Формирование методики оценки доходности банковских операций с драгоценными металлами в современных условиях

Особое значение в условиях продолжающейся глобализации международных рынков и создания новых мировых центров производства приобретает и рынок драгоценных металлов, становление и развитие которого, связано с накоплением золотовалютных резервов, которые имеют первостепенное значение для стабилизации экономики и обеспечения дальнейшего устойчивого экономического роста страны.

Экономическое значение золота определяется его ролью основного валютного металла в мировой экономике.

Рынки драгоценных металлов — специальные центры торговли драгоценными металлами, где осуществляется регулярная купля-продажа по рыночной цене в целях промышленно-бытового потребления, частной тезаврации, инвестиций, страхования риска, спекуляции, приобретение необходимой валюты для международных расчетов. [6].

По прошествии более тридцати лет со времени отказа мирового сообщества от использования золота в качестве прямого средства расчетов и платежей, определившего его в качестве товара, благородный металл не только не исчез из сферы финансов, но в значительной степени подорожал, подтвердив свойство реальной, а не номинальной стоимости. Этому способствовала глобализация мировой экономики и ее финансового сектора. Вместе с тем, не лишенная недостатков современная монетарная система неоднократно подвергалась давлению как со стороны правительств, не всегда добросовестно выполняющих своифункции, так и со стороны корпораций, часто ведущих спекулятивные игры на рынке международных валют. Результатами такого давления нередко становились локальные или межгосударственные кризисы национальных экономик, образующие гиперинфляцию, рост неплатежей по долговым обязательствам и банкротство финансовых учреждений. Поэтому, не смотря на то, что золото в ходе демонетизации утратило основные денежные функции и покинуло денежное обращение в рамках международных расчетов, оно стало часто использоваться хозяйствующими субъектами и населением как высоколиквидный финансовый актив, традиционно используемый в целях сбережения и накопления капитала, особенно в периоды волатильности экономико-политической ситуации, как в мире, так и внутри государства. Отрицательная корреляция цен на золото и курса доллара США позволяет хеджировать капитал на случай неблагоприятных изменений на рынке валют и финансовых активов, что в современных условиях ожидания снижения курса доллара США, в немалой степени определяет инвестиционную привлекательность золота.

В процессе развития финансового сектора экономики, биржевого и банковского дела золото, выступая в роли международного финансового актива, прошло существенный путь эволюции, обусловивший постепенное развитие его новых форм и модификаций, однако предназначение этого драгметалла — способствовать сохранению покупательной способности денег в противовес инфляции осталось неизменным. В процессе демонетизации золото из категории «естественных денег» перешло в категорию финансовых активов и одновременно биржевого товара, имеющего промышленное применение.

Монетарное значение золота определило в качестве основных агентов обращения драгоценного металла банковские организации, что впоследствии позволило им занять превалирующее положение на сформировавшемся мировом рынке золота. В одних странах обращение золота осуществляется в большей степени биржами (США), а в других — банками (Россия), но вместе с тем, последние в подавляющем большинстве случаев оперируют золотом как финансовым инструментом особого направления банковского бизнеса по реализации продуктов и услуг в драгоценных металлах. В целом золото является финансовым инструментом рынка капиталов, где им оперируют как банки, так и другие финансовые организации в рамках своей компетенции.

Сегодня в мире существует достаточно большой спектр биржевых и банковских инструментов, способных целенаправленно реализовать финансовый потенциал золота, обусловленный спросом субъектов рынка, главным образом, институциональных и частных инвесторов. В основе этого спроса лежат инвестиционные, арбитражные либо хеджевые аспекты, объеденные единой целью сохранения стоимости и получения прибыли.

В периоды повышения значения золота в экономике и, как следствие, роста его ценовой конъюнктуры, что происходит в настоящее время, финансовый интерес к банковским продуктам и услугам, связанным с золотом у населения и субъектов хозяйствования, значительно повышается, что определяет актуальность развития банками этого направления бизнеса.

В международной банковской практике бизнес с золотом существенно развит, торговля золотом осуществляется в основном банками как напрямую, так и через специализированные торговые площадки — биржи.

Для отечественных банков золото представляет собой относительно новый и в условиях недостаточного развития внутреннего рынка драгоценных металлов перспективный финансовый инструмент, обеспечивающий привлечение сравнительно дешевых ресурсов, освоение принципиально новых схем взаимодействия с клиентами и получения дохода: В немалой степени это обусловлено тем, что для России как ведущей страны — продуцента золота, вопрос организации и эффективности банковских операций и сделок с золотом имеет принципиальное значение (национальный интерес) исходя из необходимости поддержания рентабельности золотодобычи и результативности использования природных ресурсов государства. Кроме того, инвестиции в золото со стороны населения и хозяйствующих субъектов могли бы существенно способствовать дедолларизации российской экономики.

