183601 (Підвищення ефективності діяльності ПриватБанку на основі теорії синергетики), страница 7

Результати розрахунку представляємо у виді таблиці 2.1.

Таблиця 2.1 - Процедура розрахунку показників моделі при лінійній апроксимації

В результаті рішення системи рівнянь обчислюємо значення параметрів a і b і одержуємо поліном при лінійній апроксимації. Представляємо графічне зображення отриманого рішення.

б) Параболічна залежність як форма математичного вираження зв’язків між досліджуваними явищами застосовується в тих випадках, коли із зростанням факторної ознаки відбувається нерівномірне зростання або спадання результативної ознаки.

При знаходженні рівняння зв’язку між ознаками в якості апроксимаційної функції застосовується тип кривої, вираженої у вигляді параболи другого порядку:

X^*=a₀+a₁*t+a₂*t² (2.9)

Параметри a₀, a₁ і a₂ визначаємо по методу найменших квадратів шляхом складання і розв’язку системи нормальних рівнянь [7]:

(2.10)

Результати розрахунку представимо у виді таблиці 2.2.

Таблиця 2.2 - Процедура розрахунку показників моделі при параболічній апроксимації

У результаті рішення системи рівнянь обчислюємо значення параметрів a₀, a₁ і a₂ і одержуємо поліном при параболічній апроксимації. Представляємо графічне зображення отриманого рішення.

в) Якщо результативна ознака при збільшенні факторної ознаки спадає, але не безкінечно, а прямує до певного рівня, то для її аналізу застосовується рівняння гіперболи:

(2.11)

Параметри a₀ і a₁ визначаємо по методу найменших квадратів при рішенні системи рівнянь [7]:

(2.12)

Результати розрахунку представимо у виді таблиці 2.3.

Таблиця 2.3 - Процедура розрахунку показників моделі при гіперболічній апроксимації

У результаті рішення системи рівнянь обчислюємо значення параметрів a₀ і a₁ і одержуємо поліном при гіперболічній апроксимації. Представляємо графічне зображення отриманого рішення.

г) Вирівнювання за напівлогарифмічною кривою проводяться в тих випадках, коли зі зростанням факторної ознаки середня результативна ознака спочатку до певних меж зростає досить швидко, але пізніше темпи її зростання поступово сповільнюються:

(2.13)

Параметри a₀ і a₁ визначаємо по методу найменших квадратів при рішенні системи рівнянь [7]:

(2.14)

Результати розрахунку представляємо у виді таблиці 2.4.

Таблиця 2.4 - Процедура розрахунку показників моделі при напівлогарифмічній апроксимації

В результаті рішення системи рівнянь обчислюємо значення параметрів a₀ і a₁ і одержуємо поліном при напівлогарифмічній апроксимації [7]. Представляємо графічне зображення отриманого рішення.

1. Провести, засноване на методі найменших квадратів, порівняння значень X_i^*, отриманих шляхом застосування кожного з поліномів. Сутність методу найменших квадратів полягає в тім, що сума квадратів відхилень, отриманого значення X_i^* (апроксимуючого значення) від заданого значення X_i, повинна бути мінімальної.

Найбільш точний поліном, що відповідає емпіричним (заданим) значенням X_i, повинний дати найменше значення цієї суми. Для порівняння рекомендується побудувати таблицю 2.5.

Таблиця 2.5 – Порівняльна оцінка моделей

1. Визначення параметрів математичної моделі та розрахунок показників точності і адекватності.

а) Для вимірювання щільності зв’язку і визначення його напрямку використовується коефіцієнта кореляції, який визначається за формулою:

(2.15)

Величина коефіцієнта лінійної кореляції змінюється у діапазоні: -1 r 1. Чим більше r , тим сильніше лінійна залежність компонентів t і X.

