Помощь в написании студенческих работ
Антистрессовый сервис

Эконометрический подход к дистанционному анализу деятельности российских банков и банковскому надзору

Диссертация: Эконометрический подход к дистанционному анализу деятельности российских банков и банковскому надзору
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Научную проработанность проблемы построения моделей для дистанционного мониторинга банковской системы все еще нельзя признать удовлетворительной. Недостаточно разработаны методы учета макроэкономического окружения в подобных моделях, о чем отдельно указывается в материалах Ба-зельского комитета. Не разработана методика применения предварительной или автоматической классификации банков, повышающей… Читать ещё >

Эконометрический подход к дистанционному анализу деятельности российских банков и банковскому надзору (реферат, курсовая, диплом, контрольная)

Содержание

  • ГЛАВА 1. МЕТОДЫ ДИСТАНЦИОННОГО АНАЛИЗА БАНКОВ
    • 1. 1. Банковская система России. Банковский надзор
      • 1. 1. 1. Банковская система России
      • 1. 1. 2. Банковские рейтинги в России
      • 1. 1. 3. Базельское соглашение
      • 1. 1. 4. Система CAMEL (S)
    • 1. 2. Эконометрический подход к оценке рисков
      • 1. 2. 1. Эконометрика в России
      • 1. 2. 2. Системы раннего предупреждения (EWS)
      • 1. 2. 3. Эконометрические модели в дистанционных методах анализа состояния банков США
      • 1. 2. 4. Различные направления в дистанционном анализе
    • 1. 3. Актуальные проблемы дистанционного анализа
  • ГЛАВА 2. ЭКОНОМЕТРИЧЕСКИЕ МОДЕЛИ ВЕРОЯТНОСТИ ДЕФОЛТА БАНКОВ
    • 2. 1. Введение и краткий обзор литературы
    • 2. 2. Помогает ли кластеризация?
      • 2. 2. 1. Данные
      • 2. 2. 2. Модели и кластеры
      • 2. 2. 3. Экспертный подход
      • 2. 2. 4. Автоматическая классификация
    • 2. 3. Модели с учетом макроэкономического окружения
      • 2. 3. 1. Данные
      • 3. 3. 2. Модели с макроэкономическими показателями
      • 3. 3. 3. Сравнение моделей: Ошибки I—II рода
      • 3. 3. 4. Сравнение моделей: эвристические критерии
    • 2. 4. После кризиса

3.1.1. Роль рейтингов.99.

3.1.2. Моделирование рейтингов.109.

3.2. Рейтинги российских агентств и экспертов.112.

3.2.1.

Введение

112.

3.2.2. Данные и модели.114.

——-3−2:3- Анализ существующих рейтингов.-125.

3.2.4. Анализ данных опроса экспертов.132.

3.2.5. Модельные рейтинги банков.134.

3.2.6. Выводы.138.

3.3. Рейтинги международного рейтингового агентства Moody’s.141.

3.3.1. Международные рейтинговые агентства в России.141.

3.3.2. Данные.146.

3.3.3. Модели РДиРФУБ.151.

3.3.4. Модели «факторов внешней поддержки банка». 155.

3.3.5. Точность прогноза по моделям рейтингов.158.

3.3.6. Метод прогноза некоторых макроэкономических показателей.166.

3.4.

Заключение

169.

ГЛАВА 4. МОДЕЛИ ПРОЦЕНТНЫХ СТАВОК.172.

4.1.

Введение

172.

4.2. Модели с квартальными данными.179.

4.2.1. Данные.179.

4.2.2. Модели процентных ставок. Рыночная дисциплина.185.

4.2.3. Процентные ставки и страхование депозитов.192.

4.2.4. Выводы.195.

4.3. Модели с ежемесячными данными.196.

4.3.1. Данные.196.

4.3.2. Модели и результаты.202.

4.3.3. Выводы.206.

4.4.

Заключение

206.

ГЛАВА 5. МОДЕЛИ ЭФФЕКТИВНОСТИ БАНКОВ ПО ИЗДЕРЖКАМ. 208.

5.1.

Введение

208.

5.1.1. Эффективность и надежность.208.

5.1.2. Различные подходы к оценке технической эффективности.210.

5.2. Российские банки.216.

5.2.1. Данные.216.

5.2.2. Модели.217.

5.2.3. Результаты.218.

5.3. Эффективность банков России и Республики Казахстан.219.

5.3.1. Банковские системы России и Казахстана.219.

5.3.2. Данные.221.

5.3.3. Модели эффективности по издержкам.223.

5.3.4. Результаты.228.

5.4. Выводы.235.

ЗАКЛЮЧЕНИЕ

238.

ЛИТЕРАТУРА

241.

ПРИЛОЖЕНИЯ.264.

Приложение А. Графики к главе 2.264.

Приложение В. Таблицы к главе 3.268.

Приложение С. Таблицы к главе 4.276.

Актуальность исследования. Банковская система страны имеет важное значение в обеспечении роста экономики. Финансовые и банковские кризисы приводят к снижению экономического роста, стагнации производства. Задача органов банковского надзора — обеспечение стабильного и устойчивого развития банковской системы. Эта задача особенно важна для стран с переходной экономикой, в которых банки и органы банковского надзора имеют небольшой опыт функционирования в условиях рыночной экономики.

В Российской Федерации актуальность стабильного развития банковской системы особенно проявилась во время финансового кризиса 1998 г., «кризиса доверия» лета 2004 г. и мирового кризиса 2008 г. В Российской Федерации число банков до 1998 г. превышало 2 тыс., за 2008 г. количество банков снизилось с 1136 до 1108. Такое количество банков слишком велико для регулярного инспекторского надзора со стороны Центрального банка Российской Федерации (ЦБ РФ) или Агентства по страхованию вкладов (АСВ). Отсюда вытекает необходимость дистанционного мониторинга состояния банков.

Дистанционный мониторинг — текущий онлайн-анализ состояния банков по ежемесячным, ежеквартальным, годовым балансовым отчетам позволяет выделить «группы риска», т. е. те банки, состояние которых может вызывать опасения. Конечно, такие дистанционные методы, включающие «системы раннего предупреждения» (Early Warning Systems, EWS), не могут дать однозначного указания на состояние надежности1 того или иного банка. Однако они могут существенно повысить эффективность деятельности органов надзора, которые станут в первую очередь инспектировать банки, оказавшиеся в группе риска согласно дистанционным методикам. Повышение эффективности банковского надзора укрепляет и стабильность банковской системы в целом, предупреждая возможную несостоятельность отдельных банков.

1 Под надежностью, устойчивостью, банка здесь и ниже понимается его способность в текущий момент и в среднесрочной перспективе отвечать по своим обязательствам.

Подобные дистанционные методы могут применяться также и банками как реализация TRB-подхода к" оценке риска банков-контрагентов врамках соглашения Базель-И. Крупные предприятия могут применять дистанционные методы для мониторинга финансового состояния банков — потенциальных партнеров по бизнесу.

Для практического применения дистанционного мониторинга необходимы развитие соответствующих методов и моделей, их разработка, тестирование. Большое — по сравнению с другими странами с переходной экономикой — количество банков в Российской Федерации позволяет применять различные методы эконометрического анализа.

Степень разработанности проблемы. Некоторые эконометрические модели анализа банковской деятельности, использующие только публично доступную информацию, в том числе модели, которые могут применяться для мониторинга текущего состояния надежности банков, рассматривались в работах зарубежных ученых, приведенных в библиографии к диссертации.

Анализ предшествующих работ показывает необходимость комплексного подхода, включающего решение следующих теоретических и практических проблем.

• Построение моделей вероятности дефолта банков. Такая модель прогнозирует вероятность дефолта банка в следующем периоде. Модель может непосредственно применяться для выявления банков, входящих в группу риска.

• Построение моделей рейтингов банков, присвоенных им рейтинговыми агентствами или группами независимых экспертов. Подобные модели также могут использоваться для мониторинга банков.

• Построение моделей прог{ентных ставок, которые позволяют выделить банки, ведущие излишне рискованную финансовую политику. Также подобные модели могут использоваться для анализа влияния решений регулирующих органов на банковскую систему.

• Построение и анализ моделей эффективности банков2. Такие модели позволяют выделить факторы, влияющие" на эффективность, и до некоторой степени могут показать пути повышения эффективности банковской системы в целом. Также такие модели могут применяться и для мониторинга, поскольку неэффективность банка часто свидетельствует о его ненадежности.

Научную проработанность проблемы построения моделей для дистанционного мониторинга банковской системы все еще нельзя признать удовлетворительной. Недостаточно разработаны методы учета макроэкономического окружения в подобных моделях, о чем отдельно указывается в материалах Ба-зельского комитета. Не разработана методика применения предварительной или автоматической классификации банков, повышающей точность прогноза моделей. Нет критериев, сравнивающих различные модели не по их статистическим характеристикам, а по оценкам потенциального экономического эффекта их практического применения. Несмотря на обширный материал для эконо-метрического исследования, практически полностью отсутствуют работы по данной тематике, исследующие российскую банковскую систему. Это и обусловило выбор темы диссертационного исследования, его цели, задач, а также круг рассматриваемых вопросов.

Цель и задачи исследования

Целью работы является создание методологии комплексного эконометрического подхода к дистанционному мониторингу российской банковской системы, для обеспечения ее устойчивого развития. Этот подход включает построение и анализ эконометрических моделей вероятности дефолта, рейтингов, процентных ставок и эффективности банков, исследование возможности их практического использования в дистанционном мониторинге и анализе российской банковской системы. Такие модели используют только открытую, публично доступную информацию.

