Диссертация (1137680), страница 21

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 21)

Этосвидетельствует о том, что у партнеров данного финансового институтамелкие заемщики. Таким образом, средний оцененный размер кредитана рынке – 20 млн руб.; при этом по данным МСП Банка, он составляет10–11 млн руб., т.е., вероятно, что по какой-то причине коммерческиебанки заинтересованы в демонстрации роста кредитных портфелейМСБ (например, для акционеров), включая в данную категориюкрупные компании-заемщики.Далее, на основе оцененных параметров, по формуле (3.28)можноопределитьразмеркредита,получаемогоотдельнымзаемщиком. Считая, что каждая компания получает кредит в том банке,129в котором находится ее расчетный счет, и, зная доли каждого банка нарынке расчетных счетов, мы можем рассчитать размер кредитногопортфеля банка в момент времени 1.

Далее, рассчитав дюрацию поформуле (3.29) и воспользовавшись формулой (3.21), можно оценитьпортфель кредитов МСБ для каждого коммерческого банка вроссийской банковской системе на момент времени T. Использовавсписки банков-партнеров каждого БР за 2013 г., можно получитьданные по агрегированным портфелям БР, а также рассчитать их долюна рынке кредитования МСБ.Используя метод Монте-Карло, мы получили оценки доликаждого банка-партнера БР на рынке кредитования МСБ; наложимполученные результаты на результаты оптимизации из второй главы.Такимобразом,рассчитаемтрииндекса,отражающихсредневзвешенную долю суммарных портфелей банков-партнеровразличных БР (т.е. средневзвешенную рыночную долю по поддержкеМСБ отдельного БР), два из которых являются показателямиэффективности деятельности БР в поддержке сектора МСБ.Индекс, служащий базой для сопоставления (бенчмарк),определен как средневзвешенная смоделированных рыночных долейгруппы банков-партнеров каждого БР:I1   i 1 vi wiN,(3.38)где vi – доли i-го банка-партнера БР на рынке кредитования МСБ,полученные в результате моделирования методом Монте-Карло; wi –доли фондирования i-го банка-партнера БР (по данным 2013 г.).Индекс, отражающий средневзвешенную рыночную долюпрограммы поддержки МСБ при перераспределении средств БР средибанков-партнеров с наименьшей наценкой в цене банковских130продуктов МСБ и фактически являющийся первым показателемэффективности БР:SEI1   i 1 vi wi LernerN,(3.39)где wi Lerner – доли фондирования i-го банка-партнера БР, полученные врезультате оптимизации индекса Лернера во второй главе.Индекс, отражающий средневзвешенную рыночную долюпрограммы поддержки МСБ при перераспределении средств БР срединаиболее крупных их банков-партнеров и являющийся вторымпоказателем эффективности программы МСБ БР:SEI 2   i 1 vi wiBooneN,(3.40)где wiBoone – доли фондирования i-го банка-партнера БР, полученные врезультате оптимизации индикатора Буна во второй главе.Результаты расчетов вышеприведенных индексов представленыв табл.

14.Таблица 14 – Показатели эффективности БР(%)МСПБанкЕБРРIFCЧБТРFMOSEI1SEI 20,1880,0670,4930,4580,0830,1250,0510,1820,0410,1310,0280,7820,1090,1560,074I1Источник: рассчитано авторомТакимобразом,средневзвешеннаядолябазойдляпрограммысравненияМСББРслужитприI1 ,т.е.исходномраспределении средств и наличии модельного и операционного рисковв поведении БР. На основе сравнения индикаторов эффективности сбенчмарком можно сделать вывод о неподтверждении гипотезы 1 и оподтверждении гипотезы 2, выдвинутых в предыдущем разделе данной131главы.

