ISSN 1991-3087
Рейтинг@Mail.ru Rambler's Top100
Яндекс.Метрика

НА ГЛАВНУЮ

Использование кластерного анализа для характеристики деятельности ведущих коммерческих банков России

 

Свириденко Григорий Олегович,

аспирант Московского государственногоо университета экономики, статистики и информатики (МЭСИ).

 

Кластеризация - разбиения совокупности объектов, каждый из которых описан набором переменных на какое-то число однородных (в определенном смысле) классов. После выбора атрибутов, способа представления их весов в документах и единиц измерения, информация о каждом признаке любого объекта записывается в таблицу, в которой множество строк представляет индивидуумы (объекты), а множество столбцов – признаки (дескрипторы). Кластеризация – это разновидность классификации, определяемой на конечном множестве объектов. Отношения между классифицируемыми объектами представлены в виде матрицы близости, в которой строки и столбцы соответствуют объектам.

Основной особенностью задач, решаемых на основе кластерного анализа, является группировка статистических данных по каким-либо признакам и дальнейшее использование такой информации в процессах статистического моделирования, анализа и управления.

Цель использования кластерного анализа применительно к коммерческим банкам - локализация проблемных банковских структур, нахождение оптимального размещения ресурсов с целью разрешения проблемной ситуации в области банковского развития.

При анализе статистической информации, характеризующей развитие коммерческих банков, применены методы описательных статистик, кластерного анализа. В качестве исходной информации использованы данные Росстата[1].

Важнейшими показателями, характеризующими деятельность коммерческих банков, являются показатели рентабельности, а именно:

РА – рентабельность активов;

РСС – рентабельность собственных средств;

РЗС – рентабельность заемных средств;

РКО – рентабельность комиссионных операций.

Проведем кластеризацию 30 ведущих банков РФ (2007 г.)[2] по выбранным переменным по методу к-средних с использованием пакета статистической обработки данных Statistica 5.5 компании StatSoft.

При анализе банков определенный интерес представляет соотношение эффективности использования собственных и заемных средств. Проведем кластеризацию, используя рентабельность активов (РА), рентабельность собственных средств (РСС) и рентабельность заемных средств (РЗС). На уровне доверительной вероятности 0,95 значимым является разбиение статистической совокупности на 3 кластера (табл. 1).

 

Таблица 1.

Средние значения показателей по кластерам, %.

 

Кластер 1

Кластер 2

Кластер 3

Рентабельность активов (РА)

3,895

0,519

1,984

Рентабельность собственных средств (РСС)

38,397

4,947

18,641

Рентабельность заемных средств (РЗС)

4,404

0,594

2,232

Количество банков

2

14

14

 

По данным таблицы 1 выделим следующие кластеры:

1 кластер – относительно высокорентабельные банки, однако эта группа включает всего 2 банка;

2 кластер – относительно низкая рентабельность;

3 кластер – средняя рентабельность.

Более наглядный график средних представлен на рис.1 (см. стр.3). По данному графику можно сделать вывод о положительной зависимости эффективности использования собственных и заемных средств – если банк эффективен, то он показывает относительно хорошие результаты при работе, как с собственными, так и с заемными средствами. Следует также отметить более высокую рентабельность использования собственных средств по сравнению с заемными.

 

Рис. 1. График зависимости средних значений показателей по кластерам.

 

Ниже в таблице 2 представлены исходные данные для анализа по банкам, а также номер кластера, к которому отнесен банк и эвклидово расстояние до центра кластера.

Проведенный анализ показал, что только 2 банка - Транскредит банк и Банк Кит Финанс имеют относительно высокие показатели эффективности. Показатели эффективности у других банков значительно ниже.

 

Таблица 2.

Разбиение банков по кластерам, %.

