Размер: px

Начинать показ со страницы:

Транскрипт

1 18 С.А. Полуяхтов, В.А. Белкин С.А. Полуяхтов, В.А. Белкин УДК Кондратьевские циклы ставки процента как основа прогнозирования его динамики Аннотация. В статье на обширном статистическом материале доказана гипотеза о том, что циклические колебания банковской процентной ставки по кредитам определяются циклами солнечной активности. На этой основе возможно прогнозирование процентной ставки в среднесрочной и долгосрочной перспективе, а следовательно, и будущего состояния мировой и российской экономики. Summary. Extensive statistic material helped the authors to prove the hypothesis that cyclical fluctuations of the bank credit interest rate are determined by solar cycles. This facts makes it possible to forecast an interest rate in medium-term and long-term perspective and consequently to predict future economic situation in the world and in Russia as well. Ключевые слова. цикличность банковской процентной ставки, циклы солнечной активности, циклическое развитие экономики, прогнозирование экономических кризисов, прогнозирование банковской процентной ставки. Key words. Cyclical fluctuations of the bank credit interest rate, solar cycles, cyclical development of economy, forecast of economic crisis, forecast ofbank interest rate. Мировой финансовый кризис гг. снова обнажил проблему неадекватного прогнозирования основных экономических показателей и, как следствие, слишком оптимистического взгляда правительств различных стран на будущую экономическую ситуацию в мире. Одной из причин сложившейся ситуации является отсутствие прогнозов одного из важнейших экономических показателей банковской процентной ставки. В своей статье «О прогнозе процентной ставки» С. Моисеев отмечает, что «если за рубежом процентные ставки и без прогнозов центрального банка хорошо предсказуемы, то в России налицо дефицит информации о будущей динамике денежного рынка. Гадание на процентных ставках является одним из самых сложных анализов и, как правило, оценки будущих ставок не входят в консенсус-прогнозы и опросы профессиональных прогнозистов» . Не имея возможности получить прогноз процента из официальных источников, многие экономисты решают прогнозировать его сами. Однако имеющиеся на сегодняшний день методы прогнозирования либо слишком примитивны, либо настолько трудоемки, что недоступны большинству из них. Поэтому нами предлагается разработать метод для прогнозирования процента, основанный на его связи с циклами солнечной активности (далее по тексту СА), который будет давать более точный прогноз без каких-либо трудоемких вычислений, что позволит применять его любому экономическому субъекту. Âåñòíèê Òþìåíñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ¹ 11

2 Кондратьевские циклы ставки процента В качестве исходной мы принимаем гипотезу В.А. Белкина о том, что «циклические колебания основных макроэкономических показателей, в том числе таких, как уровень безработицы, уровень инфляции и средней ставки кредита, курс национальной валюты, дефицит (профицит) консолидированного бюджета, определяются циклами солнечной активности» . Для проверки данной гипотезы за период с 1947 г. по июль 2010 г. нами были взяты среднегодовые данные о числах Вольфа, которые пропорциональны количеству пятен на солнечном диске и характеризуют СА . В качестве банковской процентной ставки, влияющей на состояние мировой экономики, за этот же период была взята ставка прайм-рейт (процентная ставка, в наибольшей мере приближающаяся к безрисковой). Далее нами были построены графики изменения данных показателей во времени (рис.1). Как показывает данная диаграмма, начиная с 1968 г., цикличность изменения ставки прайм-рейт в достаточной степени определяется циклами СА. Рис. 1. Динамика изменения среднегодовых чисел Вольфа и ставки прайм-рейт Стоит отметить некоторые особенности цикличности СА и ставки прайм-рейт. Так, фаза роста СА длится в среднем в течение 4 лет, а фаза падения 7 лет, общая продолжительность цикла составляет в среднем 11 лет. То есть цикл СА имеет резкий подъем и плавное снижение. При этом во время фазы роста СА наблюдается также фаза роста банковской процентной ставки, и при достижении циклом СА своего пика процентная ставка сразу или спустя 1 год также достигает максимального значения. Во время фазы снижения СА одновременно уменьшаются и значения банковской процентной ставки. Однако примерно за один-два года до очередного минимума СА банковская процентная ставка достигает своего следующего максимума. Пока мы не можем точно определить причину повторного цикла банковской ставки в рамках цикла СА и можем высказывать только предположения или гипотезы. Э К О Н О М И К А

3 20 С.А. Полуяхтов, В.А. Белкин Чтобы избавиться от влияния краткосрочных колебаний прайм-рейт, были рассчитаны средние значения анализируемых показателей по годам в точках перегиба кривой циклов СА и построены соответствующие графики (рис. 2). Из данной диаграммы видно, что 11-летние циклы СА в достаточной мере совпадают с циклами банковской процентной ставки (коэффициент корреляции равен 79%), которые совпадают с циклами К. Жюгляра. То есть рост СА приводит к росту прайм-рейт и, как следствие, в точках максимума к экономическому кризису. Таким образом, именно циклическая активность солнца является ключевым фактором, определяющим изменение банковской процентной ставки. Также выявленная связь раскрывает истинную причину цикличности данного показателя и развития мировой экономики в целом. Покажем, что такие ставки как LIBOR, EURIBOR изменяются практически синхронно со ставкой прайм-рейт. Тем самым мы докажем, что циклы СА определяют динамику банковского процента по всему миру, а не только в США. Рис. 2. Динамика изменения среднегодовых чисел Вольфа и ставки прайм-рейт в точках перегиба (экстремумах) кривой солнечной активности Для исследования наличия связи между ставками прайм-рейт и LIBOR была выбрана ставка LIBOR по кредитам до одного года. Значения по ней были взяты с сайта экономической статистики MORTGAGE-X . Далее приведена диаграмма, наглядно показывающая динамику синхронного изменения среднегодовых значений ставок прайм-рейт и LIBOR (на срок до одного года) (рис. 3). Âåñòíèê Òþìåíñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ¹ 11

4 Кондратьевские циклы ставки процента Рис. 3. Динамика изменения среднегодовых значений ставок прайм-рейт и LIBOR (на срок до одного года) Для исследования наличия связи между ставками прайм-рейт и EURIBOR, была выбрана ставка EURIBOR по кредитам до одного года. Значения по ней были взяты с сайта ItIsTimed . Далее нами была построена диаграмма, наглядно показывающая динамику в высокой степени синхронного изменения среднегодовых значений ставок прайм-рейт и EURIBOR (на срок до одного года) (рис. 4). В гг. ставка EURIBOR изменялась синхронно со ставкой прайм-рейт, но с временным отставанием (лагом) примерно в 1 год. Рис. 4. Динамика изменения среднегодовых значений ставок прайм-рейт и EURIBOR (на срок до одного года) Э К О Н О М И К А

5 22 С.А. Полуяхтов, В.А. Белкин Представленные диаграммы наглядно и убедительно доказывают высокую степень синхронности изменения основных международных процентных ставок LIBOR и EURIBOR и ставки прайм-рейт. Таким образом, доказанная нами связь СА и прайм-рейт может быть распространена и на другие процентные ставки, в частности LIBOR и EURIBOR. На основе полученного результата, а также прогноза 24-го цикла СА (рис. 5) можно разработать прогноз значения ставки прайм-рейт. Следующий пик СА ожидается в гг., и, следовательно, можно ожидать роста ставки прайм-рейт вплоть до 2013 г., а в гг. нами прогнозируется очередной максимум данной ставки и последующий мировой финансовый кризис. Разумеется, фактическая активность Солнца в 24-ом цикле может отличаться от прогнозной, так как данные циклы несколько изменяются по длительности (9-11 лет). В этом случае произойдет некоторый соответствующий сдвиг во времени указанной даты следующего максимума прайм-рейт и мирового экономического кризиса. Рис. 5. Прогноз 24-го цикла солнечной активности На рис. 5 показано, что следующий минимум СА должен произойти примерно в 2020 году. Следовательно, примерно в 2018 г. произойдет очередной рост ставок процента, а затем в 2019 и 2020 гг. замедление темпов роста реального ВВП США или экономический кризис. Для того, чтобы дать более точный прогноз значения прайм-рейт в 2013 г., обратимся к теории волн Н. Кондратьева, на основе которой выделено 5 экономических циклов, длиной около лет : Âåñòíèê Òþìåíñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ¹ 11

6 Кондратьевские циклы ставки процента цикл с 1790 до гг. 2 цикл с до гг. 3 цикл с до гг. 4 цикл с до гг. 5 цикл с Циклам Кондратьева подчиняются все основные макроэкономические показатели, в том числе и банковская процентная ставка прайм-рейт. При этом в момент окончания цикла ставка достигает своего максимального значения. В подтверждение нашей гипотезы проанализируем диаграмму, представленную на рис. 1. Она показывает, что предпоследний минимум экономических показателей мировой экономики был в 1982 г. и сопровождался максимумом банковской процентной ставки, который мы предлагаем назвать Кондратьевским максимумом ставки прайм-рейт (К-ставкой). До К-ставки наблюдался рост прайм-рейт, после снижение. Данные циклы мы предлагаем называть большими циклами ставки прайм-рейт. Согласно исследованиям японского ученого Симанака Юдзи, подтвержденным Японским центром экономических исследования (JERC) и опубликованным в The Wall Street Journal от г., один Кондратьевский цикл равняется пяти циклам СА, или 55 годам . Исходя из данной теории и того, что за период с 1982 г. по 2010 г. имели место два цикла СА, можно предположить, что 2010 г. является точкой перегиба большого цикла прайм-рейт и в дальнейшем будет наблюдаться ее рост. Следовательно, локальный максимум праймрейт в 2013 г. будет выше локального максимума данного показателя в 2009 г. и находиться примерно на уровне локального максимума 2000 года. Таким образом, ставка прайм-рейт в 2013 году достигнет своего промежуточного очередного максимума в среднесрочной перспективе на уровне 8-9%, что с высокой степенью вероятности повлечет очередной мировой финансовый кризис (рис. 6). Рис. 6. Кондратьевский цикл ставки прайм-рейт и ее прогноз до 2020 г. Э К О Н О М И К А

