авторефераты диссертаций БЕСПЛАТНАЯ  БИБЛИОТЕКА

АВТОРЕФЕРАТЫ КАНДИДАТСКИХ, ДОКТОРСКИХ ДИССЕРТАЦИЙ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ

Моделирование динамики потенциала российской банковской системы

На правах рукописи

Никишин Константин Николаевич

Моделирование динамики потенциала

российской банковской системы

Специальность 08.00.13 — математические

и инструментальные методы экономики

Автореферат диссертации

на соискание ученой степени кандидата экономических наук

Москва

2011

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

кандидат экономических наук, доцент

Научный руководитель:

Туманова Елена Алексеевна доктор экономических наук, профессор

Официальные оппоненты:

Поморина Мария Александровна кандидат экономических наук Солнцев Олег Геннадьевич Российская академия народного хозяйства и

Ведущая организация:

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 №

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 Е.А. Туманова

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 — как на краткосрочных, так и на долгосрочных временных интервалах. В частности, разработка современных методов экономико-математического анализа потенциала предоставит возможность оценки динамики показателей банковской системы России за продолжительный 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:

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



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

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

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

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

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. Ловелла, С. Малмквиста, С. Рея, Е. Родеса, Р. Фэре, М. Фэрелла, 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. Л. 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:

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

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;

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;

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;

впервые в российской практике оценена динамика потенциала российской банковской системы как единого целого на продолжительном 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;

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 долгосрочных 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 долгосрочном 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 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 — 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 полностью.

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 дают 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 — выпуклую оболочку совокупности точек, координаты которых соответствуют объёмам используемых банками ресурсов для 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 должны удовлетворять следующим критериям. Во-первых, необходимо, чтобы предпосылки, лежащие в основе моделирования, достаточно полно соответствовали характеристикам оцениваемого объекта.

В частности, предположения о типе функции, описывающей линию потенциала, наличии и характере распределения случайных ошибок в моделях должны, в целом, быть адекватны реальности. Во-вторых, метод оценки должен быть приспособлен к работе с многомерными векторами затрат и выпусков, что должно позволять учитывать мультипродуктовый характер деятельности современного банка. В-третьих, метод моделирования должен 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 должен предполагать возможность изменения потенциала во времени. В-пятых, для проведения комплексного анализа потенциала метод оценивания должен предоставлять возможность проводить расчёты не только для банковской системы в целом, но и для отдельных кредитных организаций и их групп.

В зависимости от предпосылки о типе функции, описывающей линию потенциала, можно выделить две группы методов её оценки. В рамках первой из них — группы параметрических методов — 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 эконометрических 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 дополнительные 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 Параметрические методы Непараметрические методы Метод Метод широкой Метод без Метод огибающих Метод фиксированной Характеристика метода стохастической границы спецификации оболочки границы распределения Авторы метода Meeusen, Van Den Berger, Humphrey, Berger, 1993 Farrell, 1957;

Charnes, Deprins, Simar, Tulkens, Broeck, 1977;

Aigner, 1991 Cooper, Rhodes, 1978 Lovell, Schmidt, Метод получения оценок Метод максимального Метод наименьших Метод наименьших Методы линейного Методы математического правдоподобия квадратов квадратов программирования программирования Требования к размеру Значительное Значительное Значительное Допустимо использование Допустимо выборки количество объектов количество объектов количество объектов. незначительного использование Панельные данные количества наблюдений незначительного количества наблюдений Возможность работы с Ограничена Ограничена Ограничена Существует Существует мультипродуктовыми моделями Возможность анализа во Ограничена Ограничена Отсутствует Существует Ограничена времени Работа с данными по Ограничена Отсутствует Отсутствует Существует Ограничена группам объектов Трудоёмкость расчётов Высокая. Невысокая. Метод Невысокая. Метод Высокая. Высокая.

Разработан ряд может быть может быть Существует потребность в Отсутствует программных использован для использован для специализированных стандартизированная продуктов, экпресс-оценки экпресс-оценки уровня программных продуктах процедура получения осуществляющих уровня реализации реализации потенциала для расчётов. оценок.

расчёты. потенциала.

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

2000-х гг.

Опыт применения для Отсутствует Отсутствует Отсутствует Отсутствует Отсутствует анализа банковского сектора в целом Система моделей оценки 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:

t {Xt, Yt } min (1) t, {Xt, Yt } xt Xt t (2) Yt y t (3) 0 (4) t где {Xt, Yt } — величина максимально возможного пропорционального сокращения вектора затрат банка в момент времени t, позволяющая ему оказаться на границе технологического множества {Xt, Yt } момента t ;

xt — вектор затрат банка в момент t ;

yt — вектор выпусков банка в момент t ;

X t — матрица, столбцы которой образованы векторами затрат момента t для совокупности банков, задающих технологическое множество;

Yt — матрица, столбцы которой образованы векторами выпуска момента t для совокупности банков, задающих технологическое множество;

— неизвестный вектор весов, определяющий линейную комбинацию банков, входящих в технологическое множество {Xt, Yt }.

Система ограничений (2)–(3) с точностью до коэффициента t пропорциональности {Xt, Yt } характеризует технологическое множество Pt — множество всех достижимых при существующем способе производства комбинаций затрат и выпусков x R m и y R s, лежащих в неотрицательном ортанте:

Pt {(x, y) | x Xt, y Yt, 0} (5) Тем самым технологическое множество, описывающее существующий в банковской системе способ производства, полностью характеризуется выпуклой оболочкой совокупности наблюдаемых комбинаций затрат и выпусков, которые описаны матрицами Xt и Yt. Граница технологического множества Pt является линией потенциала, или границей производственных возможностей при существующей технологии.

t При этом значение целевой функции {Xt, Yt } в задаче (1)–(4) может также интерпретироваться как величина, обратная максимально допустимому увеличению выпуска объекта при фиксированных затратах.

