Комплекс динамических моделей банковского сектора Российской Федерации тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Ивлиев, Сергей Владимирович

• Ивлиев, Сергей Владимирович
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Ивлиев, Сергей Владимирович

ВВЕДЕНИЕ

ГЛАВА 1. МЕТОДЫ МОДЕЛИРОВАНИЯ БАНКОВСКОГО СЕКТОРА

1.1. Функции, операции и системные свойства банковского сектора

1.2. Обзор моделей и методов моделирования банковского сектора

1.3. Информационные технологии в решении задач моделирования экономических систем

ГЛАВА 2. РАЗРАБОТКА КОМПЛЕКСА ДИНАМИЧЕСКИХ МОДЕЛЕЙ БАНКОВСКОГО СЕКТОРА РОССИЙСКОЙ ФЕДЕРАЦИИ

2.1. Модель банковского сектора

2.2. Модель финансовых потоков банка

2.3. Имитационная модель банка

2.4. Модель достаточности капитала банковского сектора

ГЛАВА 3. РАСЧЕТЫ И ВЕРИФИКАЦИЯ КОМПЛЕКСА МОДЕЛЕЙ. РАЗРАБОТКА КОНСТРУКТОРА ДИНАМИЧЕСКИХ МОДЕЛЕЙ

3.1. Расчеты и верификация модели банковского сектора

3.2. Расчеты и верификация модели финансовых потоков банка

3.3. Расчеты и верификация имитационной модели банка

3.4. Расчеты и верификация модели достаточности капитала банковского сектора

3.5. Разработка Конструктора динамических моделей

Введение диссертации (часть автореферата) на тему «Комплекс динамических моделей банковского сектора Российской Федерации»

Актуальность темы исследования

Банковский сектор является жизненно важным элементом экономической системы страны, осуществляющим функции посредничества в движении финансовых ресурсов между секторами и экономическими агентами. Уровень его стабильности определяет динамику и устойчивость роста всей экономики. Напротив, нестабильность этого сектора, проявляющаяся в банковских кризисах, приводит к существенным потерям - в среднем 2025% докризисного уровня ВВП и выше-[73]. При этом банковский кризис - это событие отнюдь не редкое: только в период с 1980 по 1995 гг. (период, не затрагивающий Азиатский кризис) по оценкам МВФ произошло 158 валютных и 54 банковских кризиса в 51 стране [75].

Особую важность в последнее время приобретает исследование вопросов объективной оценки состояния банковского сектора, взаимодействия банков со своей внешней средой, повышения эффективности методов регулирования и надзора за деятельностью коммерческих банков, улучшения качества процессов планирования и управления в кредитных организациях.

Возникающие при решении этих вопросов проблемы прогнозирования показателей банковского сектора в целом и отдельных банков в частности являются значимыми как для самих банков, так и для органов государственного управления, таких как Банк России и Агентство по страхованию вкладов.

Проблемы моделирования финансовых показателей банковского сектора рассмотрены в работах отечественных авторов: Буздалина А.В., Дмитриева М.Э., Замкового С.В., Карминского A.M., Матовникова М.Ю., Пересецкого А.А., Солнцева О.Г., Шпрингеля В.К., Энтова P.M. Разработке общих и специальных подходов к моделированию деятельности отдельных кредитных организаций посвящены работы Волошина И.В., Егоровой Н.Е., Лаптырева Д.А., Меркурьева И.Л., Смулова A.M.', Полупленной Г.К. и др. Проблемы дистанционного анализа и оценки рисков банков и банковского сектора рассмотрены в трудах Белякова А.В., Иванова В.В., Кузнецова К.Б., Севрук В.Т., Симановского А.Ю., Смирнова С.Н. и др., а также в нормативных и исследовательских материалах Банка России.

Большое внимание вопросам финансовой стабильности, анализу и моделированию деятельности банков, системам макропруденциальных индикаторов уделяется в исследованиях, проводимых при участии международных регулирующих органов и центральных банков других стран - Банка Англии, Банка Канады, Банка Финляндии,

Федеральной резервной системы США, Федеральной корпорации по страхованию вкладов США, Мирового банка, Международного Валютного Фонда, Базельского комитета по банковскому надзору и др. Среди работ зарубежных экономистов следует назвать исследования Barth J.R., de Bondt G., Chari V.V., Demirguc-Kunt A., Detragiache E., Diamond D.W., Dybvig P.H., Fama E., Hardy D.C., Kaufman G.G., Mojon В., Seelig S.A., Pazarbasioglu C. и др.

