Содержание к диссертации
Введение
Глава 1. Проблемы прогнозирования финансово-экономических показателей
1.1. Анализ современного состояния банковской системы РФ 8
1.2. Исследование проблем прогнозирования показателей банковской деятельности 18
1.3. Методики анализа финансового положения кредитных организаций 24
Глава2. Исследование качества моделей краткосрочного прогнозирования
2.1.Методологические аспекты прогнозирования экономического развития 37
2.2. Применение адаптивных методов для краткосрочного прогнозирования финансово-экономических показателей 47
2.3 .Анализ основных методов и критериев оценки качества математических моделей 59
2.4.Исследование методов и критериев обобщения моделей прогнозирования 83
Глава 3. Методика краткосрочного прогнозирования финансово-экономических показателей банковской деятельности
3.1.Анализ программных продуктов прогнозирования финансово- экономических показателей 111
3.2. Разработка критериев и методики оценки качества краткосрочных моделей прогнозирования банковской деятельности 117
3.3.Исследование перспективного положения кредитных организаций на основе разработанных прогнозных моделей 139
Заключение 148
Список использованной литературы 150
Приложения 158
- Исследование проблем прогнозирования показателей банковской деятельности
- Методики анализа финансового положения кредитных организаций
- Применение адаптивных методов для краткосрочного прогнозирования финансово-экономических показателей
- Разработка критериев и методики оценки качества краткосрочных моделей прогнозирования банковской деятельности
Введение к работе
Актуальность темы исследования. Эффективно работающая банковская система является основой успешного развития любой экономики. Поэтому анализу работы банков, оценке их эффективности, моделированию финансовых потоков уделяется большое внимание во всех развитых странах.
В современных условиях для каждой банковской организации является актуальным разработка своего собственного пути вхождения в новую систему, который позволит ей в будущем занять стабильное положение. Следовательно, на первый план выдвигается необходимость осуществления перспективного планирования и повышение качества контроля за деятельностью банка.
Перспективное планирование (составление бюджета развития) является краеугольным камнем выработки комплексной хозяйственной политики банка. Именно на его основе планируются текущие мероприятия по управлению ликвидностью, определяются направления и объемы размещения ресурсов банковской организации. Перспективное планирование производится на основе анализа хозяйственной деятельности и финансового положения банка за текущий и краткосрочный перспективный период.
Выбор правильной стратегии развития банковской организации в значительной степени определяет ее дальнейшее существование. В силу специфики функционирования банковских учреждений и нестабильности их положения актуальным является применение методов краткосрочного прогнозирования. Применение экономико-математических методов к исследованию финансового положения банковских организаций позволяет осуществить построение математической модели, с помощью которой можно осуществить прогнозирование дальнейшего развития организации и, в случае необходимости, своевременно принять ряд мер по
предотвращению нежелательных финансовых ситуаций. Качество и достоверность перспективных прогнозов определяется критериями выбора лучших, с точки зрения качества, моделей. В настоящее время разработаны разнообразные критерии оценки качества моделей, однако, проведенные исследования показали, что ряд критериев не дает уверенности в выборе действительно лучшей модели, а, следовательно, Щ остается нерешенной задача выбора и построения прогнозной модели, которая бы в лучшей степени соответствовала реально протекающему процессу.
Актуальность затронутых проблем, их недостаточная теоретическая и практическая проработанность обусловили выбор темы и основных направлений диссертационного исследования.
Цель и задачи исследования. Целью настоящего исследования
является исследование и обоснование эффективных методов и методик
анализа качества прогнозных моделей, дальнейшая разработка критериев
оценки качества краткосрочных моделей прогнозирования, их апробация
#< на фактическом материале кредитных организаций Смоленского региона.
