Автор работы: Пользователь скрыл имя, 01 Ноября 2011 в 16:00, курсовая работа
Динамичное развитие финансового рынка, появление новых инструментов и институтов способствуют возникновению явных и скрытых угроз стабильности. Предупреждение кризисов непосредственно связано с выявлением рисков и управлением ими. Примером по внедрению в международную практику методов оценки рисков является Базельское соглашение о норме собственного капитала, в котором достаточность капитала определяется при помощи коэффициентов, учитывающих кредитный, рыночный и операционный риски.
Введение………………………………………………………………….3
1. Обзор моделей оценки кредитного риска…………………………...6
1.1 Подходы к оценке кредитного риска…………………………...6
1.2 Понятие качества и прозрачности методик…………………….7
1.3 Характеристики физического лица. Структура данных………10
2. Статистические и экономические методы оценки риска…………..11
2.1 Скоринговые методики………………………………………….11
2.2 Кластерный анализ………………………………………………12
2.3 Дискриминантный анализ……………………………………….15
2.4 Дерево классификаций…………………………………………..18
2.5 Нейронные сети…………………………………………………..19
2.6 Технология Data mining………………………………………….20
2.7 Линейная вероятностная регрессионная модель……………….20
2.8 Логистическая регрессия………………………………………...24
3. Признаки устойчивости банка……………………………………….27
Заключение………………………………………………………………33
Список литературы……………………………………………………...36
2.8 Логистическая регрессия
Будем считать, что событие в данных фиксируется дихотомической переменной (0 не произошло событие, 1 - произошло). Для построения модели предсказания можно было бы построить, к примеру, линейное регрессионное уравнение с зависимой дихотомической переменной Y, но оно будет не адекватно поставленной задаче, так как в классическом уравнении регрессии предполагается, что Y - непрерывная переменная. С этой целью рассматривается логистическая регрессия. Ее целью является построение модели прогноза вероятности события {Y=1} в зависимости от независимых переменных X1,…,Xp. Иначе эта связь может быть выражена в виде зависимости P{Y=1|X}=f(X)
Логистическая регрессия выражает эту связь в виде формулы
Название "логистическая регрессия" происходит от названия логистического распределения, имеющего функцию распределения . Таким образом, модель, представленная этим видом регрессии, по сути, является функцией распределения этого закона, в которой в качестве аргумента используется линейная комбинация независимых переменных.
Отношение вероятности того, что событие произойдет к вероятности того, что оно не произойдет P/(1-P) называется отношением шансов. С этим отношением связано еще одно представление логистической регрессии, получаемое за счет непосредственного задания зависимой переменной в виде Z=Ln(P/(1-P)), где P=P{Y=1|X1,…,Xp}. Переменная Z называется логитом. По сути дела, логистическая регрессия определяется уравнением регрессии Z=B0+B1X1+…+BpXp. В связи с этим отношение шансов может быть записано в следующем виде
P/(1-P)=
Отсюда получается, что, если модель верна, при независимых X1,…,Xp изменение Xk на единицу вызывает изменение отношения шансов в раз.
Механизм решения такого уравнения можно представить следующим образом
Еще одна особенность состоит в том, что в реальных данных очень часто группы по X оказываются однородными по Y, поэтому оценки оказываются равными нулю или единице. Таким образом, оценка логита для них не определена (для этих значений ).
Построим модель пробит для наших данных. Оценивание в SPSS дает результаты (табл.15.), где приведены коэффициенты оценивания.
Таблица
15. Оценка логит-модели
| B | ||
| Step 1(a) | schet | ,585 |
| srok | -,139 | |
| histor | ,388 | |
| naznah | ,033 | |
| zaim | -,181 | |
| chares | ,239 | |
| timrab | ,161 | |
| vznos | -,299 | |
| famil | ,264 | |
| poruchit | ,360 | |
| timelive | -,005 | |
| garonti | -,191 | |
| vozras | ,068 | |
| inizaimi | ,315 | |
| kvartir | ,318 | |
| kolzaim | -,240 | |
| proff | ,021 | |
| rodstve | -,153 | |
| telefon | ,312 | |
| inosmest | 1,225 | |
| Constant | -4,227 | |
На основе модели логистической регрессии можно строить предсказание произойдет или не произойдет событие {Y=1}. Правило предсказания, по умолчанию заложенное в процедуру LOGISTIC REGRESSION устроено по следующему принципу: если >0.5 считаем, что событие произойдет; £0.5, считаем, что событие не произойдет (табл.16).
Таблица 16. Таблица прогнозов
Так
в нашем примере результаты прогноза
можно оформить в виде таблицы 17.
