CC BY
111
УДК 336.71
ПРОГНОЗИРОВАНИЕ ДОХОДНОСТИ КОММЕРЧЕСКОГО БАНКА С ПРИМЕНЕНИЕМ КОРРЕЛЯЦИОННО-РЕГРЕССИОННОГО АНАЛИЗА
PROFITABILITY FORECASTING OF COMMERCIAL BANK WITH APPLICATION OF THE CORRELATION AND REGRESSION ANALYSIS
О. В. Косарева, Л. Л. Помулев, Н. С. Помулева,
Забайкальский государственный Забайкальский государственный Забайкальский государственный
университет, г. Чита университет, г. Чита университет, г. Чита
[email protected] [email protected] [email protected]
O. Kosareva, A. Pomulev, N. Pomuleva,
Transbaikal State University, Chita Transbaikal State University, Chita Transbaikal State University, Chita
Обосновывается необходимость количественного определения прогнозных бизнес-показателей для банков, в первую очередь доходности (процентные доходы от кредитования, предоставления транзакционных услуг бизнесу). В настоящее время разработано множество методик оценки и прогнозирования доходности кредитных организаций от предоставления различных видов услуг при условии изменения определенных параметров. Однако отсутствует общепринятая методика обоснованного прогнозирования доходности банка с учетом текущего и перспективного развития экономики региона в целом и каждой отдельно взятой отрасли. Для решения поставленной задачи нами выделены факторы, оказывающие существенное влияние на уровень доходности кредитных организаций. В качестве наиболее значимых факторов взяты следующие: эластичность роста отраслей; экспертная оценка привлекательности отрасли; показатель доходности банка, рассчитываемый как отношение доходов банка к выручке предприятий; выручка отрасли.
В результате проведения корреляционно-регрессионного анализа выявлена практически функциональная зависимость результативного показателя от перечисленных факторов, что говорит о высокой точности и надежности полученной модели. Таким образом, прогнозируя и подставляя в выведенное уравнение значения четырех параметров, можно определить перспективную доходность банка. В качестве достоинства модели необходимо отметить включение в нее как внутренних, так и внешних факторов. Кроме этого, зная верхние границы всех параметров, можно составить представление о потенциальном доходе банка, исходя из уровня развития экономики конкретного региона.
Модель разработана на примере одного из крупнейших банков России, имеющего представительство на территории Забайкальского края. Аналогичным образом можно вывести уравнения регрессии и прогнозировать доходность других банков
Ключевые слова: бизнес-план; доходность; факторная модель; выручка предприятий; эластичность роста отрасли; экспертная оценка привлекательности отрасли; корреляционно-регрессионный анализ; бизнес-показатели; отраслевая доходность банка; внешние и внутренние факторы
The need of quantitative definition of expected business indicators for banks, first of all profitability (interest income of crediting, providing transaction services to business) is proved in the work. For today the set of techniques of assessment and forecasting of credit institutions profitability from granting different types of services on condition of change of certain parameters is developed. However there is no standard technique of reasonable
forecasting of bank profitability taking into account the current and perspective development of economy of the region in general and each separately taken branch. For the solution of an objective we have allocated the factors having significant effect on the level of profitability of credit institutions. As the most significant factors the following has been taken: elasticity of branches' growth; expert assessment of appeal of a branch; indicator of bank profitability, counted as the relation of the bank income to revenue of the enterprises; revenue of a branch.
As a result of carrying out the correlation and regression analysis almost functional dependence of a productive indicator on the above-mentioned factors is revealed. It shows high precision and reliability of the received model. Thus, predicting and substituting in the removed equation of value of four parameters, it is possible to define perspective profitability of bank. As the advantage of model it should be noted inclusion in it both internal, and external factors. Besides, knowing the upper bounds of all parameters, it is possible to make idea of the potential income of bank, proceeding from a development level of economy of the concrete region.
The model is developed on the example of one of the largest banks of Russia having representation in the territory of Transbaikal Region. Similarly, it is possible to remove the equations of regression and to predict profitability of other banks
Key words: business plan; profitability; factorial model; revenue of enterprises; elasticity of branch growth; expert assessment of branch appeal; correlation and regression analysis; business performance; Industrial profitability of the bank; internal and external factors
Для банков задача определения основных параметров бизнес-плана является актуальной. В настоящее время процесс бизнес-планирования построен на эвристической модели принятия решений, поскольку нет достаточного обоснования заданных критериев развития, повышения доходности. Таким образом, особенно важной является задача выявления тех факторов, которые оказывают наиболее существенное влияние на величину доходов банка при сложившихся условиях кредитования, возросших рисков. Кроме этого, необходимо знать количественное влияние каждого фактора на изменение результативного показателя (доходов) для более точного и обоснованного его прогнозирования.