В классической постановке объект 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 могут не входить в состав матриц Xt и Yt, величина может быть больше единицы. Это будет говорить о том, что объект 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 «агрегированный банк», показатели деятельности которого x и y 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 Y ).

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 «агрегированного банка» конструируются для каждого момента времени 0,..., T. 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 j {X, Y } j, j 1,..., T.

{X, Y }. Затем рассчитывается индекс потенциала I 1{X, Y } j j Если I 1, то потенциал «агрегированного банка» за период j увеличился. Если j I 1, то потенциал «агрегированного банка» снизился.

Для второй ситуации, характеризующейся продолжительным периодом анализа и технологическим множеством, состоящим из малого количества объектов, постулируется устойчивость линии потенциала на протяжении w соседних моментов времени. Путём объединения объектов за w моментов времени, начиная с t 0, затем объектов за w моментов времени, начиная с t 1, и т. д. формируется k T w 1 технологических множеств {Xk, Yk }, в рамках каждого из которых для каждого момента времени оценивается уровень реализации потенциала «агрегированного банка». Затем для каждого момента времени t 0,..., T t рассчитывается усреднённое значение показателя реализации потенциала по всем технологическим множествам, включающим этот момент времени. Далее вычисляется j j j, j 1,..., T. Если I 1, то потенциал I индекс реализации потенциала j j «агрегированного банка» за период j увеличился. Если I 1, то потенциал «агрегированного банка» снизился.

Для третьей ситуации, характеризующейся значительным количеством объектов, формирующих технологическое множество, для каждого момента времени t 0,..., T строится собственное технологическое множество.

j j Сопоставление уровня потенциала между моментами наблюдения и проводится при помощи индекса Малмквиста:

j 1 j {Xt, Yt } {Xt 1, Yt 1 } j I j (6) {Xt, Yt } j {Xt 1, Yt 1} Индекс потенциала Малмквиста (6) раскладывается на два сомножителя: индекс собственного потенциала (первый сомножитель) и индекс граничного потенциала (второй сомножитель):

j 1 j 1 j {Xt 1, Yt 1} {Xt, Yt } {Xt, Yt } I j j 1 j (7) j {Xt, Yt } {Xt 1, Yt 1 } {Xt 1, Yt 1} j Если I 1, то отмечается рост потенциала «агрегированного банка». Если j I 1, то потенциал «агрегированного 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 дополнение 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. Для 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 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 линию 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 долгосрочных 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 «агрегированного 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 динамики потенциала российского банковского сектора в 2002–2010 гг.

На основе сформулированной в диссертации методики был проведён комплексный анализа динамики потенциала банковской системы России на продолжительном 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 кредитов — доля 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 Уровень реализации потенциала 30,6 39,1 35,9 56,3 62,0 58,6 64,6 67, банковского сектора, на конец года, % Индекс потенциала Малмквиста, за год 1,129 1,084 1,133 1,081 0,957 0,936 0,949 1, Индекс собственного потенциала, за год 1,254 1,281 0,759 1,602 1,111 0,958 1,107 1, Индекс граничного потенциала, за год 0,900 0,846 1,493 0,675 0,861 0,977 0,858 1, 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 Малмквиста показал, что совокупный потенциал банковского сектора России увеличивался 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.

Для 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 продолжительного временного периода отдельно была проанализирована динамика потенциала крупнейших 15 российских банков на квартальных данных в 2008–2010 гг. (таблица 3).

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

2008-Q1 2008-Q2 2008-Q3 2008-Q4 2009-Q1 2009-Q2 2009-Q3 2009-Q Уровень реализации потенциала крупнейшими 15 банками, 83,5 82,1 80,3 80,6 87,5 83,1 84,8 83, на конец квартала, % Индекс потенциала, за квартал 1,089 0,982 0,979 1,004 1,085 0,950 1,020 0, На протяжении всего периода анализа потенциал крупнейших банков реализовывался 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 2007– 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 Уровень реализации потенциала, на конец года, % Россия 57,3 60,6 66, Казахстан 59,9 68,7 62, Украина 47,7 47,1 48, Индекс потенциала, за год Россия 1,015 1,058 1, Казахстан 1,039 1,147 0, Украина 1,040 0,989 1, 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 дополнение 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, * - 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 долгосрочной перспективе ведёт к повышению доступности долгосрочных 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 должен 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 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.

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 долгосрочных 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. — №2, 2010. (0,6 п.л.) Никишин К. Н. Эконометрическая оценка детерминант эффективности российских банков // Экономические науки. — №11, 2009. (0,4 п.л.) Публикации в других научных изданиях Никишин К. Н. Моделирование взаимодействия факторов, влияющих на прибыльность коммерческих банков // 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] — М.: Издательство МГУ, 2009 — 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: http://www.lomonosov msu.ru/2009/] (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, А.В. Андриянов.

[Электронный ресурс] — М.: МАКС Пресс, 2010. — 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: http://www.lomonosov-msu.ru/2010/] (0,1 п.л.)

 

Похожие работы:





 
2013 www.netess.ru - «Бесплатная библиотека авторефератов кандидатских и докторских диссертаций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.