Математические методы оценки надежности коммерческого банка тема диссертации и автореферата по ВАК РФ 08.00.13, кандидат экономических наук Буздалин, Алексей Владимирович

• Буздалин, Алексей Владимирович
• кандидат экономических наук
• 2005

Оглавление диссертации кандидат экономических наук Буздалин, Алексей Владимирович

ВВЕДЕНИЕ.

ГЛАВА 1. КОНЦЕПЦИЯ ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА.

1.1.Текущая надежность банка как мера субъективной уверенности эксперта.

1.2. Значимые факторы текущей надежности банка.

1.3. Эмпирические нормативы текущей надежности банка.

1.4. Экспресс-оценка текущей надежности банка.'.

ГЛАВА 2. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ТЕКУЩЕЙ НАДЕЖНОСТИ БАНКА.

2.1. Статистическая модель базовой структуры баланса банка.

2.2.Методы оценки текущей надежности банка на основе структуры баланса.

2.3. Динамика факторов текущей надежности банка.

2.4. Зависимость текущей надежности банка от его величины.

ГЛАВА 3 КОНЦЕПЦИЯ ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА.

3.1. Долгосрочная надежность банка как результат анализа рисков банковской системы.

3.2. Модель экспертного анализа значимости нормативов долгосрочной надежности.

3.3. Свойства долгосрочной надежности банка.

3.4. Отличительные особенности текущей и долгосрочной надежности банка.

ГЛАВА 4. МЕТОДЫ И РЕЗУЛЬТАТЫ АНАЛИЗА ДОЛГОСРОЧНОЙ НАДЕЖНОСТИ БАНКА.

4.1 .Инструментарий порядковых отношений долгосрочной надежности банка.

4.2. Модель долгосрочной надежности банка.

4.3. Методы построения рейтинга долгосрочной надежности банка.

4.4. Оценка значимости банков.

Введение диссертации (часть автореферата) на тему «Математические методы оценки надежности коммерческого банка»

Задача повышения эффективности банковского надзора, совершенствования практики риск-менеджмента, повышения транспарентности банковской системы актуализирует поиски новых методов определения надежности кредитных организаций. Применяемые в мировой практике экономико-математические методы позволяют приблизиться к поставленной цели, обладая рядом преимуществ по сравнению с традиционными методами анализа финансового состояния банка. Так с их помощью можно с минимальными затратами времени в машинном режиме обрабатывать значительные массивы статистической информации и получать удовлетворительный по точности результат.

Экономико-математические методы позволяют выявить скрытые недостатки в работе банков, провести группировки по надежности, а главное - получить числовые характеристики надежности банков в отличие от традиционных методов, выводная часть которых является словесно-описательной.

При этом, преимущества экономико-математических методов проявляются в пределах строго ограниченной сферы применения. А именно, подходят для обработки больших массивов информации, получения предварительных оценок финансового состояния банка, в том числе для целей пруденциального банковского надзора. Поэтому они призваны дополнить существующие классические методы анализа.

Актуальность темы исследований

В условиях становления в России рыночной экономики банковский сектор приобретает все большую значимость в системе экономических отношений. Так, если на заре реформ банки зачастую служили целям обогащения финансовых элит и концентрировали внимание, прежде всего, на проведении спекулятивных операций с инструментами финансового рынка, то на нынешнем историческом витке российские банки повернулись лицом к актуальным задачам, решения которых ждет от них российская экономика, находящаяся в начале стадии роста.

Вместе с тем, существенным препятствием формированию цивилизованной банковской системы в России является проблема недоверия к существующим кредитным институтам, как со стороны населения, так и со стороны большинства хозяйствующих субъектов. Путей преодоления данной проблемы много, но большинство российских и западных экономистов указывают на необходимость повышения открытости банковской системы и формирования адекватного и доступного инструментария оценки банковских рисков.

Отдельно следует упомянуть о важном месте в экономике, которое занимает Центральный банк, который призван обеспечить устойчивое функционирование банковской системы, стремиться предотвращать на возможно ранней стадии негативные тенденции в работе коммерческих банков и как следствие возможные социально-экономические потрясения. Однако опыт российский банковских кризисов показал, что существующий банковский надзор требует совершенствования.

Во-первых, до сих пор в России не существует адекватного экономико-математического инструментария анализа и оценки банковских рисков.

Во-вторых, не уделяется должного внимания соответствию предъявляемых к банкам требованиям контексту меняющихся условий экономической среды, что особенно актуально для реформируемой российской экономики.

В-третьих, существующий банковский надзор в значительной части ориентирован на обнаружение и констатацию текущих проблем у банков и не выполняет важного прогнозного (пруденциального) предназначения.