Операции с золотом в последние годы обеспечивают более высокий уровень доходности, чем другие финансовые инструменты, что представляет существенный интерес для ' банковского сектораэкономики. Как долго сохранится такая тенденция, какие факторы ее-определяют и как они влияют на стратегические цели кредитных организаций? Ответ на эти вопросы требует серьезных научных исследований, поэтому заявленная тема диссертации является актуальной научной проблемой, которая имеет теоретическое и практическое значение.

Актуальность темы

исследования. В связи с кардинальными изменениями, произошедшими в отечественной экономике за последние годы, ее постепенной интеграцией в общемировую рыночную среду значение анализа общеэкономической конъюнктуры и конъюнктуры рынков существенно возрастает. Особенно важным представляется анализ мировых рынков драгоценных металлов.

Для анализа современных тенденций на российском и региональном рынках драгоценных металлов необходимо понимать особенности перехода золота от стадии добычи и потребления в торгово-финансовую систему.

В периоды повышения роли драгоценных металлов в экономике финансовый интерес к банковским продуктам и услугам значительно повышается, что определяет актуальность развития банками этого направления деятельности.

Состояние банковского сектора рынка драгоценных металлов определяется общим состоянием экономики страны, условиями осуществления предпринимательской деятельности, общим уровнем и характером распределения доходов в обществе, состоянием направления развития институциональной среды.

Анализ деятельности российских банков на внутреннем рынке драгоценных металлов подтверждает, что определяющим фактором для проведения операций с золотом, является общее финансовое положение банка и его территориальный аспект, который зависит от общего экономического состояния региона.

Банковские операции с драгоценными металлами в последние годы обеспечивают более высокий уровень доходности, чем другие финансовые инструменты, что представляет существенный интерес для банковского сектора.

Отсутствие методики формирования прогнозных оценок доходности банковских операций с драгоценными металлами и регионального воздействия рынка драгоценных металлов на банковский сектор определили актуальность избранной темы диссертационного исследования, ее значимость в теоретическом и практическом аспектах и направленность исследования.

Степень изученности темы. Изучению экономических и финансовых аспектов функционирования мирового рынка драгоценных металлов, посвящены научные труды отечественных и зарубежных ученых И. П. Боженко, С. М. Борисова, М. Ю. Бортника, А. М. Бугорского, В. И. Букато, С. В. Бурцева, Ю. В. Головина, Л. Н. Красавиной, И. С. Королева, М. X. Лапидуса, Т. Г. Лукьянова, Ю. И. Львова, Р. Била, П. Вилара, Т. Грина, Дж. Джеро, Бр. Кетеля, М. Крейга, Л. Роузена, П. Сарноффа, Дж. Синклера, Р. Уэстона, X. Шультца и др.

Проблемы формирования современного рынка драгоценных металлов в России, особенности регулирования и проведения банковских операций с драгоценными металлами исследуются в работах А. Э. Абалова, А. 3. Галлямовой, К. И. Кириленко, О. И. Лаврушина, И. В. Ларионовой, Г. Г. Матюхина, Л. П. Наумова, А. А. Тиурзиева, С. В. Устикова. Вопросы ценообразования и управления рисками банковской деятельности на рынке драгоценных металлов рассматриваются в работах А. О. Гончарова, О. Л. Вельской, С. В. Богданова, А. И'. Буренина, Ю. А. Шаталина.

Вместе с тем многие концептуальные и практические вопросы функционирования российского и регионального рынка драгоценных металлов остаются малоисследованными. Так же требуют дополнительного, более глубокого научного исследования методы оценки доходности банковских операций с драгоценными металлами.

Актуальность проблемы, степень ее научнойразработки и практической значимости определили выбор темы, цели и задач диссертационного исследования.

Цель и. задачи исследования: Целью исследования является разработка комплекса теоретических и методических вопросов оценки доходности банковских операций с драгоценными металлами и формирование методики анализа банковских операций с драгоценными металлами. В соответствии с целью исследования в работе поставлены следующие задачи, определившие структуру диссертации: систематизировать понятийный аппарат, уточнить базовые определения рынка драгоценных металлов, раскрыть экономическую сущность банковских операций с драгоценными металлами и принципы регулирования банковского сектора рынка драгоценных металловисследовать тенденции развития мирового и российского рынка драгоценных металловпровести классификацию отделений Сбербанка РФ Волго-Вятского региона по показателям доходности от операций с драгоценными металламидать сравнительный анализ операций с драгоценными металлами отделений Сбербанка Р Ф по Волго-Вятскому регионуопределить спектр основополагающих видов операций с драгоценными металлами, повышающих доходность банковских операций с драгоценными металлами отделений Сбербанка РФ Волго-Вятского регионаопределить основные направления развития рынка драгоценных металлов в Республике Марий Элпроанализировать влияние экономических и социальных факторов на доходность банковских операций с драгоценными металлами путем построения системы взаимосвязанных показателейпредложить краткосрочный прогноз доходности от совершения банковских операций с драгоценными металламиоценить вероятность-риска получения предполагаемого дохода от проведения банковских операций с драгоценными металлами отделений Сбербанка РФ Республики Марий Эл.

