Диссертация (1138455), страница 20
Текст из файла (страница 20)
0- нет, 1 – даОператор сам осуществляетуправление рисками – 1,оператор распределяетмежду остальными – 01– Есть требование, 0 –требование отсутствуетЕсли оператор платежной системыосуществляет управление рискамисамостоятельно, то вероятностьнарушения устойчивости операторовуслуг платежной инфраструктурыснижаетсяНаличие развитой системывзаимодействия увеличиваетустойчивостьИсточник: составлена автором диссертацииВ результате была построена общая регрессия, после чего была полученалучшая регрессия со значимыми переменными. Для корректной интерпретацииполученных результатов были рассчитаны маржинальные эффекты (таблица21). Необходимо отметить, что часть показателей были переведены в бинарныезначения для определения оптимального целевого значения.
Были установленыдве границы опыта – требование к опыту более 3 лет и требование к опытуболее 5 лет. Следовательно, в случае если показатель окажется значимым, товозможно однозначно определить границу требуемого значения. Показательсистемной значимости платежной системы не был включен, так как такиеплатежные системы недостаточно представлены в Реестре операторовплатежных систем.Включение технологических решений, используемых в платежнойсистеме связано с тем, что операторы услуг платежной инфраструктурыдолжны соответствовать технологическим требованиям.
Соответственно онибудут лучше выполнять возложенные на них функции, а, значит, они не будутисключены из состава операторов, представленных в Реестре операторовплатежных систем. При расчете была использована бинарная пробит регрессия.112Всего в модели было использовано 64 наблюдения. Регрессии получилисьзначимыми на 5% уровне значимости.Таблица 21 – Модели, определяющие институциональные факторы,снижающие/увеличивающие вероятность исключения оператора услугплатежной инфраструктуры из состава платежной системыНазвание переменныхПолная модель –логистическаярегрессияТребование к опыту работы нарынке более 3 летТребование к опыту работы нарынке более 5 летВремя восстановления послесбоя от 24 чВремя восстановления послесбоя от 48 чВремя восстановления послесбоя (P1)Время между событиями (P2)-4,326319Количество проведенныхплатежей к общему количеству(P3)Показатель доступностиплатежной системы (P4)Среднее количество инцидентов(P5)Наличие внутридневного кредитав платежной системеЯвляется ли платежная системанационально значимойЯвляется ли платежная системасоциально значимойСовпадение инфраструктуры(полностью разные операторы)Совпадение инфраструктуры(Оператор платежной системывыполняет одну из функцийоператора услуг платежнойинфраструктуры)Организация системыуправления рискамиНаличие требования к операторууслуг платежнойинфраструктуры попредоставлению информацииЛогистическаярегрессия созначимымипеременнымиМаржинальныеэффекты-1,495034**-0,3009474**-0,8193585-1,562291*-0,3144861*-2,524358*-2,640016**-0,53143**3,024545*2,912293*0,5862388**-1,227465-1,105836*-0,2226026*-1,836232*-1,60364*-0,3228095*5,6122592,265198*0,4559798**1,413765**0,2845881***-1,508007*-0,1134712-0,4537438-1,359599-0,23188810,062833-0,09949591,392478*-0,300512113участникам платежной системыОстатки-0,3005605-0,5444564Количество наблюдений646464Prob>chi20,00110,0000-R-квадрат0,47360,4384-Источник: составлена автором диссертации, звезды отражают p-value: *** p<0.01, **p<0.05,*p<0.1Полученные результаты являются значимыми (рисунок 16).
