Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Исследование качества краткосрочных моделей прогнозирования финансово-экономических показателей: На примере кредитных организаций Смоленской области

ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Исследование показателя 9.2, при котором три модели имели близкие значения критерия качества: 86, 85 и 80 также после определения значений модифицированных коэффициентов корреляции подтвердило предположение о том, что наибольшие значения этих коэффициентов свидетельствуют о лучшем качестве модели. Наибольшие значения R 1=0,86 и R2=0,38 показала модель Хольта-Уинтерса, критерий качества которой… Читать ещё >

Содержание

  • Глава1. Проблемы прогнозирования финансово-экономических показателей
    • 1. 1. Анализ современного состояния банковской системы РФ
    • 1. 2. Исследование проблем прогнозирования показателей банковской деятельности
    • 1. 3. Методики анализа финансового положения кредитных организаций
  • Глава2. Исследование качества моделей краткосрочного прогнозирования
    • 2. 1. Методологические аспекты прогнозирования экономического развития
    • 2. 2. Применение адаптивных методов для краткосрочного прогнозирования финансово-экономических показателей
    • 2. 3. Анализ основных методов и критериев оценки качества математических моделей ф 2.4.Исследование методов и критериев обобщения моделей прогнозирования
  • Глава 3. Методика краткосрочного прогнозирования финансово-экономических показателей банковской деятельности
    • 3. 1. Анализ программных продуктов прогнозирования финансово-экономических показателей
    • 3. 2. Разработка критериев и методики оценки качества краткосрочных моделей прогнозирования банковской деятельности
    • 3. 3. Исследование перспективного положения кредитных организаций на основе разработанных прогнозных моделей

Исследование качества краткосрочных моделей прогнозирования финансово-экономических показателей: На примере кредитных организаций Смоленской области (реферат, курсовая, диплом, контрольная)

Актуальность темы

исследования. Эффективно работающая банковская система является основой успешного развития любой экономики. Поэтому анализу работы банков, оценке их эффективности, моделированию финансовых потоков уделяется большое внимание во всех развитых странах.

В современных условиях для каждой банковской организации является актуальным разработка своего собственного пути вхождения в новую систему, который позволит ей в будущем занять стабильное положение. Следовательно, на первый план выдвигается необходимость осуществления перспективного планирования и повышение качества контроля за деятельностью банка.

Перспективное планирование (составление бюджета развития) является краеугольным камнем выработки комплексной хозяйственной политики банка. Именно на его основе планируются текущие мероприятия по управлению ликвидностью, определяются направления и объемы размещения ресурсов банковской организации. Перспективное планирование производится на основе анализа хозяйственной деятельности и финансового положения банка за текущий и краткосрочный перспективный период.

Выбор правильной стратегии развития банковской организации в значительной степени определяет ее дальнейшее существование. В силу специфики функционирования банковских учреждений и нестабильности их положения актуальным является применение методов краткосрочного прогнозирования. Применение экономико-математических методов к исследованию финансового положения банковских организаций позволяет осуществить построение математической модели, с помощью которой можно осуществить прогнозирование дальнейшего развития организации и, в случае необходимости, своевременно принять ряд мер по предотвращению нежелательных финансовых ситуаций. Качество и достоверность перспективных прогнозов определяется критериями выбора лучших, с точки зрения качества, моделей. В настоящее время разработаны разнообразные критерии оценки качества моделей, однако, проведенные исследования показали, что ряд критериев не дает уверенности в выборе действительно лучшей модели, а, следовательно, остается нерешенной задача выбора и построения прогнозной модели, которая бы в лучшей степени соответствовала реально протекающему процессу.

Актуальность затронутых проблем, их недостаточная теоретическая и практическая проработанность обусловили выбор темы и основных направлений диссертационного исследования.

Цель и задачи исследования

Целью настоящего исследования является исследование и обоснование эффективных методов и методик анализа качества прогнозных моделей, дальнейшая разработка критериев оценки качества краткосрочных моделей прогнозирования, их апробация на фактическом материале кредитных организаций Смоленского региона.

