WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 10 |

3.2. Моделирование портфеля потребительских кредитов с использованием модели «Искусственное общество» Как уже говорилось, модель Марковица в большей степени применима для формирования портфеля ценных бумаг и не учитывает ряд важных факторов, влияющих на формирование портфеля потребительских кредитов банка.

В первую очередь это касается финансирования кредитной деятельности банка – влияние изменения объемов и структуры привлеченных средств, изменения процентных ставок, под которые привлекаются средства и выдаются кредиты, а также возможность просроченной задолженности при погашении кредита. Кроме того, оценка кредитного риска с помощью стандартного отклонения не представляется эффективной и достоверной.

Учитывая вышеизложенные факты, используем полученные с помощью модели Марковица результаты формирования структуры эффективного кредитного портфеля банка для построения более совершенной модели, учитывающей данные по вкладам физических лиц в разрезе их видов по срокам и ставкам привлечения средств, а также данные по объемам выданных кредитов физическим лицам (по видам кредитов). Это модель «Искусственное общество», которая позволит, изменяя различные параметры модели, описать процесс привлечения банком средств и процесс их распределения между различными видами кредитов. Таким образом, банк при формировании портфеля потребительских кредитов сможет учесть всю совокупность наиболее важных факторов и принять эффективное решение относительно структуры портфеля.

Компьютерное моделирование позволяет проводить эксперименты не с группами реальных живых людей, а с их компьютерными аналогами.

Объектом исследования становится «искусственное общество», состоящее из агентов — компьютерных моделей реальных людей. В качестве агентов могут выступать не только люди, но и животные, растения, другие объекты.

Модель «помещена» в компьютер и представляет собой компьютерную программу. Так как в нашем распоряжении есть программа, то, очевидно, ее можно перезапускать сколько угодно раз, ставя эксперименты над искусственным обществом.

Мультиагентное моделирование сейчас очень популярно среди западных социологов и психологов. Одной из первых в этой области является книга Дж. Эпштейна (J. M. Epstein) и Р. Экстела (R. Axtel) «Growing Artificial Societies». С 1998 года издается электронный «Журнал искусственных обществ и имитационного моделирования общества» (Journal of Artificial Societies and Social Simulation) [25].

Известный исследователь в области агент-ориентированных моделей Джошуа Эпштейн отмечает следующие их характеристические свойства [33]:

Неоднородность. Агенты чем-то отличаются друг от друга, что принципиально отличает эти модели от широко распространенных моделей экономики с агентом – представителем.

Автономия. Агенты действуют независимо друг от друга.

В явном виде задано или описано пространство, в котором действуют агенты. Например, клетки на плоскости, сахарный ландшафт.

Локальные взаимодействия.

Ограниченная рациональность.

Динамика не в состоянии равновесия.

Познание через построение, через выращивание – это основной метод изучения общества. В большинстве работ, посвященных построению и изучению агент-ориентированных моделей, правила взаимодействия между агентами чрезвычайно просты. Тем не менее, в результате получаются вполне осмысленные содержательные результаты. Например, клеточные автоматы взаимодействуют по исключительно простым правилам.

В нашем случае будет построена модель привлечения и распределения средств банком в процессе его кредитной деятельности.

При этом банк (один из экономических агентов) имеет ряд изменяющихся параметров, такие как: активы, пассивы и доходность.

Другой агент представлен совокупностью физических лиц, которые также наделены определенными параметрами: деньги, вклады и долги.

Изменяя параметры модели, можно будет определить, при каком соотношении различных видов кредитов и способов привлечения средств, банк достигнет наибольшего уровня доходности кредитных операций.

Описание модели и законы, которым подчиняются агенты модели, подробно изложены в приложении к дипломной работе (см. приложение 5).

Для того чтобы запустить модель, нам необходимо определим вероятность привлечения средств банком в тот или иной вид вклада. С этой целью проанализируем данные по принятым вкладам для филиала ГПБ (ОАО) в г.Уфа за период с 1.2009 г. по 2.2010 г.

Определим долю каждого вида вкладов в общей сумме привлеченных во вклады средств (см. рис. 3.2).

100% 90% 80% 70% 60% От года до лет 5. 1 50% От мес До года 2. 3. 40% до месяцев 1. 30% 20% 10% 0% янв мар май июл сен ноя янв.09.09.09.09.09.09.Рис. 3.2. Доля каждого вида вкладов в общей сумме привлеченных во вклады средств за период с 1.2009 г. по 2.2010 г.

Источник: Составлено автором по данным об объемах вкладов в филиале ГПБ (ОАО) в г. Уфа Найдем среднее значение для каждого вида вкладов за период.

Полученные данные занесем в таблицу (см. табл. 3.7).

Таблица 3.Доли вкладов в общем объеме привлеченных средств физических лиц за период 1.2009-3.2010 гг.

