Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Анализ современного состояния финансового сектора экономики с целью повышения инвестиционной привлекательности региона
.pdf
31
Агрегаты показателей
t1
t2
t3
АУ1
0,0373
0,0345
0,0283
АУ2
0,1127
0,1170
0,1245
АУ3
0,0229
0,0177
0,0123
АУ4
0,0025
0,0191
0,0373
АУ5
0,0649
0,0421
0,0232
АМ1
1,1127
1,1170
1,1245
АМ2
0,0026
0,0021
0,0015
АМ3
0,1013
0,1047
0,1107
АМ4
0,0771
0,0852
0,1007
84,84940543 75,46537318* 1 1,478083059* 2
45,31418523* 3 422,1610932* 4 199,9847711* 5
А АУ АУ
АУ АУ АУ
1,04746808 106,2871692*АМ1 165,5254372*АМ2
268,2025817*АМ3 75,29507382*АМ4
С
Банки
t1
t2
t3
Сбербанк России
-14,0475
-14,4255
-15,1640
ВТБ
-2,1154
-1,4123
-6,6282
Газпромбанк
-14,0475
-14,4255
-15,1640
Альфа-Банк
-11,0417
-12,4716
-14,7187
Таблица 9
Агрегаты показателей для расчета дефолта АО «Альфа-Банк»
Таким образом, на данном шаге мы рассчитали все агрегатные показатели, которые используются в расчете дефолта исследуемых нами
банков.
Шаг 4. Расчет стабильности банка и необходимость к слиянию. На
данном шаге можно узнать какие банки стабильны и не подвержены
слиянию, которым не требуется слияние. Данный вывод можно получить из расчета суммы двух параметров А и С. Представим формализацию данного расчета.
Параметр А рассчитывается из модели (10):
Параметр С рассчитывается из модели (11):
Расчет стабильности банков и необходимости к слиянию (А+С)
На данном шаге мы выяснили, что практически у всех банков (лидеров банковской системы) присутствует стабильность и отсутствует
Таблица 10
32
(А С)
1
1
общ
ВБ
е
Банки
t1
t2
t3
Сбербанк России
0,00007929
0,00005434
0,00002596
ВТБ
10,76120280
19,58653184
0,13207474
Газпромбанк
0,00007929
0,00005434
0,00002596
Альфа-Банк
0,00160201
0,00038339
0,00004053
Банки
t1
t2
t3
Сбербанк России
0,00
0,00
0,00
ВТБ
10,76
19,59
0,13
Газпромбанк
0,00
0,00
0,00
Альфа-Банк
0,00
0,00
0,00
()
1
0,03%
1
общ
АС
ВБ
e
необходимость к слиянию, однако у ПАО банк «ВТБ» все-таки присутствует вероятность необходимости к слиянию с более крупной корпорацией, если он не будет наращивать свой собственный капитал.
Таким образом, чем меньше значение А+С, тем меньше времени
остается у кредитной организации до слияния или ее поглощения.
Шаг 5. Расчет модели вероятности дефолта исследуемых банков.
На данном шаге нам необходимо будет рассчитать и выяснить вероятность дефолта банков (в %) по представленной ниже формуле (12):
(12)
е – это экспонента, равная 2,718281828.
Таблица 11
Значения вероятности дефолта кредитных организаций, в %
Округлим все данные в табл. 11 до сотых. Получим результаты,
представленные в табл.12.
Таблица 12
Значения вероятности дефолта кредитных организаций, в %
Наглядно видно, что только ПАО банк «ВТБ» имеет необходимость к слиянию.
Отметим, что с помощью модели вероятности дефолта можно
определить степень подозрения на банкротство банка.
Модель подозрения на банкротство имеет вид (13):
(13)
Рассмотрим результаты расчетов на исследуемых нами банках графически (рис.2-4).