Таблица 17. Прогнозное качество модели
| ||||||||||||||||||||||||||||||||
Результаты подобной
классификации превосходят
3. Признаки устойчивости банка
Немаловажную роль в поддержании устойчивости коммерческого банка играет качество ресурсной базы и активов. Необходимость оценки качества пассивов банка связана с тем, что привлеченные средства занимают преобладающее место в структуре банковских ресурсов и именно они служат основой для удовлетворения разнообразных потребностей предприятий, организаций и населения, в том числе и потребностей в кредитных ресурсах. В России на практике финансовая устойчивость коммерческих банков определяется не только рискованностью проводимых операций и величиной капитала, но и качественной структурой привлеченных ресурсов.
Качество пассивов традиционно характеризуется стабильностью ресурсной базы, стоимостью привлечения, чувствительностью к изменениям процентных ставок и зависимостью от внешних источников финансирования, таких как межбанковский рынок краткосрочных капиталов.
Структура привлеченных средств характеризует устойчивость ресурсной базы банка, позволяет предусмотреть потребность в ликвидных средствах для погашения обязательств. На основании структуры источников определяется портфель активов, как по срокам, так и по степени риска. Качество и величина привлеченных ресурсов характеризуют способность банка заинтересовать вкладчиков, которые доверяют ему свои средства.
Устойчивость
пассивов коммерческого банка можно
характеризовать с точки
а) срочности. Более устойчивым с точки зрения срочности будет являться коммерческий банк, имеющий более долгосрочную ресурсную базу.
б) стабильности. Чем стабильнее привлеченные пассивы, тем устойчивее основа для развития активных операций банка, и чем ниже процентные ставки по привлекаемым ресурсам, тем больше шансов у банка получить прибыль. Следовательно, достаточно дешевые стабильные пассивы являются необходимым условием ликвидности банка, а доверие вкладчиков и кредиторов - своеобразным капиталом, благодаря которому банк даже в сложных конъюнктурных условиях не лишится своей ресурсной базы.
в) платности. Чем выше величина платы банка за привлеченные ресурсы, тем более стабильными являются данные ресурсы и тем устойчивее коммерческий банк.
г) степени концентрации. Значительная концентрация привлекаемых банком средств на одного клиента может привести к тому, что в случае возникновения потребности в снятии средств данным клиентом банк окажется не в состоянии реализовать свои активы или привлечь дополнительные средства на погашение обязательств, что отрицательно повлияет на его финансовую устойчивость.
При анализе качества пассивов применяются различные показатели, в частности показатели: эффективности использования привлеченных средств, эффективности использования обязательств банка, соотношение обязательств банка и суммы рисковых активов, клиентской базы, диверсификации клиентской базы, стабильности ресурсной базы и др.
Как было отмечено ранее, в основе оценки финансовой устойчивости коммерческого банка также лежит и анализ качества активов. При этом важно отметить, что объем активов (его количественная оценка), взятый сам по себе, не может претендовать на объективность анализа деятельности банка. Согласно международной практике, оценивается не объем, а качество активов. Задача оценки устойчивости банка в том и состоит, чтобы определить безнадежные (проблемные, безвозвратные) активы. Качество активов подразумевает величину совокупного риска, заложенного в активах. Данный фактор имеет наибольшее значение для обеспечения финансовой устойчивости коммерческих банков.
Факторы упадка банка:
1. Плохое качество активов (98% банкротств);
2.
Слабости планирования и
3. Злоупотребления инсайдеров (35%);
4.
Неблагоприятная
5. Отсутствие внутреннего аудита и контроля (25%);
6.
Мошенничество, подтасовка
7. Необеспеченные расходы (9%).
Высокое качество активов определяется, прежде всего, полной (или потенциально полной) возвратностью любого активного финансового инструмента в оговоренные договором сроки (включая до востребования), а также получением его наращенной стоимости в виде процентов, дивидендов и других доходов. Структура и качество активов в значительной степени обусловливают ликвидность и платежеспособность банка и, в конечном счете, его финансовую устойчивость. Кроме того, высокое качество активов способствует получению прибыли.
В целях дальнейшей оценки устойчивости банков большой интерес представляют показатели, используемые в банковской практике для анализа качества активов. Как правило, к ним относят: коэффициент эффективности использования активов; коэффициент степени риска активных операций; коэффициент допустимости потерь по ссудам; коэффициент банковской маржи; коэффициент агрессивности кредитной политики; уровень просроченных ссуд; качество ссудного портфеля и др. Таким образом, оценка устойчивости банка требует разработки такой системы показателей, которая бы позволила банку достаточно полно оценить политику банка в области размещения своих ресурсов.
Одним из наиболее важных условий сохранения финансовой устойчивости банка является его ликвидность. В настоящее время немало сторонников определяющей роли ликвидности в поддержании устойчивости коммерческого банка. Действительно, ликвидность является первым проявлением благополучия банковского дела. Всесторонняя и четкая оценка ликвидности коммерческого банка дает максимум информации для анализа финансовой устойчивости банка и продиктована необходимостью более тщательного заключения о финансовом состоянии и перспективах развития банка как для его клиентов, вкладчиков и кредиторов, так и Центрального банка РФ, осуществляющего надзор за деятельностью кредитных организаций.