В соответствии с указанной целью в диссертации обоснованы и решены следующие научные и практические задачи:
проанализированы теоретико-экономические аспекты функционирования банковской системы и необходимости применения научных методов прогнозирования ее характеристик;
выявлены возможности применения этих методов для анализа состояния кредитных организаций с целью повышения эффективности их работы;
ф - исследованы методики анализа финансового положения кредитных
организаций;
проведен статистический анализ существующих критериев качества краткосрочных моделей прогнозирования;
разработаны прогнозные модели, позволяющие оценить перспективное положение кредитной организации;
осуществлен анализ качества построенных математических моделей;
на основе построенных прогнозов сформулированы рекомендации по повышению эффективности деятельности кредитных организаций;
выполнен анализ используемых в настоящее время новейших компьютерных технологий для повышения эффективности работы различных структур.
Объект и предмет исследования. В качестве объекта исследования выступают кредитные организации, а предметом исследования являются критерии оценки качества прогнозных моделей, разработанных для данных организаций.
Методика исследования. Методологическую базу проведенного исследования составляет комплексный подход к процессу моделирования и прогнозирования сложных экономических систем и анализу характеристик финансово-экономических показателей, основные положения комплексного экономического анализа, методы экономико-математического моделирования, математической статистики и теории вероятностей.
Теоретической основой работы явились исследования и научные труды российских и зарубежных ученых в области экономической теории и теории финансов, экономико-математического моделирования, социально-экономического прогнозирования, теории статистики, компьютерных и информационных технологий.
Научная новизна. В диссертации решена актуальная проблема совершенствования и разработки критериев оценки качества моделей краткосрочного прогнозирования. Научная новизна исследования отражена в следующих основных результатах:
разработаны прогнозные модели для анализа финансового состояния кредитных организаций;
осуществлен сравнительный анализ прогнозных моделей исходя из критериев точности и адекватности;
предложена новая методика исследования качества прогнозных моделей;
разработана система критериев отбора лучшей по качеству математической модели;
по результатам исследования сформулированы практические рекомендации для повышения эффективности деятельности кредитных учреждений.
Практическая значимость работы. Практическая значимость
проведенного исследования состоит в возможности непосредственного использования разработанного теоретического и методологического аппарата в прикладном моделировании и прогнозировании основных показателей развития кредитной организации, а также в повседневной деятельности специалистов аналитических отделов банковских организаций.
Использование разработанной методики позволит эффективным образом осуществлять контроль за текущей деятельностью кредитной организации и своевременно принять ряд организационных и технических мероприятий по предотвращению нежелательных финансовых и кризисных ситуаций, что, в конечном счете, повышает устойчивость банковской организации в целом и снижает риск наступления банкротства.
Разработанные методика и критерии анализа качества прогнозных моделей носят общий характер и могут быть использованы при моделировании и прогнозировании любых экономических процессов.
Апробация и внедрение результатов исследования. Полученные
результаты проведенного исследования явились основой для анализа
финансового состояния кредитных организаций Смоленского региона.
Практические рекомендации, разработанные в результате проведенного
исследования, направленные на повышение эффективности деятельности
банковских организаций, были обсуждены и одобрены специалистами
аналитического отдела по контролю за деятельностью коммерческих
банков Главного Управления Центрального Банка РФ по Смоленской
области. Основные положения разработанной методики было рекомендовано использовать в повседневной работе аналитиков кредитных организаций.
Основные положения диссертации использованы автором при разработке курса лекций по финансовой математике и экономико-математическому моделированию экономических систем.
Публикации. Основные положения^диссертации опубликованы в пяти печатных работах, общим объемом 3,4 п.л.
Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка используемой литературы и приложений.
Во введении обосновывается актуальность темы, определяется цель, задачи, методология и источники исследования, объект исследования, научная новизна и практическая ценность полученных результатов, излагаются основные положения, выносимые на защиту.
В первой главе исследуется предметная область и формулируются задачи прогнозирования финансово-экономических показателей кредитных учреждений.
Во второй главе анализируются методика и критерии оценки качества краткосрочных моделей прогнозирования.
В третьей главе осуществлена разработка новых критериев оценки качества прогнозных моделей. На основании этого выполнено построение прогнозных моделей, с помощью которых проведено исследование финансового положения кредитных учреждений.
В заключении содержатся выводы и рекомендации по существу темы диссертации.
Исследование проблем прогнозирования показателей банковской деятельности
Банковская система России - один из наиболее динамично развивающихся секторов отечественной экономики.
