Применение методов Electrе для оценки надежности банковских вложений

Усредненные оценки альтернатив обозначаются F_ln (усредненная оценка альтернативы X_l по n-му критерию) и вычисляются по формуле (29):

, l = 1…L, n=1…N. (29)

Несмотря на очевидные преимущества данного метода перед методами семейства ELECTRE, разработанными ранее, опыт практической работы с экспертами выявил испытываемые экспертами затруднения при оценивании элементов матрицы F_lndj на среднесрочную перспективу (3 года). Поэтому в данной работе была сформулирована и реализована модифицированная версия метода ELECTRE EX, включающая изменение подхода к моделированию проблемной ситуации.

В качестве проблемных ситуаций экспертами рассматривались разработанные Министерством экономического развития РФ оптимистический, пессимистический и нейтральный сценарии развития. В рамках каждого сценария для каждой альтернативы на каждый год рассматриваемого трехлетнего периода экспертами были сформированы несколько вариантов оценок каждого критерия с различными вероятностями реализации этих оценок.

Усредненные оценки альтернатив F_ln в модифицированной версии метода ELECTRE EX формируются по формуле (30):

(30)

где - указанная экспертом d вероятность реализации сценария j,

S_lndj - указанное экспертом d количество различных вариантов оценок F_lndjs,

P_lndjs - указанная экспертом d вероятность реализации оценки F_lndjs,

.



Глава 3. Аналитическое обоснование решений по оценке надежности банков с использованием методов семейства Electre

3.1 Подготовка данных для оценки предпочтительности банков методами Electre Iv, Electre II И Electre III

Для проведения эксперимента выбрана группа банков, в которую вошли банки с государственным участием (Сбербанк, Россельхозбанк, Альфа-банк, Банк Москвы, Газпромбанк, ВТБ), негосударственные коммерческие банки (ОРГБАНК, Банк Уралсиб, Банк «ВБРР», Банк «ФК «Открытие», ВТБ 24) и банки с иностранным участием (Ситибанк, Райффайзенбанк, ИНГ Банк (Евразия)).

Существенное значение для проведения эксперимента имеет определение набора параметров, позволяющих делать выводы о привлекательности вложений в конкретный банк. Набор таких параметров определен в соответствии с методиками основных рейтинговых агентств (www.riarating.ru, www.rusrating.ru, www.raexpert.ru). При построении параметров был реализован бухгалтерский подход - показатели составлены по бухгалтерским счетам, перечень которых был определен в соответствии с Положением Банка России «О правилах ведения бухгалтерского учета в кредитных организациях, расположенных на территории Российской Федерации» от 16.07.2012 № 385-П [6]. Источником информации явилась Оборотная ведомость по счетам бухгалтерского учета кредитной организации (форма 0409101), ежемесячная отчетность по которой размещается банками на официальном сайте Банка России (www.cbr.ru).

Для проведения расчетов с использованием методов семейства ELECTRE на базе собранной информации и с учетом опубликованных в отечественной и зарубежной литературе подходов к оценке банков [8, 26, 28] были сформированы следующие критерии оценки:

· критерий эффективности определен как доля нераспределенной прибыли (непокрытых убытков) в собственных средствах банка;

· критерий государственной поддержки определен как доля размещенных в банке государственных средств в общем объеме обязательств банка;

· критерий собственной устойчивости определен как доля средств акционеров (участников) в собственных средствах банка;

· критерий риска определен как отношение суммарных созданных банком резервов на возможные потери к величине активов;

· критерий стабильности клиентуры определен как доля средств, привлеченных банком от юридических и физических лиц, в обязательствах банка.

На практике при оценке критериев в методах ELECTRE Iv, ELECTRE II, ELECTRE III, были использованы данные об остатках на счетах бухгалтерского учета на конец 2015 года. Расчеты проведены по следующим формулам:

Критерий эффективности = (108-109)/102, где (31)

102 - Уставный капитал;

108 - Нераспределенная прибыль;

109 - Непокрытый убыток.

Критерий государственной поддержки = (32) (312+401+402+403+404+410+411+412+413+427+428+429+430)/Пассивы банка, где

312 - Кредиты и депозиты, полученные кредитными организациями от Банка России;

401 - Средства федерального бюджета;

402 - Средства бюджетов субъектов Российской Федерации и местных бюджетов;

403 - Прочие средства бюджетов;

404 - Средства государственных и других внебюджетных фондов;

410 - Депозиты Федерального казначейства;

411 - Депозиты финансовых органов субъектов Российской Федерации и органов местного самоуправления;

412 - Депозиты государственных внебюджетных фондов Российской Федерации;

413 - Депозиты внебюджетных фондов субъектов Российской Федерации и органов местного самоуправления;

427 - Привлеченные средства Федерального казначейства;

428 - Привлеченные средства финансовых органов субъектов Российской Федерации и органов местного самоуправления;

429 - Привлеченные средства государственных внебюджетных фондов Российской Федерации;

430 - Привлеченные средства внебюджетных фондов Российской Федерации и органов местного самоуправдения.