Вышеупомянутые ученые и специалисты внесли большой вклад в разработку методов анализа и моделирования показателей банковской деятельности. Однако, практика применения этих методов еще не нашла достаточного отражения в отечественной литературе. В частности, отсутствуют комплексные разработки в области эконометрического моделирования банковского сектора - математические методы используются, как правило, только для анализа отдельных аспектов его функционирования.

Все это обусловливает актуальность разработки комплекса динамических моделей показателей банковского сектора, позволяющего получать обоснованные прогнозы его развития на макро- и микроуровне.

Цель и задачи исследования

Целью диссертационной работы является построение комплекса математических моделей, предназначенного для анализа и прогнозирования динамики показателей банковского сектора России на различных уровнях, а также разработка программного инструментария для практической реализации разработанных моделей.

В соответствии с целью поставлены следующие задачи:

- провести сравнительный анализ отечественного и зарубежного опыта моделирования банковского сектора;

- разработать комплекс моделей банковского сектора на макро- и микроуровне;

- провести идентификацию, верификацию и прогнозные расчеты комплекса моделей;

- разработать программный инструментарий динамического моделирования, обеспечивающий практическую реализацию комплекса моделей.

Объектом диссертационного исследования является банковский сектор Российской Федерации в целом (макроуровень) и отдельные банки (микроуровень).

Предметом исследования являются методы, алгоритмы и информационные технологии, обеспечивающие моделирование и прогнозирование показателей банковского сектора на различных уровнях.

Теоретической и методологической основой работы являются классические труды по моделированию финансово-экономических процессов и экономической динамике К.Багриновского, А.Гранберга, В.Леонтьева, В.Тинбергена, Дж.Форрестера; научные исследования центральных банков различных стран и международных организаций, работы зарубежных и отечественных экономистов.

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального Банка РФ, Росстата, материалах информационных агентств. В диссертации были использованы открытые данные ежемесячной банковской отчетности с 2000 г. по 2005 г.

Работа проведена в рамках пунктов 1.6 и 2.3 паспорта специальности 08.00.13 -Математические и инструментальные методы экономики:

- математический анализ и моделирование процессов в финансовом секторе экономики, развитие методов финансовой математики и актуарных расчетов;

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

Научная новизна работы состоит в том, что автором разработан оригинальный комплекс моделей банковского сектора РФ, позволяющий получать прогнозные оценки его основных показателей на макро- и микроуровне и решать актуальные прикладные задачи.

Наиболее существенные результаты, имеющие научную новизну и полученные лично автором:

- разработана модель банковского сектора Российской Федерации, позволяющая осуществлять прогноз основных показателей банковского сектора при различных сценарных условиях; эндогенными переменными модели являются показатели структуры активов и пассивов, доходов и расходов, прибыли банковского сектора, а также производные от них показатели: денежная масса (агрегат М2), средние процентные ставки, рентабельность активов и собственного капитала и др.;

- разработана многоуровневая эконометрическая модель финансовых потоков банка, учитывающая влияние различных макроэкономических, региональных и отраслевых показателей, таких как инфляция, рост доходов населения, рост промышленного производства, склонность к сбережению, доли банка на рынках основных банковских продуктов, и позволяющая получать среднесрочные прогнозы развития банка в рамках системы поддержки принятия решений в коммерческом банке;

- предложена оригинальная имитационная модель коммерческого банка, позволяющая получать оценки вероятности дефолта на основе данных форм обязательной отчетности;

- решена задача моделирования достаточности собственного капитала и получены аналитические оценки нижней границы рентабельности активов, обеспечивающей устойчивое развитие банковского сектора;

- в ходе научного исследования под руководством автора разработан универсальный программный инструментарий - Конструктор динамических моделей (свидетельство о регистрации программы №2004612101) - применяемый для автоматизации процессов моделирования и прогнозирования.

Практическое значение исследования определяется тем, что предлагаемые в диссертационной работе модели и программные разработки использованы для создания Подсистемы анализа и моделирования системы финансового посредничества Информационно-вычислительной системы Департамента исследований и информации Банка России, Прогнозно-аналитической системы Западно-Уральского Банка Сбербанка России, Системы анализа отчетности банков для оценки достаточности средств фонда обязательного страхования вкладов Государственной корпорации «Агентство по страхованию вкладов». Полученные практические результаты использовались при формировании Обзора финансовой стабильности Банка России за 2004 год.

