Национальный исследовательский университет Высшая школа экономики Факультет экономики

Национальный исследовательский университет
Высшая школа экономики
Факультет экономики
Магистерская программа «Фондовый рынок и инвестиции»
Кафедра фондового рынка и инвестиций
МАГИСТЕРСКАЯ ДИССЕРТАЦИЯ
Банковские депозиты в Российской Федерации:
региональные особенности и тенденции
Выполнила:
Студентка группы №71
ФРИН
Евдокимова Ульяна
Викторовна
Научный руководитель
Профессор кафедры
фондового рынка и
инвестиций, Доктор
экономических наук,
Орлова Наталия
Владимировна
Москва 2014
ОГЛАВЛЕНИЕ
Введение………………………………………………………………………………………………………………3
Глава 1. Сберегательная активность населения Российской
Федерации
1) Индикаторы сберегательной активности населения……………………….………7
2) Роль депозитов физических лиц в фондировании российских банков…..…..11
3) Консолидация российского банковского
сектора……………………………………………………………………………………….………………...15
Глава 2. Региональные особенности банковских депозитов физических лиц.
Эмпирическое исследование
1) Предмет анализа……………………………………………………………………………………….…19
2) Данные и обозначения……………………………………………………….………………………….23
3) Модель……………………………………………………………………………….………………………….30
4) Проверка адекватности модели……………………………………………….………………..34
5) Результаты модели…………………………………………………………………..…………………39
Заключение……………………………………….....................................................................47
Список использованной литературы……………………………………………………….…….…50
Приложение………………………………………………………………………………………………….…..53
2
Введение
Домохозяйства играют огромную роль в экономике мира, страны,
города в которых они расположены. Домохозяйства являются конечными
потребителями товаров и услуг, поставляют на рынок трудовые ресурсы и
получают трудовой доход, домохозяйства являются значимым источником
сбережений, с помощью которых фондируется инвестиционная деятельность.
Для
банков
именно
средства
населения
являются
основным
источником фондирования, а значит и ключевым драйвером роста
банковского сектора. Однако в данный момент, российский банковский
сектор мал и слаб по сравнению с банковскими секторами других стран, а по
своему размеру даже уступает отдельно взятым глобальным банками.
Возможность привлечения дополнительного фондирования именно от
населения является одной из приоритетных задач для российских банков,
поэтому поиск
факторов,
влияющих на объемы депозитов населения,
заботит на данный момент, наверное, всех игроков российского банковского
сектора.
В настоящее время в российском финансовом секторе происходят
активные перемены. Во второй половине 2013 года, Центральный банк
Российской
Федерации
революционную
начал
политику
проводить
по
зачистке
достаточно
активную
банковской
системы
и
от
недобросовестных и «опасных» игроков, итогом данной политики стала
череда отзывов банковских лицензий, преимущественно, у небольших
региональных игроков. Но время перемен – это всегда и время новых
возможностей. Крупные и средние банки в числе первых задумались о том,
что
ресурсы
на
региональных
рынках
высвобождаются,
перспективы для тех, кто первым сумеет использовать
открывая
потенциал
региональных вкладчиков, обладающих большей мобильностью, чем когдалибо.
3
Для победы в конкурентной борьбе в части привлечения нового
фондирования на региональных рынках банкам необходимо сформировать
эффективную стратегию действий, выбрать на какие именно регионы стоит в
первую очередь обратить внимание. Для этого банкам необходимо понимать,
какие факторы
способны повлиять на совокупную сберегательную
активность населения конкретного региона.
Целью исследования было выявить характеристики
регионов,
социальные, экономические и банковские, которые оказывают влияние на
совокупную сберегательную активность населения, распознать характер
данной зависимости и дать рекомендации крупным и средним российским
банкам, касательно того, регионы какого-рода
обладают большим
потенциалом с точки зрения привлечения фондирования.
Для достижения поставленной цели необходимо было реализовать
следующие задачи:
1.
Проанализировать какие существуют индикаторы сберегательной
активности населения и выбрать, либо создать подходящий именно нам
2.
Изучить роль депозитов физических лиц в фондировании
российских банков
3.
Проанализировать текущую ситуацию в российском банковском
секторе
4.
Построить математическую модель , которая позволит выбрать те
социальные, экономические и банковские характеристики регионов, которые
оказывают наибольшее влияние на уровень сберегательной активности
населения российских регионов.
5.
Дать общие рекомендации банкам, касательно того, на какие
регионы стоит обратить внимание в текущей рыночной ситуации для
реализации стратегии региональной экспансии.
В качестве объекта исследования выступает российский банковский
сектор. Предметом исследования являются депозиты физических лиц
региональном разрезе.
4
в
Для реализации поставленных задач был проведен
аналитический
обзор тематической литературы. Также с использованием традиционного
эконометрического инструментария, в частности с помощью приложения R
была построена линейная многофакторная регрессия, которая дала значимый
результат.
Данные для регрессии были взяты статистические публикации
Федеральной
Службы
государственной
статистики,
Федерального
Казначейства, Центрального Банка Российской Федерации.
В первой главе диссертации анализируются теоретические аспекты и
реальные предпосылки сберегательной активности населения. В первом
разделе
проводится
анализ
популярных
индикаторов
сберегательной
активности населения, с целью выбрать подходящий для построения
будущей модели
индикатор совокупной сберегательной активности
населения регионов. Во втором разделе более подробно рассказывается о
роли депозитов физических лиц в фондировании российских банков. В
третьем разделе рассматривается текущая ситуация в российском банковском
секторе и путях его дальнейшего развития.
Вторая глава диссертации посвящена построению статистической
модели, направленной на выявление региональных особенностей депозитов
физических лиц. Целью построение данной модели является формирование
рекомендаций банкам, которые планируют реализовывать региональную
экспансию в регионы, с потенциалом в части привлечения фондирования в
виде депозитов физических лиц.
Разделы второй главы соответствуют
логике описания модели: предмет анализа, данные и обозначения, модель,
проверка адекватности модели, результат модели. Пятый раздел является
заключительным и содержит в себе основные выводы по модели и
сформированные рекомендации.
Диссертация состоит из оглавления, введения, двух глав, заключения,
списка литературы и четырех приложений. В работе также присутствует 8
рисунков и 2 таблицы.
5
В качестве основного результата работы можно выделить следующее:
при выборе региональных рынков для привлечения депозитов физических
лиц банкам стоит больше внимания уделять не социальным и экономическим
характеристикам
регионов,
хотя
и
они
также
важны,
а
именно
характеристикам региональных рынков банковских услуг, выбирая регионы с
достаточно хорошим уровнем покрытия региона банковскими услугами, но в
тоже время с меньшей долей крупных федеральных банков депозитов и
отсутствием достаточно крупных региональных игроков.
6
Глава I. Сберегательная активность населения Российской Федерации
1) Индикаторы сберегательной активности населения
Домохозяйства играют огромную роль в экономике мира, страны,
города в которых они расположены. Домохозяйства являются конечными
потребителями товаров и услуг, поставляют на рынок трудовые ресурсы и
получают трудовой доход, домохозяйства являются значимым источником
сбережений, с помощью которых фондируется инвестиционная деятельность.
Основным показателем, который в литературе используется для описания
сберегательного потенциала населения – это норма сбережений населения.
Данный показатель
традиционно рассчитывается, как отношение
сбережений населения к чистому располагаемому доходу населения , то есть
доходу за вычетом налогов. Существует довольно много модификаций для
расчета данного показателя, которые в существенной мере не влияют на его
экономический смысл. Однако различия в методике расчета могут создать
существенные неудобства при интерпретации межстрановых различий и
тенденций и спровоцировать ошибочные выводы. Поэтому во избежание
существенных расхождений ОЭСР, Всемирный банк, а также большая часть
авторитетных мировых организаций,
приняли «Систему национальных
счетов 1993» (SNA 93), данные правила установили единые стандарты
расчета нормы сбережения между странами. В частности данные нормы
установили, что средства домохозяйств в пенсионных фондах
должны
включаться в объем располагаемого дохода населения. Однако, до сих пор
не все страны используют правила SNA 93 [18], в частности Соединенный
Штаты Америки по-прежнему не включают пенсионные взносы и выплаты в
расчет нормы сбережения.
Следовательно, мы можем говорить о том, что показатель нормы
сбережения населения, по-прежнему не имеет единого стандарта, а может
быть рассчитан в различных модификациях.
При этом показатель нормы сбережений, как в его традиционном, так
и модифицированном виде, широко используется в моделях экономического
7
роста. В частности в работе Мэнкью, Ромера и Вейла авторы развили идеи
модели Солоу о том, что уровень дохода является функцией от нормы
сбережений. В работе
различия в уровнях доходов разных стран
объясняются через различия в нормах сбережений. Показатель нормы
сбережения говорит об уровне использования сберегательного потенциала
населения, показывая какая часть доходов населения не используется.
Однако различия в методологии расчета нормы сбережения не могут
оказать существенного влияния на уровень показателя в разных странах, так
как не влияют существенно на его экономический смысл. При этом
изменение внешних факторов может влиять на уровень нормы сбережений.
Речь идет о социально- экономических, демографических, политических и
прочих различиях, характеризующих разные страны. В исследованиях,
Мэнкью, Ромера и Вейла, влияние на сбережения населения могут в
существенной
мере
оказывать
такие
социально-
экономические
и
институциональные факторы, как принятая в государстве программа
пенсионного обеспечения, возрастная структура населения, а именно во
время выхода на пенсию пожилые люди склонны сокращать объем своих
сбережений. Существенное влияние могут оказывать психологические
факторы, такие как отношение в обществе к кредитам и просто субъективные
решения населения относительно сбережений или трат свободных денежных
средств. Авторы также указывают на наличие причинно-следственной связи
между
характеристиками
банковского
сектора
страны,
в
частности
доступностью и стоимостью банковского кредита.
В ряде исследований, таких как [21] показатель нормы сбережений
используется для долгосрочного экономического анализа, с помощью
данного показателя авторы описывают
именно
кредитный потенциал страны, а
на способность экономик страны к самофинансированию, что
позволяет делать оценки экономического роста в долгосрочной перспективе.
Уровень нормы сбережений очень сильно различается в разных
странах. По данным статистических материалов, опубликованных ОЭСР,
8
даже в странах с сопоставимым уровнем развития экономики данный
показатель может различаться в разы: так в 2013 году для США и
Великобритании
показатель
находится
на
уровне
4,5
располагаемого дохода, соответственно, а для Франции
и
5,1%
от
составляет уже
15,6%.
Важно отметить, что в странах с более низким уровнем развития
экономики норма сбережения населения в общем случае, будет выше, чем в
странах с более высоким уровнем развития экономики. Это, прежде всего,
связано с тем, что в развитых странах объем уже накопленного богатства
выше, а процентные ставки ниже. Это, в свою очередь означает, что
потребность экономики в привлечении дополнительного капитала уже не так
велико и население развитых стран сберегает меньшую часть своего дохода,
чем население развивающихся стран.
Норма сбережения
и ее различные модификации не является
единственным показателем, используемым для описания сберегательного
поведения населения. В зависимости от целей анализа исследователи вводят
различные показатели, описывающие характер сберегательного поведения
населения.
В таких исследованиях, как [28] и [2] авторы используют для
описания возможностей населения совершать накопления такой показатель,
как отношение объема денежных доходов на душу населения к величине
прожиточного минимума в регионе. Такой показатель носит название
потенциальных сбережений населения.
Значения данного показателя на уровне выше 1 говорит о том, что у
населения имеется потенциально свободный объем денежных средств,
который они могут использовать для формирования накоплений.
Согласно данным Росстата в период до 2008 года среднероссийский
уровень показателя стабильно увеличивался, что означает, что доля
населения, которая потенциально могла делать сбережения, увеличивалась в
период до начала мирового финансового кризиса. В период после кризиса, а
9
именно 2009-2012 годы уровень населения, которые, исходя из превышения
их доходов над прожиточным минимумом, способны совершать накопления,
стабилизировался на уровне от 30% до 40% населения.