Критерий собственной устойчивости = (33)

105/102+102/(102+106+107+108-109), где

102 - Уставный капитал;

105 - Собственные доли уставного капитала, выкупленные у кредитной организации;

106 - Добавочный капитал;

107 - Резервный фонд;

108 - Нераспределенная прибыль;

109 - Непокрытый убыток.

Критерий риска = (34) (30126+30226+30410+30607+32015+32115+32211+32311+32403+32505+44115+44215+44315+44415+44515+44615+44715+44815+44915+45015+45115+45215+45315+45415+45515+45615+45715+45818+45918+46008+46108+46208+46308+46408+46508+46608+46708+46808+46908+47008+47108+47208+47308+47702+47804+47902+50204+50212+50213+50219+50312+50319+50404+50504+50507+50604+50612+50719+50804+50809+50904+50908+51210+51310+51410+51510+51610+51710+51810+51910+60206+60405+60706+61501)/Активы банка, где

{30126, 30226, 30410, 30607, 32015, 32115, 32211, 32311, 32403, 32505} - Резервы на возможные потери по межбанковским расчетам, а также межбанковским привлеченным и размещенным средствам;

{44115, 44215, 44315, 44415, 44515, 44615, 44715, 44815, 44915, 45015, 45115, 45215, 45315, 45415, 45515, 45615, 45715} - Резервы на возможные потери по предоставленным кредитам;

{45818, 45918} - Резервы на возможные потери в рамках просроченной задолженности по предоставленным кредитам и размещенным средствам;

{46008, 46108, 46208, 46308, 46408, 46508, 46608, 46708, 46808, 46908, 47008, 47108, 47208, 47308} - Резервы на возможные потери по прочим размещенным средствам;

47702 - Резервы на возможные потери по операциям финансовой аренды (лизинга);

47804 - Резервы на возможные потери по вложениям в приобретенные права требования;

47902 - Резервы на возможные потери по активам, переданным в доверительное управление;

{50204, 50212, 50213, 50219, 50312, 50319, 50404, 50504, 50507} - Резервы на возможные потери по вложениям в долговые обязательства;

{50604, 50612, 50719, 50804, 50809, 50904, 50908} - Резервы на возможные потери по вложениям в долевые ценные бумаги;

{51210, 51310, 51410, 51510, 51610, 51710, 51810, 51910} - Резервы на возможные потери по вложениям в векселя;

{60206, 60405, 60706, 61501} - Резервы на возможные потери по вложениям в средства и имущество.

Критерий стабильности клиентуры = (414+415+416+417+418+419+420+421+422+423)/Пассивы банка, где (35)

{414, 415, 416, 417, 418, 419, 420, 421, 422} - Депозиты юридических лиц;

423 - Депозиты физических лиц.

Полученные значения критериев для каждого банка по состоянию на конец 2015 года представлены в таблице 3.1.

Визуальный анализ таблицы 3.1 позволяет сделать выводы о серьезных различиях в эффективности рассматриваемых банков (значения критерия эффективности группы лидеров - Ситибанка, ОРГБАНКА и Сбербанка - превышают остальные в десятки раз; при этом Банк Москвы и Россельхозбанк показывают убытки, что отражается в отрицательных значениях критерия эффективности). Также неравномерно распределена между банками государственная поддержка Следует отметить, что в целях данной работы государственная поддержка банков оценивается по остаткам на соответствующих (см. выше) счетах и не учитывает докапитализацию, проводимую через Агентство по страхованию вкладов путем размещения в капитал банков государственных ценных бумаг.: критерий государственной поддержки для Ситибанка и ОРГБАНКа равен нулю, очень низкий уровень государственной поддержки характерен для Банка Уралсиб.

В таблице 3.2 представлены экспертно назначенные для каждого критерия веса, вето-границы и направления изменения критериев.

Таблица 3.1. Оценки критериев

	Сбербанк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГ-БАНК	Банк Урал-сиб	Райф-файзен-банк	ИНГ Банк (Евразия)	Банк "ВБРР"	Банк «ФК Откры-тие»	ВТБ 24	ВТБ
Критерий эффективности	26,421781	-0,081255	1,961463	-1,633415	0,791005	44,94175	39,57730	0,000042	1,056340	1,355827	1,381927	4,965078	0,214412	0,263943
Критерий господдержки	0,009400	0,046872	0,008789	0,045079	0,101289	0	0	0,000039	0,004721	0,009313	0,005993	0,066896	0,013471	0,057362
Критерий собственной устойчивости	0,030042	1,033706	0,318650	0,162835	0,412888	0,020416	0,022946	0,830950	0,438497	0,411648	0,163595	0,067411	0,517343	0,484188
Критерий риска	0,005954	0,026629	0,018938	0,081437	0,015001	0,002406	0,016373	0,048289	0,006492	0,001898	0,008171	0,008353	0,022458	0,004945
Критерий стабильности клиентуры	0,068407	0,149726	0,042535	0,091688	0,086455	0,044204	0,223745	0,158906	0,036955	0,202695	0,455060	0,065062	0,186985	0,063559

