Файл: Эконометрические модели формирования финансовых активов кредитных организаций пфо.docx

Таким образом, значимыми факторами в структурной модели регрессии оказались следующие три:

y₂ – капитал (тыс. руб);

х₂ – ностро-счета, (тыс. руб);

х₇ – основные средства и нематериальные активы, (тыс. руб).

По данной модели можно сделать следующий вывод. При росте стоимости капитала на единицу тыс. руб при неизменном уровне других показателей стоимость активов увеличится в среднем на 0,89 человек. При увеличении суммы носто-счета на 1 тыс. руб стоимость активов банка увеличится в среднем на 2,08 тыс. руб. С увеличением основных средств и нематериальных активов активы банка возрастут на 1,24 тыс. руб. Ранжирование факторных признаков по степени их влияния на результативный признак проводилось с использованием бета-коэффициентов, были сделаны следующие выводы. Рост стоимости активов в большей степени, зависит от суммы капитала, и в меньшей степени от основных средств и нематериальных активов.

3. 
   Прогнозирование стоимости активов кредитной организации Банк «Йошкар-Ола» методом экспоненциального сглаживания.
   

В настоящее время одним из наиболее перспективных направлений исследования и прогнозирования одномерных временных рядов считаются адаптивные методы.

У истоков адаптивных методов находится модель экспоненциального сглаживания.

Экспоненциальное сглаживание — один из простейших и распространенных приемов выравнивания ряда. Экспоненциальное сглаживание можно представить как фильтр, на вход которого последовательно поступают члены исходного ряда, а на выходе формируются текущие значения экспоненциальной средней.

Следует иметь в виду, что экспоненциальное сглаживание - это наиболее простой способ построения прогнозов. Часто он даёт быстрые и эффективные результаты. Однако этот метод не позволяет строить доверительные интервалы и, следовательно, рассчитать риски при использовании прогнозов.

Рассмотрим прогнозирование с использованием моделей экспоненциального сглаживания. В качестве примера рассмотрим месячные данные о стоимости активов банка «Йошкар-Ола» с январь 2016 г. по январь 2022 г. (Приложение Б)

Для моделирования прогноза нам необходимо проверить стационарность временного ряда. Так как стационарность временного ряда означает, что такие компоненты как тренд и сезонность отсутствуют. Говоря более точно, среднее значение и дисперсия не меняются со смещением во времени. Для проверки ряд на стационарность построили график ряда.

---

Рисунок 7 – График временного ряда, характеризующего стоимость активов

Наблюдаемый ряд не является стационарным, как это хорошо видно на графике. Из графика можно предположить, что в исследуемых данных присутствует линейный возрастающий тренд и сезонная мультипликативная составляющая, следовательно, ряд нестационарен. Признаком стационарности можно считать нормальность распределения остатков ряда. Для этого была построена гистограмма распределения ряда.



Рисунок 8 – Гистограмма распределения остатков исходного временного ряда

Из графика видно, что гистограмма распределения остатков плохо подходит к графику нормального распределения. Следовательно, можно предположить, что исходный ряд не является стационарным, и на данном этапе анализа необходимо привести временной ряд к стационарному виду.

Для экспоненциального преобразования выберем модель Винтера (модель с линейным мультипликативным трендом), с лаговым значением равным 12. И выполним экспоненциальное сглаживание. В приложении (В) отображенные численные результаты сглаживания и прогноз. Также были выведены стандартные ошибки построенной модели
Таблица 18 – Стандартные ошибки построенной модели

	Ошибка
Средн. ош.	-465,24
Ср. абсол. ошибка	36652,78
Суммы квадратов	196268831947,39
Ср. квадрат	2688614136,27
Средн. относ. ошибка	-0,04
Ср. абс. отн. ошибка	1,42

В рассмотренном случае процент средней абсолютной ошибки составляет ≈ 1,42% (<13%), что говорит о достаточной точности предложенной модели.

Рассмотрим график наблюдаемого временного ряда, сглаженного ряда и остатков.

Рисунок 9 – График наблюдаемого временного ряда, сглаженного ряда и остатков

На рисунке хорошо просматривается, что значения сглаженного ряда достаточно сильно совпадают с реальными наблюдениями, при этом ряд остатков колеблется около нуля.

Из графика (Рис.9) видно, что сглаженные значения ряда повторяют

---

контуры наблюдаемого временного ряда, значения прогнозной линии достаточно близки по структуре к динамике исходного временного ряда, что позволяет сделать вывод об адекватности построенного прогноза реальным данным.

Для проверки адекватности прогнозной модели построим гистограмму распределения остатков сглаженного ряда.

Рисунок 10 – Гистограмма распределения остатков сглаженного ряда

Из графика видно, что гистограмма распределения остатков сглаженного ряда подобна графику нормального распределения, следовательно, можно сделать вывод, что построенная модель адекватно отражает наблюдаемый процесс динамики стоимости активов банка «Йошкар-Ола» и построенный на её основе прогноз можно считать точным.

