лучшие книги по экономике
Главная страница

Главная

Замовити роботу

Последние поступления

Форум

Создай свою тему

Карта сайта

Обратная связь

Статьи партнёров


Замовити роботу
Книги по
алфавиту

Б
В
Г
Д
Е
Ж
З
И
К
Л
М
Н
О

Моделювання економіки

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]

Варіант 17

Галузі-виробники

Галузі-споживачі

Кінцева продукція

Валова продукція

Кінцева продукція на плановий період

1

2

3

4

5

6

1

25

32

41

35

78

11

204

426

260

2

11

31

29

52

16

18

115

272

198

3

34

70

11

9

10

35

169

338

212

4

23

15

16

21

45

69

189

378

251

5

85

12

35

34

12

41

237

456

310

6

35

8

14

35

84

21

193

390

236

Чиста продукція

213

104

192

192

211

195

1107

 

 

Валова продукція

426

272

338

378

456

390

 

2260

 

Обсяги виробничих фондів

65

89

39

78

54

65

 

 

 

Затрати праці

21

36

25

16

40

35

 

 

 


Варіант 18

Галузі-виробники

Галузі-споживачі

Кінцева продукція

Валова продукція

Кінцева продукція на плановий період

1

2

3

4

5

6

1

12

15

45

32

51

19

174

348

198

2

17

16

25

43

12

20

125

258

144

3

19

32

9

22

31

42

151

306

189

4

36

41

54

12

42

30

98

313

248

5

62

13

41

42

14

13

151

336

176

6

32

12

14

15

54

19

186

332

215

Чиста продукція

170

129

118

147

132

189

885

 

 

Валова продукція

348

258

306

313

336

332

 

1893

 

Обсяги виробничих фондів

112

104

75

125

165

103

 

 

 

Затрати праці

50

51

63

72

81

62

 

 

 


Варіант 19

Галузі-виробники

Галузі-споживачі

Кінцева продукція

Валова продукція

Кінцева продукція на плановий період

1

2

3

4

5

6

1

21

19

14

11

31

9

81

186

90

2

12

8

16

21

19

26

102

204

120

3

9

15

30

14

31

16

125

240

120

4

16

21

18

9

15

14

96

189

110

5

14

25

15

21

12

15

124

226

96

6

21

19

40

15

14

12

95

216

101

Чиста продукція

93

97

107

98

104

124

623

 

 

Валова продукція

186

204

240

189

226

216

 

1261

 

Обсяги виробничих фондів

90

87

96

81

75

69

 

 

 

Затрати праці

26

41

45

52

39

46

 

 

 


Варіант 20

Галузі-виробники

Галузі-споживачі

Кінцева продукція

Валова продукція

Кінцева продукція на плановий період

1

2

3

4

5

6

1

5,3

1,45

5,26

7,12

9,11

10,1

35,34

73,68

40,11

2

2,32

4,12

4,62

9,29

7,32

4,62

30,53

62,82

39,2

3

9,12

5,14

6,25

4,31

8,54

6,5

39,86

79,72

41,2

4

3,96

5,48

4,21

9,11

8,21

5,87

36,08

72,92

45,4

5

8,05

10,1

27,3

1,5

8,5

5,29

29,62

90,36

36,6

6

9,01

8,12

5,24

5,2

3,6

8,12

39,36

78,65

42,3

Чиста продукція

35,92

28,41

26,84

36,39

45,08

38,15

210,79

 

 

Валова продукція

73,68

62,82

79,72

72,92

90,36

78,65

 

458,15

 

Обсяги виробничих фондів

21,3

19,6

18,5

22,12

22,36

27,56

 

 

 

Затрати праці

12,3

14,12

6,99

14,24

12,3

9,15

 

 

 


Лабораторна робота № 6

Тема: Статистичні методи оцінки ступеня кредитного ризику

Методичні вказівки

 

Задача оцінки ризику, пов’язана з фінансовими можливостями позичальника, може бути розв’язана методом дискримінантного аналізу. Останній є розділом факторного статистичного аналізу, за допомогою якого розв’язуються задачі класифікації, тобто розбиття деякої сукупності об’єктів, що аналізуються, на класи шляхом побудови так званої класифікуючої функції у вигляді кореляційної моделі. На Заході найвідомішими з таких моделей є Z-модель Альтмана і модель нагляду за кредитами Чессера. Для умов перехідної економіки України необхідно розробити адекватні моделі, які враховували б галузеві особливості позичальників і строки кредитування. Частково ця проблема розв’язана . Розроблені моделі, що дають змогу відокремити позичальників, які мають прострочену заборгованість за кредитами або за відсотками за ними, від позичальників, у яких такої заборгованості немає.
Розроблені моделі включають такі показники:

  1. коефіцієнт покриття (), тобто відношення поточних активів (2-й і 3-й розділи активу балансу) до поточних зобов’язань (3-й розділ пасиву балансу);
  2. коефіцієнт фінансової залежності (), тобто відношення позичених коштів (2-й і 3-й розділи пасиву балансу) до загальної вартості активів (валюта балансу). Наведемо алгоритм знаходження такої моделі.

Нехай є дві сукупності позичальників: x (без простроченої заборгованості) та y (з простроченою заборгованістю).

де  — кількість позичальників сукупності x;  — кількість позичальників сукупності y;  — коефіцієнти покриття ();  — коефіцієнти фінансової залежності (),  

  1. Визначаємо для матриць вхідних даних x та y оцінки векторів  і  та коваріаційних матриць  і :



де  

 

  1. Розраховуємо незміщену оцінку сумарної коваріаційної матриці:

.

