
1.014630
|
0.3117
|
OBAZDOVOS
|
1.01E-08
|
3.15E-08
|
0.320031
|
0.7493
|
PRIVSRDRBANK
|
1.79E-08
|
5.69E-08
|
0.314465
|
0.7535
|
RABAKT
|
1.30E-09
|
4.29E-08
|
0.030329
|
0.9758
|
SOBKAP
|
-7.73E-08
|
1.00E-07
|
-0.770216
|
0.4422
|
SRBUDJETORG
|
-1.43E-08
|
5.00E-08
|
-0.285660
|
0.7755
|
SRCHLITS
|
-7.37E-09
|
4.11E-08
|
-0.179269
|
0.8579
|
SRURLITS
|
-1.65E-08
|
4.77E-08
|
-0.345334
|
0.7303
|
USTFOND
|
1.58E-08
|
9.13E-08
|
0.173240
|
0.8627
|
R-squared
|
0.110353
|
Mean dependent var
|
-1.745385
|
Adjusted R-squared
|
0.049349
|
S.D. dependent var
|
2.368217
|
S.E. of regression
|
2.309043
|
Akaike info criterion
|
4.578185
|
Sum squared resid
|
933.0438
|
Schwarz criterion
|
4.801982
|
Log likelihood
|
-417.3494
|
F-statistic
|
1.608940
|
Durbin-Watson stat
|
1.934784
|
|
0.049826
|
Полученное значение F<-статистики и сравниваем его
Тест Спирмена
Расчеты рангового коэффициента Спирмена между абсолютными величинами остатков и значениями величины собственного капитала банка приведены в прилагающейся таблице Excel.
Это значение больше чем 2,58,
следовательно гипотеза об отсутствии гетероскедастичности отвергается при 1%
уровне значимости.
Вывода
Три теста из четырех показали отсутствие гетероскедастичности, из чего можно сделать вывод, что модель достаточно стойчива.
Теперь приведем гистограмму и основные статистики остатков модели.
SHAPEа * MERGEFORMAT
<
Как мы видим, гипотеза о нормальности отвергается со 100% вероятностью. Так могло произойти в результате действия факторов, не учитывающихся в математическойа модели, такие как репутация банка или большая известность.
Протестируем с помощью F<-статистики гипотезу о том, что коэффициенты при NADB и NADC равны:
Null Hypothesis:
|
C(6)=C(7)
|
F-statistic
|
29.46654
|
|
Probability
|
0.
|
Chi-square
|
29.46654
|
|
Probability
|
0.
|
Выясняется, что для банков с разными уровнями надежности нельзя применять одинаковые модели.
Интерпретация результатов
|
BUDJET
|
CHAKT
|
CHASTN
|
FACTPRIB
|
KREDKART
|
KREDKOMMORG
|
Mean
|
0.073
|
45416161
|
0.234637
|
943286.7
|
0.732
|
20103364
|
Median
|
0.
|
10558716
|
0.
|
149009.0
|
0.
|
4208453.
|
Maximum
|
1.
|
2.24E+09
|
1.
|
41825923
|
1.
|
1.19E+09
|
Minimum
|
0.
|
258986.0
|
0.
|
569.
|
0.
|
0.
|
Std. Dev.
|
0.105406
|
1.94E+08
|
0.424960
|
3395582.
|
0.315920
|
92998103
|
Skewness
|
9.301145
|
9.369413
|
1.252387
|
10.05142
|
2.464911
|
11.29334
|
Kurtosis
|
87.51130
|
99.21153
|
2.568474
|
119.1300
|
7.075786
|
140.5772
|
|
|
|
|
|
|
|
Jarque-Bera
|
55849.53
|
71658.19
|
48.18166
|
103598.5
|
305.1590
|
144972.4
|
|
0.
|
0.
|
0.
|
0.
|
0.
|
0.
|
|
|
|
|
|
|
|
Observations
|
179
|
179
|
179
|
179
|
179
|
179
|
LIKVAKT
|
NADA
|
NADB
|
NADC
|
NADD
|
OBAZDOVOS
|
PRIVSRDRBANK
|
2597841.
|
0.290503
|
0.279330
|
0.430168
|
0.
|
13826478
|
10410316
|
812688.0
|
0.
|
0.
|
0.
|
0.
|
3206633.
|
910095.0
|
50530293
|
1.
|
1.
|
1.
|
0.
|
4.91E+08
|
9.51E+08
|
-12694.00
|
0.
|
0.
|
0.
|
0.
|
72320.00
|
0.
|
6391327.
|
0.455268
|
0.449928
|
0.496488
|
0.
