С.В. Мурзаев, (Аспирант, Поволжский Государственный Технологический Университет, г. Йошкар-Ола) |
Конференция 05
|
||||
Хранение средств клиентов представляет собой исторически первую функцию банков. Несмотря на изменение технологий, законодательства, экономического и социального укладов, самих принципов банковского бизнеса, задача привлечения срочных средств населения и организаций не теряет свою актуальность, которая выражается в использовании привлеченных средств в качестве ресурсной базы для обеспечения основного вида деятельности коммерческого банка – кредитования юридических и физических лиц. Поэтому цель данной работы – предложить подход к решению задачи прогнозирования динамики привлеченных срочных средств в коммерческом банке. Для построения точного прогноза привлеченных срочных средств необходимо учитывать следующие особенности формирования этой категории пассивов: 1. В отличие от средств на счетах до востребования, характеризующихся свободным режимом использования, период размещения клиентом срочных средств определен двусторонним договором с банком. 2. Срочный депозитный договор может быть расторгнут досрочно. 3. Срочный депозитный договор может быть пролонгирован по завершению его срока действия. Доли пролонгированных и досрочно изъятых срочных средств могут быть оценены ретроспективными методами путем простой обработки статистических данных, объемы планового оттока депозитов определяются графиком изъятий средств. Действительно сложной задачей является лишь прогнозирование объема привлеченных срочных средств. В данной работе рассмотрено решение задачи прогнозирования объема привлеченных срочных вкладов физических лиц – клиентов ОАО «АК БАРС» БАНК на 12 месяцев 2013 года. Исходные месячные данные о привлеченных средствах за период с января 2009 г. по декабрь 2012 г. представлены на Рисунке 1. |
||||
|
||||
Прогнозирование осуществляется с помощью модели ARIMA (АРПСС) – модели авторегрессии проинтегрированного скользящего среднего, применимой для прогнозирования стационарных и приводимых к стационарному виду временный рядов [1, с. 105 – 109]. Полную модель можно записать в следующем виде: ARIMA (p, d, q) · (ps, ds, qs). В результате исследования автокорреляционной функции (АКФ) и частной автокорреляционной функции (ЧАКФ), используемых для идентификации модели ARIMA [2, с. 54], выбрана следующая спецификация модели: ARIMA (0,1,1) · (1,1,0). Модель содержит 1 параметр скользящего среднего (q), разность первого порядка с лагом 1 (d), 1 сезонный параметр авторегрессии (ps) и сезонную разность первого порядка с лагом 6 (ds). Полученные результаты оценивания параметров модели представлены на Рисунке 2. |
||||
|
||||
Найденные параметры модели являются значимыми, прогноз привлеченных срочных депозитов физических лиц на 2013 год в помесячной разбивке представлен на Рисунке 3. |
||||
|
||||
Гистограмма и нормальный вероятностный график остатков, представленные соответственно на Рисунках 4 и 5 позволяют сделать вывод о нормальном распределении остатков. |
||||
|
||||
|
||||
Вторая предпосылка модели ARIMA – независимость остатков, для проверки которой может использоваться график АКФ, показанный на Рисунке 6, также выполняется. |
||||
|
||||
Остатки распределены не систематически, модель адекватно описывает исследуемый временной ряд. Таким образом, модели АРПСС могут эффективно использоваться для целей прогнозирования динамики остатков срочных пассивов. Построение точных прогнозов позволит оптимизировать структуру банковских активов и пассивов, управлять процентной маржей и решать ряд других важнейших управленческих задач. |
||||
СПИСОК ЛИТЕРАТУРЫ: 1. Анализ временных рядов. Том 1: пер. с англ. В.Ф. Писаренко / Д. Бокс, Г. Дженкинс. – Москва: Мир, 1974. – 402 с. 2. Бычков, А. А. Применение метода авторегрессии проинтегрированного скользящего среднего в исследовании производственной сезонности / А. А. Бычков, Э. Н. Потетюнко, А. А. Золотарев, А. М. Сотникова // Современные наукоемкие технологии. – 2011. – № 2. с. 53-55. |
||||
© С.В. Мурзаев, Издательство "Научные технологии". |
< Предыдущая | Следующая > |
---|