База знаний студента. Реферат, курсовая, контрольная, диплом на заказ

Московский Государственный Университет имени М. В. Ломоносова

Проект по эконометрике

на тему

«Исследование российского рынка банковских услуг»

выполнил:

Бачманов Сергей

(204 группа)

2006 г.

Введение

Целью данной работы является построение адекватной модели, описывающей образование прибыли на  рынке банковских услуг в зависимости от различных параметров.

 

Основные предпосылки и допущения:

1.         рассматривается рынок банковских услуг в РФ

2.         рассматриваются банки, которые не несли существенных убытков в течение продолжительного периода времени. Предполагается, что отрицательная прибыль свидетельствует о недостаточной квалификации управляющего банка, а этот параметр невозможно учесть в модели

3.         предполагается, что в выборку включены банки, не связанные с теневой экономикой: образование прибыли происходит в соответствии с законодательством РФ.

При этом основными требованиями к модели являются следующие: а) выявление факторов, влияющих на прибыль банка; б) верифицируемость модели.

Работа состоит из 5 частей:

1)     

2)     

3)     

4)     

5)     

Описание данных

Источники данных:

Данные по количественным признакам и способу привлечения средств получены с сайтов www.banks-rate.ru и www.fundz.ru информация об уровне надежности с www.investfunds.ru. Выборка является пространственной, информация о банках собиралась 5-25 апреля, так что наблюдения можно считать одномоментными. Все количественные параметры приведены в тысячах рублей.

Данные содержали следующую информацию:

Ø  чистые активы

Ø   работающие активы

Ø   кредиты, выданные коммерческим организациям

Ø   собственный капитал

Ø   фактическая прибыль

Ø   средства юридических лиц

Ø   средства частных лиц

Ø   уставной фонд

Ø  ликвидные активы

Ø  суммарные обязательства

Ø  обязательства до востребования

Ø  средства бюджетных организаций

Ø  привлеченные средства других банков

Ø  выпуск кредитных карт

Ø  ориентация банка на обслуживание граждан, коммерческих организаций или бюджетных организаций

Ø  уровень надежности

Всего было отобрано 210 наблюдений.

            Проверка  однородности данных:

Сначала была проведена сортировка данных по величине прибыли, а затем построена диаграмма.

По графику видно, что данные неоднородны, и необходимо исключить из выборки банки, прибыль которых более 2 млрд. и менее -500 млн. рублей.

Новая диаграмма отражает плавное изменение величины прибыли и указывает на однородность данных. После сортировки в выборке остались данные по 188 банкам.

Предварительный анализ данных

Комментарии к регрессорам, включенным в первоначальную модель:

            Выпуск кредитных карт (kredkart). Параметр показывает, выпускает ли банк кредитные карты, и принимает значение 1 если выпускает и 0 если нет.

            Ориентация банка на обслуживание граждан, коммерческих организаций или бюджетных организаций (chastn urid budjet).  Каждый параметр принимает значение 1, если банк привлекает наибольшие средства от соответствующей группы клиентов. Уровень надежности (nada nadb nadc nadd). Каждый параметр принимает значение 1, если банк принадлежит к группе с соответствующей надежностью. Уровни надежности А++, А+, А приравниваются к А. Аналогично и уровнями В и С. Такое допущение необходимо для сокращения фиктивных переменных с 10 до 4.

            Чистые активы (chakt)

            Ликвидные активы (likvakt)

работающие активы (rabakt)

кредиты, выданные коммерческим организациям (kredkommorg)

собственный капитал (sobkap)

фактическая прибыль (factprib)

средства юридических лиц (srurlits)

 средства частных лиц (srchlits)

уставной фонд (ustfond)

суммарные обязательства (sumobaz)

обязательства до востребования (obazdovos)

средства бюджетных организаций (srbudjetorg)

привлеченные средства других банков (privsrdrbank)

Построение модели.