7 24 С.А. Полуяхтов, В.А. Белкин Аналогичным образом локальный максимум ставки прайм-рейт в 2018 г. будет выше локального максимума данного показателя в 2013 г., но ниже локального максимума данного показателя в 1989 г., то есть ее значение будет находиться примерно на уровне 10% (рис. 6). На основе того факта, что изменения прайм-рейт синхронны с изменениями по процентным ставкам LIBOR и EURIBOR, можно ожидать соответствующего роста данных ставок до уровня 6% и 5%, соответственно, в 2013 г. и ставку LIBOR на уровне 8,5% в 2018 году. Начиная с 2003 г., вследствие глобализации мировой экономики и высокой включенности экономики России в нее, произошла синхронизация ВВП США и ВВП России при более высокой волатильности российского ВВП. Следовательно, изменение ставки прайм-рейт неизбежно приводит к аналогичному изменению российской банковской процентной ставки по кредитам, поэтому к 2013 г. в России банковская процентная ставка по кредитам, выданным юридическим лицам сроком до 1 года, также вырастет до уровня 2000 г. и составит 18-20% годовых. Максимумы активности солнца будут и в дальнейшем приводить к росту российской банковской процентной ставки по кредитам и, соответственно, к очередному финансовому кризису. Полученный результат чрезвычайно важен не только для представителей власти, но и для всего экономически активного населения, так как на его основе можно принимать долгосрочные инвестиционные решения и объективно оценивать будущее развитие экономики страны. В качестве объяснения причины выявленной связи можно привести исследования великого отечественного ученого А. Чижевского, который утверждал, что психопатические эпидемии, панические настроения, массовые истерии, галлюцинации и т.д., а также модификация нервной возбудимости нервно-психического тонуса находятся в тесной связи с циклами СА . Циклические колебания указанных выше настроений пессимизма и оптимизма приводят к циклическим колебаниям величины платы за риск, которая учитывается в ставке процента, и к его циклическим колебаниям. Итак, в результате данного исследования: Выявлена высокая степень связи циклов СА и банковской процентной ставки на примере ставки прайм-рейт; Предложено ввести в научный оборот понятия Кондратьевского цикла банковской ставки (на примере ставки прайм-рейт) и Кондратьевского максимума (минимума) данной ставки; Разработан средне- и долгосрочный прогноз очередных максимумов ставки прайм-рейт и мировых финансовых кризисов; Показана высокая степень синхронности динамики ставок прайм-рейт, LIBOR, EURIBOR; Разработан среднесрочный прогноз очередных максимумов ставок LIBOR, EURIBOR и российской процентной ставки по кредитам в 2013 году. Âåñòíèê Òþìåíñêîãî ãîñóäàðñòâåííîãî óíèâåðñèòåòà ¹ 11

8 Кондратьевские циклы ставки процента Список литературы 1. Моисеев С. «О прогнозе процентной ставки» URL: post/124329/ 2. Белкин В. А. Взаимосвязь циклов солнечной активности и циклов основных макроэкономических показателей // Социально-экономическое развитие России в посткризисный период: национальные, региональные и корпоративные аспекты: сб. м-лов 27 междунар. науч.-практич. конференции Ч.1, Челябинск: УрСЭИ АТ и СО, С; 3. Статистические данные Центра анализа данных по влиянию Солнца (Бельгия) URL: 4. Данные сайта экономической статистики MORTGAGE-X URL: com 5. Данные сайта ItIsTimed URL: php 6. М-лы исследований NASA URL: solnechnyiy-prognoz/ 7. Коротаев А. В., Цирель С. В. Кондратьевские волны в мировой экономической динамике / Системный мониторинг. Глобальное и региональное развитие / Отв. ред. Д. А. Халтурина, А. В. Коротаев. М.: Либроком/URSS, C URL: cliodynamics.ru/download/m02korotayev_tsirel_kondratyevskie_volny.pdf 8. The Union of Intelligible Associations // Configuring: Transformative policy cycles (9. Чижевский А. Л. Земное эхо солнечных бурь. 2-е изд. М.: Мысль, с. Э К О Н О М И К А

Вестник Челябинского государственного университета. 2011. 6 (221). Экономика. Вып. 31. С. 39 43. ЦИКЛЫ СОЛНЕЧНОЙ АКТИВНОСТИ КАК ОСНОВА ЦИКЛОВ БАНКОВСКОЙ ПРОЦЕНТНОЙ СТАВКИ На обширном статистическом материале

Вестник Челябинского государственного университета. 1. (). Экономика. Вып. 3. С. 1. Большие циклы солнечной активности как основа больших циклов конъюнктуры Кондратьева Выявлена сильная связь больших циклов

Вестник Челябинского государственного университета. 2011. 36 (251). Экономика. Вып. 35. С. 23 27. РАЗВИТИЕ ТЕОРИИ ЦИКЛИЧЕСКИХ КОЛЕБАНИЙ ИНФЛЯЦИИ И БЕЗРАБОТИЦЫ НА ОСНОВЕ ИХ СВЯЗИ С ЦИКЛАМИ СОЛНЕЧНОЙ АКТИВНОСТИ

Владимир Алексеевич Белкин Челябинский филиал Института экономики УрО РАН ЦИКЛЫ ПРОМЫШЛЕННОГО ПРОИЗВОДСТВА РОССИИ И СОЛНЕЧНОЙ АКТИВНОСТИ: МЕХАНИЗМ И ФАКТЫ СИЛЬНОЙ ОБРАТНОЙ СВЯЗИ (1861 2013 гг.) В статье

УДК 336.71 ФАКТОРНЫЙ АНАЛИЗ УРОВНЯ МОНЕТИЗАЦИИ ЭКОНОМИКИ НА ОСНОВЕ ЭКОНОМИКО-СТАТИСТИЧЕСКИХ МОДЕЛЕЙ С. В. МИЩЕНКО, кандидат экономических наук, доцент кафедры финансов E-mail: s-mischenk@mail. ru Университет

Экономический кризис в россии глубже, чем в сша методика оценки последствий экономических кризисов Аннотация Как определить длительность и глубину экономических циклов и кризисов? Автор отвечает на этот

1.5 Макроэкономическая динамика. Инфляция. Теория экономических циклов 1.5.1 Инфляция долговременный процесс устойчивого роста общего уровня цен, приводящего к снижению покупательской способности денег.

Т. Горшкова, С. Дробышевский, М. Турунцева, М. Хромов Макроэкономический прогноз на 2017 2019 годы: рост не выше 1,0 1,5% Итоги 1-го полугодия 2017 г., с одной стороны, подкрепляют высказанные ранее предположения

Финансы, денежное обращение и кредит 247 Влияние процентной ставки на динамику структуры активов и пассивов коммерческих банков 2009 П.С. Бардаева Московский государственный университет им. М.В. Ломоносова

Гришина Е.Н., к.э.н., доцент кафедры ИТ и статистики, Вятская государственная сельскохозяйственная академия Россия, г. Киров Трусова Л.Н., к.э.н., доцент кафедры истории и философии Вятская государственная

В. Аверкиев, С. Дробышевский, М. Турунцева, М. Хромов Прогноз на 2016 2017 гг.: экономика входит в зону стабилизации Развитие ситуации в I кв. 2016 г., в частности снижение цен на нефть до минимального

ТЕЗИСЫ ДЛЯ ПРЕССЫ ПО ГЛАВЕ 3: МАКРОЭКОНОМИЧЕСКИЕ ПОСЛЕДСТВИЯ БЮДЖЕТНОЙ КОНСОЛИДАЦИИ БУДЕТ ЛИ БОЛЬНО? Перспективы развития мировой экономики, октябрь 2010 года Подготовили: Дэниел Ли (руководитель группы),

Аверкиев В., Дробышевский С., Турунцева М., Хромов М. Сценарный прогноз социально-экономического развития РФ в 2017 2018 гг. (Январь 2017) В III ах 2016 г. в экономике России началась фаза циклического

УДК 311.2:364.2 Капелюк С.Д., Сибирский университет потребительской кооперации, г. Новосибирск Экономико-статистические модели в прогнозировании уровня жизни населения Прогнозирование уровня жизни населения

42 Основы экономики, управления и права 5 (5) ФИНАНСЫ, ДЕНЕЖНОЕ ОБРАЩЕНИЕ И КРЕДИТ УДК 336.77:338.43 В.Н. Домрачев, Е.В. Скалецкая* СОВРЕМЕННЫЕ ТЕНДЕНЦИИ БАНКОВСКОГО КРЕДИТОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРЕДПРИЯТИЙ

3. ЭКОНОМИЧЕСКИЙ ЦИКЛ. БЕЗРАБОТИЦА ПОНЯТИЕ ЭКОНОМИЧЕСКОГО ЦИКЛА Экономический цикл- это периодически повторяющиеся на протяжении ряда лет подъёмы и спады в экономике. Экономический цикл- периодические

6. Татаркин, А. Структурная перестройка промышленности как элемент длинноволнового процесса / А. Татаркин, О. Романова, М. Филатова // Федерализм. 2. 4. 7. Кондратьев, В. Промышленная политика или политика

В. Аверкиев, С. Дробышевский, М. Турунцева, М. Хромов Сценарный прогноз социально-экономического развития РФ в 206 208 гг. (Июнь 206) Макроэкономический прогноз для наиболее вероятных сценариев в 206 208

16 О поведении медианы кондратьевских циклов Н. В. Митюков В статье проанализирована динамика изменения асимметрии кондратьевских циклов. Сделано предположение, что сами циклы подвержены гармоническим

ISSN 2079-8490 Электронное научное издание «Ученые заметки ТОГУ» 2017, Том 8, 3, С. 92 96 Свидетельство Эл ФС 77-39676 от 05.05.2010 http://pnu.edu.ru/ru/ejournal/about/ [email protected] УДК 378.147.091.3(571.6)

ПОЛУЯХТОВ СТАНИСЛАВ АНДРЕЕВИЧ ОСОБЕННОСТИ ЦИКЛИЧЕСКИХ КОЛЕБАНИЙ ССУДНОГО ПРОЦЕНТА В ЭКОНОМИЧЕСКИХ СИСТЕМАХ Специальности: 08.00.01-Экономическая теория (общая экономическая теория) АВТОРЕФЕРАТ диссертации

Ежемесячный аналитический обзор УРАЛСИБ Банк121 Июль 2011 2 Глобальный прогноз, позиционирование портфеля Июнь, как мы и предполагали в своем прошлом ежемесячном обзоре, стал еще одним месяцем снижения

1002 УДК 330.4 РАСЧЕТ ПОКАЗАТЕЛЕЙ ДИНАМИКИ РАЗВИТИЯ ЭКОНОМИЧЕСКИХ ПРОЦЕССОВ INDICATORS CALCULATION OF ECONOMIC PROCESSES DYNAMIC DEVELOPMENT Сударкина Е.С. Южно-Российский институт управления филиал Российской

УДК 33 Кузнецов С.А., старший преподаватель «Воронежский государственный лесотехнический университет им. Г.Ф. Морозова» Забудьков В.А., магистрант г. Воронеж, Россия «Воронежский государственный лесотехнический