33
Сбербанк
России
0,00007929
ВТБ
10,7612028
Газпромбанк
0,00007929
Альфа-Банк
0,00160201
0
2
4
6
8
10
12
Сбербанк
России
0,00005434
ВТБ
19,58653184
Газпромбанк
0,00005434
Альфа-Банк
0,00038339
0
5
10
15
20
25
t2
Рис. 2. Показатель дефолта банков в периоде t1.
Рис. 3. Показатель дефолта банков в периоде t2.
Таким образом, по мнению специалистов, если в модели вероятности дефолта банка расчетное значение достигает уровня 0,03%, то существует подозрение на банкротство. Здесь, конечно, следует отметить,
что подозрение – это всего лишь предположение, догадка, опасение возможного банкротства. Однако, зная, что существует такая опасность,
необходимо предпринять все меры для ее предотвращения.
Модель демонстрирует нам вероятность или предположение о возможном банкротстве. В нашем исследовании такое предположение
можно сделать только в отношении банка ПАО «ВТБ» в t1 периоде, однако к началу t3 периода ситуация значительно улучшилась за счет
наращения им собственного капитала.
34
Сбербанк
России
0,00002596
ВТБ
0,13207474
Газпромбанк
0,00002596
Альфа-Банк
0,00004053
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
t3
Рис. 4. Показатель дефолта банков в периоде t3.
Таким образом, в настоящей работе мы апробировали методику
Шеметева А.А. и рассчитали вероятность дефолта кредитных организаций, используя публикуемые данные их финансовой, бухгалтерской отчетности, представленной на официальном сайте Банка России.
В апробации участвовали лидеры банковской системы – ПАО
«Сбербанк России», ПАО «ВТБ», АО «Газпромбанк» и АО «АльфаБанк». Расчет методики включал оценку денежных средств представленных банков, величину совокупных активов, капитала, обязательств,
сумму средств переоценки и величину прибыли текущего года и прошлых лет. Расчет агрегатов, используемых в модели дефолта, позволил
нам найти ряд соотношений балансовых показателей и определить вероятность дефолта каждого банка. Результаты показали нулевую вероятность банкротства практически для всех лидеров банковской системы, кроме ПАО «ВТБ». Однако банк ПАО «ВТБ» к концу исследуемого периода (t3) нарастил совокупную величину собственных средств,
в частности прибыль, и снизил вероятность банкротства с 19,59% в t2
периоде до 0,13% к концу исследуемого периода.
В завершение также отметим, что коммерческим банкам в целях
снижения кредитных рисков необходимо адаптироваться к изменяющимся условиям, внедряя новые технологии и используя современные
методики снижения рисков и издержек [6].
35
Список использованных источников
1. Джозеф Синки-мл. Финансовый менеджмент в коммерческом
банке и в индустрии финансовых услуг: учебное пособие [Электронный
ресурс].URL: http://www.iprbookshop.ru/41492
2. Лаврушин, О.И. Банковское дело : учебник / Финансовая акаде-
мия при правительстве Российской Федерации ; ред., О. И. Лаврушин. 7-е изд., пере-раб. и доп. - М. : КНОРУС, 2014. 766 с
3. Максимчук Е.В., Чикина Е.Д. Некоторые аспекты развития ми-
ровой торговли // Белгородский экономический вестник. 2016. №4. С.
126-132.
4. Официальный сайт ЦБР [Электронный ресурс] URL: https://
http://www.cbr.ru / (дата обращения 03.04.2020)
5. Прогнозирование банкротства регионального коммерческого
банка в условиях ограниченности исходных данных // Шеметев А.А.
Санкт-Петербургский государственный университет экономики и финансов http://web.snauka.ru/issues/2011/06/635 (дата обращения
03.04.2020)
6. Glagolev S.N., Bukhonova S. M., Chikina E. D. Relevance of deterministic chaos theory to studies in functioning of dynamical systems The XI
International Conference on Mechanical Engineering, Automation and Control Systems (MEACS 2017) was held in Tomsk, Russia, on December 0406, 2017.