В
нашем
исследовании
сберегательный
потенциал
населения
интересовал нас с точки зрения возможности его использования в качестве
основного источника фондирования для банков на территории конкретного
региона. Именно поэтому для описания сберегательной активности всей
совокупности населения региона был выбран такой показатель, как
отношение совокупного объема депозитов физических лиц, привлеченных на
территории конкретного региона к уровню Валового регионального
продукта. Валовой региональный продукт, по аналогии с вышеописанными
индикаторами сберегательной активности населения, выступает аналогом
доходов населения в интересующей нас плоскости региональных экономик.
Более подробно данный показатель будет описан в Части II. Эмпирический
анализ.
Подводя промежуточный итог, отметим, что в литературе
факт
влияния социальных и экономических показателей на сберегательную
активность населения изучается достаточно давно и
интерес.
10
вызывает большой
2) Роль депозитов физических лиц в фондировании российских банков
Влияние социальных и экономических факторов на сберегательную
активность населения активно обсуждается в литературе. При этом на наш
взгляд стоит также уделить внимание влиянию характеристик банковского
сектора на уровень сберегательной активности населения.
Банковский сектор имеет огромное значение для всего российского
финансового сектора. Согласно данным
Росстата
активы банковского
сектора составляю 94-95% совокупных активов всего финансового сектора
Российской Федерации. Однако, являясь центральным звеном финансовой
системы страны, банковский сектор остается небольшим по объемам и
слабым. Слабо развитый банковский сектор в существенной мере тормозит
развитие экономики и, более того создает дополнительные инвестиционные
риски.
Совокупные активы банковского сектора Российской Федерации по
итогам 2013 года составили 53 466 млрд руб. [23]. Для сравнения, активы
крупнейшего в мире банка по размерам активов [17]
Industrial and
Commercial Bank of China (ICBC) составили 2 813,5 млрд долл. США (около
98 472,5 млрд руб.). Следовательно, активы крупнейшего в мире банка почти
в 2 раза превышают суммарные активы российского банковского сектора.
Данное сравнение говорит о том, что российский банковский, а
следовательно, и финансовый сектор, мал , даже в сравнении с отдельными
финансовыми институтами, а следовательно, мы можем констатировать тот
факт, что банковский сектор мал, слаб и неустойчив.
На наш взгляд низкий уровень развития российского банковского
сектора , а также его невысокие темпы роста, связаны, в первую очередь с
отсутствием у российских банков
возможностей по привлечению
дополнительного фондирования из внешних кредитных источников, так и
низкой
недостаточно
развитой
сберегательной
культуре
выражающейся в низкой сберегательной активности населения.
11
населения,
Очевидных причин, влияющих на уровень сберегательной активности
населения Российской Федерации несколько. Это и общее недоверие
населения
к
российской
банковской
системе,
которая
существенно
пострадала во время нескольких значимых кризисов в экономики:
девальвация 1998 года, Мировой финансовый кризис 2008 год, а также
череда отзывов банковских лицензий, начавшаяся осенью 2013, которая
кризисом не являлась, напротив была и есть направлена на оздоровление
банковского сектора, однако называлась таковым в западной прессе и
вызвала волну паники среди вкладчиков, не обладающих достаточной
финансовой грамотностью.
Также среди факторов, оказывающих влияние на общий характер
поведения российских вкладчиков,
российских
вкладчиков
нестабильность
курса
к
можно отнести общее недоверие
национальной
национальной
валюты
валюте.
Существенная
относительно
уровня
сильнейших мировых валют (USD, EUR, GBP) пугает рядовых вкладчиков, в
частности имевшее место в период зимы- весны 2014 года существенное
падение
курса
российской
валюты,
спровоцировало
существенные
панические настроения среди рядовых вкладчиков. Обладая недостаточной
финансовой грамотностью, существенная часть российских вкладчиков –
физических лиц не использует такой инструмент, как депозиты в валюте и
при отсутствии уверенности, предпочитает не инвестировать вовсе. В
частности по итогам 2013 года всего 18% депозитов физических лиц были
размещены в иностранной валюте.
Также существенное влияние оказывают высокие темпы инфляции в
российской экономике в целом.
Не имея возможности привлечь дополнительные средства от
населения
российские
банки
вынуждены
искать
возможности
по
привлечению заемного финансирования, в настоящее время мы наблюдаем
ситуацию, когда большая часть заемного капитала
12
– иностранные
инвестиции. Российские банки, попадают в зависимость от иностранных
капиталов. Следствием данной зависимости является то , что любые
негативные изменения в иностранных экономиках отражаются на российской
банковской системе, так как иностранные инвесторы начинают забирать свои
деньги, что приводит к возникновению проблем в российской финансовой
системе.
Однако
традиционно
самым
существенным
фондирования остаются депозиты населения.
источником
Более того, статистические
дынные Центрального Банка РФ свидетельствуют о том, что в последние
годы доля депозитов физических лиц в фондировании банка только
увеличивается, если еще в
2011 году депозитами физических лиц
фондировалось в среднем 27,6 % активов, то уже по итогам 2013 года эта
цифра увеличилась до 28,6% активов.
При этом по данным Росстата в структуре депозитов физических
лиц , как рублевых, так и валютных, преобладают краткосрочные средства,
это создает дополнительные трудности для банков. Короткие средства в
фондировании существенно ограничивают потенциал российских банков с
точки зрения долгосрочного кредитования. Банки, которые пренебрегают
данным
правилом,
подвергают
себя
существенному
риску
разрыва
ликвидности и, как следствие, невозможности расплатиться по платежам,
банкротству, полному финансовому краху.
Следовательно,
депозиты
населения,
на
сегодняшний
день
российском финансовом секторе, являются дорогим и краткосрочным
источником фондирования. Подобная характеристика одного из основных
источников фондирования негативно влияет на прибыль, которую получают
банки. В первую очень это касается процентных доходов по долгосрочным
кредитам, возможность по наращиванию которых, как уже отмечалось ранее,
существенно ограничены. Прибыль в свою очередь является одним из
основных фактором для увеличения капитала.
13
Подводя итог вышесказанному, мы можем
сказать, что депозиты
физических лиц в Российской федерации на данный момент является одним
из основных источников банковского фондирования, однако, данный
источник для банков является дорогим, краткосрочным и ограничивает их
развитие.
14
3) Консолидация российского банковского сектора
На сегодняшний день российская банковская система состоит из
Центрального Банка и чуть более 900 коммерческих банков. Авторитетные
агентства, в частности S&P, а также политики, в
том числе президент
Российской Федерации Владимир Путин, и премьер министр, Дмитрий
Медведев, не однократно высказывали мнение о том, что такое количество
банков слишком велико для нашей экономики.
Российский банковский сектор занимает третье место по количеству
финансовых институтов в экономике (см. Таблицу 1) после США и
Германии. Однако предпосылки образования такого количества банков в
России в корне отличаются от США и Германии. Существенное количество
банков
в
этих
странах
государственного
обусловлено
регулирования,
историческими
которое
особенностями
ограничивало
территорию
присутствия банков.
Так в США с 1927 года был введен Закон Макфаддена. Предпосылкой
к территориальным ограничениям банковской деятельности являлась идея о
том, что подобного рода ограничения способны положительно сказаться на
конкуренции местных банков. К сожалению, ограничения не сработали, как
планировалось, а лишь стимулировало создание множества банков. И хотя
закон
уже
не
действует,
большое
количество
банков
продолжает
функционировать. Согласно Таблице 1, в период с 2005года по 2013 их
количество сократилось на 27%.
Предпосылки
схожи,
после
наличия большого количества банков в Германии
второй
мировой
войны
в
стране
существовали
административные единицы по территориальному признаку, власти которых
обладали существенным авторитетом и влиянием, поэтому банки даже после
снятие всех запретов, продолжали базироваться на территориях земель.
15
Таблица 1. Мировые тенденции банковского сектора
Российский банковский сектор занимает третье место в мире по
количеству
действующих банков.
Каких либо институциональных
предпосылок для такого существенного роста количества банков не было, и
в этом заключается уникальность российского опыта. Рост количества банков
начался в 1988, когда стало возможным создавать кооперативные банки.
Ранее на территории СССР действовало 5 специализированных банков,
которые принадлежали государству.
Традиционно в банковской литературе считается, что рынки с
меньшим количеством банков являются более эффективными.
Меньшее
количество банков проще контролировать, Центральный банк имеет больше
возможностей поддерживать финансовую стабильность банков, сами банки
обладают существенно большими возможностями для диверсификации
своего бизнеса, а издержки которые они несут, снижаются.
Все теории
такого рода основаны на микроэкономических предпосылках, поэтому
основными негативными сторонами является тот факт, что данные теории не
учитывают случаи, когда возникающие монополии или олигополии
неэффективны. Подобные теории нуждаются в существенных дополнениях
со стороны макроэкономического анализа.
16
В целом можно говорить о том, что все экономики с большим числом
банков в данный момент наблюдают сокращение их числа (см. Таблица 1),
подобные тенденции наблюдаются и в Российском банковском секторе ( см.
Рисунок 1).
1136
1108
1058
1012
978
956
923
Рисунок 1. Количество банков в Российском банковском секторе.
Существует
два потенциально возможных
пути
дальнейшего
развития банковского сектора.
Первый путь лежит через рост концентрации крупнейших банков,
которые постепенно захватят доли своих мелких конкурентов. Такой путь
представляется нам более вероятным в современных реалиях российского
банковского сектора.
Второй путь предполагает повышения качества деятельности более
мелкими банками в вопросах работы с малым и средним бизнесом, что
позволит им выстоять в конкурентной борьбе с крупными банками.
Деятельность крупных банков, в свою очередь должна стать более открытой
и конкурентной. Данный вариант развития
утопичным.
17
кажется нам несколько
Как уже отмечалось ранее, первый вариант развития кажется нам
более предпочтительным и реалистичным для российского банковского
сектора. Более того, на данный момент мы отчетливо видим подтверждения
того, что российский финансовый сектор пошел по первому пути развития.
Во-первых, наблюдается консолидация средних и крупных банков,
которые постепенно начали превращаться в банки – гиганты. Во вторых
крупные федеральные банки стали все более активно реализовывать
региональную экспансию, вытесняя с местных рынков региональных
игроков, заставляя более мелкие банки сокращать свои доли.
Третьим и основным фактором, выступающим за реализацию пути
консолидации банковского сектора, является тот факт, что в поддержку
данного пути развития выступил Центральный Банк Российской федерации.
Осенью 2013 года ЦБ РФ во главе с недавно занявшей этот пост Эльвирой
Набиулиной
начал революционную политику по очистке банковской
системы РФ от недобросовестных игроков. Только за второе полугодие
2013года Центральный банк отозвал 25 банковских лицензии.
При этом
более 90% всех активов банковской системы приходится на TOP -200 банков
по размерам активов, что свидетельствует о критически низкой значимости
остальных 700 мелких банков, на долю которых приходится менее 10% всех
банковских активов. Консолидация банковского сектора идет одновременно
по двум путям: во-первых, Центральный банк до сих пор преимущественно
отзывал лицензии у мелких и средних региональных игроков, а во-вторых,
уже после первых случаев массовых отзывов лицензий существенная доля
вкладчиков поспешила перенести свои накопления
в более крупные
надежные банки. Таким образом, можно говорить о том, что именно
центральный банк стоит во главе имеющей место консолидации российского
банковского сектора.
18
Глава II. Региональные особенности банковских депозитов физических
лиц. Эмпирическое исследование
1)
Предмет анализа
В главе I мы уже отмечали, что в настоящий момент в российском
банковском секторе происходят активные изменения. Наиболее заметным и
важным событием для всех игроков банковского рынка стала череда отзывов
банковских лицензий, начавшаяся осенью 2013 года. Отметим, что большая
часть банков, у которых были отозваны лицензии - мелкие региональные
игроки.