37 УДК 336.71 ПРОГНОЗИРОВАНИЕ ВЕЛИЧИНЫ ОБЯЗАТЕЛЬНЫХ РЕЗЕРВОВ КОММЕРЧЕСКОГО БАНКА И.Д. Кузнецова Ивановский государственный химико-технологический университет Ю.Е. Пануева Ивановская государственная текстильная

Национальный банк Республики Беларусь МОНИТОРИНГ УСЛОВИЙ БАНКОВСКОГО КРЕДИТОВАНИЯ Аналитическое обозрение январь март Минск 2 В рамках осуществления Национальным банком анализа кредитного рынка проводится

УДК 365.282 Ноур М.В., студент, группа СТм-14 Попова И.В., доцент, к.э.н. ФГБОУ ВО «Пензенский государственный университет архитектуры и строительства», г.пенза, Россия ИССЛЕДОВАНИЕ ТЕНДЕНЦИЙ РАЗВИТИЯ

124 Т.А. Зеленина Т.А. Зеленина [email protected] УДК 519.8:336.77:005.334 Прогнозирование кредитного риска коммерческого банка АННОТАЦИЯ. В статье представлены результаты прогнозирования риска клиентского

УДК 336.69 ТЕНДЕНЦИИ РАЗВИТИЯ МИРОВОЙ ФИНАНСОВОЙ СИСТЕМЫ Белухин В.В., Харченко А.А. Негосударственное аккредитованное некоммерческое частное образовательное учреждение высшего образования «Академия маркетинга

Контрольная работа по «Макроэкономике» Методические рекомендации по подготовке контрольной работы для студентов 1. Вариант контрольной работы определяется последней цифрой студенческого билета (шифра)

УДК: 33(075.8) ЗАКОНОМЕРНОСТИ И СОВРЕМЕННЫЕ ТЕНДЕНЦИИ РАЗВИТИЯ МИРОВОГО ХОЗЯЙСТВА: ФАКТОРЫ, ОПРЕДЕЛЯЮЩИЕ ДИНАМИКУ И НАПРАВЛЕНИЕ ИННОВАЦИОННОГО РАЗВИТИЯ Алексей Васильевич Тебекин, д. т. н., д. э. н., проф.,

NovaInfo.Ru - 46, 2016 г. Экономические науки 1 ИНФЛЯЦИЯ: ПОНЯТИЕ, ВИДЫ И ДИНАМИКА. Ямурова Алия Рафисовна Инфляция - обесценение бумажных денег безналичных денежных средств, сопровождается ростом цен

Ставка ФРС Игра на повышение 07.12.2016 Федеральная резервная система США это независимое федеральное агентство, созданное в 1913 году в качестве регулятора банковской системы страны. Выполняет функции

Вестник Челябинского государственного университета. 213. 15 (36). Экономика. Вып. 41. С. 19 115. ЭКОНОМИКА ПРЕДПРИЯТИЯ МОДЕль эффективной фискальной политики государства Представлена разработка модели

УДК 334.723 Лямкин И.И., кандидат экономических наук, доцент заведующий кафедрой экономической теории и социально-политических отношений Кемеровский институт (филиал) ФГБОУ ВПО «РЭУ им. Г.В. Плеханова»

Крашенинников Н.В. ПРИЧИНЫ БАНКОВСКИХ КРИЗИСОВ В РОССИИ И ИХ ИДЕНТИФИКАЦИЯ НА РАННИХ СТАДИЯХ РАЗВИТИЯ Научный руководитель: доц., к.э.н. Шакер И.Е. В отечественной и зарубежной литературе представлено

МАЛЫЙ БИЗНЕС И ПРЕДПРИНИМАТЕЛЬСТВО А.А. Флешлер соискатель, слушатель ВШЭУиП, Забайкальский государственный университет ПРОБЛЕМЫ РАЗВИТИЯ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА В АСПЕКТЕ НИЗКОГО УРОВНЯ ФИНАНСОВОГО

ЭФФЕКТИВНОСТЬ ДОЛГОВОЙ ПОЛИТИКИ РОССИЙСКОЙ ФЕДЕРАЦИИ:КРИТЕРИИ ОЦЕНКИ И ПЕРСПЕКТИВЫ Кокарев К.Н. Финансовый университет при Правительстве РФ г. Москва Научный руководитель к.э.н., доц. Сангинова Л. Д. Долговая

100%, темно-зеленая закраска), а также: Костромская, Магаданская и Ярославская области, Республики Адыгея, Удмуртия, Башкортостан (растут четыре из пяти секторов, индекс РЭА = 80%, светло-зеленая закраска).

Работу выполнил: студент факультета МЭО, группы М 3-4 МОЛИЙ Г.М., Научный руководитель: к.т.н,профессор НЕВЕЖИН В.П Финансовый Университет при Правительстве РФ, Москва АНАЛИЗ КРИВОЙ ФИЛЛИПСА ДЛЯ РОССИЙКОЙ

Макроэкономика: как зарождается волна кризиса? новая теория экономических циклов, кризисов и макроэкономического равновесия Аннотация Целью настоящего исследования явилось изучение причин и механизмов,

Монетарная концепция экономических циклов Как известно в модели Тевеса присутствует рынок денег, как и в модели Хикса Самуэльсона, В которых причиной конъюнктурных циклов выступают экзогенные изменения

Прогноз 2015 2016: хуже, чем ожидалось С. Дробышевский, В.Петренко, М. Турунцева, М. Хромов Показатели развития экономики РФ в 1-м полугодии 2015 г. и первые данные о динамике основных макроэкономических

УДК 336.02 ХАРАКТЕРИСТИКА ВЛИЯНИЯ ПОКАЗАТЕЛЕЙ ДЕНЕЖНО-КРЕДИТНОЙ СИСТЕМЫ НА ДИНАМИКУ ВВП Демина П.C. ведущий специалист учебно-методического центра АО Прогноз, Пермь, Россия Аннотация В статье характеризуются

УДК 550.343.6 О СВЯЗИ СИЛЬНЫХ (M W 7.5) ЗЕМЛЕТРЯСЕНИЙ КАМЧАТКИ С СОЛНЕЧНОЙ АКТИВНОСТЬЮ Серафимова Ю.К. Камчатский филиал Геофизической службы РАН, г. Петропавловск-Камчатский, [email protected] Введение

59 УДК 330.4:338.45(470.315) ПРОГНОЗИРОВАНИЕ ДИНАМИКИ ЭКОНОМИКИ ИВАНОВСКОЙ ОБЛАСТИ НА ДОЛГОСРОЧНУЮ ПЕРСПЕКТИВУ А.Н. Петров Ивановский государственный химико-технологический университет Проведен эконометрический

Макроэкономика ГОСУДАРСТВЕННЫЙ БЮДЖЕТ Татьяна ТИЩЕНКО, канд. экон. наук По данным Федерального казначейства, за первое полугодие текущего года доходы федерального бюджета продолжали расти и на конец периода

УТВЕРЖДЕНО Указ Президента Республики Беларусь 07.12.2009 591 ОСНОВНЫЕ НАПРАВЛЕНИЯ денежно-кредитной политики Республики Беларусь на 2010 год РАЗДЕЛ I ОСНОВНЫЕ ПОЛОЖЕНИЯ 1. Денежно-кредитная политика Республики

Инфляционные ожидания населения в мае-июне 2013 года Банк России представляет результаты очередной волны исследования инфляционных ожиданий, проведенного Фондом «Общественное Мнение» (ФОМ) по заказу Банка

Комментарии Консенсус-прогноз 1. Опрос профессиональных прогнозистов: Беларусь и Казахстан В начале мая 2014 а Институт «Центр развития» НИУ ВШЭ провел очередной Опрос профессиональных прогнозистов относительно

УДК 338.27 Шорова С.Н. студент 3 кур, факультет «Финансы и кредит» Россия, г. Краснодар Блохина И.М., кандидат экономических наук, доцент доцент кафедры «Финансов» Кубанский государственный аграрный университет

ФИНАНСОВАЯ СТАБИЛЬНОСТЬ НЕОБХОДИМАЯ ПРЕДПОСЫЛКА ОБЕСПЕЧЕНИЯ ЭКОНОМИЧЕСКОГО РОСТА: СРАВНИТЕЛЬНЫЙ АНАЛИЗ РИСКОВ РАЗВИВАЮЩИХСЯ РЫНКОВ Картавов И.В. Научный руководитель: к.э.н., доц. Матризаев Б.Д. Финансовый

А. А. СУХИХ, А. С. ДЕМИДОВ Юго-западный государственный университет Научный руководитель: к.э.н., доцент Третьякова И.Н. АНАЛИЗ ИНФЛЯЦИОННЫХ ПРОЦЕССОВ В РОССИИ (2009-2014 ГГ.) Аннотация В статье анализируются

УДК 35.073.515.2 Куразова Д.А., ассистент кафедры «Статистики и информационные системы в экономике» Чеченский государственный университет Россия, г. Грозный ПЕРСПЕКТИВЫ РАЗВИТИЯ СТРАХОВОГО РЫНКА В РОССИИ.

