Аналіз безготівкових розрахунків в банку

Надходження початкових документів від клієнтів є процесом випадковим. Зважаючи на величезну кількість, різноманітність банків та специфіку їхньої клієнтури, годі й думати про опис цієї випадкової величини для всіх банків за допомогою того чи іншого з відомих розподілів. В моделі застосовується розподіл Пуассона, який найчастіше використовується у подібних ситуаціях.

Перейдемо до конкретного складання моделі, як вже зазначалось, на прикладі ПАТ «Райфайзен Банк Аваль».

Мету моделювання можна сформулювати так:

- знаючи, скільки документів містить файл, знайти середній час очікування платежів для банку та оцінити загальні експлуатаційні витрати за день;

- визначити, яка кількість документів у файлі забезпечить задану швидкість проходження платежів (тобто час очікування платежів не перевищить вказаний).

Слід звернути увагу на неприпустимість пошуку оптимальної кількості документів у файлі, виходячи з умови обмеженості фінансових ресурсів.

Адже в такому разі у певний момент банк може просто відмовитися виконувати міжбанківські платежі, мотивуючи це економією коштів на сплату послуг СЕП, що в реальності не припустимо. З таких же міркувань не можна обмежувати й обсяг надісланої в СЕП інформації.

Для опису математичної моделі зробимо такі позначення:

t - номер хвилини. Відповідно до чинного регламенту СЕП банк надсилає початкові платежі до системи з 8.00 до 20.00. Тоді t = 1720;

- математичне очікування документів, які надходять від клієнтів банку в хвилину t (параметр розподілу Пуассона, дійсного на цей час);

At - кількість платіжних документів, що надійшли від клієнтів банку за хвилину t;

Ft - загальна кількість платіжних документів, які знаходяться в банку і чекають відправки у хвилину t;

mi - порядковий номер хвилини, коли був сформований i-й (останній) файл;

St - середній час очікування документів, відправлених у хвилину t;

Qt - середній час очікування документів, відправлених із початку дня до хвилини t;

D - кількість документів у одному файлі;

V - загальний обсяг інформації, надісланої банком у СЕП протягом робочого дня;

C - загальна сума, витрачена банком на оплату надісланих у СЕП файлів.

Тоді модель можна описати такими співвідношеннями:

(3.5)

де pk - рівномірно розподілена на [0.1] випадкова величина;

mt = t, якщо Ft D; i N;

; t = 1720;

; t = 1720

де n - кількість файлів, відправлених до хвилини t;

; (3.6)

(3.7)

Як відомо, генератор випадкових чисел ЕОМ спроможний генерувати лише рівномірно розподілені на [0.1] числа. Тому для отримання чисел, розподілених за законом Пуассона, використовується формула (1).

Обсяг технологічної інформації, яка передається у кожному файлі платежів, становить 298 байт, а один платіж містить 594 байти інформації. Ці дані й використано у формулі (2) для підрахунку загального обсягу надісланої інформації. Формулу ж (3), яка дає змогу підрахувати загальні витрати, складено за показниками, наведеними у табл. 3.6.

Якщо шукаємо середній час очікування документів, то величина D є константою, Q720 (чи St) – шуканим показником. Якщо ж визначається оптимальна кількість документів, то, навпаки Q720 (St) буде заданою константою, а D – змінною. При цьому до моделі додається додаткове обмеження: DDD, де D , D – відповідно мінімальна та максимальна кількість документів у файлі. Загальний обсяг надісланої інформації V та загальні витрати C можна розрахувати за будь-якої мети моделювання. Ми кажемо “можна”, оскільки ці показники не є чинниками обмеження моделі, а становлять суто інформативні показники діяльності банку.

Перш ніж перейти до моделювання, необхідно визначити параметри моделі . Розбивши весь інтервал роботи банку в СЕП на години. (табл. 3.2)

Таблиця 3.2

Середня кількість початкових платежів, які надходять до банку ПАТ «Райфайзен Банк Аваль»

Як зазначалося, перша мета моделювання полягала у визначенні середнього часу очікування платежів за відомої кількості документів у файлі. Реально досліджуваний банк надсилає по 20-25 платежів у файлі. Змоделюємо його діяльність, задаючи по 10, 20, 30 платежів. Для всіх підсумкових показників моделі підраховано середні значення та стандартні відхилення, подані в табл.3.3 й позначені відповідно символами та .

Таблиця 3.3

Результати обчислення середнього часу очікування в банку ПАТ «Райфайзен Банк Аваль» при відомій кількості платежів у файлі

Як випливає з табл. 3.3, при збільшенні кількості платежів у файлі скорочуються обсяг надісланої у СЕП інформації та витрати банку ПАТ «Райфайзен Банк Аваль», але значно зростає час очікування документів у банку.