И, наконец, в-четвертых, не уделяется должного внимания оценке финансовой устойчивости банковской системы как единого целого.

Важным препятствием развития инструментария анализа и оценки финансовой устойчивости коммерческих банков является отсутствие должной концептуальной проработки самого понятия «надежность банка». Такая ситуация приводит к неизбежной путанице в методологических конструкциях и к противоречивости, получаемых на их основе выводов. Понятие надежность банка требует уточнения и четкого определения, причем различным аспектам банковского анализа могут быть свойственны различные определения надежности. Ведя разговор о методиках оценки надежности банка необходимо четко понимать ее теоретическую сущность и то, какой экономико-математический инструментарий может быть использован для получения ее количественных и иных формализованных оценок.

Решению этой и ранее обозначенных проблем требует использования методов экономико-математического моделирования надежности банков. В связи с вышесказанным тема диссертации является актуальной.

Степень разработанности темы

Классический подход к анализу надежности коммерческих банков заключается в конструировании и расчете различных показателей финансового состояния банков на основе данных его финансовой отчетности, которые позволяют получить представление об основных аспектах деятельности банка. Итоговые результаты такого анализа имеют словесно-описательную форму. Данному направлению анализу надежности банка посвящены работы Пановой Г.С., Лаврушина О.И., Шеремета А.Д., Ширинской З.Г., Фетисова Г.Г., Иванова В.В., Томаевой З.Т., Белых Л.П., Амелина И.Э., Царькова В. А.

Международной практикой анализа надежности банка стало использование различных экспертных рейтингов, в частности разработанных специалистами ведущих рейтинговых агентств (Standard & Poor's, Moody's, FETCH), а также банковскими регуляторами в США (методика CAMEL). Данному направлению анализа банков посвящены работы отечественных авторов: Фаррахова И.Т., Мамонова И.Д, Новикова В.В.

Важную группу методов анализа надежности банков составляют подходы, основанные на различных алгоритмах дискриминанантого анализа, которые были исследованы в работах Альтмана, Таффлера, Кумара, Чессера, Холдмэна, Нараянана, Марэ, Паттелла, Вольфсона, Фридмэна, Као, Бухштабера В.М., Оводова И.Г., Шевченко С.Н., Шумвейя, Пересецкого А.А., Карминского A.M.

В последнее время особенно популярными стали модели оценки надежности банков, основанные на теории Марковских процессов. Работы Альтмана, Као и специалистов рейтингового агентства Standard & Poor's.

Существенную теоретическую и практическую ценность представляют опционные и структурные модели оценки надежности банков, предложенные Мертоном, Шумвеем, Ивлиевым С.В., Колодочкиным А.В., Кузнецовым К.Б., а также сотрудниками корпорации KMV.

Особый интерес представляет методика оценки совокупного кредитного риска ссудного портфеля CreditRisk+ (авторские права CSFB), где в качестве показателя надежности (в том числе банков) предлагалось использовать случайную вероятность дефолта. В данной методике была предпринята первая попытка преодоления проблем, связанных с получением оценок долгосрочной надежности банков.

Необходимо подчеркнуть, что исследуемая в диссертации задача оценки надежности коммерческого банка не имеет прямого отношения к известной математической теории надежности сложных технических систем. Цель и задачи исследования

Целью диссертации является создание экономико-математического инструментария оценки надежности коммерческих банков.

В соответствии с целью в работе были поставлены следующие задачи:

- математически формализовать понятие надежности банка;

- разработать методику экспресс-оценки надежности коммерческих банков в краткосрочной перспективе;

- оценить влияние изменений экономической среды функционирования банков на особенности оценки их надежности;

- построить модель зависимости надежности банков в краткосрочной перспективе от особенностей структуры банковской системы;

- разработать модель оценки надежности банков в долгосрочной перспективе и типо-логизации банковской системы по формам обеспечения финансовой устойчивости;

- разработать метод определения значимости банка в структуре банковской системы.

- выработать рекомендации по изменению существующих нормативных критериев оценки надежности банков в целях повышения эффективности банковского надзора.

Объект и предмет исследования

Объектом исследования является банковская система России. Предмет исследования - надежность банка. Здесь и везде далее по тексту, там, где это не оговаривается особым образом, под банком понимается российский коммерческий банк без уточнения его соответствия конкретным финансовым институтам.