Таблица 3.2. Веса, вето-границы и направления изменения критериев

	Вес	Вето-граница	Направление изменения
Критерий эффективности	0,25	50	максимизация
Критерий государственной поддержки	0,125	0,10	максимизация
Критерий собственной устойчивости	0,125	0,90	максимизация
Критерий риска	0,25	0,01	минимизация
Критерий стабильности клиентуры	0,25	0,90	максимизация

Несмотря на то, что при расчете критерия риска принималась во внимание суммарная величина созданных банком резервов (создание резервов отражает внутренний учет банком принятых рисков), направление изменения критерия риска определено как «минимизация», поскольку, в конечном счете, повышение рискованности политики банка может привести к отзыву у банка лицензии.

Сравнительно высокое значение вето-границы критерия эффективности объясняется большим разбросом эффективности рассматриваемых банков.

Дополнительные условия:

- в методе ELECTRE Iv установлен уровень согласия S=0,6;

- в методе ELECTRE II установлены уровни согласия S1=0,6; S2=0,3.

Значения границ безразличия и предпочтения, а также границы общего отношения предпочтения, используемые в методе ELECTRE III, представлены в таблице 3.3. Установление сравнительно низкого уровня значений границ безразличия, предпочтения и общего отношения предпочтения в данном методе объясняется способом построения критериев (каждый критерий определен как отношение некоторых показателей, в результате чего сами оценки критериев для большинства банков характеризуются достаточно низкими значениями).

Расчеты по каждому из перечисленных выше методов произведены в Excel с использованием алгоритмов, изложенных в Главе 2. Для автоматического ранжирования написан макрос на VBA.

Таблица 3.3. Дополнительные условия для метода ELECTRE III

	Граница безразличия	Граница предпочтения	Граница общего отношения предпочтения
Критерий эффективности	0,01	0,4	0,3
Критерий государственной поддержки	0,0001	0,008
Критерий собственной устойчивости	0,005	0,01
Критерий риска	0,001	0,01
Критерий стабильности клиентуры	0,001	0,01

3.2 Сравнительный анализ результатов расчетов

Результаты расчетов индексов согласия с предпочтительностью банков, используемые в методах ELECTRE Iv и ELECTRE II, представлены в таблице 3.4. Результаты сравнения индексов согласия с установленным в методах ELECTRE Iv и ELECTRE II уровнем согласия S=0,6 Уровень согласия в методе ELECTRE 1v (S=0,6) совпадает с уровнем согласия сильного отношения предпочтения в методе ELECTRE II (S1=0,6). приведены в таблице 5.

Приведенные в таблице 3.5 данные позволяют сделать вывод о возможности выделения с помощью метода ELECTRE Iv и с помощью сильного отношения предпочтения в методе ELECTRE II первой тройки наиболее предпочтительных альтернатив вложения средств (1 - ИНГ Банк (Евразия), 2 - Банк «ВБРР» (Всероссийский банк развития регионов), 3 - Банк «ФК «Открытие»). Вслед за первой тройкой банков наиболее предпочтительными выглядят ВТБ и Газпромбанк (ГПБ) - 4 место, 5-е место разделили Сбербанк и ОРГБАНК, 6-е - Альфа-банк, Райффайзенбанк и ВТБ 24, 7-е - Ситибанк, 8-е - Россельхозбанк и Банк Уралсиб, 9-е - Банк Москвы.

Результаты сравнения индексов согласия с установленным в методе ELECTRE II уровнем согласия слабого отношения предпочтения (S2=0,3) приведены в таблице 3.6.