Ожидания относительно знаков коэффициентов параметров на основе эмпирико-логических соображений:

ожидаемые знаки коэффициентов
sobkap	+	privsrdrbank	-
likvakt	+	sumobaz	+
rabakt	+	obazdovos	-
kredkommorg	-	chakt	+
srurlits	+	ustfond	+
srchlits	+	nadc nadd	+
kredkart	+	nadb	+
nada	+	nadd	-

Сначала следует рассмотреть модель, в которую включены все регрессоры:

 

FACTPRIB CHASTN CHAKT C KREDKART KREDKOMMORG LIKVAKT NADA NADB NADC OBAZDOVOS PRIVSRDRBANK RABAKT SOBKAP SRBUDJETORG SRCHLITS SRURLITS SUMOBAZ URID USTFOND

Dependent Variable: FACTPRIB
Method: Least Squares
Date: 05/11/06   Time: 14:26
Sample: 1 188
Included observations: 188
Variable	Coefficient	Std. Error	t-Statistic	Prob.
CHASTN	-38562.44	403146.5	-0.095654	0.9239
CHAKT	0.000390	0.017444	0.022374	0.9822
C	-31031.80	455112.7	-0.068185	0.9457
KREDKART	-126509.7	122003.9	-1.036931	0.3012
KREDKOMMORG	-0.043066	0.010004	-4.304699	0.0000
LIKVAKT	-0.058559	0.024442	-2.395787	0.0177
NADA	155861.6	237730.7	0.655623	0.5130
NADB	37945.04	224776.6	0.168812	0.8661
NADC	24925.58	218431.4	0.114112	0.9093
OBAZDOVOS	0.021043	0.011016	1.910313	0.0578
PRIVSRDRBANK	0.011666	0.015564	0.749547	0.4546
RABAKT	-0.000148	0.012834	-0.011567	0.9908
SOBKAP	0.529484	0.042067	12.58669	0.0000
SRBUDJETORG	-0.008079	0.017182	-0.470193	0.6388
SRCHLITS	0.003690	0.020046	0.184087	0.8542
SRURLITS	-0.034925	0.017205	-2.029897	0.0439
SUMOBAZ	0.000706	0.002675	0.263889	0.7922
URID	-17825.14	402456.1	-0.044291	0.9647
USTFOND	-0.403681	0.038156	-10.57969	0.0000
R-squared	0.667580	Mean dependent var		378819.5
Adjusted R-squared	0.632174	S.D. dependent var		703430.8
S.E. of regression	426621.2	Akaike info criterion		28.86077
Sum squared resid	3.08E+13	Schwarz criterion		29.18785
Log likelihood	-2693.912	F-statistic		18.85515
Durbin-Watson stat	2.081729	Prob(F-statistic)		0.000000

Ожидания в отношении знаков коэффициентов подтвердились только для следующих параметров: SOBKAP, NADA, NADB, KREDKOMMORG, SUMOBAZ, CHAKT. Модель показывает, что собственный капитал банка важен для получения высокой прибыли; кредиты, выданные коммерческим организациям, снижают фактическую прибыль (средства, направленные на выдачу кредитов, поступают за счет сокращения прибыли в текущем периоде).

В целом же модель неудачная,   и  довольно малы, значение F-статистики тоже не большое. В этой модели 13 из 19 регрессоров незначимы. Велико значение Sum squared resid (3.08E+13) и стандартных ошибок модели (426621.2).

Проверим модель на гетероскедастичность:

White Heteroskedasticity Test:
F-statistic	5.439868	Probability	0.000000
Obs*R-squared	95.81897	Probability	0.000000

Тест Уайта no cross terms показывает, что гипотеза о гомоскедастичности принимается с вероятностью 0% т.е. отвергается, тем самым говоря о наличие гетероскедастичности.

Для улучшения модели надо исключить некоторые незначимые переменные: CHASTN, CHAKT, RABAKT, PRIVSRDRBANK, NADA, NADB, NADC, SUMOBAZ.