Для достижения этой цели были поставлены и решены следующие задачи.

2 Здесь и далее под эффективностью понимается техническая эффективность, точнее — эффективность по затратам, или по прибыли.

• Разработка и тестирование эконометрических моделей вероятности дефолта, построенных по историческим данным о дефолтах банков. Учет переменного макроокружения в этих моделях.

• Построение эконометрических моделей вероятности дефолта с одновременной кластеризацией банков.

• Разработка методологических основ сравнения построенных моделей по их потенциальному экономическому эффекту.

• Разработка моделей рейтингов банков, присвоенных им экспертами и рейтинговыми агентствами. Анализ на их основе факторов, которые агентства на самом деле принимают во внимание. Исследование вопроса о том, какая часть информации, содержащейся в рейтингах, может быть получена из публично доступной информации.

• Построение моделей рейтингов банков международных рейтинговых агентств, включая российские банки, что позволяет более точно подогнать модель к российским данным. Кроме того, такие модели обеспечивают возможность ответа на вопрос, существует ли особый подход международного рейтингового агентства к рейтингованию банков развивающихся стран и, в частности, российских банков.

• Разработка методики оценки ненаблюдаемого фактора на примере фактора «внешней поддержки», входящего в методологию составления рейтингов депозитов в иностранной валюте международного рейтингового агентства Moody’s.

• Построение и анализ эконометрических моделей процентных ставок по депозитам физических лиц. Такие модели позволяют ответить на вопрос, имеется ли в России «рыночная дисциплина». Наличие рыночной дисциплины согласно Новому базельскому соглашению является одной из основ стабильности банковской системы.

• Анализ влияния введения системы страхования вкладов в России на рыночную дисциплину.

• Построение моделей эффективности банков. Анализ и сравнение различных моделей могут показать! насколько вы в оды р обастн ыотн осите л ьно выбора спецификации модели. Разработка моделей для межстранового анализа сравнительной эффективности банков на примере банков России и Республики Казахстан. Анализ того, повысится ли эффективность российской банковской системы с укрупнением банков.

Объектом исследования является как отдельный банк, так и совокупность банков российской банковской системы, российская банковская система в целом.

Предмет исследования — надежность, эффективность банков с учетом макроэкономических условий.

Методологическая база исследования. Теоретической основой работы являются методы и аппарат эконометрики, системные методы исследования, теория банковского дела, методы математической статистики. Эмпирические исследования опираются на теорию эконометрического моделирования, в том числе на линейную регрессионную модель с гетероскедастичными ошибками, модели дискретного выбора, модели множественного выбора, модели панельных данных, модели стохастической границы производственных возможностей. Используются методы статистического и корреляционного анализа. При обработке данных применялись стандартные эконометрические пакеты и оригинальных программные продукты, в том числе созданные на базе эконометриче-ских пакетов.

Значительный вклад в развитие прикладной эконометрики и во внедрение эконометрики в России внесли: С. А. Айвазян, B.JI. Макаров, В. М. Полтерович, И. И. Елисеева, Г. Б. Клейнер, Я. Р. Магнус, В. И. Суслов, М. Ю. Афанасьев, А. Г. Грязнова, Ю. Н. Благовещенский, А. Е. Варшавский, А. И. Гладышевский, С. М. Гуриев, Я. Б. Миркин, B.C. Мхитарян, Л. И. Ниворожкина, А. А. Фридман, М. А. Эскиндаров, Э. Б. Ершов, О. О. Замков, Г. Г. Канторович, П. К. Катышев, С. А. Анатольев, В. А. Балаш, В. В. Давние, И. А. Денисова, Е. В. Журавская,.

A.M. Карминский, В. Ф. Лапо, С. А. Мицек, Ю. С. Хохлов, В. М. Четвериков, —А. Л. Абрамову — А. В. Аистов, К. Н. Беляев, Е. С. Котырло, СГАТЛанец, Е. С. Лебедева, А. Г. Максимов, Б. А. Путко, Т. А. Ратникова, И. Н. Щепина.

Экоиометрический анализ в применении к банкам развивался в работах E.I. Altman, J.D. Amato, P.W. Bauer, A.N. Berger, J.P. Bonin, J. Bos, S. Caner, R. Cantor, R.A. Cole, A. Demirguc-Kunt, A. Estrella, G.D. Ferrier, S. Fries,.

C.H. Furfine, W. Gunther, T. Hannan, G. Hanweek, I. Hasan, H. Huizinga,.

D.B. Humphrey, J. Kolari, S. Kumbhakar, D. Martin, L. Mester, F. Packer, H.A. Rijken, J.K. Schoors, A. Taci, P. Wachtel, L. Weill и др. Однако лишь несколько работ рассматривают российские банки.

Информационную базу исследования составили официальные данные Росстата, ЦБ РФ, Агентства по страхованию вкладов, российских и зарубежных рейтинговых агентств, сведения, полученные в ходе экспертных обследований, данные с сайтов российских банков, данные международных информационных агентств и Всемирного банка. v Научная новизна. Предложен методологический подход к комплексному эконометрическому анализу надежности и эффективности банков на основе разработанных математических и эконометрических моделей. Эти модели позволяют исследовать влияние различных внешних и/или внутренних факторов на устойчивость банка и банковской системы в целом, оценить эффект решений экономической политики на банковскую систему. Они обеспечивают возможность дистанционного анализа — как компоненты систем раннего предупреждения — органами банковского надзора, а также банками при оценке риска партнеров в рамках IRB-подхода при реализации Нового базельского соглашения. Впервые предложены модели надежности банков с учетом макроэкономического окружения, модели, комбинирующие кластер-анализ с построением моделей вероятности дефолта, предложена методика сравнения моделей по их потенциальному экономическому эффекту. Все результаты анализа российской банковской системы являются новыми, так как ранее подобные исследования по отношению к российским банкам не выполнялись.

1. Впервые построены эконометрические модели вероятности дефолта российских банков^ на основе исторических данных. При этом" учёт макроэкономической среды повышает точность прогноза моделей. Ранее макроэкономические факторы в моделях вероятности дефолта банков не учитывались.

2. Предложен и реализован подход к моделированию вероятности дефолта российских банков, который комбинирует эконометрическое моделирование с кластер-анализом, ориентированным на построение наилучших моделей бинарного выбора в каждом кластере. Применение такого подхода позволило повысить точность прогноза моделей по сравнению с ранее применявшимися моделями.

3. Предложены новые методы сравнения построенных моделей вероятности дефолта с точки зрения их потенциального экономического эффекта для потенциального инвестора.

4. Разработан подход к дистанционной оценке надежности банков путем моделирования рейтингов международных рейтинговых агентств и оценок экспертов. Показано, что значительная часть информации, содержащаяся в рейтингах, может быть получена из публично доступной информации.

5. Построены эконометрические модели рейтингов банков агентства Moody’s, на основе которых показано, что при прочих равных агентство присваивает более низкие рейтинги банкам развивающихся стран и, в частности, российским банкам.

6. Разработана методика оценки ненаблюдаемых факторов на примере фактора «внешней поддержки», входящего в методологию составления рейтингов депозитов в иностранной валюте международного рейтингового агентства Moody’s.

7. Анализ эконометрических моделей процентных ставок по депозитам физических лиц выявил наличие в России рыночной дисциплины, более выраженной, чем в развитых странах. Показано, что введение страхования депозитов существенно снизило рыночную дисциплину и соответственно ослабило стабильность российской банковской системы.

8. Разработана методика межстранового анализа сравнительной эффективности банков. В частности, при анализе моделей эффективности банков, не" обнаружено статистически достоверного различия в эффективности банков России и Казахстана, несмотря на то что банковская система Казахстана считается наиболее развитой на постсоветском пространстве. Выявлен эффект, который не учитывается в большинстве работ по анализу эффективности банков: ранжировка банков по эффективности существенно зависит от спецификации модели.

9. Показано, что укрупнение российских банков приведет к повышению эффективности банковской системы, а, следовательно, и к ее большей стабильности. Этот вывод дает обоснование политики Банка России по сокращению количества мелких банков.

Практическая значимость исследования. Разработанная методология построения эконометрических моделей вероятности дефолта банков, рейтингов банков, анализа процентных ставок и эффективности банков по издержкам по-1 зволяет применять эти модели для дистанционного анализа — как часть системы раннего предупреждения — в целях банковского надзора, осуществляемого ЦБ РФ и АСВ.

Практическим достоинством полученных результатов является то, что при расчете оценок надежности банка используется только открытая информация. Это позволяет вычислить оценки, пользуясь приведенными выше моделями и доступной финансовой информацией о банке. Вычисления могут производиться достаточно оперативно и не требуют больших материальных затрат.

Эти модели могут также применяться коммерческими банками в рамках соглашения Базель-П при создании системы IRB-подхода к оценке риска потенциальных партнеров по бизнесу.

Разработанные методы и технологии позволяют существенно повысить оперативность и эффективность аналитической деятельности органов банковского надзора, улучшить качество принимаемых оперативных и стратегических решений за счет комплексности, оперативности и презентативности анализа, учетамножестаенныхвзаимосвязей и факторов.™ ~.

Основные выводы и рекомендации работы могут служить теоретической, методологической и методической базой для дальнейших исследований в области анализа банковской деятельности на микроуровне. Они также предлагаются к использованию в учебном процессе при изучении эконометрики и банковского дела в ряде вузов экономического профиля, а также в специализированных курсах в рамках магистратуры, аспирантуры и бизнес-образования.