ТЕЗИСЫ ДЛЯ ПРЕССЫ ПО ГЛАВЕ 4 ПРИНИМАЮЩАЯ СТОРОНА? ВНЕШНИЕ УСЛОВИЯ И ЭКОНОМИЧЕСКИЙ РОСТ В СТРАНАХ С ФОРМИРУЮЩИМСЯ РЫНКОМ ДО, ВО ВРЕМЯ И ПОСЛЕ ГЛОБАЛЬНОГО ФИНАНСОВОГО КРИЗИСА Перспективы развития мировой

Бюджет 3. Консолидация региональных бюджетов в 2014 году, прогноз на 2015 год Сокращение темпов экономического роста с 3,4% в 2012 г. до 1,3% в 2013 г. и до 0,6% в 2014 г. не могло не сказаться на региональных

УДК 330.101.54 Геращенко Э.Р. студентка ФГБОУ ВО «Донской государственный технический университет» (ДГТУ), Митина И.А., к.э.н., доцент ФГБОУ ВО «Донской государственный технический университет» (ДГТУ),

УДК 336.7 Гильванов Т. И. студент гр.э31 экономико-математический факультет Нефтекамский филиал Башкирского Государственного Университета Исламов Ф.Ф., к.э.н., доцент Нефтекамский филиал Башкирского Государственного

Инфляция и процентные ставки в России Анализ изменения цен, действий ЦБ и условий кредитного рынка Укрепление рубля и текущая инфляция дают возможность ЦБ снизить ставку в марте на 0,25% В втором квартале

ТУРБУЛЕНТНОСТЬ НА МИРОВЫХ ФИНАНСОВЫХ РЫНКАХ: ПРИЧИНЫ И РИСКИ* Анна КИЮЦЕВСКАЯ, канд. экон. наук Павел ТРУНИН, канд. экон. наук В последние месяцы глобальная экономика столкнулась с усилением рисков, связанных

Николаенкова Мария Сергеевна студентка Прудникова Анна Анатольевна канд. экон. наук, доцент ФГОБУ ВО «Финансовый университет при Правительстве РФ» г. Москва МЕЖДУНАРОДНЫЙ ОПЫТ ПРИМЕНЕНИЯ ОТРИЦАТЕЛЬНОЙ

Дробышевский С.М. Петренко В.Д. Турунцева М.Ю. Хромов М.Ю. Прогноз развития российской экономики на 2015 2016 гг. Очевидно, что в 2015 г. Россия входит в период экономического спада, глубина и продолжительность

УДК 336 ЭКОНОМИЧЕСКИЕ НАУКИ Арцуев Абубакар Майрбекович, студент Финансового университета при Правительстве Российской Федерации Башыбюйюк Мухаммед Энес, студент Финансового университета при Правительстве

Обзор тенденций развития банковского сектора РФ: итоги 21 года Аналитический материал Март 211 Содержание Объем банковских активов вырос на 14,9%. Активы Сбербанка росли быстрее, чем у остальных российских

УДК 368(470.54) ключевые слова: страхование, региональный страховой рынок, плотность, проникновение, имитационное моделирование И. Ю. Ведмедь Анализ основных индикаторов развития страхового рынка Свердловской

Вышковский Геннадий Леонидович МЕТОДОЛОГИЯ ОПТИМАЛЬНОГО ВЫБОРА ФАЗ МАРКЕТИНГОВОГО ВОЗДЕЙСТВИЯ ПРИ МЕДИАПЛАНИРОВАНИИ КЛЮЧЕВЫЕ СЛОВА: медиапланирование, управление информационным спросом, фаза маркетингового

ДОКЛАД «О прогнозе социально-экономического развития Челябинской области на 2015 год и плановый период 2016 и 2017 годов» Слайд 2,3 Прогноз социально-экономического развития Челябинской области на трехлетний

С финансовых новостей. Прогнозирование процентных ставок

Предсказания уровня процентных ставок освященной веками профессией. Экономистов нанимают (иногда за очень высокую плату) для прогнозирования динамики процентных ставок, так как фирмам нужно знать, каким образом следует планировать их будущие расходы, в то время как банкам и инвесторам нужны прогнозы о динамике процентных ставок, чтобы знать, какие активы покупать. Прогнозисты процентных ставок предполагают, что произойдет с факторами, которые влияют на предложение и спрос на облигации и деньги Это такие факторы, как состояние экономики, прибыльность инвестиционных возможностей, ожидаемый темп инфляции, размер государственного бюджетного дефицита, получение ссуд и тому подобное. Прогнозисты тогда используют для прогнозов процентных ставок инструментарий спроса и предложения очерчен в общих чертах в этом разделе.

"The Wall Street Journal" сообщает прогнозы процентных ставок ведущих прогнозистов дважды в год (начало января и июля) в рубрике "Economy" или в рубрике "Credit Markets", которые дают информацию о состоянии на рынке облигаций ежедневно. Прогнозы процентных ставок неопределенной делом. К сожалению, даже предсказания лучших прогнозистов часто бывают далеки от настоящего развития событий.

Предположим, что имеет место однократное увеличение предложения денег сегодня, которое ведет к росту цен, то есть высшего их уровня в следующем году. Поскольку уровень цен растет в течение данного года, то процентные ставки будут повышаться вследствие эффекта уровня цен Только в конце этого года, когда рост цен достигло максимума, эффект уровня цен будет наибольшим.

Растущий уровень цен также повышать процентные ставки через "эффект ожидаемой инфляции", потому что люди будут считать, что инфляция будет выше в течение этого года. Однако, когда в следующем году прекратится рост уровня цен, темп инфляции и ожидаемая инфляция упадут до нуля Любой рост процентных ставок, выступает как результат предыдущего роста ожидаемой инфляции, будет в таком случае аннулировано. Мы, следовательно, видим, что, в противоположность эффекта уровня цен, достигает своего наибольшего влияния в следующем году, эффект ожидаемой инфляции будет в следующем году наименьшее влияние (то есть ноль). Основное различие между этими двумя эффектами состоит в том, что эффект уровня цен остается даже после того, когда рост цен прекратился, в то время как от эффекта ожидаемой инфляции такого влияния не остается.

Важный момент заключается в том, что эффект ожидаемой инфляции будет продолжаться до тех пор, пока происходит рост цен. Как увидим в анализе монетарной теории в следующих разделах, одноразовое рост предложения денег не индукуватиме постоянно растущего уровня цен. Такой уровень индукуватиме только более высокий темп роста предложения денег Итак, выше темп роста предложения денег требуется, чтобы "эффект ожидаемой инфляции" продолжал действовать.

Или выше темп роста предложения денег снижает процентные ставки?

Мы можем теперь собрать все эффекты, которые проанализировали, что поможет нам решить вопрос, наш анализ поддержит позицию политиков, которые защищают более высокий темп роста предложения денег, когда считают, что процентные ставки слишком высоки. Из всех эффектов только эффект ликвидности показывает, что чем выше темп роста денег вызывать падение процентных ставок. Напротив, эффекты дохода, уровня цен и ожидаемой инфляции предполагают, что процентные ставки будут расти, когда рост количества денег становится выше. Какой из этих эффектов производит сильнейшем влияние, и насколько быстро они действуют? Ответ на этот вопрос является критически важна в определении того, процентные ставки будут расти, или падать, когда рост темпа предложения денег увеличивается

Эффект ликвидности от высшего темпа роста количества денег в основном производит влияние немедленно, растущее предложение денег ведет к немедленному уменьшению равновесной процентной ставки. Эффектам

График 6.13.

дохода и уровня цен для срабатывания требуется время, потому что растущее предложение денег требует времени для повышения уровня цен и дохода, которые, в свою очередь, повышают процентные ставки. Эффект ожидаемой инфляции, который также повышает процентные ставки, может срабатывать медленно или быстро в зависимости от того, медленно или быстро люди корректируют свои прогнозы темпа инфляции, когда темп роста денежной массы повышается.

На графике 6.13 намечены три возможности, каждая из которых показывает, как процентные ставки реагируют с пробегом времени на возросший темп роста предложения денег, начиная со времени Т. Часть (а) графика показывает случай, в котором эффект ликвидности доминирует над другими эффектами, поэтому процентная ставка падает с и1 во времени Т до конечного уровня г2. Эффект ликвидности действует быстро, снижая процентные ставки, но с течением времени другие факторы начинают действовать в обратном направлении, что стимулирует падение И хотя влияние эффекта ликвидности сильнее другие эффекты, все же процентная ставка никогда не возвращается назад до исходного уровня.

Часть (б) графика имеет слабый других эффект ликвидности, с эффектом ожидаемой инфляции, срабатывает медленно, потому что прогнозы инфляции корректируются медленно. Изначально эффект ликвидности снижает процентную ставку. Итак, эффекты дохода, уровня цен и ожидаемой инфляции начнут повышать эту ставку. Поскольку эти эффекты преобладают, то процентная ставка в конце концов растет более свой выходной уровень до и2. В краткосрочном периоде ниже процентные ставки является следствием возросшего темпа роста количества денег, но фактически они перестают подниматься выше исходного уровня.

Часть (в) графика показывает эффект ожидаемой инфляции, который преобладает над другими, также действует быстро, потому что у людей быстро нарастают ожидания инфляции, когда темп роста количества денег повышается Эффект ожидаемой инфляции начинается сразу, чтобы пересилить эффект ликвидности, поэтому процентная ставка немедленно начинает ползти вверх. С течением времени, когда начинают действовать эффекты дохода и уровня цен, процентная ставка растет даже быстрее, и конечный результат будет таким, что процентная ставка будет существенно выше исходную. Этот результат ясно показывает, что повышение темпа роста предложения денег не является ответом на уменьшение процентных ставок, но скорее рост количества денег следует уменьшить для уменьшения процентных ставок.

Важным вопросом для создателей экономической политики является то, из трех сценариев ближайший к реальному положению вещей. Если желают снижение процентных ставок, тогда необходимо повышение темпа роста предложения денег, потому эффект ликвидности господствует над другими эффектами (часть а). Уменьшение темпа роста количества денег пригодно, если другие эффекты преобладают эффект ликвидности, и инфля

График 6.14.

ные надежды корректируются быстро (часть в). Если другие эффекты преобладают эффект ликвидности, но инфляционные ожидания корректируются медленно (часть б), тогда ваше желание увеличить или уменьшить рост количества денег зависит от того, вас больше волнует то, что произойдет в краткосрочном, или то, что произойдет в долгосрочном периоде

Сценарий поддерживается доказательствами? Взаимосвязь процентных ставок и рост количества денег с 1951 по 1990 годы изображена на графике 6.14. Когда темп роста предложения денег стал быстрее в середине 60-х годов, то процентные ставки выросли, показывая, что эффект ликвидности доминировал над эффектами цен, дохода и ожидаемой инфляции. До 1970-х годов процентные ставки достигли беспрецедентных в период после второй мировой войны уровней, когда происходил рост темпа предложения денег.

Сценарий, описанный в чаще (а), кажется сомнительным, и случай для процентных ставок, падают из-за повышения темпа роста количества денег, весьма маловероятным. Возвращаясь назад к графику 6.6, который показывает взаимосвязь между процентными ставками и ожидаемой инфляцией, вы поймете, что это не слишком странным. Повышение темпа роста предложения денег в 1960-е и 1970-е годы выравнивается большим ростом ожидаемой инфляции, и это вело нас к прогнозу, что эффект ожидаемой инфляции был господствующим. Это наиболее правдоподобное объяснение, почему процентные ставки росли вопреки высшим темпам роста количества денег. Однако из графика 6.11 фактически следует, какой из двух этих сценариев на частных (б) и (в) графика 6.13 является точным. Это зависит в решающей степени от того, насколько быстро корректируются надежды людей по инфляции. Как формируются ожидания, насколько быстро они корректируются? Это является важной проблемой, которая сейчас активно изучается экономистами и анализируется в разделе 29.

Для того, чтобы спрогнозировать дальнейшую динамику валютной пары разработано огромное количество методик. Тем не менее, количество не перешло в качество, и получить довольно эффективный прогноз – не самая простая задача. Рассмотрим четыре самых распространенных метода прогноза курсов валютных пар.