Политика Центрального Банка Российской федерации, по мнению
российского
банковского
сообщества,
управляемую консолидацию российской
фактически
направлена
на
банковской системы. Время
перемен создает для сильных игроков дополнительные возможности для
развития, поэтому
в ближайшее время логично ожидать усиления
конкуренции между крупными и средними банками на региональном уровне.
Именно
депозиты
населения
являются
основным
источником
фондирования для российских банков, а значит и основным драйвером для
развития. Более того, статистические дынные Центрального Банка РФ
свидетельствуют о том, что в последние годы доля депозитов физических
лиц в фондировании банка только увеличивается, если еще в 2011 году
депозитами физических лиц фондировалось в среднем 27,6 % активов, то уже
по итогам 2013 года эта цифра увеличилась до 28,6% активов. Крупные и
средние банки, которые в числе первых начнут проводить активную
политику по привлечению дополнительного фондирования от физических
лиц,
на постепенно освобождающихся от более мелких игроков
региональных рынках, имеют значительно большие перспективы получения
депозитов от населения, как высвобождающихся, так и новых.
Для победы в конкурентной борьбе в части привлечения нового
фондирования на региональных рынках банкам необходимо сформировать
19
эффективную стратегию действий, выбрать на какие именно регионы стоит в
первую очередь обратить внимание. Для этого банкам необходимо понимать,
какие факторы
способны повлиять на совокупную сберегательную
активность населения конкретного региона.
Целью данного эмпирического исследования является доказательство
гипотезы
о
наличии
зависимости
между
социально-экономическими
характеристиками регионов, в том числе региональными характеристиками
банковского сектора, и уровнем сберегательной активности населения. В
данном исследовании совокупная сберегательная активность населения
региона выражена через отношение объема депозитов физических лиц,
привлеченных на территории региона, к валовому региональному продукту
(ВРП) рассматриваемого региона.
Гипотеза (i) Существует зависимость определенного вида, между
социальными, экономическими, банковскими характеристиками регионов
Российской федерации и уровнем совокупной сберегательной активности
населения региона.
Понимание
активность
того,
населения
какие
региона,
факторы
влияют
позволит
банкам
на
сберегательную
более
эффективно
формировать свою стратегию по привлечению средств населения регионов
во вклады. Имея прогнозы по уровню широко анализируемых и публично
доступных социальных и экономических показателей деятельности регионов,
стратегия банков по привлечению средств населения во вклады может быть
более агрессивной в регионах, где в следующем периоде можно ожидать
увеличение совокупной сберегательной активности населения.
Прогнозы
по
уровням
социальных,
экономических,
а
также
характеристикам банковского сектора регионов делают такие авторитетные
игроки на российском финансовом рынке, как Центральный Банк Российской
Федерации (ЦБ РФ), ведущее мировые рейтинговые агентства (Standard &
Poor’s, Fitch Ratings, Moody’s Investors Service), также в большинстве в
средних и крупных банков, имеющих сеть региональных подразделений,
20
имеются собственные аналитические департаменты, которые готовят
прогнозы
по
уровням
социальных,
экономических
и
банковских
характеристик регионов.
В рамках данного исследования у гипотезы (i), мы вводим три
субгипотезы:
(i.i) уровень совокупной сберегательной активности населения в конкретном
регионе зависит от социальных характеристик региона;
(i.ii) уровень совокупной сберегательной активности населения в конкретном
регионе зависит от экономических характеристик региона;
(i.iii)
уровень
совокупной
сберегательной
активности
населения
в
конкретном регионе зависит от характеристик банковского сектора региона;
Тестирование
характеристик
социальных,
региона,
как
экономических
факторов,
в
и
банковских
значительной
степени
определяющих уровень совокупной сберегательной активности населения,
позволит
разработать
подразделений банков
общие
рекомендации
по выбору регионов
для
стратегических
для экспансии на рынок
розничных депозитов.
Данные рекомендации, с высокой вероятностью, в первую очередь
коснуться
банков,
финансовые,
так
которые
и
имеют
достаточные
интеллектуальные,
для
возможности,
реализации
как
стратегии
региональной экспансии на рынок розничных депозитов. Учитывая, что
получение каких-либо конкурентных преимуществ на региональных рынках
возможно только
либо при качественном прогнозировании потенциально
привлекательных рынков, либо в быстром реагировании на открывающиеся
возможности, мы считаем, что данные рекомендации могут быть в большей
мере интересны банкам TOP-100 по размерам активов в РФ.
Банк должен иметь возможность реализовывать стратегию по
диверсификации рисков в различных регионах из-за неравномерного уровня
развития регионов. Реализация данной стратегии определенно будет
21
способствовать повышению доходности бизнеса и освоению новых долей
рынка.
22
2)
Данные и обозначения
В главе I мы упоминали о том, что в нашем исследовании
сберегательный потенциал населения интересует нас с точки зрения
возможности
его
использования
в
качестве
основного
источника
фондирования для банков на территории конкретного региона.
Для анализа уровня совокупной сберегательной активности населения
региона была выбрана proxy переменная: (Объем депозитов физических лиц
привлеченных на территории региона Российской федерации) / (Валовый
региональный продукт).
Данная переменная будет выступать в качестве
зависимой в нашей модели и будет обозначаться , как “Y” .
𝑌=
Объем депозитов физических лиц, привлеченных на территории региона
ВРП
Валовой региональный продукт, по аналогии с показателями,
характеризующими
норму
сберегательной
активности
населения,
описанными в первой главе, выступает аналогом доходов населения в
интересующей нас плоскости региональных экономик.
Анализ данного показателя позволит оценить, насколько высок
уровень совокупной сберегательной активности населения данного региона
по отношению к другим анализируемым регионам. Более высокий уровень
показателя свидетельствует о большем уровне совокупной сберегательной
активности
населения
данного
региона
по
сравнению
с
другими
анализируемыми регионами, а более низкий - о меньшей совокупной
сберегательной активности населения.
показатель
стоит
рассматривать
Стоит отметить, что данный
именно
относительно
уровней,
показываемых другими регионами для измерения его относительной
величины.
23
Также стоит прояснить, что
уровень нашего показателя не стоит
однозначно интерпретировать в зависимости от знака, по аналогии с нормой
сбережения, которая принимает более высокие значения для развивающихся
рынков и более низкие для развитых. Так как наш показатель описывает
потенциал населения при инвестировании именно в банковские депозиты, и
более низкий уровень развития тех или иных банковских характеристик
региона не обязательно найдет отражение в уровне показателя.
Сведения об объеме привлеченных депозитов от физических лиц в
региональном разрезе доступны на сайте Центрального Банка Российской
федерации [23]. Согласно методологическим комментариям, «группировка
данных осуществляется исходя их места привлечения денежных средств
кредитными организациями, их филиалами и внутренними структурными
подразделениями».
Сведения о размере Валового Регионального Продукта (ВРП)
доступны
статистики
в ежегодном вестнике Федеральной службы государственной
«Регионы
России.
Социально-экономические
показатели».
Согласно методологическим пояснениям к данному показателю, ВРП
представляет собой валовую добавленную стоимость товаров и услуг,
созданную резидентами региона». Уровень ВРП региона, являясь одним из
ключевых
экономических
показателей
региона,
обобщает
уровень
экономического развития и характеризует величину богатства региона.
Значения всех показателей, используемых при построении модели,
взято по состоянию на 01.01.2013г.. Данный временной горизонт выбран, как
последний закончившийся календарный год, по которому была доступна
статистика на момент формирования базы данных для анализа.
Анализируемые данные покрывают 78 из 851 субъектов РФ, в выборку
не вошли данные по трем автономным округам (Ненецкий автономный
округ, Ханты-Мансийский автономный округ, Ямало-ненецкий автономный
Согласно Конституции РФ от 11.04.2014 включая республику Крым и г.
Севастополь.
1
24
округ) в виду отсутствия раскрытия данных по всем интересующим
показателям. Также из выборки были удалены данные по двум аутлаерам:
город федерального значения Москва, город федерального значения СанктПетербург. В выборку также не вошли данные по республике Крым и городу
федерального значения Севастополь в виду отсутствия данных субъектов в
составе РФ на момент сбора статистической информации, используемой в
анализе.
Отметим, что удаление таких аутлаеров, как Москва и СанктПетербург, в существенной мере способствует приближению нашего
исследования к его финальной цели в части разработки общих рекомендаций
для стратегических подразделений банков
по
выбору регионов
для
экспансии на рынок розничных депозитов. Как уже отмечалось ранее
потенциальными потребителя ми наших рекомендаций, мы видим банки
TOP-100 по размерам активов в Российской федерации, большая часть из
которых
зарегистрирована
именно
в
Москве
и
Санкт-Петербурге.
Сохранение данных по Москве и Санкт-Петербургу в выборке существенно
бы исказило результат, так как основные принципы работы крупных
столичных банков в существенной мере отличается от деятельности средних
и мелких региональных кредитных организаций, как в части финансовых, так
и в части качественных характеристик.
Для работы с субгипотезой (i.i) важно было выделить социальные
характеристики регионов, которые потенциально могут оказывать влияние на
совокупную сберегательную активность населения регионов.
Были выбраны следующие социальные характеристики регионов,
которые
потенциально
могут
выступить
факторами
для
итоговой
регрессионной модели:
1)
уровень безработицы (%);
2)
уровень экономически активного населения (% от всего населения);
25
3)
удельный вес городского населения в регионе (в долях от всего
населения);
4)
численность населения в регионе ( тыс.чел.);
5)
уровень демографической нагрузки (чел.) (пенсионеры и дети на 1000
трудоспособного населения)
Для работы с субгипотезой (ii) важно было выделить экономические
характеристики регионов, которые потенциально могут оказывать влияние на
совокупную сберегательную активность населения регионов.
Отметим,
что
деление
на
социальные
и
экономические
характеристики регионов в существенной мере является субъективным, так
как ряд показателей основан, как на экономических, так и на социальных
характеристиках регионов, в таких случаях показатели были отнесены в одну
и групп экспертно. Выделение двух отдельных субгипотез важно с точки
зрения
понимания приоритетности социальных или экономических
характеристик при разработке стратегии региональной экспансии.
Были выбраны следующие экономические характеристики регионов,
которые
потенциально
могут
выступить
факторами
для
итоговой
регрессионной модели:
1)
доля обрабатывающей промышленности в структуре ВРП (%);
2)
доля торговли в структуре ВРП (%);
3)
ИПЦ (среднее значение за предшествующие 5 лет);
4)
отношение капитальных расходов региона к ВРП;
5)
ВРП на душу населения (тыс. руб.);
6)
среднемесячный доход на душу населения (среднее значение за
предшествующие 5 лет), тыс. руб.;
7)
доля среднемесячного дохода, потраченная на текущее потребление (в
долях).
26
Для работы с субгипотезой (ii) важно было выделить характеристики
банковского сектора регионов, которые потенциально могут оказывать
влияние на совокупную сберегательную активность населения регионов.
Показатели по банковскому сектору для удобства были разбиты на
шесть смысловых групп:
Группа 1 : «Показатели, характеризующие размер региональных банков»
1)
Количество зарегистрированных в регионе банков с уставным
капиталом до 500 млн руб. (шт.);
2)
Количество зарегистрированных в регионе банков с уставным
капиталом до 1 млрд руб. (шт.);
3)
Количество зарегистрированных в регионе банков с уставным
капиталом до 10 млрд руб. (шт.);
4)
Количество зарегистрированных в регионе банков с уставным
капиталом от 1 до 10 млрд руб. (шт.);
5)
Количество зарегистрированных в регионе банков с уставным
капиталом более 10 млрд руб. (шт.);
6)
Наличие в регионе банков с капиталом более 1 млрд руб., дамми
переменная (1/0);
Группа
2:
«Показатели,
характеризующие
концентрацию
розничных
депозитов на крупнейших банках»
7)
Доля привлечения депозитов 30 крупнейшими банками в РФ по
размеру активов.