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-37696.29	75414.85	-0.499852	0.6178
KREDKART	-142891.6	117257.7	-1.218612	0.2246
KREDKOMMORG	-0.038125	0.006146	-6.202821	0.0000
LIKVAKT	-0.075415	0.018988	-3.971669	0.0001
OBAZDOVOS	0.028094	0.008035	3.496584	0.0006
SOBKAP	0.545392	0.035577	15.33007	0.0000
SRBUDJETORG	-0.003419	0.001680	-2.035163	0.0433
SRCHLITS	0.000826	0.014256	0.057910	0.9539
SRURLITS	-0.034634	0.009259	-3.740397	0.0002
URID	27537.09	91438.25	0.301155	0.7636
USTFOND	-0.420058	0.032421	-12.95644	0.0000
R-squared	0.659513	Mean dependent var		378819.5
Adjusted R-squared	0.640277	S.D. dependent var		703430.8
S.E. of regression	421896.1	Akaike info criterion		28.79963
Sum squared resid	3.15E+13	Schwarz criterion		28.98900
Log likelihood	-2696.166	F-statistic		34.28444
Durbin-Watson stat	2.050497	Prob(F-statistic)		0.000000

  и  уменьшились незначительно, зато значение F-статистики увеличилось вдвое. Стандартные ошибки почти не  изменились.

White Heteroskedasticity Test:
F-statistic	7.432828	Probability	0.000000
Obs*R-squared	83.06950	Probability	0.000000

Тест Уайта по-прежнему показывает наличие гетероскедастичности.           

Очевидно, что дальше исключать переменные бессмысленно и следует построить полулогарифмические и логарифмические модели.

Логарифмическая модель:

Даже если судить по графику, доказывающему однородность данных, видно, что эту выборку лучше отражает логарифмическая модель. Вернем в модель все исключенные регрессоры.

log(FACTPRIB) C log(CHAKT) CHASTN KREDKART log(KREDKOMMORG) log(LIKVAKT) NADA NADB NADC  log(OBAZDOVOS) log(PRIVSRDRBANK) log(RABAKT) log(SOBKAP) log(SRBUDJETORG) log(SRCHLITS) log(SRURLITS) log(SUMOBAZ) URID log(USTFOND)

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-5.860698	2.403132	-2.438775	0.0168
LOG(CHAKT)	0.009676	0.818880	0.011816	0.9906
CHASTN	0.794260	0.914271	0.868736	0.3874
KREDKART	-0.353906	0.260594	-1.358074	0.1780
LOG(KREDKOMMORG)	-0.649195	0.243334	-2.667920	0.0091
LOG(LIKVAKT)	0.105788	0.149088	0.709568	0.4799
NADA	1.040718	0.587033	1.772844	0.0798
NADB	1.198949	0.557710	2.149770	0.0344
NADC	0.670819	0.527920	1.270682	0.2073
LOG(OBAZDOVOS)	-0.206006	0.252990	-0.814285	0.4178
LOG(PRIVSRDRBANK)	-0.017250	0.044849	-0.384634	0.7015
LOG(RABAKT)	0.295992	0.605443	0.488884	0.6262
LOG(SOBKAP)	1.136590	0.280941	4.045649	0.0001
LOG(SRBUDJETORG)	-0.019563	0.027180	-0.719778	0.4736
LOG(SRCHLITS)	0.105197	0.146548	0.717831	0.4748
LOG(SRURLITS)	0.301929	0.301222	1.002349	0.3190
LOG(SUMOBAZ)	0.179709	0.427042	0.420822	0.6749
URID	0.439510	0.907740	0.484181	0.6295
LOG(USTFOND)	-0.134627	0.077598	-1.734922	0.0864
R-squared	0.758589	Mean dependent var		11.91081
Adjusted R-squared	0.707466	S.D. dependent var		1.371162
S.E. of regression	0.741612	Akaike info criterion		2.403663
Sum squared resid	46.74897	Schwarz criterion		2.886773
Log likelihood	-105.9905	F-statistic		14.83869
Durbin-Watson stat	2.210531	Prob(F-statistic)		0.000000

Эта модель заметно лучше двух предыдущих. Значения  и  высоки. Резко снизились значения стандартных ошибок. При этом при переходе к логарифмическому варианту стали значимы параметры NADB и NADA (близок к надежному уровню). У всех регрессоров низки их среднеквадратические ошибки.

Попробуем улучшить модель 3, убирая незначимые переменные.