В целях обеспечения успешной деятельности руководству банковских учреждений необходимо постоянно отслеживать динамику изменения направлений и объемов вложения имеющихся ресурсов и своевременно осуществлять контроль за эффективностью этих вложений.
Большую роль в оценке сложившейся ситуации в банковском учреждении имеет исследование динамических процессов и их тенденций, взаимосвязи влияющих на деятельность банков внутренних и внешних факторов. В сегодняшних условиях для каждой кредитной организации становится актуальным разработать свой собственный путь вхождения в новую систему, позволяющий ей занять в будущем стабильное положение.
Особое внимание уделяется учету темпов инфляции, т.к. от уровня инфляции зависят многие количественные характеристики банковской системы.
Анализ и прогнозирование динамики номинальных показателей в отрыве от динамики инфляции приводит к неадекватным результатам. С этим связана некорректность прогноза номинальных величин финансово-экономических показателей. Например, при определении доходности какого-либо вида ценных бумаг номинальная ставка доходности должна быть скорректирована на величину процента инфляции.
Углублению дисбаланса денежно-кредитной системы способствует прежде всего долларизация российской экономики. Циркулируя практически во всех сферах денежного оборота страны, иностранная валюта используется в качестве средства обращения и накопления, а также, хотя и неофициально, средства платежа.
В связи с этим для обеспечения устойчивости банковских учреждений актуальным является прогнозирование валютных рисков.
Валютный риск безусловно связан с риском процентной ставки и риском ликвидности. Он может возникать при несоответствии структуры валютных пассивов и активов, а также инфляционных процессах в государстве. В основе валютного риска лежит изменение стоимости денежного обязательства кредитного или иного соглашения за определенный период. Валютному риску может быть подвержена любая из сторон договора.
Особенно высок валютный риск у тех финансово-кредитных институтов, которые получают прибыль из-за несовпадения курсов одних и тех же валют на различных рынках или различия курса валюты в разные моменты времени, например, при осуществлении арбитражных операций. Валютный риск тем выше, чем больше период для возвращения задолженности и сумма кредитного контракта. Валютные риски также имеют место, когда валюта предоставления кредита не совпадает с валютой платежа.
Наличие валютных рисков может причинить существенный ущерб финансово-кредитному институту и, разумеется, необходимо предпринять целесообразные действия для прогнозирования валютных рисков и своевременного устранения их последствий.
Наряду с валютными рисками кредитная организация должна осуществлять контроль за кредитными рисками. В большинстве российских банков не уделяется должного внимания выработке взвешенной кредитной политики, адекватной оценке рисков, процедур принятия решений и системному контролю за кредитными операциями.
Ставки кредитования подвержены частому изменению. Они реагируют на массу факторов - от величины ставки рефинансирования Центрального банка до здоровья президента. Уровень процентного риска зависит от изменчивости процентной ставки в совокупности и соотношения структуры активов и пассивов, взвешенных по срокам.
Менеджеры высшего и среднего звена руководства должны уделять особое внимание величине процентного риска, минимизируя его в максимально возможной степени. Опасную зону, с точки зрения регулирования, следует перекрывать высокой ликвидностью, подчас даже чрезмерной. Однако, увеличивая ликвидность, банк снижает свой процентный доход. В результате возникает необходимость переориентации на получение небольшого, но постоянного и безрискового дохода от комплекса услуг по расчетно-кассовому обслуживанию и предоставлению других услуг клиентам.
Так как основную часть прибыли банк получает от своих ссудных операций, становится очевидным важность минимизации кредитного риска, т.е. неплатежа по ссуде. Как правило, именно непогашение ссуд заемщиком служит одной из причин банкротств кредитных учреждений.
Комплексный подход к управлению кредитной деятельностью банка включает регулирование и управление кредитными рисками.
Под риском понимается вероятность потери банком части своих средств, недополучения доходов или произведения дополнительных расходов в результате осуществления запланированных финансовых операций.
