Содержание к диссертации
Введение
ГЛАВА I. Оценка внешних факторов риска потребительского кредитования путем моделирования и прогнозирования экономических показателей банковской системы региона 10
1.1. Внешние факторы кредитного рискай методика их оценки 10
1.2. Моделирование основных экономических показателей банковской системы региона 16
1.3. Прогнозирование экономических показателей банковской системы региона 39
Выводы по первой главе 51
ГЛАВА II. Математическое моделирование различных графиков платежа и оценка платежеспособности заемщика 52
2.1. Общая методика оценки платежеспособности заемщика 52
2.2. Оценка максимальной суммы кредита с учетом моделирования различных графиков платежа 57
2.2.1. Погашение займа равными выплатами основного долга. 57
2.2.2. Погашение займа равными срочными уплатами 58
2.2.3. Погашение займа при процентных ставках, изменяющихся в течение срока действия кредитного договора 64
2.2.4. Погашение займа переменными выплатами основного долга, изменяющимися в арифметической или геометрической прогрессии. 69
2.3. Модификация процентной ставки и оценки максимально возможной сумы займа с учетом кредитной истории заемщика 72
2.3.1. Корректировка процентной ставки и суммы займа в зависимости от кредитной истории заемщика 72
2.3.2. Моделирование графика платежа и оценка максимально допустимой суммы кредита с учетом льготного периода кредитования . 78
Выводы по ВТОРОЙ ГЛАВЕ 92
ГЛАВА III. Автоматизация процесса потребительского кредитования в коммерческом банке 93
3.1. Минимизация внутренних факторов кредитного риска 93
3.2. Алгоритмы и примеры моделирования и прогнозирования экономических показателей банковской системы региона 95
3.3. Автоматизация процесса оценки заемщика и оформления кредитного договора 106
Выводы по третьей главе 120
Заключение 121
Список литературы
- Моделирование основных экономических показателей банковской системы региона
- Оценка максимальной суммы кредита с учетом моделирования различных графиков платежа
- Моделирование графика платежа и оценка максимально допустимой суммы кредита с учетом льготного периода кредитования
- Алгоритмы и примеры моделирования и прогнозирования экономических показателей банковской системы региона
Введение к работе
Актуальность темы. В настоящее время в России потребительское кредитование, являясь традиционной банковской услугой, приобретает все большее значение для удовлетворения экономических, социальных и культурных потребностей населения, Растут объемы выданных банками ссуд, снижаются процентные ставки кредитования, увеличивается число кредитных организаций, включивших кредитование населения в перечень предоставляемых ими услуг. В результате объем выданных потребительских кредитов в Российской Федерации вырос за период 2000-2006 гг. в 40 раз, а доля потребительских кредитов в общем объеме банковского кредитования составила более 23%.
Активное развитие потребительского кредитования требует от банков выработки быстрых и высокотехнологичных методик для повышения эффективности потребительского кредитования. Это выгодно как банку, так и заемщику. Эффективная методика потребительского кредитования дает банку возможность принимать обоснованные кредитные решения. Тем самым банк снижает кредитные риски и увеличивает доходность потребительского кредитования. Уменьшение риска потребительского кредитования в свою очередь приводит к уменьшению ставки кредитования, что, несомненно, выгодно для заемщика. Кроме того, для заемщика, обратившегося с заявлением на выдачу потребительской ссуды, повышается прозрачность средневзвешенных требований банка. Это позволяет потенциальному клиенту заранее подготовить необходимые документы на получение потребительской ссуды, сэкономив тем самым свое время.
Проблема совершенствования механизма потребительского кредитования является одной из приоритетных как в России, так и за рубежом. Тем не менее, методики и технологии, используемые российскими коммерческими банками при кредитовании индивидуальных заемщиков, пока
еще далеки от высоких западных стандартов. Проведённый анализ методик, применяемых отечественными коммерческими банками, показал, что большинство из них являются заимствованными из зарубежных источников, причем используемые в данных методиках расчёты оценки финансового состояния заемщика малоприменимы к российской экономике. На сегодняшний день существует объективная необходимость разработки методик и механизмов, позволяющих повысить эффективность процесса кредитования.