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-5.851245	2.251837	-2.598432	0.0110
LOG(CHAKT)	0.567572	0.310173	1.829855	0.0706
KREDKART	-0.362751	0.256686	-1.413214	0.1611
LOG(KREDKOMMORG)	-0.590479	0.168095	-3.512759	0.0007
LOG(LIKVAKT)	0.033848	0.133881	0.252823	0.8010
NADA	0.986436	0.551014	1.790218	0.0768
NADB	1.182327	0.506423	2.334661	0.0218
NADC	0.664920	0.485634	1.369181	0.1744
LOG(OBAZDOVOS)	-0.170145	0.213904	-0.795424	0.4285
LOG(PRIVSRDRBANK)	-0.033436	0.042468	-0.787321	0.4332
LOG(SOBKAP)	1.103629	0.266809	4.136404	0.0001
LOG(SRBUDJETORG)	-0.012144	0.024270	-0.500383	0.6180
LOG(SRCHLITS)	0.235952	0.095926	2.459730	0.0158
LOG(SRURLITS)	0.122124	0.199038	0.613573	0.5411
LOG(USTFOND)	-0.126844	0.075840	-1.672528	0.0979
R-squared	0.753058	Mean dependent var		11.91081
Adjusted R-squared	0.714213	S.D. dependent var		1.371162
S.E. of regression	0.733010	Akaike info criterion		2.349391
Sum squared resid	47.81997	Schwarz criterion		2.730794
Log likelihood	-107.1683	F-statistic		19.38634
Durbin-Watson stat	2.099624	Prob(F-statistic)		0.000000

Некоторые параметры не были значимы ни в одной из 4-х моделей, так что их можно исключить из рассматриваемой модели. Очевидно, что ориентация банка на обслуживание определенных групп клиентов (URID, CHASTN, BUDJET) и величина суммарных обязательств не отражается на прибыли.

Проверим модель на гетероскедастичность:

White Heteroskedasticity Test:
F-statistic	1.551641	Probability	0.075856
Obs*R-squared	33.31828	Probability	0.097534

Тест Уайта показывает, что с вероятностью 7,5% гипотеза о гомоскедастичности принимается. В этой модели опять присутствует гетероскедастичность.

Полулогарифмическая модель:

 

LOG(FACTPRIB) C CHAKT KREDKART KREDKOMMORG LIKVAKT NADA NADB NADC OBAZDOVOS PRIVSRDRBANK RABAKT SOBKAP SRBUDJETORG SRCHLITS SRURLITS SUMOBAZ USTFOND

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	10.65427	0.454848	23.42379	0.0000
CHAKT	6.59E-08	3.54E-08	1.860021	0.0646
KREDKART	-0.089389	0.250501	-0.356840	0.7216
KREDKOMMORG	-3.05E-08	1.87E-08	-1.625173	0.1060
LIKVAKT	-9.53E-08	4.57E-08	-2.083041	0.0387
NADA	1.455838	0.498505	2.920411	0.0040
NADB	1.020678	0.477091	2.139378	0.0338
NADC	0.215731	0.463742	0.465195	0.6424
OBAZDOVOS	1.06E-08	2.07E-08	0.510300	0.6105
PRIVSRDRBANK	5.96E-09	3.27E-08	0.182004	0.8558
RABAKT	-5.15E-08	2.37E-08	-2.172894	0.0312
SOBKAP	5.80E-07	8.89E-08	6.527722	0.0000
SRBUDJETORG	4.47E-08	2.94E-08	1.523607	0.1294
SRCHLITS	-6.83E-09	3.64E-08	-0.187774	0.8513
SRURLITS	-8.05E-08	3.60E-08	-2.234290	0.0268
USTFOND	-4.88E-07	7.55E-08	-6.463891	0.0000
R-squared	0.600377	Mean dependent var		11.87388
Adjusted R-squared	0.565526	S.D. dependent var		1.375794
S.E. of regression	0.906850	Akaike info criterion		2.723586
Sum squared resid	141.4488	Schwarz criterion		2.999028
Log likelihood	-240.0171	F-statistic		17.22703
Durbin-Watson stat	2.002770	Prob(F-statistic)		0.000000

Эта модель немного хуже предыдущей из-за уменьшившихся  и , но зато стандартные ошибки очень малы и количество незначимых параметров сократилось до пяти. Проверим модель на гетероскедастичность.