 

рентабельность активов

рентабельность собственных средств

рентабельность заемных средств

Номер кластера

Расстояние до центра кластера

Транскредит банк

2,13

34,67

2,26

1

2,69

Кит Финанс

5,66

42,13

6,54

1

2,69

ВТБ

1,19

5,01

1,57

2

0,68

Россельхозбанк

0,36

5,44

0,38

2

0,32

Возрождени

0,75

7,15

0,84

2

1,29

СанктПетербург

0,90

7,83

1,01

2

1,70

БСЖВ

0,40

7,15

0,43

2

1,28

Петрокоммерц

0,90

9,99

0,99

2

2,93

МПБ

-0,20

-0,83

-0,27

2

3,40

Альфа-Банк

0,45

4,24

0,50

2

0,42

ВТБ 24

0,22

1,65

0,26

2

1,92

Росбанк

0,38

4,27

0,41

2

0,42

Уралсиб

0,02

0,16

0,02

2

2,80

УРСА Банк

0,38

3,23

0,42

2

1,00

АК Барс

1,19

8,14

1,39

2

1,94

Абсолют банк

0,34

5,84

0,36

2

0,54

Ситибанк

2,16

23,27

2,38

3

2,68

Зенит

1,94

15,07

2,23

3

2,06

Оргрэсбанк

1,24

19,27

1,33

3

0,77

Инг Банк

1,46

16,66

1,60

3

1,24

Сбербанк

2,36

17,52

2,73

3

0,74

Газпромбанк

1,92

16,39

2,18

3

1,30

Банк Москвы

1,53

17,38

1,67

3

0,84

Райффайзенбанк

1,64

16,69

1,82

3

1,17

Юникредит

1,76

18,49

1,95

3

0,23

Русский Стандарт

3,56

25,06

4,14

3

3,97

БанкВТБ Северо-запад

2,15

19,56

2,41

3

0,55

Промсвязьбанк

1,11

12,87

1,22

3

3,42

МДМ-Банк

2,36

19,62

2,68

3

0,66

Номос-Банк

2,59

23,13

2,92

3

2,65

 

Если провести деление выделенных показателей на 4 кластера (рис. 2), то третий кластер (по предыдущей кластеризации) будет разбит на 2 кластера (№2 и №3 по новой кластеризации).

 

Рис. 2. График зависимости средних значений показателей по кластерам.

 

Кластер 2 имеет более лучшие показатели рентабельности относительно среднего уровня, включает 3 банка (табл. 3 – расстояние до центра кластера).

 

Таблица 3.

Содержание кластера 2.

 

Номос-Банк

Русский Стандарт

Ситибанк

Расстояние до центра кластера

0,4323349

1,025938

0,6500034

 

Построенная кластеризация позволяет более эффективно осуществлять государственную поддержку банков в соответствии с их уровнем рентабельности (табл. 4).

 

Таблица 4.

Рекомендации по оказанию государственной поддержки банков на основе выделенных кластеров.

Кластер

Уровень рентабельности собственных средств, %

Рекомендации по организации государственной поддержки банков

1

Относительно высокий (>30)

Оказывать всяческую поддержку

2

Относительно низкий (<10)

Не предпринимать никаких мер

3

Средний (от 10 до 20)

Оказывать всяческую поддержку

 

Помимо этого был проведен анализ рентабельности комиссионных операций (РКО) и дана характеристика ее взаимосвязи с рентабельностью активов (РА). На уровне доверительной вероятности 0,95 значимым является разбиение статистической совокупности минимум на 5 кластеров (табл. 5). На рис. 3 представлен график средних значений по различным кластерам.

 

Таблица 5.

Средние значения по кластерам.

 

Кластер 1

Кластер 2

Кластер 3

Кластер 4

Кластер 5

Рентабельность активов

2,363

1,533

3,198

0,847

1,246

Рентабельность комиссионных операций

396,275

576,937

937,774

231,544

1560,628

Кол-во банков

1

10

3

11

5

 

Рис. 3. График средних величин показателей по кластерам.

 

Исходные данные, номер и расстояние до центра кластера по банкам представлены в табл. 6.