Апробация и внедрение результатов исследования. Рекомендации, изложенные в диссертационном исследовании, используются в практической работе АСВ. Они также докладывались на семинарах в ЦБ РФ и Сбербанке.

Основные теоретические и методологические положения диссертации, разработанные автором, докладывались и обсуждались на: • международных научных конференциях:

Модернизация экономики России: социальный эффект" (Москва, ГУ ВШЭ, 2003) — «Конкурентоспособность и модернизация экономики» (Москва, ГУ ВШЭ, 2004) — «Модернизация экономики и государство» (Москва, ГУ ВШЭ, 2006) — «9-я международная конференция по теории вероятностей и математической статистике» (Вильнюс 2006) — «8-я Международная конференция „Применение многомерного статистического анализа в экономике и оценке качества“ (Москва, 2006) — „Модернизация экономики и общественное развитие“ (Москва, ГУ ВШЭ, 2007) — „Модернизация экономики и глобализация“ (Москва, ГУ ВШЭ, 2008) — „Международная конференция по проблемам развития экономики и общества“ (Москва, ГУ ВШЭ, 2009) — „The Third Bachelier Colloquium on Mathematical Finance and Stochastic Calculus“ (Metabief, France, January, 2008) — „Second International Credit Risk & Rating Conference, 8−10 may 2008“ (Ankara, Turkey, 2008) — VII Международная школа-семинар „Многомерный статистический анализ и эконометрика“ (Цахкадзор, Армения, сентябрь 2008) — „The XVII International Tor Vergata Conference on Banking and Finance: Emerging Markets, Currencies, and Financial Stability“ (Rome, Italy, December 2008) — „INFINITI Conference on International Finance, 8−9 June 2009“ (Trinity College, Dublin, Ireland, 2009) — „EWEPA-2009, XI European“ Workshopon Efficiency and Productivity Analysis» (Pisa, Italy, June 2009);

• приглашенных докладах на научных семинарах: семинар «Многомерный статистический анализ и вероятностное моделирование реальных процессов», ЦЭМИ РАН, 2003, 2006, 2009; ГУ ВШЭ, 2003; Tilburg University, 2004, 2005; Bank of Finland Institute for Transition Economies 2004 (2), 2006, 2008, 2009; Bilkent University (Turkey), 2006; ЦЭФИР, 2006; ЦЭМИ РАН, Российско-швейцарский семинар по эконометрике и статистике, 2007; МГУ, 2008; международная юбилейная сессия научного семинара «Многомерный статистический анализ и вероятностное моделирование реальных процессов», Москва, Звенигород, 21−25 июня 2009;

• научных конференциях Российской экономической школы (Москва, 2002;2009 гг.);

• научно-практических конференциях и семинарах:

Клуб банковских аналитиков (2002) — «Риск-менеджмент в финансовых институтах в России и СНГ» (Цюрих, 2005) — 13-й международный форум «Российский банковский сектор. Инвестиционный потенциал и стратегия роста» (Лондон, 2006) — «Управление финансовыми рисками в России и странах СНГ» (Вена, 2006) — «Управление рисками: решения для России» (Москва, 2005).

Материалы диссертации использованы: в программах для повышения квалификации специалистов в Москве (июнь 2005, март 2007) — Алма-Ате (2005) — Ташкенте (январь 2004) — Тбилиси (январь 2005).

Материалы диссертации были использованы при подготовке учебника по эконометрике (8 изданий), рекомендованного Министерством общего и профессионального образования Российской Федерации, и задачника по курсу эконометрики (4 издания), одобренного Министерством общего и профессионального образования Российской Федерации.

Материалы диссертации используются в курсах эконометрики для магистров РЭШ, МИЭФ ГУ ВШЭ, для бакалавров МГИМО, ГУГН, МИЭФ ГУ.

ВШЭ, а так же в курсе «Банки, банковская система России и банковские рейтинги» для магистров РЭШ. «.

Материалы диссертации были включены в курсы для преподавателей университетов по методике преподавания эконометрических дисциплин по панельным данным, моделям дискретного выбора, эконометрике финансовых рынков: Санкт-Петербург, июнь 2000; Екатеринбург, сентябрь 2000; Кисловодск, апрель 2001; Москва, май 2001; Санкт-Петербург, сентябрь 2001; Москва, апрель 2002; Великий Новгород, июль 2002; Саратов, апрель 2003; Владивосток, июль 2003; Кисловодск, май 2004; Вильнюс, июль 2004.

Работа по анализу рейтингов российских банков была поддержана грантом РФФИ (2008).

Публикации. Печатные труды, опубликованные по тематике диссертации, насчитывают 49 работ общим объемом примерно 93 п.л., из них лично автора — более 52 п.л. Они включают три монографии, а также статьи в периодических изданиях и сборниках научных трудов (в том числе 8 из списка ВАК), препринты и материалы конференций.

Структура и объем. Диссертация состоит из введения, пяти глав, заключения и списка литературы из 261 наименований. Она изложена на 276 страницах печатного текста, содержит 80 таблиц, 29 рисунков.

5.4. Выводы.

Многие авторы отмечают связь технической эффективности и надежности фирмы, банка. Наличие технической неэффективности свидетельствует о плохом качестве менеджмента, лишнем персонале, который неэффективно работает, неправильно используемых активах компании, неоправданно высоких затратах.

Оценки технической эффективности, могут, таким образом использоваться для дистанционного мониторинга банковской системы. Банки, оценки эффективности которых низки, в первую очередь должны являться объектом внимания органов банковского надзора.

В данной главе исследованы свойства моделей эффективности банков по издержкам и их применения к российским банкам. Содержательный анализ выводов полученных по этим моделям говорит об их адекватности.

Впервые на примере российских банков проведен анализ зависимости ранжировок банков по оценкам эффективности в зависимости от выбора модели SFA (наборы факторов, выпусков) и от спецификации распределения ошибок в модели. Показано, что ранжировка банков по эффективности существенно зависит от выбранной модели и в значительно меньшей степени зависит от спецификации распределения ошибок.

При анализе факторов влияющих на эффективность российских банков использовались модели с учетом факторов риска. Полученные результаты показывают, что эффективность иностранных банков не отличается от эффективности российских банковмосковские банки эффективнее региональныхзависимость эффективности от размера U-образная. Для 15−30 крупнейших банков эффективность возрастает с размером банка.

При сравнительном анализе эффективности банков России и Казахстана показано, что в отличие от результатов предыдущих работ, в период 2002;2006 не отмечается различия в эффективности банков двух стран.

При анализе средней отдачи от масштаба, показано, что средняя эффективность российских (и казахстанских) банков увеличится с их укрупнением, что соответствует текущей политике Центральных банков России и Казахстана.

Укрупнение банков приведет к большей эффективности, а следовательно и стабильности банковской системы.

Отметим, что как и в случае банков других стран оценки эффективности российских банков по издержкам почти не коррелируют с традиционными индикаторами эффективности ROA и ROE.

ЗАКЛЮЧЕНИЕ

.

В работе разработан методологический подход к комплексному эконо-метрическому анализу надежности и эффективности банков на основе математических и эконометрических моделей, которые могут использоваться для дистанционного анализа — как компоненты систем раннего предупреждения органами банковского надзора, а также банками при оценке риска партнеров в рамках IRB-подхода при реализации Нового базельского соглашения.

1. Разработаны и тестированы эконометрические модели вероятности дефолта банка, построенные по историческим данным о дефолтах российских банков. Показано, что учет макроэкономической среды увеличивает точность прогноза моделей. Исследовано влияние на вероятность дефолта различных показателей — таких, как размер банка, капитализация, ликвидность, доля кредитов нефинансовым организациям в активах, доля государственных ценных бумаг в активах, доля основных средств, доля негосударственных ценных бумаг в активах, просроченная задолженность, резервы под возможные потери и др.

2. Предложен метод автоматической классификации, ориентированный на построение наилучших моделей бинарного выбора в каждом кластере. Применение такого подхода позволило повысить точность прогноза по сравнению с ранее применявшимися моделями. Рассмотрен эффект предварительной классификации банков. Результаты автоматической классификации могут быть использованы ЦБ РФ для установления более гибких требований к достаточности капитала.

3. Разработаны и тестированы методы сравнения построенных моделей дефолта с точки зрения их экономического эффекта для потенциального инвестора. Проведен анализ применения моделей в целях, как дистанционного мониторинга органов банковского надзора, так и IRB-подхода в рамках Нового базельского соглашения.

4. Построены модели рейтингов международных рейтинговых агентств и оценок независимых экспертов. Модели учитывают макроэкономическое окружение и специфические особенности страны. Эти модели могут применяться для дистанционной оценки надежности российских банков, как в целях надзора, так и для оценки риска партнеров. Показано, что значительная часть информации содержащейся в рейтингах может быть получена из публично доступной информации. Проведено сравнение двух возможных методов прогноза рейтингов по моделям множественного выбора.

5. Показано, что существует особый подход международного рейтингового агентства Moody’s к рейтингованию банков развивающихся стран и, в частности, российских банков. При прочих равных, банки в этих странах получают более низкие рейтинги. Очевидно, эксперты агентства учитывают в рейтингах свои оценки политического риска в этих странах. Проанализировано, какие из показателей банка эксперты агентства де-факто учитывают при составлении рейтинга.

