- Главная
- Разное
- Бизнес и предпринимательство
- Образование
- Развлечения
- Государство
- Спорт
- Графика
- Культурология
- Еда и кулинария
- Лингвистика
- Религиоведение
- Черчение
- Физкультура
- ИЗО
- Психология
- Социология
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Маркетинг
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Что такое findslide.org?
FindSlide.org - это сайт презентаций, докладов, шаблонов в формате PowerPoint.
Обратная связь
Email: Нажмите что бы посмотреть
Презентация на тему Анализ влияния структуры капитала банка на его устойчивость в условиях банковского кризиса. StatSoft Russia
Содержание
- 2. Рассматривались банки, фигурировавшие в рейтингахжурнала “Профиль” на
- 3. На основании текущих показателей банки разделились на 2 категории: проблемные банки устойчивые банки
- 4. Проблемные банки - банки с отрицательным капиталом,
- 5. Организация данных
- 6. BAD - 1, если банк проблемный,
- 7. USTAV - уставной фонд (тыс. руб.),
- 8. Воспользуемся модулем STATISTICA“Нелинейное оценивание”
- 9. Для оцениваниявлияние структурыкапитала на устойчивость банкаприменим логит-регрессию.
- 10. Логит-регрессия применяетсяв случае, когда зависимая переменная принимаетдва
- 11. Методология исследования: Шаг 1. Исследуем влияниекаждой отдельной
- 12. Оценивание модели:Оценка коэффициентаp - value оценки
- 13. Шаг 2. Объединим найденные значимые факторыи построим
- 14. Этапы анализаВыбор переменных:
- 15. Численное оценивание параметров модели:Начальные приближения для коэффициентов выбираемравными коэффициентампарных регрессий, полученнымранее.Идет оценивание
- 16. Результаты оценивания:Просмотр численныхоценок коэффициентовАнализ предсказательнойсилы модели
- 17. Просмотр численных оценоккоэффициентов:Предсказательная сила модели:Модель правильно относит93% устойчивых банковк категории стабильныхив 48,8% случаевугадывает кризисные банки
- 18. В исследуемую выборку входятбанки, сильно различающиесяпо величине совокупного капитала:Попытаемся выделить двегруппы банков по величине капитала
- 19. Пользуемся методами кластеризации,представленные в модуле“Кластерный анализ”
- 20. Шаг 3. Проводим кластеризацию данныхметодом К-среднихПеременнаякластеризации -CAPITALРазбиваем данныена 3 кластераКластеризацию проводимпо наблюдениям
- 21. Результаты разбиения:Элементыкластеров
- 22. Данныеразбиваются на две выборки(в кластере 1 всего
- 23. Условие выбора наблюденийпри последовательном оцениваниикоэффициентов модели дляразных групп банков:
- 24. Оценивание моделей:
- 25. Шаг 5. Анализ результатов:Для средних банковмодель лучшеугадываетстабильные
- 26. Анализ результатов:Для средних и крупных банков характер
- 27. Скачать презентацию
- 28. Похожие презентации
Рассматривались банки, фигурировавшие в рейтингахжурнала “Профиль” на 1 июня 1998 года и на 1 мая 1999 года (до и после кризиса августа 1998 года)
Слайд 2
Рассматривались банки, фигурировавшие в рейтингах
журнала “Профиль” на 1
июня 1998 года и
(до и после кризиса августа 1998 года)
Слайд 3
На основании текущих показателей
банки разделились на 2
категории:
проблемные банки
устойчивые банки
Слайд 4 Проблемные банки - банки с отрицательным капиталом, банки
с отозванными лицензиями и банки, которые вообще не попали
в майский рейтинг,Устойчивые банки - банки, входящие в оба рейтинга и имеющие стабильные финансовые показатели.