Область исследований. Диссертация соответствует п. 9.10. «Финансовые инновации в банковском’секторе», п. 9.16 «Новые банковские продукты: виды, технология создания, способы внедрения» и п. 9.20. «Разработка моделей определения цены и себестоимости банковских услуг и операций» Паспорта специальности 08.00.10 — «Финансы, денежное обращение и кредит».

Объектом исследования выступают банковские операции на рынке драгоценных металлов Сбербанка РФ по Волго-Вятскому региону и Республике Марий Эл.

Предметом исследования является совокупность количественных показателей, характеризующих российский региональный рынок банковских операций с драгоценными металлами.

Теоретическую и методологическую базу составили работы ведущих отечественных и зарубежных ученых в области общей теории оценки доходности деятельности банка, анализа и прогнозирования банковских операций.

Информационную базу исследования, составили данные и статистические материалы Центрального Банка Российской Федерации, Федеральной службы государственной статистики РФ и Территориального органа по Республике Марий Эл, отделения Сбербанка РФ по Республике Марий Эл, материалы, размещенные на официальных сайтах в Интернете, а также данные, опубликованные в научной литературе и периодической печати.

Научная новизна исследования заключается в теоретическом обосновании и решении комплекса вопросов по формированию методики оценки доходности банковских операций с драгоценными металлами. В процессе исследования сформулированы и обоснованы следующие результаты, выносимые на защиту:

• ' выявлены, основные тенденции развития рынка драгоценных металлов на основе' проведенного анализа его современного состояния и экономических основ функционирования;

• проведена типологизация стратегии выхода на рынок драгоценных металлов отделений Сбербанка РФ Волго-Вятского региона с учетом доходности отделений региона по банковским операциям с драгоценными металлами;

• уточнена классификация отделений Сбербанка РФ Республики Марий Эл по показателям планируемого и полученного дохода от операций с драгоценными металлами;

• предложена методика оценки системного риска получения запланированной доходности от операций с драгоценными металлами основанная на использовании дискриминантного анализа;

• выделены взаимосвязанные социально-экономические факторы, влияющие на доходность банковских операций с драгоценными металлами;

• разработана методика краткосрочного прогноза доходности банковских операций с драгоценными металлами на основе модели авторегрессии и скользящего среднего.

Теоретическая и практическая значимость. Основные положения и выводы диссертации направлены на совершенствование анализа проводимых операций с драгоценными металлами в банковской деятельности на российском рынке драгоценных металлов. В работе сформулированы предложения по развитию банковских услуг с использованием операций с драгоценными металлами;

Положения, выводы и практические рекомендации исследования представляют интерес для российских банков, осуществляющих операции с драгоценными металлами и планирующими расширять, свою деятельность на этом рынке. Практическая значимость состоит в возможности использования результатов исследования при выработке стратегии формирования банковской деятельности на рынке драгоценных металлов. Предложенная модель прогнозирования. доходности банковских операций с драгоценными металлами может стать составнойчастью методики их комплексного анализа в деятельности банка. Разработанные вдиссертации методы и методики прогнозирования, используются в практике анализа совершаемых операций с драгоценными металлами коммерческими банками на рынке драгоценных металлов. Материалы научного исследования используются в учебном процессе Марийского государственного университета. и.

Апробация результатов исследования. Основные положения диссертации рассматривались и получили одобрение на семи Всероссийских и региональных научно-практических конференциях преподавательского состава Марийского государственного университета, Марийского государственного технического университета и Московского государственного университета экономики, статистики и информатики: «Совершенствование интеграционных процессов в отраслях АПК» (Йошкар-Ола, 2003 г.) — «Основные направления стабилизации и укрепления экономики отраслей АПК» (Йошкар-Ола, 2004 г.) — «Стратегия развития отечественной экономики в конкурентной среде» (Йошкар-Ола, 2005 г.) — «Региональные аспекты экономики управления и права в современном обществе» (Йошкар-Ола, 2005 г.) — «Регион 2005. Социальные и экономические проблемы развития» (Йошкар-Ола, 2005 г.) — «Формирование инновационной стратегии развития экономики регионов России» (Йошкар-Ола, 2006 г.) — «Прикладные аспекты статистики и эконометрики» (Москва, 2006 г.).

Публикации. По теме диссертации опубликовано двенадцать научных работ, общим объёмом 2,74 п.л., (из них авторских — 2,64 п.л.), в том числе две из них опубликованы в ведущих рецензируемых научных журналах рекомендованных Высшей аттестационной комиссией.

Основные результаты факторного анализа выражены в наборе факторных нагрузок и факторных весов. Факторные нагрузки — это значения коэффициентов корреляции каждого из исходных выявленных факторов. Чем теснее связь данного факторного признака с рассматриваемым фактором, тем выше значение факторной нагрузки. Положительный знак указывает на прямую (а отрицательный знак — на обратную) связь данного признака с фактором. Факторы определяются как стандартизованные показатели с нулевым средним и единичной дисперсией. Поэтому положительные факторные веса соответствуют тем объектам, у которых степень проявления свойств больше средней, а отрицательные факторные веса соответствуют тем объектам, для которых степень проявления свойств меньше средней.