Теоретической и методологической основой исследования явились труды отечественных и зарубежных авторов в области экономико-математического моделирования финансовой сферы и анализа финансового состояния коммерческих банков, теории вероятностей и математической статистики, теории многокритериальной оптимизации, материалы научных конференций, семинаров и совещаний по изучаемой проблематике. Широко были использованы данные о применении экономико-математических моделей при анализе банковских систем и коммерческих банков как в исследовательских подразделениях международных организаций - в Базельском комитете по банковскому надзору, Международном Валютном Фонде, ведущих мировых рейтинговых агентств (Standard & Poor's, Moody's, FITCH), крупных иностранных банках (JP Morgan Chase), международных общественных ассоциаций риск-менеджеров (Global Association of Risk Professionals, Professional Risk Managers' International Association), так и в отечественных научных организациях - в МГУ им. М.В. Ломоносова, ИПУ РАН, ИМЭМО РАН, Центре банковского анализа ЦЭМИ РАН, ГУ - Высшей школы экономики, НИИ Банка России, Российской экономической школе, Академии народного хозяйства при правительстве РФ, Финансовой академии при Правительстве РФ, Российской экономической академии им. Г.В. Плеханова.

Информационной базой исследования послужили официальные данные, публикуемые в изданиях Центрального банка РФ, Государственного комитета РФ по статистике, материалах информационных агентств, отражающие состояния банковской системы и экономики. В диссертации были использованы ежемесячные данные финансовой отчетности всех коммерческих банков г. Москвы с 1995 г. по 2001 г.

Обработка статистической информации проводилась с использованием программ: «Statistica», «SPSS», «Эвриста» Центра статистических исследований МГУ им. М.В. Ломоносова, стандартных средств анализа данных «MS Office», а также с помощью специально созданных собственных программных разработок.

Научная новизна работы

Научная новизна диссертации заключается в следующем.

1. С применением байесовского подхода к анализу информации формализовано понятие «текущая надежность банка» как вероятность выполнения банком определенного комплекса требований при условии наличия о нем доступной информации. Предложены определения текущей надежности коммерческого банка с точки зрения Центрального банка, других коммерческих банков, населения и прочих кредиторов.

2. Разработана методика экспресс-оценки текущей надежности коммерческого банка на основе модели байесовской классификации биноминальных распределений, в которой результат оценки надежности банка представляется как функция соответствия ключевых показателей деятельности банка предлагаемой системе нормативов, что позволяет в отличие от методик Альтмана, Таффлера, Као помимо итоговой оценки надежности банка указать на конкретные достоинства и недостатки в деятельности банка, определивших значение итогового результата.

3. С использованием методов непараметрической статистики из финансовой отчетности (агрегированные балансовый отчет и отчет о прибыли и убытках) коммерческих банков за период 1999-2001 гг. выявлен набор из 17 основных показателей деятель-ности банка, оказывающих наиболее существенное влияние на уровень их надежности. На основе оригинальной математической реализации критерия однородности Неймана-Пирсона найдены области допустимых значений 17 основных показателей надежности банков. Путем использования методов дискриминантного анализа оценены весовые коэффициенты основных показателей текущей надежности банков. Данный результат может использоваться при совершенствовании нормативной базы банковского надзора.

4. Разработана модель текущей надежности банка с использованием методов многомерного факторного анализа, учитывающая структурные особенности банковской системы. Статистически подтверждена неоднородность структуры банковской системы России. Выявлено, что кластеризация банковской системы базируется на показателях совокупной величины, рентабельности и объема ключевых высокорисковых активов коммерческих банков.

5. За период 1998-1999гг. рассчитаны весовые коэффициенты и допустимые границы основных показателей текущей надежности банков с использованием методов непараметрической статистики, что позволило количественно оценить характер влияния кризисного изменения экономической среды функционирования банков на особенности оценки их надежности.

6. Статистически установлена важность величины банка при определении его надежности, по результатам чего на основе эмпирического анализа банковской системы проведена классификация коммерческих банков по объему их совокупных активов, что соответствует качественному составу клиентской базы банков.

7. Предложена модель оценки надежности банков в долгосрочной перспективе с использованием методов многокритериальной оптимизации. Данный подход позволил получить более информационно содержательные выводы, нежели единственная существующая альтернативная концепция оценки кредитных рисков в долгосрочной перспективе, реализованная в модели CreditRisk+. Выявлено, что соотношения долгосрочных надежностей банков представляют собой порядковое отношение на совокупности показателей банковских рисков, задаваемое логическим полиномом, который определяет типологизацию банковской системы по формам обеспечения финансовой устойчивости. Обосновано, что долгосрочные надежности некоторых банков могут быть несопоставимы, а также то, что такой анализ не может проводиться в отрыве от общего структурного анализа банковской системы.

8. Разработана методика определения значимости банка в общей структуре банковского сообщества, что является ключевым понятием при определении общей устойчивости банковской системы. При построении показателей .значимости банка использовались методы многокритериальной оптимизации и факторного анализа.

