Моделирование рейтингов банков
Курсовая работа, 03 Апреля 2014, автор: пользователь скрыл имя
Описание работы
Цель данной работы - рассмотреть основные теоретические подходы к формированию банковских рейтингов, проанализировать достоинства и недостатки того или иного метода на примере методик использующихся в отечественной практике построения рейтингов банков.
Содержание работы
Введение. 2
Глава 1. Методологические основы формирования банковских рейтингов. 3
1.1. Основные подходы формирования рейтингов. 3
1.2. Основные типы переменных, используемых при анализе информации. 5
1.3. Критерии и показатели сравнения банка. 6
Глава 2. Система формирования сводного рейтинга на основе экспертного подхода. 7
2.1 Основные типы шкал и методы получения экспертной информации. 8
2.1.1. Методы получения качественных оценок. 8
2.1.2. Методы получения количественных оценок. 9
Глава 3. Формирование оценочной функции на основе балансового подхода. 9
3.1. Метод "идеального предприятия". 9
3.2. Метод регрессионных остатков. 11
3.3. Метод "однородных классов". 11
3.4. Метод "эталонной группы". 13
Глава 4. Моделирование Рейтингов банков Кыргызстана. 13
4.1 Выбор показателей. 13
4.2 Составление Базы данных 13
4.3 Построение модели. 15
4.4 Проверка модели. 17
Заключение. 18
Литература 19
Ссылки 19
Файлы: 1 файл
Курсовая Моделирование рейтингов банков.docx
— 65.01 Кб (Скачать файл)в соответствии с которым рассчитывается показатель эффективности деятельности банка 10.
В качестве иллюстрации можно привести пример реализации данной методики, когда в качестве показателя результативности деятельности банка рассматривалась прибыль банка, в качестве параметров деятельности - собственный капитал, суммарные активы банка,
На основе имеющихся данных производится аппроксимация прибыли в зависимости от параметров банка, для каждого находятся регрессионные остатки. Сводный критерий, на основе которого проводится ранжирование, рассчитывается как отношение показателя прибыли к регрессионному остатку.
3.3. Метод "однородных классов".
Метод предполагает разделение рассматриваемой совокупности объектов или явлений на однородные в определенном смысле группы. Каждая группа избирается на основе сходства по исследуемым критериям в соответствии с определенной процедурой классификации. Каждому из классов приписывается свойство, преимущественно проявляющееся у представителей данного класса. При этом возможно последующее ранжирование объектов по одному или нескольким свойствам внутри каждой однородной совокупности.
С точки зрения априорной информации об окончательном числе классов, на которые разбивается исследуемая совокупность объектов, задачи кластер-анализа можно подразделить на три основных типа:
число классов априори задано;
число классов неизвестно и подлежит определению (оценке);
число классов неизвестно, но его определение и не входит в условие итогового рейтингового построение, то есть требуется построить иерархическое дерево исследуемой совокупности.
В соответствии с данным подразделением на типы можно выделить следующие три основных типа процедур:
иерархические, предназначенные в основном для решения задач типа (3), основаны на переборе элементов матрицы расстояний d(Xi,Xj) или матрицы соответствующих мер близости;
параллельные, предназначенные для классификации по типу (1) и (2). Они реализуются с помощью итерационных алгоритмов, на каждом шаге которых одновременно (параллельно) используются все наблюдения по исследуемой совокупности объектов;
последовательные, также предназначенные для решения задач (1) и (2), реализуемые с помощью итерационных алгоритмов, на каждом из которых используются результаты разбиения на предыдущем шаге и одно из исходных наблюдений.
Наиболее универсальными с точки зрения получения окончательного результата следует отнести иерархические процедуры, позволяющие решать в общем виде задачу классификации объектов по совокупности выбранных критериев. Принцип работы иерархических процедур заключается в последовательном объединении (разделении) групп элементов сначала самых близких (далеких), а затем все более отдаленных друг от друга (приближенных друг к другу). При этом агломеративные процедуры начинают обычно с объединения отдельных элементов, а дивизимные - с разъединения всей исследуемой совокупности наблюдений.
Важное место при использовании данного занимает выбор метода расчета расстояния между объектами и между классами объектов. Так наиболее распространенным является использование в качестве измерителя расстояния между объектами взвешенного евклидового расстояния:
где xi(k)- значение k-го критерия i-го объекта, k - весовой коэффициент.
В качестве расстояния между классами объектов используется принцип "ближнего соседа", "дальнего соседа", "средней связи" и измеряемого по "центрам тяжести".
