- •1.Экономико-математическое моделирование
- •1.1 Основные понятия и типы моделей. Их классификация
- •1.2 Экономико-математические методы
- •2. Разработка и применение экономико-математических моделей
- •2.1 Этапы экономико-математического моделирования
- •2.2 Применение стохастических моделей в экономике
- •Заключение
- •Список литературы
2.2 Применение стохастических моделей в экономике
Основу эффективности банковского менеджмента составляет планомерный контроль за оптимальностью, сбалансированностью и устойчивостью функционирования в разрезе всех элементов, формирующих ресурсный потенциал и определяющих перспективы динамического развития кредитного учреждения. Его методы и инструменты требуют модернизации с учетом изменяющихся экономических условий. В то же время необходимость совершенствования механизма реализации новых банковских технологий обуславливает целесообразность научного поиска.
Используемые в существующих методиках интегральные коэффициенты финансовой устойчивости (КФУ) коммерческих банков зачастую характеризуют сбалансированность их состояния, но не позволяют дать полную характеристику тенденции развития. Следует учитывать, что результат (КФУ) зависит от многих случайных причин (эндогенного и экзогенного характера), которые не могут быть заранее полностью учтены.
В связи с этим оправданно рассматривать возможные результаты исследования устойчивого состояния банков в качестве случайных величин, имеющих одинаковое распределение вероятностей, поскольку исследования проводятся по одной и той же методике с использованием одинакового подхода. Кроме того, они взаимно независимы, т.е. результат каждого отдельного коэффициента не зависит от значений остальных.
Приняв во внимание, что в одном испытании случайная величина принимает одно и только одно возможное значение, заключаем, что события x1, x2, …, xn образуют полную группу, следовательно, сумма их вероятностей будет равна 1: p1+p2+…+pn=1.
Дискретная случайная величина X - коэффициент финансовой устойчивости банка «А»,Y - банка «В», Z - банка «С» за заданный период. В целях получения результата, дающего основание сделать вывод об устойчивости развития банков, оценка была осуществлена на базе 12-летнего ретроспективного периода (табл.1).
Таблица 1
Порядковый номер года |
Банк «А» |
Банк «В» |
Банк «С» |
1 |
1,314 |
1,201 |
1,098 |
2 |
0,815 |
0,905 |
0,811 |
3 |
1,043 |
0,994 |
0,839 |
4 |
1,211 |
1,005 |
1,013 |
5 |
1,110 |
1,090 |
1,009 |
6 |
1,098 |
1,154 |
1,017 |
7 |
1,112 |
1,115 |
1,029 |
8 |
1,311 |
1,328 |
1,065 |
9 |
1,245 |
1,191 |
1,145 |
10 |
1,570 |
1,204 |
1,296 |
11 |
1,300 |
1,126 |
1,084 |
12 |
1,143 |
1,151 |
1,028 |
Min |
0,815 |
0,905 |
0,811 |
Max |
1,570 |
1,328 |
1,296 |
Шаг |
0,0755 |
0,0423 |
0,0485 |
Для каждой выборке по определенному банку значения разбиты на N интервалов, определены минимальное и максимальное значение. Процедура определения оптимального числа групп основана на применении формулы Стерджесса:
N=1+3,322 * ln N;
N=1+3,322 * ln12=9,525≈10,
Где n - число групп;
N - число совокупности.
Далее вычисляется шаг интервала, исходя из минимального и максимального значений (табл.2).
h=(КФУmax - КФУmin) / 10.
