447
Open access:
http://www.aesa.kz:8080/conference_proceedings/2017/
Для построения эконометрической модели был применен метод наименьших
квадратов:
PDNPL = β
1
*AVINCOME
t
+β
2
*DEBT_GDP
t
+ β
3
*SAVINGS
t
+ β4*NONFINASSETSt+
β
5
*CREDITRATE
t
+ε
t
Где, PD-вероятность дефолта,
AVINCOME
t
– средний номинальный денежный доход населения в период t,
DEBT_GDP
t
– долг к ВВП в период t,
SAVINGS
t
– склонность к сбережению в период t,
NONFINASSETS
t
– доля нефинансовых активов в период t,
CREDITRATE
t
– средневзвешенная ставка вознаграждения банков в период t,
ε
t
– случайная ошибка модели,
β
i
– коэффициенты переменных.
Учитывая, что для адекватной и экономически корректной оценки взаимосвязей
между переменными необходимо работать со стационарными временными рядами, был
проведен тест Дики-Фуллера. В результате было выявлено то, что при применении первой
разности нулевая гипотеза о наличии единичного корня отклоняется, следовательно,
исследуемые ряды становятся стационарными. Также для улучшения качества
спецификации были использованы различныелаговые структуры входных переменных,
авторегрессионные процессы и логарифмический формат переменных.
После некоторых преобразований была выбрана данная модель, которая наиболее
точно описывает динамику рассматриваемого ряда:
D(PDNPL) = -0.4675425031*DLOG(AVINCOME) + 0.02819646871*DEBT_GDP -
0.0602986663*DLOG(SAVINGS(-2))
-
3.308569308*DLOG(NONFINASSETS)
+
0.3112288789*DLOG(CREDITRATE(-4)) - 0.3566466722 + [AR(1)=0.5258815521,AR(3)=-
0.4331013]
Объяснимость логистического преобразования отношения NPL к общему ссудному
портфелю выбранными независимыми переменными составляет 87%. Однако еще
большее внимание стоит уделить значимости отдельно взятых независимых переменных.
По результатам анализа значимости было обнаружено, что вероятность дефолта в
наибольшей степени зависит от среднего номинального денежного дохода населения,
индикатора долг к ВВП и доли нефинансовых активов.
Для оценки качества модели были рассмотрены тест Дарбина-Уотсона, тест на
гетероскедастичность и исследование переменных на нормальное распределение. Тест
Дарбина-Уотсона показал отсутствие автокорреляции, что является одним из
подтверждений высокого качества модели. Далее был применен тест Бреуша-Пагана на
гетероскедастичность. В результате нулевая гипотеза о наличии гетероскедастичности
была отвергнута. В этом случае гомоскедастичность дисперсии является показателем
качественной модели. Рассматриваемая модель соответствует критериям нормальности,
поскольку коэффициент Харка-Берра и коэффициент асимметричности близки к нулю и
коэффициент эксцесса приближен к 3.
Регрессионная модель подтвердила ожидаемые связи между зависимой и
независимыми переменными, однако стоит учесть, что склонность к сбережению и
средневзвешенная ставка по кредитам влияют на логистическое преобразование
отношения NPL к общему ссудному портфелю с временным лагом. Другими словами
эффект от изменения данных независимых переменных проявляется через определенное
количество времени.
448
Open access:
http://www.aesa.kz:8080/conference_proceedings/2017/
Рисунок 2 – Фактические и прогнозные значения зависимой переменной
Как видно из рисунка 2, оценочные значения рассматриваемого ряда, полученные
на основе регрессионной модели приближены к фактическим значениям и явно
описывают тренд.
Подводя итоги, на основе анализа модели было выявлено, что кредитный риск
банков второго уровня в наибольшей степени зависит от среднего номинального
денежного дохода населения, индикатора Долг к ВВП и доли нефинансовых активов.
Полученная модель показывает, что с ростом среднего номинального дохода населения на
1 тенгеNPL уменьшится в 0,46 раза и в 3,3 раза при росте доли нефинасовых активов на
одну единицу. При росте индикатора «Долг к ВВП» наблюдается обратная ситуация, NPL
увеличится в 0,028 раза.
Список использованных источников
1. http://nationalbank.kz/?docid=275&switch=russian
2.http://www.stat.gov.kz/faces/wcnav_externalId/publicationsPage?_afrLoop=200495554
89856964#%40%3F_afrLoop%3D20049555489856964%26_adf.ctrl-state%3Dvntfsd004_37
Банк активтерінің сапасын арттыру жолдары
Әбітова А.М., Әбіләліп А.
Алматы экономика және статистика академиясы
E-mail:
abitova.arailym.arailym@mail.ru
Банктік тәжірибеде банктің активі және пассивін басқару бірқатар әдістер арқылы
жүзеге асырылады. Ең бастысы «қаражаттардың ортақ қоры» әдісі арқылы басқару. Бұл
әдістің негізіне барлық ресурстарды біріктіру идеясы жатыр. Сосын жинақ қаражаттар сай
келетін активтердің кейбір түрлерінің арасында бөлінеді. Аталған әдіс отандық банктер
тәжірибесінде осы күнге дейін қолданып келген әдіске жатады. Бқл әдістің кемшілігі
мұнда активтердің санттары бойынша қаражаттарды бөлу үшін нақты критерилер жоқ
және бұл әдіс «өтімділік – табыстылық» дилеммасын шеше алмайды.
Келесі «конверсиондық әдіс» бқл бос ақша қаражаттарын тарту көздерінің көп
түрлігіне негізделеді. Әрбір қаражат көзі жеке қарастырылады және оларды мерзіміне
қарай активтермен сәйкестендіру қажет. « Конверсиондық әдісті» біздің ойымызша «қор
-2.0
-1.8
-1.6
-1.4
-1.2
-1.0
-0.8
09
10
11
12
13
14
15
16
17
PDNPL
PDNPLF
