<<
>>

7.1.3. Одна из возможных модификаций оптимизационных моделей банка

Рассмотрим возможный тип оптимизационной модели банка на примере одной из ее модификаций. Основой любой оптимизационной модели банка является оптимизационная задача, которую в общем виде можно сформулировать следующим образом:

(7.15)

при ограничениях

(7.16)

(7.17)

(7.18)

(7.19)

(7.20)

где – оператор математического ожидания;

– целевая функция (непрерывная, монотонно возрастающая выпуклая вверх);

– величина собственного капитала в момент окончания планового (анализируемого) периода (горизонта прогноза);

– номер начального интервала времени (начало отсчета планового периода);

– количество интервалов в плановом периоде (горизонт прогноза);

-– номер интервала времени внутри планового периода , ;

– чистая прибыль банка за период

– норма прибыли (прибыль на единицу капитала) за период

– средняя величина i-го вида активов банка за период

– норма дохода (процентная ставка) по i-му виду активов банка за период

– средняя величина j-го вида обязательств банка за период ;

– норма расходов (процентная ставка) по j-му виду обязательств банка за период ;

– изменение объема i-го вида актива за период

– изменение объема j-го вида обязательств банка за период

– функция операционных расходов банка (помимо процентных расходов).

Математические модели банка можно классифицировать по следующим признакам: 1)

состав управляемых переменных модели; 2)

размерность целевой функции; 3)

наличие фактора риска; 4)

вид целевой функции; 5)

количество интервалов времени в рамках планового периода; 6)

степень общности модели.

Управляемыми переменными модели банка считают обычно величины объемов его активов и пассивов.

Иногда из числа управляемых переменных исключается величина вкладов до востребования (она считается экзогенной).
Если к управляемым переменным относятся указанные объемные показатели, то банк рассматривается как price taker (берущий цену), т. е. он использует те же уровни процентных ставок по активам и пассивам, которые складываются на финансовом рынке и являются для него экзогенными переменными). Эта ситуация соответствует условиям совершенной конкуренции на рынке банковских услуг.

В ряде моделей управляемыми переменными считаются уровни процентных ставок по активным и пассивным операциям банка, т. е. банк рассматривается как price setter (устанавливающий цену). Такая ситуация возможна в условиях несовершенной конкуренции, например, когда данный коммерческий банк обладает некоторой степенью монопольного контроля над рынком банковских услуг или его отдельными сегментами.

Управление уровнями процентных ставок по активам и пассивам позволяет банку осуществлять косвенное воздействие на величины объемов своих активов и пассивов , если известны или могут быть определены соответствующие кривые спроса и предложения финансовых ресурсов на рынке, т. е. функции и .

Почти все модели банка используют скалярные целевые функции. Вместе с тем применяются и два критерия (суммарная чистая прибыль за весь период и величина акционерного капитала банка в конце планового периода), на основании которых формируется один общий критерий как взвешенная сумма указанных частных критериев.

Важным классифицирующим признаком оптимизационных моделей банка является наличие или отсутствие в них фактора риска. Говоря о риске, следует различать: *

ситуацию (условия) риска, т. е. в рисковой постановке оптимизационная задача будет стохастической, причем соответствующие вероятностные характеристики известны, заданы или могут быть определены (так называемый объективный или субъективный риск). Для банка наличие ситуации риска означает, что будущие фактические результаты деятельности банка могут отличаться от ожидаемых; *

количественную меру риска, в качестве которой обычно используется дисперсия или стандартное отклонение какого-либо абсолютного или относительного показателя, характеризующего финансовые результаты деятельности банка (дохода, прибыли и т.

п.); *

отношение к риску, т. е. субъективное восприятие банком наличия ситуации риска (отсутствие определенности). При этом банк рассматривается как инвестор, отклоняющийся от риска (risk aversive), т. е. считающий для себя нежелательным наличие риска, либо как инвестор, безразличный к риску (risk neutral).

Принятие постулата о безразличии банка к риску позволяет упростить оптимизационную задачу и ограничиться рассмотрением только математических ожиданий соответствующих показателей, т. е. фактически свести ее от стохастической к детерминированной постановке.

При рассмотрении банка как инвестора, уклоняющегося от риска, поведение банка описывается с помощью методов теории выбора инвестиционного портфеля (портфеля ценных бумаг) в условиях риска, основы которой были заложены в 50-х гг. в трудах Г. Марковица Дж. Тобина.

Все многообразие конкретных целевых функций моделей банка можно свести к трем основным группам, соответствующим наиболее важным целям банка, – увеличению прибыли, росту собственного капитала банка и уменьшению риска.

Практически в любой модели присутствует целевая функция, характеризующая величину прибыли (абсолютной, относительной, детерминированной, ожидаемой, за один интервал или за весь плановый период, дисконтированной или недисконтированной и т. д.) или величину дохода.