Таблица 3.4. Индексы согласия

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффай-зенбанк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк		0,500	0,875	0,500	0,500	0,500	0,500	0,625	0,875	0,375	0,625	0,750	0,500	0,500
РСХБ	0,500		0,500	1,000	0,375	0,500	0,250	0,500	0,500	0,250	0,250	0,375	0,250	0,375
Альфа-банк	0,125	0,500		0,625	0,250	0,250	0,250	0,625	0,625	0,250	0,500	0,125	0,500	0,250
Банк Москвы	0,500	0,000	0,375		0,250	0,500	0,250	0,125	0,375	0,125	0,125	0,375	0,125	0,250
ГПБ	0,250	0,625	0,750	0,750		0,500	0,500	0,625	0,375	0,250	0,250	0,500	0,625	0,625
Ситибанк	0,500	0,500	0,750	0,500	0,500		0,500	0,500	0,750	0,250	0,500	0,500	0,500	0,500
ОРГБАНК	0,500	0,750	0,750	0,750	0,500	0,375		0,750	0,500	0,500	0,250	0,500	0,750	0,500
Уралсиб	0,375	0,500	0,375	0,875	0,375	0,500	0,250		0,375	0,125	0,125	0,375	0,125	0,375
Райффайзен-банк	0,125	0,500	0,375	0,625	0,625	0,250	0,500	0,625		0,125	0,375	0,375	0,500	0,250
ИНГ Банк (Евразия)	0,625	0,750	0,750	0,875	0,750	0,750	0,500	0,875	0,875		0,500	0,625	0,750	0,750
ВБРР	0,375	0,750	0,500	0,875	0,750	0,500	0,750	0,875	0,625	0,500		0,625	0,750	0,500
ФК Открытие	0,250	0,625	0,875	0,625	0,500	0,500	0,500	0,625	0,625	0,375	0,375		0,625	0,625
ВТБ 24	0,500	0,750	0,500	0,875	0,375	0,500	0,250	0,875	0,500	0,250	0,250	0,375		0,375
ВТБ	0,500	0,625	0,750	0,750	0,375	0,500	0,500	0,625	0,750	0,250	0,500	0,375	0,625

Таблица 3.5. Индексы согласия в методе ELECTRE Iv и с учетом сильного отношения предпочтения в методе ELECTRE II

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффайзен-банк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк	0	0	0,875	0	0	0	0	0,625	0,875	0	0,625	0,75	0	0
РСХБ	0	0	0	1	0	0	0	0	0	0	0	0	0	0
Альфа-банк	0	0	0	0,625	0	0	0	0,625	0,625	0	0	0	0	0
Банк Москвы	0	0	0	0	0	0	0	0	0	0	0	0	0	0
ГПБ	0	0,625	0,75	0,75	0	0	0	0,625	0	0	0	0	0,625	0,625
Ситибанк	0	0	0,75	0	0	0	0	0	0,75	0	0	0	0	0
ОРГБАНК	0	0,75	0,75	0,75	0	0	0	0,75	0	0	0	0	0,75	0
Уралсиб	0	0	0	0,875	0	0	0	0	0	0	0	0	0	0
Райффайзен-банк	0	0	0	0,625	0,625	0	0	0,625	0	0	0	0	0	0
ИНГ Банк (Евразия)	0,625	0,75	0,75	0,875	0,75	0,75	0	0,875	0,875	0	0	0,625	0,75	0,75
ВБРР	0	0,75	0	0,875	0,75	0	0,75	0,875	0,625	0	0	0,625	0,75	0
ФК Открытие	0	0,625	0,875	0,625	0	0	0	0,625	0,625	0	0	0	0,625	0,625
ВТБ 24	0	0,75	0	0,875	0	0	0	0,875	0	0	0	0	0	0
ВТБ	0	0,625	0,75	0,75	0	0	0	0,625	0,75	0	0	0	0,625	0

Таблица 3.6. Индексы согласия с учетом слабого отношения предпочтения в методе ELECTRE II

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффайзен-банк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк	0	0,5	0,875	0,5	0,5	0,5	0,5	0,625	0,875	0,375	0,625	0,75	0,5	0,5
РСХБ	0,5	0	0,5	1	0,375	0,5	0	0,5	0,5	0	0	0,375	0	0,375
Альфа-банк	0	0,5	0	0,625	0	0	0	0,625	0,625	0	0,5	0	0,5	0
Банк Москвы	0,5	0	0,375	0	0	0,5	0	0	0,375	0	0	0,375	0	0
ГПБ	0	0,625	0,75	0,75	0	0,5	0,5	0,625	0,375	0	0	0,5	0,625	0,625
Ситибанк	0,5	0,5	0,75	0,5	0,5	0	0,5	0,5	0,75	0	0,5	0,5	0,5	0,5
ОРГБАНК	0,5	0,75	0,75	0,75	0,5	0,375	0	0,75	0,5	0,5	0	0,5	0,75	0,5
Уралсиб	0,375	0,5	0,375	0,875	0,375	0,5	0	0	0,375	0	0	0,375	0	0,375
Райффайзен-банк	0	0,5	0,375	0,625	0,625	0	0,5	0,625	0	0	0,375	0,375	0,5	0
ИНГ Банк (Евразия)	0,625	0,75	0,75	0,875	0,75	0,75	0,5	0,875	0,875	0	0,5	0,625	0,75	0,75
ВБРР	0,375	0,75	0,5	0,875	0,75	0,5	0,75	0,875	0,625	0,5	0	0,625	0,75	0,5
ФК Открытие	0	0,625	0,875	0,625	0,5	0,5	0,5	0,625	0,625	0,375	0,375	0	0,625	0,625
ВТБ 24	0,5	0,75	0,5	0,875	0,375	0,5	0	0,875	0,5	0	0	0,375	0	0,375
ВТБ	0,5	0,625	0,75	0,75	0,375	0,5	0,5	0,625	0,75	0	0,5	0,375	0,625	0