В соответствии с указанной целью в диссертации обоснованы и решены следующие научные и практические задачи:

— проанализированы теоретико-экономические аспекты функционирования банковской системы и необходимости применения научных методов прогнозирования ее характеристик;

— выявлены возможности применения этих методов для анализа состояния кредитных организаций с целью повышения эффективности их работы;

— исследованы методики анализа финансового положения кредитных организаций;

— проведен статистический анализ существующих критериев качества краткосрочных моделей прогнозирования;

— разработаны прогнозные модели, позволяющие оценить перспективное положение кредитной организации;

— осуществлен анализ качества построенных математических моделей;

— на основе построенных прогнозов сформулированы рекомендации по повышению эффективности деятельности кредитных организаций;

— выполнен анализ используемых в настоящее время новейших компьютерных технологий для повышения эффективности работы различных структур.

0 Объект и предмет исследования. В качестве объекта исследования выступают кредитные организации, а предметом исследования являются критерии оценки качества прогнозных моделей, разработанных для данных организаций.

Методика исследования. Методологическую базу проведенного исследования составляет комплексный подход к процессу моделирования и прогнозирования сложных экономических систем и анализу характеристик финансово-экономических показателей, основные положения комплексного экономического анализа, методы экономико-математического моделирования, математической статистики и теории вероятностей.

Теоретической основой работы явились исследования и научные труды российских и зарубежных ученых в области экономической теории и теории финансов, экономико-математического моделирования, социально-экономического прогнозирования, теории статистики, компьютерных и информационных технологий.

Научная новизна. В диссертации решена актуальная проблема совершенствования и разработки критериев оценки качества моделей краткосрочного прогнозирования. Научная новизна исследования # отражена в следующих основных результатах:

• разработаны прогнозные модели для анализа финансового состояния кредитных организаций;

• осуществлен сравнительный анализ прогнозных моделей исходя из критериев точности и адекватности;

• предложена новая методика исследования качества прогнозных моделей;

• разработана система критериев отбора лучшей по качеству математической модели;

• по результатам исследования сформулированы практические рекомендации для повышения эффективности деятельности кредитных учреждений.

Практическая значимость работы. Практическая значимость проведенного исследования состоит в возможности непосредственного использования разработанного теоретического и методологического аппарата в прикладном моделировании и прогнозировании основных показателей развития кредитной организации, а также в повседневной деятельности специалистов аналитических отделов банковских организаций.

Использование разработанной методики позволит эффективным образом осуществлять контроль за текущей деятельностью кредитной организации и своевременно принять ряд организационных и технических мероприятий по предотвращению нежелательных финансовых и кризисных ситуаций, что, в конечном счете, повышает устойчивость банковской организации в целом и снижает риск наступления банкротства.

Разработанные методика и критерии анализа качества прогнозных моделей носят общий характер и могут быть использованы при моделировании и прогнозировании любых экономических процессов.

Апробация и внедрение результатов исследования. Полученные результаты проведенного исследования явились основой для анализа финансового состояния кредитных организаций Смоленского региона. Практические рекомендации, разработанные в результате проведенного исследования, направленные на повышение эффективности деятельности банковских организаций, были обсуждены и одобрены специалистами аналитического отдела по контролю за деятельностью коммерческих банков Главного Управления Центрального Банка РФ по Смоленской области. Основные положения разработанной методики было рекомендовано использовать в повседневной работе аналитиков кредитных организаций.

Основные положения диссертации использованы автором при разработке курса лекций по финансовой математике и экономико-математическому моделированию экономических систем.

Ш Публикации. Основные положениядиссертации опубликованы в пяти печатных работах, общим объемом 3,4 п.л.

Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка используемой литературы и приложений.

Результаты исследования моделей для пятой кредитной организации приведены в таблице 4 (Приложение II).

Для показателя 5.1 предварительно наименьший уровень качества 45 имеет модельХольта-Уинтерса (точность 88, адекватность 3). Дальнейший анализ моделей и определение модифицированных коэффициентов корреляции (0,71 и 0,48) выводит эту модель на первое по качеству место (ошибка ретропрогноза — 2,3).

Результаты сравнений приведены в следующей таблице:

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 45 0,71 0,48 2,3.

МАФ (2,1) 49 0,63 0,26 20.

АРИСС (2,1,2) 59 0,54 0,27 22.

Олимп (1,2) 61 0,49 0,27 28.

Подобный случай имеет место и при анализе показателя 5.2. Модель Хольта-Уинтерса показала критерий качества 70 по сравнению с моделями.