По сравнению с другими кластер-процедура ми иерархические методы дают более полный и тонкий анализ структуры исследуемого множества наблюдений; при этом обеспечивается возможность наглядной интерпретации проведенного анализа.
К недостаткам иерархических процедур следует отнести громоздкость их вычислительной реализации. Соответствующие алгоритмы на каждом шаге требуют вычисления всей матрицы расстояний, поэтому реализация таких процедур при числе объектов, большем нескольких сотен, оказывается либо невозможной, либо нецелесообразной.
3.4. Метод "эталонной группы".
Реализация данного метода представляет собой симбиоз балансового и экспертного методов. Построение методики ранжирования первоначально происходит на основе экспертных данных. По эталонной группе банков производится экспертиза на основе которой определяется итоговый рейтинг на основе количественных или ранговых переменных. Далее предполагается теоретический вид функции
где yi - итоговый латентный показатель, полученный посредством экспертного ранжирования i-го банка, xi(j)- значение j-го показателя i-го банка, Q - неизвестные параметры данной функции.
В данном случае задача построения оценочной системы для всей совокупности банков сводится к обычной схеме регрессионного анализа. Исходя из нормальности распределения регрессионных остатков (ei) возможно применять классическую модель линейной регрессии.9 На основе найденной функции производится итоговое ранжирование всей совокупности объектов по рейтинговому числу, полученному при подстановке в найденную функцию параметров банка. При дальнейшем использовании данной методики проведение экспертизы не требуется.
Глава 4. Моделирование Рейтингов банков Кыргызстана.
Построение модели проходило в несколько этапов:
4.1 Выбор показателей.
Для построения модели мною использовался балансовый метод - построение рейтинга на основе данных публичной отчетности банков. Как единственные поддающиеся анализу показатели, для оценки надежности банка, мною были взяты абсолютные показатели, такие как активы банка, кредиты-нетто, депозитная база и собственный капитал.
Финансовые коэффициенты, не использовались, так как для их расчета было недостаточно информации в финансовых отчетах банков, а так же по причине их нерепрезентативности.
4.2 Составление Базы данных
Исходные данные представляются в виде матрицы A={aij}, где по строкам записаны номера предприятий (i=1,2,…m), а по столбцам - номера показателей (j=1,2,…,n). Табл. 4.2.1
- По каждому показателю находится максимальное значение и заносится в столбец условного эталонного предприятия.
Таблица 4.2.1
Исходный данные для 18-и банков
Активы |
Кредиты |
Депозитная база |
Собственный капитал | |
АйылБанк |
4 442 359 |
3 454 646 |
1 406 798 |
1 254 836 |
АКБ Толубай |
1 244 609 |
778 910 |
881 199 |
308 717 |
АкылинвестБанк |
264 166 |
5 068 |
8 679 |
203 665 |
АманБанк |
2 362 260 |
1 550 784 |
1 859 448 |
449 147 |
Банк Бай-Тушум |
5 119 662 |
3 057 360 |
135 031 |
737 741 |
Банк Иссык-Куль |
183 536 |
9 773 |
100 |
127 239 |
Банк-Азии |
1 212 782 |
653 679 |
608 487 |
291 210 |
БФНБП |
2 980 999 |
162 905 |
2 499 747 |
219 828 |
ДемирБанк |
9 341 738 |
3 246 378 |
7 857 243 |
1 010 857 |
Дос-КредоБанк |
1 301 198 |
728 695 |
851 544 |
270 075 |
Залкар Банк |
3 516 074 |
1 512 954 |
2 684 406 |
656 529 |
КазкоммерцБанк |
1 312 630 |
170 415 |
563 468 |
615 017 |
КБ Кыргызстан |
5 154 218 |
2 927 261 |
3 765 232 |
769 412 |
Кыргызкредит |
456 345 |
38 918 |
14 834 |
424 513 |
Манас Банк |
505 153 |
130 079 |
360 301 |
138 441 |
РСК Банк |
11 304 064 |
4 322 646 |
8 015 022 |
1 524 672 |
Халык Банк |
2 265 956 |
1 251 526 |
1 071 283 |
881 257 |
ЮникредитБанк |
12 326 049 |
6 933 752 |
7 208 869 |
1 727 005 |
- Исходные показатели матрицы {aij} стандартизуется в отношении соответствующего показателя эталонного предприятия по формуле
где Xij- стандартизированные показатели состояния j - го банка
- Для каждого анализируемого банка значение его рейтинговой оценки определялось по формуле
- Банки упорядочиваются в порядке убывания рейтингового числа.