Для нашего набора признаков строится двухфакторная модель, а затем объекты ранжируются по шкале измерения факторных весов. Данные о факторных нагрузках позволяют сформулировать выводы о наборе исходных признаков, отражающих тот или иной фактор и относительном весе отдельного факторного признака в структуре каждого фактора. Значение факторных весов можно рассматривать как значение индекса, характеризующего уровень развития объекта в рассматриваемом аспекте.

Дополнительное выделение подмножества значимых коэффициентов (прил. 5), объясняется стремлением к более простой структуре главных компонент, легче поддающейсяинтерпретации. Выделение необходимых подмножеств весовых коэффициентов для каждой из построенных главных компонент проводилось на основе простой визуальной оценки аналитических результатов — брались только те весовые коэффициенты, чьи абсолютные значения превышали 0,7.

В первый фактор, самый многочисленный по составу выделенных признаков, попали х8, х9, х}2, х13. Коэффициент информативности подтверждает существенный состав этой главной компоненты {К1П= 0,91). Первую главную компоненту можно назвать «Спрос».

Во второй главной компоненте выделились показатели и .х6, они характеризуют потребление золота в слитках, что определило название этого фактора как «Потребление». Значение коэффициента информативности (КИ2=0,66) дает основание утверждать, что состав выделенных признаков компоненты надежен.

В третий фактор попала одна переменная х,. Коэффициент информативности подтверждает существенный состав этой главной компоненты {Кт = 0,62). Третью главную компоненту можно назвать «Добыча».

На следующем этапе диссертационного исследования полученные главные компоненты использовались для построения прогнозной модели, оценивающей формирование цены на золото на Лондонской бирже.

Для выявления значимых факторов, влияющих на формирование цены золота на Лондонской бирже, были построены. уравнения линейной множественной регрессии. Модельное уравнение приняло следующий вид:

9 =503,63+130,80fx +14,61 f2+ll, 54 /3 (3.1).

Анализ уравнения показывает, что при увеличении Потребления на 14,61 млн. долларов США будет наблюдаться рост цены золота на Лондонской бирже на 1 тр. унцию/доллар США.

— коэффициенты позволили оценить вклад каждого показателя в изменение курса золота Лондонской биржи и показали, что изменение Спроса на 1 млн., долларов повлечет за собой увеличение курса золота на 0,96 тр. унцию/доллар США.

Для построения прогнозной модели курса золота Центрального банка РФ была выбрана данная независимая переменная потому, что Центральный Банк РФ устанавливает курсы иностранных валют, таких как доллар США и.

Евро, которые имеют обращение на территории РФ и курсы драгоценных металлов.

Прогнозная модель имеет вид: =286,16 + 0,76ух -177,96×14 (3.2).

Курс Центрального банка РФ увеличится на один рубль/грамм при увеличении цены золота на Лондонской бирже на 0,76 тр. унция/доллар США.

Первоначальное построение изолированных уравнений регрессии, показало наличие в моделях незначимых факторов. Методом исключения из уравнений эти факторы были удалены без потери информативности и со значительным улучшением достоверности, в результате чего были получены следующие уравнения.

Построение модельного уравнения для прогнозирования сбережений и накоплений населения Республики Марий Эл, которое выявило зависимость их от четырех значимых показателей.

35,517+0,004×16 — 0,360хХ1. 0,637×18−0,554×19 (3.3).

Анализируя полученные значения коэффициентов видно, что к увеличению сбережений приводит увеличение средней заработной платы изменение данного показателя — - на один рубль увеличит объем сбережений на 0,55%), снижение всех остальных факторов вызовет уменьшение прогнозируемого признака.

Прогнозная модель курса продажи золота Сбербанком РФ по Республике Марий Эл имеет вид: $ 4 =84,98+0,64у2+0,04×15 (3.4).

Анализируя полученное уравнение видно, что увеличение доходов населения Республики Марий Эл на 0,04 рубля приведет к росту курса продажи золота Сбербанком РФ на один рубль/грамм.

Прогнозная модель доходности операций с драгоценными металлами Сбербанком РФ по Республике Марий Эл имеет вид: fb =-364,75 — 0,19×23 +0,02×24 +1,31 У4 (3.5).

Анализ данного уравнения позволяет сделать выводы — с ростом курса продажи золота, установленного Сбербанком РФ Республики Марий Эл, на 1,31 рубль/грамм доход от операций с драгоценными металлами Сбербанка РФ Республики Марий Эл возрастет на одну тыс. рублей.