Многими отечественными экономистами рассмотрены факторы, определяющие доходность коммерческого банка, изучена система управления доходностью и т.д. [2; 4; 10]. Математический инструментарий для решения вопросов управления кредитным портфелем и прогнозирования доходов от валютных операций предложен, в частности, М. Ф. Гумеровым, Е. Р. Керимовой, Г. А. Тимофеевой [3; 7; 9]. Несмотря на актуальность изложенных проблем, в настоящее время отсутствует общепринятая методика планирования доходности коммерческого банка, учитывающая реальный, а также перспективный уровень развития региональной экономики и отдельных ее отраслей.
Нам представляется, что поиск резервов увеличения доходов банка должен осуществляться, прежде всего, исходя из сложившейся и возможной структуры заемщиков. Если стоит задача решения этой проблемы на региональном уровне, то заемщиков необходимо рассматривать, учитывая их отраслевую принадлежность. При этом должны учитываться региональные риски и производиться их оценка, особенно при осуществлении инновационных проектов [5; 6].
В экономической литературе под доходностью понимается относительный показатель эффективности вложений в проекты, активы или бизнес в целом. Доходность оценивается как отношение абсолютной величины дохода к некоторой базе. В качестве базы при оценке доходности банка логично использовать выручку клиентов банка с разбивкой их по отраслям. Однако на практике это не всегда возможно, а также трудоемко, поскольку необходимо суммировать доходы всех клиентов отдельно в каждой отрасли. Поэтому в расчетах мы использовали статистические данные о среднеотраслевой выручке предприятий по Забайкальскому краю в целом, а также было принято решение проанализировать доходы банка по отраслям.
Таким образом, в качестве первых двух факторов выбраны показатель отраслевой доходности банка и среднегодовая выруч-
ка предприятий. Для расчета отраслевой доходности проанализированы годовые доходы на примере одного из крупнейших банков РФ, имеющего региональное представительство на территории Забайкальского края. Однако двух факторов для построения модели недостаточно, поскольку необходимо знать текущее состояние экономики региона и ее прогнозные изменения вследствие влияния внутренних и внешних факторов.
Л. Н. Булгаковой исследована методика отраслевой эластичности роста, которая позволяет определять развитие рыночной экономики, разрабатывать и совершенствовать методики решения многообразных проблем, прогнозировать и моделировать структурные элементы региональной экономики с позиций их будущего состояния [1].
В первую очередь, отмечается, что сопоставление прироста продукции каждой отдельной отрасли с приростом совокупного продукта экономики в целом должно производиться с учетом показателя, характеризующего долю продукции каждой отрасли в совокупном показателе продукции экономики.
С учетом изложенного нами проанализированы следующие факторы, оказывающие влияние на доходы банка:
— эластичность роста отраслей;
— экспертная оценка привлекательности отрасли;
— показатель доходности банка, рассчитываемый как отношение доходов банка к выручке предприятий (определяется по каждой отрасли отдельно);
— выручка отрасли (всех предприятий данной отрасли, вне зависимости от источников кредитования).
Если отношение доходов банка к выручке клиентов отражает текущую эффективность кредитования, то оценка выручки в каждой отрасли дает представление о возможном «охвате» тех предприятий, которые еще не являются клиентами анализируемого банка. Для приближенного расчета выручки отрасли выбраны показатели оборота по каждой отрасли.
Для расчета среднегодовых темпов роста регионального производства (Тр)
воспользуемся формулой, предложенной Л. Н. Булгаковой. Среднегодовой темп роста регионального производства определяется с учетом доли продукции каждой отрасли:
Тр = Т* * Др + ТЕ * Д* + • ■ • + Т£ * **** , (1)
где Тра Ьп — темпы роста отрасли А, В..^;
ДаЬп — доля продукции каждой отрасли в общем объеме продукции региона.
Для оценки отраслевой эластичности роста (Е.) необходимо рассчитать отношение темпа прироста отраслевого выпуска за период к темпу прироста регионального производства в целом:
Е=т оР/Гр (2)
где Тпр. — темп прироста продукции отрасли i за период;
Тр — темп прироста регионального производства за период.
Критериями оценки показателя отраслевой эластичности роста при этом считаются следующие: если: Е>1, то это означает высокую эластичность роста, т.е. когда прирост продукции ьй отрасли превышает прирост совокупного продукта экономики; при Е. = 1 прирост продукции ьй отрасли равен приросту совокупного продукта экономики. Если Е.< 1, то это означает отрицательную эластичность роста, т.е. когда прирост продукции 1-й отрасли меньше прироста совокупного продукта экономики.