Данные таблицы 3.6 свидетельствуют, что использование требований слабого отношения предпочтения в методе ELECTRE II позволяет проранжировать альтернативы, неразличимые в рамках сильного отношения предпочтения. Так, при сохранении тройки лидеров (1 - ИНГ Банк (Евразия), 2 - Банк «ВБРР», 3 - Банк «ФК «Открытие»), использование слабого отношения предпочтения позволяет осуществить выбор между ВТБ и ГПБ: поскольку ГПБ доминирует над 10 альтернативами, а ВТБ - над 12, ВТБ получает 4-е место в рейтинге, а ГПБ - 5-е. Выбор между Сбербанком и ОРГБАНКОМ решается в пользу Сбербанка, поскольку Сбербанк доминирует над 13 альтернативами, а ОРГБАНК - над 12. Соответственно, Сбербанк получает 6-е место в рейтинге, а ОРГБАНК - 7-е. Выбор между Альфа-банком, Райффазенбанком и ВТБ 24 в рамках слабого отношения предпочтения также определяется по количеству доминируемых альтернатив: ВТБ 24 доминирует над 10 альтернативами, Райффайзенбанк доминирует над 9 альтернативами, Альфа-банк - над 6 альтернативами. Соответственно, места в рейтинге распределяются следующим образом: ВТБ 24 - 8-е место, Райффайзенбанк - 9-е место, Альфа-банк - 10-е место. 11-е место достается Ситибанку, 12-е место в рейтинге по-прежнему делят Россельхозбанк и Банк Уралсиб (в рамках слабого отношения предпочтения оба банка доминируют над 9 альтернативами). Последнее 13-е место также, как и раньше, достается Банку Москвы.

Установление границ безразличия и предпочтения по каждому критерию в методе ELECTRE III позволяет провести более качественный анализ рассматриваемых альтернатив, при этом требуя проведения значительно большего объема расчетов по сравнению с двумя рассмотренными ранее методами: индексы согласия и несогласия с предпочтительностью каждого банка в данном методе рассчитываются по каждому критерию. Таблицы с расчетами используемых в методе ELECTRE III индексов согласия и несогласия с предпочтительностью банков по всем критериям приведены в приложении 1.

Результирующие расчеты используемого в методе ELECTRE III общего индекса согласия с предпочтительностью банка, аккумулирующего индексы согласия по всем критериям, приведены в таблице 3.7.

Результирующие расчеты используемого в методе ELECTRE III общего отношения нон-несогласия с предпочтительностью банка, приведены в таблице 3.8.

Расчеты общего отношения предпочтения для метода ELECTRE III, полученные перемножением соответствующих индекса согласия и отношения нон-несогласия, приведены в таблице 3.9.

С учетом заданной в методе ELECTRE III границы общего отношения предпочтения л=0,3 окончательные результаты, устанавливающие отношение предпочтения между банками, представлены в таблице 3.10.

На основании данных таблицы 3.10 можно сделать следующие выводы:

наилучшей альтернативой вложения средств в соответствии с методом ELECTRE III следует считать ИНГ Банк (Евразия) - 10 доминируемых альтернатив); 2-е место в рейтинге предпочтительности достается Банку «ФК «Открытие» - 9 доминируемых альтернатив; 3-е место в рейтинге делят Сбербанк, Банк «ВБРР», ВТБ и Ситибанк - у всех четырех банков имеется по 7 доминируемых альтернатив; 4-е место достается ГПБ - 6 домируемых альтернатив; 5-е место занимает Райффайзенбанк - 5 доминируемых альтернатив; 6-е место делят ОРГБАНК и ВТБ 24 - у обоих банков по 4 доминируемых альтернативы; 7-е место занимает Альфа-банк - 3 доминируемых альтернативы; 8-е место - Россельхозбанк - 2 доминируемые альтернативы; 9-е место - Банк Уралсиб - 1 доминируемая альтернатива; 10-е место занимает Банк Москвы, у которого нет доминируемых альтернатив.