Апробация результатов исследования. Основные результаты исследования внедрены в 2004-2005 гг. в Банке России, Западно-Уральском банке Сбербанка России, Агентстве по страхованию вкладов. В рамках указанных проектов автор выступал в качестве руководителя от разработчика Систем - компании «Прогноз».

Основные положения работы докладывались на Второй международной конференции «Международный опыт риск-менеджмента и особенности развивающихся рынков» (г.Москва, сентябрь 2005 года), Научно-практическом семинаре «Управление финансовыми рисками и страхование» под эгидой PRMIA (г.Москва, апрель 2005 года), Второй межрегиональной научно-практической конференции «Повышение роли банковской системы через улучшение качества её деятельности. Управление бизнес процессами в Банке России и кредитных организациях» (г.Уфа, январь 2005 года), Десятом семинаре РЭШ «Банки и предприятия: модели и рейтинги» (г.Москва, декабрь 2004 года), Научно-техническом форуме с международным участием «Высокие технологии - 2004» (г.Ижевск, ноябрь 2004), Второй международной конференции «Интеллектуальные системы» IEEE IS'04 (г.Варна, июнь 2004), Международной конференции по нечетким множествам и мягким вычислениям в экономике и финансах FSSCEF-2004 (г.Санкт-Петербург, июнь 2004 года), Четвертом семинаре РЭШ «Банки и предприятия: модели и рейтинги» (г.Москва, январь 2004 года), межвузовской конференции Уральского гуманитарного института (г.Пермь, октябрь 2004 года), семинаре «Актуальные проблемы экономики» кафедры «Экономическая кибернетика» экономического факультета ПГУ (г.Пермь, ноябрь 2003 года), IX Форуме разработчиков интегрированных банковских систем (г.Москва, сентябрь 2003 года), Всероссийской конференции молодых ученых и студентов «Экономика и управление: актуальные проблемы и поиск путей решения» (г.Пермь, апрель 2001 года).

Публикации. По материалам диссертации опубликовано 16 работ (в соавторстве -11) общим объемом 4 п.л.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Ивлиев, Сергей Владимирович

ЗАКЛЮЧЕНИЕ

В диссертационной работе получены следующие основные результаты и выводы:

1. Разработана модель банковского сектора на макроуровне, применяемая для оценки влияния факторов внешней среды и инструментов денежно-кредитной политики Банка России и прогнозирования основных активов и пассивов банковского сектора в целом. На основе модели получены инерционные прогнозы показателей активов и пассивов банковского сектора до конца 2005 года, в частности на 01.01.2006 прогноз остатков по срочным депозитам населения составляет 2270 млрд.руб., прогноз кредитов реальному сектору -4111 млрд.руб., прогноз денежной массы (агрегат М2) - 5790 млрд.руб., прогноз прибыли - 200 млрд.руб.

2. Разработана модель финансовых потоков банка на микроуровне, используемая для построения среднесрочных прогнозов развития банка с учетом его доли на рынках основных банковских продуктов, уровня социально-экономического развития региона и страны. На основе модели проведено исследование потоков крупного многофилиального банка.

3. Предложена оригинальная имитационная модель банка, основанная на формах банковской отчетности и применяемая для оценки вероятности технического дефолта. Для проверки адекватности на основе модели проведены расчеты вероятности дефолта ряда банков. Проведенная верификация подтверждает статистическую значимость результатов моделирования.

4. Разработана динамическая модель достаточности капитала банковского сектора, на основе которой получено аналитическое выражение для порогов рентабельности активов, обеспечивающих стабильное развитие банковского сектора. По состоянию на 01.08.2005 расчетное значение нижнего порога составляет 2.18% годовых. Верхнее пороговое значение рентабельности, которое при выполнении принятых допущений обеспечивает рост HI, на 01.08.2005 составляет 3.59%. При этом фактическая рентабельность активов за период с 1.08.04 по 1.08.05 составляет 3.0%, что свидетельствует о достаточно высокой степени устойчивости банковского сектора РФ.

5. Разработан программный инструментарий моделирования экономических систем - Конструктор динамических моделей; при помощи разработанного инструментария проведена идентификация и верификация моделей.

Список литературы диссертационного исследования кандидат экономических наук Ивлиев, Сергей Владимирович, 2005 год

1. Банковская система России в 1996-2000 гг.: модели развития, тенденции, перспективы развития. Доклад Центра макроэкономического анализа и краткосрочного прогнозирования. М., 2000.

