Отделение статистики, анализа данных и демографии статистические методы анализа экономики и общества
Скачать 2.49 Mb.
|
ПОСТРОЕНИЕ КОМПЛЕКСНОЙ СКОРИНГОВОЙ МОДЕЛИ ОЦЕНКИ КРЕДИТНЫХ РИСКОВ БАНКА «ЙОШКАР-ОЛА» Кириллова Евгения Радионовна (Йошкар-Ола, МарГТУ) Внедрение скоринговых систем в деятельность кредитных организаций становиться весьма популярным по причине роста как потребительского, так и перспективного кредитования. Повышение доходности кредитных операций непосредственно связано с качеством оценки кредитного риска. Скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе. Оценка кредитного риска Банка «Йошкар-Ола» включает в себя оценку финансового и делового рисков. В качестве отбора переменных финансового риска используется дискриминантный анализ. Бинарная переменная описывает две ситуации: 0 – просроченный кредит, 1 – вовремя погашенный кредит. На основании оценки финансовых коэффициентов формируется финансовый рейтинг предприятий-заемщиков, который позволяет в дальнейшем отнести их к той или иной группе кредитного риска. В результате расчетов получена логит-модель финансового риска :  , где RFR - рейтинг финансового риска заемщика (принимает значения от 0 до 100); х1 – коэффициент текущей ликвидности; х2 – коэффициент соотношения собственных и заемных средств; х3 – коэффициент обеспеченности собственными оборотными средствами; х4 – коэффициент рентабельности активов. Данная модель обеспечивает высокую надежность, что подтверждается высоким значением хи-квадрат (32,25) и почти нулевой вероятностью не отвергнуть нулевую гипотезу. Модель позволяет предсказать 25 случаев возврата/невозврата кредита из 25. Оценка деловой активности подразумевает под собой оценку качественных переменных. Среди качественных критериев оценки кредитных рисков выделяют следующие показатели: z1 - «Регионально-отраслевой анализ (оценка рынка)»; z2 - «Качество менеджмента (управления)»; z3 - «Характеристика собственников (акционеров) заемщика»; z4 - «Отношение с (местной и центральной) властью»; z5 - «Характер взаимоотношений банка с заемщиком»; z6 - «Стабильность и перспективность фирмы-заемщика». Для определения наиболее значимых факторов делового риска были опрошены эксперты (компетентные банковские служащие). Оценки, полученные от каждого эксперта, суммируются и нормируются, затем рассчитываются относительная значимость (Wij) всех факторов в отдельности для каждого эксперта и усредненная оценка (Wj) каждого фактора. Расчет усредненной оценки каждого фактора выявил наиболее значимые качественные факторы: «Регионально-отраслевой анализ (оценка рынка)» (W1=0,185), «Качество менеджмента (управления)» (W2=0,172), «Характер взаимоотношений банка с заемщиком»(W5=0,206), «Стабильность и перспективность фирмы-заемщика» (W6=0,183). Их совокупный вес составил: W1+ W2+ W5+ W6=0,745. Остальные факторы делового риска менее значимы. Отобрав наиболее значимые качественные факторы кредитного риска, можно построить модель оценки делового риска, которая имеет вид:  где RDR – рейтинг делового риска заемщика (принимает значения от 0 до 100). Модель обеспечивает достаточную надежность, что подтверждается расчетным значением хи-квадрат (19,01), нулевой вероятность не отвергнуть нулевую гипотезу (0,00002877). Модель позволяет предсказать 14 случаев возврата/невозврата из 20. Итоговый кредитный рейтинг потенциального клиента Банка «Йошкар-Ола» рассчитывается по следующей формуле: R=RFR*dFR+RDR*dDR, где R – кредитный рейтинг (принимает значения от 0 до 100); RFR – рейтинг финансового риска; dFR – доля финансового риска; RDR – рейтинг делового риска; dDR – доля делового риска. К достоинствам данной модели можно отнести комплексность, также модель учитывает данные по отечественным предприятиям заемщикам. Логит-моделирование наилучшим образом отражает связь между факторами риска и вероятностной величиной кредитного риска. Литература