Именно поэтому представляется необходимым оптимизировать процесс потребительского кредитования как с целью повышения эффективности работы банка, так и в интересах заемщика для решения вопросов оценки максимальных сумм кредита, снижения процентных ставок, обеспечения различных графиков погашения кредита.
Различные аспекты моделирования кредитной деятельности коммерческих банков рассмотрены как в трудах российских авторов Москвина В.А. [53], Саяповой А.Р. [75], Сагитдинова М.Ш.[87,88], Садовина Н.С.[36], Лаврушина О.И.[45,46] , так и зарубежных - Морсмана М.Л. [61], Westaway Р.[112], Kramer P.[lllj, Boeschoten W.S.[111] Анализ разработанных методик позволяет утверждать, что стоящие перед банком задачи решены не в полном объеме. Например, не выявлено зависимостей оценки максимально допустимой суммы кредита от графика платежей заемщика, что на практике приводит к занижению максимально допустимой суммы кредита и потери части банковской прибыли.
Кроме того, в отечественной литературе практически отсутствуют работы, связанные с построением макроэкономических моделей, позволяющих моделировать и прогнозировать основные экономические показатели, представляющие интерес для коммерческого банка с точки зрения потребительского кредитования. При этом зарубежные методики, разработанные, например, специалистами Банка Нидерландов и описанные в макроэкономических моделях «Morcmon I», «Morcmon II» [111] или в модели
Банка Англии «The mode! of the Bank of England»[112] малоприемлемы, поскольку не учитывают специфики банковской системы и экономики России.
Цель исследования заключается в разработке математической модели, алгоритмов и комплекса компьютерных программ, позволяющих минимизировать банковские риски, оптимизировать и автоматизировать процесс потребительского кредитования с учетом как общих тенденций изменения экономических показателей региона, так и особенностей работы с отдельными заемщиками.
Задачи исследования включают:
изучение проблем оптимизации рисков при потребительском кредитовании, связанных с неблагоприятными макроэкономическими изменениями в регионе, и разработка математической модели, позволяющей осуществить прогноз основных экономических показателей, представляющих интерес для банка с точки зрения потребительского кредитования;
разработка алгоритмов оценки максимальной суммы выдаваемого кредита в зависимости от графиков платежа, доходов заемщика и его кредитной истории;
оптимизация кредитных рисков и создание комплекса программ автоматизации процесса потребительского кредитования.
Поставленные в работе задачи решены с использованием методов регрессионного анализа, теории вероятности, математической статистики. При решении задач использовались труды отечественных и зарубежных ученых, посвященные проблемам математического моделирования и экономического анализа. Статистические данные для построения модели предоставлены Башкирским республиканским управлением статистики, Национальным банка Республики Башкортостан. Также при построении модели использовались
статистические отчеты Центрального Банка Российской Федерации полученные с одноименного официального информационного сайта.
Научная новизна результатов диссертационного исследования:
Впервые при описании процесса потребительского кредитования разработана математическая модель, учитывающая различные тенденции изменения основных экономических показателей региона, различные графики погашения кредитов и особенности работы с отдельными заемщиками.
Предложен способ модификации регрессионных уравнений, позволяющий учитывать существенные изменения во времени прогнозируемых показателей.
Впервые выписаны оценки максимальной суммы выдаваемого кредита в зависимости от графиков платежа, кредитной истории заемщика, льготного периода кредитования с учетом тенденций изменения основных экономических показателей региона.
Разработан комплекс программ для автоматизации процесса потребительского кредитования при оптимизации кредитного риска и с учетом интересов отдельных заемщиков.