Теория паритета покупательной способности (ППС)

Паритет покупательной способности (ППС) – возможно, самый популярный метод. Он чаще остальных упоминается в учебниках по экономике. В основе теории ППС лежит принцип «закона одной цены», который утверждает, что стоимость идентичных товаров в разных странах должна быть одинаковой.

Например, цена на шкаф в Канаде должна быть аналогичной цене на такой же шкаф в США, принимая в учет обменный курс и без учета транспортных и обменных затрат. То есть, для спекуляции повода быть не должно, чтобы дешево купит в одной стране и продать дороже в другой.

Согласно теории ППС, изменения обменного курса должны компенсировать . Например, в текущем году цены в США должны вырасти на 4%, в Канаде за аналогичный период – на 2%. Таким образом, инфляционный дифференциал составляет: 4% — 2% = 2%.

Соответственно, цены в США будут расти быстрее, чем в Канаде. Согласно теории ППС, доллар США должен потерять в цене около 2%, чтобы цена на один и тот же товар в двух странах оставалась приблизительно одинаковой. К примеру, если обменный курс составлял 1 CAD=0,9 USD, то по теории ППС прогнозируемый курс рассчитывается следующим образом:

(1 + 0,02) x (0,90 USD за 1 CAD) = 0,918 USD за 1 CAD

То, есть, для соблюдения ППС канадский доллар должен подорожать до 91,8 американских центов.

Самым распространенным примером использования принципа ППС является индекс «Биг Мака», в основе которого лежит сравнение цены на него в разных странах, и который демонстрирует уровень заниженности и завышенности стоимости валюты.

Принцип относительной экономической стабильности

Методика этого похода описана в самом названии. В качестве основы берутся темпы роста экономики разных стран, которые дают возможность спрогнозировать динамику обменного курса. Логично предположить, что стабильный экономический рост и здоровый бизнес климат будет привлекать больше иностранных инвестиций. Для инвестирования необходима покупка национальной валюты, что, соответственно, приводит к росту спроса на национальную валюту и ее последующее укрепление.

Такой метод подходит не только при сравнении состояния экономики двух стран. С его помощью можно составить мнение о наличии и интенсивности инвестиционных потоков. Например, инвесторов привлекают более высокие процентные ставки, позволяющие получить от своих инвестиций максимальную доходность. Соответственно, опять растет спрос на национальную валюту и происходит ее укрепление.

Низкие процентные ставки могут сократить поток иностранных инвестиций и стимулировать внутреннее кредитование. Такое положение имеет место в Японии, где процентные ставки снижены до рекордных минимумов. Существует торговая стратегия , основанная на разнице процентных ставок.

Отличием принципа относительной экономической стабильности от теории ППС является то, что с его помощью невозможно сделать прогноз размера курса валюты. Он дает инвестору лишь общее представление о перспективах усиления или ослабления валюты и силе импульса. Чтобы получить более полную картину, принцип относительной экономической стабильности комбинируется с другими методами прогнозирования.

Построение эконометрической модели

Большой популярностью для прогнозирования курсов валют пользуется метод создания модели, описывающие связь курса обмена валюты с факторами, которые, по мнению инвестора или трейдера, влияют ее движение. При составлении эконометрической модели, как правило, применяют величины из экономической теории, однако при расчетах могут использоваться любые другие переменные, оказывающие на обменный курс существенное влияние.

Возьмем, для примера, составление прогноза на ближайший год для пары USD/CAD. Ключевыми факторами для динамики пары выбираем: разницу (дифференциал) процентных ставок США и Канады (INT), разница в и разницу между темпами роста личных доходов населения США и Канады (IGR). Эконометрическая модель в этом случае будет иметь следующий вид:

USD/CAD (1 год) = z + a(INT) + b(GDP) + c(IGR)

Коэффициенты a, b и c могут быть как отрицательными, так и положительными, и показывают, насколько сильное влияние имеет соответствующий фактор. Стоит отметить, что метод является довольно сложным, однако при наличии готовой модели, для получения прогноза достаточно просто подставить новые данные.

Анализ временных рядов

Метод анализа временных рядов является исключительно техническим и не принимает в расчет экономическую теорию. Самой популярной моделью при анализе временных рядов является модель авторегресионного скользящего среднего (ARMA). В основе метода лежит принцип прогнозирования ценовых моделей валютной пары на основании прошлой динамики. Расчет проводится специальной компьютерной программой на основе введенных параметров временного ряда, результатом которого является создание индивидуальной ценовой модели конкретной валютной пары.

Несомненно, прогнозирование валютных курсов – задача крайне сложная. Многие инвесторы попросту предпочитают страховать валютные риски. Другие инвесторы осознают всю важность прогнозирования валютных курсов и стремятся к понимаю факторов, влияющих на них. Приведенные выше методы могут стать хорошим подспорьем именно для таких участников рынка.