Слайд 6 BAD - 1, если банк проблемный, 0
- иначе,
CITY - город (Москва - 2, СПб
- 1, другой - 0),AGE - возраст (лет),
CAPITAL - капитал (тыс. руб.),
PERF - работающие (рисковые) активы (тыс. руб.),
LIQUID - ликвидные активы (тыс. руб.),
OVERNIGHT - обязательства до востребования (тыс. руб.),
TOTLIAB - суммарные обязательства (тыс. руб.),
PROTECT - защита капитала (тыс. руб.),
Список исследуемых факторов:
Слайд 7
USTAV - уставной фонд (тыс. руб.),
ASSETS
- чистые активы (тыс. руб.),
CURRENCY - валютные резервы
(%),EQUITY - недвижимость (тыс. руб.),
PROFIT - прибыль (+)/ убыток (-) (тыс. руб.),
GOVTLIAB - обязательства перед государством (тыс. руб.),
BANK - привлеченные средства других банков (тыс. руб.),
ARREAR - средства на карточных счетах (тыс. руб.),
RETAIL - средства частных лиц (тыс. руб.).
Слайд 10
Логит-регрессия применяется
в случае, когда зависимая
переменная принимает
два значения
0 или 1
BAD
1 - проблемный банк
0 - стабильный банк
Переменная
Слайд 11
Методология исследования:
Шаг 1. Исследуем влияние
каждой отдельной независимой
переменной без учета остальных
регрессоров и выделяем статистически
значимые
факторы (в дальнейшембудем изучать только эти характеристики банка).
Выбор переменной:
Слайд 13
Шаг 2. Объединим найденные значимые факторы
и построим модель,
которая предсказывает
попадание банка в определенную категорию.
В качестве предикторов
будем
рассматривать 4 основныхфактора:
PROTECT/CAPITAL - доля защиты капитала в общем капитале,
BANK - привлеченные средства других банков,
EQUITY/PERF - отношение недвижимости к рисковым активам,
OVERNIGHT/LIQUID - отношение краткосрочных кредитов
к ликвидным активам.
Слайд 15
Численное оценивание параметров модели:
Начальные приближения для
коэффициентов выбираем
равными
коэффициентам
парных регрессий, полученным
ранее.
Идет оценивание
Слайд 16
Результаты оценивания:
Просмотр численных
оценок коэффициентов
Анализ предсказательной
силы модели
Слайд 17
Просмотр численных оценок
коэффициентов:
Предсказательная сила модели:
Модель правильно относит
93% устойчивых
банков
к категории стабильных
и
в 48,8% случаев
угадывает кризисные банки
Слайд 18
В исследуемую выборку входят
банки, сильно различающиеся
по величине совокупного
капитала:
Попытаемся выделить две
группы банков по величине капитала
Слайд 20
Шаг 3. Проводим кластеризацию данных
методом К-средних
Переменная
кластеризации -
CAPITAL
Разбиваем данные
на
3 кластера
Кластеризацию проводим
по наблюдениям
Слайд 22
Данные
разбиваются на две выборки
(в кластере 1 всего 2
наблюдения,
поэтому мы присоединяем его к кластеру 2),
которые целесообразно
рассматривать отдельно.Фактически это сведется к разбиению банков
на группы: с капиталом, большим чем 900000,
и с капиталом, меньшим, чем 900000.
Шаг 4. Проводим оценивание коэффициентов
первоначальной модели
для каждой из получившихся
выборок.
Слайд 23
Условие выбора наблюдений
при последовательном оценивании
коэффициентов модели для
разных групп
банков:
Слайд 25
Шаг 5. Анализ результатов:
Для средних банков
модель лучше
угадывает
стабильные банки
Для
крупных банков
модель лучше
предсказывает
кризис банков - прогноз
верен в 70% случаев.
В
целом правильных прогнозов,сделанных в сумме по двум моделям,
больше, чем при рассмотрении
одной выборки
Слайд 26
Анализ результатов:
Для средних и крупных банков характер влияния
переменной
EQUITY/PREF (отношение средств, вложенных
в недвижимость, к рисковым активам банков)
различается.На средние банков фактор оказывает отрицательное
влияние - средства, вложенные в недвижимость средними
банками, помогают им устоять в условиях кризиса. Для
крупных банков характер влияния обратный - наблюдается
положительная связь между переменной и вероятностью
оказаться в кризисном состоянии.