Как правило, в практике банковской деятельности максимальная прибыль получается в результате деятельности, связанной с более высоким риском, на этот фактор указывают некоторые ученые, например, Н.Э.Соколинская [75]. Однако данную взаимосвязь нельзя применять ко всем рискам в равной мере. При анализе соотношения «внутренние риски - прибыль» данные элементы находятся в пропорциональной зависимости, так как в большей степени являются предсказуемыми. При анализе этого соотношения относительно внешних рисков данной пропорции может и не быть совсем.
Методики анализа финансового положения кредитных организаций
Статистические данные ЦБ РФ свидетельствуют о постепенном сокращении числа банковских организаций. Помимо объективных макроэкономических факторов, одной из причин постоянного уменьшения числа российских банков (а за последние несколько лет оно сократилось практически вдвое), является неудовлетворительное качество управления и принятия стратегических решений.
Задача управления кредитной организацией носит сложный и комплексный характер. В современных условиях невозможно эффективно и грамотно управлять коммерческим банком, не понимая экономической сути происходящих в нем процессов. Даже высокий уровень профессионализма банковских работников часто не позволяет грамотно оценить текущее состояние банка и принять правильное управленческое решение. Главным образом, это связано с огромным объемом финансовой информации, проходящей через коммерческий банк. Безусловно, эта проблема в меньшей мере стоит перед небольшими кредитными организациями и коммерческими банками с небольшим штатом сотрудников и ограниченным спектром оказываемых услуг. Как правило, процесс управления такими банками строится на основе детального знания сотрудниками высшего управленческого звена происходящих в банке процессов и визуальном экспертном анализе информации, отражающей текущее финансовое состояние кредитной организации. Такой подход абсолютно неприемлем или неэффективен в крупной кредитной организации с большим числом услуг, оказываемых клиентам, огромным документооборотом, большими объемами информации, поступающей в банк извне от банков-корреспондентов, клиентов и из других источников. Конечно, экспертная оценка финансового состояния банка - это важный фактор принятия решений, однако нельзя его рассматривать без связи с применением современных компьютерных способов обработки и анализа банковской информации.
Принятие стратегических решений в кредитной организации должно сопровождаться предварительным комплексным анализом текущего состояния банка. При этом можно выделить пять основных подходов [46]: — сплошной просмотр финансовой отчетности; — горизонтальный анализ финансовой отчетности; — вертикальный анализ; — трендовый анализ; — метод оценки финансовых коэффициентов.
Наиболее распространенным является метод сплошного просмотра финансовой отчетности. Основой данного подхода является оценка абсолютных показателей деятельности кредитной организации. Такой подход предполагает последовательный просмотр финансовых отчетов по статьям, анализ соотношения статей между собой и их динамики. Просмотр бухгалтерского баланса кредитной организации позволяет получить информацию о собственном капитале банка, его структуре, источниках привлечения заемных средств по обязательствам банка, размере активов банка и направлениях их размещения, размере прибыли (убытков), доходов и расходов и т.д. Безусловно, достоинством метода сплошного просмотра отчетности является предельная простота.
Следующим подходом к финансово-экономическому анализу отчетности является горизонтальный анализ. Он предполагает ретроспективную оценку деятельности кредитной организации путем сравнения абсолютных и относительных показателей финансовой отчетности за некоторый протяженный период.
Вертикальный анализ финансовой отчетности основан на оценке относительных показателей, отражающих удельный вес отдельных статей финансовых отчетов в общем итоге отчета.
Одной из методик, позволяющей проследить динамику изменения показателей финансовой отчетности, является трендовый анализ, основанный на оценке динамики финансового состояния банка. Трендовый анализ подразумевает расчет и оценку относительных отклонений отдельных финансовых показателей на протяжении ряда периодов по отношению к выбранному базовому периоду. Преимуществом трендового анализа является возможность определить не только направление изменения финансового показателя, но и дать этому процессу количественную оценку по отношению к базовому периоду.
Наиболее важным методом финансово - экономического анализа по праву можно считать метод оценки финансовых коэффициентов.