Практическая значимость работы
Проведенные исследования дают кредитным организациям реальные механизмы повышения эффективности кредитования населения, а разработанный комплекс программ позволяет автоматизировать и оптимизировать процесс потребительского кредитования, а также снизить внутренние риски банка. Результаты исследования могут быть использованы в учебном процессе и включены в курсы лекций по дисциплинам «Математическое моделирование в экономике», «Финансовая математика».
Разработанный комплекс компьютерных программ автоматизации процессов потребительского кредитования прошел тестирование и принят в эксплуатацию в филиале АБ «Газпромбанк» (ЗАО) в г. Уфе.
Апробация работы и публикации
Основные положения и результаты работы докладывались на Всероссийских научно-практических конференциях «ЭВТ в обучении и моделировании» в Бирской государственной социально-педагогической академии 21-24 мая 2004 г., 16-17 декабря 2005 г. и на VI Всероссийской научно-методической конференции «ЭВТ в обучении и моделировании» в г. Бирске 20-21 апреля 2007 г.; на первой и второй Международных научных школах по математическому моделированию, численным методам и комплексам программ в г. Саранске 1-Ю июля 2003 г. и 1-14 июля 2005 г., на международном конгрессе «28-th International Congress of Actuaries», Paris, France, June, 2006, на международной конференции «International Conference of Actuarial Education», Edinburgh, UK, November, 2006, на Уфимском городском семинаре по математическому моделированию, численным методам и комплексам программ в Институте математики с ВЦ Уфимского научного центра РАН в марте 2007 года, на семинаре кафедры математического моделирования Башкирского государственного университета в апреле 2007 г., на объединенном семинаре кафедры математики и кафедры математического моделирования Уфимского нефтяного технического университета в марте 2007 г., на семинаре кафедры вычислительной математики и программирования Башкирского государственного педагогического университета в апреле 2007 г,, на объединенном семинаре кафедры прикладной математики и Средневолжского математического общества в г. Саранске, в апреле 2007 г. под руководством проф. Е.В. Воскресенского.
Основные материалы диссертационной работы опубликованы в журналах «Вестник Башкирского университета», «Труды Средневолжского математического общества». По результатам проведенных исследований опубликовано 8 работ, в том числе одна статья в издании, рекомендованном ВАК, и одна программа, зарегистрированная в Государственном координационном центре информационных технологий, которая приравнивается к публикациям в журналах, рекомендованных ВАК,
Диссертационная работа состоит из 160 страниц машинописного текста, включающего введение, три главы, заключение, список литературы и приложения.
В первой главе исследуются задачи оптимизации риска при потребительском кредитовании, связанные с неблагоприятными макроэкономическими изменениями в регионе. Разработана математическая модель, позволяющая осуществить прогноз основных экономических показателей региона, представляющих интерес для коммерческого банка с точки зрения потребительского кредитования. Полученные результаты прогноза позволяют кредитным специалистам более аргументировано оценить расчетные банковские коэффициенты, которые используются при нахождении максимальной суммы выдаваемого кредита.
В главе II разработаны различные алгоритмы кредитования физических лиц в зависимости от их доходов и кредитной истории. Впервые выписаны оценки максимальной суммы выдаваемого кредита в зависимости от графиков платежа. Предложен способ корректировки процентных ставок по кредитам и максимальной суммы кредита в зависимости от кредитной истории заемщика. Исследованы также случаи льготного кредитования, когда .в течение определенного периода заемщик выплачивает только проценты или проценты начисляются, но не выплачиваются, а присоединяются к основному долгу.