Таблица 2
Границы интервалов значений дискретных случайных величин X, Y, Z (коэффициентов финансовой устойчивости) и частоты появлений данных значений в обозначенных границах
Номер интервала |
Границы интервалов |
Частота появлений (n) |
|||||
|
X |
Y |
Z |
X |
Y |
Z |
|
1 |
0,815-0,891 |
0,905-0,947 |
0,811-0,860 |
1 |
1 |
2 |
|
2 |
0,891-0,966 |
0,947-0,990 |
0,860-0,908 |
0 |
0 |
0 |
|
3 |
0,966-1,042 |
0,990-1,032 |
0,908-0,957 |
0 |
2 |
0 |
|
4 |
1,042-1,117 |
1,032-1,074 |
0,957-1,005 |
4 |
0 |
0 |
|
5 |
1,117-1,193 |
1,074-1,117 |
1,005-1,054 |
1 |
2 |
5 |
|
6 |
1,193-1,268 |
1,117-1,159 |
1,054-1,102 |
2 |
3 |
3 |
|
7 |
1,268-1,344 |
1,159-1,201 |
1,102-1,151 |
3 |
1 |
1 |
|
8 |
1,344-1,419 |
1,201-1,243 |
1,151-1,199 |
0 |
2 |
0 |
|
9 |
1,419-1,495 |
1,243-1,286 |
1,199-1,248 |
0 |
0 |
0 |
|
10 |
1,495-1,570 |
1,286-1,328 |
1,248-1,296 |
1 |
1 |
1 |
|
Исходя из найденного шага интервала, были рассчитаны границы интервалов путем прибавления к минимальному значению найденного шага. Полученное значение - это граница первого интервала (левая граница - LG). Для нахождения второго значения (правой границы PG) к найденной первой границе снова прибавляет я шаг и т.д. Граница последнего интервала совпадает с максимальным значением:
LG1=КФУmin;
PG1=КФУmin+h;
LG2=PG1;
PG2=LG2+h;
…
PG10=КФУmax.
Данные по частоте попадания коэффициентов финансовой устойчивости (дискретных случайных величин X, Y, Z) сгруппированы в интервалы, и определена вероятность попадания их значений в заданные границы. При этом левое значение границы входит в интервал, а правое - нет (табл.3).
Таблица 3
Распределение дискретных случайных величин X, Y, Z
Показатель |
Значения показателя |
|||||||||
Банк «А» |
||||||||||
X |
0,853 |
0,929 |
1,004 |
1,079 |
1,155 |
1,231 |
1,306 |
1,382 |
1,457 |
1,532 |
P(X) |
0,083 |
0 |
0 |
0,333 |
0,083 |
0,167 |
0,250 |
0 |
0 |
0,083 |
Банк «В» |
||||||||||
Y |
0,926 |
0,969 |
1,011 |
1,053 |
1,096 |
1,138 |
1,180 |
1,222 |
1,265 |
1,307 |
P(Y) |
0,083 |
0 |
0,167 |
0 |
0,167 |
0,250 |
0,083 |
0,167 |
0 |
0,083 |
Банк «С» |
||||||||||
Z |
0,835 |
0,884 |
0,933 |
0,981 |
1,030 |
1,078 |
1,127 |
1,175 |
1,224 |
1,272 |
P(Z) |
0,167 |
0 |
0 |
0 |
0,417 |
0,250 |
0,083 |
0 |
0 |
0,083 |
По частоте появлений значений n найдены их вероятности (частота появления делится на 12, исходя из числа единиц совокупности), а также в качестве значений дискретных случайных величин были использованы середины интервалов. Законы их распределения:
Pi = ni /12;
Xi = (LGi+PGi)/2.
На основании распределения можно судить о вероятности неустойчивого развития каждого банка:
P(X<1) = P(X=0,853) = 0,083
P(Y<1) = P(Y=0,926) = 0,083
P(Z<1) = P(Z=0,835) = 0,167.
Так с вероятностью 0,083 банк «А» может достигнуть значения коэффициента финансовой устойчивости, равное 0,853. Другими словами, вероятность того, что его расходы превысят доходы, составляет 8,3 %. По банку «В» вероятность падения коэффициента ниже единицы также составила 0,083, однако с учетом динамичного развития организации это снижение все же окажется незначительным - до 0,926. Наконец, высока вероятность (16,7%), что деятельность банка «С», при прочих равных условиях, охарактеризуется значением финансовой устойчивости, равным 0,835.