Месяц 1. до 3 месяцев 2. От 3 мес. До 1 года 5. От 1 года до 3 лет янв.09 40,39283864 21,55031539 38,фев.09 42,93143091 15,6141471 41,мар.09 40,48177986 35,13791816 24,апр.09 50,10600463 23,31469873 26,май.09 51,91260613 31,15233173 16,июн.09 37,37979077 18,59557815 44,июл.09 26,40486362 15,56161683 58,авг.09 32,95899505 22,49806205 44,сен.09 37,2676353 32,09837917 30,окт.09 45,86154235 25,44222513 28,ноя.09 39,77428472 32,51755818 27,дек.09 41,50001233 9,695542459 48,янв.10 41,79584012 9,96322259 48,фев.10 49,97961578 9,818122821 40,В среднем 41,33908859 21,63997989 37,Источник: Составлено автором по данным об объемах вкладов в филиале ГПБ (ОАО) в г. Уфа По результатам расчетов мы получили средние значения долей каждого вида вкладов, которые будем использовать в модели как вероятности инвестиций клиента в тот или иной вид вклада.

Таким образам, при попадании на клетку «Вклад» агент (клиент банка) вложит свои деньги в соответствии со следующими вероятностями вклада:

До 3 месяцев – 41,34%, От 3 месяцев до 1 года – 21,64%, От 1 года до 3-х лет – 37%.

При этом необходимо знать ставку процента, под которую банк привлекает деньги в каждый вид вклада. Проанализировав данные о средневзвешенных процентных ставках по привлеченным филиалом ГПБ (ОАО) в г.Уфе средствам в рублях, долларах США и евро на каждый месяц периода 1.2009-2.2010 гг., мы вычислили среднюю для каждого вида вклада ставку процента (см. табл. 3.8).

Таблица 3.Данные о средневзвешенных ставках по видам вкладов за период с 1.2009-2.2010 гг.

2. От 3 месяцев до 1 3. От 1 года до Вид вклада 1. до 3 месяцев года лет Ставка процента 4,49 6,34 7,Источник: Составлено автором по данным о вкладах в филиале ГПБ (ОАО) в г. Уфа Кроме того, при построении модели целесообразно задать параметр, учитывающий возможность возникновения просроченной задолженности по выданным кредитам физическим лицам. Для этого проанализируем данные филиала ГПБ (ОАО) в г. Уфа по величине просроченной задолженности по основному долгу и процентам, а также данные по остаткам средств на счетах по каждому виду кредитов (т.е. реально существующая задолженность на данный момент времени). Определим доли просрочки в общем объеме задолженности в разрезе видов кредитования и выведем среднее значение для каждого кредита (см. табл. 3.9).

Таблица 3.Доля просроченной задолженности в общем объеме задолженности по кредитам за период с 01.01.2009 г. по 01.02.2010 г.

Месяц Потребительский Автокредит Ипотека 01.01.2009 0,00211151 0,000729995 0,01.02.2009 0,007591058 0,002882572 0,01.03.2009 0,009595807 0,003883294 0,01.04.2009 0,00797094 0,003309966 0,01.05.2009 0,00844312 0,003359234 0,01.06.2009 0,01488878 0,004241975 0,01.07.2009 0,015331689 0,004316326 0,01.08.2009 0,016570182 0,004146305 0,01.09.2009 0,016995373 0,004349364 0,01.10.2009 0,018186456 0,004387671 0,01.11.2009 0,021378967 0,004527874 0,01.12.2009 0,022597404 0,004759253 0,01.01.2010 0,020565063 0,004286187 0,01.02.2010 0,025758402 0,005260734 0,В среднем 0,014856054 0,003888625 0,Источник: Составлено автором по данным о величине просроченной задолженности в филиале ГПБ (ОАО) в г. Уфа Полученные значения примем за вероятности допущения неплатежа агентами – физическими лицами в процессе погашения полученных ими кредитов.

Так, для каждого вида кредита вероятность просрочки составит:

Потребительский кредит – 1,5%.

Автокредит – 0,4%.

Ипотечный кредит – 1,1%.

Таким образом, мы построим модель искусственного общества, учитывающую всю совокупность наиболее важных факторов, влияющих на формирование кредитного портфеля банка.

Модель перспективна в использовании, так как имеется возможность учесть и проанализировать не только объемы кредитования, но и такие параметры, как:

доходность предоставляемых кредитов, виды и величина привлеченных средств в динамике, стоимость привлечения ресурсов, вероятность просроченной задолженности по кредитам.

Изменяя эти параметры, т.е. проводя эксперименты с моделью, можно проанализировать, как при этом изменяется доходность кредитного портфеля банка, и какова оптимальная доля ипотеки в структуре кредитования физических лиц в зависимости от используемых способов привлечения средств.