Моделирование основных экономических показателей банковской системы региона
В практике экономических расчетов для моделирования тех или иных экономических показателей и составления краткосрочного и среднесрочного прогноза, как правило, используются два подхода: эконометрические методы и модели и нейросетевое моделирование, Нейросетевые математические модели могут описывать объекты типа «черного ящика» [16], в которых доступны измерению вектор объясняющих (экзогенных) переменных, называемых входными факторами X = (ЗГ...Дь ...,. ), и вектор результативных (эндогенных) переменных У=(У;,...,ГЙ,...,У,Л называемых выходными величинами [91]- В итоге моделирования мы получаем нейросетевое отображение вида; Y-F{X\X є R, (1.9) где R - допустимая область возможного использования нейросетевой модели по критерию ее качества; F( ) - оператор нейросетевого отображения [14]. Искусственная нейросеть предназначена для того, чтобы на основе анализа большого числа наблюдений, отражающих частные случаи и явления, выявить общие закономерности. Основу каждой нейросети составляют относительно простые в большинстве случаев однотипные элементы (ячейки), имитирующие работу нейронов мозга [64], Каждый нейрон характеризуется своим текущим состоянием и обладает группой синапсов - однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон - выходную связь данного нейрона, с которой сигнал поступает на синапсы следующих нейронов [16]. Общий вид нейрона приведен на рисунке 1.1, где каждый синапс характеризуется величиной синоптической связи или ЄЄ ВеСОМ Wj.
Важной особенностью искусственной нейронной сети является возможность её обучения. Обычно процесс обучения сводится к корректировке весовых коэффициентов щ таким образом, чтобы нейросеть правильно различала примеры из обучающей выборки. Более подробно основные применения нейросетей в экономических процессах и принципы построение нейросетсвых алгоритмов рассмотрены литературе [91,16].
Как показали предварительные расчеты, в рассматриваемом случае методы нейросетевого моделирования малоприемлемы для решения поставленной задачи, поскольку нейросеть не способна воспроизвести в явном виде сформулированные экспертом детерминированные связи и объяснить результаты. В нейросетевом моделировании существует лишь возможность выявление значимости отдельных факторов, влияющих на выходную величину» Такой подход исключает возможность различных аналитических построений с прямым использованием модели. А в условиях поставленной задачи на основе полученной модели необходимо аргументировано оценить средневзвешенные коэффициенты, характеризующие отношение банка к риску.
Рассмотрим возможность эконометрического моделирования, Экопометрическив модели позволяют на базе положений экономической теории и исходных данных экономической статистики, используя необходимый математико-статистический инструментарий, придавать конкретное количественное выражение общим (качественным) закономерностям, обусловленным экономической теорией [1].
Эконометрическая модель служит для объяснения поведения эндогенных переменных в зависимости от значений экзогенных и лагоеых эндогенных переменных [90]. Под экзогенными переменными системы понимаются показатели, значения которых задаются как бы «извне», автономно, они являются в определенной степени управляемыми или планируемыми. Значения эндогенных переменных формируются в процессе и внутри функционирования анализируемой социально-экономической системы в существенной мере под воздействием экзогенных переменных и их взаимодействии друг с другом [1], Лагоеые эндогенные переменные — это такие эндогенные переменные, значения которых входят в уравнения анализируемой эконометрической модели измеренными в прошлые моменты времени, а следовательно, являются уже известными, заданными [4],
Классическая эконометрическая модель содержит набор уравнений регрессионного типа, описывающих исследуемые стохастические связи между анализируемыми экономическими показателями и связывающие эти показатели тождества, которые определяются экономическим смыслом t проблемы. Таким образом, эконометрическая модель на основе регрессионных уравнений позволяет также проанализировать экономические предпосылки,? аргументировано оценить банковские коэффициенты и подвести под практические расчеты теоретическую базу, что позволяет использовать построенную модель для дальнейших расчетов и экономических оценок. Поэтому при моделировании основных показателей банковской системы региона мы воспользуемся методами регрессионного анализа для построения эконометрических зависимостей.