Площадь подROC-кривой составила 0,9015, что демонстрирует адекватность полученноймодели.Классификационнаятаблицатакжепоказывает,чтомодельпредсказывает корректно 84,38% случаев.Таким образом, модель предоставила следующие результаты (рисунок 17).Были определены факторы, положительно и отрицательно влияющие наустойчивость операторов услуг платежной инфраструктуры. К факторам,положительно влияющим на устойчивость, относятся:1) Если платежная система является социально значимой, то вероятностьисключения оператора услуг платежной инфраструктуры из составаплатежной системы снижается на 32,3%;2) Если к оператору услуг платежной инфраструктуры было установленотребование к опыту работу более 5 лет, то вероятность исключения изРеестра операторов платежных систем сокращается на 30 %;3) Если в платежной системе используется показатель доступностиплатежной системы, то вероятность исключения уменьшается на53,1%;4) Если в платежной системе используется показатель количествапроведенных платежей к общему количеству платежей, то вероятностьисключения из состава платежной системы снижается на 31,4%;5) Если в платежной системе реализован механизм внутридневногокредита, то вероятность исключения из состава операторов услугплатежной инфраструктуры снижается на 22,2%.0.500.000.25Sensitivity0.751.001140.000.250.501 - Specificity0.751.00Area under ROC curve = 0.9015Рисунок 16 – ROC-кривая для модели с институциональными переменнымиИсточник: составлена автором диссертацииК факторам, которые увеличивают вероятность исключения операторауслуг платежной инфраструктуры из состава платежной системы, относятся:1) Если в платежной системе используется показатель среднегоколичества инцидентов, то вероятность исключения увеличивается на 58,6%;2) Если оператор в платежной системе осуществляет управление рискомсамостоятельно, то вероятность исключения из состава операторов услугплатежной инфраструктуры увеличивается на 28,4 %;3) Если для исполнения функций операторов услуг платежнойинфраструктуры оператор платежной системы привлекает полностью разныеюридические лица, то вероятность исключения из платежной системыувеличивается на 45,5%.115В системе реализован ВДКПрименяется показатель P3Операторы все разныеПрименяется показатель P4Опыт больше 5 летОператор сам управляет рискамиПрименяется показатель P5ПС является социально значимой-60,00%-40,00%-20,00%0,00%20,00%40,00%60,00%ПС является социально значимойПрименяется показатель P5Оператор сам управляет рискамиОпыт больше 5 летПрименяется показатель P4Операторы все разныеПрименяется показатель P3В системе реализован ВДК80,00%Рисунок 17 – Факторы, влияющие на снижение/увеличение вероятностиисключения из Реестра операторов платежных системИсточник: построен автором диссертацииПолученныеорганизациирезультатыплатежнойсвязанысистемы.сЕслитехнологическимиаспектамиоператорплатежнойуслугинфраструктуры имеет опыт исполнения функций в другой платежной системе,то данный факт демонстрирует наличие технической возможности выполнятьновые функции.
Следовательно, у оператора платежной системы отсутствуетнеобходимостьисключатьуказанныхоператоровуслугплатежнойинфраструктуры из состава платежной системы. Показатель доступностиплатежной системы также нацелен на обеспечение технологического аспектапереводачерезплатежнуюсистему.Напрямуюпоказательсвязансоперационным риском. Он отражает время перевода, то есть первый аспектобеспечения бесперебойности функционирования платежной системы.Реализация внутридневного кредита в системе отражает наличиетребований к определенным технологическим решениям.
Оператор услугплатежной инфраструктуры, который присоединяется к платежной системе,фактическидолжентехнологическимизначальнотребованиям.Какдемонстрировать большую устойчивость.соответствоватьболеерезультатоператорытакиевысокимбудут116Построенные регрессии также были протестированы на Робастность.Пример представлен в Таблице Б.3.
Таким образом, полученные результатыявляются логичными и соотносятся с принятой практикой работы платежныхсистем.Построенныеэконометрическиемоделипозволяютопределитьфинансовые и технологические факторы, которые влияют на устойчивостьоператора услуг платежной инфраструктуры.3.3. Проект методики осуществления надзора в национальной платежнойсистемеИнформация, полученная в ходе регрессионного анализа, может бытьиспользованакакдлялицензированияоператоровуслугплатежнойинфраструктуры в части установления перечня требований, так и дляосуществления надзорных функций Банка России. В частности, Банк Россииможет составить рейтинг устойчивых и неустойчивых операторов услугплатежнойинфраструктуры.Операторыплатежнойсистемы,применяяпредставленный рейтинг, могут принимать решение о включении операторауслуг платежной инфраструктуры в состав платежной системы.С учетом того, что при расчете были использованы логистическиерегрессии, возможно рассчитатьаналогненаблюдаемыхлогистическихэффектов для операторов услуг платежной инфраструктуры, находящихся ввыборке.
При этом целесообразно отдельно выделить группы устойчивыхоператоров, и операторов, исключенных из состава платежной системы. Наоснове расчета медианы были получены следующие доверительные интервалыдля устойчивых и неустойчивых операторов услуг платежной инфраструктуры,при попадании в которые принимается решение об отнесении оператора услугплатежной инфраструктуры к соответствующей категории.Так как оценка была проведена с помощью двух категорий переменных,то ненаблюдаемый логистический эффект может быть рассчитан для двухрегрессий. Сначала мы должны рассчитать ненаблюдаемый эффект для117финансового показателя.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