2. Головань С.В., Карминский A.M., Копылов А.В., Пересецкий А.А. «Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры». Российская Экономическая Школа, препринт#2003/039. -М., 2003.

3. Головань С.В., Карминский А.М., Копылов А.В., Пересецкий А.А. «Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков». Российская Экономическая Школа, препринт#2003/039. М., 2003.

4. Данилин А. Статистика не стала достовернее // Экономика и жизнь. 1996. - № 8.

5. Дмитриев М.Э., Матовников М.Ю., Михайлов Л.В. и др. Российские банки накануне финансовой стабилизации. СПб., 1996.

6. Дрейпер Н., Смит Г. Прикладной регрессионный анализ. М.: Финансы и статистика, 1987.

7. Замков О.О., Толстопятенко А.В., Черемных Ю.Н. Математические методы в экономике. М.: ДИС, 1997.

8. Замковой С.В. Моделирование тенденций развития банковской системы и финансового рынка России: Автореф. дис. канд. экон. наук: 08.00.13 / Моск. гос. ун-тМ., 2002.

9. Ивлиев С.В., Подушкина Г.К. Моделирование динамики сложных экономических систем: инструментальное решение // Банковские технологии. 2003, №3.

10. Ивлиев С.В., Полушкина Г.К. Анализ и моделирование финансовых потоков банковской системы // Экономическая кибернетика: методы и средства эффективного управления (к 30-летию кафедры экономической кибернетики): Сб. ст. / Перм. ун-т. Пермь, 2000.

11. Ивлиев С.В. Некоторые проблемы идентификации линейных регрессионных моделей экономических процессов // Экономическая кибернетика: математические и инструментальные методы анализа, прогнозирования и управления: Сб. ст. / Перм. ун-т. Пермь, 2002.

12. Ивлиев С.В., Полушкина Г.К. Моделирование динамики сложных экономических систем: инструментальное решение // Банковские технологии. М., 2003. - № 3.

13. Ивлиев С.В., Полушкина Г.К. Управление финансовыми рисками в банке // Банки и технологии. М., 2003. - № 4.

14. Ивлиев С.В., Полушкина Г.К. Инструментальная поддержка финансового управления в коммерческом банке: решения компании «Прогноз» // IX Форум разработчиков интегрированных банковских систем: Сб. тез. докл. М., 2003.

15. Ивлиев С.В. Один подход к моделированию кредитного риска в коммерческом банке // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. -Пермь, 2004.

16. Ивлиев С.В., Поставной В.И. Вейвлет анализ сезонных колебаний // Межвузовская науч.-практ. конф. Уральского гуманитарного ин-та: Сб. ст. Пермь, 2004.

17. Ивлиев С.В., Полушкина Г.К. «Прогноз. Риск» система управления риском коммерческого банка. // Банковские технологии. - М., 2004. - № 4.

18. Ивлиев С.В., Кузнецов К.Б. Об одном подходе к моделированию дефолтов кредитных организаций. // Высокие технологии-2004: Сб. тр. науч.-техн. форума с междунар. участием: Ч. 2. - Ижевск: Изд-во ИжГТУ, 2004.

19. Ивлиев С.В., Кокош A.M. Оценка вероятности банкротства закрытых компаний по данным финансовой отчетности. // Банки и Риски. Вестник IFEL Rus. М., 2005. -№1.

20. Ивлиев С.В., Кузнецов К.Б. Дистанционный анализ банка: как выбрать финансовый градусник? // Управление финансовыми рисками. М., 2005. — № 3.

21. Ивлиев С.В. Оценка вероятности дефолта кредитных организаций на основе имитационного моделирования // Управление финансовыми рисками. М., 2005. — №4.

22. Колемаев В.А. и др. Теория вероятностей и математическая статистика. М.: Высш.шк, 1991.

23. Косой А. Деньги и кредитные ресурсы // Вопросы экономики, М.: 1995. № 5.

24. Макаров B.JI. Экономическое моделирование и его роль в теории и практике / B.J1. Макаров // Экономика и математические методы. 1990. - № 1.

25. Матовников М.Ю. Функционирование банковской системы России в условиях макроэкономической нестабильности // Научные труды № 23Р / Институт экономики переходного периода. М., 2000.

