Важно отметить, что при анализе стоимостного объема банковских вкладов физическими лицами в рублях по курсовой работе мы получили немного другую модель. Анализ был проведен с помощью метода главных компонент. Итоговая линейная регрессия имела следующий вид:

(3)

R2 = 0,871

Где Х2 - это главная компонента 1, которая включает в себя такие показатели как доля городского населения, число филиалов кредитных организаций, доля безработных и показатель инфляции в регионе. Х3 - это главная компонента 2, которая включает в себя индекс потребительских цен (в долях).

При увеличении главной компоненты один при неизменности компоненты 2, стоимостный объем банковских вкладов в рублях увеличивается на 0,917 рубля. А при увеличении на один процент такого фактора как индекс потребительских цен, объем банковских вкладов физическими лицами в рублях уменьшается на 0,176 рубля.

Интересно отметить, что при построении модели для оценивания объема банковских вкладов в рублях мы получили, что индекс потребительских цен и инфляция являются значимыми, в то время как на объем банковских вкладов в валюте они не имею сильного влияния. Обосновать это можно тем, что в целом вклады в валюте осуществляют довольно обеспеченные в финансовом плане индивиды, а следовательно, малейшие колебания в индексе потребительских цен их особо не коснутся. Уровень инфляции, как мы видим, тоже не имеет непосредственного влияния на стоимостный объем банковских вкладов в валюте, так как от инфляции в целом зависят цены непосредственно на территории государства, при этом валютный курс может оставаться неизменным, или же, наоборот, повышаться, что, опять же, достаточно выгодно для совершения вкладов в валюте.

Теперь, предлагаем построить регрессию, разделив регионы на кластеры по уровню объема банковских вкладов в валюте. При проведении кластерного анализа в пакете SPSS мы получили 3 кластера (рисунок 9). Первый кластер включает в себя 56,25% наблюдений, а именно 45, включает в себя регионы с средним объемом банковских вкладов в валюте физическими лицами. Второй кластер включает в себя 13,75% или же 11 наблюдений, включает в себя регионы с низким стоимостным объемом банковских вкладов в валюте физическими лицами. Третий кластер включает 30% наблюдений или 24 наблюдения из 80, включает в себя наблюдения по регионам с высокими стоимостным объемом банковских вкладов в валюте физическими лицами.

Рисунок 9 Число наблюдений в каждом кластере

Для 1-го кластера со средним показателями объема банковских вкладов в валюте получаем следующую модель (приложение 12):

(4)

(0,744) (0,008) (0,135)

Факторы Х7 - количество кредитный организаций и филиалов на 1000 человек и Х9 - уровень безработицы были исключены из-за незначимости. Остатки распределены нормально. Мультиколлинераность отсутствует. Модель значима так как Fнабл > Fкритич (11,797 > 3,23) (Приложение 14).

Для 2-го кластера с низкими показателями стоимостного объема банковских вкладов все коэффициенты оказались незначимы. Что может быть обосновано тем, что в регионах данного кластера в принципе плохо развита банковская система в отношении вкладов физических лиц.

Для 3-го кластера с высоким показателем стоимостного объема банковских вкладов в валюте физическими лицами была получена следующая модель:

(5)

(0,541) (0,154)

Факторы Х33, Х5 и Х9 были исключены из-за незначимости. Остатки распределены нормально. Мультиколлинераность отсутствует. Модель значима так как Fнабл > Fкритич (10,343 > 4,32) (Приложение 15,16,17). Однако, модель описывает выборку на достаточно низком уровне, охватывает только 30 процентов.

Таким образом, можно прийти к выводу, что модели, построенные по кластерам, а не по общей совокупности плохо описывают объем банковских вкладов в зависимости от социально-экономических показателей. Удалось получить результаты только по модели которая строилась по 1-ому кластеру, который включал в себя средний объем вкладов. Было выявлено влияние удельного веса городского населения и количества выпускников высшего образования. И тот и тот фактор имеют положительное влияние на стоимостный объем банковских вкладов: при увеличении удельного веса городского населения объем банковских вкладов в валюте увеличивается на 0,034 рубля; при увеличение числа выпускников высшего образования объем банковских вкладов в валюте физическими лицами увеличивается на 0,579 рубля. Выводы из данной модели по 1-ому кластеру не противоречат выводам из общей регрессионной модели по всем регионам.



3. Анализ динамики банковских вкладов

3.1 Анализ динамики банковских вкладов

В данной главе описывается статистический анализ, который был проведен над основным показателем данной работы - стоимостным объемом банковских вкладов в валюте физическими лицами. Для данного анализа были взяты ежемесячные данные за период с января 2011 года по март 2017 года, всего 75 наблюдений. Данные были взяты с сайта ЦБ РФ.

Для начала давайте проанализируем график временного ряда вкладов физических лиц в валюте, который представлен на рисунке 10.

Рисунок 10 Динамика стоимостного объема валютных вкладов в рублях за период 01.2011-03.2017 гг.

При графическом анализе динамики вкладов в валюте можно предположить, что есть наличие восходящего тренда и сезонности. Так как в основном в начале каждого года происходит увеличение стоимостного объема банковских вкладов, но, однако, наиболее сильные скачки наблюдаются после кризиса 2014 года.

