Record Details

Diagnostic Methodology of Bank’s Financial instability

Voprosy statistiki

View Archive Info
 
 
Field Value
 
Title Diagnostic Methodology of Bank’s Financial instability
Методология диагностики финансовой неустойчивости банков
 
Creator Konstantin Polyakov ; National Research University - Higher School of Economics
Marina Polyakova ; National Research University - Higher School of Economics
Maria Malinovskaya ; National Research University - Higher School of Economics
Константин Поляков Львович; Национальный исследовательский университет «Высшая школа экономики»
Марина Полякова Васильевна; Национальный исследовательский университет «Высшая школа экономики»
Мария Малиновская Борисовна; Национальный исследовательский университет «Высшая школа экономики»
 
Subject банк; отзыв лицензии; дерево классификации; CART; bank; revocation of a license; classification tree; CART
 
Description This article is devoted to the issues of timely detection of negative trends in bank’s operation on the basis of data from financial statements. The authors determined that revealing certain sequences of events in credit institutions activities (negative development scenarios) permits to reduce the risk of license withdrawal prediction error. A set of the most common negative scenarios was discovered and described by the authors. Discovering such scenarios based on the financial statement data allows all interested parties to be proactive in preventing closing down of a credit institution at the initiative of the Bank of Russia or in protecting themselves from negative consequences of this event. The conclusions were confirmed by the mathematical modeling results using classification trees from CART methodology, which have never been applied before to predict license withdrawal.
Данная публикация посвящена вопросам своевременного выявления отрицательных тенденций в деятельности банка на основании данных его официальной отчетности. Авторами было установлено, что обнаружение некоторых последовательностей событий в жизни кредитной организации (негативных сценариев развития) позволяет снизить риск ошибочного прогнозирования отзыва лицензии. Ряд наиболее распространенных негативных сценариев был выявлен и описан авторами. Обнаружение подобных сценариев на основании данных отчетности позволяет всем заинтересованным сторонам заранее принять необходимые меры либо для предотвращения закрытия кредитной организации по инициативе Банка России, либо для защиты от негативных последствий этого события. Выводы были подтверждены результатами математического моделирования с использованием деревьев классификации из методологии CART, ранее для прогнозирования отзыва лицензии не применявшихся.
 
Publisher Information and publishing center "Statistics of Russia"
 
Date 2016-12-12
 
Type info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
—
 
Format application/pdf
 
Identifier http://voprstat.elpub.ru/jour/article/view/171
 
Source Voprosy statistiki; № 12 (2014); 47-61
Вопросы статистики; № 12 (2014); 47-61
2313-6383
 