26. Меркурьев И.Л., Виноградов Г.В., Алешина И.Ф., Сидоров М.А. Моделирование финансово-экономической деятельности коммерческого банка. М.: Изд-во Рос.экон.акад., 2000.

27. Михайлов Л., Сычева Л., Тимофеев Е. Банковский кризис 1998 года в России и его последствия // Научные труды № 21 / Институт экономики переходного периода. -М., 2000.

28. Организация государственной статистики в Российской Федерации / Госкомстат России.-М., 2004.

29. Полушкина Т.К. Совершенствование планирования и анализа финансовой деятельности в коммерческом банке на основе компьютерной системы поддержки принятия решений: Автореф. дис. канд. экон. наук: 08.00.05 / Пермский гос. ун-т Пермь, 1998.

30. Попков В. Рынок и вдруг дисциплина // Аналитический банковский журнал. М., 2001.- №2.

31. Романюк Д.В. Методы управления активно-пассивными операциями в банке // Денежный рынок. М., 1997. - № 12.

32. Себер Дж. Линейный регрессионный анализ. М.: МИР, 1980.

33. Синки Дж. Управление финансами в коммерческих банках. М.: Cattalaxy, 1994.

34. Солнцев О.Г., Хромов, М.Ю. Особенности российской банковской системы и среднесрочные сценарии ее развития // Проблемы прогнозирования. М., 2004. -№ 1.

35. Цыплаков А. Эконометрический анализ процессов высокой инфляции (на примере России): Автореф. дис. канд. экон. наук: 08.00.13 / Новосибирский гос. ун-т Новосибирск, 1998.

36. Шалахова A.M. Филиальный анализ банков / A.M. Шалахова Электронный ресурс. / Шашнов С. А. Электрон.ст. - Режим доступа к ст.: http://www.itrealtv.ru/analit/98 2 173-183.pdf.

37. Шевцов Г.С. Линейная алгебра. Учеб. пособие. Пермь: Из-во Перм.ун-та, 1996.

38. Энтов P.M., Улюкаев А.В., Юдин А.Д., Бажов Н.М., Золотарева А.Б., Серова Е.В. Банковский кризис: механизмы вызревания и развертывания кризисных процессов // Доклад Института переходной экономики 1999.

39. Allen D. The prediction sum of squares as a criterion for selecting predictor variables. University of Columbia, Department of Statictics, Technical Report. 1971.

40. Armstrong S. Principles of Forecasting. Boston: Kluwer Academic Publishers. 2001.

41. Basu N., Pryor R., Quint T. ASPEN: A Microsimulation Model of the Economy. Article published by Kluwer Academic Publishers in its journal Computational Economics. -1998.

42. Bernanke В., Blinder A. Is it money or credit, or both, or neither? Credit, Money, and Aggregate Demand, American Economic Review. 1988. - V.78.

43. Bertrand R. Capital requirements and bank behavior: empirical evidence from Switzerland. Paper provided by Swiss National Bank, Study Center Gerzensee in its series Working Papers as number 00.05. 2000.

44. Bewley R. Review of Autobox, Journal of Applied Econometrics. 1988. - V.3.

45. Brand C., Cassola N. A money demand system for euro area M3, ECB Working paper, 39.-2000.

46. Breusch T.S., Pagan A.R. A Simple Test for Heteroskedasticity and Random Coefficient Variation. Econometrica, 47. 1979.

47. Bruggeman A., Donnay M. A monthly monetary model with banking intermediation for the euro area, European Central Bank, WP No. 264. 2003.

48. Cambridge Econometrics. IDIOM User's Manual. 2002.

49. Chari V.V. Banking without deposit insurance or bank panics: lessons from a model of the U.S. national banking system. Article published by Federal Reserve Bank of Minneapolis in its journal Quarterly Review. 1989.

50. Cooper F., Renfro C.G., Wescott R.W. Merrill Lynch Economics U.S. Model User Guide, New York, Merrill Lynch Economics. 1987.

51. Davidson R., Godfrey L.G., MacKinnon J.P. A Simplified Version of the Differencing Test. International Economic Review, 26. 1985.55. de Bondt G. Retail bank interest rate pass-through: new evidence at the Euro area level, ECB Working Paper, 136. 2002.

52. Calza A., Gerdesmeier D., Levy J. Euro area money demand: measuring the opportunity costs appropriately, IMF Working Paper, 01/179. 2001.