6. С помощью эконометрических моделей детально проанализированы рейтинги банков агентства Moody’s. Разработана методика оценки ненаблюдаемого фактора «внешней поддержки», входящего в методологию составления рейтингов депозитов в иностранной валюте этого международного рейтингового агентства.

7. Анализ эконометрических моделей процентных ставок по депозитам физических лиц показал наличие в России рыночной дисциплины, являющейся одной из основ Базеля-П. Показано, что эта дисциплина в России более выражена, чем в развитых странах. В стране с менее развитой и менее надежной, чем в развитых странах, системой банковского регулирования, вкладчики вынуждены самостоятельно контролировать рыночную дисциплину. Таким образом, показано, что модели процентных ставок можно использовать для оценки надежности банков с точки зрения вкладчиков. Однако введение страхования депозитов существенно снизило рыночную дисциплину и соответственно ослабило стабильность российской банковской системы.

8. Построены модельные оценки эффективности российских банков по издержкам. Проведен анализ зависимости эффективности от региона, типа собственности, финансовых показателей банка. Зависимость эффективности банка от его размера U-образная: малые и самые крупные банки более эффективны, чем средние. Не обнаружено значимого различия между эффективностью иностранных и отечественных банков. Московские банки несколько эффективнее региональных. При анализе моделей эффективности банков не обнаружено статистически достоверного различия в эффективности банков России и Казахстана, несмотря на то что банковская система Казахстана считается наиболее развитой на постсоветском пространстве.

9. На основе полученных модельных оценок эффективности российских банков сделан вывод о том, что укрупнение средних и мелких российских банков приведет к повышению эффективности банковской системы, а следовательно, и к ее большей стабильности. Это дает обоснование политики Банка России по сокращению количества мелких банков. Продемонстрирован эффект, который не учитывается в большинстве работ по анализу эффективности банков: ранжировка банков по оценкам эффективности существенно зависит от спецификации модели.