На правах рукописи Галкин Дмитрий Евгеньевич ПРОГНОЗИРОВАНИЕ ПРОЦЕНТНЫХ СТАВОК НА ОСНОВЕ ТЕОРИИ ДЕТЕРМИНИРОВАННОГО ХАОСА КАК МЕТОД УПРАВЛЕНИЯ ПРОЦЕНТНЫМ РИСКОМ В КОММЕРЧЕСКИХ БАНКАХ Специальность 08.00.13 – математические и инструментальные методы экономики АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата экономических наук Пермь 2012 Работа выполнена на кафедре прикладной математики ФГБОУ ВПО «Пермский национальный исследовательский политехнический университет» (ПНИПУ) Научный руководитель: доктор технических наук, профессор Первадчук Владимир Павлович Официальные оппоненты: доктор физико-математических наук, профессор Румянцев Александр Николаевич кандидат экономических наук, доцент Ивлиев Сергей Владимирович Ведущая организация: ФГБОУ ВПО «Ижевский государственный технический университет», г. Ижевск Защита состоится «29» марта 2012 года в 14 часов на заседании диссертационного совета ДМ 212.189.07 при ФГБОУ ВПО «Пермский государственный национальный исследовательский университет» по адресу: 614990, г. Пермь, ул. Букирева, 15, 1 корпус, зал заседаний Ученого совета. С диссертацией можно ознакомиться в библиотеке Пермского государственного национального исследовательского университета. Автореферат размещен на официальном сайте ВАК Министерства образования и науки РФ: http://vak.ed.gov.ru/ и на сайте Пермского государственного национального исследовательского университета www.psu.ru Автореферат разослан 28 февраля 2012 года. Ученый секретарь диссертационного совета, доктор экономических наук, доцент Т.В. Миролюбова 2 ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность темы исследования. Задача управления рисками в банковском секторе является нетривиальной на всем протяжении ведения банковской деятельности. Проблема банковских рисков в современности приобретает все большую актуальность в свете увеличения влияния финансового сектора на мировую экономику. Так, к примеру, в США, в крупнейшей экономике мира, в 1970-х годах доля доходов финансового сектора в общем объеме доходов корпораций не превышала 16%, а в 2000-х достигла уже 41%. Принимая во внимание колоссальную роль банков в мировом финансовом кризисе 2008 года и набирающем обороты кризисе 2011 года, проблема управления и контроля за рисками в банковском секторе требует пристального внимания и изучения. Среди всех видов риска, свойственных банковской деятельности, процентный риск занимает особое место, уступая лидирующие позиции по степени влияния лишь кредитному риску. Однако одним из существенных отличий процентного риска от кредитного является тот факт, что область, подверженная его влиянию, много шире. Вследствие этого, значимость процентного риска является высокой не для одного отдельного направления бизнеса, а для банка в целом. Кроме этого, принимая во внимание высокую волатильность финансовых рынков, в том числе и рынка процентных ставок, в период экономической нестабильности, управление процентным риском должно осуществляться взвешенно, учитывая возможные варианты развития событий, влияющих на уровень процентного риска. Упомянутые выше обстоятельства обуславливают актуальность исследования. Степень научной разработанности темы. Изучением понятия процентного риска и исследованием различных аспектов проблем оценки и управления данным видом риска занимались такие ученые как Maсaulay F., Redhead K., Hughes S., Entrop O., Cade E., Helliar C., Fabozzi F., Gardener E., Mishkin F., van Greuning H., Patnaik I., Madura J., Amadou N. Современный уровень разработки данной проблемы в нашей стране отражены в работах отечественных ученых и специалистов, среди которых следует выделить Севрук В.Т., Ларионову И.В., Виниченко И.Н., Лаврушина О.И., Соколинскую Н.Э., Валенцеву Н.И., Хандруева А.А. 3 Одним из динамично развивающихся направлений в исследовании экономических объектов и систем является использование математических методов. Среди них отдельно следует отметить подходы, позволяющие широко использовать в исследовании концепции синергетики, детерминированного хаоса, фрактальной геометрии. Разработкой и развитием таких методов занимались следующие ученые: Takens F., Sornette D., Peters E., Bachelier L., Mandelbrot B., Gilmore R., Kantz H., Grassberger P., Procaccia I., Fama E., Lorenz E., Ruelle D., Casdagli M., Cao L., Haken H., Lefranc M. В российской науке значительный вклад в развитие этого направления внесли Курдюмов С.П., Малинецкий Г.Г., Безручко Б.П., Лоскутов А.Ю., Шумский С.А., Куперин Ю.А. Целью диссертационного исследования является разработка теоретических и методологических основ для управления процентным риском в коммерческих банках на базе прогнозирования процентных ставок с помощью теории детерминированного хаоса. Для достижения поставленной цели решены следующие задачи: 1. Исследование существующих подходов для прогнозирования финансовых временных рядов и оценки процентного риска с целью использования имеющегося опыта в разработке нового метода. 2. Выбор эффективного инструментария для исследования нелинейных динамических систем на основе порожденных временных рядов. 3. Исследование связи рынка процентных ставок и процентного риска в коммерческих банках. 4. Адаптация одномерной математической модели прогнозирования к рынку процентных ставок с учетом ограниченной детерминированности и предсказуемости. 5. Разработка многомерной математической модели прогнозирования процентных ставок. 6. Создание методики управления процентным риском на основе разработанных моделей прогнозирования. Объектом исследования выступают коммерческие банки, подверженные процентному риску в результате осуществления операций с процентными продуктами. Предметом исследования является методы и инструменты для управления процентным риском в коммерческих банках, а также методы и алгоритмы, обеспечивающие моделирование связанных с процентным риском систем. 4 Область исследования соответствует паспорту специальности ВАК РФ 08.00.13 «Математические и инструментальные методы экономики» по следующим пунктам: 1.1. Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании. 1.6. Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов. 2.3. Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях. Теоретической и методологической основой являются научные труды отечественных и зарубежных ученых в области оценки и управления процентным риском в банках, теории детерминированного хаоса, нелинейной динамики, математических методов и моделей финансовых рынков, фрактальной геометрии, синергетики, опубликованные в российской и зарубежной печати, а также в сети Интернет. Практические расчеты в рамках настоящего исследования производились с использованием таких прикладных программных средств как MS Excel, MathWorks Matlab, Fractan, Tisean. Информационную базу исследования составили: – данные информационно-аналитических материалов по исследуемой проблеме, представленные в научной литературе, периодической печати и сети Интернет; – статистические источники в виде котировок ставок межбанковского кредитования LIBOR и EURIBOR на различные сроки. Наиболее существенными результатами, полученными лично автором, имеющими научную новизну и выносимыми на защиту, являются: 1. Установленная с помощью статистических методов нелинейность и детерминированность рынка процентных ставок LIBOR и EURIBOR. 2. Модифицированная математическая модель для прогнозирования процентных ставок на основе одномерного временного ряда, учитывающая детерминированность исследуемых 5 систем, а также разработанный подход для определения области применимости данной модели. 3. Математическая модель для прогнозирования процентных ставок на основе многомерного временного ряда, учитывающая детерминированность исследуемых систем и позволяющая использовать при построении прогноза динамику нескольких систем. 4. Методика управления процентным риском в коммерческих банках, в основе которой лежит математическая модель прогнозирования процентных ставок на базе методов теории детерминированного хаоса, позволяющая производить сценарное моделирование с помощью прогностических данных. Теоретическая значимость результатов. Сформулированные в диссертационном исследовании положения и выводы развивают теоретико-методологическую базу анализа и прогнозирования рынка процентных ставок, а также методов управления процентным риском. Практическая значимость результатов. Разработанный методологический подход предоставляет коммерческим банкам корректный инструмент, позволяющий в задаче управления процентным риском перейти от гипотетического сценарного моделирования к сценарному моделированию, основанному на более вероятных прогнозных данных. Апробация результатов исследования. Основные положения диссертационной работы докладывались на научно-технической конференции студентов и молодых ученых ПГТУ (г. Пермь, 2007 г.), на XV Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения (г. Пенза, 2011 г.), на XII Международной научно-технической конференции «Кибернетика и высокие технологии XXI века (г. Воронеж, 2011 г.), на семинаре Лаборатории конструктивных методов исследования динамических моделей ПГНИУ (г. Пермь, 2011 г.). Результаты исследования нашли практическое применение в ЗАО ЮниКредит Банк. В работе данной организации используется методология управления процентным риском, а также применяется описанная в исследовании модель прогнозирования процентных ставок. Также материалы, методы и результаты диссертации используются на кафедре Прикладной математики Пермского национального исследовательского политехнического университета при чтении курса «Математический анализ динамических моделей в экономике» по направлению подготовки 010500.68 «Прикладная 6 математика и информатика» в рамках магистерской программы «Математические методы в управлении экономическими процессами» и при чтении курса «Математический анализ динамических процессов в экономике» по направлению подготовки 080100.68 - «Экономика» в рамках магистерской программы «Математические методы анализа экономики». Внедрение результатов исследования в указанных организациях подтверждено соответствующими документами. Публикации. По теме диссертации автором опубликовано восемь работ общим объемом 3,72 п. л., в том числе две работы в изданиях, рекомендованных ВАК для публикации результатов диссертации (1,16 п. л.). Объем и структура диссертационной работы. Работа изложена на 147 страницах машинописного текста. Основные результаты исследования проиллюстрированы в 26 таблицах и на 77 рисунках. Список использованной литературы составляет 108 наименований. Структура диссертации обусловлена целью, задачами и логикой исследования. Работа состоит из введения, четырех глав, заключения, списка использованной литературы и приложений. Во введении обосновывается актуальность темы, производится постановка цели и задач научного исследования, освещаются наиболее существенные достижения в области исследования, и приводится новизна полученных результатов. В первой главе «Применение математических методов в исследовании финансовых временных рядов» рассматриваются существующие методы и подходы к прогнозированию финансовых временных рядов, дается оценка их эффективности, определяются предпосылки для использования нелинейных методов к моделированию финансовых временных рядов. Во второй главе «Выбор и обоснование методов исследования нелинейных динамических систем на основе временных рядов» определяются основные подходы к изучению динамических систем с помощью теории детерминированного хаоса, производится критическая оценка и выявляются наиболее оптимальные и корректные инструменты для исследования систем на основе временных рядов. В третьей главе «Оценка и исследование процентного риска в банковской деятельности» изучается роль процентного риска для коммерческих банков. Исследуется классификация процентного риска и основных факторов, порождающих процентный риск, с целью 7 выявить характер связи между рынком процентных ставок и процентным риском. В четвертой главе «Разработка метода управления процентным риском на основе прогнозирования процентных ставок» производится исследование рынка процентных ставок на предмет нелинейности и детерминированности. Осуществляется адаптация модели прогнозирования на основе одномерного временного ряда к рынку процентных ставок; разрабатываются модели прогнозирования на основе многомерного временного ряда. На базе полученных моделей создается методика управления процентным риском в коммерческом банке. В заключении содержатся основные результаты и выводы диссертационного исследования, оценка практического значения работы. ОСНОВНЫЕ ПОЛОЖЕНИЯ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ 1. Установленная с помощью статистических методов нелинейность и детерминированность рынка процентных ставок LIBOR и EURIBOR. Данное положение основано на исследовании процентных ставок LIBOR на срок 3 месяца и EURIBOR на срок 1, 3 и 6 месяцев, которые являются наиболее популярными справочными плавающими ставками и к которым привязывается ценообразование по кредитам с плавающей ставкой в долларах США и евро. Данные ставки отражают стоимость денежных средств на рынке межбанковского кредитования для первоклассных заемщиков с кредитным рейтингом АА и выше на соответствующий срок и в определенной валюте. В диссертации была установлена качественная связь между рынком процентных ставок и уровнем процентного риска для коммерческих банков. В результате этого процентные ставки LIBOR и EURIBOR, как наиболее популярные при ценообразовании ставки на мировых финансовых рынках, были исследованы на предмет нелинейности и детерминированности. Предварительно для получения квазистационарности исследуемые временные ряды были трансформированы на основе преобразования x (1) y t log(xt) log(x t 1) log(t) , t 2, n x t 1 8 Для исследования признаков нелинейности систем использовался BDS тест, предложенный Броком, Дехертом и Шенкманом, идея которого заключается в расчете статистики, основанной на разнице корреляционных интегралов (2) для размерностей вложения m и 1. 2 (2) C N (l , T) I t (xtN , xsN , l) TN (TN 1) t s где и xtN (xt , xt 1 ,..., xt N 1) xsN (x s , x s 1 ,..., x s N 1) представляют собой исторические данные, TN T N 1 , а 1, при x N x N l , t s где – супремум-норма. , l) N N 0, при xt x s l Полученная статистика (3) должна иметь нормальное распределение N (0,1) , если исследуемый процесс является белым шумом. T (C N (l , T) C1 (l , T) N) (3) wN (l , T) N (l , T) В случае если значение статистики для различных значений l превышает критическое значение, то отвергается гипотеза о том, что процесс представляет собой белый шум. BDS статистики были рассчитаны для каждого исследуемого процесса для различных значений l и размерностей вложения m. Полученные результаты позволили отвергнуть нулевую гипотезу для каждого процесса, т.е. отсчеты не являются независимыми и равномерно распределенными. Кроме этого, BDS статистики были рассчитаны для остатков авторегрессионной модели AR(1), по результатам чего нулевая гипотеза для каждого процесса была также отвергнута, что в свою очередь позволило сделать вывод о нелинейности исследуемых процессов. Другим этапом в исследовании систем на предмет детерминированности был расчет показателя Херста для исследуемых систем с целью выявить насколько исследуемые объекты имеют долгосрочную память. Оценка производилась на основе расчета нормированного размаха временного ряда: R / S cN H (4) I t (xtN , x sN 9 где R max(x tn) min(x tn) – размах временного ряда, N – число наблюдений, H – показатель Херста, S – среднеквадратическое отклонение ряда xtn . На основе лог-лог графика зависимости нормированного размаха R / S от числа наблюдений N значение показателя Херста определяется как угол наклона аппроксимирующей прямой. Для исследуемых систем результаты расчета приведены в табл. 1 (3mLIBOR – ставки LIBOR на срок 3 месяца, 1mEURIBOR – ставки EURIBOR на срок 1 месяц, 3mEURIBOR – ставки EURIBOR на срок 3 месяца, 6mEURIBOR – ставки EURIBOR на срок 6 месяцев): Таблица 1 Значение показателей Херста для исследуемых систем Система 3mLIBOR 1mEURIBOR 3mEURIBOR 6mEURIBOR H 0.7007 0.7493 0.7863 0.7791 Полученные результаты (H 0.5) свидетельствуют о том, что исследуемые системы являются персистентными, т.