Группа 3: «Показатели, характеризующие широту покрытия региона
кредитными организациями»
8)
Количество структурных подразделений кредитных организаций (шт.);
Группа 4: «Показатели, характеризующие количество региональных банков»
9)
Всего зарегистрированных кредитных организаций в регионе (шт.);
Группа 5: «Показатели, характеризующие уровень конкуренции среди
региональных банков»
27
10)
Доля действующих филиалов банков, головная организация которых
находится в данном регионе, от общего количества действующих филиалов
11)
Доля действующих филиалов банков, головная организация которых
находится в другом регионе, от общего количества действующих филиалов
Группа 6: «Показатели, характеризующие уровень развития банковского
сектора в регионе»
12)
(Кредиты, предоставленные физическим лицам)/ ВРП
Мы обозначили 24 фактора, которые потенциально могут оказывать
влияние на совокупную сберегательную активность населения регионов, а
следовательно, на данном этапе имеют все шансы на включение в итоговую
модель.
Значения всех показателей включенных в модель и их обозначения
приведены в Приложении 1.
Учитывая, что параметры модели имеют различный физический
смысл, то матрица данных может претерпеть существенные изменения при
изменении шкал параметров.
Чтобы
избежать данных проблем, матица
данных была приведена к стандартному виду при помощи нормализации.
Для перехода к стандартной матрице была использована классическая
процедура:
были вычислены оценки математического ожидания
𝑛
1
µ1 (𝑥𝑗 ) = ∑ xij
𝑛
𝑖=1
и дисперсии
,
а каждый элемент новой матрицы данных рассчитан по формуле:
𝑢𝑖𝑗 =
𝑥𝑖𝑗 − µ1 (𝑥𝑗 ))
, i = 1, n , j = 1, m
Ϭ(xj )
28
Модель
множественной
линейной
регрессии,
построенная
на
основании стандартизованных данных, будет называться моделью в
стандартизованной форме.
29
3)
Модель
Для статистического анализа данных был выбран статистический
пакет «R». Код, написанный для работы с моделью, см. Приложение 2.
Для формирования финальной многофакторной
модели были
использованы все факторы из предыдущего раздела, которые потенциально
могут оказывать влияние на зависимую переменную.
Основываясь на
экономическом смысле факторов и статистических показателях, нами был
применен
следующий,
широко
используемый
в
эконометрических
исследованиях, подход для отбора переменных в финальную модель: были
взяты
все
потенциально
подходящие
факторы
и
сформирована
многофакторная модель, далее наименее подходящие факторы с точки зрения
t-статистики удалялись из модели один за другим.
Также для всех потенциальных факторов необходимо было провести
проверку на тесноту связи факторов между собой. Для этого была построена
матрица
парных
коэффициентов
корреляций
для
всех
факторов,
потенциально подходящих для модели. Проведение оценки на этапе
подготовки к построению модели, позволит избежать мультиколлинеарности
во множественной регрессии. Матрица парных коэффициентов корреляции
представлена в Приложении 3. Проведение анализа тесноты связи между
факторами позволило исключить из будущей модели факторы, имеющие
существенную корреляцию между собой.
По итогам анализа была сформирована финальная модель, куда вошли
шесть основных факторов, а именно:
1)
удельный вес городского населения в регионе (в долях от всего
населения);
Обозначение - Х14
2)
доля торговли в структуре ВРП (%);
Обозначение - Х2
30
3)
Наличие в регионе банков с капиталом более 1 млрд руб., дамми
переменная (1/0);
Обозначение – Х31
4)
Доля привлечения депозитов 30 крупнейшими банками в РФ по
размеру активов.
Обозначение – Х30
5)
(Кредиты, предоставленные физическим лицам)/ ВРП
Обозначение – Х10
6)
Доля действующих филиалов банков, головная организация которых
находится в другом регионе, от общего количества действующих филиалов
Обозначение – Х27
В целом стоит отметить, что в практике эконометрических
исследований, экспертное введение некоторых переменных допустимо,
однако в данном эмпирическом исследовании целью стояло построение
модели, удовлетворяющей всем статистическим критериям. В литературе [6]
обозначен следующий подход: прежде всего число переменных m должно
быть не больше, чем m ≤
n
. Иначе, параметры регрессии оказываются
{6,7}
статистически незначимыми. Учитывая количество наблюдений в нашей
выборке (78), количество факторов в модели можно считать оптимальным.
На основании наиболее подходящих, как экономически, так и
статистически, переменных была построена множественная линейная
регрессия, результаты которой приведены в Таблице 2.
31
Таблица 2.Результаты множественной регрессии
Coefficients:
n.alfa_var$x2
n.alfa_var$x10
n.alfa_var$x14
n.alfa_var$x27
n.alfa_var$x30
n.alfa_var$x31
Multiple R-squared: 0.6198,
F-statistic: 19.29 on 6 and 71 DF, pvalue: 3.361e-13
Estimate Std.error
t
Pr(>|t|)
Weigts
0,3622
7,71E-02 4,695 1,26E-05
20%
0,4491
7,99E-02 5,621 3,49E-07
24%
0,4177
7,87E-02 5,311 1,19E-06
23%
0,1917
7,76E-02 2,469
0,0159
10%
-0,21
8,70E-02 -2,38
0,02
11%
-0,21
8,53E-02 -2,439
0,0172
11%
В модели отсутствует свободный член, так как исходные данные были
приведены в стандартизированную форму.
Все переменные, вошедшие в модель, значимы на 5% уровне.
Полученные результаты позволяют говорить о наличии зависимости
следующего рода:
(Объем депозитов физических лиц, привлеченных на территории региона/
ВРП) = 0,36 (доля торговли в структуре ВРП) +
0.44 ((кредиты, предоставленные физическим лицам)/ВРП)+
0.41 (удельный вес городского населения в регионе)+
0,19 (Доля действующих филиалов банков, головная организация которых
находится
в другом
регионе,
от
общего
количества
действующих
филиалов)–
0,21(Доля привлечения депозитов 30 крупнейшими банками в РФ по размеру
активов)0,21( Наличие в регионе банков с капиталом более 1 млрд руб.)
Значение коэффициента множественной детерминации (R^2)
на
уровне 62% говорит о средней доле дисперсии результативного признака,
объясненной рассматриваемой моделью. Значение F-статистики на уровне
19.29 говорит о значимости модели в целом, так как расчетное значение
больше критического F (0.05, 6,71) = 2.22 (т.е. гипотеза H0: все
32
коэффициенты, полученные по модели равны 0, отвергается (p-value очень
низкое)).
33
4)
Проверка адекватности модели
Прежде чем анализировать и интерпретировать полученный результат
необходимо убедиться в адекватности модели.
Для построения нашей модели, мы использовали классический МНК,
чтобы оценки полученные
с использованием данного метода, обладали
полезными свойствами с точки зрения статистики, необходимо, чтобы
выполнялся ряд предпосылок относительно рассматриваемой модели. Такие
условия называются условиями Гаусса-Маркова.
В частности для нашей модели проверка остатков необходима по двум
основным свойствам, которые должны выполняться одновременно :
1)
Остатки имеют нормальное распределение
2)
Остатки имеют постоянную дисперсию
Нормальность распределения остатков
Выполнение
необходимо для
условия
о
нормальности
распределения
остатков
того, чтобы мы имели возможность делать выводы на
основании оценок модели.
Для проверки нормальности распределения, можно использовать
классическую гистограмму, чтобы получить представление о форме
распределения. При помощи R был построен график распределения остатков
(смотри Рисунок 2.). Распределение на гистограмме визуально приближено
к нормальному.
34
Рисунок 2. Гистограмма распределения остатков
Существует более точный инструмент для проверки того, насколько
форма распределения близка к нормальной - диаграмма квантиль-квантиль
(Q-Q plot).
Такая диаграмма представляет собой квантили стандартного
нормального распределения и соответствующие квантили анализируемых
данных. Если анализируемые данные
близки по своей природе к
стандартному распределению, результат будет лежать приблизительно на
прямой линии с положительным наклоном. При помощи R был построен Q-Q
plot для наших остатков (смотри Рисунок 3.). В данном случае мы можем
сказать, что остатки примерно распределены нормально.
35
Рисунок 3. Диаграмма квантиль-квантиль (Q-Q plot).
Постоянная дисперсия остатков (гомоскедастичность)
Вторым важным критерием для проверки адекватности модели
является однородность групповых дисперсий
или так называемая
гомоскедастичность. Если дисперсия остатков непостоянна, то присутствует
гетероскедастичность.
Для тестирования модели на гетероскедастичность был использован
тест Бройша- Пагана. Для теста были выбраны следующие гипотезы:
36
Тест показал следующие результаты:
Breusch-Pagan test
data: mymodel
BP = 7.17, df = 6, p-value = 0.3054
Полученные
гетероскедастичности
результаты
остатков.
свидетельствуют
Существенный
по
об
отсутствии
величине
p-value
позволяет принять нулевую гипотезу о постоянстве дисперсии.
Для большей точности и подтверждения результатов теста, мы
использовали график остатков (см. Рисунок 4). Согласно Рисунку 3, остатки
находятся в так называемом "конверте", что свидетельствует об отсутствии
гетероскедастичности в остатках.
Рисунок 4. Проверка остатков на гетероскедастичность
Все необходимые условия теоремы Гаусса- Маркова выполняются:
остатки представляют собой независимые случайные величины (рис. 4) , их
среднее значение равно 0 (рис 2, average (ei)=0), они имеют одинаковую
37
(постоянную) дисперсию (тест Бройша -Пагана)и подчиняются нормальному
распределению (рис 2).
Построенную модель с точки зрения статистики можем считать
адекватной.
38
5)
Результаты модели
Убедившись в адекватности модели, можем вернуться к анализу
полученных
в
модели
результатов.
Напомним,
что
в
финальную
многофакторную модель были включены только факторы, оказавшиеся
значимыми,
как
на
основании
их
экономического
смысла,
так
и
статистически.
Вернемся, к нашей основной гипотезе
(i)
о существовании
зависимость определенного вида, между социальными, экономическими и
банковскими характеристиками регионов Российской федерации и уровнем
совокупной сберегательной активности населения региона. Результаты
модели подтверждают, что зависимость существует, а значит наша гипотеза
подтвердилась.
Нами также были введены 3 субгипотезы, касающиеся типов
региональных характеристик, а именно социальных, экономических и
банковских. Каждая из трех субгипотез оказалась верной, однако,
наибольшее количество факторов, вошедших в финальную модель, носят
именно банковскую направленность.
Рассмотрим
многофакторную
по
модель
отдельности
в
разрезе
показатели,
которые
каждой
трех
из
попали
в
субгипотез
и
интерпретируем экономический смысл полученного характера связи.
В рамках субгипотезы (i.i) в финальную модель вошел один из пяти
потенциальных факторов – социальных характеристик региона, а именно
удельный вес городского населения.
Зависимость носит
заметно
выраженный положительный характер (см. Рисунок 5), что с экономической
точки зрения представляется вполне логичным. Можем говорить о том, что
уровень совокупной сберегательной активности населения выше в тех
регионах, где бОльшая часть населения проживает в городах.
Средний показатель доли городского населения в регионах РФ по
состоянию на 01.01.2013 составлял 69%. При этом разброс достаточно
существенный: от 0,29 на Алтае и 45-50% в регионах Южного федерального
39
округа (Дагестан, Карачаево- Черкессия, Чечня) до существенных 84-96% в
таких
регионах,
как
Свердловская
область,
Кемеровская
область,
Мурманская и Магаданская области.
Рисунок 5. Удельный вес городского населения в регионе
(стандартизованные данные)
Графическое отражение в реальных данных с указанием регионов см.
Приложение 4.
В рамках субгипотезы (i.ii) в финальную модель также вошел только
один из семи потенциальных факторов – экономических характеристик
регионов, а именно доля торговли в ВРП. Полученные в модели результаты
позволяют говорить о том, что регионы, в которых в большей степени
развита
именно
торговля,
обладают
более
высоким
совокупным
сберегательным потенциалом населения (см. Рисунок 6), уровень развития в
модели выражен через долю торговли в ВРП.