Будем рассматривать одностороннюю зависимость случайной результирующей (эндогенной) переменной у от одной или нескольких неслучайных независимых объясняющих (экзогенных) переменных
В регрессионном анализе результирующая переменная выступает в роли функции, значения которой определяются с некоторой случайной погрешностью значениями упомянутых выше объясняющих переменных, выступающих в роли аргументов [31].
Оценка максимальной суммы кредита с учетом моделирования различных графиков платежа
Погашение займа равными выплатами основного долга в настоящее время является наиболее распространенным способом погашения. Такой способ считается наиболее простым как для клиента, так и для банка. Основной принцип данного погашения: сумма долга делится пропорционально количеству платежных периодов и выплачивается в конце каждого периода равными долями. Проценты по кредиту начисляются также в конце периода, на оставшуюся сумму кредита, и суммируются с основной суммой долга.
Выпишем данный способ математически.
Пусть кредит в сумме D выдан сроком на п месяцев под і% в месяц. Согласно условиям кредитного договора погашение основного долга должно производиться равными платежами в конце каждого месяца. Проценты начисляются ежемесячно на остаток суммы долга,
В этом случае размеры платежей по основному долгу по месяцам будут равны Rk=R = — , (2.3) \ln Остаток основного долга / (к = 1, п) на начало каждого месяца (к) будет определяться так: Dk=D-Rk(k-l). (2.4) Таким образом, величина процентного платежа для k-го месяца определятся так: Ik=Dk-i = (D- R(k-1)) /, (2.5) а величина срочной уплаты в каждом месяце равна Yk=Dk i + Rkf или Yk=(D-R(k-l)yi + Rt = RA+Ik. (2,6)
Покажем, что при данном способе погашения для оценки максимальной суммы выдаваемого кредита справедлива формула (2.2).
Действительно, в данном случае максимальная срочная уплата Ути =тах( ,.„,Уп)в графике платежей приходится на первый месяц, так как именно в первый месяц сумма основного долга D максимальна и, следовательно, процентный платеж в первый месяц Д тоже принимает максимальное значение. В последующие месяцы выплаты уменьшаются, поскольку проценты начисляются на оставшуюся сумму кредита, то есть процентная ставка уменьшается от начала к концу срока кредитования [59]. Формула (2.2) была выписана в предположении, что все срочные уплаты равны по величине сумме выплаты первого месяца. В противном случае будет нарушено основное условие (2Л): максимальная срочная уплата по кредиту не должна превышать установленной части среднемесячного заработка заемщика. Покажем, что данную оценку можно улучшить, если использовать другой график погашения займа,
Данный способ погашения кредита набирает все большую популярность среди населения, В рекламных кредитных проспектах он анонсируется как способ, облегчающий планирование клиентом погашение кредита, так как сумма платежа на протяжении срока действия кредитного договора остается постоянной [69].
Математическое описание погашения займа равными срочными уплатами выглядит так: Yx=Y2=„.= Yn=Y ,где Y- срочные уплаты В этом случае суммы процентных платежей h будут уменьшаться, а расходы по погашению основного долга Rk будут расти от периода к периоду (с увеличением к). Так как величина кредита D является суммарной величиной всех срочных выплат [36]:
Моделирование графика платежа и оценка максимально допустимой суммы кредита с учетом льготного периода кредитования
В ряде случаев потребительские кредиты можно выдавать по льготным для заемщика условиям. Такие кредиты рекомендуется выдавать в том случае, если заемщик имеет добросовестную кредитную историю, кредитовался и стабильно кредитуется в данном банке с некоторой периодичностью [9], Такого заемщика назовем «постоянным)). Одной из существенных льгот является предоставление льготного периода погашения займа. В этот период заемщик выплачивает только проценты по основному долгу по ставке \% в месяц.
Льготный период кредитования также зависит от основных тенденции развития прогнозируемых макроэкономических показателей банковской системы региона (1.3) - (1.8). Зависимость льготного периода кредитования от вариантов прогноза экономических показателей представлена в таблице 2,8.
Опишем данную ситуацию математически.