При перераспределении ресурсов БР с помощью индексаЛернера не достигается распределение ресурсов среди наиболеекрупных банков-партнеров БР, что, наоборот, характеризует наименееэффективные управленческие решения с точки зрения достижения имицелевых показателей. В то время как минимизация индикатора Бунаописывает наиболее эффективные управленческие решения БР. Такимобразом, этот вывод может быть формализован как:SEI1  I1  SEI 2 .(3.41)Показатели эффективности характеризуют средневзвешеннуюрыночную долю, к которой имеется доступ у БР при наиболее инаименее эффективном распределении им имеющихся ресурсов. Чемони выше, тем лучше. С одной стороны, это означает, что БР можетбыстреераздаватькредитныйпортфель,реализуяприэтомпоставленные таргеты. С другой, эти модели показывают то, какойобъем спроса «закрывается» ресурсами БР.

Даже с учетом того, что«деньги не маркируются» и средства БР – это лишь часть этого спроса,сотрудничество с БР имеет определенный положительный эффект длякоммерческого банка, начинающего благодаря средствам БР активнееработать на рынке кредитования МСБ, завоевывая более высокуюрыночную долю.При этом средний спрос, охватываемый БР, составляет менее 3%,чтосвидетельствует одействительнонацеленытом, что эти финансовые институтынамелкиеисредниебанки.Присопоставлении данных показателей для отдельных БР можно сделатьвывод о том, что наиболее эффективной является деятельность ЕБРР.Это несколько неожиданно по причине того, что объемы поддержкиМСП Банка во много раз выше. Это означает, что ЕБРР технологическиправильно относится к выбору своих банков-партнеров.

Важноотметить, что данный вывод соотносится с результатами раздела 2.1.1323.3 Интерпретация оценок конкуренции банковразвитияНа основе предыдущих разделов был сделан вывод о том, что чтоЕБРР в данной группе БР является «эталоном». Однако, что делаетметодику отбора банков-партнеров данным финансовым институтом,успешной, не совсем ясно. Обусловлено это тем, что БР, в целом, иЕБРР, в частности, не раскрывают методики отбора своих банковпартнеров.

В данном разделе на основе анализа показателейфинансовогосостоянияпартнеровразличныхБРпопробуемопределить как пороговые значения, так и группу наиболее важныхпоказателей коммерческих банков для того, чтобы сформулироватьрекомендации для повышения эффективности в области методикотбора других БР, прежде всего, национального БР – МСП Банка.Для определения пороговых уровней финансового состояниябанков-партнеров, воспользуемся однофакторным дискриминантныманализом. Пусть рассматриваются два класса коммерческих банков –один включает в себя партнеров ЕБРР, а другой – партнеров всехостальных БР (МСП Банк, IFC, ЧБТР и FMO).

Пусть классы состоят измножестваэлементовX 1  x11 , x12 ,..., x1n1иX 2  x12 , x22 ,..., xn22,соответственно. Для того, чтобы определить, к какому классупринадлежит рассматриваемый коммерческий банк, используется 1признакz(в данном случае, один из 12 рассматриваемых в даннойработе показателей финансового состояния коммерческих банков,поэтому одному банку соответствует скаляр, а не вектор признаков).Априорные (т.е. доопытные) вероятности отнесения коммерческогобанка к той или иной группе по соответствующему признаку известныи равны p1 ( z ) и p2 ( z ) . Теперь нам необходимо сформулировать правило133дискриминации, в соответствии с которым объект будет отнесен кклассу 1 или классу 2.Пусть на оси ординат имеется некоторая точка z0 , тогда объектбудет относиться к классу 1 iff:z  z0 ,гдеz(3.42)– значение показателя финансового состояния отдельного банка-партнера БР.

