Методики прогнозування грошових потоків банків за допомогою гібридних нейро-нечітких мереж

Інноваційні методи оцінки банківського капіталу

Таблиця 3.12

Функції належності, використані при побудові гібридної нейронечіткої моделі для прогнозування руху грошових коштів вітчизняних банків на підставі потенціалоутворюючих чинників. (Авторська розробка. Курсивом наведені позначення термів змінних, автоматично присвоєні редактором ANFIS)

Назва термуТип · функції · належностіАналітичний вираз функції належності
ВХІДНІ ЗМІННІ
Змінна "Депозити" (сума строкових депозитів фізичних і юридичних осіб, D – input1)
Чималі, · in1mf2Нелінійна, гаусова
Нечисленні, · in1mf1Нелінійна, гаусова
Змінна "КІП" (Кредитно-інвестиційний портфель, КІП – input2)
Чималий, · in2mf2Нелінійна, гауссова
Нечисленний, · in2mf1Нелінійна, гауссова
ВИХІДНА ЗМІННА
Змінна "Грошовий потік", (укрупнений показник вільного руху гршових коштів, ВГПy– outputl
Дуже високий, out1mf3Лінійна–1.65210 + 0.4472•КІП + 47685.44
Високий, out1mf11Лінійна0.49850 – 0.1782•КІП – 10108.9877
Низький, out1mf2Лінійна–0.32250 + 0.0391•КІП – 2302.1991
Дуже низький, out1mf4Лінійна0.1460 + 0.1107•КІП –10123.2877

На цьому несприятливому тлі певного оптимізму додає позитивна тенденція ефективно працюючих фінансових організацій. Вони отримують відносно високий показник вільного руху грошових коштів завдяки великому обсягові депозитів та чималому кредитно- інвестиційному портфелю.

Таблиця 3.13

Нечітка база правил для прогнозування руху грошових коштів вітчизняних банків на підставі потенціалоутворюючих чинників

№ЯкщоТО
DΘКІПВГПуα
"сума строкових депозитів фізичних і юридичних осіб"логічна зв'язка"Кредитно- інвестиційний портфель""укрупнений показник вільного руху грошових коштів"вага правила
1НечисленніТАНечисленнийНизький1
2НечисленніТАЧималийДуже низький1
3ЧималіТАНечисленнийДуже високий1
4ЧималіТАЧималийВисокий1

Втім, дана система ґрунтується лише на кількісних, а не на структурних характеристиках ділової активності банків, що зумовлено обмеженим доступом до фінансової інформації зовнішніх користувачів. Аналіз поверхонь нечіткого висновку (в 2-мірному представленні) на рис. 3.20 свідчить, що максимальні показники руху грошових коштів досягаються за умов бази строкових депозитів близько 30млн.грн. та кредитно-інвестиційного портфелю в межах 55 – 60 млн. грн. Вищі суми призводять до стрімкого скорочення грошових потоків, причому швидше цьому сприяє ріст депозитів.

Поверхні нечіткого висновку, одержані за допомогою системи штучного інтелекту для прогнозування руху грошових коштів банків на базі двох потенціалоутворюючих чинників (Авторська розробка)

Рис. 3.20. Поверхні нечіткого висновку, одержані за допомогою системи штучного інтелекту для прогнозування руху грошових коштів банків на базі двох потенціалоутворюючих чинників (Авторська розробка)

Навпаки, зростання кредитно-інвестиційного портфелю до 55 млн. грн. спричиняє стрімке підвищення вільного руху грошових коштів у той час, коли зростання депозитної бази до максимального ефективного порогу чинить вельми помірний позитивний вплив на рух грошових коштів – про це свідчить різний нахил кривих на рис 3.20 для відповідних змінних.

В результаті аналізу конфігурації графіків та області значень результативної змінної, нами встановлено, що головним чинником формування додатного руху грошових коштів виявляється розширення кредитно-інвестиційного портфелю – збільшення його суми до 30 млн. грн. супроводжується скороченням від'ємних значень вільного грошового потоку аж до досягнення позитивних значень, причому зв'язок між факторним і результативним показниками майже лінійний.

Варто наголосити і на справедливості зворотного твердження – згортання кредитного портфелю, в тому числі і внаслідок неактивного кредитування підприємств реального сектору економіки, негативно впливає на якість, а отже і вартість капіталу, нагромадженого банківською системою.

Запорукою збереження цінності банківського капіталу є усталені щомісячні обсяги вільного руху грошових коштів: у відповідності із 2- мірними графіками залежності вихідної змінної від значення входів (рис. 3.21) виявляється, що позитивний вплив на грошовий потік наступного місяця чинять показники поточного й минулого, натомість існує обернена залежність між значеннями показника 3-місячної давності та прогнозованим. При цьому на підставі фінансового результату трьохмісячної давності модель передбачає збитки в обсязі від 1,45 до 1,1 млн. грн. у наступному місяці. У відповідності із фінансовим результатом 2-місячної давності модель передбачає збитки від 1,35 до 1,15 млн.грн. Згідно з результатами останнього місяця, що передує прогнозному періоду, модель передбачає прибуток в діапазоні від 2,5 млн. збитку до 0,5 млн. прибутку.