е. имеют долгосрочную память и стремятся к сохранению тренда. На основе этого, а также результатов BDS теста для этих систем, можно сделать вывод о детерминированности исследуемых процессов. 2. Модифицированная математическая модель для прогнозирования процентных ставок на основе одномерного временного ряда, учитывающая детерминированность исследуемых систем, а также разработанный подход для определения области применимости данной модели. При исследовании временного ряда процентных ставок, его можно рассматривать как реализацию более сложного процесса большей размерности. При этом можно осуществить реконструкцию аттрактора и, тем самым, исследовать сам порождающий временной ряд процесс. Реконструкция аттрактора осуществляется с помощью метода задержки координат: x(t) (s (t), s (t),..., s (t (m 1))) (5) где m – размерность вложения, причем m 2d 1 , d – размерность Минковского. Проекция реконструированного аттрактора системы 3mLIBOR в пространство R2 представлена на рис. 1, где диагональные структуры являются подтверждением детерминированности системы. 10 s (t m) h(f (m) (x t) Fm (x t) (8) В результате можно все m значений временного ряда выразить через значение xt с помощью набора функций F1,…,Fm. Произведя 0.04 0.03 замену переменных z t 1 (s (t 1), s (t 2),..., s (t m)) и введя векторфункцию, которая зависит от t и от f, (8) можно переписать как z t 1 (x t) (9) 0.02 0.01 В соответствии с теоремой Такенса, если: M d R m диффеоморфно, то можно осуществить вложение M d в R m без самопересечений. Т.к. имеет гладкую обратную функцию, равенство (9) можно записать в виде x t 1 (z t 1) (10) Подставив (10) в s (t m 1) Fm 1 (x t) , получим, что 0 -0.01 -0.02 -0.03 s (t m 1) Fm 1 (1 (z t 1) Fm 1 (1 (s (t 1), s (t 2),..., s (t m))) -0.04 -0.04 -0.03 -0.02 -0.01 0 0.01 0.02 0.03 0.04 Рис. 1. Реконструированный аттрактор 3mLIBOR Рассмотрим дискретную динамическую детерминированную систему, динамика которой определяется как xt 1 f (xt) (6) Пусть s (t) h(xt) – временной ряд, который является реализацией динамической системы (6); применительно к объектам изучения временной ряд представляет собой трансформированный ряд значений процентных ставок. Можно отметить, что значение временного ряда, порожденного детерминированной системой, в определенный момент времени можно представить как s (t) h(f (t) (x 0)) (7) Данное представление справедливо для любой точки временного ряда s (t) в любой период времени, при этом единственным отличием будет количество воздействий системы f на начальное условие. Т.е. рассмотрев m подряд идущих значений временного ряда, можно их выразить как s (t 1) h(f (x t) F1 (xt) s (t 2) h(f (xt 1) h(f (f ((x t)))) F2 (xt) … 11 (s (t 1), s (t 2),..., s (t m)) (11) Таким образом, следующее значение временного ряда определяется через m его предыдущих значений, где m имеет топологический смысл размерности вложения. Ввиду того, что функция не задана аналитически, ее аппроксимация производилась с помощью трехслойной нейронной сети, где количество нейронов на входном слое равно m, а на выходном слое – 1. Для увеличения эффективности данной модели максимальный показатель Ляпунова, обуславливающий прогнозируемость системы, и показатель Херста H, обуславливающий детерминированность системы, были рассмотрены как функции от времени. Для этого было использовано окно w, длина которого выбиралась индивидуально для каждого исследуемого временного ряда, и с движением окна производилось вычисление указанных характеристик. На основании этого для применения модели была выделена область, где 0 и H 0.5 . На рис. 2 представлен временной ряд процентной ставки 3mLIBOR совместно с максимальным показателем Ляпунова и показателем Херста как функции от времени, на основании чего была определена область применимости модели. Итеративный прогноз следующего значения строился на основе предыдущих исторических данных. 12 Оригинальный временной ряд 10 5 0 0 1000 2000 3000 4000 5000 6000 7000 6000 7000 Динамика максимального показателя Ляпунова 0.1 0.05 0 -0.05 -0.1 0 1000 2000 3000 4000 5000 Динамика показателя Херста 3. Математическая модель для прогнозирования процентных ставок на основе многомерного временного ряда, учитывающая детерминированность исследуемых систем и позволяющая использовать при построении прогноза динамику нескольких систем. При наличии информации о процентных ставках в одной валюте на различные сроки можно рассмотреть данные временные ряды как реализации одного процесса, т.е. как проекции одного процесса на три оси координат. Однако в данном случае сложность заключается в корректном восстановлении аттрактора: каждый временной ряд обладает различными метрическими характеристиками. Для преодоления этой проблемы предусмотрено создание расширенного пространства вложения: {xn , xn , xn 2 ,..., xn (m 1) , (12) z n yn , yn , yn 2 ,..., yn (m 1) , z n , z n , z n 2 ,..., z n (m 1) } 1 1 2 1 2 3 0.5 0 0 1000 2000 3000 4000 5000 6000 7000 Рис.2. Идентификация области применимости модели для 3mLIBOR Результаты прогнозирования следующего значения временного ряда 3mLIBOR представлены на рис. 3. Данный подход к прогнозированию на 25% времени был более эффективным чем метод, использующий в качестве прогнозного значения текущее значение (наиболее оптимальный метод прогнозирования для случайного блуждания). 13 3 1 2 3 где i – параметр задержки координат, определенный для i-той системы; mi - размерность вложения i-той системы; xn, yn, zn – отчеты соответствующих временных рядов. При рассмотрении аттрактора, вложенного в пространство размерности D m1 m2 m3 , теорема Такенса будет также справедлива, т. к. соблюдение требований к минимальной размерности вложения будет заранее соблюдено «подвложениями», размерность которых изначально обеспечивала выполнение теоремы Такенса. В таком виде искусственно увеличенная размерность вложения за счет других временных рядов позволит учесть дополнительную информацию о системе, в т.ч. о временной структуре процентных ставок. В этой математической модели для прогноза использована непараметрическая модель в форме ядерного сглаживания координат следующих точек для k-ближайших соседей точки траектории в восстановленном фазовом пространстве. Тогда прогнозная точка траектории будет иметь вид: zt 1 Рис. 3. Оригинальный (сплошная линия) и прогнозный (пунктирная линия) временной ряд 3mLIBOR 3 1 2 N n (zt) (yk 1 yk zt)wk (zt , yk) (13) k 1 где N n (z t) – количество соседей для точки zt , а wk (zt , yk) – весовые коэффициенты. 14 Согласно формуле Надарая-Ватсона веса wk (zt , yk) можно определить как K h (zt y k) (14) wk (z t , y k) N (z) p1 K h (zt y p) n t x2 () x 1 1 где функция ядра K h (x) K () e 2h . h h 2 h Вообще говоря, вид ядра в (13), а также ширина окна ядерной функции определяется экспериментальным путем. В данном случае ядерная функция – функция Гаусса, а ширина окна h 0.5 . Согласно Кантцу Х. и Шрайбергу Т., такой подход к моделированию хаотических временных рядов является достаточно устойчивым к зашумленным данным и эффективным для экспериментальных систем. Кроме этого, данная модель является представителем класса смешанных моделей, т.е. определенным образом объединяет в себе черты локальных и глобальных моделей, что находит отражение в ее особенностях: с одной стороны она учитывает глобальное поведение и направленность системы, с другой – удачно моделирует локальную динамику. На рис. 4 представлен долгосрочный прогноз процентной ставки 1mEURIBOR значений с 1703 по 1751 как результат применения данной математической модели к набору процентных ставок EURIBOR на срок 1, 3 и 6 месяцев. В качестве исходных для прогноза данных выступали предыдущие значения. более 15 значений, при этом прогнозирование может осуществляться для любой компоненты набора процентных ставок. Данный подход к прогнозированию временных рядов был сопоставлен с другими популярными методами прогнозирования: с моделями ARIMA, ARIMA-GARCH и радиально-базисной нейронной сетью. На рис. 5 изображены результаты прогнозирования с использованием указанных моделей для определенного участка процентной ставки 1mEURIBOR. 0.53 0.52 Оригинальный ряд Модель на основе ТДХ ARIMA ARIMA-GARCH RBF-Сеть 0.51 0.50 0.49 0.48 0.47 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Рис. 5. 1mEURIBOR и его прогнозные значения на основе различных моделей В табл. 2 представлены результаты численного сравнения эффективности прогнозирования на основе нормированного среднеквадратического отклонения (НСКО) 1 N НСКО N (x пр x реал) 2 i 1 2 (15) где 2 – дисперсия тестового множества и средней абсолютной погрешности (x): x 1 N N x пр x реал (16) i 1 Таблица 2 Сравнение эффективности моделей прогнозирования Модель на ARIMAоснове ТДХ ARIMA GARCH RBF-сеть 0.375 1.262 0.808 0.699 НСКО 0.006 0.021 0.013 0.011 Δx Рис. 4. Оригинальный (сплошная линия) и прогнозный (пунктирная линия) временной ряд 1mEURIBOR Предложенная математическая модель прогнозирования осуществляет корректное прогнозирование с горизонтом прогноза не 15 Из представленного набора моделей и приведенной сводной таблицы эффективности результатов прогнозирования можно сделать вывод о том, что предлагаемая модель на основе теории детерминированного хаоса (ТДХ) является наиболее эффективной. 16 4. Методика управления процентным риском в коммерческих банках, в основе которой лежит математическая модель прогнозирования процентных ставок на базе методов теории детерминированного хаоса, позволяющая производить сценарное моделирование с помощью прогностических данных. На основе предложенных математических моделей была разработана методика для управления процентным риском в коммерческом банке (рис. 6). начало А Оценка чувствительности доходности к изменению процентных ставок Идентификация наиболее рискованных позиций и выявление определяющих процентных ставок Реконструкция и расчет инвариант для основных систем ставок Принятие риска Да Гэп-анализ Да Да Повышательная динамика Положительная риск-позиция Увеличение активов Да Нет Нет Отрицательная риск-позиция Увеличение пассивов Оценка параметров модели Прогнозирование процентных ставок Нет Нет Увеличение активов Оценка эффективности прогнозирования Корректировка параметров модели А конец Рис. 6. Методика управления процентным риском Так, первый этап заключается в анализе текущей позиции, подверженной процентному риску, с помощью гэп-анализа и оценки чувствительности доходности к изменению процентных ставок в разрезе интервалов репрайсинга. Благодаря этому происходит выявление процентных ставок, в наибольшей степени определяющих изменение доходности. На основе выбранного набора процентных ставок производится реконструкция аттрактора и расчет инвариант, затем осуществляется прогнозирование. Результаты прогноза интерпретируется в ключе принятия риска или его снижения. При снижении риска в зависимости от прогнозируемой динамики и текущей рисковой позиции предпринимаются действия: в случае прогнозирования повышательной динамики на рынке процентных 17 ставок при положительной рисковой позиции по ним или понижательной динамики при отрицательной рисковой позиции увеличиваются чувствительные к процентному риску активы, что осуществляется за счет следующих действий: приобретение ценных бумаг с плавающей ставкой; конвертация ставок по кредитам с фиксированных в плавающие; замена фондирования по кредитам с плавающей процентной ставкой на фондирование с фиксированной процентной ставкой; В противном случае увеличиваются чувствительные к процентному риску пассивы. Выводы 1. Критически оценен существующий набор инструментов теории детерминированного хаоса для исследования систем на основе временных рядов и на основе этого, а также сравнительного подхода, определены наиболее эффективные методы для реконструкции аттрактора, расчета корреляционной размерности и характеристических показателей Ляпунова. 2. Выявлена качественная связь между процентным риском и рынком процентных ставок, причем последний объект был определен как один из главных причинных факторов возникновения процентного риска в коммерческих банках. нелинейность и детерминированность 3. Установлена процентных ставок LIBOR на срок 3 месяца и EURIBOR на срок 1, 3 и 6 месяцев. Произведена реконструкция динамических систем на основе временных рядов, осуществлена оценка метрических и динамических инвариант, результаты чего еще раз подтвердили гипотезу о детерминированности исследуемых систем. 4. К рынку процентных ставок адаптирована математическая модель прогнозирования на основе одномерного временного ряда; разработаны критерии ее применимости на основе определения области детерминированности и прогнозируемости. 5. Для рынка процентных ставок разработана новая математическая модель прогнозирования на основе многомерного временного ряда процентных ставок с использованием расширенного пространства вложения и ядерного сглаживания соседних точек траекторий, эффективность которой превышает эффективность классических подходов к прогнозированию финансовых рынков. 18 6. Создана методика для управления процентным риском в коммерческих банках на основе разработанной модели прогнозирования рынка процентных ставок. Первадчук В.П., Галкин Д.Е. Роль ставки межбанковского 8. кредитования LIBOR в мировой экономике // Вестник Перм. гос. техн. ун-та. – сер. Социально-экономические науки. – Пермь, 2011. – с. 101105. ПУБЛИКАЦИИ ПО ТЕМЕ ИССЛЕДОВАНИЯ Публикации в изданиях, рекомендованных ВАК: 1. Первадчук В.П., Галкин Д.Е. Применение методов теории детерминированного хаоса для прогноза динамики ставки межбанковского кредитования LIBOR // Вестник Ижевск. гос. техн. ун-та. – №2 (46). – Ижевск, 2010. – c.45-49. 2. Галкин Д.Е. Прогнозирование многомерных финансовых временных рядов на основе методов теории детерминированного хаоса // Вестник Инжэкона. – 2011. – №3(46). – Сер. Экономика. – СПб., 2011. – 359-363 c. В других изданиях: 3. Галкин Д.Е., Первадчук В.П. Фрактальный анализ динамики курсов валют // Тезисы докладов научно-технической конференции студентов и молодых ученых Пермск. гос. техн. ун-та. – сер. Прикладная математика и механика, 2007. – с. 26-27. 4. Первадчук В.П., Галкин Д.Е. Обоснование применения методов теории детерминированного хаоса для прогноза экономических систем // Вестник Перм. гос. техн. ун-та. – сер. Математика и прикладная математика. – Пермь, 2008. – с. 15-24. Первадчук В.П., Галкин Д.Е. Применение фракталов в 5. исследовании финансовых временных рядов // Вестник Перм. гос. техн. ун-та. – №14. – сер. Математика и прикладная математика. – Пермь, 2008. – с. 8-15. В.П., Галкин Д.Е. Моделирование 6. Первадчук экономических систем с использованием методов теории детерминированного хаоса // Кибернетика и высокие технологии XXI века: сборник докладов XII международной научно-технической конференции. – Том 1. – Воронеж, 2011. – с. 277-282. 7. Галкин Д.Е. Особенности восстановления фазового аттрактора для прогнозирования экономических систем // Информационно-вычислительные технологии и их приложения: сборник статей XV Международной научно-технической конференции. – Пенза: РИО ПГСХА, 2011. – с.27-31 19 _______________________ Подписано в печать 20.02.2012. Формат 60х84/16 Усл. печ. л. 1,45. Тираж 100 экз. Заказ ___ . Типография ПГНИУ. 614990. Пермь, ул. Букирева, 15 20