|
52093055
|
72084529
|
5.284194
|
0.922907
|
0.983665
|
0.282094
|
NA
|
8.091847
|
12.54730
|
34.43145
|
1.851757
|
1.967597
|
1.079577
|
NA
|
71.95619
|
163.7638
|
|
|
|
|
|
|
|
8201.383
|
35.24427
|
36.81615
|
29.88056
|
NA
|
37417.48
|
197457.4
|
0.
|
0.
|
0.
|
0.
|
NA
|
0.
|
0.
|
|
|
|
|
|
|
|
179
|
179
|
179
|
179
|
179
|
179
|
179
|
RABAKT
|
RESID
|
SOBKAP
|
SRBUDJETORG
|
SRCHLITS
|
SRURLITS
|
SUMOBAZ
|
49591078
|
1.96E-15
|
5086118.
|
12937186
|
11736618
|
11842079
|
78545055
|
7843825.
|
0.020060
|
1653120.
|
198.
|
1764168.
|
3208298.
|
10157921
|
3.46E+09
|
2.843090
|
2.35E+08
|
2.16E+09
|
1.30E+09
|
4.36E+08
|
4.42E+09
|
0.
|
-4.833148
|
55417.00
|
0.
|
0.
|
22728.00
|
72410.00
|
2.90E+08
|
1.001457
|
18743680
|
1.61E+08
|
97328387
|
37860723
|
4.39E+08
|
10.29724
|
-0.566494
|
10.69872
|
13.24926
|
13.08312
|
8.583605
|
8.986682
|
115.0327
|
5.577071
|
128.3168
|
176.6951
|
173.7022
|
90.92993
|
84.26849
|
|
|
|
|
|
|
|
96775.25
|
59.10695
|
120542.6
|
230254.8
|
436.7
|
59863.46
|
51668.42
|
0.
|
0.
|
0.
|
0.
|
0.
|
0.
|
0.
|
|
|
|
|
|
|
|
179
|
179
|
179
|
179
|
179
|
179
|
179
|
URID
|
USTFOND
|
0.754190
|
1667.
|
1.
|
65.0
|
1.
|
42137236
|
0.
|
1.
|
0.431774
|
4049.
|
-1.180723
|
7.118276
|
2.394108
|
64.45952
|
|
|
44.32
|
29683.81
|
0.
|
0.
|
|
|
179
|
179
|
Таким образом,
среднестатистический банк нашей модели это:
Банк с ровнем надежности С, имеющий ставной фонд в размере примерно 1,5 млрд. рублей, совокупный капитал которого превышает 5
млрд. рублей, занимающийся обслуживанием юридических лиц, и прибыль которого составляет 900 млн. рублей.
Распределение по ровням надежности выглядит следующим образом:
Ø 29% относятся к ровню А
Ø 28% к В
Ø 43% к С
Ø доля банков, находящихся на грани банкротства (D) в выборке очень мала
Кредитные карты выпускает только 11% банков и, как мы бедились, это не оказывает на величину прибыли существенного влияния.
Разберем элемент корреляционной матрицы, демонстрирующий взаимосвязь между некоторыми регрессорами и прибылью банка:
|
BUDJET
|
CHAKT
|
CHASTN
|
FACTPRIB
|
BUDJET
|
1.
|
0.302430
|
-0.058856
|
0.015638
|
CHAKT
|
0.302430
|
1.
|
0.056159
|
0.867114
|
CHASTN
|
-0.058856
|
0.056159
|
1.
|
0.041274
|
FACTPRIB
|
0.015638
|
0.867114
|
0.041274
|
1.
|
KREDKART
|
-0.037700
|
0.237967
|
-0.028988
|
0.231355
|
KREDKOMMORG
|
0.092339
|
0.948963
|
0.078933
|
0.936808
|
LIKVAKT
|
0.395387
|
0.739397
|
-0.039793
|
0.619686
|
NADA
|
0.166123
|
0.277850
|
-0.209105
|
0.291487
|
NADB
|
-0.066179
|
-0.086414
|
0.044
|
-0.086220
|
NADC
|
-0.092358
|
-0.176471
|
0.131350
|
-0.189153
|
OBAZDOVOS
|
0.504815
|
0.952650
|
0.019641
|
0.732387
|
PRIVSRDRBANK
|
0.6
|
0.545719
|
-0.053954
|
0.152520
|
RABAKT
|
0.626489
|
0.803419
|
-0.526
|
0.461946
|
RESID
|
-0.017407
|
4.01E-15
|
0.038962
|
0.127820
|
SOBKAP
|
0.022119
|
0.906109
|
0.054
|
0.945773
|
SRBUDJETORG
|
0.720894
|
0.450324
|
-0.040976
|
0.039138
|
SRCHLITS
|
-0.007118
|
0.871539
|
0.138130
|
0.922463
|
SRURLITS
|
0.004718
|
0.871707
|
0.019779
|
0.916901
|
SUMOBAZ
|
0.457713
|
0.961291
|
0.051250
|
0.741047
|
URID
|
-0.186195
|
-0.129103
|
-0.969851
|
-0.00
|
USTFOND
|
-0.008173
|
0.203648
|
-0.146909
|
0.172161
|
По таблице видно, что существует значительная взаимосвязь между объемом средств, привлеченных от граждан и коммерческих организаций с величиной прибыли банка. Это вполне логично. Интереснее тот факт,
что бюджетные организации вкладывают средства в банки с низкой прибылью. Эта ситуация объясняется тем, что для бюджетных организаций надежность банка важнее его доходности, высокую доходность обычно приносят рискованные операции.