Теоретическая и практическая значимость

Теоретическая значимость работы заключается в математической формализации ключевых понятий, связанных с определением надежности коммерческих банков. Теоретически значимо предложенное автором диссертации разграничение определения надежности банка в краткосрочной и долгосрочной перспективах, что находит отражение в различных формах и свойствах оценок надежности, а также математических методах их получения. Разработаны экономико-математические модели анализа надежности коммерческих банков, отвечающие ключевым проблемам методологии банковского анализа и обладающие высокой прогнозной полезностью.

Практическая значимость работы заключается в возможности использования разработанных моделей для оценки надежности отдельных банков, при анализе устойчивости банковской системы и определении основных тенденций ее развитии. Полученные результаты могут быть использованы в учебных процессах при подготовке специалистов в областях экономико-математического моделирования, банковского дела и риск-менеджмента. Отдельные результаты могут найти отражение в нормативной базе банковского надзора.

Созданный инструментарий используется как в работе государственных органов управления (Центральный банк РФ, КГ Агентство по страхованию вкладов), так и коммерческих структур на этапе подготовки и принятия управленческих решений. Разработанные методики оценки надежности банков обсуждались Комитетом банковского надзора ГУ Центрального Банка РФ по г.Москве, где получили одобрение.

Апробация работы

Основные положения работы докладывались на семинаре "Управление финансовыми рисками и страхование" под эгидой PRMIA и ГУ - Высшей школы экономики (январь 2005г., апрель 2003г.), семинаре «Динамические модели экономики» кафедры «Математические методы анализа экономики» Экономического факультета МГУ им. М.В. Ломоносова (октябрь 2004г., апрель 2003г.), семинаре «Анализ и прогноз финансовых рынков» ИМЭМО РАН (февраль 2004г., октябрь 2003г.), семинаре «Экспертные оценки и анализ данных» ИЛУ РАН (декабрь 2004г., февраль 1999г.), Научной конференции "Моделирование и анализ безопасности и риска в сложных системах", (г. С.-Петербург июнь 2004г.), XXXI Международной конференции "Информационные технологии в науке, образовании, телекоммуникации и бизнесе" (г.Ялта, сентябрь 2004г.), где получили положительную оценку специалистов.

Публикации

Основные положения диссертации изложены в 7 опубликованных статьях общим объемом 3,5 п.л. (3,5 п.л.- лично).

Структура диссертации

Работа объемом 175 стр. состоит из введения, четырех глав, заключения, списка используемой литературы и приложений, содержащих результаты статистической обработки данных.

Заключение диссертации по теме «Математические и инструментальные методы экономики», Буздалин, Алексей Владимирович

Основные результаты и выводы работы

1. В результате математической формализации понятия текущей надежности банка в виде субъективной вероятности создана универсальная концепция оценки текущей надежности банка, позволившая объединить в рамках единого подхода большинство существующих на сегодня различных методов анализа надежности банков. Учитывая важность роли Банка России как основного регулятора банковской системы были конкретизированы ключевые составляющие понятия текущей надежности банка с позиций органов надзора: критерий надежности (отсутствие необходимости регулирующего вмешательства в деятельность коммерческого банка), временной промежуток надежности (период между комплексными банковскими проверками), методика анализа (17 финансовых показателей).

2. Разработана экспресс-методика, позволяющая быстро оценивать текущую надежность банка с удовлетворительной точностью в виде значения логистической функции на кортеже бинарных признаков соответствия базовых 17-ти финансовых показателей банка оцененным эмпирическим пороговым границам. В результате органы банковского надзора получают эффективный метод предварительного выявления проблемных банков. Установлена граница допустимости использования интегральных показателей при оценке текущей надежности банка, как аргумент в логистической зависимости, определяющей условную вероятность банка оказаться надежным. Предложен удобный метод определения весовых коэффициентов интегрального показателя надежности банка как коэффициентов дискриминирующей функции в рамках модели байесовской классификации биноминальных распределений.

3. На основе факторного анализа агрегированных балансовых отчетов банков построена методика оценки текущей надежности банка с учетом структурных отношений банковской системы. Так, установлено, что общее состояние банка задается тремя базовыми факторами: размер, рентабельность, ключевой высокорисковый актив. Фактор «ключевой высокорисковый актив» может со временем менять экономическое содержание. До кризиса 17 августа 1998 года он характеризовал объем портфеля у банков ГКО-ОФЗ, после 17 августа 1998 года смысл фактора трансформировался к объему «плохих» ссуд реальному сектору экономики. Близость значений базовых факторов банка к значениям факторов большого числа неблагополучных банков должно расцениваться как признак банкротства. Экономически обосновано, что банковское сообщество разбивается по структуре операций на четыре кластера, различающихся численностью, размером совокупных активов и надежностью их представителей, что может позволить банковским регуляторам сделать банковский надзор и регулирование более адресным, учитывающим специфику отдельных сегментов банковской системы.

