авторефераты диссертаций БЕСПЛАТНАЯ РОССИЙСКАЯ БИБЛИОТЕКА - WWW.DISLIB.RU

АВТОРЕФЕРАТЫ, ДИССЕРТАЦИИ, МОНОГРАФИИ, НАУЧНЫЕ СТАТЬИ, КНИГИ

 
<< 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


Pages:   || 2 |

Динамическое моделирование кредитного риска банка в межбанковских отношениях

-- [ Страница 1 ] --

На правах рукописи

Андреев Антон Юрьевич

ДИНАМИЧЕСКОЕ МОДЕЛИРОВАНИЕ КРЕДИТНОГО РИСКА БАНКА В МЕЖБАНКОВСКИХ ОТНОШЕНИЯХ

Специальность 08.00.13 –

Математические и инструментальные методы экономики

А В Т О Р Е Ф Е Р А Т

диссертации на соискание ученой степени

кандидата экономических наук

Москва – 2009

Диссертационная работа выполнена на кафедре прикладной математики Московского государственного университета экономики, статистики и информатики (МЭСИ).

Научный руководитель:

кандидат технических наук, доцент

Мастяева Ирина Николаевна

Официальные оппоненты:

доктор экономических наук, профессор

Мхитарян Владимир Сергеевич

кандидат экономических наук

Тимохина Александра Владимировна

Ведущая организация:

Российская экономическая академия

им. Г.В. Плеханова

Защита диссертации состоится 23 декабря 2009 г. в 14 часов на заседании диссертационного совета Д 212.151.01 в Московском государственном университете экономики, статистики и информатики по адресу: 119501, г. Москва, ул. Нежинская, д.7.

С диссертацией можно ознакомиться в библиотеке Московского государственного университета экономики, статистики и информатики.

Автореферат разослан 21 ноября 2009 г.

Ученый секретарь

диссертационного совета,

кандидат технических наук, доцент

Мастяева И.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. Начало широкого использования производных финансовых инструментов в деятельности ведущих кредитных организаций с конца 80-х годов прошлого века определило необходимость активного развития систем управления банковскими рисками. Теоретические и практические исследования в этой области ведутся национальными и наднациональными надзорными органами и регуляторами, многими международными финансовыми и консалтинговыми организациями, крупными банками.

В современных условиях задачи диагностики, оценивания, анализа, регулирования и прогнозирования банковских рисков остаются наиболее важными при управлении работой любого коммерческого банка. Решение этих задач сводится к оптимизации рисков коммерческого банка с целью повышения эффективности работы, достижения максимальной доходности и прибыльности банковской деятельности при имеющихся условиях и ограничениях.

Сохранение или снижение уровня кредитного риска, как основного в деятельности большинства банков, достигается за счет более точной оценки принимаемых рисков и реализации мероприятий по управлению ими. События на мировых финансовых рынках 2007 – 2009 годов, вызванные кризисом субстандартного ипотечного кредитования в США и ставшие началом полномасштабного мирового финансового кризиса, показали, насколько опасными могут быть неправильная оценка роли кредитного риска в деятельности кредитных организаций, отсутствие или неадекватное использование методик его анализа и оценки.

Для корректного применения наиболее известных международных методик оценки кредитных рисков банка, возникающих при взаимодействии с банками-контрагентами, требуется целый ряд входных параметров, основными из которых являются либо международные и национальные кредитные рейтинги, либо рыночные котировки ценных бумаг банков-контрагентов.

В то же время многими экспертами высказываются сомнения в объективности оценок не только ведущих российских, но и мировых рейтинговых агентств. Кроме того, котируемые на рынке ценные бумаги имеют лишь немногие российские банки, при этом вследствие особенностей российского фондового рынка их рыночные котировки далеко не всегда отражают фактическое финансовое состояние эмитента.

Использование коммерческим банком соответствующих методик Банка России для анализа кредитного риска российских банков-контрагентов затруднено из-за отсутствия в свободном доступе всех необходимых форм их финансовой отчетности и результатов их внутреннего аудита.