Исходя из графика временного ряда, мы можем разделить наши данные на два периода. Первый период (начало 2011 - сентябрь 2014 гг.) данный период описывает посткризисную ситуацию экономики. В дальнейшем в течении этого периода, начиная с 2012 года происходит реабилитация экономики после кризиса 2008 года. Мы видим, что постепенно вклады начинают увеличиваться и стабилизироваться.

В качестве второго периода можно выделить время с октября 2014 по март 2017. Данный период описывает влияние кризиса 2014 года. В данном случае мы наблюдаем сильные скачки в показателях. Однако в 2014 году, стоимостный объем банковских вкладов в валюте начинает сильно увеличиваться и сохраняет довольно высокие позиции. В начале 2015 года уже достигает значений 19 197 124 рублей, за полгода произошло увеличение на 8 858 154 рублей, что является довольно сильным скачком. Это может быть обосновано тем, что в периоды кризиса курс валюты принимает достаточно высокие значения, что делает вклады в валюте более выгодными чем в рублях.

Так как ранее мы предположили, что наш временной ряд обладает трендом и сезонностью, необходимо проверить данную гипотезу. Обратимся к автокорреляционной функции временного ряда, которая представлена на рисунке 11.



Рисунок 11 Функции автокорреляции и частной автокорреляции временного ряда стоимостного объема банковских вкладов в валюте физическими лицами (в рублях)

Мы наблюдаем, что значения автокорреляционной функции выходят за доверительный интервал, что свидетельствует о возможности наличия тренда в исследуемых данных.

В ходе анализа динамики показателя стоимостного объема банковских вкладов физическими лицами в валюте были построены спрогнозированные оценки для трех последующих месяцев. Точечные прогнозы были посчитаны на основе среднего абсолютного прироста и среднего темпа роста по эмпирическим данным. Расчет данных показателей был произведен цепным методом, так как показатели, рассчитанные базисным методом, полностью повторяют динамику переменной. Соответственно, показатели, рассчитанные цепным методом, являются более стабильными и пригодными для анализа Результаты представлены в таблице 3.



Таблица 3

Результаты точечного прогноза стоимостного объема банковских вкладов физическими лицами в валюте на основе среднего абсолютного прироста и среднего темпа роста

	Абсолютный прирост	Темп роста
Средний по эмпирическим данным	188 064	1,041044715
Прогноз апрель 2017	16 000 666	16 461 625,75
Прогноз май 2017	16 188 730	17 137 288,49
Прогноз июнь 2016	16 376 794	17 840 683,61

Как мы видим из таблицы 3 показатели абсолютного прироста и темпа рост свидетельствуют о тенденции общего стоимостного объема банковских вкладов физическими лицами к увеличению.

Так же, проверим наши данные на наличие структурных сдвигов. Тест Чоу (приложение 18) показал, что структурные сдвиги существуют (Fстат174,2972 >Fкритич10,8271) поэтому разделим нашу выборку на две подвыборки.

Проведенные тесты показали, что в динамики стоимостного объема банковских вкладов физическими лицами в валюте присутствует тренд. Следовательно, зависимость стоимостного объема вкладов в валюте может быть смоделирована в зависимости от времени. Но перед построением модели необходимо проверить наш временной ряд на наличие сезонности, так как сезонность может искажать прогнозируемые значения.

С целью проверки стоимостного объема банковских вкладов за выбранный период времени на наличие сезонности был построен график распределения объема вкладов по месяцам. График представлен на рисунке 12.



Рисунок 12 Распределения стоимостного объема банковских вкладов физическими лицами в валюте по месяцам

Так же были посчитаны коэффициенты сезонности для каждого месяца, что представлено в таблице 4.

Вывод об отсутствии сезонности делается в случае, когда коэффициент сезонности для каждого месяца не отличается от 100%, или отличается незначительно. При анализе рисунка 12 можно сделать вывод, что в наших данных сезонность наблюдается в январе, так как именно в этом месяце происходит уменьшение стоимостного объема банковских вкладов. Более того, результаты подсчета индексов сезонности для каждого месяца так же показали, что индекс сезонности в январе наиболее отличается от единичного значения. Из чего можно сделать вывод о наличие сезонности в данной выборке.

Таблица 4

Значения индексов сезонности для каждого из месяцев за период 2011- 2016 гг.

Месяц	Индекс сезонности
январь	0,890619324
февраль	1,049382068
март	1,025264255
апрель	0,984306587
май	0,949511372
июнь	0,960366498
июль	0,960866832
август	0,984244785
сентябрь	1,021104435
октябрь	1,033307756
ноябрь	1,050538137
декабрь	1,090487951

При выделении тренда использовали скользящую среднюю по 12 точкам. Полученный тренд представлен на рисунке 14. Можем сделать вывод о том, что зависимость стоимостного объема банковских вкладов физическими лицами в валюте от времени может быть оценена с помощью полиноминальной модели 2-го порядка (Приложение 18).

Рисунок 14 Выделения тренда общего уровня стоимостного объема вкладов за период 2011 - 2016гг при помощи метода скользящей средней

При построении полиномиальной модели 2-го порядка для всей выборки были получены следующие результаты:

y = 14,1864 - 0,0745 t + 0,0005 t2 (6)

(102,3) (11,9) (-8,047)

где t порядковый номер временного периода.