Финансовый коэффициент представляет собой отношение каких-либо показателей, отражающих в количественной форме параметры деятельности кредитной организации. Существенный аспект практического применения данной методики - это правильная интерпретация полученных в результате расчетов финансовых коэффициентов. Процесс оценки показателей требует от специалиста высокого профессионализма и уровня экономической подготовки. Применение компьютерных технологий существенно упрощает эту проблему. Рассчитанные показатели сравниваются с показателями выбранной оценочной базы, в качестве которой можно принять: — общепринятые стандартные значения финансовых коэффициентов; —средние показатели, рассчитанные на основе данных репрезентативной выборки кредитных организаций из некоторой группы; —ретроспективные значения финансовых показателей, рассчитанные за предыдущие периоды; — иные расчетные коэффициенты [36].
Применение адаптивных методов для краткосрочного прогнозирования финансово-экономических показателей
В современных условиях политической и социально-экономической нестабильности в стране все большее значение имеют методы прогнозирования, базирующиеся на использовании небольшого количества наиболее «свежей» информации. В связи с этим для краткосрочного прогнозирования развития экономики в целом и банковской деятельности в частности актуальным является использование адаптивных методов прогнозирования. В настоящее время в банковской сфере велико влияние фактора нестабильности и постоянной зависимости от множества внешних факторов. Постоянно изменяющиеся условия внешней среды заставляют аналитиков чутко следить за происходящими изменениями и своевременно корректировать свою стратегию и тактику в этих непростых условиях. В данном процессе немалую помощь им могут оказать адаптивные методы определения перспектив развития. Целью адаптации является приспособление математической модели к постоянно изменяющимся условиям ее функционирования.
Корректировка параметров адаптивной модели осуществляется на основе вновь поступающей информации путем учета расхождения между нею и предсказанными значениями показателя. Адаптивные методы, позволяющие строить самокорректирующиеся модели, способны оперативно реагировать на изменяющиеся условия и на этой основе давать более точные прогнозы, чем другие методы (о чем будет подробно сказано в третьей главе).
В том случае, если исходные данные представлены колеблющимися во времени величинами, целесообразно использование адаптивных методов прогнозирования.
Отличие адаптивных моделей от других прогностических моделей состоит в том, что они отражают текущие свойства ряда и способны непрерывно учитывать эволюцию динамических характеристик изучаемых процессов. Цель адаптивных методов заключается в построении самокорректирующихся (самонастраивающихся) экономико-математических моделей, которые способны отражать изменяющиеся во времени условия, учитывать информационную ценность различных членов временной последовательности и давать достаточно точные оценки будущих членов данного ряда. Именно поэтому такие модели предназначены прежде всего для краткосрочного прогнозирования [40].
Методы прогнозирования одномерных временных рядов заслуживают внимания по целому ряду соображений. Прежде всего с их помощью без больших затрат времени и средств могут быть получены прогнозы, достаточно точные для целей управления и планирования. Необходимая для других методов добавочная информация часто может оказаться недоступной или требовать чрезмерных затрат для ее получения. Прогнозирование одномерных временных рядов может быть полезно как средство для создания базы, относительно которой могут оцениваться результаты прогнозирования многомерной динамики. Прогнозы, рассчитанные по одномерной динамике, могут также комбинироваться с прогнозами, полученными другими методами в целях формирования совокупного прогноза.
Если динамика процесса не имеет сильных колебаний, то описывающие ее временные ряды меняются достаточно медленно и механизм сглаживания успевает фиксировать такое изменение. Иной подход при анализе сильно колеблющихся временных рядов, которые часто встречаются в системах оперативного планирования и управления. В этих случаях процедура сглаживания с помощью скользящей средней и метода наименьших квадратов дает слишком грубые результаты, так как сглаживаются все колебания ряда, учет которых необходим для правильного принятия решений. Кроме того, параметры моделей тренда, полученные такими методами, остаются неизменными в течение всего рассматриваемого периода. На практике же нередки случаи, когда параметры моделей изменяются, а сглаживающие процедуры с помощью скользящей средней и метода наименьших квадратов не могут уловить такие изменения.