Многомерный статистический анализ Неоднородности экономического развития земель германии Клинцова Марина Викторовна (Москва, НИУ ВШЭ) Для многих стран, в том числе, для России, региональная неоднородность является одним из препятствий на пути социально-экономического развития и повышения конкурентоспособности, а также фактором снижения эффективности принятия управленческих решений. В связи с этим целесообразным является изучение опыта развитых стран по преодолению региональных диспропорций. Германия является одной из стран, где был совершен значительный прогресс по преодолению неоднородности со времен объединения страны. Тем не менее, экономическая дифференциация остается отличительной особенностью даже на современном этапе. Целью данного исследования является объяснение дифференциации земель в период экономического подъема 2006-2007 гг. и изменений, произошедших в дифференциации земель Германии под влиянием экономического кризиса 2008-2009 гг. Актуальность данного исследования заключается в том, что региональные проблемы, связанные с последствиями объединения Германии, усугубились не только глубоким структурным кризисом германской системы социального хозяйства, но и мировым экономическим кризисом, начавшимся в 2008 г., в связи с чем выявление особенностей развития групп земель имеет особое значения для анализа конкурентоспособности Германии в целом. Для анализа неоднородности земель Германии было взято шесть признаков, характеризующих уровень и динамику экономического развития. Наличие сильной корреляционной взаимосвязи между признаками не позволило применить процедуры многомерной классификации с евклидовой метрикой, поэтому в ходе дальнейшего исследования был реализован метод главных компонент. С учетом небольшого числа наблюдений этот метод был применен отдельно к каждой группе признаков. В результате было выделено два фактора: f1 - фактор, рассматриваемый как обобщенная характеристика уровня экономического развития; f2 - фактор, отражающий динамику экономического развития. Этот этап позволил снизить размерность задачи в три раза, а также провести визуализацию распределения земель Германии в двумерном пространстве (f1, f2). Дальнейшее применение иерархического кластерного анализа (по методу Варда) подтвердило видимые на плоскости результаты. Статистической базой исследования послужили данные федерального статистического ведомства Германии, европейской службы статистики, земельных статистических ведомств Германии, федерального патентного ведомства Германии. По результатам первого этапа исследования было выявлено, что по уровню и динамике экономического развития для Германии характерны региональные диспропорции. Регионы Германии отчетливо делятся на кластеры, демонстрирующие дисбаланс не только в контексте Восток-Запад, но и в оси Север-Юг. Благоприятная экономическая конъюнктура и высокий мировой спрос на продукцию германской промышленности (машиностроение, химическая и электротехническая промышленности) позволяли наиболее развитым промышленным землям с высокой долей крупных предприятий укреплять свои позиции. Высокий экономический уровень столицы Германии Берлина обусловлен его функциями столицы и центра экономических и политических услуг. В то же время, уровень экономического развития в восточных землях, ориентированных на внутренний спрос, оставался низким. Еще более низким был этот уровень в землях со сравнительно высокой долей аграрного сектора. Вторая часть исследования демонстрирует, что в период экономического кризиса произошли значительные изменения в положении германских земель. Наиболее успешные, промышленно развитые западные земли, показывающие до кризиса наилучшую динамику и уровень, оказались наиболее подверженными влиянию кризиса: в них наблюдался наибольший спад промышленного производства и наибольший рост безработицы. В то же время, в большинстве восточных землях безработица даже сократилась; кризис не проявился так сильно. Это может объясняться низким исходным уровнем экономического развития и особенностями отраслевой структуры, из-за которой восточные земли в меньшей степени, чем западные, зависят от мировой экономической конъюнктуры. Основным выводом из изменения классификации по показателям динамики экономической активности является то, что факторы, обуславливающие бурный экономический рост в период подъема (в частности, спрос на мировом рынке), одновременно являются факторами, усугубляющими спад в период рецессии. По показателям уровня экономической активности восточные земли, несмотря на высокую динамику развития, по-прежнему отстают от западных. Динамика развития восточных земель дает основания предполагать, что в сравнительном положении земель Германии в скором времени могут произойти значительные изменения. ОСОБЕННОСТИ ИЗМЕРЕНИЯ, АНАЛИЗА И МОДЕЛИРОВАНИЯ СЧАСТЬЯ Красильникова Екатерина Валерьевна (Москва, НИУ ВШЭ) С развитием общества достижение счастья стало одной из ключевых тем общественных и научных дискуссий. Счастье населения, по мнению многих учёных, является конечной целью государства. Счастье – сложное, многогранное и субъективное понятие, для которого не существует строгого определения. Поэтому в статистических, экономических, демографических и