Средний показатель доли торговли в ВРП
в регионах РФ по
состоянию на 01.01.2013 составлял 14%. Наименьшую долю в ВРП торговля
занимает в таких областях, как Чукотский АО, Республика Коми,
40
Сахалинская область, доля торговли в этих регионах находится на уровне 56% от ВРП. Наибольшие значения наблюдаются в таких регионах, как
Дагестан (27,4%), Тамбовская область (27%) и Московской области (23,9%).
Рисунок 6 . Доля торговли в ВРП (стандартизованные данные)
Графическое отражение в реальных данных с указанием регионов см.
Приложение 4.
В рамках субгипотезы (i.iii) в модель вошло наибольшее количество
показателей, характеризующих региональный банковский сектор. Из шести
факторов включенных в финальную многофакторную модель четыре фактора
носят именно банковскую направленность.
Из двенадцати потенциально возможных факторов, предложенных для
включения в модель в рамках субгипотезы (i.iii), значимым оказался каждый
третий фактор. Рассмотрим более подробно все банковские факторы.
В
модель
был
включен
показатель,
описывающий
уровень
конкуренции в котором осуществляют деятельность региональные банки, а
именно доля действующих
филиалов банков, головная организация
41
которых
находится
в другом
регионе,
от
общего
количества
действующих филиалов. Данный показатель используется для описания
того, насколько банки из прочих регионов сильны на территории
рассматриваемого региона. Зависимость носит положительный характер, и
может быть интерпретирована следующим образом: в регионах, где уровень
полноценного присутствия банков из других регионом высок по сравнению с
уровнем филиального покрытия региона домашними банками, население
обладает большей совокупной сберегательной активностью. Отметим, что в
39 из 78 регионов, анализируемых в модели, филиалы банков из других
регионов занимают около 100% всех филиалов региона. Существенное
количество полноценных филиалов банков из других регионов увеличивает
совокупную сберегательную активность населения и, как следствие, рост
доли доступного фондирования для банков в данном регионе. Графическое
отражение в реальных данных с указанием регионов см. Приложение 4.
Еще один показатель, который был включен в модель, характеризует
уровень развития банковского сектора в регионе, а именно (Кредиты,
предоставленные физическим лицам)/ВРП. Данный показатель стоит
воспринимать именно, как proxy на уровень развития банковской системы,
позволяющий оценить уровень покрытия банковскими услугами населения
региона и интерпретировать, в соответствии с полученным положительным
характером зависимости (см.Рисунок 7).
Чем выше уровень развития
банковской системы региона, тем больше совокупная сберегательная
активность населения.
означает,
что
депозиты
Присутствие данного показателя в модели не
населения
являются
функцией
от
объема
кредитования населения, так как причинно следственная связь в линейных
моделях не может быть однозначно интерпретирована. Среднее значение
данного показателя по регионам РФ на 01.01.2013 составляет 61%, самые
низкие значения наблюдаются в Чечне и на Сахалине.
42
Рисунок 7. (Кредиты, предоставленные физическим лицам)/ ВРП
(стандартизованные данные)
Графическое отражение в реальных данных с указанием регионов см.
Приложение 4.
В модель также вошел показатель, характеризующий
региональных
банков,
а
именно
дамми
переменная
на
размер
наличие
зарегистрированных в регионе банков с капиталом более 1 млрд руб..
Результаты модели позволяют говорить о том, что в регионах, где такие
банки зарегистрированы, население показывает меньшую совокупную
сберегательную активность. Отметим, что банки с капиталом более 1 млрд
руб. зарегистрированы в 21 из 78 регионов РФ, анализируемых в модели. По
состоянию на 01.01.2013 всего на территории Российской федерации было
зарегистрировано 300 банков с капиталом более 1 млрд руб. [22], то есть
такой уровень капитализации может быть и у достаточно небольших банков
второй и третьей сотни. Отрицательный характер зависимости может
43
свидетельствовать о том, что в регионах, где крупных или даже средних
региональных банков нет, население демонстрирует высокий уровень
интереса к мелким региональным банкам, которые предлагают высокие
ставки, либо сберегает в надежных банках федерального значения, и его
совокупный сберегательный потенциал повышается.
В подтверждение вышесказанного отметим отрицательный характер
зависимости, который демонстрирует еще один показатель, включенный в
модель, а именно доля привлечения депозитов физических лиц 30
крупнейшими банками (см. Рисунок 8). Результаты модели говорят о том,
что в тех регионах, где существенный объем средств населения привлекается
лидерами российского рынка уровень совокупной сберегательной активности
населения ниже. Вероятно, это связано с непривлекательностью условий
депозитов, которые предлагают лидеры рынка.
Население регионов демонстрирует лояльность по отношению к
региональным банкам. Средний уровень показателя на 01.01.2013 составил
79%, самые низкие значения наблюдались в Курганской и Иркутской
областях (55%), самый высокий – в республике Марий Эл (98%).
44
Рисунок 8. Доля привлечения депозитов 30 крупнейшими банками в
РФ по размеру активов (стандартизованные данные)
Графическое отражение в реальных данных с указанием регионов см.
Приложение 4.
Все три субгипотезы в соответствии с финальной моделью нашли
подтверждение. И хотя факторы, описывающие социальные и экономические
особенности региона присутствуют в финальной модели, наибольший вес в
ней получили факторы, описывающие именно банковский сектор региона.
Интересным, в полученном результате является тот факт, что социальные и
экономические факторы, традиционно изучаемые с точки зрения их влияния
на сберегательную активность населения, в разрезе нашего исследования на
региональных данных субъектов Российской федерации оказываются
существенно менее значимыми в сравнении с характеристиками банковского
сектора региона.
Возвращаясь к теме рекомендаций для банков, которые планируют
проведение региональной экспансии в части привлечения фондирования от
физических лиц, еще раз стоит отметить, что
поведения:
45
возможно две стратегии
Стратегия 1. Прогнозирование факторов модели и выход на рынки,
где ожидается рост совокупной сберегательной активности населения.
Стратегия
2.
Усиление
активности
по
привлечению
средств
физических лиц во вклады на рынках с текущим высоким уровнем
сберегательной активности населения.
При
выборе
любой
из
стратегий,
негативным
момент
для
использования предложенной модели является временной лаг, возникающий
при сборе статистической информации. В этом случае существенным
положительным фактором для использования нашей модели является
качественные характеристики наших факторов, большинство из которых
представляют собой коэффициенты или дамми.
Согласно
проведенному
анализу,
рынки
с
текущей
высокой
совокупной сберегательной активностью населения: Ивановская область,
Воронежская область, Калининградская область, Мурманская область.
К рынкам с низкой совокупной сберегательной активностью
населения относятся: Красноярский край, Республика Тыва, Республика
Ингушетия, Тюменская область.
В целом можно говорить о следующем характере рекомендаций:
при выборе региональных рынков для усиления стратегии банка для
привлечения депозитов физических лиц, банкам стоит обращать внимание на
торговые регионы с высоким уровнем городского населения. Однако гораздо
большее внимание стоит уделить характеристикам региональных рынков
банковских услуг, обращая внимание на регионы с достаточно хорошим
уровнем покрытия региона банковскими услугами, но в тоже время с
меньшей долей крупных федеральных банков TOP-30 на рыке депозитов и
отсутствием достаточно крупных региональных игроков (капитал >1 млрд
руб.).
Такие регионы обладают существенным потенциалом в части
привлечения депозитов населения, как дополнительного фондирования.
46
Заключение
Цель работы была достигнута, была доказана гипотеза о наличии
зависимости
определенного
активностью
населения
рода
между
российских
совокупной
регионов
и
сберегательной
характеристиками
российских регионов.
Все, поставленные для реализации цели, задачи, были выполнены.
Во-первых, были проанализированы
существующие индикаторы
сберегательной активности населения и на основании проведенного анализа ,
сконструирован показатель, который, на наш взгляд, наиболее полно
отвечает
потребностям
сберегательной
исследования.
активности
населения
Для
был
описания
совокупной
выбран
показатель,
рассчитываемый, как отношение объема депозитов физических лиц
привлеченных на территории региона Российской федерации к Валовому
региональному продукту.
Во-вторых, была изучена роль депозитов физических лиц в
фондировании российских банков. Был сделан вывод о том, что данный
источник фондирования играет значимую роль в фондировании российских
банков.
Анализ текущей ситуации на российском рынке дал нам понимание
того, что банковский сектор страны в настоящее время находится на пути
реформации. Политика Центрального Банка, выражающаяся в отзыве
лицензий недобросовестных игроков, с высокой вероятностью, выльется в
консолидацию банковского сектора вокруг более крупных игроков.
Статистика показывает, что чаще других карательные меры Центрального
Банка оказываются направленными на региональных игроков.
Эпоха перемен создает для сильных игроков дополнительные
возможности: крупные и средние банки, которые в числе первых начнут
проводить
активную
политику
фондирования от физических лиц,
по
привлечению
дополнительного
на постепенно освобождающихся от
47
более мелких игроков региональных рынках. Для победы в конкурентной
борьбе в части привлечения нового фондирования на региональных рынках
банкам необходимо иметь эффективную стратегию действий, уметь выбирать
на какие именно регионы стоит в первую очередь обращать внимание. Для
этого банкам необходимо понимание, какие факторы способны повлиять на
совокупную сберегательную активность населения конкретного региона.
Была построена статистическая модель, которая позволяет говорить о
наличии взаимосвязи между совокупной сберегательной активностью
населения региона, в части инвестирования на банковские депозиты и всеми
группами рассматриваемых факторов : социальными, экономическими и
банковскими характеристиками регионов. Наибольший вес в итоговой
многофакторной модели получили характеристики банковского сектора
региона.
Адекватность модели была доказана с помощью проведения
различных статистических тестов.
В качестве итогового результата модели можно выделить следующий
характер рекомендаций:
при выборе региональных рынков для усиления
стратегии банка для привлечения депозитов физических лиц, банкам стоит
обращать внимание на торговые регионы с высоким уровнем городского
населения.
Однако
гораздо
большее
внимание
стоит
уделить
характеристикам региональных рынков банковских услуг, обращая внимание
на регионы с достаточно хорошим уровнем покрытия региона банковскими
услугами, но в тоже время с меньшей долей крупных федеральных банков
TOP-30 на рыке депозитов и отсутствием достаточно крупных региональных
игроков (капитал >1 млрд руб.). Такие регионы обладают существенным
потенциалом
в
части
привлечения
депозитов
населения,
как
дополнительного фондирования.
Применение данных рекомендаций, с высокой вероятностью, в
первую очередь могут быть актуальны для банков, которые имеют
48
достаточные возможности, как финансовые, так и интеллектуальные, для
реализации стратегии региональной экспансии на рынок розничных
депозитов.
Получение
каких-либо
конкурентных
региональных рынках возможно только
преимуществ
на
либо при качественном
прогнозировании потенциально привлекательных рынков, либо в быстром
реагировании на открывающиеся возможности, мы считаем, что данные
рекомендации могут быть в большей мере интересны банкам TOP-100 по
размерам активов в РФ.
Недостатком модели является временной лаг, возникающий при сборе
статистической информации, что может привести к тому, что полученные
оценки будут являться запоздалыми и неактуальными. Но в данном случае,
прогнозирование показателей может способствовать преодолению данного
недостатка, более того
факторы модели в большей степени являются
коэффициентами, что существенно упрощает процедуру их прогноза.
49
Список использованной литературы
1.
Астрелина, В. В., Бондарчук П.К., Шалынов М. Управление
ликвидностью в российском коммерческом банке : учеб. пособие /Форум :
ИНФРА-М/ 2012
2.
Белехова Г. В. Индикаторы сберегательной активности населения (на
примере Вологодской области) [Текст] / Г. В. Белехова // Проблемы
и перспективы экономики и управления: материалы II междунар. науч. конф.
(г. Санкт-Петербург, июнь 2013 г.). — СПб.: Реноме, 2013.
3.
Бельских И. Е. Специфика методики имиджевого продвижения
депозитных
продуктов
для
населения
на
региональных финансовых
рынках России /Финансы и кредит/2008/№12.
4.