По мере развития российского банковского сектора и накопления необходимых статистических данных задачи совершенствования российским коммерческим банком собственной системы управления кредитными рисками, разработки внутренних методик и моделей оценки экономического и финансового состояния банков-контрагентов становятся все более актуальными.

Цели и задачи исследования. Целью диссертационного исследования является моделирование и оценка кредитного риска коммерческого банка при взаимодействии с российскими банками-контрагентами, что необходимо для осуществления эффективной кредитной политики.

Для реализации поставленной цели определены следующие основные задачи исследования:

  • провести анализ используемых в российской банковской практике методик оценки кредитного риска банка, выявить их преимущества и недостатки, выделить основные факторы, определяющие кредитный риск банка в межбанковских отношениях;
  • исследовать и провести моделирование распределения банков по величине активов, выявить особенности таких распределений для банков разных стран, разработать на этой основе методику относительной оценки активов банка-контрагента как одного из важнейших абсолютных показателей, определяющих его финансовое состояние;
  • исследовать и провести моделирование распределений относительных количественных финансовых показателей банков-контрагентов для различных по величине активов банков, разработать на этой основе методику относительной оценки финансовых показателей банка-контрагента;
  • провести моделирование динамики параметров аппроксимаций распределений абсолютных и относительных финансовых показателей банков-контрагентов, определяющих кредитный риск;
  • разработать методику оценки финансового состояния банка-контрагента, провести ее тестирование, определить эффективность полученных оценок.

Объект и предмет исследования. Объектом исследования являются кредитные риски банка, возникающие при взаимодействии с российскими банками-контрагентами. Предметом исследования является комплекс экономико-математических методов и моделей оценки факторов, определяющих кредитный риск банка в межбанковских отношениях.

Теоретическая и методологическая основа исследования. Вследствие постоянного расширения мировых финансовых рынков, развития национальных банковских систем, появления все более сложных финансовых инструментов, развиваются и совершенствуются методы и подходы к оценке, измерению и управлению кредитными рисками банка.

Заметные достижения в исследовании понятий риска и неопределенности, в теории управления финансовыми рисками, в развитии методологии оценки и измерения кредитного риска связаны, в основном, с именами зарубежных авторов, среди которых Г. Александер, Э. Альтман, Ф. Блэк, Дж. Бэйли, Д. Галаи, Д. Даффи, Дж. Кейнс, М. Кроуи, Г. Марковиц, Р. Мертон, М. Миллер, Ф. Модильяни, Ф. Найт, П. Нараянан, Д. Рикардо, К. Рэдхэд, К. Синглтон, Дж. Синки, Д. Тобин, С. Хьюис, У. Шарп, М. Шоулз, Й. Шумпетер, К. Эрроу.

Посвященные данному направлению труды отечественных авторов (А.П. Альгин, И.Т. Балабанов, И.А. Бланк, В.А. Гамза, А.А. Емельянов, О.И. Лаврушин, А.А. Лобанов, А.М. Карминский, В.С. Кромонов, В.И. Малыхин, А.А. Пересецкий, М.А. Рогов, В.Т. Севрук, Л.Н. Тэпман, Н.В. Хохлов, Е.Ю. Хрусталев, А.В. Чугунов, А.С. Шапкин, А.Н. Ширяев и многие другие) не только позволяют обобщить, систематизировать зарубежный опыт, адаптировать его применительно к российской финансовой практике, но и предлагают собственные подходы к оценке и управлению кредитными рисками.

Основные подходы к стандартам и измерению собственного капитала банков - так называемые соглашения «Базель I» 1988 года и «Базель II» 2004 года с последующими изменениями и дополнениями - были предложены Базельским Комитетом по банковскому надзору (Швейцария). Ведущими финансовыми и консалтинговыми организациями был разработан ряд методик оценки и управления кредитным портфелем банка с учетом рисков, наиболее известные из которых: PortfolioManager (KMV, 1993), CreditRisk+ (Credit Suisse, 1996), CreditMetrics (J.P. Morgan, 1997), CreditPortfolioView (McKinsey, 1998).