Друга мета моделювання полягала в пошуку оптимальної кількості платежів у файлі для забезпечення заданого часу очікування платежів. Із попередніх результатів видно, що коли файл містить 10, 20 і 30 платежів, то середній час очікування становить відповідно 2,04; 4,26 та 6, 57 хвилини.

Тепер можна знайти таку кількість документів у файлі, за якої цей час не перевищуватиме 2, 3 і 5 хвилини. Для цього також було проведено ряд експериментів, у результаті яких одержано значення: відповідно 9, 14 та 23 документи. При цьому досягнуто мінімального стандартного відхилення – 1 документ, що свідчить про достатню точність моделі.

У моделі не бралися до уваги платіжні документи у відповідь, які банк одержує від інших учасників СЕП, оскільки цей потік платежів не залежить від технологічний дій банку як учасника системи – він визначається його діяльністю як фінансової установи і залежить від його ринкової стратегії.

Для того, щоб модель виявилась адекватною, доведеться, по-перше, вивчити характер потоку початкових документів для банку ( тобто визначити тип випадкового розподілу та оцінити його параметри), а по-друге. адаптувати формулу (3.5). Узагальнено процес надходження платежів можна описувати різноманітними розподілами у різні інтервали часу. Тому може бути і вхідних параметрів моделі значно більше, і формула (3.5) – значно складнішою. Але, звичайно, чим ретельніше вивчено вхідний потік платежів, тим кращими будуть результати моделювання.

Шукаючи оптимальну кількість платежів у файлі, обмежуємо середній час очікування за весь день (задаючи значення Q720). Узагалі ж на показники St та Qt можна накладати й інші обмеження. Наприклад, шукати таку кількість документів у файлі, щоб до 13.00 середнє очікування платежів не перевищувало двох хвилин. Крім того, передбачалося, що кількість документів у файлі обирається раз на день – на початку дня. Загалом же цю кількість можна змінювати і кілька разів на день, у заздалегідь визначені моменти часу.

Що ж до показників V та C, то, не маючи права їх обмежувати, можемо лише спостерігати їх зміну. Вони цінні тим, що кількісно відображають той чи інший стан банку і можуть бути використані для аналізу його діяльності. Із цією ж метою можна обчислювати й інші показники, наприклад, кількість файлів надісланих банком протягом дня.

Одержані результати моделювання мають практичну цінність насамперед для ПАТ «Райфайзен Банк Аваль», тому що модель будувалась на даних цього банку. Та водночас ми пересвідчилися, що вона дає досить точні результати, а отже, може використовуватися для аналізу та оптимізації роботи банку у СЕП.

4.                        Аналіз каналів збуту і тарифної політики корпоративних клієнтів провідних банків України (на прикладі «Райфайзен Банк Аваль»).

Райффайзен Банк Аваль станом на 1 січня 2009 року обслугував більш ніж 220 тис. юридичних осіб, у т.ч. понад 10 тис. підприємств, що за європейськими стандартами відносяться до великого бізнесу (річний дохід кожного з них — більш ніж 5 млн. євро).

 Бізнес-лінія корпоративного бізнесу, яка відповідає за розвиток взаємовідносин із цими компаніями, є традиційно одним із найпотужніших напрямків у Райффайзен Банку Аваль. Цьому сприяють накопичений із 1992 року унікальний досвід обслуговування великого бізнесу, можливість задовольнити будь-яку потребу підприємства в банківських послугах завдяки універсальному продуктовому ряду, а також високий професіоналізм клієнтських менеджерів, що здійснюють індивідуальне супроводження кожного клієнта.

Головний принцип, яким керується кожний клієнтський менеджер корпоративного бізнесу, — не просто продати банківський продукт клієнту, а побудувати з ним такі стратегічні партнерські відносини, які сприятимуть розвиткові бізнесу обох партнерів та ґрунтуватимуться на взаємній повазі, довірі та готовності разом відповідати на виклики сьогодення. Саме такі відносини є визначальною конкурентною перевагою ПАТ «Райфайзен Банк Аваль».

На сьогоднi в Банку iснують прямi та непрямi канали збуту банкiвських продуктiв.

Розгляд системи збутових каналів банку ПАТ «Райфайзен Банк Аваль» дозволив нам чітко виділити як власні, так і невласні канали збуту.

Власних каналів збуту виділяють канали:

1)     Стаціонарний збут,

2)     Канали мобільного збуту,

3)     Канали збуту, що базуються на дистанційному обслуговуванні клієнтів.

Перші дві групи каналів збуту передбачають необхідність контакту клієнта з банком ПАТ «Райфайзен Банк Аваль» і його персональної ідентифікації при наданні кожної окремої послуги. Відмінність між ними полягає у тому, що в першому випадку клієнт сам звертається в офіс банку ПАТ «Райфайзен Банк Аваль», а в другому - банк пропонує свої послуги за місцем перебування клієнта (місцем проживання або місцем діяльності).