4. За кризисный период с начала 1998 года по середину 1999 года проведен анализ изменения влияний на надежность банков ключевых банковских показателей: доли обязательств в пассивах, рентабельности, объема портфеля государственных обязательств, объема кредитов реальному сектору экономики, объема привлечения средств физических лиц. Это позволило впервые количественно оценить характер влияния финансового коллапса на особенности определения надежностей банков.

5. Выявлено, что суммарная величина активов банка определяет три основных совокупности коммерческих банков: малые банки «одного клиента», банки субфедерального и общефедерального уровня. Внутри каждой группы, которым определены численные границы, «плохие» банки концентрируются среди малых, а «хорошие» - среди крупных.

6. Оценка надежности банка в долгосрочной перспективе требует использования математического аппарата порядковых отношений, что обусловлено отсутствием достаточного объема информации для прогнозирования развития банковской системы в условиях экономики переходного периода и, как следствие, невозможностью получить числовую оценку долгосрочной надежности коммерческого банка. Превосходство одного банка над другим в плане долгосрочной надежности определяется значением логического полинома на кортеже булевых признаков, определяющих соотношение банков по значениям обязательных нормативов (Инструкция ЦБ РФ №1 от 30.04.1991г.). Разработанная методика оценки долгосрочной надежности банка обладает высокой прогнозной значимостью. Так, построенный по историческим данным на 01.02.1998г. рейтинг долгосрочной надежности российских банков отлично предсказал результаты кризиса банковской системы, вызванного финансовым коллапсом 17 августа 1998 года. Установлено и модельно подтверждено, что анализ долгосрочной надежности отдельного банка может быть лишь неотъемлемой частью анализа долгосрочной надежности банковской системы в целом. Определены эквивалентные формы обеспечения долгосрочной надежности банков в зависимости от показателей ликвидности и диверсификации бизнеса коммерческого банка, что формализуется в типичных соотношениях обязательных банковских нормативов (Н1-Н8, табл. 2).

7. Разработана математическая модель оценки значимости банка, на основе многокритериальной оптимизации в пространстве признаков: 1) общая величина активов; 2) общая величина обязательств; 3) объем собственных средств; 4) объем вкладов физических лиц; 5) сумма бюджетных счетов; 6) объем кредитов реальному сектору экономики. В результате проведенных вычислений была выявлена группа ключевых коммерческих банков, надежность которых определяет устойчивость банковской системы.

8. Среди общей совокупности различных показателей банковской деятельности определен список из 17 наиболее значимых для оценки текущей надежности. Эмпирическим путем для этого набора показателей выявлены допустимые границы, которые в ряде случаев отличаются от закрепленных в официальных документах. Данный результат позволит повысить адекватность анализа деятельности коммерческих банков в условиях постоянно меняющихся экономических реалий и может быть использован при реформировании нормативной базы банковского надзора.

Список литературы диссертационного исследования кандидат экономических наук Буздалин, Алексей Владимирович, 2005 год

1. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989.

2. Айвазян С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: ЮНИТИ, 1998.

3. Андреасян Г.С. «Дистанционный анализ финансово-экономического состояния российских банков (эконометрический подход)»// М. ЦЭМИ 2000г.

4. Афифи А., Эйзен С. Статистический анализ. Подход с использованием ЭВМ. М.: Мир, 1982.4 •

5. Батракова Л.Г. «Экономический анализ деятельности коммерческого банка.» М. Логос, 2001г.

6. Белых Л.П. «Устойчивость коммерческих банков. Как банкам избежать банкротства?»//М. Юнити, 1996г.

7. Березовский Б.А., Барышников Ю.М., Борзенко В.И., Кемпнер Л.Н. Многокритериальная оптимизация: Математические аспекты. М.: Наука, 1989.

8. Березовский Б.А., Борзенко В.И., Кемпнер Л.Н. Бинарные отношения в многокритериальной оптимизации. М.: Наука, 1981.

9. Браун Стивен Дж., Крицмен Марк П. Количественные методы финансового анализа. М.: ИНФРА-М, 1996.

10. Бухштабер В.М. Автоматическая классификация данных по принципу решета Эратосфена. Обозрение прикладной и промышленной математики, серия вероятность и статистика, 1997, т. 4, в. 4.

11. Бухштабер В.М., Оводов И.Г., Шевченко С.Н. «Статистический подход к проблеме надежности коммерческих банков // М. Экономический журнал ВШЭ, №1 1998г.

12. Бэстенс Д.-Э., ван ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки: принятие решений в торговых операциях. М.: "ТВП", 1998.

13. Бюджи С. «Критерии, используемые «Standard & Poor's» в процессе определения рейтинга банков» // М. Бюллетень финансовой информации №5 5 октября 1995г.