Пусть условиями кредитного договора предусмотрено предоставление льготного периода кредитования / месяцев. По условиям кредитного договора после льготного периода кредитования сумма займа погашается равными выплатами основного долга. Таким образом, период кредитования п можно разбить на два этапа: [1; /] и [1+1; п]. Величина процентного платежа для периода [1; /] будет постоянной: Ik=D-i,ke[l\I] (2.56) А величина срочной уплаты Ft в этом периоде будет равна: Yk=Ik,ke[\;i] (2.57) Для ke[l + l;n] основные выражения / Y Ik будут вычисляться по формулам (2.3) - (2.6), При данном способе погашения оценка максимальной суммы кредита будет вычисляться по формуле (2.2) для /7-/, так как максимальная выплата будет приходиться на 1+1- ый период кредитования: « Ar-DC.{n-l)-DQ),n L (2.58) \ + i (n-l) !
Рассмотрим применение льготного периода кредитования при условии погашения займа равными срочными уплатам. Также разобьем период кредитования п на два этапа: льготный период [1; Т\ и период погашения кредита [1+1; п\ Величина процентного платежа h и величина срочной уплаты Yk для периода [1; /] вычисляются по формулам (2.56)-(2.57).
Приведем пример.
Предположим, что чистый среднемесячный доход заемщикаДС = 41100 рублей. Сумма других денежных обязательств заемщика на момент предоставления кредита DO 0. Прогноз основных показателей баланса кредитных организаций региона демонстрируют ускорение темпов роста.
Тогда кредитный коэффициент Y\ возьмем равным 0,6. Так как доход заемщика больше 25 000 рублей, кредитный коэффициент У г возьмем равным 0,9. Вычислим кредитный коэффициент у = Y\ Yг — 0,6 - 0,9 = 0,54 .
Заемщик собирается взять кредит на 36 месяцев. Допустим кредит может быть выдан под 18% годовых или, примерно, 1,5% в месяц. Пусть заемщик считается «постоянным» клиентом банка и может воспользоваться льготным периодом кредитования протяженностью 6 месяцев. По условиями договора в течение льготного периода заемщик гасит только начисленные суммы процентов, после льготного периода кредитования основной долг погашается равными долями ежемесячно.
Пусть условиями кредитного договора предусмотрено предоставление льготного периода кредитования / месяцев, причем проценты в течение льготного периода не выплачиваются, а причисляются к остатку суммы долга. Пусть по условиям кредитного договора после льготного периода кредитования остаток займа погашается равными выплатами основного долга
В данном случае совокупные процентные платежи по кредитному договору увеличиваются на 13,4%.
Как видно из приведенных выше примеров, при применении льготного периода кредитования оценка максимальной суммы кредита уменьшается. Это вполне логично, так как за счет уменьшения периода погашения основного долга увеличивается максимальный месячный платеж. Но так как льготный период кредитования предоставляется только «постоянным» заемщикам с добросовестной кредитной историей, для модификации расчета максимальной суммы кредита можно воспользоваться выражениями (2.48), (2,49), (2.53), позволяющими изменить процентную ставку и сумму кредита и тем самым повысить оценку максимальной суммы кредита. Приведем пример. Пусть заемщик уже брал кредит в банке в размере 400 000 рублей под 18% годовых на срок 3 года.
При этом он имеет добросовестную кредитную историю, то есть на протяжение кредитного договора выполнял свои обязательства в срок и в полном объеме. Пусть ресурсы банка привлекались с использованием срочных депозитов физических лиц под 10% годовых. Тогда по формуле (2-52) можно рассчитать процентную маржу банка. Платежный календарь заемщика, с учетом стоимости привлеченных ресурсов представлен в таблице 2.13.
Алгоритмы и примеры моделирования и прогнозирования экономических показателей банковской системы региона
Как отмечалось о Главе I, одной из важных составляющих риска потребительского кредитования являются внутренние факторы кредитного риска. Внутренние факторы кредитного риска зависят от организации кредитного процесса в самом банке [32].