Окончательные выводы могут быть сделаны путем повышения значения границы общего отношения предпочтения. При л=0,4 метод ELECTRE III позволяет сделать вывод о предпочтительности ВТБ 24 (4 доминируемых альтернативы) перед ОРГБАНКОМ (3 доминируемые альтернативы). При л=0,45 могут быть сделаны выводы о предпочтительности банков, которые ранее делили 3-е место: Банк «ВБРР» имеет 7 доминируемых альтернатив - 3-е место, Сбербанк доминирует над 6-ю альтернативами - 4-е место, ВТБ доминирует над 5-ю альтернативами и занимает 5-е место, Ситибанк доминирует над 4-мя альтернативами и, соответственно, занимает 6-е место. Окончательный рейтинг банков, полученный в результате применения метода ELECTRE III имеет следующий вид: 1 - ИНГ Банк (Евразия), 2 - Банк «ФК «Открытие», 3 - Банк «ВБРР», 4 - Сбербанк, 5 - ВТБ, 6 - Ситибанк, 7 - ГПБ, 8 - Райффайзенбанк, 9 - ВТБ 24, 10 - ОРГБАНК, 11 - Альфа-банк, 12 - Россельхозбанк, 13 - Банк Уралсиб, 14 - Банк Москвы. надежность банк вложение electre

Сравнение результатов применения методов ELECTRE Iv, ELECTRE II и ELECTRE III для установления отношения предпочтения между банками представлено в таблице 3.11.

Данные таблицы 3.11 свидетельствуют о том, что все рассмотренные методы позволили получить непротиворечивые результаты. При этом метод ELECTRE III оказался наиболее пригодным для построения рейтингов (ранжирования альтернатив).

Схожесть анализируемых банков вызвала определенные трудности при их ранжировании. В частности, в методе ELECTRE Iv не было установлено отношение предпочтения между ВТБ и ГПБ, между Сбербанком и ОРГБАНКОМ, Россельхозбанком и Газпромбанком, между Альфа-банком, Рйффайзенбанком и ВТБ 24, а также между Россельхозбанком и Банком Уралсиб. В методе ELECTRE II - между Россельхозбанком и Банком Уралсиб. В методе ELECTRE III отношение предпочтения между Сбербанком, Банком «ВБРР», ВТБ и Ситибанком, а также между ОРГБАНКОМ и ВТБ 24 было установлено при повышении границы общего отношения предпочтения по сравнению с первоначально рассматриваемым уровнем.

Таблица 3.7. Общий индекс согласия с предпочтительностью банков в методе ELECTRE III

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффайзен-банк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк		0,500	0,760	0,500	0,476	0,495	0,464	0,625	0,587	0,250	0,359	0,394	0,500	0,371
РСХБ	0,500		0,500	0,903	0,375	0,500	0,250	0,500	0,500	0,250	0,250	0,375	0,250	0,375
Альфа-банк	0,125	0,442		0,625	0,250	0,250	0,250	0,625	0,453	0,250	0,419	0,125	0,338	0,250
Банк Москвы	0,500	0,000	0,375		0,131	0,500	0,250	0,125	0,375	0,125	0,125	0,375	0,125	0,250
ГПБ	0,500	0,625	0,598	0,750		0,500	0,284	0,625	0,375	0,125	0,250	0,500	0,561	0,625
Ситибанк	0,339	0,500	0,542	0,500	0,500		0,500	0,500	0,533	0,250	0,394	0,399	0,500	0,313
ОРГБАНК	0,500	0,750	0,564	0,750	0,500	0,250		0,750	0,500	0,500	0,250	0,500	0,652	0,500
Уралсиб	0,375	0,280	0,375	0,875	0,375	0,375	0,125		0,375	0,125	0,125	0,375	0,125	0,375
Райффайзен-банк	0,125	0,500	0,375	0,625	0,504	0,199	0,446	0,573		0,125	0,167	0,172	0,500	0,250
ИНГ Банк (Евразия)	0,476	0,750	0,633	0,875	0,750	0,500	0,500	0,875	0,624		0,334	0,536	0,750	0,576
ВБРР	0,375	0,750	0,500	0,750	0,671	0,469	0,674	0,843	0,473	0,266		0,375	0,750	0,500
ФК Открытие	0,250	0,625	0,875	0,625	0,416	0,500	0,451	0,625	0,625	0,375	0,375		0,625	0,413
ВТБ 24	0,439	0,539	0,448	0,875	0,375	0,500	0,250	0,759	0,500	0,190	0,242	0,375		0,375
ВТБ	0,275	0,591	0,750	0,750	0,375	0,500	0,500	0,540	0,539	0,250	0,331	0,210	0,406