Самое сильное влияние на доходность банка от операций с драгоценными металлами несет факторный признак х24, отражающий продажу золота на обезличенные металлические счета, связанное с увеличением привлекательности данного вида вклада среди населения республики. Рост значения У4, характеризующего курс продажи золота Сбербанком РФ по республике, также очень значительно увеличивает доход от операций с драгоценными металлами.

Критериальные оценки надежности и информативности полученных трех уравнений (3.1- 3.2- 3.3- 3.4- 3.5) представлены в (прил. 6).

Оценка уравнений показала то, что уравнения очень хорошо подобраны и могут быть использованы для оценки прогнозируемых величин.

При использовании отдельных уравнений регрессии предполагалось, что факторы, использованные для построения уравнений можно изменять независимо друг от друга. Однако это предположение является очень грубым: изменение одной переменной не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков. Следовательно, отдельно взятое уравнение множественной регрессии не может характеризовать истинные влияния отдельных признаков на вариацию результирующей переменной. В ходе исследования была поставлена задача описания структуры связей между переменными. Тем самым подчеркивается, что в системе одни и те же переменные одновременно рассматриваются как зависимые в одних уравнениях и как независимые в других.

Уравнения содержат эндогенные и экзогенные переменные.

Эндогенными переменными в уравнениях являются ух, у2, Уз, У4, У5. Это зависимые переменные, число которых равно числу уравнений. Экзогенные переменные — х14, х]5, х16, х17, х18, хх9, х23, х24, /ь /2. Это предопределенные переменные, влияющие на эндогенные переменные, но не зависящие от них.

Как отмечалось ранее, в настоящее время существует не так много методик оценки основных показателей рынка драгоценных металлов и деятельности на нем банковского сектора. Наиболее распространенной методикой построения точечных оценок является корреляционно-регрессионный анализ. Данная методика имеет ряд преимуществ и недостатков. Несмотря на то, что результаты корреляционно-регрессионного анализа достаточно легко интерпретируемы, просты в использовании, расчет значений может осуществляться лишь экономистом — специалистом высшей категории (имеющим высшее образование).

Практически все показатели, характеризующие операции банковского сектора на региональном рынке драгоценных металлов, оказывают влияние друг на друга, то есть изменение одной переменной не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков. В связи с этим была предложена методика построения точечных прогнозов при помощи системы уравнений, позволяющая учитывать, в отличие от изолированных уравнений регрессии, взаимосвязь между экзогенными переменными.

Построение системы структурных уравнений позволило глубже изучить причины связи, лежащие в основе вариации результирующих переменных. При этом были выделены и оценены косвенные (опосредованные) и непосредственные (прямые) влияния признаков. Построенная модель позволяет делать оценки, касающиеся доходности операций с драгоценными металлами Сбербанком РФ в Республике Марий Эл, основанные на одиннадцати показателях рынка драгоценных металлов и рынка труда с учетом взаимного влияния прогнозируемых величин друг на друга. При этом она также как и изолированные уравнения легка в использовании и просто интерпретируется.

3.2 Прогнозирование доходности банковских операций с драгоценными металлами.

Прогноз доходов необходим компании не для определения будущих финансовых показателей, а для разработки стратегии и тактики на прогнозный период. Нужно помнить, что прогноз — не самоцель. Поэтому методы прогнозирования не должны быть особо точными, а должны лишь корректно отражать специфику бизнеса и верно указывать направления управленческих решений, принимаемых компанией.

Все методы прогнозирования, используемые при анализе, можно разделить на экспертные и статистические. Рассмотрим эти методы подробнее.

При использовании экспертных методов проводится опрос группы специалистов (экспертов). В роли экспертов внутри компаний выступают, как правило, топ-менеджеры — генеральный, коммерческий, финансовый директора, директор по производству и т. д. В качестве внешних экспертов могут выступать консультанты, финансовые аналитики, маркетологи, занимающиеся исследованиями рынков, и другие специалисты.

Такие методы. прогнозирования используют практически все компании, однако больше они подходят для оценки развития нестабильного рынка, который сложно описать с помощью математических формул и зависимостей, а также для долгосрочного прогнозирования. Успешность применения экспертных методов зависит от количества и квалификации экспертовкоторых удается привлечь к работе.

Если рынок относительно предсказуем и компания располагает данными о предыдущей динамике прогнозируемого показателя или же о динамике факторов, которые на него влияют, то для краткоили среднесрочного прогнозирования целесообразно использовать статистические методы. Эти методы основаны на предположении, что в будущем анализируемый показатель будет изменяться по тем же законам, что и в прошлом. Статистические методы различной сложности используют практически все рыночно ориентированные компании, применяя при этом либо программное обеспечение MicroSoft Excel, либо специализированные статистические программы (SPSS, Statistica и т. д.).

