Использование дискриминантного анализа для выявления финансово неустойчивых региональных банков США

Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0
Чумаченко, Анжелика Павловна Отделение экспериментальной физики (ОЭФ)
Бесплатно
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Банковская деятельность и банковские операции касаются всех хозяйствующих субъектов почти любой страны мира. Риск банкротства также называется риском неплатежеспособности. Банк может потерпеть финансовый крах из-за проблем с денежными потоками, вызванных недостаточными продажами и высокими операционными расходами. Своевременное обнаружение грядущего банкротства позволяет топ-менеджерам банка принимать срочные решения для предотвращения банкротства. В данной работе строится линейная дискриминантная модель для двух групп региональных банков США: действующих банков и банков-банкротов. Проводится анализ финансовой отчетности, рассчитана вероятность ошибки первого рода для двух групп банков и строится результирующая модель на основе функции принадлежности нечеткого множества.

Введение ……………………………………………………………………………………………………………………………. 9

1. ТЕОРЕТИЧЕСКАЯ ЧАСТЬ …………………………………………………………………………………………..15

1.1. Финансовая устойчивость …………………………………………………………………………………………..15

1.2. Дискриминантный анализ …………………………………………………………………………………………..17

1.3. Регрессионный анализ ………………………………………………………………………………………………..19

1.4. Дисперсионный анализ (ANOVA) ……………………………………………………………………………….21

1.5. Банковские риски ……………………………………………………………………………………………………….23

2. ПРАКТИЧЕСКАЯ ЧАСТЬ …………………………………………………………………………………………….26

2.1. Модель оценки финансового состояния и оценки финансовой устойчивости банков
России ……………………………………………………………………………………………………………………………….26

2.2. Модификация модели оценки финансового состояния и оценки финансовой
устойчивости для региональных банков США…………………………………………………………………….27

3. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ, РЕСУРСОЭФФЕКТИВНОСТЬ И
РЕСУРСОСБЕРЕЖЕНИЕ …………………………………………………………………………………………………..41

3.1. Предпроектный анализ ………………………………………………………………………………………………..41

3.2. Планирование управления научно-техническим проектом ……………………………………………46

3.4. Бюджет научного исследования……………………………………………………………………………………52

3.5. Итого по разделу ………………………………………………………………………………………………………..57

4. СОЦИАЛЬНАЯ ОТВЕТСТВЕННОСТЬ ………………………………………………………………………….58

4.1. Правовые и организационные вопросы обеспечения безопасности. ………………………………59

4.2. Профессиональная социальная безопасность……………………………………………………………….64

4.3. Экологическая безопасность. ……………………………………………………………………………………….76

4.4. Безопасность в чрезвычайных ситуациях. …………………………………………………………………….77

4.5. Выводы и рекомендации по разделу …………………………………………………………………………….80

ЗАКЛЮЧЕНИЕ …………………………………………………………………………………………………………………81

Список публикаций студента ……………………………………………………………………………………………..83

Список использованной литературы …………………………………………………………………………………..85

Приложение 1 ……………………………………………………………………………………………………………………90

Приложение 2. Исходные данные хорошо функционирующих банков за 2017 год в млн
долларов ……………………………………………………………………………………………………………………………99
Приложение 3. Исходные данные банков-банкротов за 2 квартала до банкротства, тыс.
долларов ………………………………………………………………………………………………………………………….101

Приложение 4. Исходные данные банков-банкротов за 1 квартала до банкротства, тыс.
долларов ………………………………………………………………………………………………………………………….105

Приложение 5. План помещения и размещения светильников с люминесцентными лампами
Приложение 6. План эвакуации в случае пожара……………………………………………………………….110