Оценка экономического положения банка, проводимая Банком России, построена на использовании классической методики CAMEL оценки деятельности банка, используемой органами банковского надзора в США. Требования и ограничения к основным показателям финансовой деятельности российских банков содержатся в соответствующих нормативных документах Банка России.

Научная новизна. Предмет защиты составляют следующие результаты, полученные лично автором и содержащие элементы научной новизны:

  • впервые для моделирования реального распределения российских банков по активам использовано четырехпараметрическое комбинированное распределение, на основе которого разработана методика относительной оценки активов банка-контрагента;
  • выявлены качественные закономерности динамики параметров аппроксимации распределений по активам российских банков;
  • впервые для моделирования распределений основных финансовых показателей банков-контрагентов, определяющих кредитный риск, для двух групп российских банков по размеру активов использованы трехпараметрические гамма-распределения;
  • получены относительные оценки основных финансовых показателей банка-контрагента, определяющих кредитный риск, с использованием немонотонных функций оценок;
  • разработана методика синтетической оценки финансового состояния банка-контрагента с использованием немонотонных функций оценок, проведено тестирование данной методики, показаны ее преимущества перед традиционными методиками с использованием монотонных функций оценок.

Вынесенные на защиту научные результаты соответствуют требованиям п.1.1 «Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании», п.1.2 «Теория и методология экономико-математического моделирования, исследование его возможностей и диапазонов применения: теоретические и методологические вопросы отображения социально-экономических процессов и систем в виде математических, информационных и компьютерных моделей», п.1.6. «Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов» Паспорта специальностей ВАК 08.00.13 «Математические и инструментальные методы экономики».

Теоретическая и практическая значимость диссертационного исследования заключается в разработке методики оценки кредитного риска банка в межбанковских отношениях как оценки финансового состояния банков-контрагентов на основе моделирования распределений их абсолютных и относительных финансовых показателей. Итоговые синтетические оценки финансового состояния банков-контрагентов получены с использованием немонотонных функций относительных оценок финансовых показателей для двух групп банков-контрагентов по размеру активов. Это позволяет более точно оценивать кредитный риск банка, возникающий при взаимодействии со средними и мелкими российскими банками-контрагентами.

Область применения результатов исследования. Разработанная в исследовании методика оценки финансового состояния банков-контрагентов, предлагаемые относительные оценки основных финансовых показателей банков-контрагентов могут использоваться подразделениями российских коммерческих банков, ответственными за оценку рисков. Предложенные аппроксимации распределений основных финансовых показателей банков-контрагентов могут применяться для динамического анализа и прогнозирования кредитного риска банка, возникающего в межбанковских отношениях.

Материалы диссертационного исследования могут использоваться в учебном процессе ВУЗов при подготовке материалов по дисциплинам «Банковское дело» и «Математические методы в экономике».

Апробация результатов. Результаты исследования были сформулированы в публикациях автора, докладывались и получили положительную оценку на III Ежегодном научном форуме «Роль бизнеса в трансформации российского общества», проходившем в МФПА в апреле 2008 года, на I Международной научно-практической конференции «Инновационное развитие российской экономики», проходившей в МЭСИ в декабре 2008 года, а также на Международной научно-практической конференции «Инновационный путь развития РФ как важнейшее условие преодоления мирового финансового кризиса», проходившей в ГОУ ВПО ВЗФЭИ в апреле 2009 года. Методические и практические результаты данного исследования используются в работе Управления корпоративных и операционных рисков Сбербанка России.

Публикации. По материалам диссертационного исследования опубликовано 6 научных работ общим объемом 2,7 п.л., в том числе 3 работы объемом 1,4 п.л. в изданиях, рекомендованных ВАК.