Рассмотрим два статистических метода — построение тренда и метод цепных индексов. Построение тренда. Большая часть статистических методов прогнозирования основана на построении тренда, то есть математического уравнения, описывающего поведение прогнозируемого показателя. Наиболее распространенным примером такого уравнения является зависимость объема продаж от времени. Динамика показателя может описываться как прямой линией (линейный тренд), так и кривой (нелинейный тренд). При построении уравнений линии нужно руководствоваться следующими правилами:

1) если нужно определить только общую тенденцию или сравнить темпы роста различных показателей, можно ограничиться линейным трендом;

2) если продажи растут «лавинообразно» (например, когда товар входит в моду), используют экспоненциальный тренд. Однако такой метод можно использовать лишь для краткосрочных прогнозов: столь стремительный рост в большинстве случаев не может быть длительным, так как в конкурентной отрасли увеличение спроса вызовет рост предложения со стороны конкурирующих компаний. Поэтому уже в следующем плановом периоде тренд придется пересмотреть;

3) если в объеме продаж наблюдаются сезонные колебания (например, по временам года), используют полиномиальный тренд;

4) если продажи сначала росли, а потом стабилизировались на некотором уровне или, наоборот, сначала были высокими, а потом сократились, то новый устойчивый уровень определяется при помощи логарифмического тренда.

Помимо времени в уравнение линии тренда могут входить предыдущие значения прогнозируемого показателя (авторегрессия), усредненные значения (метод скользящего среднего) и т. д. Иногда прогнозируемая величина не является однородной. Например, объем продаж строительной компании может зависеть от количества рекламы, объема ипотечного кредитования и даже от внутреннего валового продукта (ВВП). Тогда в уравнение тренда включаются значения влияющих на нее величин (возможно, со сдвигом во времени) с некоторыми коэффициентами (множественная регрессия).

Одной из важнейших составляющих процесса прогнозирования деятельности коммерческих организаций и банка в частности является анализ такого фактора как доход. Прогноз дохода в банковской сфере крайне необходим для определения правильности стратегического и тактического развития деятельности банка.

Для того чтобы реально оценить изменение получаемого дохода и выбрать правильную стратегию действий, необходимо проанализировать развитие процесса во времени и лишь на основании этого можно строить прогноз.

Выбор метода прогнозирования и его эффективность зависят от многих условий, и в частности, от требуемой длины или времени прогнозирования:

Краткосрочный прогноз. Краткосрочный прогноз характеризует собой прогноз «на завтра», т. е. прогноз на несколько шагов вперед. Если подходить более формально, то под этим понятием понимается построение прогноза не более чем на 3 процента от наблюдений или на 1−3 шага вперед. Для данного типа прогнозов применяют практически все известные методы: экспоненциальное сглаживание — достаточно простой тип моделей, основывающийся на сглаживание и прогнозирование тренда с или-без сезонной составляющей. АРПСС (ARIMA) — является обобщением методов экспоненциального сглаживания и позволяет строить, более точные прогнозы. Данный метод фактически замыкает набор линейных методов. Нейронные сети — это раздел искусственного интеллекта, в котором для обработки сигналов используются явления, аналогичные происходящих в нейронах живых существ. Важнейшая особенность сети, свидетельствующая о ее широких возможностях и огромном потенциале, состоит в параллельной обработке информации всеми звеньями. Другое важное свойство — способность к обучению и обобщения накопленных знаний. Натренированная на ограниченном множестве данных сеть способна обобщать полученную информацию и позывать хорошие результаты на данных, не использовавшихся в процессе обучения. Для получения более полной информации о методах построения краткосрочных прогнозов необходимо рассматривать классификацию методов по длине истории временного ряда.

Среднесрочный прогноз. Под среднесрочным прогнозом, как правило, понимают прогноз на 3−5 процентов от объема наблюдений, но не более 7−12 шагов вперед. Также зачастую под этим понятием используют прогноз на один или на половину сезонного цикла. Для данного типа прогнозов применяют модели АРПСС и экспоненциального сглаживания, которые позволяют отслеживать качество прогноза в зависимости от его срока.

Долгосрочный прогноз. При построении данного типа прогнозов стандартные статистические методы практически не используются, кроме случаев очень «хороших» рядов, для которых прогноз можно просто «нарисовать».

Поэтому выбор метода прогнозирования следует производить с учетом всех специфических особенностей, как целей прогноза, так и анализируемого временного ряда.

Для проведения подобного исследования можно использовать методы анализа данных, представленных в виде временных рядов./ ь Наибольший интерес представляет модель АРПСС, которая включает в.

1 себя два процесса: процесс авторегрессии и процесс скользящего среднего.

Процесс авторегрессии заключается в том, что большинство временных рядов содержат элементы, которые последовательно зависят друг от друга. Такую зависимость выражает следующее уравнение: xt = % + p+ Ргх{1−2) Ръх (1-ъ) +••• + ?¦ q g) где ^ - константа (свободный член), /7″ 'Рз — параметры авторегрессии.

Каждое наблюдение — есть сумма случайной компоненты (случайное воздействие, и линейной комбинации предыдущих наблюдений. В отличие от процесса авторегрессии, в процессе скользящего среднего каждый элемент ряда подвержен суммарному воздействию предыдущих ошибок. В общем виде это можно записать следующим образом: х, = ц + е, 1) ~Яз?(1-з) ~ —.