Тест Уайта:

White Heteroskedasticity Test:
F-statistic	0.670657	Probability	0.884238
Obs*R-squared	18.37158	Probability	0.861839

White Heteroskedasticity Test:
F-statistic	0.504944	Probability	0.999452
Obs*R-squared	87.11601	Probability	0.985155

 моь

Тест Уайта показал хорошие результаты: с вероятностью 88% (no cross terms) и 99,9% (cross terms) в модели отсутствует гетероскедастичность. Проведем другие тесты.

Тест Голдфелда-Квандта:

Сначала упорядочим выборку по величине собственного капитала. Возьмем первые 60 и последние 60 наблюдений и найдем их RSS.

Первые 60 наблюдений

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	9.478872	0.848203	11.17524	0.0000
CHAKT	6.32E-08	4.34E-07	0.145570	0.8851
KREDKART	0.036231	0.873700	0.041468	0.9672
KREDKOMMORG	-1.28E-07	2.32E-07	-0.551190	0.5851
LIKVAKT	-1.57E-07	4.19E-07	-0.375388	0.7097
OBAZDOVOS	1.80E-07	9.24E-08	1.945687	0.0600
PRIVSRDRBANK	2.84E-08	3.68E-07	0.077162	0.9389
RABAKT	8.19E-08	3.34E-07	0.245401	0.8076
SOBKAP	1.43E-06	1.19E-06	1.203372	0.2371
SRBUDJETORG	-1.00E-06	5.39E-07	-1.860638	0.0715
SRCHLITS	2.74E-07	3.45E-07	0.793853	0.4328
SRURLITS	4.06E-08	3.54E-07	0.114816	0.9093
USTFOND	-1.26E-06	8.64E-07	-1.460503	0.1533
R-squared	0.480953	Mean dependent var	10.72953
Adjusted R-squared	0.251962	S.D.dependent var	1.054286
S.E. of regression	0.911844	Akaike info criterion	2.907641
Sum squared resid	28.26960	Schwarz criterion		3.519488
Log likelihood	-56.69102	F-statistic		2.100313
Durbin-Watson stat	1.641794	Prob(F-statistic)		0.036209

Последние 60 наблюдений.

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	8.188369	0.668328	12.25203	0.0000
CHAKT	6.28E-07	3.52E-07	1.786155	0.0805
KREDKART	-0.193628	0.722050	-0.268164	0.7897
KREDKOMMORG	-1.46E-07	1.50E-07	-0.972834	0.3356
LIKVAKT	-6.09E-08	3.69E-07	-0.164867	0.8698
OBAZDOVOS	-8.61E-08	2.08E-07	-0.413992	0.6808
PRIVSRDRBANK	-9.58E-08	3.17E-07	-0.302349	0.7637
RABAKT	-4.60E-08	2.44E-07	-0.188680	0.8512
SOBKAP	7.02E-07	3.16E-07	2.223895	0.0310
SRBUDJETORG	-2.78E-07	5.73E-07	-0.485100	0.6299
SRCHLITS	4.39E-08	3.04E-07	0.144302	0.8859
SRURLITS	3.53E-08	2.63E-07	0.134035	0.8939
USTFOND	-4.27E-07	3.39E-07	-1.258141	0.2146
R-squared	0.624625	Mean dependent var		10.97100
Adjusted R-squared	0.528785	S.D. dependent var		1.177533
S.E. of regression	0.808319	Akaike info criterion		2.601416
Sum squared resid	30.70884	Schwarz criterion		3.055191
Log likelihood	-65.04249	F-statistic		6.517345
Durbin-Watson stat	1.680326	Prob(F-statistic)		0.000001

RSS₁=28.26960 и RSS₂=30.70884

30.70884/28.26960=1,08628<

Тест Бреуша-Пагана

Сначала надо сформировать в Excel вектор квадратов остатков    - объясняемая переменная.