В итоге наивысший
рейтинг имеет предприятие с минимальным
значением R. Алгоритм расчета рейтингового
числа может быть модифицирован посредством
применения весов для коэффициентов, полученных
экспертным путем. Табл. 4.2.2
Таблица 4.2.2
Ранжировка банков по стандартизированным показателям
№ |
Активы |
Кредиты |
Депозитная база |
Собственный капитал |
рейтинг | |
1 |
ЮникредитБанк |
1.000 |
1.000 |
0.899 |
1.000 |
1.01 |
2 |
РСК Банк |
0.917 |
0.623 |
1.000 |
0.883 |
4.10 |
3 |
ДемирБанк |
0.758 |
0.468 |
0.980 |
0.585 |
7.48 |
4 |
КБ Кыргызстан |
0.418 |
0.422 |
0.470 |
0.446 |
12.67 |
5 |
АйылБанк |
0.360 |
0.498 |
0.176 |
0.727 |
13.80 |
6 |
Банк Бай-Тушум |
0.415 |
0.441 |
0.017 |
0.427 |
15.14 |
7 |
Залкар Банк |
0.285 |
0.218 |
0.335 |
0.380 |
15.75 |
8 |
АманБанк |
0.192 |
0.224 |
0.232 |
0.260 |
17.51 |
9 |
Халык Банк |
0.184 |
0.180 |
0.134 |
0.510 |
17.56 |
10 |
БФНБП |
0.242 |
0.023 |
0.312 |
0.127 |
18.19 |
11 |
АКБ Толубай |
0.101 |
0.112 |
0.110 |
0.179 |
19.73 |
12 |
КазкоммерцБанк |
0.106 |
0.025 |
0.070 |
0.356 |
19.75 |
13 |
Дос-КредоБанк |
0.106 |
0.105 |
0.106 |
0.156 |
19.81 |
14 |
Банк-Азии |
0.098 |
0.094 |
0.076 |
0.169 |
20.03 |
15 |
Кыргызкредит |
0.037 |
0.006 |
0.002 |
0.246 |
21.15 |
16 |
Манас Банк |
0.041 |
0.019 |
0.045 |
0.080 |
21.38 |
17 |
АкылинвестБанк |
0.021 |
7.309E-04 |
1.083E-03 |
0.118 |
21.73 |
18 |
Банк Иссык-Куль |
0.015 |
1.409E-03 |
1.248E-05 |
0.074 |
21.94 |
4.3 Построение модели.
Теперь используя полученную таблицу, составим регрессионное уравнение, зависимости порядкового номера банка в рейтинге от его экономических показателей. Табл. 4.3.2
Таблица 4.3.1
База данных в Eviews
NUM |
KAPIT |
DEPB |
CRNET |
AKTIV |
1.000000 |
1.000000 |
0.899400 |
1.000000 |
1.000000 |
2.000000 |
0.882800 |
1.000000 |
0.623400 |
0.917100 |
3.000000 |
0.585300 |
0.980300 |
0.468200 |
0.757900 |
4.000000 |
0.726600 |
0.175500 |
0.498200 |
0.360400 |
5.000000 |
0.445500 |
0.469800 |
0.422200 |
0.418200 |
6.000000 |
0.510300 |
0.133700 |
0.180500 |
0.183800 |
7.000000 |
0.380200 |
0.334900 |
0.218200 |
0.285300 |
8.000000 |
0.427200 |
0.016800 |
0.440900 |
0.415400 |
9.000000 |
0.260100 |
0.232000 |
0.223700 |
0.191600 |
10.00000 |
0.356100 |
0.070300 |
0.024600 |
0.106500 |
11.00000 |
0.178800 |
0.109900 |
0.112300 |
0.101000 |
12.00000 |
0.156400 |
0.106200 |
0.105100 |
0.105600 |
13.00000 |
0.245800 |
0.001900 |
0.005600 |
0.037000 |
14.00000 |
0.168600 |
0.075900 |
0.094300 |
0.098400 |
15.00000 |
0.127300 |
0.311900 |
0.023500 |
0.241800 |
16.00000 |
0.117900 |
0.001100 |
0.000700 |
0.021400 |
17.00000 |
0.080200 |
0.045000 |
0.018800 |
0.041000 |
18.00000 |
0.073700 |
0.000000 |
0.001400 |
0.014900 |