Григорьев, Л. Мировые дисбалансы сбережений и инвестиций / Л.
Григорьев, А. Иващенко // Вопросы экономики./2011№ 6.
5.
Динамика финансовой активности населения России 1998–2011:
аналитический доклад / Исследовательская группа Циркон./М./ 2011
6.
Елисеева И.И.,
учебник Эконометрики, Москва, издательство
“Финансы и статистика” 2007 год
7.
Ефимова,
М. Р. Инвестиционный
потенциал
населения
России:
основные аспекты статистического изучения/ М. Р. Ефимова, Н. Ю. Аббас //
Вопросы статистики./2011/№ 1
8.
Журавлева Ю. А. Банковские стратегии на рынке корпоративных
депозитов/Банковское дело/2010/№.2.
9.
Клисторин
В.И.,
Лобов
Е.В.
Основные
тенденции
развития
региональной банковской системы российской федерации ( на примере
сибирского федерального округа)/ Вестник НГУ. Серия: Социальноэкономические науки 2006. Том 6 Выпуск 2
10.
Когденко, В. Г., Мельник В.Г., Быковников И.Л. Краткосрочная и
долгосрочная финансовая политика : учеб. пособие для вузов / ЮНИТИДАНА, 2012.
50
11.
Комарова К.А. Эволюция системы банковского регулирования в
странах Европы - влияние финансового кризиса /Экон. науки. / 2012. - № 3
(88).
12.
Метелева, Е. В. Воздействие на социально-экономическое поведение
домохозяйств через взаимодействие с банковским сектором / Е. В. Метелева
// Экономические науки./ 2010./№ 3(64)
13.
Министерство
ПРОГНОЗ
экономического
развития
Российской
федерации:
ДОЛГОСРОЧНОГО СОЦИАЛЬНО – ЭКОНОМИЧЕСКОГО
РАЗВИТИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ НА ПЕРИОД ДО 2030 ГОДА/
март 2013
14.
Пересецкий А.А., Карминский А.М., Головань С.В. Розничный бизнес
российских
банков.
Анализ
неоднородности
процентных
ставок
по
депозитам физических лиц / Препринт #WP 2006/57-М.: Российская
экономичсекая школа, 2006.
15.
Продолятченко,
П. А. Трансформация
сбережений
населения
в инвестиции [Текст] / П. А. Продолятченко // Деньги и кредит/ 2007. /№ 2
16.
Хмыз О. В. Банковский сектор стран Центральной и Восточной Европы
после кризиса /Банковское дело. /2011. - № 4.
Электронные ресурсы:
17.
Accuity.com (Bankers Almanac)
18.
Harvey, R. Comparison of household saving ratios: Euro area/United
States/Japan/ Statistics Brief. OECD. — 2004. — № 8. — URL:
http://www.oecd.org/std/na/32023442.pdf
19.
Household saving /OCED Factbook 2013. — URL:
http://dx.doi.org/10.1787/factbook-2013-en
20.
Measuring Regional Economies/ Statistics Brief. OECD/ October 2003/ №6
21.
The various measures of the saving rate and their interpretation / Statistics
directorate OECD. —URL: www.oecd.org/dataoecd/10/34/1953416.doc
51
22.
www.banki.ru
23.
www.cbr.ru
24.
www.consultant.ru
25.
www.gks.ru
26.
www.roskazna.ru
27.
Курс социально-экономической статистики/ под. ред. проф.
М. Г. Назарова: http://www.bibliotekar.ru/economicheskaya-statistika/258.htm
28.
Л.Григорьев, А. Иващенко/ Мировые дисбалансы сбережений и
инвестиций: http://sergeevoleg.viperson.ru/data/201106/ljcjujxjujxjtjcjt62011.pdf
29.
Низкая норма накопления — приговор инвестиционному климату/
Л. М. Григорьев.: http://www.hse.ru/news/recent/26840696.html
30.
Регионы России. Cоциально- экономические показатели - 2012г..
Федеральная служба государственной статистики [электронный ресурс]
52
Приложение 1. Значение всех потенциальных факторов модели
депозиты на
душу
населения/
врп на душу
Region
Ивановская область
Y
уровень
безработицы
(%)
уровень
экономически
активного
населения (% от
всего населения)
удельный вес
городсткого
населения (в
долях от
всего
населения)
численность
населения,
тыс чел.
демографическая
нагрузка
(пенсионеры и дети
на 1000
трудоспособного
населения)
x3
x6
x14
x11
x15
0,5
6,3
68,5
0,81
1 049
713
Воронежская область
0,4
5,5
64,6
0,66
2 330
694
Калининградская
область
Мурманская область
0,4
7,4
70,7
0,78
0,4
7,7
74,9
0,93
Владимирская область
0,4
4,4
70,3
0,78
642
955
780
574
721
1 422
0,4
5,6
69
0,78
Самарская область
Ярославская область
0,4
3,4
69,3
0,80
3 213
668
0,4
3,4
68,8
0,82
1 272
729
Хабаровский край
Тульская область
0,4
6,4
69,9
0,82
1 342
609
0,4
4,6
67,6
0,79
1 532
729
Камчатский край
Рязанская область
0,4
5,8
72,9
0,77
321
556
0,4
4,6
63,5
0,71
1 145
730
Саратовская область
Костромская область
0,3
5,4
65,8
0,75
2 503
689
0,3
4,8
70
0,71
659
724
Кировская область
0,3
7,1
67,6
0,75
1 319
720
Ростовская область
0,3
6
65,5
0,68
4 255
678
Пензенская область
0,3
4,9
65,5
0,68
1 369
709
Нижегородская
область
0,3
5,4
71,4
0,79
Ставропольский край
Орловская область
0,3
5,4
65,1
0,58
2 791
662
0,3
5,3
65,1
0,66
776
717
Магаданская область
Калужская область
0,3
3,4
79,1
0,96
152
558
0,3
4,3
70,4
0,76
1 006
690
Брянская область
0,3
5,1
66,7
0,69
1 254
697
Тверская область
0,3
5
70,5
0,75
1 334
735
Псковская область
0,3
6,6
68,5
0,70
662
736
Республика Карелия
0,3
7
66,9
0,79
637
690
Приморский край
0,3
6,9
68,3
0,77
1 947
624
Чувашская Республика
Смоленская область
0,3
5,9
68,7
0,60
1 243
656
0,3
5,7
71,3
0,73
975
666
Свердловская область
Московская область
0,3
5,8
69,2
0,84
4 316
687
0,3
2,9
72,8
0,81
7 048
636
Астраханская область
0,3
7,9
67
0,67
1 014
671
Ульяновская область
0,3
5,6
67,7
0,74
1 275
675
Краснодарский край
0,3
5,6
65,2
0,54
5 330
703
0,3
7,9
67,2
0,64
0,3
6,2
65
0,56
Новосибирская область
Республика
Северная Осетия Алания
Алтайский край
645
2 710
690
3 290
705
706
53
2 399
709
Волгоградская область
0,3
6
66,8
0,76
694
2 583
Республика Мордовия
0,3
4,9
70,7
0,61
819
648
Челябинская область
Тамбовская область
0,3
6,4
70,5
0,82
3 485
694
0,3
4,9
64,1
0,59
1 076
715
Республика Марий Эл
Липецкая область
0,3
6,5
68,5
0,64
690
652
0,3
3,6
70,7
0,64
1 162
708
Вологодская область
0,3
5,8
69,9
0,71
1 196
691
Курская область
0,2
5,1
65,8
0,67
1 119
719
Омская область
Новгородская область
0,2
6,9
68,8
0,72
1 974
647
0,2
4,1
69,3
0,71
626
748
Пермский край
0,2
6,3
67,7
0,75
2 635
691
0,2
8,9
59,7
0,54
0,2
4,1
70,4
0,76
0,2
8,9
67,4
0,43
Иркутская область
0,2
7,8
67,7
0,80
2 422
676
Республика Адыгея
Удмуртская
Республика
0,2
8,1
61,5
0,47
444
724
0,2
6
71,7
0,65
Кемеровская область
0,2
7,1
66,7
0,86
2 743
691
Курганская область
0,2
8,7
64,3
0,61
886
773
Республика
Башкортостан
0,2
6,1
66,7
0,61
Амурская область
0,2
5,3
67,3
0,67
817
654
Томская область
Архангельская область
0,2
8,4
60
0,71
1 064
609
0,2
5,4
68
0,77
Белгородская область
0,2
3,7
66,2
0,67
1 541
677
Республика Калмыкия
0,2
13,1
67,3
0,45
284
631
Республика Бурятия
0,2
7,9
63,9
0,59
972
666
Еврейская автономная
область
0,2
8,5
65,4
0,68
Республика Алтай
0,2
11,6
67,3
0,29
210
734
Забайкальский край
0,2
10,6
64,4
0,67
1 095
651
Оренбургская область
Республика Коми
0,2
5,4
67,6
0,60
2 016
682
0,2
6,4
70,8
0,77
881
602
Республика Хакасия
Ленинградская область
0,2
7,9
64,7
0,68
533
683
0,2
3,2
71,6
0,65
Чукотский автономный
округ
0,2
4,3
82,5
0,67
Красноярский край
0,1
5,5
68,6
0,77
2 847
626
Республика Тыва
0,1
18,4
56,5
0,54
311
729
Республика Саха
(Якутия)
0,1
8
69,8
0,65
Республика Ингушетия
0,1
47,7
69,1
0,40
442
682
Тюменская область
0,1
5,2
72,3
0,79
3 511
537
КабардиноБалкарская Республика
Республика Татарстан
623
859
КарачаевоЧеркесская Республика
3 822
657
654
472
677
1 518
665
4 061
686
1 202
662
173
653
1 751
505
51
604
956
54
Сахалинская область
0,1
7,7
72,4
0,81
493
619
Чеченская Республика
0,1
29,8
70,7
0,35
1 325
762
Республика Дагестан
0,1
11,7
63,6
0,45
2 946
612
55
Region
Ивановская область
Воронежская область
Калининградская
область
Мурманская область
Владимирская область
Новосибирская
область
доля
обрабатывающей
промышленности
в структуре ВРП
(%)
доля
торговли
в
структуре
ВРП (%)
ИПЦ
(среднее
з 5 лет)
(капитальные
расходы
/врп)*1000
ВРП ндушу
населения,
тыс руб.
x1
x2
x4
x5
x13
22,9
17
21,9
15,5
31
14,7
25,5
Самарская область
Ярославская область
27
9
Хабаровский край
Тульская область
35,3
8,4
Камчатский край
Рязанская область
29,5
17,1
Саратовская область
Костромская область
24,2
25,6
15,8
19,3
17,1
9,8
13,8
19,2
12,1
16,7
13,2
11,9
10,3
16,7
13
14,7
14,5
109,82
108,9
108,5
108,98
108,98
107,82
108,02
109,72
109
109,8
109,42
109,28
108
109,24
109,44
0,185
18,8
109,26
19,6
17,3
108,92
29,9
13,7
Ставропольский край
Орловская область
17,5
2,4
Магаданская область
Калужская область
Брянская область
Тверская область
Псковская область
Республика Карелия
38,2
16,5
21,3
20,5
15,2
8,1
17,2
20
15,6
11,1
12,7
22,1
15,3
18,8
11,3
15,7
109,44
108,84
108,9
111,82
109,6
109,96
108,64
108,56
108,8
108,32
Приморский край
56
191,6524
14,3
x8
243,8336
16,0
329,0275
24,0
178,4919
12,7
215,4853
16,7
258,9952
20,0
224,3555
15,0
298,9961
21,6
176,0735
15,2
351,3484
26,3
182,964
13,9
169,9489
11,8
167,8452
12,8
151,6521
13,2
178,5006
14,7
144,9388
12,9
233,2942
16,8
143,5419
13,1
167,1499
13,1
483,2292
27,9
232,2556
15,7
141,6828
13,5
188,5068
13,8
152,8578
13,0
222,9558
16,2
279,994
17,2
0,6
0,6
0,263
0,6
0,164
0,5
0,104
0,6
0,076
0,6
0,186
0,5
0,312
0,6
0,196
0,5
0,998
0,4
0,275
0,5
0,106
0,6
0,287
0,5
0,187
0,5
0,061
0,7
0,263
Пензенская область
Нижегородская
область
11,6
0,328
Ростовская область
Доля
среднемесячного
дохода,
потраченная н
текущее
потребление
0,5
120,3498
0,173
Кировская область
19,4
средний
доход на
душу
населения в
мес.