Экспертная оценка привлекательности отрасли производилась по пятибалльной шкале группой экспертов банка из двадцати человек, которые являются руководителями организации кредитования корпоративных заемщиков. Оценка осуществлялась с учетом российских рейтингов регионов, темпов роста отрасли и других факторов, представленных в аналитических отчетах центра макроэкономических исследований Сбербанка (1 балл — крайне непривлекательная отрасль, 5 баллов — крайне привлекательная). Вид экономической деятельности «обрабатывающие производства» по экспертной оценке получил 1 балл. Это связано с отрицательной динамикой объемов производства. В 2014 г. Забайкальский край вошел в тридцатку
регионов, по которым произошел спад (на В табл. 1 представлены результаты
21,4 %). расчета необходимых факторов.
Таблица 1
Значения факторов и результативного показателя по видам экономической
деятельности
The factors' values and effective index based on economic activity
Виды экономической деятельности Эластичность роста отрасли Экспертная оценка привлекательности отрасли Доход банка в выручке отрасли Выручка предприятий, тыс. р. Доходы банка, тыс. р.
Добыча полезных ископаемых 1,87088816 3 0,0001188 42790000 5082
Государственное управление, социальное обеспечение 1,14254441 3 0,0002111 49622854 26793
Оптовая, розничная торговля 0,97258546 2 0,0034938 126913000 443404
Здравоохранение/ образование 0,96331900 3 0,0001031 57600000 5938
Сельское хозяйство, охота, лесное хозяйство 0,95061728 2 0,0010232 17789000 18201
Транспорт и связь 0,81353336 3 0,0023368 9610000 22457
Обрабатывающие производства 0,64272031 1 0,0011272 20576000 23193
Производство электроэнергии, газа, воды 0,56982494 3 0,0005255 45934146 24138
Строительство 0,56684492 3 0,0021016 24609000 51718
Из табл. 1 видно, что, несмотря на высокую эластичность отрасли «добыча полезных ископаемых», доходы банка от этой деятельности минимальные.
Чтобы определить зависимость результативного показателя от факторов, проведен регрессионный анализ по данным табл. 1, основные результаты которого представлены в табл. 2.
По данным табл. 2 видно, что точность модели очень высокая, поскольку множественный R и R-квадрат имеют значение,
Таблица 2
Результаты регрессионного анализа The results of the regression analysis
Показатель Значение
Множественный R 0,996371908
R-квадрат 0,992756979
Нормированный R-квадрат 0,985513958
близкое к единице. После проведения регрессионного анализа выведена следующая зависимость:
V = 20418*! - 24662Х2 + 60344656Х3 + + 0,0027Х4-78556, (3)
где Х1 — эластичность роста отрасли;
Х2 — экспертная оценка привлекательности отрасли;
Х3 — доход банка в выручке отрасли; Х4 — выручка предприятий, тыс. р.; Y — доходы банка, тыс. р.
Таким образом, прогнозируя значения четырех факторов, можно рассчитать доходы банка в перспективе. Достоинства модели заключаются в том, что, во-первых, учитывается влияние внешних и внутренних факторов, во-вторых, зависимость результативного показателя от факторных практически функциональная. Кроме того, теоретически можно рассчитать потенциальный доход банка, установив верхние возможные границы значений факторов. Под потенциальным доходом банка здесь понимается такое значение, которое максимально возможно в текущих условиях развития отраслей региона без изменения существенных условий кредитования. Ре-
Список литературы _
зультаты прогнозных доходов банка должны коррелировать с основными показателями бизнес-плана, последние из которых не могут превышать потенциального дохода.
В качестве недостатков данной модели можно отметить ее актуальность только для анализируемого банка и конкретной территории, однако, по аналогии, могут быть разработаны модели для других финансово-кредитных институтов РФ с учетом выявленных факторных показателей. Также направлением для дальнейших научных изысканий является оценка риск-профиля отраслей и корректный учет вероятных кредитных рисков для банка.
1. Булгакова Л. Н. Методологические аспекты оценки социально-экономического потенциала региона // Управление экономическими системами: электронный научный журнал. 2012. Вып. № 37 (37). С. 1-17.
2. Волошина О. Б. Доходность банка как один из основных показателей его экономического положения // Известия высших учебных заведений. Поволжский регион. Общественные науки. 2014. № 1 (29). С. 158-172.
3. Гумеров М. Ф. Математические модели прогнозирования чистых доходов от валютных операций коммерческого банка / / Финансы и кредит. 2011. № 34 (466). С. 13-18.
4. Испирян Л. Т. Влияние внешних факторов на доходность коммерческих банков России в условиях сложившейся экономико-политической ситуации // Экономика и управление: ключевые проблемы и перспективы развития: материалы Междунар. науч.-практ. конф., 2015. С. 116-121.