Введение к работе

Актуальность темы исследования. Задача управления рисками в банковском секторе является нетривиальной на всем протяжении ведения банковской деятельности. Проблема банковских рисков в современности приобретает все большую актуальность в свете увеличения влияния финансового сектора на мировую экономику. Так, к примеру, в США, в крупнейшей экономике мира, в 1970-х годах доля доходов финансового сектора в общем объеме доходов корпораций не превышала 16%, а в 2000-х достигла уже 41%. Принимая во внимание колоссальную роль банков в мировом финансовом кризисе 2008 года и набирающем обороты кризисе 2011 года, проблема управления и контроля за рисками в банковском секторе требует пристального внимания и изучения.

Среди всех видов риска, свойственных банковской деятельности, процентный риск занимает особое место, уступая лидирующие позиции по степени влияния лишь кредитному риску. Однако одним из существенных отличий процентного риска от кредитного является тот факт, что область, подверженная его влиянию, много шире. Вследствие этого, значимость процентного риска является высокой не для одного отдельного направления бизнеса, а для банка в целом.

Кроме этого, принимая во внимание высокую волатильность финансовых рынков, в том числе и рынка процентных ставок, в период экономической нестабильности, управление процентным риском должно осуществляться взвешенно, учитывая возможные варианты развития событий, влияющих на уровень процентного риска.

Упомянутые выше обстоятельства обуславливают актуальность исследования.

Степень научной разработанности темы. Изучением понятия процентного риска и исследованием различных аспектов проблем оценки и управления данным видом риска занимались такие ученые как Macaulay F., Redhead К., Hughes S., Entrap О., Cade E., Helliar C, Fabozzi F., Gardener E., Mishkin F., van Greuning H., Patnaik I., Madura J., Amadou N.

Современный уровень разработки данной проблемы в нашей стране отражены в работах отечественных ученых и специалистов, среди которых следует выделить Севрук В.Т., Ларионову И.В., Виниченко И.Н., Лаврушина О.И., Соколинскую Н.Э., Валенцеву Н.И., Хандруева А.А.

Одним из динамично развивающихся направлений в исследовании экономических объектов и систем является использование математических методов. Среди них отдельно следует отметить подходы, позволяющие широко использовать в исследовании концепции синергетики, детерминированного хаоса, фрактальной геометрии. Разработкой и развитием таких методов занимались следующие ученые: Takens F., Sornette D., Peters E., Bachelier L., Mandelbrot В., Gilmore R., Kantz H., Grassberger P., Procaccia I., Fama E., Lorenz E., Ruelle D., Casdagli M., Cao L., Haken H., Lefranc M. В российской науке значительный вклад в развитие этого направления внесли Курдюмов СП., Малинецкий Г.Г., Безручко Б.П., Лоскутов А.Ю., Шумский С.А., Куперин Ю.А.

Целью диссертационного исследования является разработка теоретических и методологических основ для управления процентным риском в коммерческих банках на базе прогнозирования процентных ставок с помощью теории детерминированного хаоса.

Для достижения поставленной цели решены следующие задачи:

Исследование существующих подходов для прогнозирования финансовых временных рядов и оценки процентного риска с целью использования имеющегося опыта в разработке нового метода.

Выбор эффективного инструментария для исследования нелинейных динамических систем на основе порожденных временных рядов.

Исследование связи рынка процентных ставок и процентного риска в коммерческих банках.

Адаптация одномерной математической модели прогнозирования к рынку процентных ставок с учетом ограниченной детерминированности и предсказуемости.

Разработка многомерной математической модели прогнозирования процентных ставок.

Создание методики управления процентным риском на основе разработанных моделей прогнозирования.

Объектом исследования выступают коммерческие банки, подверженные процентному риску в результате осуществления операций с процентными продуктами.

Предметом исследования является методы и инструменты для управления процентным риском в коммерческих банках, а также методы и алгоритмы, обеспечивающие моделирование связанных с процентным риском систем.

Область исследования соответствует паспорту специальности ВАК РФ 08.00.13 «Математические и инструментальные методы экономики» по следующим пунктам:

1.1. Разработка и развитие математического аппарата анализа экономических систем: математической экономики, эконометрики, прикладной статистики, теории игр, оптимизации, теории принятия решений, дискретной математики и других методов, используемых в экономико-математическом моделировании.

1.6. Математический анализ и моделирование процессов в финансовом секторе экономики, развитие метода финансовой математики и актуарных расчетов.

2.3. Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях.

Теоретической и методологической основой являются научные труды отечественных и зарубежных ученых в области оценки и управления процентным риском в банках, теории детерминированного хаоса, нелинейной динамики, математических методов и моделей финансовых рынков, фрактальной геометрии, синергетики, опубликованные в российской и зарубежной печати, а также в сети Интернет.

Практические расчеты в рамках настоящего исследования производились с использованием таких прикладных программных средств как MS Excel, MathWorks Matlab, Fractan, Tisean.

Информационную базу исследования составили:

данные информационно-аналитических материалов по исследуемой проблеме, представленные в научной литературе, периодической печати и сети Интернет;

статистические источники в виде котировок ставок межбанковского кредитования LIBOR и EURIBOR на различные сроки.

Наиболее существенными результатами, полученными лично автором, имеющими научную новизну и выносимыми на защиту, являются:

Установленная с помощью статистических методов нелинейность и детерминированность рынка процентных ставок LIBOR и EURIBOR.

Модифицированная математическая модель для прогнозирования процентных ставок на основе одномерного временного ряда, учитывающая детерминированность исследуемых

систем, а также разработанный подход для определения области применимости данной модели.

Математическая модель для прогнозирования процентных ставок на основе многомерного временного ряда, учитывающая детерминированность исследуемых систем и позволяющая использовать при построении прогноза динамику нескольких систем.

Методика управления процентным риском в коммерческих банках, в основе которой лежит математическая модель прогнозирования процентных ставок на базе методов теории детерминированного хаоса, позволяющая производить сценарное моделирование с помощью прогностических данных.

Теоретическая значимость результатов. Сформулированные в диссертационном исследовании положения и выводы развивают теоретико-методологическую базу анализа и прогнозирования рынка процентных ставок, а также методов управления процентным риском.

Практическая значимость результатов. Разработанный методологический подход предоставляет коммерческим банкам корректный инструмент, позволяющий в задаче управления процентным риском перейти от гипотетического сценарного моделирования к сценарному моделированию, основанному на более вероятных прогнозных данных.

Апробация результатов исследования. Основные положения диссертационной работы докладывались на научно-технической конференции студентов и молодых ученых ПГТУ (г. Пермь, 2007 г.), на XV Международной научно-технической конференции «Информационно-вычислительные технологии и их приложения (г.Пенза, 2011 г.), на XII Международной научно-технической конференции «Кибернетика и высокие технологии XXI века (г.Воронеж, 2011 г.), на семинаре Лаборатории конструктивных методов исследования динамических моделей ПГНИУ (г. Пермь, 2011г.).

Результаты исследования нашли практическое применение в ЗАО ЮниКредит Банк. В работе данной организации используется методология управления процентным риском, а также применяется описанная в исследовании модель прогнозирования процентных ставок.

Также материалы, методы и результаты диссертации используются на кафедре Прикладной математики Пермского национального исследовательского политехнического университета при чтении курса «Математический анализ динамических моделей в экономике» по направлению подготовки 010500.68 «Прикладная

математика и информатика» в рамках магистерской программы «Математические методы в управлении экономическими процессами» и при чтении курса «Математический анализ динамических процессов в экономике» по направлению подготовки 080100.68 - «Экономика» в рамках магистерской программы «Математические методы анализа экономики».