3.7) где V — константа, ^'^'Уз — параметры скользящего среднего.

Из формулы видно, что текущее наблюдение ряда представляет собой сумму случайной компоненты в данный момент и линейной комбинации случайных воздействий в предыдущие моменты времени (случайное воздействие,(е). [121].

Задача диссертационного исследования на данном этапе состояла в том, чтобы по значениям имеющихся наблюдений, полученных к данному моменту времени, определить тенденции и направления изменений в ближайшее время.

Расчет прогнозных величин динамики доходов от совершения операций с драгоценными металлами Отделения Сбербанка Республики Марий Эл на основе данных за пять лет (начиная с 2003 и по 2007 год).

График временного ряда, описывающего динамику доходов от совершения операций с драгоценными металлами и монетами из них отделения Сбербанка РФ в Республике Марий Эл по месяцам с 2003 по 2007 год имеет большую дисперсию и явный тренд (прил. 7).

Необходимым условием применения АРПСС является условие стационарности временного ряда. Это означает, что его среднее постоянно, а выборочные дисперсии и автокорреляция не меняются во времени.

График автокорреляционной функции, подтверждает нестационарность ряда (прил. 8).

Для стабилизации дисперсии обычно берут разности ряда до тех пор, пока он не станет стационарным, также применяют логарифмическое преобразование. Число разностей, которые берутся для достижения стационарности, определяется порядком разности. Чтобы определить этот порядок, нужно исследовать график ряда и автокоррелограмму. Сильные изменения уровня (сильные скачки вверх или вниз) обычно требуют взятия несезонной разности первого порядка. Сильные изменения наклона требуют взятия разности второго порядка. Сезонная составляющая требует взятия соответствующей сезонной разности. Если имеется медленное убывание выборочных коэффициентов автокорреляции в зависимости от лага, обычно берут разность первого порядка.

Для стабилизации дисперсии ряда были взяты первые разности с лагом 1. График преобразованного ряда приведен на рис. 3.1.

О 5 10 15 20 25 30 35 40 45 50 Рис. 3.1 График преобразованного ряда динамики дохода.

После применения к ряду вышеуказанных преобразований, его дисперсия значительно снизилась. Теперь проверим ряд на стационарность. Для этого рассмотрим автокорреляционную и частную автокорреляционную функции преобразованного ряда, а так же сравним диаграмму плотности распределения преобразованного ряда с графиком нормального распределения (прил. 11).

Критерием стационарности ряда является отсутствие ярко выраженного тренда на графике ряда, тенденция к затуханию автокорреляционной и частной автокорреляционной функции, а также подобие гистограммы распределения плотности вероятности ряда нормальному распределению.

Все эти условия выполняются, таким образом, можно считать преобразованный ряд стационарным.

После операции приведения ряда к стационарному производится идентификация модели. Определяется, является ли эта модель моделью авторегрессии, скользящего среднего или смешанной моделью, определяется количество параметров и их оценка. Основными инструментами идентификации модели являются графики, автокорреляционная функция (АКФ), частная автокорреляционная функция (ЧАКФ). Большинство встречающихся на практике временных рядов можно с достаточной степенью точности аппроксимировать по виду автокорреляционной и частной автокорреляционной функции:

• Один параметр авторегрессии (р): АКФ — экспоненциально убываетЧАКФ — имеет резко выделяющееся значение для лага 1, нет корреляций на других лагах.

• Два параметра авторегрессии (р): АКФ — имеет форму синусоиды или экспоненциально убываетЧАКФ — имеет резко выделяющиеся значения на лагах 1, 2, нет корреляций на других лагах.

• Один параметр скользящего среднего (q): АКФ имеет резко выделяющееся значение на лаге 1, нет корреляции на других лагахЧАКФ экспоненциально убывает.

• Два параметра скользящего среднего (q) АКФ имеет резко выделяющиеся значения на лагах 1, 2, нет корреляций на других лагах. ЧАКФ имеет форму синусоиды или экспоненциально убывает.

• Один параметр авторегрессии (р) и один параметр скользящего среднего (q): АКФ экспоненциально убывает с лага 1- ЧАКФ — экспоненциально убывает с лага 1. [111].

Исследуя графики АКФ и ЧАКФ, представленные на (рис. 1 прил. 9) и (рис. 1 прил. 10)., можно сделать вывод о том, что в данном случае, так как эти функции синусоидально убывают, при этом наблюдается выброс автокорреляционной функции на 1 и 2 лаге (значения коэффициента корреляции равны соответственно 0,292 и 0,305), имеет место модель АРПСС с двумя параметрами авторегрессии, то есть p = 2, Ps =, Qs =. Определим параметры модели и оценим их значимость (табл. 3.1).

ЗАКЛЮЧЕНИЕ

.