R2 в данной модели равен 0,9282 что означает, что 92 процента вариации общего уровня стоимостного объема банковских вкладов может быть объяснен в рамках рассматриваемой модели. Так же как мы можем видеть, что все коэффициенты в модели значимы. F-статистика показывает, что гипотеза о незначимости рассматриваемого уравнения регрессии отклоняется, (Fфактич.=148,0062 > Fкритич. = 3,13) следовательно, есть возможность практического применения модели в силу ее значимости.

Рисунок 15 График наблюдаемых и расчетных значений общего уровня стоимостного объема вкладов за период 2011-2016 гг.

3.2. Анализ общего уровня стоимостного объема вкладов физическими лицами в валюте за период январь 2011- март 2017гг.

Анализ общего уровня стоимостного объема вкладов физическими лицами в валюте за период январь 2011-сентябрь 2014

Для выделения тренда по выборке 2011 - сентябрь 2014 года была так же использована скользящая средняя по 12 точкам. Выделенный тренд, дает основания полагать, что зависимость общего уровня стоимостного объема банковских вкладов физическими лицами в валюте от времени в период 2009-2014гг может быть оценена в рамках полиномиальной модели второго порядка, что и было сделано.

Рисунок 16 Выделение тренда общего уровня стоимостного объема банковских вкладов в валюте за период январь, 2011 - сентябрь 2014гг с помощью метода скользящей средней

В результате получаем следующую модель: (приложение 20)

y = 13,9789 - 0,10545 t - 0,001298 t2 (7)

(84,45) (7,76) (-4,868)

где t порядковый номер временного периода.

В условиях нашей модели может быть объяснено 89% выборки, так как = 0,89092. Все коэффициенты в модели оказались значимы. Проверка модели на значимость с помощью F-статистики так же показала, что модель значима, так как Fнабл. > Fкритич. (84,50994 > 3,23) на уровне 0,05. Следовательно, модель так же может применяться на практике.



Рисунок 17 График наблюдаемых и расчетных значений общего уровня стоимостного объема банковских вкладов январь,2011 - сентябрь, 2014 гг.

Анализ общего уровня стоимостного объема вкладов физическими лицами в валюте за период октябрь 2014 - март 2017

При выделении тренда была использована скользящая средняя по 12 точкам. Тренд, который мы можем наблюдать, дает основания предположить, что возможно проследить зависимость стоимостного объема банковских вкладов физическими лицами в валюте от времени в период октябрь 2014 - декабрь 2016. Зависимость была рассмотрена в рамках полиномиальной модели 2-го порядка.

Рис. 18 Выделение тренда общего объема банковских вкладов за период октябрь 2014- декабрь 2016гг с помощью метода скользящей средней

В результате построения полиномиальной модели были получены следующие результаты (приложение 20):

y = 16,2662 + 0,05609 t - 0,00159 t2 (8)

(216,6) (5,578) (-4,996)

где t порядковый номер временного периода.

В рассматриваемой модели = 0,67102, что говорит о том, что только 67% вариации стоимостного объема банковских вкладов физическими лицами в валюте может быть объяснено с помощью данной модели. Однако все коэффициенты в модели были оценены как значимые. Так же показатели F-статистики указали на значимость модели, так как Fнабл.>Fкритич. (16,68132 > 3,4). Получается, мы можем сделать вывод, что рассмотренная модель имеет место применяться на практике.

Рисунок 19 График наблюдаемых и расчетных значений общего уровня стоимостного объема банковских вкладов октябрь 2011 - декабрь 2016гг.

Адекватность моделей для двух рассматриваемых периодов (январь 2011 - сентябрь 2014 и октябрь 2014 - декабрь 2016) была проверена с помощью проверки остатков моделей на нормальность и независимость.

Нормальность остатков проверялась при помощи теста Жака-Бера. Независимость остатков - по критерию Дарбина-Уотсона. Случайность остатков - по критерию Льюинга Бокса. Результаты проверки гипотез представлены в таблице 5.

Таблица 5

Результаты проверки гипотез о нормальности и независимости остатков полиномиальных моделей 2го порядка для общей выборки и подвыборок

Нормальность	Независимость
2011-2016
JB	0,196369	DW	0,392908
ч2крит	5.99146	dL	1,57
		dU	1,68
JB < ч2крит>H0 не отвергается, распределение принадлежит нормальному закону распределения	DW < dL>H0 отвергается. Остатки модели автокоррелированы
2011-2014
JB	1,66788	DW	0,500192
ч2крит	5.99146	dL	1,43
		dU	1,62
JB < ч2крит>H0 не отвергается, распределение принадлежит нормальному закону распределения	DW < dL>H0 отвергается. Остатки модели автокоррелированы
2014-2016
JB	4,18991	DW	0,724099
ч2крит	5.99146	dL	1,24
		dU	1,56
JB < ч2крит>H0 не отвергается, распределение принадлежит нормальному закону распределения	DW < dL>H0 отвергается. Остатки модели автокоррелированы

В целом модель нельзя назвать адекватными, так как тесты показали, что остатки коррелируемы. Но, так как остатки модели достаточно малы по своим абсолютным значениям, мы можем позволить построить интервальный прогноз. Выявление попадания реальных данных в интервал, который будет спрогнозирован, сможет показать, как кризисы повлияли на наши данные. С помощью этого мы сможем определить степень влияния кризиса на экономическую ситуацию в стране, имеет ли он долгосрочный эффект или в данном случае мы сталкиваемся с краткосрочным шоком, которые не влияет в сильной мере на экономическую ситуацию.