В то же время по таблицам распределений можно увидеть вероятность устойчивого развития банков, т.е. сумму вероятностей, где варианты коэффициентов имеют значение, большее 1:
P(X>1) = 1 - P(X<1) = 1 - 0,083 = 0,917
P(Y>1) = 1 - P(Y<1) = 1 - 0,083 = 0,917
P(Z>1) = 1 - P(Z<1) = 1 - 0,167 = 0,833.
Можно наблюдать, что наименее устойчивое развитие ожидается в банке «С».
В целом закон распределения задает случайную величину, однако чаще целесообразнее пользоваться числами, которые описывают случайную величину суммарно. Их называют числовыми характеристиками случайной величины, к ним относится математическое ожидание. Математическое ожидание приближенно равно среднему значению случайной величины и оно тем больше приближается к среднему значению, чем больше было проведено испытаний.
Математическим ожиданием дискретной случайной величины называют сумму произведений всех возможных величин на ее вероятности:
M(X) = x1p1+x2p2+…+xnpn
Результаты расчетов значений математических ожиданий случайных величин представлены в табл.4.
Таблица 4
Числовые характеристики дискретных случайных величин X, Y, Z
-
Банк
Математическое ожидание
Дисперсия
Среднее квадратическое отклонение
«А»
M(X) = 1,187
D(X) =0,027
σ(x) = 0,164
«В»
M(Y) = 1,124
D(Y) = 0,010
σ(y) = 0,101
«С»
M(Z) = 1,037
D(Z) = 0,012
σ(z) = 0,112
Полученные математические ожидания позволяют оценить средние значения ожидаемых вероятных значений коэффициента финансовой устойчивости в будущем.
Так по расчетам можно судить, что математическое ожидание устойчивого развития банка «А» составляет 1,187. Математическое ожидание банков «В» и «С» составляет 1,124 и 1,037 соответственно, что отражает предполагаемую доходность их работы.
Однако, зная лишь математическое ожидание, показывающее «центр» предполагаемых возможных значений случайной величины - КФУ, еще нельзя судить ни о его возможных уровнях, ни о степени их рассеянности вокруг полученного математического ожидания.
Другими словами, математическое ожидание в силу своей природы полностью устойчивости развития банка не характеризует. По этой причине возникает необходимость вычисления других числовых характеристик: дисперсии и среднеквадратического отклонения. Которые позволяют оценить степень рассеянности возможных значений коэффициента финансовой устойчивости. Математические ожидания и средние квадратические отклонения позволяют оценить интервал, в котором будут находиться возможные значения коэффициентов финансовой устойчивости кредитных организаций.
При сравнительно высоком характерном значении математического ожидания устойчивости по банку «А» среднее квадратическое отклонение составило 0,164, что говорит о том, что устойчивость банка может либо повыситься на эту величину, либо снизиться. При отрицательном изменении устойчивости (что все же маловероятно, учитывая полученную вероятность убыточной деятельности, равную 0,083) коэффициент финансовой устойчивости банка останется положительным - 1, 023 (см. табл. 3)
Деятельность банка «В» при математическом ожидании в 1,124, характеризуется меньшим размахом значений коэффициента. Так, даже при неблагоприятном стечении обстоятельств банк останется устойчивым, поскольку среднее квадратическое отклонение от прогнозируемого значения составило 0, 101, что позволит ему остаться в положительной зоне доходности. Следовательно, можно сделать вывод об устойчивости развития данного банка.
Банк «С», напротив, при невысоком математическом ожидании своей надежности (1, 037) столкнется при прочих равных условиях с недопустимым для него отклонением, равным 0,112. При неблагоприятной ситуации, а также учитывая высокий процент вероятности убыточной деятельности (16,7%), данная кредитная организация, скорее всего, снизит свою финансовую устойчивость до 0,925.
Важно заметить, что, сделав выводы об устойчивости развития банков, нельзя заранее уверенно предвидеть, какое из возможных значений примет коэффициент финансовой устойчивости в итоге испытания; это зависит от многих причин, учесть которые невозможно. С этой позиции о каждой случайной величине мы располагаем весьма скромными сведениями. В связи с чем вряд ли можно установить закономерности поведения и суммы достаточно большого числа случайных величин.