С начала экономической деятельности в истории человечества
финансовая, экономическая и банковская практика значительно развивались. С
государственными и коммерческими банками и их филиалами мы сталкиваемся
каждый день, это и оплата каких-либо услуг, и получение заработных плат и
социальных пособий, и хранение денежных средств на вкладах.
Банковская деятельность и банковские операции касаются всех
хозяйствующих субъектов почти любой страны мира, независимо от ее
политической системы или экономической системы хозяйствования.
Банки – один из древних и хорошо развивающихся институтов
экономики. Они находятся в самом центре мировой экономики, связывая между
собой сферу производства и торговли, сельское хозяйство, промышленность и
конечного потребителя, тем самым обеспечивая работу всех остальных
институтов [1].
По всему миру банки – в числе влиятельнейших игроков рынка. Они
распоряжаются огромными капиталами, позволяя себе устанавливать правила
игры.
На сегодняшний момент деятельность кредитных учреждений очень
разнообразна. В нормативно-правовых актах определен список тех операций и
сделок, которые вправе осуществлять банк.
Выделяют четыре основных этапа развития банковской деятельности:
Первый этап был от античности до возникновения Венецианского банка,
Второй этап – с 1156 г. до учреждения Английского банка в 1694 г., Третий
этап – с 1694 г. до XVIII в., Четвертый этап – с начала XIX в. до настоящего
времени [2].
С 1980 по 2000 год банковский бизнес удвоился. Если вы подсчитаете
все активы и ценные бумаги, которые они создали, это будет почти столько же,
сколько весь валовой внутренний продукт США. За это время рентабельность
банковской деятельности росла еще быстрее. В конце 1970-х годов на
банковскую деятельность приходилось 13% всех корпоративных прибылей. К
2007 году она составляла 30 процентов от всей прибыли.
Самыми быстрыми темпами росли крупнейшие банки. С 1990 по 1999
год доля 10 крупнейших банков во всех банковских активах увеличилась с 26
до 45 процентов. Их доля во вкладах также выросла за этот период с 17 до 34
процентов. Лучше всего справились два крупнейших банка. Активы Citigroup
выросли с $700 млрд в 1998 году до $ 2,2 трлн в 2007 году. У него было $1,1
трлн. забалансовых активов. Bank of America за тот же период вырос с $570
млрд до $1,7 трлн.
В федеральном законе от 2 декабря 1990 г. «О банках и банковской
деятельности» определяет банковскую систему, как систему РФ, которая
включает в себя Банк России, кредитные организации, а также филиалы и
представительства иностранных банков[3].
Современная банковская система России с 1 января 2019 года произвела
переход с двухуровневой системы на трехуровневую банковскую систему [4].
В трехуровневой системе первый уровень занимает Центральный банк, а
второй и третий уровень занимают государственные и коммерческие банки. В
России трехуровневая система выглядит следующим образом: первый уровень
занимают системно значимые кредитные организации, второй и третий уровень
занимают банки с универсальными и базовыми лицензиями соответственно.
Банки с универсальной лицензией должен иметь минимальным объемом
капитала 1 млрд. рублей. Такие банки будут иметь выход на международный
рынок. Банки с базовой лицензией имеют минимальное требование к капиталу
300 млн рублей и могут осуществлять работу с физическим лицами, малым и
средним бизнесом [5].
В соответствии с ФЗ №395-1 «О банках и банковской деятельности»,
кредитная организация должна сформировать уставный капитал за счет
объединения вкладов ее участников, который по своей сути определяет
минимальный размер имущества, гарантирующего выполнение обязательств
перед кредиторами [6].
Рассмотрим современную банковскую систему США. Банковская
система США регулируется Федеральной резервной системой. Она
контролирует тысячи финансовых учреждений на территории США [7].
Банковская система США является одной из крупных банковских систем мира,
она так же подвержена реформам и изменениям [8].
США, так же как и Россия, имеет трехуровневую банковскую систему.
Первый уровень занимает Федеральная резервная система. Второй уровень
занимают коммерческие банки, взаимные сберегательные банки и ссудо-
сберегательные ассоциации. Третий уровень занимают кредитные союзы.
Коммерческие банки в США подразделяются на федеральные, или так
называемые национальные, и штатные [9].
Риск банкротства также называется риском неплатежеспособности. Банк
может потерпеть финансовый крах из-за проблем с денежными потоками,
вызванных недостаточными продажами и высокими операционными
расходами. Для решения проблем с денежными потоками банк может
увеличить свои краткосрочные заимствования. Если ситуация не улучшится,
банку грозит банкротство или неплатежеспособность. Неплатежеспособность
можно определить, как неспособность погасить долги. Обычно это происходит
по одной из двух причин. Во-первых, по какой-то причине банк может
оказаться должен больше, чем ему принадлежит или причитается. В