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	-1.742633	0.205461	-8.481573	0.0000
CHAKT	5.06E-09	5.23E-08	0.096786	0.9230
KREDKART	-0.056200	0.557820	-0.100749	0.9199
KREDKOMMORG	2.59E-09	3.18E-08	0.081643	0.9350
LIKVAKT	5.68E-08	5.60E-08	1.014630	0.3117
OBAZDOVOS	1.01E-08	3.15E-08	0.320031	0.7493
PRIVSRDRBANK	1.79E-08	5.69E-08	0.314465	0.7535
RABAKT	1.30E-09	4.29E-08	0.030329	0.9758
SOBKAP	-7.73E-08	1.00E-07	-0.770216	0.4422
SRBUDJETORG	-1.43E-08	5.00E-08	-0.285660	0.7755
SRCHLITS	-7.37E-09	4.11E-08	-0.179269	0.8579
SRURLITS	-1.65E-08	4.77E-08	-0.345334	0.7303
USTFOND	1.58E-08	9.13E-08	0.173240	0.8627
R-squared	0.110353	Mean dependent var		-1.745385
Adjusted R-squared	0.049349	S.D. dependent var		2.368217
S.E. of regression	2.309043	Akaike info criterion		4.578185
Sum squared resid	933.0438	Schwarz criterion		4.801982
Log likelihood	-417.3494	F-statistic		1.608940
Durbin-Watson stat	1.934784	Prob(F-statistic)		0.049826

Полученное значение F-статистики и сравниваем его c табличным:

Тест Спирмена

Расчеты рангового коэффициента Спирмена между абсолютными величинами остатков и значениями величины собственного капитала банка приведены в прилагающейся таблице Excel.

Это значение больше чем 2,58, следовательно гипотеза об отсутствии гетероскедастичности отвергается при 1% уровне значимости.

Вывод 

Три теста из четырех показали отсутствие гетероскедастичности, из чего можно сделать вывод, что модель достаточно устойчива.

 

Теперь приведем гистограмму и основные статистики остатков модели.

 SHAPE  * MERGEFORMAT

0

5

10

15

20

25

-5.00

-3.75

-2.50

-1.25

0.00

1.25

2.50

Series: Residuals

Sample 1 188

Observations 179

Mean

1.21E-15

Median

-0.069035

Maximum

3.128144

Minimum

-5.422778

Std. Dev.

1.164594

Skewness

-0.483708

Kurtosis

4.819885

Jarque-Bera

31.68207

Probability

0.000000

Как мы видим, гипотеза о нормальности отвергается со 100% вероятностью. Так могло произойти в результате действия факторов, не учитывающихся в математической  модели, такие как репутация банка или большая известность.

Протестируем с помощью F-статистики гипотезу о том, что коэффициенты при NADB и  NADC равны:

Null Hypothesis:	C(6)=C(7)
F-statistic	29.46654		Probability	0.000000
Chi-square	29.46654		Probability	0.000000

Выясняется, что для банков с разными уровнями надежности нельзя применять одинаковые модели.

Интерпретация результатов

	BUDJET	CHAKT	CHASTN	FACTPRIB	KREDKART	KREDKOMMORG
Mean	0.011173	45416161	0.234637	943286.7	0.111732	20103364
Median	0.000000	10558716	0.000000	149009.0	0.000000	4208453.
Maximum	1.000000	2.24E+09	1.000000	41825923	1.000000	1.19E+09
Minimum	0.000000	258986.0	0.000000	569.0000	0.000000	0.000000
Std. Dev.	0.105406	1.94E+08	0.424960	3395582.	0.315920	92998103
Skewness	9.301145	9.369413	1.252387	10.05142	2.464911	11.29334
Kurtosis	87.51130	99.21153	2.568474	119.1300	7.075786	140.5772
Jarque-Bera	55849.53	71658.19	48.18166	103598.5	305.1590	144972.4
Probability	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
Observations	179	179	179	179	179	179

LIKVAKT	NADA	NADB	NADC	NADD	OBAZDOVOS	PRIVSRDRBANK
2597841.	0.290503	0.279330	0.430168	0.000000	13826478	10410316
812688.0	0.000000	0.000000	0.000000	0.000000	3206633.	910095.0
50530293	1.000000	1.000000	1.000000	0.000000	4.91E+08	9.51E+08
-12694.00	0.000000	0.000000	0.000000	0.000000	72320.00	0.000000
6391327.	0.455268	0.449928	0.496488	0.000000	52093055	72084529
5.284194	0.922907	0.983665	0.282094	NA	8.091847	12.54730
34.43145	1.851757	1.967597	1.079577	NA	71.95619	163.7638
8201.383	35.24427	36.81615	29.88056	NA	37417.48	197457.4
0.000000	0.000000	0.000000	0.000000	NA	0.000000	0.000000
179	179	179	179	179	179	179