б) Коефіцієнт детермінації показує яка частка зміни Х пояснюється впливом на нього t. Він визначається як квадрат парного лінійного коефіцієнта кореляції:

(2.16)

де r- коефіцієнт кореляції.

в) Коефіцієнти кореляції, як правило, розраховуються для вибіркових даних. Щоб поширити отримані приватні результати на генеральну сукупність, приходиться допустити деяку помилку, яку можна оцінити за допомогою середньоквадратичної помилки ( ):

, (2.17)

де r- коефіцієнт кореляції;

n- обсяг вибіркової сукупності.

При достатньо великому числі спостережень (n>50) коефіцієнт кореляції можна вважати достовірним, якщо він перевищує свою помилку в 3 і більше разів, а якщо він менший 3, то зв’язок між досліджуваними ознаками t і Х не доведений [7].

г) За допомогою середньоквадратичної помилки обчислюють коефіцієнт надійності (t_r), що порівнюють з табличним значенням коефіцієнта надійності (t_табл):

, (2.18)

де r- коефіцієнт кореляції;

- середньоквадратична помилка.

Якщо t_r > t_табл, то коефіцієнт кореляції вважається значимим [7].

д) Для генерального коефіцієнта кореляції обчислюється довірчий інтервал:

r - _r* t_табл …r + _r* t_табл, (2.19)

де r- коефіцієнт кореляції;

- середньоквадратична помилка;

t_табл - табличне значення коефіцієнта кореляції.

є) Адекватність моделі означає, що відповідне рівняння регресії правильне, коректно описує взаємозв'язок між результативною і пояснюючою перемінною. Для перевірки адекватності моделі застосовується статистичний критерій адекватності, що називається критерієм Фішера. Він розраховується по формулі:

, (2.20)

де R²- коефіцієнт детермінації;

і — ступеня волі.

= 1

_{= n – 2}

F порівнюють з табличними значеннями статистики Фішера. Для 5%-ного рівня значущості критичне значення F_т(0,95)=5,32. Якщо F > F_табл, то модель є адекватною, а якщо менше, те неадекватною [26].

Результати розрахунків показників точності і адекватності між досліджуваними ознаками представляємо у виді таблиці 2.6.

Таблиця 2.6 - Розрахунок показників точності і адекватності

1. Висновки відносно отриманих результатів та визначення оптимальної моделі по сукупності критеріїв якості і надійності.

2.3 Методика комп’ютерного моделювання

1) Провести розрахунок досліджуваних показників за формулами, наведеними у розділі 2.1, 2.1-2.6;

2) Порівняти отримані результати з оптимально допустимим значенням або коридором;

3) У випадку розбіжності між розрахованим показником та оптимальним значенням, необхідно виявити тип фінансової ситуації за наведеною класифікацією у розділі 2.1.

Якщо досліджувана організація за розрахованими показниками є абсолютно стійкою, але це дуже рідкісне явище, то комп’ютерне моделювання проводити нема потреби.

Установа може мати нормальну стійкість фінансового стану, яка гарантує його платоспроможність, то в такому разі є можливість промоделювати деякі показники, щоб вона набула абсолютної стійкості.

Але якщо банк має нестійке або кризове фінансове становище, то необхідне комп’ютерне моделювання досліджуваних показників. Основними способами виходу з такого становища будуть: поповнення джерел формування запасів і оптимізація їхньої структури, а також обґрунтоване зниження рівня запасів, оскільки позитивним фактором фінансової стійкості є наявність джерел формування запасів, а негативним фактором — величина запасів.

1. Розглянемо перший показник фінансової стійкості – коефіцієнт надійності – співвідношення власного капіталу до залучених коштів. Мінімально допустиме його значення складає не менше 5% [2]. Якщо отримане значення менше за мінімальне, то рівень залежності банку від залучених коштів дуже високий. Розглянемо існуючи варіанти для досягнення оптимального значення:

а) дослідження зміни коефіцієнта надійності від зміни власного капіталу;