- Главная
- Разное
- Дизайн
- Бизнес и предпринимательство
- Аналитика
- Образование
- Развлечения
- Красота и здоровье
- Финансы
- Государство
- Путешествия
- Спорт
- Недвижимость
- Армия
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Анализ влияния структуры капитала банка на его устойчивость в условиях банковского кризиса. StatSoft Russia презентация
Содержание
- 1. Анализ влияния структуры капитала банка на его устойчивость в условиях банковского кризиса. StatSoft Russia
- 2. Рассматривались банки, фигурировавшие в рейтингах журнала “Профиль”
- 3. На основании текущих показателей банки разделились
- 4. Проблемные банки - банки с отрицательным капиталом,
- 5. Организация данных
- 6. BAD - 1, если банк проблемный,
- 7. USTAV - уставной фонд (тыс. руб.),
- 8. Воспользуемся модулем STATISTICA “Нелинейное оценивание”
- 9. Для оценивания влияние структуры капитала на устойчивость банка применим логит-регрессию.
- 10. Логит-регрессия применяется в случае, когда зависимая
- 11. Методология исследования: Шаг 1. Исследуем влияние
- 12. Оценивание модели: Оценка коэффициента p - value оценки
- 13. Шаг 2. Объединим найденные значимые факторы и
- 14. Этапы анализа Выбор переменных:
- 15. Численное оценивание параметров модели: Начальные приближения для
- 16. Результаты оценивания: Просмотр численных оценок коэффициентов Анализ предсказательной силы модели
- 17. Просмотр численных оценок коэффициентов: Предсказательная сила модели:
- 18. В исследуемую выборку входят банки, сильно различающиеся
- 19. Пользуемся методами кластеризации, представленные в модуле “Кластерный анализ”
- 20. Шаг 3. Проводим кластеризацию данных методом К-средних
- 21. Результаты разбиения: Элементы кластеров
- 22. Данные разбиваются на две выборки (в кластере
- 23. Условие выбора наблюдений при последовательном оценивании коэффициентов модели для разных групп банков:
- 24. Оценивание моделей:
- 25. Шаг 5. Анализ результатов: Для средних банков
- 26. Анализ результатов: Для средних и крупных банков
- 27. Шаг 6. Анализ остатков: Анализ остатков позволяет делать выводы о корректности предложенной модели
Рассматривались банки, фигурировавшие в рейтингах журнала “Профиль” на 1 июня 1998 года и на 1 мая 1999 года (до и после кризиса августа 1998 года)
Слайд 1Пример:
Анализ влияния структуры
капитала банка
на его устойчивость
в условиях банковского
кризиса.
StatSoft® Russia
Слайд 2Рассматривались банки, фигурировавшие в рейтингах
журнала “Профиль” на 1 июня 1998 года
и
на 1 мая 1999 года (до и после кризиса августа 1998 года)
на 1 мая 1999 года (до и после кризиса августа 1998 года)
Слайд 3На основании текущих показателей
банки разделились на 2 категории:
проблемные
банки
устойчивые банки
устойчивые банки
Слайд 4Проблемные банки - банки с отрицательным капиталом, банки с отозванными лицензиями
и банки, которые вообще не попали в майский рейтинг,
Устойчивые банки - банки, входящие в оба рейтинга и имеющие стабильные финансовые показатели.
Устойчивые банки - банки, входящие в оба рейтинга и имеющие стабильные финансовые показатели.
Слайд 6 BAD - 1, если банк проблемный, 0 - иначе,
CITY
- город (Москва - 2, СПб - 1, другой - 0),
AGE - возраст (лет),
CAPITAL - капитал (тыс. руб.),
PERF - работающие (рисковые) активы (тыс. руб.),
LIQUID - ликвидные активы (тыс. руб.),
OVERNIGHT - обязательства до востребования (тыс. руб.),
TOTLIAB - суммарные обязательства (тыс. руб.),
PROTECT - защита капитала (тыс. руб.),
AGE - возраст (лет),
CAPITAL - капитал (тыс. руб.),
PERF - работающие (рисковые) активы (тыс. руб.),
LIQUID - ликвидные активы (тыс. руб.),
OVERNIGHT - обязательства до востребования (тыс. руб.),
TOTLIAB - суммарные обязательства (тыс. руб.),
PROTECT - защита капитала (тыс. руб.),
Список исследуемых факторов:
Слайд 7 USTAV - уставной фонд (тыс. руб.),
ASSETS - чистые активы
(тыс. руб.),
CURRENCY - валютные резервы (%),
EQUITY - недвижимость (тыс. руб.),
PROFIT - прибыль (+)/ убыток (-) (тыс. руб.),
GOVTLIAB - обязательства перед государством (тыс. руб.),
BANK - привлеченные средства других банков (тыс. руб.),
ARREAR - средства на карточных счетах (тыс. руб.),
RETAIL - средства частных лиц (тыс. руб.).