RABAKT	RESID	SOBKAP	SRBUDJETORG	SRCHLITS	SRURLITS	SUMOBAZ
49591078	1.96E-15	5086118.	12937186	11736618	11842079	78545055
7843825.	0.020060	1653120.	198.0000	1764168.	3208298.	10157921
3.46E+09	2.843090	2.35E+08	2.16E+09	1.30E+09	4.36E+08	4.42E+09
0.000000	-4.833148	55417.00	0.000000	0.000000	22728.00	72410.00
2.90E+08	1.001457	18743680	1.61E+08	97328387	37860723	4.39E+08
10.29724	-0.566494	10.69872	13.24926	13.08312	8.583605	8.986682
115.0327	5.577071	128.3168	176.6951	173.7022	90.92993	84.26849
96775.25	59.10695	120542.6	230254.8	222436.7	59863.46	51668.42
0.000000	0.000000	0.000000	0.000000	0.000000	0.000000	0.000000
179	179	179	179	179	179	179

URID	USTFOND
0.754190	1662227.
1.000000	650000.0
1.000000	42137236
0.000000	1000.000
0.431774	4033349.
-1.180723	7.118276
2.394108	64.45952
44.32888	29683.81
0.000000	0.000000
179	179

Таким образом, среднестатистический банк нашей модели это:

Банк с уровнем надежности С, имеющий уставной фонд в размере примерно 1,5 млрд. рублей, совокупный капитал которого превышает 5 млрд. рублей, занимающийся обслуживанием юридических лиц, и прибыль которого составляет 900 млн. рублей.

Распределение по уровням надежности выглядит следующим образом:

Ø  29% относятся к уровню А

Ø  28% к В

Ø  43% к С

Ø  доля банков, находящихся на грани банкротства (D) в выборке очень мала

Кредитные карты выпускает только 11% банков и, как мы убедились, это не оказывает на величину прибыли существенного влияния.

Разберем элемент корреляционной матрицы, демонстрирующий взаимосвязь между некоторыми регрессорами и прибылью банка:

	BUDJET	CHAKT	CHASTN	FACTPRIB
BUDJET	1.000000	0.302430	-0.058856	0.015638
CHAKT	0.302430	1.000000	0.056159	0.867114
CHASTN	-0.058856	0.056159	1.000000	0.041274
FACTPRIB	0.015638	0.867114	0.041274	1.000000
KREDKART	-0.037700	0.237967	-0.028988	0.231355
KREDKOMMORG	0.092339	0.948963	0.078933	0.936808
LIKVAKT	0.395387	0.739397	-0.039793	0.619686
NADA	0.166123	0.277850	-0.209105	0.291487
NADB	-0.066179	-0.086414	0.066644	-0.086220
NADC	-0.092358	-0.176471	0.131350	-0.189153
OBAZDOVOS	0.504815	0.952650	0.019641	0.732387
PRIVSRDRBANK	0.688888	0.545719	-0.053954	0.152520
RABAKT	0.626489	0.803419	-0.000526	0.461946
RESID	-0.017407	4.01E-15	0.038962	0.127820
SOBKAP	0.022119	0.906109	0.054888	0.945773
SRBUDJETORG	0.720894	0.450324	-0.040976	0.039138
SRCHLITS	-0.007118	0.871539	0.138130	0.922463
SRURLITS	0.004718	0.871707	0.019779	0.916901
SUMOBAZ	0.457713	0.961291	0.051250	0.741047
URID	-0.186195	-0.129103	-0.969851	-0.044440
USTFOND	-0.008173	0.203648	-0.146909	0.172161

По таблице видно, что существует значительная взаимосвязь между объемом средств, привлеченных от граждан и коммерческих организаций с величиной прибыли банка. Это вполне логично. Интереснее тот факт, что бюджетные организации вкладывают средства в банки с низкой прибылью. Эта ситуация объясняется тем, что для бюджетных организаций надежность банка важнее его доходности, а высокую доходность обычно приносят рискованные операции.