бухгалтерской терминологии это означает, что его активы стоят меньше, чем
его обязательства. Во-вторых, банк может стать неплатежеспособным, если он
не сможет выплатить свои долги по мере их погашения, даже если его активы
могут стоить больше, чем его обязательства. Это известно как
несостоятельность движения денежных средств, или “недостаток
ликвидности”[10].
Своевременное обнаружение грядущего банкротства позволяет топ-
менеджерам банка принимать срочные решения для предотвращения
банкротства. В настоящее время существует множество методов и методик
анализа состояния банков и определения рейтинга банков
Степень изученности данной проблемы:
Первые исследования сосредоточены на так называемых чистых
индивидуальных классификаторах. Они включают статистические
классификаторы, такие как индивидуальный анализ переменных,
мультидискриминантный анализ (МДА) и дискретное моделирование выбора,
которые являются как простыми в использовании. Индивидуальный анализ
переменных был первым методом, использованным в прогнозировании
платежеспособности. [11] предложены два метода анализа индивидуальных
переменных, называемые профильным анализом и одномерной
дискриминантной моделью. С помощью профильного анализа пятилетнего
периода, предшествующего банкротству, он обнаружил, что результаты по
финансовым коэффициентам в группах фирм были существенно различны,
причем эти различия становились еще более заметными по мере приближения
момента банкротства.
После [11] в этой области было написано много литературы. [12]
провели первые важные исследования в области прогнозирования посредством
выбора финансовых коэффициентов, создав модель под названием Z-score. Эта
модель имеет точность предсказания 95% используя метод МДА. Со своей
стороны, [13] использовал логистическую регрессию (Logit) для создания
модели прогнозирования банкротства для американских компаний. [14]
провели сравнение результатов прогнозирования МДА и методов Logit.
В работе [15] разграничивается понятие несостоятельности и
предпринимается попытка сократить дистанцию между условиями
возникновения финансовых трудностей и банкротства. Таким образом, если‖
банкротство ―охватывает фирмы, находящиеся в правовом положении
несостоятельности, то‖ финансовые трудности ” обычно классифицируют
фирмы в соответствии с коэффициентами платежеспособности,
установленными эталонным критерием.
Модели прогнозирования банкротства: При построении моделей,
которые пытались предложить строгие предсказания банкротства, остаются
нерешенными несколько различных исследований, большинство из которых
сосредоточено только на одной конкретной стране или отрасли.
Используя образцы американских фирм, [16] удалось достичь точности
86,8% с моделью МДА и 77,0% с нейронными сетями (NN) [17] провели
сравнительный анализ четырех типов моделей прогнозирования банкротства с
использованием коэффициентов финансовой отчетности, денежных потоков,
показателей доли и стандартных отклонений этих показателей, добившись
точности классификации 84,9%.
[18] применили модель Logit с использованием информации за два года
до банкротства. [19] использовал ряд разнообразных методик (МДА, NN,
Деревья решений и Logit) для российских фирм. В своих моделях они достигли
точности 87,80%.
В литературе для прогнозирования банкротства используются и другие
современные методы классификации, которые также способны предложить
высокоточные прогнозы. Тем не менее, если мы рассмотрим интервалы
прогнозирования, то увидим, что значения нижних диапазонов уменьшились с
течением времени. Это позволяет предположить, что более современные
методы не всегда гарантируют наилучшие результаты. Как таковой, нет
никаких окончательных выводов относительно того, какая методология
является наиболее точной для построения моделей.
[20] разработали модель с североамериканскими и японскими фирмами,
используя, среди других подходов, линейный дискриминантный анализ, Logit,
NN и машины опорных векторов (SVM). Проведено исследование точности
моделей прогнозирования банкротства с использованием сбалансированных и
несбалансированных выборок. Полученные результаты позволяют сделать
вывод о том, что приемлемый метод выборки для разработки моделей
прогнозирования в основном зависит от количества банкротств во всей
обучающей выборке.
Цель данной работы заключается в использовании дискриминантного
анализа для выявления финансово неустойчивых региональных банков США.
Объектом исследования являются документы МСФО региональных
банков США.
Предметом исследования данной работы являются статистические
методы оценки финансовой устойчивости кредитных организаций, т.е. банков,
в частности, дискриминантный анализ и регрессионная модель.
Для самостоятельного изучения были поставлены задачи:
1) Построить модель оценки финансовой устойчивости предприятий
банковской отрасли США, разделяя данные банков-банкротов и хорошо-
функционирующих кредитных организаций;
2) взяв в качестве результирующего показателя один из показателей