Структура работы. Диссертационная работа состоит из введения, трех глав, заключения и 4 приложений общим объемом 150 страниц, включая 40 рисунков, 7 таблиц и библиографический список из 155 наименований.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы диссертационной работы, сформулированы цели и задачи исследования, раскрыта научная новизна и практическая значимость диссертационной работы.

В первой главе «Кредитный риск и системы управления кредитным риском» исследовано понятие кредитного риска, описаны меры оценивания и способы управления кредитным риском, дан обзор наиболее известных отечественных и зарубежных методик оценки и управления кредитным риском. Выявлены основные факторы кредитного риска банка в межбанковских отношениях, поставлена задача получения синтетических оценок финансового состояния банков-контрагентов на основе относительных оценок основных количественных показателей банков-контрагентов, определяющих кредитный риск.

Риск рассматривается как мера опасности, а не просто как вероятность наступления неблагоприятного события. Предложены определения понятия рисков, проявляющихся в банковской деятельности: риск в широком смысле как совокупность действий, направленных на получение прибыли и сопряженных с опасностью понесения потерь; риск в узком смысле как опасность понесения потерь.

Оценку опасности принимаемого решения в банковской деятельности предлагается проводить с использованием двух независимых мер – вероятности наступления негативного исхода и связанной с ним величины потерь. Подобная концепция понимания риска находит отражение в принятых в банковской практике подходах к оценке кредитного риска, наиболее значимого в финансовой деятельности банков. Мерами кредитного риска обычно служат вероятность дефолта заемщика, сумма под риском (подверженность дефолту), уровень потерь (уровень восстановления) при дефолте заемщика.

Проведен анализ особенностей основных методик оценки кредитного риска, применяемых в наиболее известных системах управления кредитным риском: в модели Portfolio Manager - Credit Monitor (KMV, 1993 год), в модели CreditRisk+ (Credit Suisse First Boston, 1993-1996 годы), в модели оценки риска по кредитному портфелю Credit Metrics (J.P.Morgan, 1997 год), в модели CreditPortfolioView (McKinsey&Co, 1998 год). Анализ показал, что основным ограничением данных моделей для использования в системе управления кредитными рисками, связанными с российскими банками-контрагентами, является отсутствие всей необходимой информации и слабая применимость в российских условиях.

В рамках описанной выше концепции понимания риска в качестве двух мер кредитного риска в работе были выбраны:

  • кредитный рейтинг или оценка текущего финансового состояния банка-контрагента и способности к своевременному погашению своих обязательств, проведенная на основе анализа количественных и качественных показателей деятельности банка-контрагента;
  • ограничение (лимит) на размер проводимых с банком-контрагентом рисковых операций, пропорциональное величине капитала банка-контрагента.

Оптимизационная задача, решаемая в процессе управления кредитными рисками банка, сводится к максимизации ожидаемой прибыли от проводимых операций при заданных ресурсах для кредитования и ограничениях на уровень принимаемого кредитного риска (величину создаваемых резервов, пропорциональную кредитному рейтингу банка-контрагента и объему предполагаемой операции, подверженной кредитному риску). Параметрами управления в задаче служат условия и ограничения на планируемые к проведению с банком-контрагентом операции, определяемые значениями мер риска: кредитным рейтингом банка-контрагента и лимитом на размер проводимых с банком-контрагентом рисковых операций. В такой постановке центральным элементом в моделировании и оценке кредитного риска банка, возникающего в межбанковских отношениях, становится динамическая оценка финансового состояния банков-контрагентов.

Обзор применяемых в российской банковской практике методик оценки финансового состояния банка-контрагента показал, что большинство из них опирается на широко используемую в международной практике методику CAMEL, возникшую в середине 1980-х годов для оценки американских банков, и ее последующие модификации. В основе этой методики лежит использование коэффициентного анализа, т.е. анализа основных факторов связанного с банком кредитного риска – количественных и качественных показателей, характеризующих его финансовую деятельность.