АРИСС (качество 77) и Олимп (качество 73). Затем по результатам расчета R1 и R2 эта модель дает наибольшие значения (0,89 и 0,52) этих величин и наименьшую ошибку ретропрогноза (2,4) :

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 70 0,89 0,52 2,4.

АРИСС (3,1,2) 77 0,73 0,30 6,8.

Олимп (3,2) 73 0,69 0,29 15,6.

Для показателя 5.5 модель Хольта-Уинтерса с уровнем качества 45 (модели АРИССкачество 49 и Олимп — качество 52) также по результатам сравнения коэффициентов R1 и R2 (0,59 и 0,30) дает лучшую ошибку ретропрогноза (2,6).

Результаты анализа показателей развития шестой кредитной организации приведены в таблице 5 (Приложение II).

При исследовании показателя 6.5 модели Хольта-Уинтерса и АРИСС имели близкие значения критерия качества — 73 и 72 соответственно. Однако, модель Хольта-Уинтерса (Rl=0,93 и R2=0,27) дала лучшие результаты ретропрогноза (ошибка 1,9) по сравнению с АРИСС (R1 = 0,66, R2 =0,26 и ошибка ретропрогноза 6,3):

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 73 0,93 0,27 1,9.

АРИСС 72 0,66 0,26 6,3.

2,0,1)х (1,0.1).

Результаты анализа показателей развития седьмой кредитной организации приведены в таблице 6 (Приложение II).

Для всех показателей данной кредитной организации наибольшему значению модифицированных коэффициентов корреляции соответствует меньшая ошибка ретропрогноза и, следовательно, лучшее качество ретропрогноза. Для показателя 7.2 две модели имеют критерий качества 60, сравнивая затем рассчитанные для них величины R1 и R2, приходим к выводу, что лучшей является модель Хольта-Уинтерса :

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 60 0,81 0,34 3,4.

0лимп (3,2)х (1,0) 60 0,48 0,28 22.

Результаты анализа показателей развития восьмой кредитной организации приведены в таблице 7 (Приложение И).

При исследовании показателя 8.2 несколько моделей имели довольно близкие значения критерия качества: 77, 74, 74. Выбрать лучшую помогло определение коэффициентов R1 и R2, наибольшее значение которых составило 0,52 и 0,29 для модели Хольта-Уинтерса :

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 77 0,52 0,29 2,0.

АРИСС (2,1,2) 74 0,41 0,28 6,5.

0лимп (3,2)х (0,1) 74 0,35 0,26 6,8.

При анализе показателя 8.5 модель Хольта-Уинтерса имела критерий качества 75 в отличие от Олимп-модели с качеством 86, дальнейший расчет R1 и R2: 0,81 и 0,28 для модели Хольта-Уинтерса и 0,78 и 0,28 для модели Олимп позволил в качестве лучшей определить модель Хольта-Уинтерса :

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 75 0,81 0,28 1,7.

Олимп (3,2)х (1,1) 86 0,78 0,28 3,9.

Результаты анализа показателей развития девятой кредитной организации приведены в таблице 8 (Приложение II).

Исследование показателя 9.2, при котором три модели имели близкие значения критерия качества: 86, 85 и 80 также после определения значений модифицированных коэффициентов корреляции подтвердило предположение о том, что наибольшие значения этих коэффициентов свидетельствуют о лучшем качестве модели. Наибольшие значения R 1=0,86 и R2=0,38 показала модель Хольта-Уинтерса, критерий качества которой составил 80. После выполнения ретропрогноза эта модель показала меньшую ошибку ретропрогноза. Результаты сравнения приведены в следующей таблице:

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 80 0,86 0,38 1,8.

АРИСС (0,1.3) 86 0,78 0,26 4,8.

Олимп (1,3) 85 0,75 0,26 5,2.

Аналогичные выводы можно сделать и для показателя 9.4, где также сравнивались три модели:

Модель Качество R1 R2 Ошибка ретропрогноза.

Хольта-Уинтерса 87 0,94 0,40 1,9.

АРИСС 80 0,81 0,30 16.

3,1,2)х (1,1,1).

Олимп (3,2)х (1,1) 80 0,86 0,30 5,7.