36
Построение модели линейной оптимизации структуры активных
операций коммерческого банка
Чикина Е.Д., канд. экон. наук, доцент
Алексеева Ю.А., магистрант
Актуальность настоящей работы заключается в том, что активные
операции, проводимые коммерческим банком, – это главный инструмент размещения имеющихся в их распоряжении ресурсов, способствующий получению прибыли и поддержанию ликвидности. Активные
операции банка разнородны как по экономическому содержанию, так и
с точки зрения их доходности и качества. Часть активных операций
банка представляет собой безальтернативное размещение средств,
например, в фонд гарантирования вкладов, где денежные средства не
могут обращаться, а, следовательно, приносить прибыль. Другие виды
размещения могут оказаться высокодоходными, но очень рискованными. От того, насколько грамотно специалисты кредитной организации могут оценить активы банка, спрогнозировать наиболее оптимальную их структуру, зависит размер банковской маржи и успех функционирования всей кредитной организации.
Для большинства банковских решений нельзя точно рассчитать и
оценить их последствия [1,3,5]. Принимая решение при выборе того или
иного варианта, менеджмент банка не может учесть всех нюансов, рассчитать различные влияния и последствия. В подобных случаях требуется воспользоваться математическим аппаратом, который позволит соизмерить все противоречивые оценки, отбросить второстепенное, оценить обстановку и учесть перспективу принятого в банке решения.
Наиболее удобным и распространенным математическим инструментом является моделирование или система решения оптимизационных
задач, называемая линейным программированием.
Важным этапом моделирования является оценка адекватности мо-
дели и отладка программной ее реализации. Именно об этом и пойдет
речь в настоящей работе. Для начала необходимо сформулировать саму
финансовую задачу: определить ее цель, условия, которые влияют на
достижение цели. Выяснить, какие упрощения по сравнению с реальностью могут быть допущены в модели. Реальность сложная и многогранная, поэтому учесть все нюансы в модели не удастся. В связи с этим на
этапе уяснения и формулировки финансовой задачи необходимо провести отбор условий, которые сохранят адекватность модели и не перегрузят ее несущественными деталями.
37
Наименование
Доля
активов
Средняя до-
ходность, в %
Сумма, в тыс.
руб.
1
2 3 4
Денежные средства и их эквиваленты
0,11
0
1 140 611 271,00
Следующий этап состоит в том, чтобы собрать все необходимые
численные данные. Понять, какие параметры измеряют и влияют на
цель задачи, разбить их на управляемые параметры (переменные) и неуправляемые параметры (константы), ввести переменные, задать целевую функцию. Кроме того, необходимо решить вопрос о размерности
модели. Она определяется количеством переменных и ограничений.
Итак, составим целевую функцию модели линейной оптимизации
структуры активов банка для выявления наиболее оптимальных соотношений. Для этого мы воспользуемся данными из Годового Отчета банка
по доходности активных операций и «Поиском решения», т.е. программной надстройкой для Microsoft Office Excel, которая доступна при
установке Microsoft Office или приложения Excel.
Для начала сформируем данные по средней доходности активных
операций ПАО «Сбербанк России» в процентах.
1. Средняя доходность средств, размещенных на депозитных сче-
тах ЦБРФ – 7,8%.
2. Средняя доходность средств, размещенных в других банках
(МБК) – 8,2%.
3. Средняя доходность средств, размещенных в государственные
ценные бумаги (ОФЗ) – 10,6 %.
4. Средняя доходность средств, размещенных в корпоративные
ценные бумаги – 8,8%.
5. Средняя доходность средств, размещенных в кредиты ЮЛ и ФЛ
– 13%.
Отметим, что средства, вложенные в денежные средства и их эквиваленты (т.е. в драгметаллы и камни, кассовую наличность), а также иммобилизация (т.е. основные средства и нематериальные активы, а также
прочие активы банка) – это те активные операции, которые не приносят
банку доход, однако существовать без них банк не может. Данные активы имеют нулевую доходность – 0 %.