1. Проведен линейный дискриминантный анализ для ТОП-40 по
величине активов действующих региональных банков США, а также для
банков-банкротов (60 банков). Построена линейная дискриминантная модель
для хорошо функционирующих банков и для банков-банкротов. Для банков-
банкротов модель (7) будет иметь вид:
– –
Для хорошо-функционирующих банков модель (8) будет иметь вид:
– –
2. Для двух групп банков выявлено свое пороговое значение
результирующего показателя.
Для хорошо функционирующих банков: Y > 22 млн долларов, банк
считается финансово-устойчивым;
Для банков-банкротов: Y < 1,1 млн долларов, банк считается финансово неустойчивым. Вероятность ошибки модели (7) для хорошо-функционирующих банков равна 8,3%. Вероятность того, что уровень Y = 22 млн является статистически значимым, равна 91,7%. Для банков, у которых произошла процедура банкротства уровень, Y = 1,1 млн пробивается в 85% случаев (вероятность ошибки I рода). 3. Согласно моделям (7)-(8), для банков-банкротов и хорошо- функционирующих банков все коэффициенты модели значимые. Коэффициент детерминации равен 0.99. Отклонение ошибки для банков- банкротов не превосходит 2,51 тыс. долларов, для хорошо- функционирующих банков не превосходит 1,461 млн долларов. 4. Построили результирующую модель на основе функции принадлежности нечеткого множества: { }, Проверили ее на 3 хорошо функционирующих банка и одном банке- банкроте. Согласно модели (9) вероятности устойчивости банков PACIFIC WESTERN BK, COMMERCE BK, FIRST REPUBLIC BK составили 1, а для банка банкрота Covenant Bank она была равна 0 , что подтверждает факт его финансовой несостоятельности. Список публикаций студента 1. Чумаченко А.П. Разработка программы для психосемантической диагностики скрытой мотивации [Электронный ресурс] // Молодежь и современные информационные технологии: сборник научных трудов XII Международной научно-практической конференции студентов, аспирантов и молодых ученых, Томск, 12-14 Ноября 2014. - Томск: ТПУ, 2014 - C. 293-294. – Режим доступа: http://portal.tpu.ru:7777/f_ic/files/science/activities/msit/msit2014_tom2.pdf; 2. Чумаченко А.П. Использование дискриминантного анализа для выявления финансово неустойчивых банков России [Электронный ресурс] // Перспективы развития фундаментальных наук: сборник научных трудов XIV Международной конференция студентов и молодых ученых, Томск, 25-28 Апреля 2017. - Томск: ТПУ, 2017 - C. 184-186. - Режим доступа: http://science- persp.tpu.ru/Arch/Proceedings_2017_vol_5.pdf; 3. Чумаченко А.П. Использование дискриминантного анализа для выявления финансово неустойчивых банков России и мира [Электронный ресурс] // ДВАДЦАТЬ ПЯТАЯ МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ МАТЕМАТИКА. КОМПЬЮТЕР. ОБРАЗОВАНИЕ, Дубна, 29 Января-3 Февраля 2018. - Режим доступа: http://www.mce.su/archive/doc311117/rus.pdf 4. Чумаченко А. П. Использование дискриминантного анализа для выявления финансово неустойчивых банков России и мира // Перспективы развития фундаментальных наук: сборник научных трудов XV Международной конференции студентов, аспирантов и молодых ученых, г. Томск, 24-27 апреля 2018 г.: в 7 т. — Томск : Издательский Дом Томского государственного университета, 2018. — Т. 3 : Математика. — [С. 99-101]. — Т. 5 : Экономика и управление. — [С. 264-266]. 5. A.P. Chumachenko*, O.L. Kritski, O.A. Belsner Application of discriminate function analysis to identification of financially unstable banks of Russia //Springer Proceedings in Business and Economics: Global Economics and Management: Transition to Economy 4.0: Prospects of Fundamental Science Development International Conference 2018 (PFSD 2018): Economics and Management Session. В процессе публикации.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Читать «Использование дискриминантного анализа для выявления финансово неустойчивых региональных банков США»