Таблиця 3.14

Функції належності вхідних змінних, використані при побудові гібридної нейро-нечіткої моделі для прогнозування руху грошових коштів банків на підставі авторегресійних залежностей

Назва термуТип функції належностіАналітичний вираз функції належності
ВХІДНІ ЗМІННІ
Змінна "Позаминулий період" (укрупнений показник вільного руху грошових коштів за позаминулий місяць, аро)
ВисокийНелінійна, гаусова
НизькийНелінійна, гаусова
Змінна "Минулий період" (укрупнений показник вільного руху грошових коштів за минулий місяць, before)
ВисокийНелінійна, гаусова
НизькийНелінійна, гаусова
Змінна "Поточний період" (укрупнений показник вільного руху грошових коштів за звітний місяць, now)
ВисокийНелінійна, гаусова
НизькийНелінійна, гаусова

Таблиця 3.15

Константи вихідної змінної – прогнозу руху грошових коштів банків (Авторська розробка)

Змінна "Наступний період", ( укрупнений показник вільного руху грошових коштів у місяці, наступному після звітного, ΒΓΠν– output 1)
Назва термуЗначення константиНазва термуЗначення константи
Найнижчий, out1mf7–4478.4Вище середнього, out1mf6727.2
Дуже низький, оиt1тf11–4233Високий, out1mf31434
Низький, out1mf5–3646Дуже високий, out1mf21646.9
Нижче середнього, out1mf4–3247.9Найвищий, out1mf81695

Таблиця 3.16

Нечітка база правил для прогнозування руху грошових коштів банків на підставі авторегресійних залежностей (Автолська розробка)

№Якщо вільний рух грошових коштів за останні 3 місяціто
agoΘbeforeΘnowafter
"вільний рух грошових коштів 2 місяці тому"логічна зв'язка"ВІЛЬНИЙ ' · рух · грошових коштів 1 місяць тому"логічна зв'язка"вільний рух грошових коштів у звітному місяці""вільний рух грошових коштів у наступному місяці"
1високийТАвисокийТАнизькийНайнижчий
2низькийТАнизькийТАнизькийДуже низький
3високийТАнизькийТАнизькийНизький
4низькийТАвисокийТАвисокийНижче середнього
5високийТАнизькийТАвисокийВище середнього
6низькийТАвисокийТАнизькийВисокий
7низькийТАнизькийТАвисокийДуже високий
8високийТАвисокийТАвисокийНайвищий

Узагальнення часткових показників визначається як середньозважена сума, причому вагами слугують показники міри впевненості щодо того, чи було ретроспективні фінансові результати визнано низькими чи високими. Результуюче значення виходу знаходять як суперпозицію лінійних законів чи констант шляхом обчислення зваженого середнього:

(3.34)

Сторінки


В нашій електронній бібліотеці ви можете безкоштовно і без реєстрації прочитати «Інноваційні методи оцінки банківського капіталу» автора Автор невідомий на телефоні, Android, iPhone, iPads. Зараз ви знаходитесь в розділі „Методики прогнозування грошових потоків банків за допомогою гібридних нейро-нечітких мереж“ на сторінці 2. Приємного читання.

Зміст

  • Вступ

  • Розділ 1. Концептуально-прикладні засади формування вартості капіталу банків

  • Макроекономічні чинники нагромадження капіталу банківською системою

  • Екзогенні тенденції зміни вартості капіталу банків як ділових підприємств

  • Розділ 2. Методологічний інструментарій оцінювання вартості капіталу банків як ділових підприємств

  • Сутність вартісного оцінювання капіталу фінансових організацій

  • Методичні підходи до оцінки ринкової вартості банків

  • Специфіка оцінки банків за витратним підходом

  • Особливості процедури оцінювання банків в рамках доходного підходу

  • Порівняльний підхід до оцінки банківського капіталу, його характеристика

  • Визначення ринкової вартості банку як ділового підприємства на основі порівняльного підходу

  • Розділ 3. Удосконалення процедур обчислення вартості капіталу банків засобами теорії нечітких множин

  • Нечітка система Мамдані-Ларсена як засіб обґрунтування величини дисконтної ставки

  • Оцінювання капіталу банків за допомогою фаззі-алгоритму типу Сутано

  • Гібридні нейро-нечіткі мережі у контексті оцінювання потенціалу нагромадження вартості банківського капіталу

  • Методики прогнозування грошових потоків банків за допомогою гібридних нейро-нечітких мереж
  • Висновки