Таблица 3.8. Общее отношение нон-несогласия в методе ELECTRE III

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффайзен-банк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк		0,000	1,000	1,000	0,155	1,000	1,000	0,294	1,000	0,609	0,889	0,701	0,917	0,652
РСХБ	0,000		0,000	1,000	0,000	0,000	0,000	1,000	0,000	0,000	0,000	0,000	0,000	0,000
Альфа-банк	0,000	0,368		1,000	0,081	0,000	0,327	1,000	0,000	0,000	0,000	0,000	1,000	0,000
Банк Москвы	0,000	0,000	0,000		0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000
ГПБ	0,186	0,827	1,000	1,000		0,000	0,313	1,000	0,239	0,000	0,333	0,670	1,000	0,000
Ситибанк	1,000	0,000	1,000	1,000	0,000		1,000	0,199	1,000	0,754	0,897	0,550	0,896	0,438
ОРГБАНК	0,000	0,000	1,000	1,000	0,000	0,000		0,409	0,024	0,000	0,237	0,262	1,000	0,000
Уралсиб	0,000	0,000	0,000	1,000	0,000	0,000	0,000		0,000	0,000	0,000	0,000	0,000	0,000
Райффайзен-банк	0,563	0,677	1,000	1,000	0,069	0,113	0,414	1,000		0,576	0,643	0,457	1,000	0,631
ИНГ Банк (Евразия)	0,952	1,000	1,000	1,000	0,321	0,257	0,471	1,000	1,000		1,000	0,915	1,000	1,000
ВБРР	0,799	0,133	1,000	1,000	0,143	0,193	0,724	1,000	1,000	0,502		0,626	1,000	0,973
ФК Открытие	0,761	1,000	1,000	1,000	1,000	0,325	0,560	1,000	1,000	0,567	1,000		1,000	1,000
ВТБ 24	0,000	0,925	1,000	1,000	0,079	0,000	0,148	1,000	0,000	0,000	0,000	0,000		0,000
ВТБ	0,658	0,952	1,000	1,000	0,897	0,213	0,427	1,000	1,000	0,927	0,844	1,000	1,000



Таблица 3.9. Общее отношение предпочтения в методе ELECTRE III

	Сбер-банк	РСХБ	Альфа-банк	Банк Москвы	ГПБ	Сити-банк	ОРГБАНК	Уралсиб	Райффайзен-банк	ИНГ Банк (Евразия)	ВБРР	ФК Открытие	ВТБ 24	ВТБ
Сбербанк		0,000	0,760	0,500	0,074	0,495	0,464	0,184	0,587	0,152	0,319	0,276	0,459	0,242
РСХБ	0,000		0,000	0,903	0,000	0,000	0,000	0,500	0,000	0,000	0,000	0,000	0,000	0,000
Альфа-банк	0,000	0,163		0,625	0,020	0,000	0,082	0,625	0,000	0,000	0,000	0,000	0,338	0,000
Банк Москвы	0,000	0,000	0,000		0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000	0,000
ГПБ	0,093	0,517	0,598	0,750		0,000	0,089	0,625	0,089	0,000	0,083	0,335	0,561	0,000
Ситибанк	0,339	0,000	0,542	0,500	0,000		0,500	0,099	0,533	0,188	0,354	0,219	0,448	0,137
ОРГБАНК	0,000	0,000	0,564	0,750	0,000	0,000		0,307	0,012	0,000	0,059	0,131	0,652	0,000
Уралсиб	0,000	0,000	0,000	0,875	0,000	0,000	0,000		0,000	0,000	0,000	0,000	0,000	0,000
Райффайзен-банк	0,070	0,339	0,375	0,625	0,035	0,022	0,185	0,573		0,072	0,107...

Подобные документы

• Системный анализ методов принятия решений по выдаче кредита

  Повышение надежности метода оценки клиентов для снижения рисков при выдаче кредита путем определения ключевых параметров, влияющих на принятие решения. Использование банком скоринговых моделей на различных этапах оценки клиентов, алгоритм apriori.
  
  дипломная работа [2,4 M], добавлен 25.07.2015
  

• Обоснование решений на основе методов, моделей, алгоритмов и процедур экспертного и системного анализа

  Обоснование решений в конфликтных ситуациях. Теория игр и статистических решений. Оценка эффективности проекта по критерию ожидаемой среднегодовой прибыли. Определение результирующего ранжирования критериев оценки вариантов приобретения автомобиля.
  
  контрольная работа [99,9 K], добавлен 21.03.2014
  

• Использование математических методов и моделей в управлении микроэкономическими системами

  Изучение на практике современных методов управления и организации производства, совершенствование применения этих методов. Описание ориентированной сети, рассчет показателей сети для принятия управленческих решений. Проблема выбора и оценка поставщика.
  
  курсовая работа [137,6 K], добавлен 21.08.2010
  

• Обработка статистической информации при определении показателей надежности

  Теоретические основы первичной обработки статистической информации. Особенности определения минимального числа объектов наблюдения при оценке показателей надежности. Анализ вероятностной бумаги законов нормального распределения и распределения Вейбулла.
  
  курсовая работа [163,5 K], добавлен 22.03.2010
  

• ABC-XYZ анализы в управлении материальными запасами

  Проведение расчетов по АВС-XYZ анализу. Определение степени прогноза надежности потребления при высокой потребительской стоимости. Обоснование выбора склада для хранения товаров по критериям надежности. Составление гистограммы, оценка результатов.
  
  лабораторная работа [122,0 K], добавлен 17.06.2015
  

• Применение методов экономико-математического моделирования

  Экономико-математическое моделирование как метод научного познания, классификация его процессов. Экономико-математическое моделирование транспортировки нефти нефтяными компаниями на примере ОАО "Лукойл". Моделирование личного процесса принятия решений.
  