Так как мы наблюдаем не полную адекватность используемой модели. Предлагается рассмотреть тот же временной ряд используя интегрированную модель авторегрессии (ARIMA). При проверки результатов временного ряда на стационарность получаем, что данный ВР является стационарным первого порядка. (d=1). Тест Дики-Фуллера, KPSS-тест и подтверждают вышесказанное (приложение 21,22).

Возвращаясь к рисунку 11 и рассмотрев функцию ACF понимаем, что она затухает, уходя в ноль после 2ого лага. В нашем случае q=2, значит в дальнейшем при построении модели будем подбирать лаг до 2го порядка.

График PACF при этом уходит в ноль после лага p. Судя по графику значим только первый лаг, а согласно значениям автокорреляционной функции значимы первые два лага, следовательно р=1. И мы получили модель ARIMA (1,d,2). В нашем случае (1,1,2), так как для стационарности ряда была взята разность.

При построении модели ARIMA (1,1,2) были получены следующие результаты (приложение 23):

(9)

(0,0158) (0,681) (0,684) (0,684)

По коррелограмме остатков (приложение 24) очевидно, что значения автокорреляционной функции ACF и ее частного случая PACF не выходят за границу доверительного интервала, поэтому ВР обладает свойствами белого шума (т.е. стационарностью и случайностью), а автокорреляция незначима (т.е. есть белый шум). Еще раз убедились, что ВР стационарен.

Воспользуемся тестом Льюинга-Бокса для проверки на наличие трендовой составляющей, т.е. для проверки модели на адекватность. Гипотеза Н0 Льюинга-Бокса гласит, что остатки являются случайными (белым шумом), иными словами, что автокорреляции незначимы. В данном случае, р-значение = P(Хи-квадрат(8) > 1,25312) = 0,9961 > 0,1 => автокорреляции нет, т.е. модель адекватна.

Более того, при построении прогнозируемых значений для нашей модели, что представлено на рисунке 20, мы наблюдаем, что линия прогнозируемых значений достаточно хорошо описываем исходный временной ряж.

Рисунок 20 Расчетные и прогнозируемые значения при построении модели ARIMA для временного ряда статистического объема банковских вкладов физическими лицами в валюте за период 2011-2017 гг.



3.3 Прогноз и качественная характеристика общего уровня стоимостного объема банковских вкладов физическими лицами в валюте за период 2011 - март 2017 гг.

На основе составленных моделей были спрогнозированы значения для трех месяцев 2017 года, а именно январь, февраль, март. Спрогнозированные значения были сравнены с реальными значениями стоимостного объема банковских вкладов физическими лицами за данные три месяца, которые были взяты с сайты ЦБ РФ.

Интервальные прогнозы были построены на основе полиномиальной модели (октябрь 2014 - 2016гг.) и модели ARIMA (2011 - 2016гг.) Так же посчитаны значения точечного прогноза на основе рассчитанных ранее темпов роста для стоимостного объема банковских вкладов физическими лицами в валюте. Результаты представлены в таблице 6.

Таблица 6

Точечные и интервальные прогнозы стоимостного объема банковских вкладов физическими лицами в валюте, реальные значения стоимостного объема вкладов за январь, февраль, март 2017 года

	Реальные значения	ARIMA	ARIMA (Интервал)	Полиномиальная модель	Полиномиальная модель (Интервал)	Точечный прогноз
янв.17	16,5 876	16,7 039	16,448 - 16,959	16,209061	15,736 - 16,681	16,588
фев.17	16,6 218	16,744736	16,377- 17,112	16,088919	15,604 - 16,574	16,599
мар.17	16,5 763	16,761854	16,307 - 17,216	15,959528	15,461 - 16,458	16,611

Отметим, что интервальные значения, спрогнозированные при помощи модели ARIMA более точно описывают реальные значения стоимостного объема, так как все реальные значения за 3 месяца попадают в спрогнозированный интервал с помощью модели. А точные оценки при моделировании с помощью модели ARIMA наиболее близки к реальным показателям. Однако, при прогнозировании с использованием полиноминальной модели реальные значения входят в доверительный интервал только для января и февраля 2017 года. То, что реальны и прогнозные значения в контексте полиномиальной модели не соответствуют, друг другу в марте 2017 может быть обусловлено следующими факторами:

- Кризисными явлениями в экономике страны, так как вполне вероятна возможность изменения курса валюты. Так же, важно учесть, что в конце декабря - начале января идут государственные праздники. Как правило люди вкладывают деньги до, так как происходят затраты на праздники, что характеризует сезонность в данной выборке и уменьшение стоимостного объема банковских вкладов физическими лицами в валюте. В то время как в феврале и марте у нас снова наблюдается увеличение стоимостного объема банковских вкладов.

- Модели, подобранные для описания динамики стоимостного объема банковских вкладов позволили определить зависимость объема банковских вкладов физическими лицами в валюте от прошлых значений временного ряда. Но, стоит отметить, что выявленная зависимость в рамках полиномиальной модели не рассматривается, вследствие чего, приводит к искажению оценок.