CURRENCY - валютные резервы (%),
EQUITY - недвижимость (тыс. руб.),
PROFIT - прибыль (+)/ убыток (-) (тыс. руб.),
GOVTLIAB - обязательства перед государством (тыс. руб.),
BANK - привлеченные средства других банков (тыс. руб.),
ARREAR - средства на карточных счетах (тыс. руб.),
RETAIL - средства частных лиц (тыс. руб.).
Слайд 10Логит-регрессия применяется
в случае, когда зависимая
переменная принимает
два значения 0 или 1
BAD
1
- проблемный банк
0 - стабильный банк
Переменная
Слайд 11Методология исследования:
Шаг 1. Исследуем влияние
каждой отдельной независимой
переменной без учета
остальных
регрессоров и выделяем статистически
значимые факторы (в дальнейшем
будем изучать только эти характеристики банка).
регрессоров и выделяем статистически
значимые факторы (в дальнейшем
будем изучать только эти характеристики банка).
Выбор переменной:
Слайд 13Шаг 2. Объединим найденные значимые факторы
и построим модель, которая предсказывает
попадание банка
в определенную категорию.
В качестве предикторов
будем рассматривать 4 основных
фактора:
PROTECT/CAPITAL - доля защиты капитала в общем капитале,
BANK - привлеченные средства других банков,
EQUITY/PERF - отношение недвижимости к рисковым активам,
OVERNIGHT/LIQUID - отношение краткосрочных кредитов
к ликвидным активам.
Слайд 15Численное оценивание параметров модели:
Начальные приближения для
коэффициентов выбираем
равными коэффициентам
парных регрессий, полученным
ранее.
Идет
оценивание
Слайд 16Результаты оценивания:
Просмотр численных
оценок коэффициентов
Анализ предсказательной
силы модели
Слайд 17Просмотр численных оценок
коэффициентов:
Предсказательная сила модели:
Модель правильно относит
93% устойчивых банков
к категории стабильных
и
в
48,8% случаев
угадывает кризисные банки
угадывает кризисные банки
Слайд 18В исследуемую выборку входят
банки, сильно различающиеся
по величине совокупного капитала:
Попытаемся выделить две
группы
банков по величине капитала
Слайд 20Шаг 3. Проводим кластеризацию данных
методом К-средних
Переменная
кластеризации -
CAPITAL
Разбиваем данные
на 3 кластера
Кластеризацию проводим
по
наблюдениям
Слайд 22Данные
разбиваются на две выборки
(в кластере 1 всего 2 наблюдения,
поэтому мы присоединяем
его к кластеру 2),
которые целесообразно рассматривать отдельно.
Фактически это сведется к разбиению банков
на группы: с капиталом, большим чем 900000,
и с капиталом, меньшим, чем 900000.
которые целесообразно рассматривать отдельно.
Фактически это сведется к разбиению банков
на группы: с капиталом, большим чем 900000,
и с капиталом, меньшим, чем 900000.
Шаг 4. Проводим оценивание коэффициентов
первоначальной модели
для каждой из получившихся
выборок.
Слайд 23Условие выбора наблюдений
при последовательном оценивании
коэффициентов модели для
разных групп банков:
Слайд 25Шаг 5. Анализ результатов:
Для средних банков
модель лучше
угадывает
стабильные банки
Для крупных банков
модель лучше
предсказывает
кризис
банков - прогноз
верен в 70% случаев.
верен в 70% случаев.
В целом правильных прогнозов,
сделанных в сумме по двум моделям,
больше, чем при рассмотрении
одной выборки
Слайд 26Анализ результатов:
Для средних и крупных банков характер влияния
переменной EQUITY/PREF (отношение средств,
вложенных
в недвижимость, к рисковым активам банков) различается.
На средние банков фактор оказывает отрицательное
влияние - средства, вложенные в недвижимость средними
банками, помогают им устоять в условиях кризиса. Для
крупных банков характер влияния обратный - наблюдается
положительная связь между переменной и вероятностью
оказаться в кризисном состоянии.
в недвижимость, к рисковым активам банков) различается.
На средние банков фактор оказывает отрицательное
влияние - средства, вложенные в недвижимость средними
банками, помогают им устоять в условиях кризиса. Для
крупных банков характер влияния обратный - наблюдается
положительная связь между переменной и вероятностью
оказаться в кризисном состоянии.
Слайд 27Шаг 6. Анализ остатков:
Анализ остатков
позволяет делать
выводы о корректности
предложенной модели