Проведено исследование финансовых показателей, используемых в наиболее известных методиках оценки финансового состояния банка-контрагента: интерпретация методики CAMEL, опирающаяся на работы В.С. Львова, В.В. Иванова и В.В. Бабкина; методика оценки экономического положения банка, используемая Банком России; методика составления рейтинга надежности банков, разработанная В.С. Кромоновым; методика присвоения рейтинга динамической финансовой стабильности, разработанная А.М. Карминским, А.А. Пересецким и А.Е. Петровым. Исследование позволило выбрать количественные показатели, наиболее полно характеризующие финансовое состояние банка-контрагента и определяющие кредитный риск банка при взаимодействии с данным банком-контрагентом: один абсолютный - размер активов банка-контрагента, а также четыре относительных – показатели достаточности капитала Н1 и текущей ликвидности Н3, доходность активов ROA и уровень просроченной задолженности по кредитному портфелю NPL.

Поставлена задача исследования и оценки кредитного риска банка как задача оценки финансового состояния его банков-контрагентов на основе относительных оценок основных показателей их финансовой деятельности.

Во второй главе «Моделирование оценок количественных показателей финансовой деятельности банков-контрагентов, определяющих кредитный риск» исследовано распределение по активам банков России и некоторых стран мира, предложена аппроксимация этого распределения четырехпараметрическим комбинированным распределением, исследована динамика параметров аппроксимации. Исследованы распределения основных количественных показателей российских банков, определяющих кредитный риск, предложена их аппроксимация гамма-распределением, исследована динамика параметров аппроксимации.

Проведение анализа и оценки финансового состояния банка-контрагента подразумевает оценку абсолютных и относительных показателей, характеризующих различные стороны его деятельности. В основе коэффициентного анализа финансового состояния банка лежит алгоритм поэтапного получения синтетической оценки, которая фактически представляет собой сумму взятых с определенными весами относительных оценок (баллов по шкале от 0 до 100) отдельных показателей его деятельности. Подобная синтетическая оценка или кредитный рейтинг банка-контрагента широко используется в практике банковского риск-менеджмента, она достаточно удобна для восприятия и использования при анализе кредитного риска банка, возникающего в межбанковских отношениях. Для построения синтетической оценки финансового состояния решаются несколько основных задач: выбор финансовых и нефинансовых показателей, выбор весов для каждого показателя, построение относительной оценки каждого выбранного показателя. Данное исследование посвящено решению последней задачи и основано на анализе распределений показателей деятельности банков.

Построение относительных оценок отдельных показателей предлагается проводить на основе распределений этих показателей, аппроксимируемых различными функциями в зависимости от качественной природы соответствующего показателя. Количественные показатели, обычно используемые при анализе финансового состояния банка-контрагента, можно разделить на два класса: абсолютные и относительные. Примерами первых служат активы, капитал, прибыль; вторых – коэффициенты ликвидности, доходности, показатели качества активов и капитала.

Сведения о фактических величинах капитала российских банков не являются публичными, в отличие от сведений о величинах их активов, поэтому для целей исследования в качестве абсолютного показателя, характеризующего размер банка, использовались именно активы.

Активы банка-контрагента являются одним из важнейших показателей для оценки кредитного риска при осуществлении с ним делового сотрудничества. Наиболее простым решением, обычно используемым на практике при построении относительной оценки активов банка-контрагента, служит аппроксимация реального распределения банков по активам полиномом достаточно высокой степени, что совершенно не учитывает природу этого распределения. Поэтому для описания распределения банков по активам в данном исследовании предлагается использовать комбинацию распределения Парето и логарифмически нормального распределения.