других научных работах счастье заменяют понятиями «субъективное благополучие» и «удовлетворённость жизнью», которые позволяют количественно оценить уровень счастья, построить модель и проанализировать его связь с разными факторами. Понять природу счастья пытаются разные дисциплины: философия, психология, социология, экономика, политология, медицина и другие. Первые зафиксированные труды на эту тему принадлежат Аристотелю, который в «Этике Никомаха» описывает счастье как добродетельную деятельность души. Там же Аристотель разделяет понятия счастья и благоденствия: первое представляет собой высшее благо, а второе является синонимом благополучия и счастливой жизни. В зародившемся во времена античности и разработанном И. Бентамом этическом течении утилитаризме моральным считается действие, приносящее людям наибольшее счастье, а степень моральной ценности измеряется полезностью. Полезность (или польза) измеряется в превосходстве удовольствия над страданием. При этом общую полезность всех людей можно сложить и таким образом посчитать общее благосостояние. Эджуорт также считал полезность количественной переменной, которая зависит от набора благ и возможностей индивида. В противоположность этим экономистам, Парето подвергал сомнению возможность построения функции счастья, а Самуэльсон считал счастье порядковой переменной, и полезность – неизмеримой величиной. В 1967 году Уилсон описывает новый показатель счастья – субъективное благополучие (subjective well-being), которое отражает личное восприятие человеком своего состояния. Субъективное благополучие – это более ёмкое и общее понятие, состоящее из трёх частей: аффекта (совокупности чувств и настроений человека), счастья (как вариант, превалирования положительных эмоций над отрицательными) и удовлетворенность жизнью (оценка экономического и социального положения индивида). В 70 и 80-х годах было проведено множество исследований на основе вариантов показателя субъективного благополучия, например, работы Лейденской школы (Van Praag, Hagenaars) и основным выводом этих работ стала зависимость между доходом и счастьем. Одновременно с этим Истерлин в 1974 году рассматривает связь между счастьем и доходом на уровне страны в целом и приходит к знаменитому парадоксу: оказывается, рост общего благосостояния не связан с уровнем счастья. Этот парадокс объясняется тем, что люди, оценивая свой уровень благосостояния, ориентируются не на абсолютные, а на относительные показатели, на то, насколько их жизнь лучше или хуже жизни ближайших соседей. С конца 20 века ученые начали проводить большие, всемирные эмпирические исследования разных факторов от которых может зависеть счастье. На основе этих исследований строятся индексы, которые показывают уровень счастья в стране («Happy Planet Index», «Satisfaction With Life Index» и другие). В настоящий момент можно выделить три основных фактора, от которых, по мнению современных ученых, зависит счастье: доход, работа и семья. Кроме этого, счастье может зависеть от состояния здоровья, отношений с друзьями, личных ценностей, личных свобод, религиозности, институционального устройства государства и многого другого. Современные глобальные социальные исследования (такие как ESS - Европейское Социальное Исследование или World Values Survey – Исследование жизненных ценностей населения) содержат в себе вопросы: «Счастливы ли вы?» или «Насколько вы удовлетворены своей жизнью?», и, соответственно, несут в себе потенциал для проверки множества гипотез и построения логит и пробит моделей счастья. Литература
Построение обобщающего показателя кадрового потенциала вуза (на примере НИ МГУ им. Н.П. Огарёва)11 Крымзин Дмитрий Николаевич (Саранск, МГУ им. Н.П. Огарёва) Разработка методов количественной оценки кадрового потенциала высшей школы является одной из актуальных задач в решении проблемы повышения эффективности системы высшего образования, и её результатов. Однако особенности оценки кадрового потенциала вуза имеют определенные сложности, связанные с тем, что наряду отдельными показателями должны быть рассчитаны и синтетические, представляющие собой сверстку множества частных. Предпринятая попытка построения обобщающего показателя кадрового потенциала университета включает в себя следующие этапы: 1 - Формирование информационной базы исследования. В качестве информационной базы построения обобщающего показателя были взяты 10 показателей аккредитации университета за период с 2001 по 2009 гг. [1] 2 - Нормировка исходных показателей, которая имеет своей целью привести показатели к единой шкале измерения. 