Показать весь текст

Список литературы

  1. А.В., Максимов А. Г. Эконометрика шаг за шагом. М.: ГУ ВШЭ, 2006.- 180 с.
  2. С.А., Мхитарян B.C. Прикладная статистика и основы эконометрики. М.: Юнити, 1998. 1022 с.
  3. С.А. Прикладная статистика. Основы эконометрики. Т. 2. — М.: Юнити-Дана, 2001. 432 с.
  4. С.А., Афанасьев М. Ю. Оценка мероприятий, направленных на управление факторами неэффективности производства // Прикладная эконометрика. 2007. — № 4. — С. 27—41.
  5. С.А., Афанасьев М. Ю., Макаров B.JI. Моделирование достижимого производственного потенциала и оценка эффективности производства на основе методологии стохастической границы. Препринт # WP/2008/239. М.: ЦЭМИ РАН, 2008. — 83 с.
  6. С.А., Бухштабер В. М. Анализ данных, прикладная статистика и построение общей теории автоматической классификации // Методы анализа данных. М.: Финансы и статистика, 1985.-357с.
  7. С.А., Бухштабер В. М., Енюков B.C., Мешалкин Л. Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.-670 с.
  8. С.А., Иванова С. С. Эконометрика. М.: Маркет ДС Корпорейшн, 2007.-104 с.
  9. М. Большая перемена // Аналитический банковский журнал.2008.-№ 12.-С. 24−29.
  10. М.Ю. Модель производственного потенциала с управляемыми факторами неэффективности // Прикладная эконометрика. 2006. — № 4. — С. 74−89.
  11. М.Ю., Васильева Н. В. Моделирование производственного потенциала фирмы с учетом факторов неэффективности и риска // Экономическая наука современной России. 2006. — № 1. — С. 104−119.
  12. М.Ю., Скоков В. А. Программа оценки эффективности функционирования предприятий на основе расчета стохастических границ производства. М.: ЦЭМИ АН СССР, 1984.
  13. БалашВ.А., Балаш О. С. Линейные регрессионные модели для панельных данных. М.: МЭСИ. 2002. — 65 с.
  14. Э. Практика эконометрики: классика и современность. М.: Юнити-Дана. 2005. — 848 с.
  15. Ю.Н. Тайны корреляционных связей в статистике. М.: ИНФРА-М, 2009.- 158 с.
  16. А.А. Типичные стратегии и финансовое посредничество. Препринт РЭШ. #BSP/01/047. 2001. — 48 с.
  17. С.А. Эконометрика. Минск: Новое знание, 2006 408 с.
  18. А.Е. Анализ и моделирование инфляции в России (19 921 996 гг.) // Экономика и математические методы. 1997. — Т. 33. — № 3.
  19. А.Е. и др. Характеристика и прогноз развития науки и технологий в России (анализ экспертных оценок). ЦЭМИ РАН, 1994.
  20. И.В. Экономико-математические модели оценки деятельности коммерческих банков. СПб.: Изд-во СПб. ун-та, 1999. 308 с.
  21. С.В. Факторы, влияющие на эффективность российских банков // Прикладная эконометрика. 2006. — № 2. — С. 3−17.
  22. С.В., Евдокимов М. А., Карминский A.M., Пересецкий А. А. Модели вероятности дефолта российских банков. II. Влияние макроэкономических факторов на устойчивость банков. Препринт РЭШ. #WP/2004/043. 2004. — 25 с.
  23. С.В., Карминский A.M., Копылов А. В., Пересецкий А. А. Модели вероятности дефолта российских банков. I. Предварительное разбиение банков на кластеры. Препринт РЭШ. #WP/2003/039. 2003. — 49 с.
  24. С.В., Карминский A.M., Пересецкий А. А. Эффективность российских банков с точки зрения минимизации издержек, с учетом факторов риска // Экономика и математические методы. 2008. — № 4. — С. 28−38.
  25. С.В., Карминский A.M., Пересецкий А. А. Факторы, влияющие на эффективность российских банков // Модернизация экономики и государство: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2007. Кн. 3. — С. 188−206.
  26. С.В., Карминский A.M., Пересецкий А. А. Эффективность российских банков с точки зрения минимизации издержек // Модернизация экономики и общественное развитие: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2007. — Кн.З. — С. 101−112.
  27. С.В., Костюрина О. Ю., Пастухова Е. В., Карминский A.M., Пересецкий А. А. Эффективность российских банков с точки зрения минимизации издержек. Препринт РЭШ. WP/2007/071, 2007. 25 с.
  28. С.В., Назин В. В., Пересецкий А. А. Непараметрические оценки эффективности российских банков // Модернизация экономики и глобализация: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2009. — Кн.З. — С. 382−393.
  29. Дж. Эконометрические методы. М.: Статистика, 1980.
  30. К. Введение в эконометрику. Изд. 3-е / Пер. с англ. М.: ИНФРА-М, 2009.-466 с.
  31. И.И., Курышева С. В., Годеенко Н. М. и др. Практикум по эконометрике. М.: Финансы и статистика, 2005. 192 с.
  32. И.И., Курышева С. В., Костеева Т. В., Бабаева И. В., Михайлов Б. А. Эконометрика. Изд. 2-е. М.: Финансы и статистика, 2007. 576 с.
  33. И.И., Курышева С. В., Нерадовская Ю. В. Эконометрика. М.: Проспект, 2009. 288 с.
  34. О.О. Эконометрические методы в макроэкономическом анализе. М.: ГУ ВШЭ, 2001.-122 с.
  35. Заявление Правительства Российской Федерации и Центрального банка Российской Федерации от 30 декабря 2001 г. «О стратегии развития банковского сектора Российской Федерации» // Вестник Банка России. — 18 января 2002 г. -№ 5(583).
  36. A.M., Малахова И. А., Миненкова Е. С., Пересецкий А. А. Модели рейтингов банков агентства Moody’s // Управление финансовыми рисками. 2007. — № 2. — С. 96−109.
  37. A.M., Мяконьких А. В., Пересецкий А. А. Модели банковских рейтингов агентства Moody’s. Банковские рейтинги финансовой устойчивости. Препринт РЭШ. WP/2008/083, 2008. 38 с.
  38. A.M., Мяконьких А. В., Пересецкий А. А. Модели банковских рейтингов устойчивости // Модернизация экономики и глобализация: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2009. Кн. 3. — С. 424−433.
  39. A.M., Мяконьких А. В., Пересецкий А. А. Модели рейтингов финансовой устойчивости // Управление финансовыми рисками. 2008. — № 1. -С. 2−18.
  40. A.M., Пересецкий А. А. Модели рейтингов международных агентств // Прикладная эконометрика. 2007. — № 1. — С. 3−19.
  41. A.M., Пересецкий А. А. Рейтинги как мера финансовых рисков. Эволюция, назначение, применение // Журнал новой экономической ассоциации. 2009. -№ 1−2. — С. 86−103.
  42. A.M., Пересецкий А. А. Рыночная дисциплина российских банков // Банковский ритейл. 2006. — № 3. — С. 70−81.
  43. A.M., Пересецкий А. А., Головань С. В. Модели дефолта российских банков // Конкурентоспособность и модернизация экономики: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ ВШЭ, 2004. Кн. 1. — С. 407−417.
  44. A.M., Пересецкий А. А., Головань С. В. Модели рейтингов российских банков. Построение, анализ динамики и сравнение. Препринт РЭШ. #WP/2005/049, 2005. 55 с.
  45. A.M., Пересецкий А. А., Головань С. В. Модели рейтингов в интересах риск-менеджмента // Модернизация экономики и общественное развитие: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2007. Кн. 3. — С. 23−33.
  46. A.M., Пересецкий А. А., Головань С. В. Моделирование вероятности дефолта российских банков с учетом макропараметров // Управление финансовыми рисками. 2005. — № 3. — С. 43−57.
  47. A.M., Пересецкий А. А., Головань С. В., Малахова И. В., Ми-ненковаЕ.С. Модели рейтингов международных агентств. Препринт РЭШ. WP/2007/070, 2007. 59 с.
  48. A.M., Пересецкий А. А., Петров А. Е. Модели рейтингов надежности банков // Банки, страховые и финансовые компании. Бюллетень финансовой информации. 2003. — № 1. — С. 9−16.
  49. A.M., Пересецкий А. А., Петров А. Е. Модели рейтингов российских банков // Банки и финансы. 2002. — № 6. — С. 62−68.
  50. A.M., Пересецкий А. А., Петров А. Е. Рейтинги в экономике: методология и практика. М.: Финансы и статистика, 2005. 240 с.
  51. A.M., Пересецкий А. А., Рыжов А. В. Модели рейтингов банков для риск-менеджмента // Управление финансовыми рисками. 2006. — № 4. -С. 362−373.
  52. A.M., Пересецкий А. А., Сует ван А.Г. О. Моделирование рейтингов и надежности российских банков // Модернизация экономики России. Социальный аспект: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2004. -Кн. 1.-С. 500−522.
  53. П.К., Магнус Я. Р., Пересецкий А. А., Головань С. В. Сборник задач к начальному курсу эконометрики. М.: Дело, 2007. 4-е изд. — 367 с.
  54. Г. Б., Смоляк С. А. Эконометрические зависимости: принципы и методы построения. М.: URSS, 2003. 104 с.
  55. А.А. Доклад первого заместителя председателя Центрального банка Российской Федерации на XI Международном банковском конгрессе. Санкт-Петербург, 6 июня 2002 г. http://www.cbr.ru/today/publicationsreports/congress/kozlovframe.htm.
  56. Е.С. Эконометрика. Сыктывкар: Сыктывкарский государственный университет, 2005. 193 с.
  57. Н.Ш., Путко Б. А. Эконометрика. М.: Юнити-Дана, 2007. 312 с.
  58. Я.Р., Катышев П. К., Пересецкий А. А. Эконометрика. Начальный курс. Изд. 8-е. М.: Дело, 2007. — 503 с.
  59. Э. Статистические методы в эконометрии. М.: Статистика, 1976.
  60. Я.М. Рынок ценных бумаг России: воздействие фундаментальных факторов, прогноз и политика развития. М.: Альпина Паблишер, 2002. 624 с.
  61. B.C., АрхиповаМ. Ю., Балаш В. А., Балаш О. С., Дуброва Т. А., Сиротин В. С. Эконометрика. М.: Проспект, 2009. 384 с.
  62. Н.И., Карминский A.M., Астрелина В. В. О необходимости дифференциации пруденциальных норм и рейтинговых оценок для финансовых институтов реальной экономики // Рынок ценных бумаг. 1999. — № 20 (155). — С. 52−66.
  63. Отчет о развитии банковского сектора и банковского надзора в 2002 году. М.: ЦБ РФ, 2003−2009 гг.
  64. А.А. Измерение компоненты внешней поддержки рейтингов агентства Moody’s // Прикладная эконометрика. 2009. — № 2. — С. 3−23.
  65. А.А. Методы оценки вероятности дефолта банков // Экономика и математические методы. 2007. — № 3. — С. 37−62.
  66. А.А. Процентные ставки российских банков. Рыночная дисциплина и страхование депозитов // Экономика и математические методы. 2007. — № 1.-С. 3−15.
  67. А.А. Рыночная дисциплина и страхование депозитов // Прикладная эконометрика. 2008. — № 3. — С. 3−14.
  68. А.А. Техническая эффективность банков. Россия и Казахстан // Финансы и бизнес. 2009. — № 1. — С. 41−53.
  69. А.А. Эконометрические методы в дистанционном анализе деятельности российских банков. М.: ЦЭМИ РАН, 2009. 192 с.
  70. А.А. Эконометрические модели оценки риска. Банки и рейтинги // Сб. Труды VII Международной школы-семинара «Многомерный статистический анализ и эконометрика». Цахкадзор (Армения) 21−30 сентября 2008, 2008. С. 67−69.