Был проведен анализ формы ранжированного распределения по величине активов по состоянию на 01.01.2007 1005 российских банков, имевших на эту отчетную дату действующую лицензию и включенных в рэнкинг «Интерфакс-100. Банки России». Показано, что для большинства банков (примерно 85%) распределение можно аппроксимировать логнормальным, но правая часть распределения – банки с активами, превышающими примерно 10 млрд. рублей, - отклоняется от этого закона. Этот так называемый «тяжелый хвост» распределения значительно лучше аппроксимируется распределением Парето.

Таким образом, для описания реального распределения предлагается использовать комбинированное распределение: левая часть – логнормальная, правая – степенная. Такое распределение описывается, соответственно, четырьмя параметрами – значениями и для логнормальной части и значениями k и xmin – для степенной. Вместо xmin удобнее использовать величину x0 – точку перехода, в которой происходит «склейка» двух распределений. В этой точке значения плотностей вероятности обоих распределений совпадают и функция распределения в этой точке непрерывна. Комбинированное распределение может быть представлено в виде:

(1)

где показатель

(2)

а C – нормировочный множитель, определяемый из соотношения Отсюда где обозначено P0=логн(x0;,) и . Функция распределения комбинированного распределения запишется в виде

(3)

Обратная функция, в которой аргументом является ранг банка и которая используется для аппроксимации ранжированного распределения банков по активам, имеет вид:

(4)

где p = 1- r/N, r – ранг банка, 1 r N, N – число банков, функция, обратная к функции распределения логнормального распределения с параметрами и. Параметры,, x0, k определяются из условия минимума отклонения аппроксимирующей функции от реального распределения. В качестве меры отклонения бралась сумма

(5)

где – значение аппроксимирующей функции, Ai – величина активов банка с рангом i. Несколько первых по рангу банков не учитывались, поскольку они не подчиняются общей статистике в силу больших активов и выделенного положения, что характерно для всех крупных банковских систем. Минимум функции отклонения находился методом покоординатного спуска. Для практических применений данный алгоритм был реализован в виде макроса для пакета MS Office Excel.

Рис.1. Аппроксимация распределения банков России по активам комбинированным распределением.

На рис.1 представлен результат работы программы для распределения по активам 1005 банков России по состоянию на 01.01.2007 - получено аппроксимирующее комбинированное распределение с оценками параметров = 7,12 и = 1,68, точки перехода x0 = 12,7 млрд. рублей (доля банков в «тяжелом хвосте» - 11,2%, доля их активов – 86%), индекса Парето k = 0,83.

Распределение по активам достаточно хорошо аппроксимируется комбинированным распределением с указанными оценками параметров во всем диапазоне величин активов – значение коэффициента детерминации R2 составило в данном случае 0,96. Отметим, что значения параметра зависят, а значения параметров k и не зависят от выбора единиц измерения активов. Аппроксимация распределения по активам только логнормальным распределением характеризуется коэффициентом детерминации R2=0,62, что заметно ниже значения, полученного для комбинированного распределения.

Таким образом, предложенное четырехпараметрическое комбинированное распределение и алгоритм получения оценок его параметров позволяют провести разбиение российских банков на две группы по размеру активов. Группу крупных составляют банки из «тяжелого хвоста», распределение по активам которых подчиняется распределению Парето. Остальные банки с логнормальным распределением активов входят в группу средних и мелких.

В таблице 1 приведена динамика оценок параметров аппроксимаций распределения по активам российских банков за период 2003-2008 годов. Использовались данные о величинах активов российских банков, включенных в рэнкинги «Интерфакс-100. Банки России» и ООО «Фирма «СТИиК».

Таблица 1.

Отчетная дата

Количество банков в выборке

Оценка параметра

Оценка параметра

Оценка точки перехода x0, млрд. рублей

Оценка индекса Парето k

Доля банков в «тяжелом хвосте», %

01.01.2004

1436

5,87

1,95

8,70

1,03

4,9

01.01.2005

1378

6,12

1,86

12,4

0,96

4,3

01.01.2006

1202

6,64

1,68

9,32

0,89

9,2

01.01.2007

1005

7,12

1,68

12,7

0,83

11,2

01.01.2008

997

7,43

1,67

15,6

0,80

12,0

01.01.2009

987

7,44

1,91

28,4

0,77

9,0

Анализ динамики оценок параметров аппроксимаций дал возможность строить текущее прогнозное распределение банков по активам. На его основе были построены текущие прогнозные относительные оценки активов отдельных банков-контрагентов при отсутствии актуальной информации о текущем реальном распределении всех банков, а также исследованы особенности развития разных групп банков по размеру активов.