Выполненные по теме теоретические исследования, анализ фактических данных, решение задач по экономическим моделям, оценка их результатов, построение прогнозных моделей позволяют сформулировать ряд выводов и предложений.

1. Успешное решение проблем возникающих на региональном рынке драгоценных металлов особенно в банковском секторе во многом зависит от степени обоснованности методики, способов измерения и оценки, а также выбора применяемых для этих целей оценочных показателей. Объективную оценку деятельности Сбербанка РФ на региональном рынке драгоценных металлов невозможно осуществить без полного учета социальных и экономических характеристик.

2. На основании значений удельного веса дохода от продажи монет и драгоценных металлов к суммарному доходу от операций с драгоценными металлами выделились три группы по отделениям Сбербанка Волго-Вятского банка с развитием различных видов операций с драгоценными металлами. Первую группу составляют отделения с равноценными средними показателями по доходу от всех видов операций с драгоценными металлами, что позволяет сделать вывод о равносторонней деятельности данных отделений на рынке драгоценных металлов. Вторая группа формируется из отделений с высоким средним значением показателя дохода от операций с монетами, выпущенных до 1998 года и низким уровнем дохода от операций с драгоценными металлами с внешними контрагентами. В третью группу вошли отделения Сбербанка РФ Волго-Вятского региона, которые совершают операции с монетами из драгоценных металлов и от данного вида операций получают доход.

3. Проведенная в работе классификация, отделений Сбербанка РФ Республики Марий Эл по показателям объема проданных драгоценных металлов и выполнению планового показателя по доходам от операций с драгоценными металлами методом кластерного анализа позволила выделить три типологические группы. В состав группы отделений Сбербанка Республики Марий Эл с относительно высоким уровнем объема продаж драгоценных металлов вошло отделение г. Йошкар-Ола. К отделениям с менее большими объемами продажи драгоценных металлов были отнесены Медведевское и Советское отделения. В третью группу вошли отделения с низким уровнем объема проданных драгоценных металлов такие как: Волжское, Горномарийское, Звениговское, Куженерское, Моркинское и Сернурское. В первую группу по выполнению планового показателя по доходам от операций с драгоценными металлами с высоким уровнем вошло Горномарийское отделение (в среднем перевыполнение плана по доходам на 341,9%). В состав группы со средним показателем по выполнению планового показателя по доходам вошли Сернурское, Звениговское отделения и г. Йошкар-Олы (перевыполнение планового показателя на 154,8%). В третью группу по выполнению планового показателя по доходам вошли следующие отделения: Медведевское, Моркинское, Советское, Куженерское, Волжское отделение со средним превышением показателя по доходам от операций с драгоценными металлами на 53,2%.

4. Анализ операций с драгоценными металлами отделениями Сбербанка РФ Волго-Вятского региона подтверждает увеличение интереса клиентов к инвестициям в золото в обезличенном виде. Большую долю оборотов по обезличенным металлическим счетам клиентов в золоте в общем объеме имеют Отделения Республики Татарстан (40,04 процента — 2004 год, 12,17процента — 2005 год, 14,82 процента — 2006 год), Нижегородской области (42,32 процента — 2004 год, 23,37 процента — 2005 год, 35,37 процента — 2006 год), Владимирской области (53,85 процента — 2005 год, 28,85 процента — 2006 год) и Республики Чувашии (10,06 процента — 2006 год). Таким образом, повышенный интерес клиентов к обезличенным металлическим счетам был вызван необычайно резким ростом цен на рынке драгоценных металлов. Главной движущей силой для рынка драгоценных металлов явилось усиление инфляционного ожидания вследствие бурного роста цен на товарно-сырьевые ресурсы, дальнейшее ослабление курса доллара США на международном валютном рынке и настроение геополитической напряженности привлекли к рынку драгоценных металлов повышенный интерес инвесторов, желающих получить свои средства.

5. Выявлены факторы, способствующие или препятствующие стабилизации показателей с помощью построения адекватных экономических моделей для оценки ценообразования на рынке драгоценных металлов Лондонской биржи, Центрального Банка РФ, Сбербанка РФ Республики Марий Эл, сбережений и накоплений населения Республики Марий Эл, доходности операций с драгоценными металлами Сбербанком РФ по Республике Марий Эл. Практически все показатели, характеризующие операции банковского сектора на региональном рынке драгоценных металлов, оказывают влияние друг на друга, то есть изменение одной переменной не может происходить при абсолютной неизменности других. Ее изменение повлечет за собой изменения во всей системе взаимосвязанных признаков. Построение структурных уравнений позволило глубже изучить причины связи, лежащие в основе вариации результирующих переменных. При этом были выделены и оценены косвенные (опосредованные) и непосредственные (прямые) влияния признаков. Построенные модели позволяют делать оценки, касающиеся доходности операций с драгоценными металлами Сбербанком РФ в Республике Марий Эл, основанные на показателях рынка драгоценных металлов и рынка труда с учетом взаимного влияния прогнозируемых величин друг на друга.