В противовес данным моделям можно противопоставить адаптивную модель Хольта-Уинтерса, параметры которой изменяются на каждом шаге построения модели, осуществляя тем самым гибкую адаптацию к юменяющимся условиям.
Самая большая трудность применения на практике метода экспоненциального сглаживания - установление оптимального значения параметра сглаживания и адаптации метода к изменению структуры временного ряда. Очевидно, что эти вопросы в первую очередь связаны с качеством прогноза. Наиболее плодотворной идеей при их решении является применение трэкинг-сигнала (следящего сигнала). Смысл ее заключается в разработке индикатора, который бы следил за качеством прогноза и улавливал тот момент, когда это качество становится неудовлетворительным и требует вмешательство прогнозиста Как и всегда в таких случаях, здесь сталкиваются два противоречивых требования. С одной стороны, искомый индикатор должен быть достаточно чувствительным, с другой — он не должен реагировать на случайные колебания и приводить к слишком большим ошибкам прогноза. Трэкинг-сигнал позволяет адаптировать систему прогнозирования к изменениям временного ряда и в принципе решает проблему выбора параметра сглаживания [66].
В некоторых случаях для одновременного исследования компонент временного ряда и построения модели прогноза используются адаптивные параметрические модели. В их основе лежит идея Г. Волда о построении объединенной модели авторегрессии - скользящего среднего.
Разработка критериев и методики оценки качества краткосрочных моделей прогнозирования банковской деятельности
С помощью программного продукта «ОЛИМП: СтатЭксперт» осуществлялся анализ финансово-экономических показателей кредитных организаций города Смоленска. Информационной базой послужили данные за период с 01.09.1995 года по 01.08.1998 года. По каждой кредитной организации было получено около сорока финансовых показателей, но самостоятельной информационной значимостью, представляющей интерес, как с точки зрения анализа и прогнозирования самих этих величин, так и с точки зрения, расчета производных показателей - коэффициентов финансового развития кредитной организации, были отобраны одиннадцать для самостоятельных банков Смоленского региона и семь показателей для филиалов Московских банков (см. Приложение 1). Это следующие показатели: кредитные вложения, вложения в государственные ценные бумаги, объемы депозитов, прибыль, валюта баланса, собственные средства, общая сумма активов, высоколиквидные активы, общая сумма обязательств, разные доходы, разные расходы.
Так как анализ проводился за 1995-98 годы, для приведения исследуемых величин к сопоставимому виду были использованы индексы потребительских цен за соответствующие периоды. Так, например, индекс потребительских цен в декабре 1996 года по отношению к декабрю 1995 года составил 1,20 , этот же индекс в декабре 1997 года по отношению к декабрю 1996 года уже имел величину 1,10 , т.е. общий показатель составил 1,20 х 1,10 = 1,32. Производя деление номинальной величины финансово-экономического показателя на это значение, находится реальное значение исследуемого показателя за соответствующий период. Аналогичным образом были определены соответствующие реальные величины показателей для всех исследуемых периодов, которые и подвергались дальнейшему анализу. Так как целью исследования была оценка качества краткосрочных прогнозных моделей, необходимым явился учет сезонного фактора. Это осуществлялось заданием соответствующего параметра сезонности с периодом 12. Первоначально отбор моделей осуществлялся по всем возможным, представленным программой, моделям: кривым роста, адаптивным моделям, авторегрессионным, моделям Бокса-Дженкинса и ОЛИМП-моделям. На основе интегрированного критерия качества по результатам аппроксимации осуществлялся выбор наилучшей модели. Кривые роста дали неудовлетворительный уровень качества и из дальнейшего анализа впоследствии были исключены.
Интегрированный критерий качества формируется как взвешенная сумма обобщенного критерия точности и обобщенного критерия адекватности, веса этих слагаемых соответственно равны 0,75 и 0,25 (эти величины определяются эмпирически и могут корректироваться пользователем в зависимости от целей исследований). В качестве характеристики точности используется нормированное значение средней относительной ошибки аппроксимации, а в качестве представителя критерия адекватности - нормированное значение критерия Дарбина-Уотсона и характеристики нормального закона распределения остаточной компоненты.