Выглядит вполне логичным, что банки занимающиеся инвестированием коммерческих организаций мало привлекают граждан. Об этом свидетельствует сильная отрицательная корреляция.

Прибыль находится в тесной зависимости с величиной собственного капитала и чистыми активами банка – большие резервы позволяют банку совершать рискованные, но прибыльные инвестиции.

При этом величина ликвидных активов слабо связана с размером прибыли – средства, хранящиеся в ликвидной форме, нельзя направлять на инвестиции и, следовательно, получать с них доход.

Интерпретация коэффициентов оптимальной модели (полулогарифмической)

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	10.65427	0.454848	23.42379	0.0000
CHAKT	6.59E-08	3.54E-08	1.860021	0.0646
KREDKART	-0.089389	0.250501	-0.356840	0.7216
KREDKOMMORG	-3.05E-08	1.87E-08	-1.625173	0.1060
LIKVAKT	-9.53E-08	4.57E-08	-2.083041	0.0387
NADA	1.455838	0.498505	2.920411	0.0040
NADB	1.020678	0.477091	2.139378	0.0338
NADC	0.215731	0.463742	0.465195	0.6424
OBAZDOVOS	1.06E-08	2.07E-08	0.510300	0.6105
PRIVSRDRBANK	5.96E-09	3.27E-08	0.182004	0.8558
RABAKT	-5.15E-08	2.37E-08	-2.172894	0.0312
SOBKAP	5.80E-07	8.89E-08	6.527722	0.0000
SRBUDJETORG	4.47E-08	2.94E-08	1.523607	0.1294
SRCHLITS	-6.83E-09	3.64E-08	-0.187774	0.8513
SRURLITS	-8.05E-08	3.60E-08	-2.234290	0.0268
USTFOND	-4.88E-07	7.55E-08	-6.463891	0.0000
R-squared	0.600377	Mean dependent var		11.87388
Adjusted R-squared	0.565526	S.D. dependent var		1.375794
S.E. of regression	0.906850	Akaike info criterion		2.723586

Дадим интерпретацию каждому из значимых показателей (влияние каждого из них на цену при фиксированных остальных):

Ø  Коэффициент CHAKT говорит о том, что при увеличении чистых активов на 100 млн. рублей, прибыль возрастет на 6,6%.

Ø  Увеличение ликвидных активов (LIKVAKT) на 100 млн. сопровождается падением прибыли на 9,5%

Ø  Банк, направивший 100 млн. к работающим активам (RABAKT) потеряет в текущем периоде 5,1% прибыли

Ø  Увеличение собственного капитала на 10 млн. приносит банку 5,8% прибыли

Ø  Увеличение вложений со стороны юридических лиц на 100 млн. уменьшает прибыль банка на 8%

Ø  Уровни надежности тоже влияют по-разному, но совершенно логично: Пусть у нас есть базовый уровень – D. Тогда C по сравнению с нашим базовым уровнем увеличивает прибыль на 21,5%, принадлежность к B-уровню – на  102%,  к А – 145,5%.

В итоге лучшей моделью была признана полулогарифмическая модель. Решающими для этого стали такие факторы, как:

Ø значимость большинства регрессоров в модели кроме нескольких незначимых, удаление которых из модели ухудшает ее характеристики

Ø устойчивость модели

Ø хорошие характеристики данной модели, в т.ч.   и , F-статистика, ESS

Ø хорошая интерпретация модели для большинства показателей

Московский Государственный Университет имени М. В. Ломоносова Проект по эконометрике на тему «Исследование российского рынка банковских услуг» выполнил: Бачманов Сергей (204 группа) 2006 г. Введение

 

• 14:21 05 Июля 2016
  Российско-китайский медуниверситет откроет магистерскую программу по TCM
• 01:21 05 Июля 2016
  На форуме МГУ Россия и Китай обсудят научно-образовательное сотрудничество
• 11:00 04 Июля 2016
  Реморенко: "ЕГЭ-туризм" в России сходит на нет
• 10:52 04 Июля 2016
  Летняя российско-австрийская школа откроется в Москве
• 15:31 01 Июля 2016
  В СПбГУ могут воссоздать географический факультет

Заказать уникальную работу