Выглядит вполне логичным, что банки занимающиеся инвестированием коммерческих организаций мало привлекают граждан.
Об этом свидетельствует сильная отрицательная корреляция.
Прибыль находится в тесной зависимости с величиной собственного капитала и чистыми активами банка - большие резервы позволяют банку совершать рискованные, но прибыльные инвестиции.
При этом величина ликвидных активов слабо связана с размером прибыли - средства, хранящиеся в ликвидной форме,
нельзя направлять на инвестиции и, следовательно, получать с них доход.
Интерпретация коэффициентов оптимальной модели
(полулогарифмической)
ariable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
C
|
10.65427
|
0.454848
|
23.42379
|
0.
|
CHAKT
|
6.59E-08
|
3.54E-08
|
1.860021
|
0.0646
|
KREDKART
|
-0.089389
|
0.250501
|
-0.356840
|
0.7216
|
KREDKOMMORG
|
-3.05E-08
|
1.87E-08
|
-1.625173
|
0.1060
|
LIKVAKT
|
-9.53E-08
|
4.57E-08
|
-2.083041
|
0.0387
|
NADA
|
1.455838
|
0.498505
|
2.920411
|
0.0040
|
NADB
|
1.020678
|
0.477091
|
2.139378
|
0.0338
|
NADC
|
0.215731
|
0.463742
|
0.465195
|
0.6424
|
OBAZDOVOS
|
1.06E-08
|
2.07E-08
|
0.510300
|
0.6105
|
PRIVSRDRBANK
|
5.96E-09
|
3.27E-08
|
0.182004
|
0.8558
|
RABAKT
|
-5.15E-08
|
2.37E-08
|
-2.172894
|
0.0312
|
SOBKAP
|
5.80E-07
|
8.89E-08
|
6.527722
|
0.
|
SRBUDJETORG
|
4.47E-08
|
2.94E-08
|
1.523607
|
0.1294
|
SRCHLITS
|
-6.83E-09
|
3.64E-08
|
-0.184
|
0.8513
|
SRURLITS
|
-8.05E-08
|
3.60E-08
|
-2.234290
|
0.0268
|
USTFOND
|
-4.88E-07
|
7.55E-08
|
-6.463891
|
0.
|
R-squared
|
0.600377
|
Mean dependent var
|
11.87388
|
Adjusted R-squared
|
0.565526
|
S.D. dependent var
|
1.375794
|
S.E. of regression
|
0.906850
|
Akaike info criterion
|
2.723586
|
Дадим интерпретацию каждому из значимых показателей
(влияние каждого из них на цену при фиксированных остальных):
Ø
Коэффициент CHAKT говорит о том, что при величении чистых активов на 100 млн. рублей, прибыль возрастет на 6,6%.
Ø
Увеличение ликвидных активов (LIKVAKT) на 100 млн.
сопровождается падением прибыли на 9,5%
Ø
Банк, направивший
100 млн. к работающим активам (RABAKT) потеряет в текущем периоде 5,1% прибыли
Ø
Увеличение собственного капитала на 10 млн. приносит банку 5,8% прибыли
Ø
Увеличение вложений со стороны юридических лиц на 100 млн. меньшает прибыль банка на 8%
Ø ровни надежности тоже влияют по-разному, но совершенно логично: Пусть у нас есть базовый ровень - D. Тогда C по сравнению с нашим базовым ровнем величивает прибыль на 21,5%, принадлежность к B<-уровню - н 102%, к А - 145,5%.
В итоге лучшей моделью была признана полулогарифмическая модель. Решающими для этого стали такие факторы, как:
Ø значимость большинства регрессоров в модели кроме нескольких незначимых, даление которых из модели худшает ее характеристики
Ø стойчивость модели
Ø хорошие характеристики данной модели, в т.ч. и , F<-статистика, ESS
Ø хорошая интерпретация модели для большинства показателей