Меньшую ошибку, равную 1,9, дала модель Хольта-Уинтерса, имеющая Rl=0,94 и R2=0,40. Интерес представляет сравнение двух моделей АРИСС и Олимп, которые имеют равные величины R2 (этот коэффициент характеризует ошибку аппроксимации). А величина коэффициента R1 для Олимп-модели больше, т. е. эта модель дает меньшую ошибку ретропрогноза, равную 5,7 в отличие от АРИСС с ошибкой 16.

Из выше изложенного можно сделать следующие выводы:

1) анализ и выбор прогнозных моделей целесообразно осуществлять по блокам моделей, сравнивая затем результаты исследований для отобранных моделей;

2) для определения лучшей по качеству модели рекомендуется наряду с расчетом обобщенного критерия качества проводить анализ предложенных коэффициентов корреляции R1 и R2. Более высокое значение этих коэффициентов соответствует более высоким объясняющим свойствам прогнозной модели и меньшей ошибке ретропрогноза.

3) В ряде случаев для уменьшения времени и трудоемкости расчетов можно ограничиться лишь исследованием значения R2, не строя ретропрогноз для определения значения R1. Исследования показали, что между R1 и R2 существует однозначная зависимость: большему значению R2 соответствует большее значение R1. Таким образом, не выполняя ретропрогноза, можно уже более определенно судить о прогнозных свойствах подобранных моделей.

3.3. Исследование перспективного положения кредитных организаций на основе разработанных прогнозных моделей.

Итак, по результатам построения ретропрогноза для каждого исследуемого показателя определена лучшая с точки зрения качества модель. В большинстве случаев для анализа финансовых показателей, представленных тренд-сезонными временными рядами, лучшей по характеристикам является модель Хольта-Уинтерса. Используя полученные результаты для каждой модели, осуществлено построение прогнозных значений на 3 месяца вперед. Результаты исследований приведены в таблицах 1−4 (Приложения III). Некоторые выдержки из этих расчетов для четырех банковских организаций имеют следующий вид (см. табл. 3.4).

Имея перспективную оценку величин финансово-экономических показателей, можно, используя метод финансовых коэффициентов, оценить и перспективное положение кредитной организации в целом.

Используя данные финансового положения банковской организации за период с 01.01.98 по 01.08.98 и применяя для оценки состояния кредитной организации метод коэффициентов, были найдены следующие показатели:

— коэффициент финансовой независимости К1, равный отношению собственных средств банка к валюте баланса;

— коэффициент финансовой маневренности К2, равный отношению суммы прибыли и собственного капитала к величине собственных средств;

— коэффиъ^иент кредитной активности КЗ, характеризующий отношение величины кредитных вложений к обязательствам банка;

— коэффициент рискованности К4, определяющий долю собственных средств в общем объеме кредитных вложений;

— коэффициент устойчивости К5, равный отношению суммы прибыли и собственных средств к активам банка;

ЗАКЛЮЧЕНИЕ

.

В процессе диссертационного исследования были получены следующие теоретические и практические результаты:

1) исследованы теоретико-экономические аспекты функционирования банковских учреждений;

2) выявлены факторы, влияющие на деятельность кредитных организаций, что позволило разработать аналитические и прогнозные модели, характеризующие деятельность этих структур;

3) обоснована необходимость и возможность применения к анализу финансового положения кредитных организаций интегрированного подхода, базирующегося на сочетании возможностей экономико-математических методов и современных компьютерных технологий;

4) разработаны прогнозные модели, позволяющие оценить перспективное положение кредитных организацийвыполнено построение графических моделей, позволяющих в наглядной форме осуществлять сравнительный анализ разработанных моделей;

5) осуществлен комплексный структурный анализ существующих методов и критериев оценки качества прогнозных моделей, проведено исследование требований, предъявляемых к статистическим оценкам параметров моделей;

6) выполнен аналитический обзор современных компьютерных технологий, позволяющих программным путем осуществлять управление и контроль за деятельностью кредитных учреждений;

7) на основе проведенных исследований предложена модификация методики оценки качества прогнозных моделей краткосрочного прогнозирования;

8) разработаны и предложены к использованию новые критерии оценки качества прогнозных моделей, позволяющие с большей степенью уверенности осуществлять выбор действительной лучшей по качеству прогнозной модели;

9) на основании построенных прогнозных моделей осуществлен анализ перспективного положения кредитных организаций;

10)выполнена сравнительная оценка тенденций изменения финансовых коэффициентов, характеризующих текущую и перспективную деятельность банковских учреждений;

11) разработан и рекомендован к выполнению комплекс мер, направленных на повышение эффективности деятельности кредитных организаций;

12) практическая значимость разработанной методики и предложенных критериев оценки качества математических моделей подтверждена успешным применением в повседневной работе аналитиков банковских организаций. Полученные результаты использованы руководством для совершенствования управления и повышения эффективности деятельности кредитных организаций в целом.