При проведении анализа стоимостного объема банковских вкладов за период январь 2011- март 2017гг. была выявлена зависимость стоимостного объема банковских вкладов физическими лицами в валюте от времени. Более того, были получены результаты о наличие зависимости стоимостного объема банковских вкладов от собственных предыдущих значений. Полиномиальная модель второго порядка и интегрированная модель авторегрессии (ARIMA) достаточно точно описывают связь стоимостного объема банковских вкладов от времени, которая была рассмотрена в данной работе. Однако стоит заметить, что, если модель интегрированная модель авторегрессии (ARIMA) является адекватной, то полиномиальная модель второго порядка таким свойством не обладает. Вероятно, причиной неприемлимости данной модели для построения точных оценок является то, что помимо времени и собственных значений на динамику стоимостного объема банковских вкладов могут влиять различные шоки: например, экономические кризисы, которые непосредственно влекут за собой изменение курса валюты.



Заключение

Данная работа проводилась с целью проанализировать структуру и динамику стоимостного объема банковских вкладов физическими лицами в валюте на территории Российской Федерации. Анализ проводился при помощи исследования влияния экономико-социальных показателей на уровень стоимостного объема банковских вкладов как в целом по России, так и по регионам. Так же, был проведении анализ непосредственно самой динамики уровня стоимостного объема банковских вкладов за период январь 2011 - март 2017 гг.

В ходе работы было обнаружено, что модели, которые были построены по регионам, разделенным на кластеры, хуже описывают зависимость стоимостного объема банковских вкладов физическими лицами в валюте и социально-экономических показателей. Причиной тому может быть, что в кластерах с высокой и низкой долей стоимостного объема вкладов на данный момент социально-экономические показатели не имеют сильного влияния, а действия по вложению денег происходят в зависимости от шоков (повышение/понижение курса валюты). Так как по кластеру со средним стоимостным объемом банковских вкладов результаты были получены, и модель была признана адекватной. Так же была выявлена адекватная модель с зависимостью объема банковских вкладов и экономико-статистических показателей в целом по России. Согласно которой, на стоимостный объем банковских вкладов физическими лицами в валюте имеют влияние такие социально-экономические факторы, как: число выпустившихся специалистов высшего образования, количество действующих кредитных организаций и филиалов, удельный вес городского населения и уровень безработицы.

Важно отметить, что выводы из модели, посчитанной для кластера регионов со средним стоимостным объемом банковских вкладов, не противоречат выводам, которые были получены в общем уравнении регрессии для России в целом. Таким образом, были получены следующие выводы из моделей:

· при увеличении удельного веса городского населения объем банковских вкладов в валюте увеличивается на 0,034 рубля (модель для кластера регионов с средним стоимостным объемом банковских вкладов)

· при увеличение числа выпускников высшего образования объем банковских вкладов в валюте физическими лицами увеличивается на 0,579 рубля (модель для кластера регионов с средним стоимостным объемом банковских вкладов)

· увеличение числа выпустившихся специалистов высшего образования (X5) при фиксированном значении остальных факторов приводит к увеличению объема банковских вкладов физических лиц в валюте в среднем на 0,972 рубля (общее уравнение регрессии для Российской Федерации)

· при росте на один процентный пункт общего количества действующих банковских организаций и филиалов на 1000 человек (Х7), объем банковских вкладов увеличивается на 0,009 рубля при условии, что остальные факторы остаются неизменными (общее уравнение регрессии для Российской Федерации)

· при увеличении на один процентный пункт удельного веса городского населения (Х3), стоимостный объем банковских вкладов в валюте увеличивается на 0,045 рубля при условии, что остальные факторы неизменны (общее уравнение регрессии для Российской Федерации)

· при росте уровня безработицы (Х9), объем банковских вкладов физическими лицами в валюте увеличивается на 0,014 рубля при неизменности остальных факторов (общее уравнение регрессии для Российской Федерации)

Однако стоит заметить, что одни и те же факторы при общем случае и при частном показатели имеют разное влияние. Так, например, доля городского населения и число выпустившихся специалистов высшего образования имеет большее влияние не стоимостный объем банковских вкладов при использовании общей модели для всей выборки.

Стоимостный объем вкладов с 2011 года по 2017 год увеличился в 8,3 раза, что говорит о положительной динамике. В то время как, увеличение банковских вкладов физическими лицами в рублях за период 2011 - март 2017 произошло только в 1,77 раз. В случае с рублевыми вкладами мы наблюдаем достаточно спокойную возрастающую тенденцию. А валютные вклады более сильно подвержены шокам и требуют больших знаний для правильного вложения средств. Более того, если вклады в рублях, относительно равномерно распределены по территории РФ, то с вкладами в валюте наблюдается абсолютно противоположная ситуация. Максимальный стоимостный объем банковских вкладов в валюте наблюдается в Центральном федеральном округе, только стоимостный объем вкладов в валюте превышает стоимостный объем банковских вкладов в рублях. В остальных же регионах России наблюдаются достаточно низкие показатели стоимостного объема банковских вкладов.

Говоря о соотношении долей вкладчиков (физических и юридических лиц) в стоимостном объеме общего количества вкладов в рублях наблюдается следующее: стоимостная доля вкладов от общего объема, сделанная юридическими лицами в спокойные от шоков временные периоды в целом превалирует над долей стоимостного объема банковских вкладов, сделанных физическими лицами, в среднем на 35-40%. В условиях кризиса 2007-2010гг. мы наблюдаем противоположную ситуацию: доля объема банковских вкладов физическими лицами в валюте больше доли стоимостного объема банковских вкладов юридическими лицами порядка на 35-60%. Что может быть обосновано высокими уровнем банкротства предприятий, начиная с 2007 года.