В обратном случае банк относится к классу 2.Графическая иллюстрация правила дискриминации представлена нарис.15.Рисунок 15 – Распределение совокупностей 1 и 2 по признаку zИсточник: составлено авторомИдея дискриминантного анализа заключается в том, чтобы найтиапостериорные (т.е. послеопытные) вероятности для ситуацийотнесения банка как к классу 1, так и классу 2, и выбрать среди нихнаибольшую вероятность.Таким образом, пусть апостериорная вероятность отнесениябанка в группу 1:P bank  "1" | z  MC 0  Применяя формулу Байеса, имеем:1.2(3.43)134P bank  "1" | z  MC0  1P "2" | z  MC0  1P "1" | z  MC 0  P "2"P "2"P "1"P "1" | z  MC0 P  z  MC0 1P "2"P "1" | z  MC0 P "1" | z  MC0   P "2" | z  MC0 1P  z  MC0 | "2"P "2" P  z  MC0 | "1"1n p (z)1 2  2n1 p1 ( z ), (3.44)P "1"Подставляя в (3.43) получаем:1n p (z)1 2  2n1 p1 ( z )2  11,2n2 p2 ( z ),n1 p1 ( z )(3.45)(3.46)n1 p2 ( z ).n2 p1 ( z )(3.47)Таким образом, дробь справа в формуле (3.47) представляетсобой статистику отношения правдоподобия.

Критерий на ее основе всоответствии с леммой Неймана-Пирсона является наиболее мощным,т.е. имеет наименьшую ошибку второго рода (Айвазян, 1989), в нашемслучае: объект, принадлежащий ко второму классу, будет отнесен кпервому.Поскольку мы работаем с обучающими выборками и видраспределения нам неизвестен, для дальнейшего определения точки z0используем эмпирические функции распределения вида:1Fj ( z) nj1, z  x0, z  xгде 1z  x  ni 1j 1z  xij,(3.48)– индикаторная функция, индекс j соответствует БР, i– банку-партнеру.135В данном случае анализируются две эмпирические функциираспределения – банков-партнеров ЕБРР и всех остальных БР. Такимобразом, дискриминирующая функция будет иметь вид:G (z)  F1 ( z )   F2 (z) .(3.49)Поскольку нас интересует экстремум этой функции, то:G ( z )  p1 ( z )   p2 ( z )  0 .(3.50)Таким образом,  из (3.48):p1 ( z ) n2 .p2 ( z ) n1(3.51)Однако до проведения непосредственно дискриминантногоанализанеобходимоудостоверитьсявтом,чтогенеральныесовокупности, к которым принадлежат исследуемые эмпирическиефункции распределения, не равны.

Для этого используем критерийоднородности Колмогорова-Смирнова. Результаты его применения длякаждого показателя финансового состояния представлены в табл. 15.Таблица 15 – Результаты расчета критерия Колмогорова-СмирноваПоказательН1Н2Н3NPLCIRROAROEПортфель МСБСобственныйкапиталАктивыДоля депозитовфизических лицМаксимальнаяотрицательнаяразность двухэмпирическихфункцийраспределения-0,105-0,098-0,155-0,281-0,074-0,167-0,168-0,341-0,468Максимальнаяположительнаяразность двухэмпирическихфункцийраспределения0,2710,0910,0760,0180,0940,0200,0200,0420,024p < 0,025p > 0,10p > 0,10p < 0,01p >0,10p > 0,10p > 0,10p < 0,001p < 0,001-0,540-0,0810,0350,124p < 0,001p > 0,10p-value136Долякорпоративныхкредитов-0,0870,124p > 0,10Источник: рассчитано авторомТак, при уровне значимости  0, 05две эмпирические функциираспределения отличаются у показателей: Н1, NPL, собственныйкапитал, активы, портфель кредитов МСБ.

Для остальных показателейгипотеза о равенстве функций распределения не отвергается. Поэтомув дальнейшем однофакторный дискриминантный анализ будетприменен в отношении первой группы показателей. Результаты егорасчета представлены в табл.16.Таблица 16 – Результаты однофакторного дискриминантного анализаПоказатель финансового состоянияЗначение экстремумабанка-партнераН111,24NPL0,01Портфель МСБ (млн руб.)25,78Собственный капитал (млрд руб.)2,014Активы (млрд руб.)24,96Источник: рассчитано авторомНа основании проведенного анализа можно сделать вывод о том,что ЕБРР вкладывает в банки-партнеры с активами и капиталом свыше25 и 2 млрд руб., соответственно.

Характеристики

Список файлов диссертации