Показать весь текст

Список литературы

  1. С.А., Енкжов И. С., Мешалкин Л. Д. Прикладная статистика: Исследование зависимостей/ Справ, изд. М.: Финансы и статистика, 1985.-487 с.
  2. С.А., Енкжов И. С., Мешалкин Л. Д. Прикладная статистика: Основы моделирования и первичная обработка данных/ Справ, изд. М.: Финансы и статистика, 1983. 471 с.
  3. Т. Статистический анализ временных рядов. М.: Мир, 1976 -755 с.
  4. .И. Рынок ценных бумаг. Введение в фондовые операции. Самара: СамВен, 1992. 168 с.
  5. А.И. Прогнозирование роста социалистической экономики. М.: Экономика, 1973. 235 с.
  6. Анализ и моделирование экономических процессов. Горьковский университет им. Н. И. Лобачевского. Межвузовский сборник. Горький, 1987.-134 с.
  7. С.Д., Крицмен М. П. Количественные методы финансового анализа.М.: ИНФРА-М, 1996. 329с.
  8. Дж., Дженкинс Г. Анализ временных рядов. Прогноз и управление. М.: Мир, 1974, вып.2 406 с.
  9. В.А. Ценные бумаги. М.: Гуманитарное знание, 1993. -173 с.
  10. С.М. Основы комплексного прогнозирования. М.: Наука, 1977.328 с.
  11. Вопросы математико-статистического анализа краткосрочных процессов. Под ред. Т. В. Рябушкина. М.: изд-во ЦЭМИ АН СССР, 1977. 425 с.
  12. К., Хатанака М. Спектральный анализ временных рядов в экономике. М.: Статистика, 1972. 312 с.
  13. А.А., Орлова И. В. Компьютерные экономико-математические модели. М.: ЮНИТИ, 1995. 134 с.
  14. Н.А., Френкель А. А. Статистические проблемы экономического прогнозирования // Статистические методы анализа экономической динамики: Ученые записки по статистике. Т.46, М.:Наука, 1983. -с.9−48.
  15. Г. Л. Руководство по использованию метода наименьших квадратов в экономико-статистических расчетах. Московский институт народного хозяйства им. Плеханова, М., 1974. 140 с.
  16. Е.З. Линейная и нелинейная регрессия. М.: Финансы и статистика, 1981. 302 с.
  17. Денежное обращение и кредит при капитализме. Под ред. Красавиной Л. Н., М.: Финансы и статистика, 1989 367с.
  18. Ю.А. Международные требования к банковской бухгалтерской информации. Бухгалтерия и банки, № 12, 1998. с. 15−17.
  19. Е.М. Как повысить устойчивость коммерческих банков. Банковское дело, № 5, 1999. с. 26−28.
  20. Г. В. О методах оценки кредитного риска. Деньги и кредит, № 6, 1999.-с. 31−37.
  21. М.Р., Ипатова И. М. Изучение временных рядов и прогнозирование. М.: Экономика, 1977.-408 с.
  22. Е.Ф. Ценные бумаги и фондовые рынки. М.: ЮНИТИ, 1995. -223 с.
  23. Е.Ф. Банки и банковские операции. М.: ЮНИТИ, 1997.- 471 с.
  24. Е.Ф. Деньги .Кредит. Банки. М.: ЮНИТИ, 1999. 623 с.
  25. А.И. Инвестиции и ликвидность банка. Деньги и кредит, № 6, 1998.-с. 45−49.
  26. С.А. Экономические модели и методы в управлении. М.:Дело и сервис, 1998.- 176 с.
  27. А.И. Инвестиции и ликвидность банка. Финансы, № 4, 1999.-с.45−49.
  28. О.О. и др. Математические методы в экономике. М.: Финансы и статистика, 1989. 302 с.
  29. Закс JL Статистическое оценивание. М.: Статистика, 1976. 598 с.
  30. В.М. Точность статистических оценок. Байесовский подход, М.: МЭСИ. 1981.-53 с.
  31. Л.Н., Иванов A.JI. Совершенствование финансовой информации для экпресс-анализа банковской деятельности. Банковский учет и анализ, 1999. с.11−15.
  32. М.Д., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. 736 с.