Целевая функция, характеризующая величину собственного или акционерного капитала банка в конце планового периода, в явном виде используется значительно реже. Возможно, в этом и нет особой необходимости, так как, задав величину собственного капитала в начале планового периода и абсолютные или относительные величины прибыли для всех интервалов времени в рамках планового периода из ограничений-равенств (7.12) – (7.16) однозначно определяется искомая величина капитала .

Что касается ситуации риска, то для количественного описания риска специальная целевая функция, как правило, не формируется. Если банк считается уклоняющимся от риска инвестором, то для него задача минимизации риска (дисперсии прибыли и т.

п.) решается путем максимизации целевой функции U от двух детерминированных аргументов, например, математического ожидания прибыли и дисперсии прибыли вида

(7.21)

где b – некоторая константа,

Варьируя величину параметра b, можно получить множество оптимальных по Парето решений , которые определяют так называемые эффективные портфели (efficient portfolios) для соответствующих значений этого параметра.

Другой способ учета риска в целевой функции оптимизационной задачи банка состоит в подборе подходящей монотонно возрастающей вогнутой функции полезности для которой Обычно для этого используются экспоненциальные, квадратичные, логарифмические или степенные функции, определенные на соответствующих множествах.

Можно показать, что для вогнутой целевой функции (функция полезности) задача максимизации функции эквивалентна задаче максимизации целевой функции :

(7.22)

где a, b, c – задаваемые банком параметры,

По форме целевая функция оптимизационной задачи (7.15) – (7.20) может быть линейной, нелинейной, а также представлять собой функционал.

По факту учета временных интервалов все рассматриваемые модели можно разделить на статические и динамические.

По степени общности анализируемые модели делятся на общие (полные) или частичные (частные). В первых учитываются все основные аспекты деятельности банка, моделируется поведение обеих частей банковского баланса, во вторых – исследуются отдельные аспекты банковской деятельности.

Среди частных моделей можно выделить следующие: *

модели управления запасами (резервами) денежной наличности банка; *

модели распределения активов (формирования оптимального портфеля активов) банка; *

модель управления банковским портфелем ценных бумаг (инвестиционным портфелем); *

модель определения оптимальной величины собственного капитала (через показатель финансового рычага (leverage), т. е. отношения суммы активов к капиталу); *

модель управления пассивами банка.

При всем многообразии типов и видов оптимизационных моделей деятельности коммерческого банка предлагаемые их авторами подходы к решению соответствующих оптимизационных задач можно свести к двум группам методов – методам линейного и нелинейного программирования.

Наряду с отмеченным классом моделей заслуживают внимание и динамические модели банка с непрерывным временем. Эти модели основываются на использовании теории оптимального управления. При этом максимизируемый функционал может представлять собой суммарную полезность распределяемой прибыли (дивидендных выплат) за анализируемый период или сочетать в себе как интегральный, так и терминальный показатели. Решение задачи оптимального управления применительно к банковской сфере может использоваться при разработке планов оптимальной системы портфелей банка, а также при стратегическом планировании.

<< | >>
Источник: Грибов А. Ф.. Моделирование банковской деятельности: Учебно-методическое пособие для дистанционной формы обучения. – М.: Изд-во Рос. экон. акад. – 274 с.. 2004

Еще по теме 7.1.3. Одна из возможных модификаций оптимизационных моделей банка:

  1. ТЕМА 7. ТИПЫ ОПТИМИЗАЦИОННЫХ МОДЕЛЕЙ БАНКА И МЕТОДЫ РЕШЕНИЯ ОПТИМИЗАЦИОННЫХ ЗАДАЧ
  2. ТЕМА 7. ТИПЫ ОПТИМИЗАЦИОННЫХ МОДЕЛЕЙ БАНКА И МЕТОДЫ РЕШЕНИЯ ОПТИМИЗАЦИОННЫХ ЗАДАЧ
  3. 7.1. Оптимизационные модели банка
  4. РАЗДЕЛ II. ОПТИМИЗАЦИОННО-РАСЧЕТНЫЕ МОДЕЛИ ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ БАНКА
  5. РАЗДЕЛ II. ОПТИМИЗАЦИОННО-РАСЧЕТНЫЕ МОДЕЛИ ФИНАНСОВО-ЭКОНОМИЧЕСКОЙ ДЕЯТЕЛЬНОСТИ КОММЕРЧЕСКОГО БАНКА
  6. Одна лишь бережливость не создает инвестиционных возможностей
  7. Возможности модификации спектра ВВП (типа экономики)
  8. Оптимизационная модель портфеля проектов устойчивого развития
  9. 7.3.2. Модификации модели ARCH: модели GARCH и EGARCH
  10. Модификация статуса Центрального банка России в целях содействия экономическому росту
  11. Модификация непараметрической модели