14. Вальравен К.Д. «Управление рисками в коммерческом банке.»// М. Дело 1999г.

15. Ворд М. Е., Портер Р.С. «Перспективы использования рейтинговой системы «CAMEL» в России.» // М. Бюллетень финансовой информации № 5 октябрь 1995г.

16. Дубров A.M. Обработка статистических данных методом главных компонент. -М.: Статистика, 1978.

17. Дюк В. Обработка данных на ПК. С.-П.: "Питер", 1997.

18. Егорова Н.Е., Смулов A.M. Предприятия и банки: Взаимодействие, экономический анализ, моделирование. — М.: Дело, 2002г.

19. Замковой С.В. Анализ динамики и рисков банковской системы России: Научное издание. М.: МАКС Пресс, 2004.

20. Иберла К. Факторный анализ. М.: Статистика, 1980.

21. Иванов В.В. Анализ надежности банка. Практическое пособие. М.: Русская Деловая Литература, 1996.

22. Иванов В. «Экспресс-анализ ликвидности (на основе банковской отчетности»// «Банковское дело в Москве» №10. 2001г.

23. Кендалл М.Дж., Стюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976.

24. Кокс Д., Хинкли Д. Теоретическая статистика / Пер. с англ. Под ред. Ю.К. Беляева. М.: Мир, 1978.

25. Коломаев В.А., Староверов О.В., Турундаевский В.Б. Теория вероятностей и математическая статистика. М.: Высшая школа, 1991.

26. Крамер Г. Математические методы статистики. М.: Мир, 1975.

27. Литвак Б.Г. Экспертная информация. Методы получения и анализа. М.: Радио и связь, 1982.

28. Литвак Б.Г. Экспертные оценки и принятие решений. М.: Патент, 1996.

29. Лоули Д., Максвелл А. Факторный анализ как статистический метод. М.: Мир, 1967.

30. ЛященкоВ.И. «Фондовые индексы и рейтинг.»//Д. Стаапкер. 1998г.

31. Масленченков Ю.С. «Мониторинг финансового состояния»// М. «Бизнес и банки» №18-19 1996г.

32. Масленченков Ю.С. «Устойчивость коммерческого банка.»// Бюллетень финансовой информации. АДФИ. Москва, № 4 апрель 1997 г.

33. Масленченков Ю.С. «Технология и организация работы банка.»// М. Издательско-консалтинговая компания «ДеКА», 1998г.

34. Матовников М. «Формальные критерии надзора и реальные риски».// «Банковское дело в Москве» №2. 2002г.

35. Миркин Б.Г. Анализ качественных признаков и структур. М.: Наука, 1980.

36. Миркин Б.Г. Проблема группового выбора. М.: Наука, 1974.

37. Мисюлин Д., Смирнов А., Кругов А. «Дистанционный анализ финансового состояния коммерческого банка. Новые подходы.»// М. «Финансист», N 5/6, 1997г.

38. Новиков А.А. «Оценка надежности коммерческого банка»// Дис. на соис. уч. ст. к.э.н. М. 1999г.

39. Новикова! В.В. «Методические основы формирования рейтингов надежностикоммерческих банков»// Дис. на соис. уч. ст. к.э.н. М. 1996г.

40. Орлов А.И. Анализ нечисловой информации в социологических исследованиях, М., 1985.

41. Орлов А.И. Устойчивость в социально-экономичексих моделях, М.: Наука, 1979.

42. Панова Г.С. «Анализ финансового состояния коммерческого банка»// М.: Финансы и статистика, 1996г.

43. Пересецкий А.А. Карминский А.М. Головко E.JI. «Анализ рейтингов российских предприятий». // Препринт 2002/2003 М. Российская экономическая школа, 2002 г.

44. Подиновский В.В., Ногин В.Д. Парето-оптимальные решения многокритериальных задач. М.: Наука, 1982.

45. Прокофьева O.K. «О банковских рейтингах.»//Деньги № 21(31) июнь 1995г.

46. Рид Э., Котгер Р., Гилл Э., Смит Р. «Коммерческие банки.»// Под ред. д.э.н. Усоскина В.М., Космополис, М. 1991г.

47. Руа Б. Классификация и выбор при наличии нескольких критериев (метод ЭЛЕКТРА). В кн.: Вопросы анализа и процедуры принятия решений: - Сб. переводов/ Под ред. И.Ф. Шахнова. М.: Мир, 1976.

48. Руа Б. Проблемы и методы принятия решений в задачах с многими целевыми функциями. В кн.: Вопросы анализа и процедуры принятия решений: - Сб. переводов/ Под ред. И.Ф. Шахнова. М.: Мир, 1976.

49. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

50. Секей Г. Парадоксы в теории вероятностей и математической статистике. М.: Мир, 1990.

51. Сидельников Ю.В. Теория и организация экспертного прогнозирования. М.: ИМЭиМО АН СССР, 1990.

52. Синки Дж. Ф. «Управление финансами в коммерческих банках.»// Catallaxy, М., 1994г.

53. Справочник по прикладной статистике. В 2-х т., под ред. Э. Ллойда, У. Ледермана, Ю.Н. Тюрина. М.: Финансы и статистика, 1989, 1990.

54. Степанов B.C. Гроздья точек. "Страховое ревю", 1997г., №№5, 6.

55. Томаева З.Т. «Анализ финансовой устойчивости коммерческого банка.»// Дис. насоис. уч. ст. к.э.н. М. 1997г.• ♦

56. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. М.: ИНФРА-М, 1998.

57. Усоскин В.М. «Современный коммерческий банк. Управление и операции.»// М. Антидор 1998г.

58. Факторный, дискриминантный и кластерный анализ. М.: Финансы и статистика, 1989.

59. Фетисов «Устойчивость коммерческих банков и рейтинговые системы ее оценки»//М., Финансы и статистика, 1999г.

60. Черкасов В.Е. «Финансовый анализ в коммерческом банке.» М.: ИНФРА-М, 1995г.

61. Ширинская Е.Б. Рейтинги и лимитная политика банков // М. Бизнес и банки 06.09.96.

62. Хартман Г. Современный факторный анализ. М.: Статистика, 1972.

63. Aldrich, J.H. and F.D. Nelson (1985), Linear probability, logit and profit models, Quantitative Applications in the Social Sciences Series no. 45, Beverly Hills, CA: SAGE Publications.

64. Altman E. «Financial ratios, diskriminant analysis and prediction of corporate bankruptcy.»// Journal of Finance/ 1968, vol/9., pp 589-609

65. Altman E.I., Haldeman G.G., Narayanan P. ZETA analysis: a new model to identify the bankruptcy risk of corporations // Banking and Finance. 1997. June. P. 29-54.

66. Altman, E.I., G. Marco and F. Varetto (1994), "Corporate distress diagnosis'.Comparisons using linear discriminant analysis and neural networks (the Italian experience)," Journal of Banking and Finance, 18(3), 505-529.

67. Altman, E.I. and H.A. Rijken (2004), "How rating agencies achieve rating stability," Journal of Banking and Finance, 28(11), 2679-2714.

68. Amato, J.D. and C.H. Furfine (2003), "Are credit ratings procyclical?" BIS Working Papers No. 129.

69. Azen, S.P., Kammerman, L., and Teberg, A. (1979). "A Bayesian Approach to the Prediction of Development Outcome in the Infant of Low Birtweight".

70. Baskom H. «Bank management &supervision in developing financial market»// London, The Machilan Press Ltd, 1997

71. Beever, William H. 1967. "Financial Rations as Predictions of Failure." Empirical Research in Accounting: Selected Studies 1966, Journal of Accounting Research, Supplement to Volume 4, pp. 71-111.

72. Bessis J. «Risk management in banking»// Chichester, Jon Hilley and Sons 2001

73. Basel Committee on Banking Supervision (2004), International Convergence of Capital Measurement and Capital Standards, Bank for International Settlements, June 2004.

74. Berlin M. Bank loans and marketable securities: how do financial contracts control borrowing firms? / Business Rev. // Federal Reserve Bank of Philadelphia. 1987. July -Aug.

75. Bovenzi, J.F., J.A. Marino and F.E. McFadden (1983), "Commercial bank failure prediction models," Federal Reserve Bank of Atlanta Economic Review, 68(November 1983), 14-26.

76. Brand, Leo, and Reza Bahar. 2000. Ratings Performance 1999. Standard and Poor's.

77. Breiman, Leo, Jerome H. Friedman, Richard A. Olshen, and Charles J. Stone. 1984. Classification and Regression Trees. Belmont, CA: Wadsworth International Group.

78. Carey, Mark, and Mark Hrycay. 2001. Parameterizing Credit-Risk Models with Rating Data. Journal of Banking and Finance 25, no. 1:197-270.

79. Chesser, Delton L. 1974. "Predicting Loan Noncompliance." Journal of Commercial Bank Lending (August), pp. 2-15.

80. Cole, R.A. and J.W. Gunther (1998), "Predicting bank failures: A comparison of on- and off-site monitoring systems," Journal of Financial Services Research, 13(2), 103-117.

81. Crosbie, Peter. 1997. Modeling Default Risk. KMV Corporation.

82. Dali G.G. Financial intermediation and the theory of the firm: An analysis of savings and association behavior// Southern Economic J. 1971. Jan.