Валютные вклады касательно данные показателей достаточно стабильны. Доли объема вкладов физическими и юридическими лицами почти одинаковы, стоимостный объем вкладов иногда превалирует на 10-30%. Однако в некоторые моменты времени наблюдаются более высокие показатели стоимостного объема в валюте физическими лицами. Они в свою очередь превышают вклады юридических лиц примерно на такое же процентное соотношение (10--30%).

Если рассматривать ситуацию по регионам, то везде кроме ЦФО и показателей 2016 года Дальневосточного федерального доля вкладов юридическими лицами больше доли вкладов физическими лицами от общего стоимостного объема вкладов в регионе.

Интересно отметить, что, несмотря на то, что все показатели демонстрируют динамику вкладов, как в валюте, так и в рублях, как физическими, так и юридическими лицами, количество действующих кредитных организаций и филиалов значительно уменьшилось по сравнению с 2006 годом. Количество организаций имеющих лицензию на привлечение средств сократилось в 2,25 раза. Можно сделать вывод о том, что данная банковская сфера стала более надежной, вследствие чего, у физических и юридических лиц повышается уровень доверия к вложению средств.

При проведении анализ динамики общего уровня стоимостного объема вкладов физическими лицами в валюте было выявлено, что стоимостный объем вкладов в валюте может быть описан при помощи полиномиальной модели 2-го порядка, а так же с помощью модели ARIMA (1,1,2). Однако при построение полиномиальной модели 2-го порядка было рассмотрено два периода в связи с структурными сдвигами в исходных данных. Именно по результатам после кризисного периода октябрь 2014 - декабрь 2016 балы оценена общая зависимость стоимостного объема банковских вкладов физическими лицами в валюте от периода времени. При прогнозировании результатов с помощью интегрированной модели авторегресии (ARIMA (1,1,2)) был взят полный временной промежуток 2011 - 2016 гг.

В соответствии с построенными моделями, стоимостный объем банковских вкладов физическими лицами в валюте будет увеличиваться с возрастающим темпом в последующих временных периодах. Данные так же были спрогнозированы для первых трех месяцев 2017 года (январь, февраль, март). Но, важно отметить, что из-за шоков и кризисных явлений возможно временное снижение показателей, но затем их обратное повышение и возвращение к тенденции увеличения.

При построении предсказанных значений с помощью полиномиальной модели 2-го порядка и модели ARIMA (1,1,2) было обнаружено, что реальные значения стоимостного объема вкладов для января, февраля и марта 2017 года не выходят за доверительный интервал, полученный при помощи интегрированной модели авторегрессии. В то время как, реальные значения стоимостного объема банковских вкладов в валюте для марта месяца 2017 года выходят за доверительный интервал, предложенный полиномиальной моделью 2-го порядка. В данном случае может быть сделан вывод о наличие нового структурного сдвига, и происходит подстраивание объема банковских вкладов к изменениям в экономике.

В заключение, можно подчеркнуть, что банковская сфера, а особенно политика вкладов именно в иностранной валюте претерпела период адаптации к новым условиям рынка. В целом можно сказать, что стоимостный объем банковских вкладов физическими лицами в валюте выступает отражением экономической ситуации в стране. Относительная стабильность стоимостного объема банковских вкладов физическими лицами в валюте и динамика их увеличения свидетельствует об отсутствии каких-либо крупных изменений.

Банковский сектор, а в нашем случае именно депозитные системы банковских вкладов, находится в относительной стабильности. Которая периодически может прерываться кризисными явлениями, которые свойственны экономической сфере.



Список литературы

1. Галимова А.Ш., Изосимова И.Ю., Кухжахмедова М.С. Сберегательное поведения как важный фактор экономического развития России // Интернет журнал науковедение, выпуск 6(25) 2014 ноябрь-декабрь. URL: http://naukovedenie.ru/PDF/161EVN614.pdf (Дата обращения: 02.03.2017).

2. Дубова Т. Статистические методы прогнозирования в экономике, М, Московский международный институт эконометрики, информатики, финансов и права, 2003. с. 50.

3. Ефимова М., Рычкова С. Практикум по социальной статистике, Москва., Финансы и статистика, 2005.

4. Заварина Е., Чобану К. Основы региональной статистики: Учебник для студ. вузов, обуч. по спец "Статистика" и другим экон.спец.-М.: Финансы и статистика, 2006.

5. Зарова Е., Проскурина Н. Теоретические основы региональной статистики; Самара: Издательство Самар.Гос.Экон.Академия, 2004.

6. Потребительское поведение через призму доверия и ответственности. Исследование Левада-Центра по заказу ЦМИ Сбербанка [Электронный ресурс] // Сбербанк. Центр макроэкономических исследований. Февраль 2013. URL: http://gtmarket.ru/news/2013/02/07/5390 (Дата обращения: 02.03.4017).

7. Канторович Г. Лекционные и методические материалы: Анализ временных рядов, Экономический Журнал ВШЭ,-М.: №1,2002, с. 85-214.

8. Кашин Ю. О мониторинге сберегательного процесса // Вопросы экономики, 2008. № 6. С. 54.