Процесс моделирования портфеля потребительских кредитов коммерческого банка Распишем поэтапно процесс моделирования портфеля потребительских кредитов банка с использованием модели «Искусственное общество».

Первоначально зададим полученные в процессе анализа финансовой и статистической отчетности банка внешние параметры модели:

вероятность кредитования (рассчитана на основе модели Марковица);

вероятность инвестиций (на основе данных статистической отчетности с использованием методов группировки и расчета коэффициентов);

вероятность просроченной задолженности (аналогично);

средневзвешенная процентная ставка по вкладам.

Далее, путем исследования и на основе имеющейся теоретической базы, опишем законы функционирования модели, определяющие взаимосвязь параметров модели.

Таким образом, зная параметры модели и условия их взаимодействия, приведем модель искусственного общества в движение. В итоге мы сможем проследить изменение доходности сформированного портфеля с учетом финансовых потоков привлеченных средств в динамике.

Как уже говорилось, наиболее важной проблемой при формировании портфеля имеют именно механизмы финансирования кредитной деятельности банка, в частности – ипотечного кредитования.

Для того, чтобы наглядно продемонстрировать влияние выбора того или иного механизма, введем дополнительный параметр в модель – ипотечные ценные бумаги.

Зададим для этого следующие условия:

банк на сумму выданных ипотечных кредитов выпускает ипотечные облигации;

средства, привлеченные от выпуска этих бумаг, идут на выдачу новых ипотечных кредитов;

доходность ипотечных ценных бумаг (ставка процента по ним) установим на уровне 5%;

ипотечные кредиты выдаются в размере только тех средств, которые получены от ранее рефинансированных кредитов (то есть, получены от выпуска облигаций);

остальные кредиты выдаются за счет привлеченных банком вкладов и свободных денег.

Таким образом, перезапустив модель с введенным новым параметром «Ипотечные облигации», мы сможем проследить, как это повлияло на объемы ипотечного кредитования банка и, следовательно, как изменилась при этом доходность всего портфеля потребительских кредитов.

Построим графики, отражающие динамику объемов кредитования на основе портфеля потребительских кредитов, построенного с использованием модели «Искусственное общество». Также модель позволяет нам определить доходность полученного портфеля в динамике.

Введя в модель новый параметр «Выпуск ценных бумаг», функционирование модели изменится, а также изменятся полученные нами результаты по объемам кредитования и доходности портфеля.

Сравним полученные графики до и после проведенного «эксперимента». Это позволит нам определить, как изменится доходность банка после использования им такого механизма финансирования ипотеки, как выпуск ипотечных ценных бумаг.

Результаты, полученные по модели, наглядно представлены на рис. 3.3.

Потребительский- Автокредит-Иптечный-Потребительский-Автокредит-Ипотечный кредит-Общий объем кредитования-Общий объем кредитования-Рис. 3.3. Динамика объемов кредитования до и после выпуска ипотечных облигаций Источник: Составлено автором по данным филиала ГПБ (ОАО) в г.Уфа с использованием модели «Искусственное общество».

.

3.

5.

7.

9.

1.

3.

5.

..

.

1.

1.

1.

1.

1.

1.

Как видно из рисунка, объемы кредитования в банке в результате выпуска ипотечных ценных бумаг существенно возросли (в среднем на 53%).

При этом несколько изменилась структура портфеля – доля ипотеки увеличилась (с 34 до 42%), так как у банка появилась возможность финансировать ее за счет такого источника, как ипотечные ценные бумаги (см. рис. 3.4.).

35% Потребительский 42% Автокредит Ипотечный 23% Рис.3.4. Структура портфеля потребительских кредитов до и после выпуска ипотечных облигаций Источник: Составлено автором по данным филиала ГПБ (ОАО) в г.Уфа с использованием модели «Искусственное общество» Привлечение средств с использованием этого механизма дает банку относительную «свободу» при кредитовании заемщиков, обратившихся для получения ипотечного кредита.

Это связано с тем, что, во-первых, появляются дополнительные «длинные деньги», которые не зависят от поведения вкладчиков. Во-вторых, снижается нагрузка на баланс банка за счет трансформации активов в ценные бумаги.

Объемы выдачи потребительских и автокредитов (несмотря на незначительное снижение их доли) также увеличились. Это объясняется тем, что благодаря использованию для финансирования ипотеки средств, привлеченных от выпуска ценных бумаг, «освободились» дополнительные ресурсы в виде депозитов физических лиц. Эти средства были направлены на выдачу потребительских и автокредитов.

При этом повышается доходность всего кредитного портфеля.

На рис. 3.5. представлено, как влияет появление дополнительного механизма финансирования на эффективность кредитной деятельности банка.

Pages:     | 1 |   ...   | 5 | 6 || 8 | 9 |   ...   | 10 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.