Для осуществления кредитной деятельности коммерческие банки создают в своей структуре кредитные подразделения, непосредственной функцией которых является кредитная работа- В зависимости от количества сотрудников, числа заключаемых кредитных договоров и порядка взаимодействия с другими подразделениями это могут быть кредитные отделы, управления или департаменты [61], Отдел потребительского кредитования может либо быть самостоятельным структурным подразделением, либо входить в состав кредитного управления или кредитного департамента. В кредитовании физических лиц также участвуют юридическая служба, занимающаяся правовым сопровождением кредитной сделки, служба безопасности, оценивающая достоверность сведений, представленных клиентом, экспертное подразделение, занимающееся оценкой стоимости предоставленного обеспечения и бухгалтерия.
Принципиальная схема взаимодействия подразделений при потребительском кредитовании представлена па рисунке 3.1.
Как видно из представленной схемы, кредитный отдел (департамент, подразделение) является центральным блоком механизма банковского потребительского кредитования. Остальные отделы только сопровождают кредитные дела по профилирующим вопросам и представляют свое заключение на кредитный комитет. Бухгалтерия же отвечает за расчетную часть потребительского кредитования, то есть выплату кредита, начисление процентов, списание основного долга. Поэтому автоматизация работы кредитного отдела значительно снижает внешние факторы риска потребительского кредитования.
Процесс потребительского кредитования можно разделить на два этапа: этап анализа текущей коныоктуры рынка и оценки основных кредитных коэффициентов и этап оценки заемщика, оформления кредитного договора и выдачи ссуды. Рассмотрим автоматизацию каждого из этапов в отдельности. На этапе анализа текущей коньюктуры рынка и оценки основных коэффициентов, определяющих кредитную политику банка /[ Yi и д- д+ - д- д+ Jf специалистам коммерческого банка необходимо смоделировать и спрогнозировать экономические показатели банковской системы региона (1.3) - (1,8),
Для моделирования и прогнозирования показателей (1.3) - (1.8) используется эконометрическая модель (134) - (1.54) подробно описанная в главе L По результатам исследований, проведенных в главе I, разработана компьютерная программа, позволяющая моделировать и прогнозировать экономические показатели (1.3) - (1.8) средствами прикладного продукта Microsoft Excel версии 97 и выше.
Рассмотрим принцип работы эконометрической модели на примере моделирования экономического показателя «Депозиты домашних хозяйств в банковской системе региона на срок свыше одного года в рублях».
Данный макроэкономический показатель характеризует экономическое благосостояние населения региона и тесно связан с объемом выдаваемых потребительских кредитов. Для расчета указанного показателя из статистических данных формируется совокупность временных рядов анализируемых факторов.
Первым этапом исследования является определение общего перечня факторов, которые могут оказывать влияние на результативный признак регрессионного уравнения «Депозиты домашних хозяйств в банковской системе региона». Исходя из объективно существующих взаимосвязей между отдельными экономическими показателями выделим 9 факторов: "Доходы населения среднекварталъные", "Покупка жилья домашними хозяйствами за год", "Средневзвешенная % ставка по депозитам до одного года в рублях", "Средневзвешенная % ставка по депозитам физических лиц свыше одного года в рублях", "Доходность государственных ГЦБ", "Товарооборот", "Задолженность по заработной плате из бюджета всех уровней", "Оборот общественного питания", "Средневзвешенная % ставка по депозитам физических лиц свыше одного года в валюте". Затем проведем расчет парных коэффициентов корреляции всех выбранных показателей (с учетом результативного признака) и построим корреляционную матрицу.
По результатам анализа корреляционной матрицы можно определить окончательный перечень наиболее значимых факторов регрессионного уравнения для результативного признака с соответствующими коэффициентами корреляции.
