Разработка моделей оценки эффективности деятельности банка по работе с корпоративными клиентами, страница 4

Построены модели бинарного и множественного выбора на базе регрессионной модели, использующей в качестверегрессоров показатели, отобранные методом пошагового исключения регрессоров и методом главных компонент.Для оценки эффективности и принятия решения о распределении бонусного фонда использована модель бинарного выбора, в которой эндогеннаяпеременная принимает два значения 0 и 1 в зависимости от значения интегрального KPI – показателя эффективности (см.

табл.6).Таблица 6Значения эндогенной переменной бинарной моделиНижняя граница интегрального показателя KPI , %Верхняя граница интегрального показателя KPI , %Значение бинарнойпеременной Y09901002001Для разработанных моделей в качестве базы данных используется статистика по ключевым показателям эффективности подразделения ОАО «НОРДЕА Банка» по работе с корпоративными клиентами за 2007-2009 гг. Дляоценки и проверки адекватности модели выборка разделена на обучающую иконтролирующую.21Оцененные логит–модели бинарного выбора имеют следующий вид:· вариант 1:-268 + 55 × K-125 × K- 473 × K+ 877 × K- 24 × KPIportfolio , tincome , topen , tshare , timplementa tion , teP (Yi = 0 ) =- 268 + 55 × K portfolio , t -125 × K income , t - 473 × K open , t + 877 × K share , t - 24 × KPI implementa tion , t ,1+ eP (Yi = 1) = 1 - P (Yi = 0) ;· вариант 2:0 , 81+1, 3× F - 4 , 2× F1, t2 ,teP (Yi = 0 ) =,0 , 81+1, 3× F1 , t - 4 , 2× F2 , t1+ eP (Yi = 1) = 1 - P (Yi = 0 ) .Оценка пробит–модели бинарного выбора:· вариант 1:1P (Yi = 0) =2p-161+ 34× K portfolio ,t - 76× K income, t - 288× K open, t + 537× K share , t -15× KPI implementation ,tòe-t22dt-¥P (Yi = 1) = 1 - P (Yi = 0 ) ;· вариант 2:t21 0 , 46 + 0 , 75× F1, t - 2 , 5× F2 , t - 2P (Yi = 0) =e dtò-¥2pP (Yi = 1) = 1 - P (Yi = 0 ) .Для решения задачи о размере распределяемого бонусного фонда былапостроена модель в ранговых шкалах, в которой эндогенная переменная принимает три значения (1, 2, 3), соответствующие уровню выполнения плана, взависимости от значения интегрального KPI (см.

табл. 7).Таблица 7Значения эндогенной переменной модели множественного выбораНижняя граница интегрального показателя KPI , %0Верхняя граница интегрального показателя KPI , %94Значение переменной Y19510921102003Модели в ранговых шкалах использованы при определении размера бонусного фонда.22Оценённая логит – модель множественного выбора:· вариант 1:-28 -13× K- 23× K- 42 × K+104 × K- 3× KPIportfolio , tincome , topen , tshare , timplementa tion , te,P (Yi = 1) =- 28 -13× K portfolio , t - 23× K income , t - 42 × K open , t +104 × K share , t - 3× KPI implementa tion , t1+ e- 12 -13 × K portfolio , t - 23 × K income , t - 42 × K open , t +104 × K share , t - 3× KPI implementa tion , teP (Yi = 2 ) =-12 -13 × K portfolio , t - 23 × K income , t - 42 × K open , t +104 × K share , t - 3× KPI implementa tion , t1+ e- P (Yi = 1),P (Yi = 3) = 1 - P (Yi = 1) - P (Yi = 2);· вариант 2:- 9 ,1+ 8 , 2× F -13 , 6× F1, t2 ,te,P (Yi = 1) =- 9 ,1+ 8 , 2× F1 , t -13 , 6× F2 , t1+ e16 , 8 + 8 , 2× F1 , t -13 , 6× F2 , te- P (Yi = 1),P (Yi = 2 ) =16 , 8 + 8 , 2× F1, t -13 , 6× F2 , t1+ eP (Yi = 3) = 1 - P (Yi = 1) - P (Yi = 2) .Оцененные пробит–модели в ранговых шкалах принимают вид:· вариант 1:P (Yi = 1) =12p-16 - 7 , 6× K portfolio , t -13× K income ,t - 24× K open ,t - 60× K share , t -1, 7× KPI implementation , tP (Yi = 2) =12p- 7 - 7 , 6× K portfolio , t -13× K income, t - 24× K open, t - 60× K share ,t -1, 7 × KPI implementation , tòe-t22dt ,-¥òe-t22dt --¥- P(Yi = 1),P (Yi = 3) = 1 - P (Yi = 1) - P (Yi = 2) ;· вариант 2:-5 , 2 + 4 , 7 × F - 7 , 8× F1, t2 ,teP (Yi = 1) =,- 5 , 2 + 4 , 7 × F1 , t - 7 , 8× F2 , t1+ e9 , 6 + 4 , 7 × F1 , t - 7 ,8× F2 , teP (Yi = 2 ) =- P (Yi = 1),9 , 6 + 4 , 7 × F1 , t - 7 , 8× F2 , t1+ eP (Yi = 3) = 1 - P (Yi = 1) - P (Yi = 2) .Проверка статистической значимости коэффициентов всех построенныхмоделей с качественной зависимой переменной выполнены с помощью ста23тистики Вальда.