  33. О.П. Изучениме статистических зависимостей по многолетним данным. М.: Финансы и статистика, 1981. 136 с.
  34. Н.Е., Кузьмин В. И. Точность экономико-математических моделей. М.: Финансы и статистика, 1981 255 с.
  35. Г. С., Френкель А. А. Анализ временных рядов и прогнозирование. М.: Статистика, 1973. -103 с.
  36. А.И., Кремер Н. Ш., Савельева Т. И. Математические методы и модели в планировании. М.: Экономика, 1987. 240с.
  37. Л.Н. Многофакторное прогнозирование на основе рядов динамики. М.: Статистика, 1980. 102 с.
  38. А.П. Методы и средства анализа данных в среде WINDOWS. STADIA 6.0. М.: Информатика и компьютеры, 1998.-269 с.
  39. . Поиск оптимальных решений средствами Excel 7.0. BHV-Санкт-Петербург, 1997. 384 с.
  40. B.C. Оценка надежности банка. М.: Известия, № 233, 1995.
  41. А.Л. Финансовым аналитикам на заметку. Бухгалтерия и банки, № 2, 1999. с. 33−36.
  42. А.А. Использование показателей финансовой устойчивости при анализе кредитоспособности клиентов банка. Деньги и кредит, № 1. 1999.-с. 30- 34.
  43. А.А., Лунтовский Г. И. Глобализация финансовых рынков и ее воздействие на банковскую систему России. Деньги и кредит, № 5, 1999. с. 3−7.
  44. О.Г. Анализ процентной прибыли коммерческого банка. Деньги и кредит, № 3, 1999. с.45−50.
  45. Ю.П. Адаптивные методы краткосрочного прогнозирования. М.: Статистика, 1979. 254 с.
  46. Ю.П. Линейная регрессия с переменными параметрами. М.: Финансы и статистика, 1992. 250 с.
  47. Е.М. Адаптивные эконометрические модели. Новосибирск: Наука, 1981.-223 с.
  48. В.А. О достоверности прогнозов. М.: Знание, 1979. 64 с.
  49. Р.Ш., Ширяев А. Н. Статистика случайных процессов. М.: Наука, 1974. 196 с.
  50. К.Д. Методы прогнозирования экономических показателей. М.: Финансы и статистика, 1986. 132 с.
  51. И .Я. Анализ финансовых операций. М.: Финансы, ЮНИТИ, 1998.- 128 с.
  52. Г. И. Проблема оздоровления коммерческих банков: российской практика и зарубежный опыт. Банковское дело, № 2, 1999. -с. 8−13.
  53. Методологические проблемы анализа и прогноза краткосрочных процессов. Под ред. Рябушкина Т. В. и Френкеля А. А., М.: Наука, 1979. 328 с.
  54. М.М. Экономико-математические методы и модели в планировании и управлении. М.: Высшая школа, 1990. 208 с.
  55. О. О точности экономико-статистических наблюдений. М.: Статистика, 1968. 315 с.
  56. А.Г., Огнивцев С. Б. Финансовый рынок и системный подход к анализу рынка корпоративных ценных бумаг. Деньги и кредит, № 10, 1998.-с. 46−52.
  57. Ю.В., Кролли Л. О. Риски в международной банковской деятельности. Бухгалтерия и банки, № 11, 1998. с. 17−23.
  58. И .Я. Проблемы реформирования банковской системы России. Банковское дело, № 2, 1999. — сЛ5−17.
  59. Н.П. Страхование финансовых рисков. Банковское дело, № 5, с.29−30.
  60. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник/ А. И. Харламов, О. Э. Башина, В. Т. Бабурин и др.- Под ред. А. А. Спирина, О. Э. Башиной. М.: Финансы и статистика. 1994. 296 с.
  61. И.В. Оценка доверительных границ контрольного следящего сигнала методом Монте-Карло / Применение методов вычислительной математики в экономических исследованиях. М.: МЭСИ, 1983.-с.24−31.
  62. В.А. Анализ и прогнозирование транспортной работы морского флота. М.: Транспорт, 1983. -223 с.
  63. В.А., Скучалина Л. М. Методы и модели экономического прогнозирования. М.: МЭСИ, 1981. -78 с.