Проведенные исследования показали, что формально-статистический выбор лучшей модели по данной методике не дает уверенности в его правильности (см. таблицу 3.1).
При анализе первой кредитной организации под условным названием "Банк 1" при анализе первого показателя (кредитных вложений) две модели -Хольта-Уинтерса и АРИСС (3,1,2) имеют достаточно близкие значения обобщенного критерия качества : 70 и 70,5. Однако, выполняя ретропрогноз для этих моделей, были получены следующие величины ретропрогнозных ошибок: 1,5 — для модели Хольта-Уинтерса и 3,6 - для АРИСС-модели. Анализируя восьмой показатель этой же кредитной организации (собственный капитал), более высоким значением критерия качества, равным 86, обладает модель Олимп (3,1), дающая ошибку аппроксимации 2,1. При этом из рассмотрения исключается модель Хольта-Уинтерса с ошибкой аппроксимации 1,9 и обобщенным критерием качества 76. Сравнивая затем результаты ретропрогноза для этих моделей, имеем ошибку ретропрогноза для модели Хольта-Уинтерса, равную 1,1 , а для Олимп-модели - 6,7 , т.е. модель с лучшими характеристиками аппроксимации дает худшие результаты ретропрогноза. Аналогичные случаи имеют место и при анализе девятого показателя (общей суммы активов): АРИСС (3,1,3) с уровнем качества 82 и ошибкой аппроксимации 2,5 дает ошибку ретропрогноза 11,5 ; Олимп (3,3) с уровнем качества 79 и ошибкой аппроксимации 3,7 имеет ошибку ретропрогноза 4,2 , а модель Хольта-Уинтерса с уровнем качества 78 и ошибкой аппроксимации 2,5 дает ошибку ретропрогноза 1,5. Подобные случаи встречаются при анализе практически всех кредитных организаций (см.табл.3.1.) и обусловлены тем, что обобщенный критерий качества формируется с учетом характеристик точности и адекватности. Так модель с более низким уровнем точности, но большим значением адекватности получает большее значение обобщенного критерия качества, по которому осуществляется отбор наилучшей прогнозной модели (см. табл. 3.2). Так, например, рассмотренная модель АРИСС (3,1,3) имеет точность 70, адекватность 99,4 и обобщенный критерий качества 82. Модель же Хольта-Уинтерса с уровнем точности 79 , т.е. по точности превышающая АРИСС -модель, но уступающая ей по адекватности - 68 , имеет критерий качества, равный 78. При анализе первого показателя пятой кредитной организации модель Хольта-Уинтерса имеет значение точности 88, уровень адекватности 3 и критерий качества 45, при этом ошибка аппроксимации составляет 1,5 , а ошибка ретропрогноза 2,3. Модель МАФ (2,1) с уровнем точности 40 и адекватностью 74 имеет качество 49, ошибка аппроксимации 8,3 и ошибка ретропрогноза 20. АРИСС (2,1,2) с точностью 46, адекватностью 96 и качеством 59 имеет ошибку аппроксимации 7,3 и ошибку ретропрогноза 22. Олимп (1,2) с уровнем точности 52, адекватностью 90 и качеством 61 имеет ошибку аппроксимации 6,4 и ошибку ретропрогноза 28. Анализируя второй показатель (кредитные вложения в государственные ценные бумаги) девятой кредитной организации имеем следующее: АРИСС (0,1,3) - уровень точности 82, адекватность 96, качество 86, ошибка аппроксимации 2,0 , ошибка ретропрогноза 4,8. Олимп (1,3) : уровень точности 81, адекватность 95, качество 85, ошибка аппроксимации 2,3 , ошибка ретропрогноза 5,2. Модель Хольта-Уинтерса : точность 89 (т.е. превышает по точности модели АРИСС и Олимп), адекватность 52 (уступает по адекватности рассмотренным моделям из-за невыполнения закона нормального распределения остаточной компоненты), качество всего лишь 80 ( из-за невысокого уровня адекватности), ошибка аппроксимации 1,3 и ошибка ретропрогноза 1,8. Эти данные приведены в таблице 3.2.