5. Канов В. И., Помулев А. А. Управление рисками инновационной деятельности как основа устойчивого экономического развития предприятий // Вестник Томского государственного университета. Экономика. 2011. № 4. С. 39-48.
6. Канов В. И., Помулев А. А. Региональные риски малого инновационного предпринимательства // Вестник Томского государственного университета. Экономика. 2012. № 1. С. 161-171.
7. Керимова Е. Р. Эконометрический анализ доходности кредитных организаций / / Наука и образование: хозяйство и экономика; предпринимательство; право и управление. 2011. № 5 (11). С. 62-68.
8. Современный экономический словарь / Б. А. Райзберг и др. М.: НИЦ ИНФРА-М, 2014. 512 с.
9. Тимофеева Г. А., Тимофеев Н. А. Математическая модель управления кредитным портфелем // Вестник Уральского государственного университета путей сообщения. 2014. № 2 (22). С. 4-11.
10. Шатковская Е. Г. Управление доходностью кредитной организации / / Вестник Омского университета. Сер. Экономика. 2014. № 1. С. 225-229.
List of literature -
1. Bulgakova L. N. Upravlenie ekonomicheskimi sistemami (Management of economic systems), 2012, no. 37 (37), pp. 1-17.
2. Voloshina O. B. Izvestiya vysshih uchebnyh zavedeniy. Povolzhskiy region. Obshhestvennye nauki (News of higher educational institutions. Volga region region. Social sciences), 2014, no. 1 (29), pp. 158-172.
3. Gumerov M. F. Finansy i kredit (Finance and credit), 2011, no. 34 (466), pp. 13-18.
4. Ispiryan L. T. Ekonomika i upravlenie: klyuchevye problemy i perspektivy razvitiya (Economy and management: key problems and prospects of development): materials of the International scientific and practical conference, 2015, pp. 116-121.
5. Kanov V. I., Pomulev A. A. Vestnik Tomskogogosudarstvennogo universiteta. Ekonomika (Bulletin of the Tomsk State University. Economy), 2011, no. 4, pp. 39-48.
6. Kanov V. I., Pomulev A. A. Vestnik Tomskogo gosudarstvennogo universiteta. Ekonomika (Bulletin of the Tomsk State University. Economy), 2012, no. 1, pp. 161—171.
7. Kerimov E. R. K. Nauka i obrazovanie: hozyaystvo i ekonomika; predprinimatelstvo; pravo i upravlenie (Science and education: economy and economy; business; right and management), 2011, no. 5 (11), pp. 62—68.
8. Sovremenny ekonomicheskiy slovar [Modern economic dictionary]; B. A. Rayzberg. Moscow: Research Center INFRA-M, 2014. 512 p.
9. Timofeeva G. A., Timofeev N. A. Vestnik Uralskogo gosudarstvennogo universiteta putey soobshheniya (Bulletin of the Ural State University of Means of Communication), 2014, no. 2 (22), pp. 4—11.
10. Shatkovskaya E. G. Vestnik Omskogo universiteta. Ser. Ekonomika (Bulletin of the Omsk University. Ser.: Economy), 2014, no. 1, pp. 225-229.
Коротко об авторах_
Косарева Ольга Викторовна, доцент кафедры «Экономика и бухгалтерский учет», Забайкальский государственный университет, г. Чита, Россия. Область научных интересов: экономика отрасли, экономика природопользования. [email protected]
Помулев Александр Александрович, канд. экон. наук, доцент, Забайкальский государственный университет, г. Чита, Россия. Область научных интересов: оценка собственности, малое предпринимательство, инновации, риск-менеджмент, банкротство [email protected]
Помулева Наталья Сергеевна, канд. экон. наук, доцент, Забайкальский государственный университет, г. Чита, Россия. Область научных интересов: финансовый анализ, инновации, оценка собственности [email protected]
Briefly about the authors _
Olga Kosareva, associate professor, Economy and Accounting department, Transbaikal State University, Chita, Russia. Sphere of scientific interests: economy of branch, environmental management economy
Alexander Pomulev, candidate of economic sciences, associate professor, Transbaikal State University, Chita, Russia. Sphere of scientific interests: property assessment, small business, innovations, risk management, bankruptcy
Natalya Pomuleva, candidate of economic sciences, associate professor, Transbaikal State University, Chita, Russia. Sphere of scientific interests: financial analysis, innovations, property assessment
Образец цитирования _
Косарева О. В., Помулев А. А., Помулева Н. С. Прогнозирование доходности коммерческого банка с применением корреляционно-регрессионного анализа // Вестн. Забайкал. гос. ун-та. 2016. Т. 22.
№ 7. С. 118-123.