  71. А.А., Головань С. В., ЗлобинМ.Ю., Карминский A.M. Рыночная дисциплина и страхование депозитов // Модернизация экономики и глобализация: Сб. / Отв. ред. Е. Г. Ясин. М.: Изд. дом ГУ-ВШЭ, 2009. Кн. 3. — С. 404412.
  72. А.А., Карминский A.M., Сует ван А.Г. О. Модели рейтингов российских банков // Экономика и математические методы. 2004. — Т. 40. — № 4.-С. 10−25.
  73. А.А., Карминский A.M., Головань С. В. Розничный бизнес российских банков. Анализ неоднородности процентных ставок по депозитам физических лиц. Препринт РЭШ. WP/2006/57, 2006. 35 с.
  74. Реструктуризация кредитных организаций в зарубежных странах / Под ред. А. Г. Грязновой, М. А. Федотовой, В. М. Новикова. М.: Финансы и статистика, 2000.-416 с.
  75. Советский энциклопедический словарь. М.: Советская Энциклопедия, 1980.
  76. В.И., Ибрагимов Н. М., Талышева Л. П., Цыплаков А. А. Эконометрия. Новосибирск: СО РАН, 2005. 744 с.
  77. Управление деятельностью коммерческого банка (Банковский менеджмент) / Под ред. О. И. Лаврушина. М.: Юристь, 2002. 688 с.
  78. Г. Г. Устойчивость коммерческого банка и рейтинговые системы ее оценки. М.: Финансы и статистика, 1999. 168 с.
  79. Финансы: Учебник для студ. вузов / Под ред. А. Г. Грязновой, Е. В. Маркиной. М.: Финансы и статистика, 2007. 504 с.
  80. Центральный банк Российской Федерации. История. http://www.cbr.ru/today/history/centraIbank.asp.
  81. П. Рейтинг Кромонова виртуальная оптимальность // Рынок ценных бумаг. — 1999. — № 2. — С. 57−60.
  82. Энциклопедический словарь. М.: Советская Энциклопедия, 1964. Т. 2.
  83. Achieving excellence in credit risk management. Standard & Poor’s, 2003. -80 p.
  84. Afanasiev M.Y. Methods of estimating productive efficiency for the enhancement of plan decision making // Atlantic Economic Journal. 1992. — Vol. 20. — № 1. -pp. 10−24.
  85. Aigner D.J., Lovell C.A.K., Schmidt P. Formulation and estimation of stochastic frontier production function models // Journal of Econometrics. 1977. -Vol. 6. — № l.-pp. 21−37.
  86. Aldrich J.H., Nelson F.D. Linear probability, logit and profit models // Quantitative applications in the social sciences. Series № 45. — Beverly Hills: SAGE Publications, 1985.-98 p.
  87. Altman E.I. Financial ratios, discriminant analysis and the prediction of corporate bankruptcy // Journal of Finance. 1968. — Vol. 23. — № 4. — pp. 589−609.
  88. Altman, E.I. Measuring corporate bond mortality and performance // Journal of Finance. 1989. — Vol. 44. — № 4. — pp. 909−922.
  89. Altman E.I., Marco G., Varetto F. Corporate distress diagnosis: Comparisons using linear discriminant analysis and neural networks (the Italian experience) // Journal of Banking and Finance. 1994. — № 3. — pp. 505−529.
  90. Altman E.I., Rijken H.A. How rating agencies achieve rating stability // Journal of Banking and Finance. 2004. — Vol. 28. — № 11. — pp. 2679−2714.
  91. Altman E.I., Saunders A. Credit risk measurement: Developments over the last 20 years // Journal of Banking and Finance. 1998. — Vol. 21. — pp. 1721−1742.
  92. Altman, E.I., Haldeman, R., Narayanan, P. Zeta analysis: A new model to identify bankruptcy risk of corporations // Journal of Banking and Finance. 1977. — Vol. 1. — № 1. — pp. 29−54.
  93. Altunbas Y., Liu M.H. Efficiency and risk in Japanese banking // Journal of Banking and Finance. 2000. — Vol. 24. — pp. 1605−1628.
  94. Amato J.D., Furfine C.H. Are credit ratings procyclical? // Journal of Banking and Finance. 2004. — Vol. 28. — pp. 2641−2677.
  95. Balash V.A., PavlukD.V. Stochastic frontier analysis of Russian banks efficiency // Вестник Саратовского государственного социально-экономического университета. Специальный выпуск. — 2005. — С. 59−64.
  96. Bank financial strength ratings: Global methodology. Moody’s. February 2007.
  97. Bank financial strength ratings: Update to revised global methodology // Special report. Moody’s Investors Service. — 2006.
  98. Battese G.E., Coelli T.J. A model for technical inefficiency effects in a stochastic frontier production function for panel data // Empirical Economics. 1995. — Vol. 20. — pp. 325−332.
  99. Bauer P.W., Berger A.N., FerrierG.D., Humphrey D.B. Consistency conditions for regulatory analysis of financial institutions: A comparison of frontier efficiency methods // Journal of Economics and Business. 1998. — Vol. 50. — № 2. — pp. 85 114.
  100. Beaver W.H. Financial ratios as predictors of failure // Journal of Accounting Research. Empirical Research in Accounting: Selected Studies. 1966. — Vol. 4. -pp. 71−111.
  101. Becchetti L., Sierra J. Bankruptcy risk and productive efficiency in manufacturing firms // Journal of Banking and Finance. 2003. — № 27. — № 11. — pp. 849−870.
  102. Berger A.N. International comparisons of banking efficiency // Financial Markets, Institutions and Instruments. 2007. — Vol. 16. — № 3. — pp. 119−144.
  103. Berger A.N., DeYoungR. Problem loans and cost efficiency in commercial banking // Journal of Banking and Finance. 1997. — № 21. — pp. 849−870.
  104. Berger A.N., Humphrey D.B. Measurement and efficiency issues in commercial banking // In: Griliches, Zvi (ed.). Output measurement in the service sectors. Chicago: University of Chicago Press Inc., 1992. pp. 245−302.
  105. Berger A.N., Humphrey D.B. Efficiency of financial institutions: International survey and directions for future research // European Journal of Operational Research. 1997. — Vol. 98. — pp. 175−212.
  106. Berger A.N., Mester L.J. Inside the Black Box: What explains differences in the efficiencies of financial institutions? // Journal of Banking and Finance. 1997. -Vol. 21.-pp. 895−947.
  107. Berger A.N., Udell G.F. Some evidence on the empirical significance of credit rationing // Journal of Political Economy. 1992. — Vol. 100. — № 5. — pp. 10 471 077.
  108. Bessembinder H. Systematic risk, hedging pressure, and risk premiums in futures markets // Review of Financial Studies. 1992. — Vol. 5. — № 4. — pp. 637−667.
  109. Bessembinder H. An empirical analysis of risk premia in futures markets // Journal of Futures Markets. 1993. — Vol. 13. -№ 6. — pp. 611−630.
  110. Blume M.E., Lim F., MacKinlay A.C., The declining credit quality of US corporate debt: Myth or reality? // Journal of Finance. 1998. — Vol. 53. — № 4. — pp. 1389−1413.
  111. Bongini P., LaevenL., Majnoni G. How good is the market at assessing bank fragility? A horse race between different indicators // Journal of Banking and Finance. 2002. — Vol. 26. — pp. 1011−1028.
  112. Bonin J.P., Hasan I., Wachtel P. Bank performance, efficiency and ownership in transition countries // Journal of Banking and Finance. 2005. — Vol. 29. — pp. 31−53.
  113. Bonin J.P., Hasan I., Wachtel P. Privatization matters: Bank efficiency in transition countries // Journal of Banking and Finance. 2005. — Vol. 29. — pp. 2155−2178.
  114. Borio C. Towards a macroprudential framework for financial supervision and regulation? // BIS Working Papers № 128. 2003. — 21 p.
  115. Borodovsky M., Peresetsky A. Deriving non-homogeneous DNA Markov chain models by cluster analysis algorithm minimizing multiple alignment entropy // Computers and Chemistry. 1994. — Vol. 18. — № 3. — pp. 259−268.
  116. Bos J.W.B., Koetter M., Kolari J.W., Kool С.J.M. Effects of heterogeneity on bank efficiency scores // European Journal of Operational Research. 2009. — Vol. 195.-pp. 251−261.
  117. Bovenzi J.F., Marino J.A., McFadden F.E. Commercial bank failure prediction models // Federal Reserve Bank of Atlanta // Economic Review. 1983. — Vol. 68. -pp. 14−26.
  118. Calomiris C.W., Powell A. Can Emerging Market Regulators Establish Credible Discipline? The Case of Argentina, 1992−1999// NBER Working Paper. 2000. — № 7715.
  119. Caner S., Kontorovich V.K. Efficiency of the banking sector in the Russian Federation with international comparison // Экономический журнал Высшей школы экономики. 2004. — Vol. 8. — № 3. — С. 357−375.
  120. Cantor R., Packer F. The credit rating industry // Journal of Fixed Income. -1995.-Vol. 5. — № 3. pp. 10−34.
  121. Cantor R., Packer F. Differences of opinion and selection bias in the credit rating industry // Journal of Banking and Finance. 1997. — Vol. 21. — pp. 1395−1417.
  122. Caprio G., Honohan P. Can unsophisticated market provide discipline? // World Bank Research Working Paper. 2004. — № 3364.
  123. Carey M. Hrycay M. Parameterizing credit risk models with rating data // Journal of Banking and Finance. 2001. — Vol. 25. — № 1. — pp. 197−270.
  124. Carvallo O., Kasman A. Cost efficiency in the Latin American and Caribbean banking systems // International Financial Markets, Institutions and Money. 2005. -Vol. 15.-pp. 55−72.
  125. Chan K., JegadeeshN., Market-based evaluation for models to predict bond ratings // Review of Pacific Basin Financial Markets and Policies. 2004. — Vol. 7. — № 2.-pp. 153−172.
  126. Chiu Y.H., Chen Y.C. The analysis of Taiwanese bank efficiency: Incorporating both external environment risk and internal risk // Economic Modelling. 2009. — № 26.-pp. 456463.
  127. Claessens S. Banking reform in transition-countries // World Bank Policy Research Working paper. 1996. — № 1642.
  128. Coats P.K., FantL.F. Recognizing financial distress patterns using a neural network tool // Financial Management. 1993. — Vol. 22. — № 3. — pp. 142−155.
  129. CoelliT.J. Rao D.S.P., O’Donnell C.J., Battese G.E. An introduction to efficiency and productivity analysis. 2nd ed. Springer. 2005. — 349 p.
  130. Cole R.A., CornynB.G., GuntherJ.W. FIMS: A new monitoring system for banking institutions // Federal Reserve Bulletin.- 1995. Vol. 81. — № 1. — pp. 1−15.
  131. ColeRA., GuntherJ.W. Predicting bank failures: A comparison of on- and off-site monitoring systems // Journal of Financial Services Research. 1998. — Vol. 13. -№ 2.-pp. 103−117.
  132. ColeR.A., GuntherJ.W. Separating the likelihood and timing of bank failure // Journal ofBanking and Finance.- 1995.-Vol. 19.-№ 6.-pp. 1073−1089.