  64. М.А. Внутренний анализ финансового состояния банка. Банковское дело, № 5, 1999. с. 18 — 25, № 6, 1999.- с.34−39.
  65. Т.В., Симчера В. М., Машихин Е. А. Статистические методы и анализ социально-экономических процессов. М.: Наука, 1990. 293 с.
  66. Т.В., Френкель А. А. Статистические методы анализа экономической динамики. М.: Наука, 1983. 392 с.
  67. О.Л. Сбалансированность финансово-банковской системы и активизация кредитования реального сектора экономики. Деньги и кредит, № 8, 1998. с. 75−80.
  68. Статистическое моделирование и прогнозирование: Учеб. пособие/ Г. М. Гамбаров, Н. М. Журавель, Ю. Г. Королев и др.- Под ред. Гранберга А. Г. М.: Финансы и статистика, 1990. 383 с.
  69. В.М., Едронова В. Н., Сафронова В. П. Статистика рынка ценных бумаг. М.: ВЗФЭИ, 1993. -146 с.
  70. Н.Э. Структура и качество активов банка. Банковский учет, № 9, 1998.-с. 23−29.
  71. Т. Современные инструменты анализа оперативной финансовой информации. Рынок ценных бумаг, № 5, 1998. с. 46−48.
  72. О., Матвеева Е. Кредитный портфель банка: оценка рисков. Рынок ценных бумаг, № 12, 1999. с. 85 — 87.
  73. Г. Экономические прогнозы и принятие решений. М.: Статистика. 1971.-487 с.
  74. В.А. Корректность экономико-математических моделей. Киев: Наукова думка, 1989. 175 с.во.Тосунян Г. А. Государственное регулирование банковского сектора -уроки кризиса. Банковское дело, № 6, 1999. с. 2−5.
  75. Ю.Н., Макаров А. А. Статистический анализ данных на компьютере. М.: ИНФРА-М, 1998. 528 с.
  76. Т.Дж., Паррамоу К. Количественные методы в финансах. М.: ЮНИТИ, 1999.-527 с.
  77. А.А. Прогнозирование производительности труда: методы и модели. М.: Экономика, 1989.-214 с.
  78. А.А. Математические методы анализа динамики и прогнозирования производительности труда. М.:Экономика, 1972.-189 с.
  79. А.А. Прогноз социально-экономического развития России на 1999 год. Банковское дело, №> 3, 1999. с.18−25.
  80. М.А. Модели оценки финансового состояния коммерческих банков. Рынок ценных бумаг, № 9, 1999. с. 14−16.
  81. А.Б. О производных финансовых инструментах. Финансы, № 4, 1998.-с. 45−48.
  82. Э. Многомерные временные ряды. М.: Мир, 1974. 575 с.
  83. А.А. Управление рисками банков: научно-практический аспект. Деньги и кредит, № 6, 1999. с. 38−43.
  84. Е.М. Статистические методы прогнозирования. М.: Статистика, 1975.-184с.
  85. Т.Б. Некоторые вопросы оценки финансового состояния российских коммерческих банков. Бухгалтерия и банки, № 3, 1997. с. 3−9.
  86. У., Александер Г., Бэйли Дж. Инвестиции. М.: ИНФРА-М, 1997. -30 с.
  87. Ю.Н. Экспресс-анализ банковского баланса. М.: Банковское дело,№ 3, 1999.-с. 13−17.
  88. Аудиторская компания «Росэкспертиза «. Программные продукты серии ОЛИМП. СтатЭксперт. Руководство пользователя. М.: ЦИСН, 1996.- 196с.
  89. М., Стэнсфилд Р. Методы принятия решения. М.: ЮНИТИ, 1997.-590 с.
  90. Granger C.W.J. Combining Forecasts Twenty Years Later — Journal of Forecasting, 1989, № 33.
  91. Clemen R.T., Winkler R.T. Combining economic forecasts Journal of Business and Economic Statistics, 1986, vol.4.
  92. Gupta S., Wilton P. Combination of forecasts: an extension Management Science, 1987, vol. 33, № 3.
  93. Makridakis S., Winkler R. Averages of Forecasts: Some empirical results-Management Science, 1983, vol.29, № 9.
Заполнить форму текущей работой