83. Delvin D. Hawley, John D. Johnson and Dijjotam Raina «Artificial Neural Systems: A New Tool for Financial Decision-Making», Financial analysts journal, November-december 1990.

84. Engelman, B. and D. Porath (2003), "Empirical comparison of different methods for default probability estimation," Quanteam Research Paper.

85. Edgeworth F.V. The mathematical theory of banking // J. Poval Statistical Society. 1988. March. P. 113-127.

86. Frydrrian, Halina, Edward Altman, and Duen-Li Kao. 1985. "Introducing Recursive4

87. Portioning for Financial Classification: The Case of Financial Distress." Journal of Finance (March), pp 269-291.

88. Golovan, S.V., A.M. Karminsky, A.V. Kopylov and A.A. Peresetsky (2003), "Probabilityof-default models of Russian banks I: Models with clustering." NES working paper 2003/039 (in Russian).

89. Golovan, S.V., A.M. Karminsky, M.A. Evdokimov and A.A. Peresetsky (2004), "Probability of default models of Russian banks II: Models and macroeconomic environment," NES working paper 2004/043 (in Russian).

90. Hatten C. «Managing bank capital: capital allocation and performance measurement.»// Chichester, Jon Hilley and Sons, 1997.

91. Holt, Robert N., Vida Scarpello, and Raymond J. Carroll. 1983. "Toward Undestanding the Contents of the 'Black Box' for Predicting Complex Decision-Making Outcomes." Decisions Sciences (April), pp. 253-269.

92. J. P. Morgan. 1997. CreditMetrics—Technical Document.

93. Jagtiani, J, J. Kolari, C. Lemieux and H. Shin (2003), "Early warning models for bank supervision: Simper could be better," Federal Reserve Bank of Chicago Economic Perspectives, 27(3), 49-60.

94. Klin M. A.A. Theory of the banking firm // J. Money. Credit and Banking. 1971. May. P. 205-218.

95. KMV, Credit Monitor Overview, KMV Corporation, 1993

96. Koyluoglu, H.U. and A. Hickman. "Credit Risk: Reconcilable Differences." Risk 11 (1998), 56-62.

97. Kumar Sameer, Sant Arora. A model for risk classification of banks. //Managerial and decision economics. Vol 16. -155-165(1995)

98. Lennox, C. (1999), "Identifying failing companies: a reevaluation of the logit, probit and DA approaches," Journal of Economics and Business, 51(4), 347-364.

99. Lusted, L.B. (1968). "Introduction to Medical Decision Making", Charles C. Thomas, Springfield, Illinois.

100. Martin, D. (1977), "Early warning of bank failure: A logit regression approach," Journal of Banking and Finance, 1(3), 249-276.

101. Merton, R. "On the pricing of corporate debt: the risk structure of interest rates." Journal of Finance 29 (1974), 449-470.

102. Merton, R. "An Analytic Derivation of the Cost of Deposit Insurance and Loan Guarantees." Journal of Banking & Finance 1 (1977), 3-11.

103. Murphy N.B. Costs of banking activities: interactions between risk and operating cost: a comment // J. Money. Credit and Banking. 1972. Aug. P. 614-615.

104. Musumeci J.J., Sinkey J.F., Jr. The international debt crisis and bank loan-loss reserve decisions. The signaling content of partially anticipated events // J. Money. Credit and Banking. 1990. Aug.

105. Musumeci J.J., Sinkey J.F., Jr. The international debt crisis, investor contagion, and bank security returns in 1987: the Brazilian experience // J. Money. Credit and Banking. 1990. May.

106. Ohlson, J.A. (1980), "Financial Ratios and the Probabilistic Prediction of Bankruptcy," Journal of Accounting Research, 18(1), 109-131.

107. Pareto V. Cours d'Economie Politique. Lausanne: Houge. 1889.

108. RiskMetric Group, CreditMetrics Technical Document, J.P. Morgan, 1997

109. Saunders A., Credit Risk Measurement: New Approaches to Value at Risk and Other Paradigms, John Wiley & Sons, 1999, 226p.

110. Sealey C.W. Deposit rate-setting, risk aversion, and the theory of depository financial intermediates // J. Finance. 1980. Dec. P. 1139-1154.

111. Segoviano, M.A. and P. Lowe (2002), "Internal ratings, the business cycle and capital requirements: some evidence from an emerging market economy," BIS Working Papers, 117.

112. Shumway T. «Forecasting Bankruptcy More Accurately: A Simple Hazard Model.»// The Journal of Business, Volume 74, Issue 1 (Jan., 2001), 101-124.

113. Srinivasan, Venkat, and Yong H. Kim. 1987. "Credit Granding: A Comparative Analysis of Classification Procedures." Journal of Finance (July), pp. 665-683.