    Последние выполненные заказы

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Екатерина П. студент
    5 (18 отзывов)
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно... Читать все
    Работы пишу исключительно сама на основании действующих нормативных правовых актов, монографий, канд. и докт. диссертаций, авторефератов, научных статей. Дополнительно занимаюсь английским языком, уровень владения - Upper-Intermediate.
    #Кандидатские #Магистерские
    39 Выполненных работ
    Катерина М. кандидат наук, доцент
    4.9 (522 отзыва)
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    Кандидат технических наук. Специализируюсь на выполнении работ по метрологии и стандартизации
    #Кандидатские #Магистерские
    836 Выполненных работ
    Родион М. БГУ, выпускник
    4.6 (71 отзыв)
    Высшее экономическое образование. Мои клиенты успешно защищают дипломы и диссертации в МГУ, ВШЭ, РАНХиГС, а также других топовых университетах России.
    Высшее экономическое образование. Мои клиенты успешно защищают дипломы и диссертации в МГУ, ВШЭ, РАНХиГС, а также других топовых университетах России.
    #Кандидатские #Магистерские
    108 Выполненных работ
    Юлия К. ЮУрГУ (НИУ), г. Челябинск 2017, Институт естественных и т...
    5 (49 отзывов)
    Образование: ЮУрГУ (НИУ), Лингвистический центр, 2016 г. - диплом переводчика с английского языка (дополнительное образование); ЮУрГУ (НИУ), г. Челябинск, 2017 г. - ин... Читать все
    Образование: ЮУрГУ (НИУ), Лингвистический центр, 2016 г. - диплом переводчика с английского языка (дополнительное образование); ЮУрГУ (НИУ), г. Челябинск, 2017 г. - институт естественных и точных наук, защита диплома бакалавра по направлению элементоорганической химии; СПХФУ (СПХФА), 2020 г. - кафедра химической технологии, регулирование обращения лекарственных средств на фармацевтическом рынке, защита магистерской диссертации. При выполнении заказов на связи, отвечаю на все вопросы. Индивидуальный подход к каждому. Напишите - и мы договоримся!
    #Кандидатские #Магистерские
    55 Выполненных работ
    Мария А. кандидат наук
    4.7 (18 отзывов)
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет... Читать все
    Мне нравится изучать все новое, постоянно развиваюсь. Могу написать и диссертацию и кандидатскую. Есть опыт в различных сфера деятельности (туризм, экономика, бухучет, реклама, журналистика, педагогика, право)
    #Кандидатские #Магистерские
    39 Выполненных работ
    Яна К. ТюмГУ 2004, ГМУ, выпускник
    5 (8 отзывов)
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соот... Читать все
    Помощь в написании магистерских диссертаций, курсовых, контрольных работ, рефератов, статей, повышение уникальности текста(ручной рерайт), качественно и в срок, в соответствии с Вашими требованиями.
    #Кандидатские #Магистерские
    12 Выполненных работ
    Александра С.
    5 (91 отзыв)
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повы... Читать все
    Красный диплом референта-аналитика информационных ресурсов, 8 лет преподавания. Опыт написания работ вплоть до докторских диссертаций. Отдельно специализируюсь на повышении уникальности текста и оформлении библиографических ссылок по ГОСТу.
    #Кандидатские #Магистерские
    132 Выполненных работы
    Рима С.
    5 (18 отзывов)
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный универси... Читать все
    Берусь за решение юридических задач, за написание серьезных научных статей, магистерских диссертаций и дипломных работ. Окончила Кемеровский государственный университет, являюсь бакалавром, магистром юриспруденции (с отличием)
    #Кандидатские #Магистерские
    38 Выполненных работ
    Логик Ф. кандидат наук, доцент
    4.9 (826 отзывов)
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские дисс... Читать все
    Я - кандидат философских наук, доцент кафедры философии СГЮА. Занимаюсь написанием различного рода работ (научные статьи, курсовые, дипломные работы, магистерские диссертации, рефераты, контрольные) уже много лет. Качество работ гарантирую.
    #Кандидатские #Магистерские
    1486 Выполненных работ

    Другие учебные работы по предмету

    Кооперативные игры на гиперграфах
    📅 2019 год
    🏢 Санкт-Петербургский государственный университет