  133. Collier С., Forbush S., NuxollD.A., O’Keefe J. The SCOR system of off-site monitoring: its objectives, functioning, and performance // FDIC Banking Review. -2003.-Vol. 15. -№ 3. pp. 17−32.
  134. Cooper R., Risk premia in the futures and forward markets // Journal of Futures Markets. 1993.-Vol. 13.-№ 4.-pp. 357−371.
  135. Crane D.W. A study of interest rate spreads in the 1974 CD market // Journal of Bank Research. 1976. — Vol. 7. — № 3. — pp. 213−224.
  136. Curry T.J., Fissel G.S., Hanweck G.A. Is there cyclical bias in bank holding company risk ratings? // Journal of Banking and Finance. 2008. — Vol. 32. — № 7. -pp. 1297−1309.
  137. Darario C., SimarL. Advanced robust and nonparametric methods in efficiency analysis: Methodology and applications. Springer. 2007. 248 p.
  138. Demirgus-Kunt A., Detragiache E. Does deposit insurance increase banking system stability? An empirical investigation // Journal of Monetary Economics. 2002. — Vol. 49. — № 7. — pp. 1373−1406.
  139. Demirgii9-Kunt A., Detragiache E. The determinants of banking crises in developed and developing countries // IMF Staff Papers. 1998. — Vol. 45. — № 1. — pp. 81−109.
  140. Demirgti9-Kunt A., Huizinga H. Market discipline and deposit insurance // Journal of Monetary Economics. 2004. — № 51. — pp. 375−399.
  141. Demirguc-Kunt A., KaneE.J., LaevenL. Determinants of deposit-insurance adoption and design // Journal of Financial Intermediation. 2008. — Vol. 17. — pp. 407−438.
  142. DeYoungR. A diagnostic test for the distribution-free efficiency estimator: An example using US commercial bank data // European Journal of Operational Research. 1997. — Vol. 98. — pp. 243−249.
  143. Ederington L. Why split ratings occur? // Financial Management. 1986. — Vol. 15.-pp. 37−47.
  144. Emel A.B., Oral M., Reisman A., Yolalan R. A credit scoring approach for the commercial banking sector // Socio-Economic Planning Sciences. 2003. — Vol. 37. -pp. 103−123.
  145. Engelman В., PorathD. Empirical comparison of different methods for default probability estimation. // Quanteam Research Paper. 2003. — 19 p.
  146. Espahbodi H., Espahbodi P. Binary choice models and corporate takeover // Journal of Banking and Finance. 2003. — Vol. 27. — № 4. — pp. 549−574.
  147. Estrella A., Park S., Peristiani S. Capital ratios as predictors of bank failure // FRBNY Economic Policy Review. 2000. — Vol. 6. — № 2. — pp.33−52.
  148. Fama E. Forward and Spot Exchange Rates // Journal of Monetary Economics. -1984.-Vol. 14. -№ 3. pp. 319−338.
  149. Farrell M.J. The measurement of productive efficiency // Journal of the Royal Statistical Society. Series A, General. 1957. — Vol. 120. — № 3. — pp. 253−290.
  150. Fries S., Taci A. Cost efficiency of banks in transition: Evidence from 289 banks in 15 post-communist countries // Journal of Banking and Finance. 2005. — Vol. 29. -pp. 55−81.
  151. GambacortaL. How do banks set interest rates? // NBER Working Paper. -2004.-№ 10 295.
  152. Gilbert R. A., Meyer A.P., Vaughan M.D. Could a CAMELS downgrade model improve off-site surveillance? Federal Reserve Bank of St. Louis // Review. 2002. -January. — pp. 47−63.
  153. Godlewski C.J. Are ratings consistent with default probabilities?: Empirical evidence on banks in emerging market economies // Emerging Markets Finance and Trade. 2007. — Vol. 43. — № 4. — pp. 5−23.
  154. Golovko E.L., SidorovV.G., Peresetsky A.A., Karminsky A.M., Soest van A.H.O. Analysis of Russian banks ratings. Препринт РЭШ. WP2002/033E, 2002. -37 с.
  155. Gonzalez F. Bank regulation and risk-taking incentives: An international comparison of bank risk // Journal of Banking and Finance. 2005. — Vol. 29. — № 5. -pp. 1153−1184.
  156. Graeve F.D., Jonghe O.D., VennetR.V. The determinants of pass-through of market conditions to bank retail interest rates in Belgium //National Bank of Belgium Working Paper. 2004. — № 47.
  157. Greene W.H. Econometric Analysis. 6th ed. Upper Saddle River: Pearson Prentice Hall, 2008.- 1178 p.
  158. Gunther J.W., Moore R.R. Early warning models in real time // Journal of Banking and Finance.-2003. Vol. 27.-№ 10.-pp. 1979−2001.
  159. Hamilton D.T. Historical corporate rating migration, default and recovery rates // Credit ratings. Methodologies, rationale and default risk / Editor M. Ong. London: Risk Books, 2002. pp. 17−44.
  160. Hannan Т.Н., Berger A.N. The rigidity of prices: Evidence from the banking industry//The American Economic Review. 1991.-Vol. 81.-№ 4.-pp. 938−945.
  161. Hannan Т., Hanweck G. Bank insolvency and the market for large certificates of deposits // Journal of Money, Credit and Banking. 1988. — Vol. 20. — pp. 203−211.
  162. Hirtle В., Lopez J.A. Supervisory information and the frequency of bank examination // FRBNY Economic Policy Review. 1999. — Vol. 5. — № 1. — pp. 1−19.
  163. Hoggarth G., Jackson P., Nier E. Banking crises and the design of safety nets // Journal of Banking and Finance. 2005. — Vol. 29. — pp. 143−159.
  164. Incorporation of Joint-Default analysis into Moody’s bank ratings: A Refined methodology. March 2007.
  165. International convergence of capital measurement and capital standards. A revised framework // Basel Committee on Banking Supervision. Basel: Bank for International Settlements, 2004. — 239 p.
  166. Ioannidou V.P., Dreu de J. The Impact of explicit deposit insurance on market discipline // Tilburg University CentER discussion paper. 2006. — № 05.
  167. Izan, H.Y. Corporate distress in Australia // Journal of Banking and Finance. -1984.-Vol. 8,-№ 2.-pp. 303−320.
  168. JabbourG.M. Prediction of future currency exchange rates from current currency futures prices: The case of GM and JY // Journal of Futures Markets. 1994. -Vol. 14.-№ l.-pp. 25−36.
  169. Jagtiani J." Kolari J., Lemieux C. Shin H. Early warning models for bank supervision: Simper could be better // Federal Reserve Bank of Chicago. Economic Perspectives. 2003. — Vol. 27. — № 3. — pp. 49−60.
  170. Jewell J., Livingston M. A comparison of bond ratings from Moody’s, S&P and Fitch I I Financial Markets, Institutions and Instruments. 1999. — Vol. 8. — № 4. -pp. 1−45.
  171. Kamstra M., Kennedy P., Suan T. Combining bond rating forecasts using logit // The Financial Review. 2001. — Vol. 36. — № 2. — pp. 75−96.
  172. Kaplan R., Urwitz G. Statistical models of bond ratings: A methodological inquiry // Journal of Business. 1979. -Vol. 52.-№ 2.-pp. 231−261.
  173. KarasA., Pyle W., SchoorsK. How do Russian depositors discipline their banks? // BOFIT Seminar. 2005. http://www.bof.fi/bofit/ seminar/monday/market.pdf.
  174. Karas A., Pyle W., Schoors K. Sophisticated discipline in a nascent deposit market: Evidence from post-communist Russia // Bank of Finland. BOFIT Discussion Papers. 2006. — № 13.
  175. Karas A., SchoorsK., Weill L. Are private banks more efficient than public banks? Evidence from Russia // Bank of Finland. BOFIT Discussion Papers. 2008. — № 3.
  176. Kish R.J., HoganK.M., Olson G. Does market perceive a difference in rating agencies? // The Quarterly Review of Economics and Finance. 1999. — Vol. 39. -pp. 363−377.
  177. Kolari J., Glennon D., Shin H., Caputo M. Predicting large US commercial bank failures // Journal of Economics and Business. 2002. — Vol. 54. — № 4. — pp. 361 387.
  178. Komulainen Т., Lukkarila J. What drives financial crises in emerging markets? // Emerging Markets Review. 2003. — Vol. 4. — № 3. — pp. 248−272.
  179. Korobow L., Stuhr D.P. The relevance of peer groups in early warning analysis // Federal Reserve Bank of Atlanta. Economic Review. 1983. — Vol. 68. — pp. 27−34.
  180. Koutsomanoli-Filippaki A., Mamatzakis E. Performance and Merton-type default risk of listed banks in the EU: A panel VAR approach // Journal of Banking and Finance. 2009. — 12 p. — http://dx.doi.Org/10.1016/j.jbankfin.2009.05.009.
  181. Krainer J., Lopez J.A. Incorporating equity market information into supervisory monitoring models // Journal of Money, Credit, and Banking. 2004. — Vol. 36. — № 6.-pp. 1043−1067.
  182. Krainer J., Lopez J.A. Using securities market information for bank supervisory monitoring // International Journal of Central Banking. 2008. — Vol. 4. — pp. 125— 164.
  183. Krainer J., Lopez J.A. Do supervisory rating standards change over time? // FRBSF Economic Review. 2009. — pp. 13−24.
  184. Krainer J., Lopez J.A. How might financial market information be used for supervisory purposes? // FRBSF Economic Review. 2003. — pp. 29−45.
  185. Krainer J., Lopez J.A. Off-site monitoring of bank holding companies // FRBSF Economic Letter. 2002. — № 15.
  186. Krainer J., Lopez J.A. Using securities market information for bank supervisory monitoring // FRBSF Working Paper. 2004. — № 05. — 48 p.
  187. Kumbhakar S.C., Lovell C.A.K. Stochastic frontier Analysis. Cambridge University Press, 2000. 333 p.
  188. Laeven L. Risk and efficiency in East Asian banks // World Bank. Policy Research Working Paper. — 1999. — № 2255. — 38 p.
  189. Laeven L. International evidence on the value of deposit insurance // The Quarterly Review of Economics and Finance. 2002. — № 42. — pp. 721−732.
  190. Lawrence C.L., Smith L.D., RhoadesM. An analysis of default risk in mobile home credit // Journal of Banking and Finance. 1992. — Vol. 16. — № 2. — pp. 299−312.
  191. Lennox C. Identifying failing companies: a reevaluation of the logit, probit and DA approaches // Journal of Economics and Business. 1999. — Vol. 51. — № 4. -pp. 347−364.
  192. Lensink R., Meesters A., Naaborg I. Bank efficiency and foreign ownership: Do good institutions matter? // Journal of Banking and Finance. 2008. — Vol. 32. — pp. 834−844.
  193. Levich R., Majnoni G., Reinhart C. Ratings, rating agencies and the global financial system. Kluwer Academic Publishers, 2002. 392 p.
  194. Lin T.-H. A cross model study of corporate financial distress prediction in Taiwan: Multiple discriminant analysis, logit, probit and neural network models // Neu-rocomputing (2009), doi:10.1016/j.neucom.2009.02.018.
  195. Livingston M., Naranjo A., Zhou L. Asset opaqueness and split bond ratings // Financial Management. 2007. — Vol. 36. — № 3. — pp. 49−62.