(среднее
значение за
5 лет), тыс
руб.
x7
0,6
0,102
0,6
0,103
0,7
0,396
0,5
2,162
0,4
0,399
0,5
0,200
0,6
0,237
0,6
0,495
0,6
0,352
0,5
0,179
0,6
25,5
Чувашская Республика
Смоленская область
22,3
28,4
Свердловская область
Московская область
Астраханская область
23,1
16,9
21,8
13,5
19,7
19,5
23,9
11,1
14,5
108,46
110,12
109,48
108,42
108,62
109,1
0,278
16,4
108,94
9,7
Республика Мордовия
26,2
23
11,2
28,3
Республика Марий Эл
Липецкая область
Вологодская область
Курская область
39,2
41,1
14,4
37,5
Омская область
Новгородская область
22,4
313,6357
23,4
168,4599
14,5
173,673
12,9
233,9137
16,5
0,6
0,031
0,5
0,472
0,6
0,255
0,5
0,122
0,7
0,362
32,9
34
19
15,2
11,2
12,7
26,9
10,7
10,7
8,9
8
13,1
13
12,2
108,96
0,5
108,66
108,82
109,12
108,78
109,24
108,82
108,48
109,84
107,96
108,64
109,68
0,104
14,3
18,7
110,62
0,6
139,3627
11,4
191,8248
13,5
152,9321
10,8
223,1052
16,9
167,8495
13,9
139,1385
10,2
244,5606
15,8
264,157
14,5
207,6908
14,8
227,1036
16,0
235,9873
15,5
305,1735
19,8
0,098
0,7
0,475
0,5
0,067
0,6
0,420
0,6
0,458
0,6
0,276
0,6
0,396
0,5
0,241
0,5
0,123
0,6
0,480
0,6
0,075
Пермский край
КабардиноБалкарская Республика
Республика Татарстан
294,1801
0,6
119,8611
36,2
Челябинская область
Тамбовская область
109,08
14,5
12,6
20
Алтайский край
Волгоградская область
19,9
186,6192
0,063
Краснодарский край
Республика
Северная Осетия Алания
11,0
0,315
Ульяновская область
10,5
0,6
150,8323
0,6
0,328
0,6
11,3
105,4596
17,4
14
107,96
0,096
0,6
336,0786
12,5
12,3
109,52
0,765
104,2044
15,4
11,2
109,34
0,103
Иркутская область
14,7
17,9
13,9
21,9
11,8
12
109,3
109,62
108,36
20,2
12,8
109,68
3,8
15
10
108,58
109,58
Амурская область
57
15,2
125,1737
12,4
220,7986
12,9
268,7678
15,8
151,582
13,5
233,9556
17,6
271,0925
15,8
0,5
0,112
0,5
0,130
0,6
0,277
Курганская область
28,9
0,6
258,7866
0,599
Кемеровская область
Республика
Башкортостан
0,5
10,6
КарачаевоЧеркесская Республика
Республика Адыгея
Удмуртская
Республика
18,5
0,6
0,060
0,7
0,538
0,5
11,5
Томская область
Архангельская область
Белгородская область
Республика Калмыкия
13,8
17,9
3,9
16,1
10,1
7,8
13,5
7,5
12,4
108,54
108,68
108,64
110,14
108,86
0,301
5
2,4
9
7
110,42
109
12,9
109,28
11,4
10
11,6
Республика Хакасия
Ленинградская область
Чукотский автономный
округ
26,1
0,6
33,8
8,1
5,5
11
11,3
6,1
7,7
108,28
108,56
109,2
109,8
107,98
108,06
12,9
109,18
1,9
2,5
7,1
16
107,82
108,8
8,1
107,78
5,2
109,24
21,2
111,68
4,2
27,4
111,08
58
208,3385
15,0
127,5931
12,6
188,8487
14,3
273,1356
13,5
484,9147
22,5
217,3071
12,8
326,473
14,6
883,3532
38,6
419,507
18,7
109,4464
10,2
504,6789
23,4
61,8041
9,7
1192,066
29,7
1203,2689
30,0
66,985
13,8
111,9077
15,7
0,6
0,5
0,4
0,5
0,6
0,602
0,5
0,619
0,5
0,336
0,6
6,239
0,3
0,111
0,6
1,050
0,4
0,479
0,5
0,921
0,3
0,101
0,6
0,546
0,6
0,472
Чеченская Республика
Республика Дагестан
14,3
0,135
Сахалинская область
2,5
159,221
0,4
0,254
Тюменская область
3,3
7,9
1,629
Республика Ингушетия
6,8
99,9992
0,5
3,932
Республика Тыва
Республика Саха
(Якутия)
16,9
0,273
Красноярский край
3,5
333,502
0,5
1,683
Забайкальский край
Оренбургская область
Республика Коми
361,0239
19,4
0,173
Республика Алтай
3,8
15,4
0,282
Республика Бурятия
Еврейская автономная
область
0,6
320,6804
0,4
0,159
0,6
Region
Ивановская область
Количество
зарегистрированн
ых в регионе
банков с уставным
капиталом до 500
млн руб.
Количество
зарегистрированн
ых в регионе
банков с уставным
капиталом до 1
млрд руб.
Количество
зарегистрированн
ых в регионе
банков с уставным
капиталом до 10
млрд руб.
Количество
зарегистрированн
ых в регионе
банков с уставным
капиталом от 1 до
10 млрд руб.
Количество
зарегистрированн
ых в регионе
банков с уставным
капиталом более
10 млрд руб.
наличие в
регине
банков с
капиталом
больше 1
млрд ,
(дамми)
x16
x17
x18
x19
x20
x31
2
3
3
0
0
0
1
1
1
0
0
0
2
2
2
0
0
0
8
8
8
0
0
0
2
2
2
0
0
0
4
4
4
0
0
0
Самарская область
Ярославская область
4
6
8
2
0
1
2
2
2
0
0
0
Хабаровский край
Тульская область
4
5
5
0
0
0
14
15
19
4
1
1
Воронежская
область
Калининградская
область
Мурманская область
Владимирская
область
Новосибирская
область
Камчатский край
Рязанская область
6
6
7
1
0
1
8
10
10
0
0
0
Саратовская область
Костромская область
6
6
6
0
0
0
5
5
5
0
0
0
Кировская область
4
4
4
0
0
0
Ростовская область
6
6
6
0
0
0
Пензенская область
Нижегородская
область
6
6
7
1
0
1
1
1
1
0
0
0
Ставропольский край
Орловская область
4
4
5
1
0
1
3
3
3
0
0
0
Магаданская область
Калужская область
6
8
9
1
0
1
4
4
4
0
0
0
3
3
3
0
0
0
4
4
4
0
0
0
1
1
1
0
0
0
3
3
3
0
0
0
2
2
2
0
0
0
4
5
5
0
0
0
1
2
2
0
0
0
7
10
12
2
0
1
3
3
3
0
0
0
2
2
3
1
0
1
Ульяновская область
14
16
16
0
0
0
Краснодарский край
2
2
3
1
0
1
Республика
Северная Осетия Алания
2
2
2
0
0
0
3
3
4
1
0
1
2
2
2
0
0
0
11
11
15
4
1
1
Брянская область
Тверская область
Псковская область
Республика Карелия
Приморский край
Чувашская
Республика
Смоленская область
Свердловская
область
Московская область
Астраханская
область
Алтайский край
Волгоградская
область
Республика
59
Мордовия
Челябинская область
Тамбовская область
2
2
2
0
0
0
0
0
0
0
0
0
1
1
1
0
0
0
2
2
2
0
0
0
4
7
9
2
0
1
2
3
4
1
0
1
Омская область
Новгородская
область
0
0
0
0
0
0
8
10
11
1
0
1
Пермский край
КабардиноБалкарская Республи
ка
Республика
Татарстан
КарачаевоЧеркесская Республи
ка
9
9
11
2
0
1
5
5
5
0
0
0
26
27
27
0
0
0
Республика Марий
Эл
Липецкая область
Вологодская область
Курская область
1
2
3
1
0
1
Иркутская область
11
12
16
4
0
1
Республика Адыгея
Удмуртская
Республика
6
6
6
0
0
0
9
9
9
0
0
0
Кемеровская область
1
1
1
0
0
0
Курганская область
11
14
22
8
1
1
Республика
Башкортостан
13
14
15
1
0
1
Амурская область
5
5
5
0
0
0
Томская область
Архангельская
область
Белгородская
область
Республика
Калмыкия
0
0
0
0
0
0
2
3
3
0
0
0
5
5
5
0
0
0
3
3
3
0
0
0
Республика Бурятия
3
3
5
2
0
1
Еврейская
автономная область
8
9
9
0
0
0
Республика Алтай
0
0
0
0
0
0
Забайкальский край
Оренбургская
область
Республика Коми
2
2
2
0
0
0
2
2
2
0
0
0
0
0
0
0
0
0
Республика Хакасия
Ленинградская
область
Чукотский
автономный округ
1
1
1
0
0
0
3
3
3
0
0
0
5
5
5
0
0
0
Красноярский край
6
6
6
0
0
0
Республика Тыва
4
4
4
0
0
0
0
2
2
0
0
0
Республика Саха
(Якутия)
Республика
Ингушетия
4
5
5
0
0
0
Тюменская область
4
5
6
1
0
1
Сахалинская область
Чеченская
Республика
0
0
0
0
0
0
4
4
4
0
0
0
60
Республика Дагестан
4
Доля
привлечени
я депозитов
30
крупнейши
ми банками
в РФ по
размеру
активов.
Region
Ивановская область
Воронежская
область
Калининградская
область
Мурманская область
x30
5
Количество
структурных
подразделен
ий кредитных
организаций
(шт.);
x22
5
0
0
Всего
зарегитрированн
ых кредитных
организаций в
регионе, шт.