Однако оказывается, что при некоторых сравнительно широких условиях суммарное поведение достаточно большого числа случайных величин почти утрачивает случайный характер и становится закономерным.
Оценивая устойчивость
развития банков, остается оценить
вероятность того, что отклонение
случайной величины от ее математического
ожидания не превышает по абсолютной
величине положительного числа ε.
Дать интересующую нас оценку позволяет
неравенство П.Л. Чебышева. Вероятность
того, что отклонение случайной величины
X
от ее математического ожидания по
абсолютной величине меньше положительного
числа ε
не меньше,
чем
:
или в случае обратной вероятности:
Учитывая риск, связанный с потерей устойчивости, проведем оценку вероятности отклонения дискретной случайной величины от математического ожидания в меньшую сторону и, считая равновероятностными отклонения от центрального значения как в меньшую, так и в большую стороны, перепишем неравенство еще раз:
Далее, исходя из поставленной задачи необходимо оценить вероятность того, что будущее значение коэффициента финансовой устойчивости не окажется ниже 1 от предлагаемого математического ожидания (для банка «А» значение ε примем равное 0,187, для банка «В» - 0,124, для «С» - 0.037) и произведем расчет данной вероятности:
банк «А»:
банк «B»:
банк «С»:
Согласно неравенству П.Л. Чебышева, наиболее устойчивым в своем развитии является банк «В», поскольку вероятность отклонения ожидаемых значений случайной величины от ее математического ожидания невысокая (0,325), при этом она сравнительно меньше, чем по другим банкам. На втором месте по сравнительной устойчивости развития располагается банк «А», где коэффициент этого отклонения несколько выше, чем в первом случае (0,386). В третьем банке вероятность того, что значение коэффициента финансовой устойчивости отклониться в левую сторону от математического ожидания больше чем на 0, 037, является практически достоверным событием. Тем более, если учесть, что вероятность не может быть больше 1, превышающие значения, согласно доказательству Л.П. Чебышева, необходимо принимать за 1. Другими словами, факт того, что развитие банка может перейти в неустойчивую зону, характеризующуюся коэффициентом финансовой устойчивости меньше 1, является достоверным событием.
Таким образом, характеризуя финансовое развитие коммерческих банков, можно сделать следующие выводы: математическое ожидание дискретной случайной величины (среднее ожидаемое значение коэффициента финансовой устойчивости) банка «А» равно 1,187. Среднее квадратическое отклонение этой дискретной величины составляет 0,164, что объективно характеризует небольшой разброс значений коэффициента от среднего числа. Однако степень неустойчивости этого ряда подтверждается достаточно высокой вероятностью отрицательного отклонения коэффициента финансовой устойчивости от 1, равной 0,386.
Анализ деятельности второго банка показал, что математическое ожидание КФУ равно 1,124 при среднем квадратическом отклонении 0,101. Таким образом, деятельность кредитной организации характеризуется небольшим разбросом значений коэффициента финансовой устойчивости, т.е. является более концентрированной и стабильной, что подтверждается сравнительно низкой вероятностью (0,325) перехода банка в зону убыточности.
Устойчивость банка «С» характеризуется невысоким значением математического ожидания (1,037) и также небольшим разбросом значений (среднеквадратическое отклонение равно 0,112). Неравенство Л.П. Чебышева доказывает тот факт, что вероятность получения отрицательного значения коэффициента финансовой устойчивости равна 1, т.е. ожидание положительной динамики его развития при прочих равных условиях будет выглядеть весьма необоснованным. Таким образом, предложенная модель, базирующаяся на определении существующего распределения дискретных случайных величин (значений коэффициентов финансовой устойчивости коммерческих банков) и подтверждаемая оценкой их равновероятностного положительного или отрицательного отклонения от полученного математического ожидания, позволяет определить ее текущий и перспективный уровень.