Для проверки адекватности модели необходимо оценить автокорреляционную функцию и частную автокорреляционную функции остатков, а также плотность распределения остатков.

Рисунок11 – График автокорреляционной функции остатков

(после преобразований графика)

Анализ значений автокорреляционной функции остатков показывает, что ряд остатков похож на белый шум.



Рисунок 12 – График частной автокорреляционной функции остатков

Анализ частной автокорреляционной функции также показывает отсутствие сильных взаимосвязей уровней остаточного ряда.

Так как процент ошибки равен 1,42 (<13% - допустимый предел), анализ автокорреляционной и частной автокорреляционной функций доказывает отсутствие сильных взаимосвязей уровней остаточного ряда, плотность распределения остатков близка к плотности нормального распределения можно сделать вывод о достаточно хорошем подборе прогнозной модели. Следовательно, используя полученную модель, можно строить прогноз.

Заключение

Таким образом, в ходе курсовой работы была достигнута ее цель, при помощи многомерных статистических методов анализа были построены эконометрические модели финансовых активов кредитных организаций ПФО. А также были выполнены все поставленные задачи. Рассмотрели теоретические аспекты кредитных организация и формирования финансовых активов, также было проведено моделирование показателя стоимости активов кредитных организаций ПФО по главным компонентам.

---

Финансовые активы — это ресурсы, контролируемые организацией, использование которых возможно вызовет в будущем приток экономической выгоды.

Размещение средств организации имеет огромное значение и в повышении эффективности финансовой деятельности. От того, какие средства вложены в основные и оборотные средства, сколько их находится в сферах производства и обращения, в денежной и материальной форме, насколько оптимально их соотношение, во многом зависят результаты производственной и финансовой деятельности, и, следовательно, и финансовое состояние организации.

Можно сказать, что на стоимость активов кредитных организаций Приволжского федерального округа влияют финансовые показатели: x₃ – выданные межбанковские кредиты; x₄ – вложения в ценные бумаги; x₅ – кредиты физическим лицам; x₆ – кредиты предприятиям и организациям; x₈ – вклады физических лиц. А на основании бета-коэффициентов мы можем сделать вывод о силе влияния факторов на результативный признак. Наиболее сильное влияние на сумму активов банков оказывает два фактора x₃ – выданные МБК и x₆ – кредиты предприятиям и организациям. Наименьшее влияние оказывает фактор x₈ – вклады физических лиц.

рабочей силы определенно влияют социально-экономические факторы.

В ходе работы были построены три эконометрические модели, отражающие зависимость активов от предложенных показателей. В ходе исследования было выяснено, что тремя главными факторными компонентами, влияющими на исследуемый показатель стали следующие: «депозиты и вложения в ценные бумаги».

Включает в себя:

x₂ – ностро-счета, тыс. руб;

x₃ – выданные МБК, тыс. руб;

x₄ – вложения в ценные бумаги тыс. руб;

х₈ – вклады физических лиц, тыс. руб;

х₉ – средства предприятий и организаций, тыс. руб.

Следующая вторая компонента кредиты предприятиям, основные средства и нематериальные активы» нагружена тремя факторами:

х₆ – кредиты предприятиям и организациям, тыс. руб;

х₇ – основные средства и нематериальные активы, тыс. руб;

х₁₀ – просроченная задолженность по кредитному портфелю, тыс. руб;

Третья компонента

---

«кредиты физическим лицам»состоит из одного факторного признака:

х₅ – кредиты физическим лицам, тыс. руб.

Наиболее сильное влияние на сумму активов банка оказывает первая факторная компонента - «депозиты и вложения в ценные бумаги», вторая компонента и третья оказывают меньшее влияние.

Также была построена система эконометрических уравнений, отражающая зависимость между финансовыми показателями и двумя результативными признаками, характеризующие финансовые активы банков:

y₂ – капитал (тыс. руб);

х₂ – ностро-счета, (тыс. руб);

х₇ – основные средства и нематериальные активы, (тыс. руб).

По данной модели можно сделать следующий вывод. При росте стоимости капитала на единицу тыс. руб при неизменном уровне других показателей стоимость активов увеличится в среднем на 0,89 человек. При увеличении суммы носто-счета на 1 тыс. руб стоимость активов банка увеличится в среднем на 2,08 тыс. руб. С увеличением основных средств и нематериальных активов активы банка возрастут на 1,24 тыс. руб. Ранжирование факторных признаков по степени их влияния на результативный признак проводилось с использованием бета-коэффициентов, были сделаны следующие выводы. Рост стоимости активов в большей степени, зависит от суммы капитала, и в меньшей степени от основных средств и нематериальных активов.
Список литературы

1. 
   Батищева Г.А., Терехов Н.А. Исследование влияния макроэкономических факторов на эффективность деятельности кредитных организаций [Текст] / Батищева Г.А., Терехов Н.А. – Вестник РГЭУ РИНХ. – 2017. – №3 (59).
   