Доля действующих орг
и их филиалов,
головная организация
которых находится
в данном регионе, от
общего количества
действующих огр и
филиалов
Доля действующих орг
и их филиалов,
головная организация
которых находится
в другом регионе, от
общего количества
действующих огр и
филиалов
(Кредиты,
предоставленн
ые физическим
лицам)/ВРП
x21
x26
x27
x10
0,83
246
3
0,000
1,00
0,90
214
1
0,000
1,00
0,89
285
2
0,083
0,92
0,86
624
8
0,121
0,88
0,92
18
2
0,125
0,88
0,74
317
4
0,000
1,00
Самарская область
Ярославская область
0,73
794
8
0,000
1,00
0,84
303
2
0,000
1,00
Хабаровский край
Тульская область
0,78
84
5
0,364
0,64
0,63
949
20
0,100
0,90
Камчатский край
Рязанская область
0,85
922
7
0,238
0,76
0,77
398
10
0,235
0,76
Саратовская область
Костромская область
0,92
604
6
0,119
0,88
0,88
266
5
0,190
0,81
Кировская область
0,87
684
4
0,000
1,00
Ростовская область
0,79
364
6
0,071
0,93
Пензенская область
Нижегородская
область
Ставропольский
край
Орловская область
0,79
393
7
0,071
0,93
0,87
187
1
0,143
0,86
0,64
185
5
0,000
1,00
0,83
192
3
0,000
1,00
0,63
1006
9
0,494
0,51
0,82
370
4
0,000
1,00
0,90
735
3
0,000
1,00
0,81
94
4
0,200
0,80
0,94
342
1
0,000
1,00
0,87
381
3
0,133
0,87
0,79
189
2
0,000
1,00
0,77
42
5
0,000
1,00
0,74
354
2
0,077
0,92
0,88
2198
12
0,029
0,97
0,88
455
3
0,000
1,00
Астраханская
область
0,83
54
3
0,167
0,83
Ульяновская область
0,72
1255
16
0,113
0,89
Магаданская
область
Калужская область
Брянская область
Тверская область
Псковская область
Республика Карелия
Приморский край
Чувашская
Республика
Смоленская область
Свердловская
область
Московская область
0,68
0,74
0,83
Владимирская
область
Новосибирская
область
0
0,39
0,74
1,00
0,78
0,73
0,67
1,19
0,49
0,57
0,67
0,64
0,61
1,00
0,53
0,97
0,63
0,83
0,47
0,59
0,59
0,50
0,57
1,35
0,73
0,66
0,69
0,87
0,96
0,41
61
0,70
Краснодарский край
Республика
Северная Осетия Алания
0,73
283
3
0,037
0,96
0,41
0,77
336
2
0,000
1,00
Алтайский край
Волгоградская
область
Республика
Мордовия
0,81
288
4
0,400
0,60
0,97
46
2
0,000
1,00
0,76
1189
16
0,388
0,61
Челябинская область
Тамбовская область
0,76
416
2
0,000
1,00
0,87
318
0
0,000
1,00
0,98
50
1
0,000
1,00
0,64
187
2
0,000
1,00
0,73
776
9
0,000
1,00
0,71
320
4
0,000
1,00
Омская область
Новгородская
область
0,98
48
0
0,000
1,00
0,73
1410
11
0,000
1,00
Пермский край
КабардиноБалкарская Республи
ка
Республика
Татарстан
КарачаевоЧеркесская Республи
ка
0,73
1069
11
0,062
0,94
0,66
467
3
0,000
1,00
Иркутская область
0,56
1263
16
0,057
0,94
Республика Адыгея
Удмуртская
Республика
Кемеровская
область
0,61
277
6
0,000
1,00
0,66
806
9
0,333
0,67
0,84
529
1
0,000
1,00
Курганская область
0,55
1525
23
0,562
0,44
Республика
Башкортостан
0,73
1647
15
0,013
0,99
Амурская область
0,82
902
5
0,022
0,98
Томская область
Архангельская
область
Белгородская
область
Республика
Калмыкия
0,96
263
0
0,000
1,00
0,72
115
3
0,333
0,67
0,76
131
5
0,231
0,77
0,76
359
3
0,000
1,00
Республика Бурятия
0,84
813
5
0,000
1,00
Еврейская
автономная область
0,85
649
9
0,000
1,00
Республика Алтай
0,86
58
0
0,000
1,00
Забайкальский край
Оренбургская
область
Республика Коми
0,91
158
2
0,250
0,75
0,86
271
2
0,333
0,67
0,82
49
0
0,000
1,00
Республика Хакасия
Ленинградская
область
Чукотский
автономный округ
0,78
279
1
0,167
0,83
0,84
346
3
0,000
1,00
0,86
152
5
0,222
0,78
Красноярский край
0,69
528
6
0,083
0,92
Республика Тыва
0,64
320
4
0,125
0,88
Республика Марий
Эл
Липецкая область
Вологодская область
Курская область
0,86
0,85
0,52
0,73
0,79
0,58
0,81
0,46
0,62
0,82
0,68
0,60
0,58
0,47
0,82
403
5
0,067
0,93
0,74
186
27
0,812
0,19
0,61
0,58
0,66
0,57
0,49
0,71
0,56
0,70
0,47
0,53
0,43
0,53
0,61
0,73
0,27
1,26
0,41
0,41
0,24
0,44
0,54
0,29
62
0,49
0,47
Республика Саха
(Якутия)
Республика
Ингушетия
0,43
0,74
238
2
0,000
1,00
0,82
412
5
0,000
1,00
Тюменская область
0,69
619
6
0,000
1,00
Сахалинская область
Чеченская
Республика
0,83
18
0
0,000
1,00
0,74
306
4
0,000
1,00
Республика Дагестан
0,84
511
5
0,083
0,92
0,20
0,23
0,12
0,12
63
0,20
Приложение 2. Скрипт для R
## Download required libriaries
Sys.setlocale("LC_ALL","Russian_Russia")
alfa_whole<-read.csv("D:/документы/ UEvdokimova/data20140519.csv",header=T,dec = ".",sep = ";")
library(stats)
library(car)
library(devtools)
load_all("C:/Program Files/R/R-3.1.0/library")
install.packages("C:/Program Files/R/R-3.1.0/library/MSBVAR_0.7-2.tar.gz",type="source")
## Describe that region it's not the variable
alfa_info<-alfa_whole[c("Region")]
nrow(alfa_info)
ncol(alfa_info)
## Define variables
alfa_var<-alfa_whole[setdiff(names(alfa_whole),names(alfa_info))]
ncol(alfa_var)
nrow(alfa_var)
head(alfa_var)
class(alfa_var$x2)
### Normalization step
n.alfa_var<-data.frame(sapply(alfa_var,function(x){(x-mean(x,na.rm=TRUE))/sd(x,na.rm=TRUE)}))
write.csv(n.alfa_var,file=paste("D:/документы /UEvdokimova/stand_data.csv"))
alfa_info<-cbind(alfa_info,n.alfa_var$Y5)
names(alfa_info)<-c("Region","Y5")
n.alfa_var<-n.alfa_var[setdiff(names(n.alfa_var),names(alfa_info))]
## P-value and R^2 calculating (regressions Yj~Xi)
Tmp<-matrix(data=NA, nrow = 4, ncol = 33)
Tmp[1,]<-names(n.alfa_var)
for(i in 1:length(n.alfa_var)) {
logitfor <- as.formula(paste("alfa_info$Y5 ~ ",
as.list(paste("n.alfa_var","$",names(n.alfa_var[i]),sep = "")),
sep = ""))
mymodel<-lm(logitfor,na.action=na.exclude)
Tmp[2,i]<-summary(mymodel)$coefficients[2,1]
Tmp[3,i]<-summary(mymodel)$coefficients[2,4]
Tmp[4,i]<-summary(mymodel)$r.squared
}
head(Tmp)
nrow(Tmp)
#### Correlation matrix of all variables (upper triangle)
matrix <-upper.tri(cor(n.alfa_var,use = "pairwise.complete.obs"),diag=TRUE)*cor(n.alfa_var,use = "pairwise.complete.obs")
write.table(matrix, "clipboard",col.names=NA, sep="\t")
#"Correlation Matrix is copied to Clipboard"
64
plot(alfa_info$Y3~n.alfa_var$x3)
## Check
logitfor <- as.formula(alfa_info$Y3 ~ n.alfa_var$x1)
mymodel<-lm(logitfor,na.action=na.exclude)
summary(mymodel)
### Multifactor regression
#alfa_whole<-read.csv("D:/документы/ UEvdokimova/stand_data.csv",header=T)
logitfor_multi<- as.formula(alfa_info$Y5~
n.alfa_var$x2+
n.alfa_var$x10+
n.alfa_var$x14+
n.alfa_var$x27+
n.alfa_var$x30+
n.alfa_var$x31)
mymodel<-lm(logitfor_multi,na.action=na.exclude)
summary(mymodel)
grangertest(n.alfa_var$x10~alfa_info$Y5,order=2)
###
av.plots(mymodel)
residualPlots(mymodel)
qqPlot(mymodel)
library(lmtest)
#################Studentized Breusch-Pagan test
#bptest(mymodel,studentize=F)
ncvTest(mymodel)
#vcov(mymodel)
#SSR<-deviance(mymodel)
plot(density(subset(residuals(mymodel),is.na(residuals(mymodel))==FALSE)))
#qqnorm(residuals(mymodel))
#qqline(residuals(mymodel))
##Plotting
plot(n.alfa_var$x31,alfa_info$Y5)
abline(fit<-lm(alfa_info$Y5~n.alfa_var$x31),col='red')
legend("topright", bty="n", legend=paste("R2 is",format(summary(fit)$r.squared, digits=4)))
scatterplot(fitted(mymodel),alfa_info$Y3)
plot(fitted(mymodel),residuals(mymodel))
abline(h=0, col="red")
65
Приложение 3. Матрица парных коэффициентов корреляции
Y
x1
x2
x3
x4
x5
x6
x7
x8
x10
x11
x13
x15
x14
x16
x17
x18
x19
x20
x21
x31
x22
x26
x27
x30
Y
100%
42%
30%
-41%
-5%
-24%
8%
-15%
30%
55%
9%
-35%
47%
21%
0%
0%
0%
1%
-7%
0%
9%
14%
-18%
18%
-26%
x1
0,000
1,000
0,084
-0,395
-0,162
-0,410
0,063
-0,205
0,429
0,381
0,270
-0,223
0,345
0,373
0,126
0,138
0,147
0,112
-0,027
0,143
0,203
0,319
-0,082
0,082
-0,300
x2
0,000
0,000
1,000
0,089
0,228
-0,320
-0,298
-0,319
0,256
0,161
0,341
-0,472
-0,177
0,333
0,310
0,304
0,275
0,049
-0,105
0,266
0,099
0,221
0,157
-0,157
0,044
x3
0,000
0,000
0,000
1,000
0,209
0,100
-0,145
-0,246
-0,533
-0,325
-0,212
-0,216
-0,534
0,109
-0,120
-0,138
-0,155
-0,146
-0,103
-0,156
-0,141
-0,297
0,040
-0,040
0,336
x4
0,000
0,000
0,000
0,000
1,000
0,122
-0,054
-0,174
-0,259
-0,158
-0,252
-0,268
-0,198
0,138
-0,065
-0,106
-0,162
-0,289
-0,296
-0,170
-0,240
-0,368
0,033
-0,033
0,202
x5
0,000
0,000
0,000
0,000
0,000
1,000
0,354
0,387
-0,613
-0,256
-0,405
0,274
-0,143
-0,374
-0,311
-0,319
-0,316
-0,163
-0,091
-0,313
-0,181
-0,377
-0,123
0,123
0,179
x6
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,649
-0,241
-0,108
0,008
0,508
0,419
-0,464
-0,082
-0,051
0,000
0,180
0,138
0,005
0,168
0,057
-0,071
0,071
-0,169
x7
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
-0,108
-0,230
0,160
0,838
0,484
-0,678
0,071
0,094
0,146
0,266
0,266
0,153
0,176
0,193
0,057
-0,057
-0,128
x8
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,302
0,529
-0,028
0,297
0,161
0,413
0,418
0,416
0,223
0,107
0,412
0,250
0,528
0,139
-0,139
-0,262
x10
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,308
-0,343
0,136
0,302
0,112
0,130
0,151
0,159
-0,061
0,146
0,328
0,350
-0,089
0,089
-0,171
x11
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,067
0,211
-0,018
0,659
0,707
0,740
0,526
0,295
0,737
0,498
0,958
0,156
-0,156
-0,279
x13
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,382
-0,611
0,055
0,054
0,104
0,235
0,355
0,115
0,117
0,131
0,102
-0,102
-0,057
x14
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
-0,254
0,040
0,057
0,099
0,201
0,158
0,103
0,111
0,279
-0,079
0,079
-0,288
x15
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
-0,071
-0,088
-0,101
-0,100
-0,205
-0,107
0,005
-0,017
-0,225
0,225
0,070
x16
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,986
0,951
0,399
0,372
0,946
0,275
0,537
0,537
-0,537
-0,411
x17
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,976
0,453
0,383
0,971
0,327
0,596
0,529
-0,529
-0,451
x18
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,636
0,519
1,000
0,457
0,665
0,526
-0,526
-0,509
x19
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,769
0,652
0,711
0,611
0,279
-0,279
-0,485
x20
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,545
0,330
0,358
0,329
-0,329
-0,311
x21
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,460
0,665
0,528
-0,528
-0,510
x31
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,570
0,105
-0,105
-0,437
x22
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,082
-0,082
-0,331
x26
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
-1,000
-0,217
x27
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
0,217
x30
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
0,000
1,000
66
Приложение 4. Графическое отражение зависимостей для факторов, вошедших в
финальную модель
67
68
69