  1. Обчислюємо обернену матрицю .
  2. Обчислюємо вектор оцінки коефіцієнтів дискримінантної функції:

.

  1. Знаходимо оцінки дискримінантної функції:

Кредитний ризик комерційного банку: Навч. посібник. / В. В. Вітлінський, О. В. Пернарівський, Я. С. Наконечний, Г. І. Великоіваненко; За ред. В. В. Вітлінського. — К.: Т-во «Знання». КОО, 2000.

,

  1. де ,  — транспоновані матриці до  та  матриці.
  2. Обчислюємо середні значення:

  1. Знаходимо межу дискримінації:

.

  1. Записуємо дискримінантну функцію(модель):

.
Якщо  то позичальника слід віднести до сукупності , а якщо  — до сукупності .
Цей самий алгоритм можна використовувати для розроблення моделі, яка включає більше двох змінних. При цьому ускладнюються самі розрахунки.
Проілюструємо застосування даного алгоритму на прикладі знаходження моделі для позичальників — підприємств торгівлі.
Приклад

1,0

1,1

1,3

0,9

1,1

1,5

0,8

0,5

1,3

0,8

(%)

34

65

73

43

45

50

56

36

47

76

0,5

0,2

0,4

0,6

0,9

0,7

1,0

1,3

0,8

(%)

93

66

70

60

87

68

54

68

69

Розвязання

  1. Визначаємо для матриць вхідних даних  та  оцінки векторів середніх значень  та коваріаційних матриць :


=

=

=

=
Величини  легко обчислити за відповідними формулами.
Обчислюємо також:






        1. Обчислюємо матрицю :



.

  1. Обчислюємо обернену матрицю:

,
де ;
;
;
;
;
.

  1. Обчислюємо вектор оцінки коефіцієнтів дискримінантної функції:

; ;
;
.

  1. Знаходимо оцінки дискримінантної функції:

;
 .

  1. Обчислюємо середні значення:


  1. Знаходимо межу дискримінації:

  1. Записуємо дискримінантну функцію (модель):

Z=3,43
Отже, модель прогнозування виникнення простроченої заборгованості позичальників-підприємств торгівлі має вигляд:

При = 0 маємо рівняння дискримінантної границі. Для позичальників — підприємств торгівлі, в яких = 0, ймовірність виникнення простроченої заборгованості за кредитами або за відсотками за ними дорівнює 0,5. Якщо  то ця ймовірність менша 0,5 і зменшується зі зменшенням  а якщо  то вона більша 0,5 і зростає із зростанням
Прогнозування виникнення простроченої заборгованості за кредитами або відсотками за ними за допомогою двофакторної моделі, що включає коефіцієнти покриття та фінансової залежності, не забезпечує високої точності. Це пояснюється тим, що дана модель не враховує впливу на фінансовий стан підприємства інших важливих показників, які характеризують, наприклад, рентабельність, віддачу активів, ділову активність підприємства. Дискримінантна границя між позичальниками, що мають прострочену заборгованість, та позичальниками, в яких вона відсутня, має вигляд не лінії, а розмитої смуги. Помилка прогнозу за допомогою двофакторної моделі для позичальників — підриємств торгівлі оцінюється інтервалом, кінці якого можна знайти, підставивши в модель координати точок  і , що за моделлю попадають не у свою групу.
У результаті отримаємо інтервал
Отже, можна зробити таку градацію ймовірності виникнення простроченої заборгованості залежно від значення Z: до — 1,27 — дуже низька, від — 1,27 — 0 — низька, 0 — 1,84 — висока, більше 1,84 — дуже висока. Враховуючи те, що min = 0, а max = 100 %, можна зробити такі висновки:

  1. Для позичальників — підприємств торгівлі, у яких значення < 34,4 %, ймовірність виникнення простроченої заборгованості за кредитами або відсотками за ними менше 0,5 незалежно від значення .
        1. Для позичальників — підприємств торгівлі, в яких значення  > 2,1, ймовірність виникнення простроченої заборгованості за кредитами або за відсотками за ними менше 0,5 незалежно від значення .

Завдання для самостійного виконання

 

    • Розробити алгоритм моделі, що дає змогу відокремити позичальників, які мають прострочену заборгованість за кредитами або за відсотками за ними, від позичальників, у яких такої заборгованості немає, та програму його реалізації на комп’ютері.
    • Провести розрахунки, використовуючи задані вхідні дані.
    • Проаналізувати отримані результати, зробити висновки.

     

Страницы [ 1 ] [ 2 ] [ 3 ] [ 4 ] [ 5 ] [ 6 ] [ 7 ] [ 8 ] [ 9 ] [ 10 ] [ 11 ] [ 12 ] [ 13 ] [ 14 ] [ 15 ]
[ 16 ] [ 17 ] [ 18 ] [ 19 ] [ 20 ] [ 21 ] [ 22 ] [ 23 ] [ 24 ] [ 25 ] [ 26 ] [ 27 ] [ 28 ] [ 29 ] [ 30 ] [ 31 ] [ 32 ]
[ 33 ] [ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ] [ 39 ] [ 40 ] [ 41 ] [ 42 ] [ 43 ] [ 44 ] [ 45 ] [ 46 ] [ 47 ] [ 48 ] [ 49 ] [ 50 ]


ВНИМАНИЕ! Содержимое сайта предназначено исключительно для ознакомления, без целей коммерческого использования. Все права принадлежат их законным правообладателям. Любое использование возможно лишь с согласия законных правообладателей. Администрация сайта не несет ответственности за возможный вред и/или убытки, возникшие или полученные в связи с использованием содержимого сайта.
© 2007-2017 BPK Group.