Представим портфель по доходности и суммам в табл. 1.
Таблица 1
Фактический портфель основных видов активных операций
ПАО «Сбербанк России» на 1 января
38
1
2 3 4
Средства, размещенные на депозитных счетах ЦБРФ
0,01
7,8
78 617 952,00
Средства, размещенные в других
банках (МБК)
0,10
8,2
1 002 921 814,00
Средства, размещенные в государственные ценные бумаги
0,12
10,6
1 211 997 360,00
Средства, размещенные в корпоративные ценные бумаги
0,03
8,8
334 710 854,00
Кредитные операции
0,45
13
4 614 410 375,00
Основные средства, НА и прочие
(иммобилизация)
0,19
0
1 964 934 548,00
Всего
100 - 10 348 204 174
Окончание табл.1
Рассчитаем общую доходность по фактическому портфелю активных операций ПАО «Сбербанк России» (1-2).
(1)
Средняя доходность и доли активов представлены в табл. 1. Тогда
доходность будет иметь вид:
Доходность совокупного портфеля = 0*0,11 + 7,8*0,01 + 8,2*0,10 +
10,6*0,12 + 8,8*0,03 + 13*0,45 + 0*0,19 = 8,28%
Таким образом, доходность фактического совокупного портфеля
активных операций ПАО «Сбербанк России» составила 8,18%.
Теперь смоделируем портфель активов банка с учетом максимизации доходности, т.е. построим целевую функцию.
Итак, все имеющие данные по средней доходности активных операций будут использованы нами в целевой функции в виде коэффициентов, т.е. в долях. С нулевой доходностью у нас ликвидные активы и
иммобилизация. Тогда функция (3) будет иметь вид:
(3)
Для использования опции «Поиск решений» в целях нахождения
целевой функции введем ограничения:
Сумма всех , т.е. это общая сумма активных операций
– 100 процентов всех активов, а все Хi-тые значения будут входить в
совокупные активы в определенных долях согласно «Поиску решений».
Ограничения запишем в следующем виде (4):
(4)
(2)
39
Таким образом, данная математическая модель сводится к поиску
таких , которые будут удовлетворять условию максимума дохода, т.е.
максимум целевой функции.
Для решения данной оптимизационной задачи, как мы уже говорили, воспользуемся меню «Сервис», далее необходимо выбрать
«Надстройки Excel», а в поле «Доступные надстройки» необходимо
установить флажок «Поиск решения» и нажать кнопку «ОК». Иногда
данную опцию можно получить через кнопку «Обзор» [2,4].
Покажем на примере ПАО «Сбербанк России» (рис.1 а,б, рис.2 и 3).
Рис. 1(а). Внешний вид «Отчет по результатам» модели оптимизации
портфеля активов ПАО «Сбербанк России»
Отметим, что «Отчет по результатам» автоматически формируется
системой Microsoft Excel, который состоит из трех таблиц. Первые два
рисунка (рис. 1(а)) – это описание модели оптимизации, описание версии Microsoft Excel (например, 16.0), дата и время создания (например,
30.11.2019 в 18:06:35). Также таблица поясняет о результате – «Решение
найдено». «Все ограничения и условия оптимальности выполнены».
40
Рис. 2 демонстрирует тот факт, что задача оптимизации построена самостоятельно, с учетом всех требуемых ограничений, фактических данных.
При анализе «Отчета по результатам» необходимо изучить
столбцы «Состояния». В том случае, если данные по оптимизационной
задаче были использованы полностью, тогда система Microsoft Excel
«Поиск решений» записывает в соответствующую ячейку текстовое сообщение «Привязка», в другом случае возникает текст «Без привязки».
Рис. 1 (б). Внешний вид «Отчет по результатам» модели оптимизации
портфеля активов ПАО «Сбербанк России»
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]