9. Турбанов А.В. Российская банковская система на современном этапе. Москва, 2011.

10. Головань С. В. Факторы, влияющие на эффективность российских банков //Прикладная эконометрика. 2006. №. 2.

11. Федоткина О.П., Тарадаева О.В.. Мультибанковские вклады в развитие национальной системы страхования банковских вкладов // Вестник ОГУ №8 (127) - август 2011.

12. Краткосрочные экономические показатели Российской Федерации (на русском и английском языках), Электронное издание.

13. Социально-экономическое положение Федеральных округов, Ежемесячное издание Росстата.

14. Статистический сборник Регионы России. Социально-экономические

15. Альбом форм Федерального статистического наблюдения [http://www.gks.ru/form/index.html].

16. Объяснительный словарь статистических терминов [http://kirovstat.gks.ru/wps/wcm/connect/rosstat_ts].

17. Geetha, N., & Ramesh, D. M. (2011, November). A Study on People's Preferences in Investment Behaviour. International Journal of Engineering and Management Research (IJEMR), 1(6).

18. Jain, D. D., & Mandot, M. N. (2012, April). Impact of Demographic Factors on Investment Decision of Investors in Rajasthan. Journal of Arts, Science & Commerce, III (2(3)), 81 - 92.

19. Samudra, D. A., & Burghate, D. M. (2012, May). A study on Investment Behaviour of Middle Class Households in Nagpur. International Journal of Social Science & Interdisciplinary Research, 1(5), 43 - 54.

20. .Lewellen, W. G., Lease, R. C., & Schlarbaum, G. G. (1977). Patterns of Investment Strategy and Behaviour among Individual Investors. The Journal of Business, 50(3), 296 - 333.

21. «The Determinants of Private Saving in India», Prema-chandra Athukorala, Kunal Sen; 2001.

22. «Lebanon--Determinants of Commercial Bank Deposits in a Regional Financial Center», Harald Finger and Heiko Hesse; 2009.

23. «The Impact of Interest Rate on Bank Deposit: Evidence from the Nigerian Banking Sector», Paul Ojeaga, Omosefe Odejimi, 2014..

24. Сайт Росстата [http://www.gks.ru]

25. Сайт Центрального банка Российской федерации [https://www.cbr.ru].



Приложения

Приложение 1

Ящичковая диаграмма зависимой переменной Y - стоимостный объем банковских вкладов физическими лицами в валюте (в рублях) за 2015 год



Приложение 2

График нормального распределения зависимой переменной Y после взятия логарифма



Приложение 3

Проверка зависимой и объясняющих переменных на условия нормального распределения.

Одновыборочный критерий Колмогорова-Смирнова

	Y_	Х3	X4	X5_	X6	X7	X9
N	80	80	80	80	80	79	79
Нормальные параметрыa,b	Среднее	9,0155	69,0500	10,1428	2,0933	10,6645	-4,4124	,3009
	Стд. отклонение	1,46116	12,69301	,27065	1,05960	,35208	,89869	,58628
Разности экстремумов	Модуль	,084	,099	,123	,088	,089	,140	,112
	Положительные	,049	,080	,123	,053	,089	,140	,112
	Отрицательные	-,084	-,099	-,094	-,088	-,079	-,061	-,103
Статистика Z Колмогорова-Смирнова	,749	,889	1,097	,790	,793	1,244	,996
Асимпт. знч. (двухсторонняя)	,630	,409	,180	,561	,556	,090	,275



Приложение 4

Дескриптивные статистики для зависимой и влияющих переменных

Описательные статистики

	N	Минимум	Максимум	Среднее	Стд. отклонение
	Статистика	Статистика	Статистика	Статистика	Стд. ошибка	Статистика
Y_	80	5,45	11,89	9,0155	,16336	1,46116
Х3	80	29,20	95,50	69,0500	1,41912	12,69301
X4	80	9,56	11,03	10,1428	,03026	,27065
X5_	80	-2,30	3,81	2,0933	,11847	1,05960
X6	80	9,76	11,51	10,6645	,03936	,35208
X9	79	-1,61	2,59	,3009	,06596	,58628
X7	79	-6,91	-2,47	-4,4124	,10111	,89869
N валидных (целиком)	79



Приложение 5

Сводка для модели регрессии (1)

Сводка для модели^b

Модель	R	R-квадрат	Скорректированный R-квадрат	Стд. ошибка оценки	Дурбин-Уотсон
1	,951a	,904	,897	,47115	2,005



Приложение 6

Сводка для модели регрессии (1)

Коэффициенты

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.
	B	Стд. Ошибка	Бета
1	(Константа)	-2,085	2,710		-,769	,444
	X4	,292	,494	,054	,591	,556
	X5_	,831	,072	,599	11,588	,000
	X6	,480	,373	,116	1,288	,202
	X7	,225	,088	,138	2,553	,013
	X9	-,367	,098	-,147	-3,754	,000
	Х3	,035	,006	,296	6,150	,000
a. Зависимая переменная: Y_



Приложение 7

Сводка для модели регрессии (2)

Коэффициенты

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.	Статистики коллинеарности
	B	Стд. Ошибка	Бета			Толерантность	КРД
1	(Константа)	2,310	,593		3,897	,000
	X5_	,972	,101	,705	9,579	,000	,329	3,038
	X7	,009	,005	,117	1,817	,049	,432	2,317
	X9	,014	,005	,152	2,721	,008	,572	1,749
	Х3	,045	,005	,389	8,259	,000	,802	1,247



