Рейтинги банков

  Важное место при использовании данного занимает выбор метода расчета расстояния между объектами и между классами объектов. Так наиболее распространенным является использование в качестве измерителя расстояния между объектами взвешенного евклидового расстояния:

где x_i^(k)- значение k-го критерия i-го объекта, k - весовой коэффициент.

  В качестве расстояния между классами объектов используется принцип "ближнего соседа", "дальнего соседа", "средней связи" и измеряемого по "центрам тяжести".

  По сравнению с другими кластер-процедурами иерархические методы дают более полный и тонкий анализ структуры исследуемого множества наблюдений; при этом обеспечивается возможность наглядной интерпретации проведенного анализа.

  К недостаткам иерархических процедур следует отнести громоздкость их вычислительной реализации. Соответствующие алгоритмы на каждом шаге требуют вычисления всей матрицы расстояний, поэтому реализация таких процедур при числе объектов, большем нескольких сотен, оказывается либо невозможной, либо нецелесообразной.  

3.4. Метод "эталонной  группы".

  Реализация данного метода представляет собой симбиоз балансового и экспертного методов. Построение методики ранжирования первоначально происходит на основе экспертных данных. По эталонной группе банков производится экспертиза на основе которой определяется итоговый рейтинг на основе количественных или ранговых переменных. Далее предполагается теоретический вид функции

где y_i - итоговый латентный показатель, полученный посредством экспертного ранжирования i-го банка, x_i(j)- значение j-го показателя i-го банка, Q - неизвестные параметры данной функции.

  В данном случае задача построения оценочной системы для всей совокупности банков сводится к обычной схеме регрессионного анализа. Исходя из нормальности распределения регрессионных остатков (e_i) возможно применять классическую модель линейной регрессии.¹¹ На основе найденной функции производится итоговое ранжирование всей совокупности объектов по рейтинговому числу, полученному при подстановке в найденную функцию параметров банка. При дальнейшем использовании данной методики проведение экспертизы не требуется.

3.5. Применение математического  моделирования для  формирования итогового  рейтинга.

  При построении итогового рейтинга возможно использование математического моделирования. В основу подобных методов положен принцип построения показателей, характеризующих деятельность банка на основе моделирования внешних условий, влияющих на его финансовую устойчивость. Первоначально накапливаются данные за определенный период, характеризующие внешние условия ¹² и показатели деятельности самого банка. Далее на основе сложившегося положения на рынке и текущих параметров вычисляется позиция банка, зависящая от состояния рынка.

Ярким примером, иллюстрирующим данный подход, является построение искусственного показателя value-at-risk, используемого с недавнего времени в некоторых развитых странах (США, Великобритания, Франция, Израиль).

Данный показатель характеризует величину средств, которые  может потерять банк в 1% (или 5%) самых  неблагоприятных для банка случаев. То есть оцениваются максимальные потери банка, наступающие с вероятностью 0,01 (или 0,05).

  Для этого на основе ретроспективных данных формируется таблица взаимосвязей банковских показателей от рыночных, в которой на каждую дату вносятся значения рыночных факторов и текущая позиция банка. Далее показатель рассчитывается по одному из следующих методов:

1. метод исторической симуляции. Позиция банка в соответствии с данным методом находится по аналогии с положением банка в позициях рынка ранее. Нижний 1% максимальных потерь и будет представлять value-at-risk. Если распределение потерь не меняется во времени (то есть не было качественных скачков в развитии банка в последнее время) то для искомого показателя получается адекватная оценка.
2. построение ковариационной матрицы показателей (метод "varians-covarians"). Предполагается, что все рыночные факторы имеют известные законы распределения. По всем показателям рассчитываются математические ожидания (m_i) и дисперсии рыночных факторов (d₂ ), а также ковариационная матрица (S). На основе нормальности распределения строится функция текущей позиции банка (Р) от состояния рыночных факторов (х):

тогда в произвольной точке х  имеем:

Если распределение  нормально, то Р(х) распределено нормально, то есть можно оценить позицию  банка в произвольный момент времени  с различным состоянием рыночных факторов:

3. метод Монте-Карло (моделирование случайной величины). Для построения данного метода исходя из предположения нормальности распределения  выводится плотность распределения  рыночных параметров в течение последнего времени. Далее посредством моделирования  случайной величины производится расчет позиции. Банка. Выбирается 1% самых  неблагоприятных исходов, минимальный  из которых и будет value-at-risk.

  Данный подход получил сейчас большое распространение. Расчетный показатель value at risk используется для нормирования собственного капитала банка, который в устойчивом финансовом состоянии должен превышать value at risk не менее чем в три раза. В целом, данный подход имеет достаточно преимуществ, особенно, когда посредством метода случайных испытаний появляется возможность выявить скрытые опасности и недостатки положения банка, структуры его активов и пассивов.  
 

5.  Приложение

     Таблица 1

     Самые прибыльные банки (на 1 июля 2010 года)

     Таблица 2

     Самые кредитные банки на (1 июля 2010 года )

     Таблица 3

     Рэйтинг российских банков по размеру собственного капитала