 

Таблица 6.

Распределение банков по кластерам.

 

рентабельность активов

рентабельность комиссионных операций

Номер кластера

Расстояние до центра кластера

Сбербанк

2,36

3986,27

1

0,00

Газпромбанк

1,92

725,12

2

104,78

Номос-Банк

2,59

414,36

2

114,96

Банк Москвы

1,53

634,16

2

40,46

МПБ

-0,20

573,40

2

2,79

Ситибанк

2,16

444,93

2

93,35

АК Барс

1,19

599,46

2

15,93

Транскредит банк

2,13

565,01

2

8,45

Зенит

1,94

649,99

2

51,66

Альфа-Банк

0,45

470,16

2

75,51

Райффайзенбанк

1,64

692,78

2

81,91

Росбанк

0,38

1070,36

3

93,77

Русский Стандарт

3,56

926,42

3

8,03

Кит Финанс

5,66

816,54

3

85,74

Абсолют банк

0,34

83,10

4

104,96

СанктПетербург

0,90

112,32

4

84,30

БСЖВ

0,40

301,03

4

49,13

Уралсиб

0,02

384,16

4

107,92

Промсвязьбанк

1,11

132,70

4

69,90

МДМ-Банк

2,36

262,40

4

21,85

ВТБ 24

0,22

288,77

4

40,47

Петрокоммерц

0,90

216,05

4

10,95

Оргрэсбанк

1,24

355,39

4

87,58

Россельхозбанк

0,36

199,40

4

22,73

Инг Банк

1,46

211,66

4

14,07

ВТБ

1,19

1571,23

5

7,49

Юникредит

1,76

1429,29

5

92,87

УРСА Банк

0,38

1414,19

5

103,55

Банк ВТБ Северо-запад

2,15

1886,82

5

230,65

Возрождение

0,75

1501,62

5

41,73

 

Анализируя центры и состав кластеров, можно сделать следующий вывод: кластеры 2, 3, 4 в целом имеют линейную положительную зависимость между показателями, в них сосредоточена основная масса банков, тогда как кластеры 1 и 5 скорее являются в этом смысле исключением.

Показатели качества модели (табл. 7.) свидетельствуют о значимости модели и ее параметров, а так же об ее точности (на уровне доверительной вероятности 0,95).

 

Таблица 7.

Параметры модели регрессии.

Коэффициент множественной корреляции

0,646

Критерий Фишера F(1,29)

20,744

Критерий Стьюдента для параметра РА

4,555

 

Такие банки, как Сбербанк, ВТБ, Юникредит, УРСА Банк, Банк ВТБ Северо-запад, Возрождение показывают высокую рентабельность комиссионных операций.

В целом необходимо отметить, что проведенный кластерный анализ распределения банков по рентабельности различных видов их деятельности позволил выделить группы банков, требующих определенного подхода к организации их государственной поддержки, выявить «исключительные» банки по соотношению рентабельности различных видов деятельности, что, несомненно, полезно при организации помощи банкам со стороны государства.

 

Литература

 

1.                  Малькин, А.Ф. О стратегии развития банковского сектора России /Малькин А.Ф. // Банковское дело. – 2009. - №4. – Стр.77.

2.                  Орлова, Н. Банковский сектор: консолидация или концентрация? / Орлова Н.//Банковское обозрение. – 2008. - №9. – Стр.31.

3.                  Осадчий, М. Национальный банковский сектор: итоги года, тенденции и прогнозы / Осадчий М.//Рынок ценных бумаг. – 2008. - №2 (235) – Стр.11.

4.                  www.gks.ru.

5.                  www.cbr..ru.

 

Поступила в редакцию 07.12.2009 г.



[1] www.gks.ru.

[2] www.cbr..ru.

2006-2019 © Журнал научных публикаций аспирантов и докторантов.
Все материалы, размещенные на данном сайте, охраняются авторским правом. При использовании материалов сайта активная ссылка на первоисточник обязательна.