Их значения для регрессоров всех моделей показали значимость всех экзогенных переменных.5.Проведен сравнительный анализ результатов оценивания под-разделения банка по работе с корпоративными клиентами в рамках построенных моделей.Сравнение построенных моделей проведено по трем критериям: точности прогнозов значения эндогенной переменной, показателям качества моделей (индексу отношения правдоподобия Макфаддена), количеству ошибокоценивания.Полученные результаты для подразделения ОАО «НОРДЕА Банка» поработе с корпоративными клиентами представлены в табл. 8.Таблица 8Прогнозы зависимой переменнойв рамках моделей бинарного и множественного выбораВарианты моделиБинарная логит – модель,вариант 1Бинарная пробит –модель, вариант 1Бинарная логит – модель,вариант 2Бинарная пробит –модель, вариант 2Логит – модель в ранговых шкалах, вариант 1Пробит – модель в ранговых шкалах, вариант 1Логит – модель в ранговых шкалах, вариант 2Пробит – модель в ранговых шкалах, вариант 2Прогноз значения ЗначениеКоличество неточныхпредсказанных значений вобучающей выборкеYLRIP (Y = 0) =10,832P (Y = 0) =10,842P (Y = 0) =0,60,585P (Y = 0) =0,560,595P (Y = 2) =0,9980,772P (Y = 2) =0,9990,772P (Y = 2) =0,9980,873P (Y = 2) =0,9970,86324Данные табл.

8 свидетельствуют о том, что пробит – модель в ранговыхшкалах дает результат с наиболее высоким значением индекса отношенияправдоподобия Макфаддена и вероятностью прогнозных значений.Модели с дискретной зависимой переменной были использованы длябизнес - планирования результатов деятельности департамента по работе скорпоративными клиентами ОАО «НОРДЕА Банка»: при определении уровня эффективности деятельности; планировании распределения бонусногофонда – по прогнозным результатам значения интегрального показателя эффективности подразделения.

Модель бинарного выбора позволила (на первом этапе) решить вопрос о премировании (премировать или нет департамент), а модели множественного выбора (на втором этапе) – о сумме поощрения сотрудников.Таким образом, можно сделать вывод, что модели с качественной зависимой переменной позволяют количественно оценить эффективность деятельности подразделения банка и автоматизировать этот процесс.Основные положения и результаты исследования отражены в следующих публикациях:Статьи, опубликованные в журналах, определенных ВАК:1.Литвинцева А.М.

Оценка деятельности корпоративного подразде-ления банка [текст]/ А.М. Литвинцева// Микроэкономика. – М., 2009. - №5.С. 137-140. (0,25 п.л.);2.Литвинцева А.М. Оценка деятельности корпоративного подразде-ления банка с помощью мультиномиальной логит-модели [текст]/ А.М. Литвинцева// Управление риском. – М., 2010. - № 2. С. 17-20. (0,25 п.л.);3.Литвинцева А.М.

Метод расчета нефинансового показателя испол-нения распоряжений руководства [текст]/ А.М. Литвинцева// Экономика.Предпринимательство. Окружающая среда. – М., 2011. - № 2 (46). С.57-62.(0,5 п.л.);25Статьи, опубликованные в других научных изданиях:4.Литвинцева А.М. Оценка деятельности корпоративного подразде-ления банка [текст]/ А.М. Литвинцева// Экономическое прогнозирование: материалы V Международной научно–практической конференции. - Ярославль,2010.

Ч. 1. С. 383-385. (0,31 п.л.);5.Литвинцева А.М. О проблемах мотивации в период кризиса [текст]/А.М. Литвинцева, М.И. Родионова// Национальная экономическая системаРоссии: состояние и перспективы: материалы научной конференции. – М.,2009.С. 311-319. (0,56 п.л./ 0,28 п.л.);6.Литвинцева А.М. Оценка деятельности корпоративного подразде-ления банка с помощью модели множественного выбора [текст]/ А.М.

Литвинцева // Материалы VII Международной научной конференции молодыхученых, аспирантов и студентов «Молодежь и экономика». – Воронеж: издательско - полиграфический центр Воронежского государственного университета, 2009. том IV. С. 234-238. (0,2 п.л.).26.