Language rus
 
Relation http://voprstat.elpub.ru/jour/article/view/171/172
Какое количество банков останется в России к 2015 году? Опрос Ассоциации российских банков (2012). URL: http://arb.ru/b2b/duty/kakoe_kolichestvo_ bankov_ostanetsya_v_rossii_k_2015_godu-1166655/.
Информация по кредитным организациям. Банк России. 2014. URL: http://www.cbr.ru/credit/main.asp.
Altman E.I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy // Journal of Finance. 1968. Vol. 23 (4). Р. 589-609.
Altman E.I., Haldemail R., Narayanan P. Zeta analysis: a new model to identify bankruptcy risk of corporations // Journal of Banking and Finance. 1977. Vol. 1 (1). Р. 29-54.
Пересецкий А.А. Модели причин отзыва лицензий российских банков. Препринт WP/2010/085. М.: Российская экономическая школа, 2010.
Карминский А.М., Костров А.В., Мурзенков Т.Н. Моделирование вероятности дефолта российских банков с использованием эконометрических методов. Препринт WP7/2012/04. Серия WP7 Математические методы анализа решений в экономике, бизнесе и политике. НИУ ВШЭ. - М.: Издательский дом Высшей школы экономики, 2012. - 64 с.
Тотьмянина К. Обзор моделей вероятности дефолта // Управление финансовыми рисками. 2011. № 1 (25).
Головань С.В., Карминский А.М., Копылов А.В., Пересецкий А.А. Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры. Препринт РЭШ. #WP/2003/039, 2003.
Головань С.В., Евдокимов М.А., Карминский А.М., Пересецкий А.А. Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков. Препринт РЭШ. #WP/2004/043, 2004.
Карминский А.М., Пересецкий А.А., Головань С.В. Модели дефолта российских банков. Конкурентоспособность и модернизация экономики. Сб. статей / Под ред. Е.Г. Ясина. Т. 1. - М.: ГУ-ВШЭ, 2004. С. 407-417.
Пересецкий А.А. Методы оценки вероятности дефолта банков // Экономика и математические методы. 2007. Т. 43 (3). С. 37-62.
Поляков К.Л., Полякова М.В. Специфика оценки устойчивости коммерческих банков в российских условиях // Вопросы статистики. 2013. № 12. С. 35-44.
Friedman М. Essays in positive economics // University of Chicago Press (1953). 1970. Р. 3-43.
Malyutina М., Parilova S. The determinants of excessive risk-taking by banks in transition // Economics Education and Research Consortium-Russia and CIS. 2001.
Breiman L., Friedman J.H., Olshen R.A., Stone C.T. Classification and regression trees. Wadsworth, Belmont, California, 1984.
Berk R.A. Statistical learning from a regression perspective. Springer, 2008.
Hastie T., Tibshirani R., Friedman J. The elements of statistical learning. 2-d edition. Springer, Stanford, California, 2001.
Ripley B.D. Pattern recognition and neural networks. Cambridge: Cambridge University Press, 1996.
Venables W.N., Ripley B.D. Modern applied statistics with S. 4-th edition, Springer, 2002.
Указание Банка России от 30 апреля 2008 г. № 2005-У «Об оценке экономического положения банков». URL: http://base.garant.ru/12160685/ #ixzz3Chvpdn99.
Путиловский В., Шарапов Р. Кто сидит в кассе? // Banki.ru, 2012. URL: http://www.banki.ru/news/ daytheme/?id=4346102.
Власова Н., Бархатова Н. Красиво выжить не запретишь // Коммерсант.га, 2013. URL: http://www. kommersant.ru/doc/2263170.
Тегин М., Путиловский В. Санкция против «Западного» // Banki.ru, 2014. URL: http://www.banki. ru/news/daytheme/?id=6491498.
Путиловский В. Картина маслом: как распознать «нарисованную» отчетность // Banki.ru, 2014. URL: http://www.banki.ru/news/daytheme/?id=6609791.
Федеральный закон «О банках и банковской деятельности» от 02.12.1990 № 395-I. URL: http://base. garant.ru/10105800/.
Паклин Н., Орешков В. Бизнес-аналитика: от данных к знаниям. С-Пб.: Питер, 2013.
Therneau T.M, Atkinson E.J. An Introduction to Recursive Partitioning. Using the RPART Routines, Mayo Foundation, September 3, 1997. URL: http://cran.r-project.org/web/packages/rpart/vignettes/longintro.pdf.
Feldman D., Gross S. Mortgage Default: Classification Trees Analysis // The Journal of Real Estate Finance and Economics. 2005. Vol. 30:4. Р. 369-396.
Espahbodi H., Espahbodi P. Binary choice models and corporate takeover // Journal of Banking & Finance. 2003. Vol. 27. Р. 549-574.
Shih Y.-S. Families of splitting criteria for classification trees // Statistics and Computing. 1999. Vol. 9. Р. 309-315. URL: http://www.math.ccu.edu.tw/~yshih/ papers/goodness.pdf
Breiman L. Technical Note: Some Properties of Splitting Criteria // Machine Learning. 1996. Vol. 24. Р. 41-47. URL: http://link.springer.com/article/ 10.1023%2FA%3A1018094028462#page-1
Do splitting rules really matter? Salford Systems, Whitepapers. URL: https://www.salford-systems.com/ resources/whitepapers/114-do-splitting-rules-really-matter.
Efron B., Tibshirani R. Improvements on crossvalidation: The 632 + Bootstrap Method // Journal of the American Statistical Association. 1997. Vol. 92 (438). Р. 548-560. URL: http://www.stat.washington.edu/ courses/stat527/s14/readings/EfronTibshirani_JASA_ 1997.pdf.
Mosteller F. A k-sample slippage test for an extreme population // Annals of Mathematical Statistics. 1948. Vol. 19 (1). Р. 58-65.
Picard R., Cook D. Cross-Validation of Regression Models // Journal of the American Statistical Association. 1984. Vol. 79 (387). Р. 575-583.
 
Rights Authors who publish with this journal agree to the following terms:Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
Авторы, публикующие в данном журнале, соглашаются со следующим:Авторы сохраняют за собой авторские права на работу и предоставляют журналу право первой публикации работы на условиях лицензии Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным сохранением ссылок на авторов оригинальной работы и оригинальную публикацию в этом журнале.Авторы сохраняют право заключать отдельные контрактные договорённости, касающиеся не-эксклюзивного распространения версии работы в опубликованном здесь виде (например, размещение ее в институтском хранилище, публикацию в книге), со ссылкой на ее оригинальную публикацию в этом журнале.Авторы имеют право размещать их работу в сети Интернет (например в институтском хранилище или персональном сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению и большему количеству ссылок на данную работу (См. The Effect of Open Access).