Разработанная методика использовалась для анализа распределения по активам банков некоторых стран СНГ и Западной Европы, а также США, Канады и Японии. Для анализа банковских систем зарубежных стран использовались данные агентства «Bureau van Dijk Electronic Publishing», которое на коммерческой основе предлагает пакет BankScope с информацией о более чем 27 тыс. банков за последние 16 лет.

Рис.2. Распределение по активам банков Германии.

Проведенное исследование дает представление о некоторых особенностях национальных банковских систем. Так, например, распределение по активам, взятое для 1300 банков Германии по состоянию на 31.12.2006, неудовлетворительно описывается комбинированным распределением (кривая «все банки 31.12.2006» на рис.2; для первых 50 банков она совпадает с кривой «банки без S-V-R»). Но после того, как в общей группе банков были выделены три подгруппы – региональные банки Sparkasse (187 банков), Volksbank (294 банка) и Raiffeisenbank (211 банков), каждая из которых аппроксимируется исключительно логнормальным распределением (три нижних кривых на рис.2), распределение оставшихся 608 банков удалось хорошо (R2=0,99) аппроксимировать комбинированным распределением с оценками параметров = 3,50 и = 0,76, точки перехода x0 = 1,02 млрд. долларов США (доля банков в «тяжелом хвосте» - 55%, доля их активов – 99%), индекса Парето k = 0,58.

На примере банков Германии видно, что в общей группе банков могут существовать подгруппы, распределение активов в которых определяется своими внутренними законами.

В таблице 2 приведены оценки параметров аппроксимации распределений по активам банков 10 стран. Данные по активам взяты по состоянию на начало 2007 года (за исключением Великобритании и Италии); для России и Украины значения оценок параметров приведены к долларам США. Дополнительно приведены оценки параметров, соответствующие разным наклонам степенного «хвоста» в распределениях по активам банков Швейцарии, США и Японии. Доля банков в «тяжелом хвосте» qb подсчитывалась как отношение (в процентах) числа банков с активами, бльшими x0, к общему числу банков, а доля их активов qa равна, соответственно, отношению (в процентах) их активов к суммарным активам всех банков данной страны.

Сравнение распределений показывает, что распределения по активам и российских банков, и банков других стран достаточно хорошо описываются комбинированным распределением: логнормальным со степенным «тяжелым хвостом».

Таблица 2.

Страна\

Параметры

Число банков

Оценки параметров

qb, %

qa, %

R2

x0, млрд. долл. США

k

Россия

1005

3,85

1,68

0,482

0,83

13

88

0,9960

Украина

169

4,28

2,16

0,138

0,74

36

91

0,9836

Великобритания

305

7,65

2,09

17,3

0,58

19

95

0,9968

Германия

608

8,07

1,76

3,03

0,58

29

97

0,9975

Италия

628

5,49

1,02

0,52

0,75

35

94

0,9965

Франция

320

8,26

1,90

11,7

0,69

26

94

0,9950

Швейцария

242

6,28

1,41

0,68

0,42

0,97

48

12

99

0,9982

США

1047

7,40

1,34

4,08

0,51

0,88

41

10

98

0,9984

Канада

120

7,60

2,32

2,36

0,67

44

98

0,9905

Япония

635

7,39

1,36

4,30

0,53

0,91

37

16

96

0,9978



Pages:   || 2 |
 





 
© 2013 www.dislib.ru - «Авторефераты диссертаций - бесплатно»

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.