  196. Livingston M., Naranjo A., ZhouL. Split bond ratings and rating migration // Journal of Banking and Finance. -2008. -Vol. 32. -№> 8.-pp. 1613−1624.
  197. Loffler G. An anatomy of rating through the cycle // Journal of Banking and Finance. 2004. — Vol. 28. — № 3. — pp. 695−720.
  198. Mamatzakis E., Staikouras C., Koutsomanoli-Filippaki A. Bank efficiency in the new European Union member states: Is there convergence? // International Review of Financial Analysis. 2008. — Vol. 17.-№ 5.-pp. 1156−1172.
  199. Manzoni K. Modeling eurobond credit ratings and forecasting downgrade probability // International Review of Financial Analysis. 2004. — Vol. 13. — № 3. — pp. 277−300.
  200. Marchesini R., Perdue G., Bryan V. Applying bankruptcy prediction models to distressed high-yield bond issues // Journal of Fixed Income. 2004. — Vol. 13. — № 4.-pp. 50−56.
  201. Martin D. Early warning of bank failure: A logit regression approach // Journal of Banking and Finance. 1977. — Vol. 1. — № 3. — pp. 249−276.
  202. Martinez Peria M.S., Schmukler S.L. Do depositors punish banks for bad behavior? Market discipline, deposit insurance and banking crises // Journal of Finance. -2001.-Vol. 56. -№ 3. pp. 1029−1051.
  203. Maudos J., Pastor J., Perez F., Quesada J. Cost and profit efficiency in European banks // Journal of International Financial Markets Institutions and Money. 2002. -Vol. 12.-pp. 33−58.
  204. Measurement of productive efficiency and productivity growth / Editors: H.O. Fried, S.S. Schmidt. C.A. Lovell. Oxford University Press, 2008. 656 p.
  205. Meeusen W., van den Broeck J. Efficiency estimation from Cobb-Douglas production functions with composed error // International Economic Review. 1977. -Vol. 18. — № 2. — pp. 435−444.
  206. MesterL.J. A study of bank efficiency taking into account risk-preferences // Journal of Banking and Finance. 1996. — Vol. 20. — № 6. — pp. 1025−1045.
  207. Mojon B. Financial structure and the interest rate channel of ECB monetary policy // European Central Bank. Working paper № 40. 2000. — 47 p.
  208. Moody’s Rating Methodology handbook. Moody’s Investors Service. April 2003.
  209. Moody’s ratings symbols & definitions. Special report. Moody’s Investors Service. 2004.
  210. Moon C.-G., StotskyJ.G. Testing the differences between the determinants of Moody’s and Standard & Poor’s ratings: An application of smooth simulated maximum likelihood estimation // Journal of Applied Econometrics. 1993. — Vol. 8. — № I.-pp. 51−69.
  211. Morgan D. Rating banks: Risk and uncertainty in an opaque industry // The American Economic Review. 2002. — Vol. 92. — № 4. — pp. 874−888.
  212. Nickell P., Perraudin W., Varotto S. Stability of rating transitions // Journal of Banking and Finance. 2000, — Vol. 24. — № 1−2. — pp. 203−227.
  213. Nier E., Baumann U. Market discipline, disclosure and moral hazard in banking // Journal ofFinancial Intermediation. -2006. Vol. 15. -№ 3. -pp. 332−361.
  214. Ohlson J.A. Financial ratios and the probabilistic prediction of bankruptcy // Journal of Accounting Research. 1980.-Vol. 18.-№ l.-pp. 109−131.
  215. Oshinsky R., Olin V. Troubled banks: Why don’t they all fail? // FDIC Banking Review Series. 2006. — Vol. 18. — № 1.- pp. 23−44.
  216. Partnoy F. The Siskel and Ebert of financial markets?: Two thumbs down for the credit rating agencies // Washington University Law Quarterly. 1999. — Vol. 77. -№ 3.-pp. 619−722.
  217. Pasiouras F., Tanna S., Zopounidis C. The impact of banking regulations on banks' cost and profit efficiency: Cross-country evidence // International Review of Financial Analysis. 2009. — http://dx.doi.Org/10.1016/j.irfa.2009.07.003. — 29 p.
  218. Peresetsky A. Market discipline and deposit insurance in Russia // Bank of Finland. BOFIT Discussion Papers. 2008. — № 14. — 21 p.
  219. Peresetsky A., IvanterA. Interaction of the Russian financial markets // Economics of Planning. 2000. — № 1−2. — pp. 103−140.
  220. Peresetsky A., Karminsky A. Models for Moody’s bank ratings // Bank of Finland. BOFIT Discussion Papers. 2008. — № 17. — 27 p.
  221. Peresetsky A., Roon F. Risk premia in the ruble/dollar futures market // Journal of Futures Markets. 1997. — № 2. — pp. 191−214.
  222. Peresetsky A.A., Karminsky A.M. Models for Moody’s bank ratings // Сб.: Proceedings of Second international credit risk and rating conference. 8−10 May 2008. -Ankara, Turkey. 2008. — pp. 115−120.
  223. Peresetsky A.A., Karminsky A.M., Golovan S.V. Probability of default models of Russian banks // Bank of Finland. BOFIT Discussion Papers. 2004. № 21. — 50 p.
  224. Peresetsky A.A., Karminsky A.M., Golovan S.V. Russian banks' private deposit interest rates and market discipline // Bank of Finland. BOFIT Discussion Papers. -2007. № 2. — 30 p.
  225. Peresetsky A.A., Popov V.V. Russia // Macroeconomic volatility, institutions and financial architectures: The developing world experience / Editor Jose M. Fanelli, MacMillan Palgrave. 11 January 2008. pp. 190−219.
  226. Pinches G.E., Mingo K.A. A multivariate analysis of industrial bond ratings // The Journal of Finance. 1973. — Vol. 28.-№ l.-pp. 1−18.
  227. PittM., LeeL.F. The measurement and sources of technical inefficiency in the Indonesian weaving industry // Journal of Development Economics. 1981. — Vol. 9. — pp. 43−64.
  228. Poon W.P.H. Are unsolicited credit ratings biased downward? // Journal of Banking and Finance. 2003. — Vol. 27. — pp. 593−614.
  229. Psillaki M., Tsolas I.E., Margaritis D. Evaluation of credit risk based on firm performance // European Journal of Operational Research. 2009. http://dx.doi.Org/10.1016/j.ejor.2009.03.032. — 10 p.
  230. Rao A. Cost frontier efficiency and risk-return analysis in an emerging market // International Review of Financial Analysis. 2005. — Vol. 14. — pp. 283−303.
  231. Roy van P. Is there a difference between solicited and unsolicited bank ratings and, if so, why? // Working paper. National Bank of Belgium. 2006. — № 79.
  232. Sahajwala R., Bergh van den P. Supervisory risk assessment and early warning systems // BIS Working Papers. 2000. — № 4. — 53 p.
  233. Sander H., Kleimeier S. Convergence in euro-zone retail banking? What interest rate pass-through tells us about monetary policy transmission, competition and integration // Journal of International Money and Finance. 2004. — Vol. 23. — pp. 461 492.
  234. Scott A.J., Wild C.J. Fitting logistic models under case-control or choice-based sampling // Journal of the Royal Statistical Society. Series B. 1986. — Vol. 48. — № 2.-pp. 170−182.
  235. Scott J. The probability of bankruptcy: A comparison of empirical predictions and theoretical models // Journal of Banking and Finance. 1981. — Vol. 5. — pp. 317−344.
  236. Segoviano M.A., Lowe P. Internal ratings, the business cycle and capital requirements: some evidence from an emerging market economy // BIS Working Papers. 2002. — № 117. — 21p.
  237. Soest van A.H.O., Peresetsky A.A., Karminsky A.M. An analysis of ratings of Russian banks // Tilburg University CentER Discussion Paper Series. 2003. — № 85.-25 p.
  238. Somerville R., Taffler R. Banker judgment versus formal forecasting models: The case of country risk assessment // Journal of Banking and Finance. 1995. -Vol. 19.-pp. 281−297.
  239. Staikouras C., Mamatzakis E., Koutsomanoli-Filippaki A. Cost efficiency of the banking industry in the South Eastern European region // Journal of International Financial Markets, Institutions and Money. 2008. — Vol. 18. — № 5. — pp. 483−497.
  240. Stone M., Rasp J. Tradeoffs in the choice between logit and OLS for accounting choice studies // Accounting Review. 1991. — Vol. 66. -№ 1. — pp. 170−187.
  241. Styrin K. What explains differences in efficiency across Russian banks // Economics Education and Research Consortium Russia and CIS. 2005. — № 01. — p. 258.
  242. The New Basel Capital Accord. Consultative Document/ Basel Committee on Banking Supervision. Basel: Bank for international settlements. April 2003. — 216 p.
  243. Transparency International. Corruption Perceptions Index, 2007. http://www.transparency.org/policyresearch/surveysindices/cpi/2007.
  244. Turmuhambetova G., Peresetsky A., Urga G. The development of the GKO futures market in Russia // Emerging Markets Review. 2001. — № 1. — pp. 1−16.
  245. UchidaH., Satake M. Market discipline and bank efficiency // Journal of International Financial Markets, Institutions and. Money. 2009. — 11 p. http://dx.doi.Org/10.1016/j.intfin.2009.02.003.
  246. Ungan E., Caner S, Ozyildirim S. Depositors' assessment of bank riskiness in the Russian Federation // Journal of Financial Services Research. 2008. — Vol. 33. -№ 2.-pp. 77−110.
  247. Weill L. Banking efficiency in transition economies: The role of foreign ownership // Economics of Transition. 2003. — Vol. 11. — № 3. — pp. 569−592.
  248. Weill L. Measuring cost efficiency in European banking: A comparison of frontier techniques //Journal of Productivity Analysis.-2004.-Vol. 21.-pp. 133−152.
  249. Wescott S.H. Accounting numbers and socioeconomic variables as predictors of municipal general obligation bond ratings // Journal of Accounting Research. 1984. -Vol. 22.-№ 1.-pp. 41223.
  250. Westgaards S., Wijst van der N. Default probabilities in a corporate bank portfolio: A logistic model approach // European Journal of Operational Research. 2001. -Vol. 135.-pp. 338−349.
  251. Wheelock D.C., Wilson P.W. Explaining bank failures: Deposit insurance, regulation and efficiency // The Review of Economics and Statistics. 1995. — № 77. -pp. 689−700.
  252. White L.J. An analysis of the credit rating industry // Credit ratings. Methodologies, rationale and default risk / Editor M. Ong. London: Risk Books, 2002. pp. 1744.
  253. Wiginton J.C. A note on the comparison of logit and discriminant models of consumer credit behaviour // Journal of Financial and Quantitative Analysis. 1980. -Vol. 15. -№ 3. — pp. 757−770.
Заполнить форму текущей работой

Сессия? Спокойно!