3 - Выбор функции агрегирования первичных характеристик показателей в одно обобщающее значение. В качестве функции агрегирования была взята линейная сверстка частных показателей:  ,где  – нормированные значения частных показателей, wj – соответствующие им весовые коэффициенты.Для получения весовых коэффициентов wj был использован метод главных компонент, суть которого заключается в том, что к множеству описаний объектов применяется преобразование вращения, которое соответствует критерию наибольшей информативности C. Р. Рао. Согласно этому критерию, наибольшая информативность есть минимальное значение суммы квадратов расстояния от описаний объектов до их проекций на первую главную компоненту. [2] Анализ полученных весовых коэффициентов позволил разбить рассматриваемые показатели на две группы, относительно влияния на значение обобщающего показателя. К первой группе были отнесены показатели, оказывающее преимущественное влияние на обобщающий показатель: процент в профессорско-преподавательском составе докторов наук и / или профессоров; процент профессорско-преподавательского состава с учеными степенями и / или званиями; процент аспирантов, защитивших диссертации не позднее чем через год после окончания аспирантуры (от числа поступивших); среднегодовой объем финансирования научных исследований на единицу научно-педагогического персонала за пять лет; среднегодовой контингент обучающихся по образовательным программам профессиональной подготовки и / или повышения квалификации. Во вторую группу вошли показатели, значения весовых коэффициентов которых невелико: процент в профессорско-преподавательском составе преподавателей, работающих на штатной основе; среднегодовое число защит диссертаций на 100 человек научно-педагогического персонала за 5 лет; число аспирантов на 100 студентов контингента, приведенного к очной форме обучения; количество монографий на 100 основных штатных педагогических работников с учеными степенями и / или учеными званиями, изданных за последние пять лет; количество учебников и учебных пособий (с грифом) на 100 основных штатных педагогических работников с учеными степенями и званиями, изданных за последние 5 лет. Наименьшее значение сводного показателя кадрового потенциала Мордовского университета наблюдалось в 2002 году. Затем, в течение последующих 7 лет наблюдалось устойчивое увеличение значения, и в 2009 году оно составило 8,94 балла из 10 возможных. Наибольший рост показателя наблюдался в 2007 и 2008 гг. – 155 и 135% соответственно. В целом значение показателя за 2001 – 2009 гг. увеличилось в 7,6 раза. Литература
|
Похожие:
 | Программа дисциплины " Многомерные статистические методы" для направления... Экстернат – самостоятельное изучение обучающимся дисциплин согласно основной образовательной программе высшего профессионального... | | Программа дисциплины " Эконометрика " для направления 080100. 62... Гос впо по специальности 080507. 65 Менеджмент организации, утвержденными 17 марта 2000, №234 эк/сп |
| Программа дисциплины " Эконометрика-2" для направления 080100. 68... Гэ по русскому языку и литературе. Данная программа позволяет подготовиться к сдаче егэ. Особенностью данного курса является то,... | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, Data Mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори |
| Отчет о лаботарорной работе методы и средства анализа данных по теме:... Методы классификации, data mining, метод байеса, 8, id3, 1R, svm, ассоциативные правила, метод априори | | Факультет экономики ... |
 | Статистические методы анализа языка как способ повышения эффективности... Утверждена отделом документационно-содержательного обеспечения учебного процесса Ургпу | | Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» |
| Отчет о лабораторной работе методы и средства анализа данных по теме:... «Лабораторная работа с системой анализа данных Weka. Сравнение методов классификации» | | Рабочая программа по дисциплине Аналитическая химия и физико-химические методы анализа Цели и задачи дисциплины: Освоение теоретических основ современных химических методов анализа, аналитических методик и приемов, статистической... |
| Конспект лекций по системному анализу Лекция: История, предмет, цели системного анализа 2 Рассматриваются история развития и предмет системного анализа, системные ресурсы общества, предметная область системного анализа,... | | Анализа данных-4: анализ издержки-выгод Методы анализа данных-4: анализ издержки-выгоды, анализ издержки-эффективность (17 ноября 2005)1 |