2. 
   Бекарева С.В., Мельтенисова Е.Н. Факторы прибыльности российского банковского сектора [Текст] / Бекарева С.В., Мельтенисова – Вестник ОмГУ. Серия: Экономика. – 2018. – №4.
   
3. 
   Босенко Я.В. Развитие организационно-методического обеспечения учета финансовых результатов деятельности экономического субъекта: дис. на соискание ученой степени канд. экон. наук. [Текст] // Ставрополь. – 2018. – 182с.
   
4. 
   Горяинова Е.Р. Прикладные методы анализа статистических данных: Учебное пособие / Е.Р. Горяинова, А.Р. Панков, Е.Н. Платонов. — М.: ИД ГУ ВШЭ, 2018. — 310 c.
   
5. 
   Жуков Е. Ф. Банки и небанковские кредитные организации, и их операции: [Текст] / Е. Ф. Жуков – Москва: Юнити-Дана, 2017. – 559с.
   
6. 
   Зубов С.А. Финансовые результаты банковского сектора в 2021г. [Текст] / Зубов С.А. – Экономическое развитие России. – 2022. – №2.
   
7. 
   Инструкция Банка России от 21 июня 2018 г. N 188-И "О порядке применения к кредитным организациям (головным кредитным организациям банковских групп) мер, предусмотренных статьей 74 Федерального закона "О Центральном банке Российской Федерации (Банке России)" (с изменениями и дополнениями) [Электронный ресурс] – https://base.garant.ru/72029492/ (Дата обращения: декабрь 2022).
   
8. 
   Информационный портал banki.ru [Электронный ресурс] / Рейтинги банков - Электрон, дан. - 2018.- Режим доступа: http://www.banki.ru/ banks/ratings/, свободный. - Загл. с экрана. - Яз. рус. - дата обращения: декбрь 2022.
   
9. 
   Катаргин Н.В. Экономико-математическое моделирование: учебное пособие / Н.В. Катаргин. – СПб.: Издательство Лань, 2018. - 256 c.
   
10. 
    Колпаков В.Ф. Экономико-математическое и эконометрическое моделирование: Компьютерный практикум: Учебное пособие / В.Ф. Колпаков. – М.: Инфра-М, 2018. - 672 c.
    
11. 
    Куликов Е.И. Прикладной статистический анализ. 2-е изд.,/ Е.И. Куликов. — М.: ГЛТ, 2018. — 464 c.
    
12. 
    Марамыгин М. С., Прокофьева Е. Н. Деньги, кредит, банки: учебное пособие [Текст] / М. С. Марамыгин, Е. Н. Прокофьева – Екатеринбург: Изд-во Урал. Ун-та. 2019. – 384 c.
    
13. 
    О банках и банковской деятельности: Федеральный закон от 02.12.1990 г. № 395-1-ФЗ [Электронный ресурс] – http:// ivo.garant.ru/#/document/10105800/paragraph/990967/highlight/ (дата обращения: 20.05.2022).
    
14. 
    Положение Банка России от 22 декабря 2014 г. N 446-П "О порядке определения доходов, расходов и прочего совокупного дохода кредитных организаций" (с изменениями и дополнениями) [Электронный ресурс] – https://base.garant.ru/70832382/ (Дата обращения: декабрь 2022).
    
15. 
    Указание Банка России от 3 апреля 2017 г. N 4336-У "Об оценке экономического положения банков" (с изменениями и дополнениями) [Электронный ресурс] – https://base.garant.ru/71682362/ (Дата обращения: декабрь 2022).
    
16. 
    Федеральный закон от 10 июля 2002 г. N 86-ФЗ "О Центральном банке Российской Федерации (Банке России)" (с изменениями и дополнениями) [Электронный ресурс] – https://base.garant.ru/12127405/ (Дата обращения: декабрь 2022).
    
17. 
    Чеботарева Г.С. Организация деятельности коммерческого банка: учебное пособие [Текст] / Чеботарева Г. С. – Екатеринбург: Издательство Уральского университета, 2018. — 120 с.
    
18. 
    Шершнева Е.Г. Диагностика финансового состояния коммерческого банка: учебно-методическое пособие [Текст] / Е.Г. Шершнева – Екатеринбург: Издательство Уральского университета, 2017. — 112с.
    
19. 
    Шелкунова Т.Г., Шеина Е.С. Особенности оценки финансовых результатов и эффективности деятельности коммерческого банка [Текст] / Шелкунова Т.Г., Шеина Е.С. – Экономика и бизнес: теория и практика. 2018. №4.
    
20. 
    Юзвович Л. И., Мокеева Н. Н., Слепухина Ю. Э., Бакунова Т. В., Заборовская А. Е., Чеботарева Г. С. Банковское дело: учебное пособие [Текст] / Л. И. Юзвович, Н. Н. Мокеева, Ю. Э. Слепухина, Т. В. Бакунова, А. Е. Заборовская, Г. С. Чеботарева – Екатеринбург: Издательство Уральского университета, 2020. – 296 с.
    

---