Приложение 8

Проверка остатков на нормальный закон распределения для модели регрессии (2)



Приложение 9

Сводка для модели регрессии (2)

Сводка для модели^b

Модель	R	R-квадрат	Скорректированный R-квадрат	Стд. ошибка оценки	Дурбин-Уотсон
1	,931a	,866	,859	,54839	1,735
a. Предикторы: (конст) Х3_удельный_вес_городского_населения, X5_, X9_стоимость_фикс_набора_в_процентах_ксред, X7_действущие_кредит_организации
b. Зависимая переменная: Y_



Приложение 10

Построение модели регрессии (2) с использованием остатков в форме Уайта



Приложение 11

Проверка регрессионной модели (2) на адекватность

Дисперсионный анализ^a

Модель	Сумма квадратов	ст.св.	Средний квадрат	F	Знч.
1	Регрессия	146,109	4	36,527	121,462	,000b
	Остаток	22,555	75	,301
	Всего	168,664	79
a. Зависимая переменная: Y_
b. Предикторы: (конст) Х3_удельный_вес_городского_населения, X5_, X9_стоимость_фикс_набора_в_процентах_ксред, X7_действущие_кредит_организации



Приложение 12

Сводка модели регрессии для 1-го кластера со средним показателями объема банковских вкладов в валюте с исключенными переменными Х7,Х9 (4)

Коэффициенты^a

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.	Статистики коллинеарности
	B	Стд. Ошибка	Бета			Толерантность	КРД
1	(Константа)	5,348	,744		7,189	,000
	Х3_1	,034	,008	,595	4,139	,000	,737	1,356
	Х5_1	,579	,135	,619	4,304	,000	,737	1,356
a. Зависимая переменная: Y_1



Приложение 13

Сводка модели регрессии для 1-го кластера со средним показателями объема банковских вкладов в валюте с исключенными переменными Х7,Х9 (4)

Сводка для модели^b

Модель	R	R-квадрат	Скорректированный R-квадрат	Стд. ошибка оценки	Дурбин-Уотсон
1	,600a	,760	,329	,48137	1,848
a. Предикторы: (конст) Х5_1, Х3_1
b. Зависимая переменная: Y_1



Приложение 14

Проверка модели регрессии для 1-го кластера со средним показателями объема банковских вкладов в валюте с исключенными переменными Х7,Х9 на адекватность(4)

Дисперсионный анализ^a

Модель	Сумма квадратов	ст.св.	Средний квадрат	F	Знч.
1	Регрессия	5,467	2	2,733	11,797	,000b
	Остаток	9,732	42	,232
	Всего	15,199	44
a. Зависимая переменная: Y_1
b. Предикторы: (конст) Х5_1, Х3_1



Приложене 15

Сводка модели регрессии для 3-го кластера со средним показателями объема банковских вкладов в валюте (5)

Коэффициенты^a

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.	Статистики коллинеарности
	B	Стд. Ошибка	Бета			Толерантность	КРД
1	(Константа)	6,121	1,110		5,512	,001
	X3__2	,023	,010	,474	2,204	,070	,738	1,354
	X5__2	,525	,130	,886	4,025	,007	,705	1,419
	X7__2	,168	,178	,187	,946	,380	,872	1,146
	X9__2	-,392	,207	-,474	-1,895	,107	,546	1,831
a. Зависимая переменная: Y__2



Приложение 16

Сводка модели регрессии для 3-го кластера со средним показателями объема банковских вкладов в валюте с исключенными переменными Х3,Х5, Х9 (5)

Коэффициенты^a

Модель	Нестандартизованные коэффициенты	Стандартизованные коэффициенты	t	Знч.	Статистики коллинеарности
	B	Стд. Ошибка	Бета			Толерантность	КРД
1	(Константа)	12,294	,541		22,737	,000
	X7_3	,495	,154	,565	3,216	,004	1,000	1,000
a. Зависимая переменная: Y_3



Приложение 17

Проверка модели регрессии для 3-го кластера со средним показателями объема банковских вкладов в валюте с исключенными переменными Х3, Х5,Х9 на адекватность(5)

Дисперсионный анализ^a

Модель	Сумма квадратов	ст.св.	Средний квадрат	F	Знч.
1	Регрессия	2,669	1	2,669	10,343	,004b
	Остаток	5,678	22	,258
	Всего	8,347	23
a. Зависимая переменная: Y_3
b. Предикторы: (конст) X7_3



Приложение 18

Проверка временного ряда на структурные сдвиги (период 2011-2014 год) при помощи теста Чоу



Приложение 19

Сводка для полиномиальной модели 20го порядка для периода январь 2011 - сентябрь 2014 (7)



Приложение 20

Сводка для полиномиальной модели 20го порядка для периода октябрь 2011 - 2016 (8)



Приложение 21

Проверка временного ряда на стационарность



Приложение 22

Проверка временного ряда на стационарность



Приложение 23

Сводка для модели ARIMA (1,1,2) временного ряда стоимостного объема банковских вкладов за период 2011-2016 гг (9)



Приложение 24

Коррелограмма остатков модели ARIMA (1,1,2)

Размещено на Allbest.ru

...