53. Coenen G., Vega J-L. The demand for M3 in the euro area, Journal of Applied Econometrics, Vol. 16, No. 6. 2001.

54. Diamond D.W. Financial intermediation and delegated monitoring. Review of Economic Studies. -1984.

55. Diamond D.W., Dybvig P.H. Bank runs, deposit insurance and liquidity. Journal of Political Economy. -1983.

56. Diamond D., Rajan R. A theory of bank capital, The Journal of Finance, Vol. 55, No. 6. -2000.

57. Doornik J.A. Object-Oriented Matrix Programming using Ox, 4th Edn, London: Timberlake Consultants Press. 2001.

58. Fama E. What's different about banks?, Journal of Monetary Economics, Vol. 15, No. 1. -1985.

59. Freixas X., Rochet J-C. Microeconomics of Banking, MIT Press. 1997.

60. Gelman A., Carlin J. В., Stern H. S., Rubin D. B. Bayesian Data Analysis. Chapman and Hall.-1995.

61. Godfrey L.G. Testing against General Autoregressive and Moving-Average Error Models When Regressors Include Lagged Dependent Variables. Econometrica. 1978.

62. Godfrey L.G. Testing for Multiplicative Heteroskedasticity. Journal of Econometrics, 8. -1978.

63. Gujarati D.N. Basic Econometrics, Third Edition, McGraw-Hill. 1994.

64. Hardy D.C., Pazarbasioglu C. Leading Indicators of Banking Crises: Was Asia Different? / IMF Working Paper, WP/97/26. 1998.

65. Hendry D. F. Dynamic Econometrics. Oxford University Press. 1995.

66. Hendry D.F. Epilogue: The success of general-to-specific model selection. In Econometrics: Alchemy or Science? Oxford: Oxford University Press. New Edition. -2000.

67. Hendry D.F., Krolzig H-M. Automatic Econometric Model Selection. London: Timberlake Consultants Press. 2001.

68. Hoggarth G., Reis R., Saporta V. Costs of Banking System Instability: Some Empirical Evidence, Working Paper, Bank of England. 2001.

69. Jarque C.M., Bera A.K. Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals. Economic Letters, 6. 1980.

70. International Monetary Fund. World Economic Outlook. 1998.

71. Klein L.R. The Estimation of Distributed Lag, Econometrica 26, North-Holland Publishing Co. 1958.

72. Klein L.R. The Efficiency of Estimation in Econometric Models, Essays in Economics and Econometrics, University of North Carolina Press Chapel Hill. -1960.

73. Koenker R. A Note on Studentizing a Test for Heteroskedasticity. Journal of Econometrics, 17.-1981.

74. Koenker R. A Asymptotic Theory and Econometric Practice. Journal of Applied Econometrics, 3. -1988.

75. Mojon B. Financial structure and the interest rate channel of the ECB monetary policy, ECB Working Paper, 40. 2000.

76. Lutkepohl H. Introduction to Multiple Time Series Analysis. New York, Springer-Verlag. -1991.

77. Neter J., Kutner M.H., Nachtsheim C.J., Wasserman W. Applied Linear Statistical Models, 4 th ed. Chicago: Irwin. -1996.

78. Peterson W. Computer software for a large econometric model, Cambridge University Press. -1987.

79. Plosser C.I., Schwert G.W., White H. Differencing as a Test of Specification. International Economic Review, 23. 1982.

80. Ramsay J.B. Tests for Specification Errors in Classical Linear Least Squares Regression Analysis. Journal of the Royal Statistical Society B, 31. 1969.

81. Renfro C.G. On the development of econometric modeling languages: MODLER and its first twenty-five years, Journal of Economic and Social Measurement, 22. 1996.

82. Sahajwala P., Van den Bergh P. Supervisory Risk Assessment and Early Warning Systems. BIS working papers. No. 4. 2000.

83. Stein J. An adverse-selection model of bank asset and liability management with implications for the transmission of monetary policy, RAND Journal of Economics, Vol. 29, No. 3.-1998.

84. Stokes H. H. Specifying and Diagnostically Testing Econometric Models, New York, Quorum Books. -1997.

85. Vlaar P., Schubert H. Monetary transmission and controllability of money in Europe: a structural vector error correction approach, DNB Staff Report, 36. 1999.

86. Wallace N. Another attempt to explain illiquid banking system: The Diamond and Dyvbig's model with sequential service taken seriously. Federal Reserve Bank of Minneapolis Quarterly Review 12. 1988.