  курсовая работа [770,1 K], добавлен 06.12.2014
  

• Основы моделирования и принятия решений в технологических системах

  Решение математической двухпараметрической задачи оптимизации на основе методов линейного программирования. Выбор оптимальной профессии, для которой показатели безопасности будут минимальными или максимальными. Методика интегральной оценки условий труда.
  
  контрольная работа [256,1 K], добавлен 29.04.2013
  

• Применение экономико-математических методов в экономике

  Открытие и историческое развитие методов математического моделирования, их практическое применение в современной экономике. Использование экономико-математического моделирования на всей уровнях управления по мере внедрения информационных технологий.
  
  контрольная работа [22,4 K], добавлен 10.06.2009
  

• Использование математических методов для сравнительного анализа ипотечных кредитов

  Характеристика ипотечного кредитования на примере Брянской области. Обзор математических методов принятия решений: экспертных оценок, последовательных и парных сравнений, анализа иерархий. Разработка программы поиска оптимального ипотечного кредита.
  
  курсовая работа [1,7 M], добавлен 29.11.2012
  

• Классификация экономико-математических методов и моделей

  Теоретические основы экономико-математических методов. Этапы принятия решений. Классификация задач оптимизации. Задачи линейного, нелинейного, выпуклого, квадратичного, целочисленного, параметрического, динамического и стохастического программирования.
  
  курсовая работа [2,3 M], добавлен 07.05.2013
  

• Решение многокритериальных задач

  Использование методов исследования операций для обоснования оптимальных решений, принимаемых менеджером. Выполнение расчетов, необходимых для обоснования решений в управлении и повышения их эффективности с помощью компьютерных программ (например, Excel).
  
  курсовая работа [5,2 M], добавлен 22.06.2019
  

• Модели и методы принятия решений

  Оптимизация решений динамическими методами. Расчет оптимальных сроков начала строительства объектов. Принятие решений в условиях риска (определение математического ожидания) и неопределенности (оптимальная стратегия поведения завода, правило максимакса).
  
  контрольная работа [57,1 K], добавлен 04.10.2010
  

• Проведение выборочного наблюдения

  Освоение методики организации и проведения выборочного наблюдения; статистических методов и методов компьютерной обработки информации; методов оценки параметров генеральной совокупности на основе выборочных данных. Проверка статистических гипотез.
  
  лабораторная работа [258,1 K], добавлен 13.05.2010
  

• Обзор экономико-математических методов. Применение стохастического программирования для решения экономических задач

  Применение теории игр для обоснования и принятия решений в условиях неопределенности. Цель изучения систем массового обслуживания, их элементы и виды. Сетевые методы планирования работ и проектов. Задачи динамического и стохастического программирования.
  
  курсовая работа [82,0 K], добавлен 24.03.2012
  

• Модель надежности

  Теория надежности как самостоятельная наука. Понятия теории массового обслуживания. Процесс восстановления как частный случай случайного потока однородных событий. Стратегия управления и ее свойства. Надежность восстанавливаемого элемента и системы.
  
  курсовая работа [611,9 K], добавлен 25.06.2017
  

• Применение математических методов и моделей для оптимизации организации, специализирующейся на продаже мобильных устройств на операционной системе iOS

  Исследование самой совершенной операционной системы для мобильных устройств в мире. Особенности использования математических методов для улучшения работы организации и максимизации прибыли. Применение скоринга для оценки риска и анализа сотрудничества.
  
  курсовая работа [344,1 K], добавлен 04.12.2013
  

• Применение методов математической статистики при решении производственных задач

  Применение методов и формул математической статистики при выполнении расчета показателей эффективности производства, организации рабочего процесса, оценке перспектив и разработке планов развития определенных отраслей промышленности. Расчет добычи угля.
  
  контрольная работа [497,9 K], добавлен 05.11.2009
  

• Применение метода анализа данных - деревья решений

  Разработка и принятие правильного решения как задачи работы управленческого персонала организации. Деревья решений - один из методов автоматического анализа данных, преимущества их использования и область применения. Построение деревьев классификации.
  
  контрольная работа [91,6 K], добавлен 08.09.2011
  

• Применение теории случайных величин и методов статистического регулирования процессов в управлении качеством

  Роль статистических методов в объективной оценке количественных и качественных характеристик процесса управления. Использование инструментов качества при анализе процессов и параметров продукции. Дискретные случайные величины. Теория вероятности.
  
  курсовая работа [1,5 M], добавлен 11.01.2015
  

• Математические методы в принятии решений

  Принятие решений как особый процесс человеческой деятельности, направленный на выбор наилучшего варианта действий. Особенности применения математических методов в данном процессе. Принципы оптимизации в математике, их эффективность. Содержание теории игр.
  
  реферат [392,7 K], добавлен 20.03.2016
  

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам