3.2 Список входных параметров для анализа

Исходная таблица находится в файле "Банки.txt". Она содержит показатели деятельности коммерческих банков за отчетный период.

Необходимо провести их кластеризацию, т.е. выделить однородные группы банков на основе показателей из базы данных, всего показателей - 4.

В качестве исходной информации использованы данные Росстата. Количество банков, которое будем использовать для анализа-18.

	РА	РСС	РЗС	РКО
ТрансКредит	2,13	34,67	2,26	565,01
КитФинанс	5,66	42,13	6,54	816,54
ВТБ	1,19	12,74	1,57	213,50
РоссельхозБанк	0,36	5,44	0,38	199,40
Возрождение	0,75	14,41	0,84	1501,62
УралСиб	0,02	0,16	0,02	384,16
УРСАБанк	0,38	3,23	0,42	1414,19
Петрокоммерц	0,90	9,99	0,99	216,05
АльфаБанк	0,45	4,24	0,50	470,16
АбсолютБанк	-0,77	-5,73	0,36	83,10
Ситибанк	2,16	23,27	2,38	444,93
Зенит	-0,30	-2,29	2,23	649,99
ИнгБанк	1,46	16,66	1,60	211,66
Сбербанк	2,36	17,52	2,73	3986,27
Банк Москвы	1,53	17,38	1,67	634,16
Райффайзенбанк	1,64	21,49	1,82	692,78
МДМ-Банк	2,36	19,62	2,68	262,40
Номос Банк	2,59	23,13	2,92	414,36

По данным таблицы наименьшее значение показателя рентабельности активов (РА) у АбсолютБанка. Это говорит о том, что банк неэффективно использует свои активы.

Банк КитФинанс держится на первом месте, на уровне 5,66%. Это говорит о нормальной налаженной работе банка, эффективном использовании своих активов и получении прибыли от операций.

Анализируя показатель рентабельности собственных средств (РСС) и показатель рентабельности заемных средств (РЗС), можно заметить, что на последнем месте находится также АбсолютБанк, а на первом КитФинанс.

Исходя из этого можно сделать вывод о том, что КитФинанс занимает лидирующие позиции по данным трех рейтингов.

Что касается показателя рентабельности комиссионных операций, то очевидно, что лидером является Сбербанк, худшие показателя имеет АбсолютБанк.

3.3 Кластеризация деятельности банков с помощью карт Кохонена с применением пакета статистической обработки данных Deductor компании BaseGroup Labs.

Краткое описание программы Deductor

Deductor – аналитическая платформа позволяющая в сжатые сроки сделать успешную систему поддержки принятия бизнес-решений.

Благодаря мощнейшим механизмам импорта, при помощи Deductor возможно создание общей аналитической надстройки над всеми существующими в компании системами сбора и сбережения данных (торговые системы, бухгалтерские системы, отдельные базы и т. д.). Неповторимость этого решения состоит в том, что Deductor, при надобности, механически объединит данные из разрозненных источников.

Реализованные в Deductor технологии позволяют на базе общей архитектуры пройти все этапы возведения аналитической системы: от создания хранилища данных до механического подбора моделей и визуализации приобретенных итогов.

Deductor дает инструментальные средства, требуемые для решения самых различных аналитических задач.

Корпоративная отчетность, моделирование, сегментация, поиск закономерностей — эти и другие задачи, где используются такие методологии анализа как OLAP, Knowldge Discovery in Databases и Data Mining.

Решаемые задачи

Торговля	Финансы
Прогнозирование	Управление рисками при кредитовании физических и юридических лиц
Стимулирование спроса	Оценка кредитоспособности
Сегментация клиентов	Определение профиля клиентов и особенностей их поведения
Оптимизация ценовой политики	Обнаружение случаев махинаций
Аналитическая отчетность

Прикладные решения

Системы корпоративной отчетности. Готовое хранилище данных и эластичные механизмы предобработки, очищения, загрузки, визуализации позволяют проворно делать завершенные системы отчетности в сжатые сроки.

Обработка нерегламентированных запросов. Окончательный пользователь сможет легко получить ответ на вопросы на подобии «Какое количество было продаж продукта по группам за прошедший год с разбивкой по месяцам?» и просмотреть итоги более комфортным ему методом.

Анализ направленностей и закономерностей, проектирование, ранжирование. Простота применения и интуитивно ясная модель данных разрешает проводить тест по типу «что — ежели», соотносить Ваши гипотезы со сведениями, хранящимися в информационной базе, находить ненормальные ценности, расценивать результаты принятия бизнес-решений.

Моделирование. Построив модель на исторических образцах, есть возможность применять её для моделирования ситуации в дальнейшем. По мере изменения ситуации нет потребности перестраивать все, нужно будет всего лишь дообучить модель.

Анализ данных рекламных и социологических исследований. К примеру, анализируя сведения о покупателях, возможно вычислить, кто из них считается Вашим посетителем и почему; как меняются их увлечения исходя из многих разных признаков. Понимание данного станет содействовать верному позиционированию ваших товаров и стимулированию продаж.

Диагностика. Механизмы анализа, имеющиеся в Deductor, успешно используются в врачебной диагностике и в диагностике трудоемкого оборудования. К примеру, возможно выстроить модель на базе сведений о отказах. При её поддержки быстро локализовать трудности и выискать первопричину перебоев.

Обнаружение объектов на базе нечетких критериев. Часто встречается ситуация, когда нужно будет заметить объект, базируясь не на конкретных аспектах, таковых, как цена, технические данные продукта, а на размытых формулировках, к примеру, отыскать продукты, схожие на Ваши, на взгляд покупателя.

Это лишь маленький перечень решаемых задач. Фактически идет речь о всех задачах, где потребуется консолидировать данные, показать их всевозможными методами, выстроить модели и применить полученные модели к новым данным.

Операции

Deductor оптимизирован для решения аналитических задач и содержит полный набор приспособлений, достаточных для решения поставленной задачи:

- получение информации из великого числа источников данных;

- полный диапазон приспособлений очищения и трансформации данных;

- сильные самообучающиеся алгоритмы возведения моделей и обнаружения зависимостей;

- немаленький набор приспособлений визуализации и экспорт последствий в разные форматы.

Это то, что гарантирует создание действенных прикладных решений в наименьшие сроки.

Deductor позволяет:

Извлекать	Находить
информацию из разных источников, консолидировать данные в одном хранилище, отображать информацию в виде отчетов и OLAP-кубов	скрытые закономерности зависи-мости, извлекать правила, моде-лировать процессы, анализировать по схеме "что-если"
Прогнозировать	Сегментировать
развитие событий с учетом влияния разнородных показателей, оценивать значимость влияния факторов на анализируемый процесс	объекты анализа, определять целевые рынки, наиболее ценных клиентов, оптимизировать работу с потребителями и использование ресурсов

Кластерный анализ-задача разбиения заданной выборки объектов (ситуаций) на подмножества, называемые кластерами, так, чтобы каждый кластер состоял из схожих объектов, а объекты разных кластеров существенно отличались. Задача кластеризации относится к статистической обработке, а также к широкому классу задач обучения без учителя.

Технология самоорганизующихся карт - метод многомерного кластерного анализа

Карта Кохонена состоит из ячеек прямоугольной или шестиугольной (рис. 6) формы. 

Рис. 6. Шестиугольные ячейки сети Кохонена

Каждой ячейке соответствует нейрон сети Кохонена. Обучение нейронов производится точно так же, как и нейронов сети Кохонена. Объекты, векторы признаков которых близки, попадают в одну ячейку или в ячейки, расположенные вблизи. Следовательно, двумерная карта Кохонена отражает на плоскости близость многомерных векторов признаков. Ячейки, как уже было сказано, могут быть прямоугольными или шестиугольными. Шестиугольные ячейки более корректно отображают расстояние между объектами на карте, т. к. для этих ячеек расстояние между центрами смежных ячеек одинаковы (рис. 7).

Рис. 7. Шестиугольные и прямоугольные ячейки

Карта Кохонена отражает близость многомерных векторов признаков, то есть сходство объектов. Но обычно требуется анализировать, по каким конкретно параметрам проявляется сходство объектов. Для этого используется раскраска карт Кохонена. Для этого строится столько карт, сколько параметров анализируется. Каждая карта соответствует одному параметру объекта. Ячейки карты раскрашиваются в разные цвета (или оттенки серого цвета) в зависимости от значения параметров, соответствующих каждой ячейке. В каждую ячейку в общем случае попадает несколько объектов. Поэтому вычисляется или среднее значение параметра объектов каждой ячейки или минимальное или максимальное значение. Если в ячейку не попал ни один объект (ячейке соответствует мертвый нейрон), то в качестве значения ячейки берется вес нейрона, соответствующий рассматриваемому параметру. Выделяются диапазоны значений параметра. Каждому диапазону ставится в соответствие цвет (или оттенок серого), и ячейки карты "раскрашиваются" соответствующими цветами.  Проведем кластеризацию 18 ведущих банков РФ (2013 г.) по подобранным переменным. С помощью самоорганизующихся карт Кохонена можно посмотреть зависимости между различными показателями банков и выделить сегменты банков, объединив их по схожим признакам. Результаты отображаются на картах. Каждому показателю соответствует своя карта.

Исследуем фрагмент карты, состоящий из четырех входов, который приведен на рисунке:

На одной из карт выделяем область с наибольшими значениями показателя. Далее имеет смысл изучить эти же нейроны на других картах.

На первой карте наибольшие значения имеют объекты, расположенные в верхнем правом углу. Рассматривая одновременно все карты, мы можем сказать, что эти же объекты имеют наибольшие значения показателя, изображенного на второй и третьей картах. Можно сказать, что это банки преуспевающие и прибыльные. Также по раскраске этих карт можно сделать вывод, что существует взаимосвязь между этими показателями.

Также мы можем определить, например, такую характеристику: кластер, расположенный в верхнем левом углу, характеризуется низкими значениями показателей РА (рентабельность активов), РСС (рентабельность собственных средств), РЗС (рентабельность заемных средств) и РКО (рентабельность комиссионных операций)

Эта информация позволяет так охарактеризовать кластер: это банки с низкими показателями рентабельности, т.е. банки менее прибыльные по сравнению с остальными.

Здесь мы видим сформированные кластеры, каждый из которых выделен отдельным цветом.

К примеру, в один и тот же кластер (первый) были сгруппированы банки с средней рентабельностью активов и собственных средств, с низкой рентабельностью заемных средств и с более высоким доходом от комиссионных операций.

Рассмотрим теперь оставшиеся кластеры.

0 кластер характеризуется высокой рентабельностью активов, собственных и заемных средств, но низкими показателями рентабельности комиссионных операций.

2 кластер характеризуется высокими значениями по всем четырем показателям. В этом кластере находится всего один банк.

И, наконец, последний кластер-третий. В него входит наибольшее количество банков. В данный кластер входят банки с относительно высокой рентабельностью активов и собственных средств, но низкими значениями заемных средств и комиссионных операций.

В результате кластеризации банки со схожими характеристиками попали в один кластер, и поэтому для них можно применять одинаковые нормы и правила, позволяющие улучшить финансовое состояние нескольких банков сразу.

На мой взгляд, двумерное представление финансовой информации является более мощным средством, чем обычное одномерное ранжирование банков. Оно дает гораздо больше информации для финансовых аналитиков и облегчает выявление неравномерностей в больших массивах финансовых данных.

Как правило, надежность банка напрямую зависит от величины его активов. Справедливость этого тезиса доказывает хотя бы то, что из публикуемого далее рейтинга банков с самыми большими активами в России на февраль 2014 года, лишь считанные единицы не попали в прошлогодний рейтинг самых надежных банков.

Данный рейтинг надежности был сформирован на основе оценок, выданных банкам известными международными агентствами, такими как Fitch, Moody’s, Standard & Poor’s, а также “Национальным Рейтинговым Агентством”.

Рейтинг надёжности банков России 2013

Первое место в рейтинге надежности по праву занял Сбербанк России, который по объему операций с физ. лицами обогнал все другие учреждения подобного рода. Его показатель достаточности собственного капитала – 16,3%, что весьма неплохо. Кроме того, банк дополнительно поддерживается государством: в том случае, если кризис углубится, ему будет выделено дополнительно до семисот миллиардов рублей.

На втором месте расположился банк КитФинанс, по объему операций уступающий разве что Сбербанку, а показатель достаточности собственного капитала у него даже выше, чем у лидера – 32,15%.

Замыкает тройку лидеров Райффайзенбанк. ставший лауреатом национальной премии “Финансовый Олимп” и признанный лучшим зарубежным банком по версии журнала EMEA Finance.

Остальной ТОП 20 банков России 2013 выглядит следующим образом:

Четвертое место занимает Транскредитбанк. Уже третья банковская организация в списке самых надежных банков России, принадлежащая группе ВТБ. Совокупные активы превышают 500 миллионов, а объем собственных средств клиентов пересек отметку 350 миллионов.

Пятое место - МДМ Банк. Международным рейтинговым агентством S&P “МДМ Банк” был назван одним из десяти самых устойчивых банков – достаточность собственного капитала превысила 15,3%.

Шестое место – Номос-Банк (достаточность собственного капитала 17,69%). Группа, к которой принадлежит данный банк, находится в России на шестом месте по величине активов. Согласно данным на сентябрь 2013 года, сумма превысила 1000 миллиардов рублей.

Седьмое место –ЮниКредит Банк. Самая крупная из числа иностранных банковских организаций, действующих на территории России. Принадлежит ведущей европейской банковской группе Unicredit. Во время кризиса, в отличие от конкурентов, банк продолжал развиваться, обзаводиться новыми отделениями, набирать персонал и демонстрировал отличные темпы роста.

Восьмое место – РоссельхозБанк. В его активах находится более восьмисот миллиардов рублей, а 80% средств от его кредитного портфеля, как уверяет председатель правления Юрий Трушин, приходятся на аграрный сектор. На поддержку сельского хозяйства банку не так давно была выдана государственная дотация в размере 45 миллиардов рублей.

Девятое место – Росбанк. Частная банковская организация, принадлежащая международной группе Societe Generale. По активам и размеру собственного капитала Росбанк находится в десятке лидеров на территории РФ. Рейтинг надежности, присвоенный банку ведущими агентствами, высок и, согласно прогнозам, таковым и останется еще продолжительное время.

Десятое место – Промсвязьбанк. 2013 год оказался для данного банка достаточно успешным, в частности, стоит отметить рост позиций на факторинговом рынке и получение индивидуального рейтинга кредитоспособности АА+ от Национального Рейтингового Агентства (К сожалению, международными агентствами ПСБ не был оценен так высоко). Нижеприведенные банки особыми успехами в последнее время не отличилась, но доверия клиентов и финансовых экспертов не потеряла: 11. Банк Санкт-Петербург. Входит в число крупнейших региональных банков Российской Федерации. Уже на протяжении более чем десяти лет демонстрирует устойчивые и стабильные позиции на большинстве рынков финансовых услуг.

12. Газпромбанк с его активами, превышающими 1745 миллиардов рублей. За последние годы позиции банка на отечественном и зарубежном рынках значительно укрепились, а число клиентов перешагнуло отметку в три миллиона физических лиц и 45 миллионов юридических. К тому же, Газпромбанк стал одним из лидеров сферы корпоративного финансирования.

13. Ситибанк. Одна из первых зарубежных банковских организаций, вышедших на российский рынок. Национальным рейтинговым агентством ей была присвоена оценка ААА со стабильным прогнозом на будущее.

14. Банк “Россия”. Данное универсальное финансово-кредитное учреждение в последнее время показывает неплохую динамику развития, что в значительной степени отражается на росте позиций в рейтингах как отечественных, так и зарубежных рейтинговых агенств.

15. АК Барс Банк. Стабильное функционирование банка гарантируется оплаченным уставным капиталом, превышающим 28 миллиардов рублей. Достаточность собственного капитала – 13,57%, что также является не самым плохим показателем.

16. Банк МКБ (Московский Кредитный Банк). За третий квартал 2013 года активы банка увеличились почти на 30%. Показатели рентабельности капитала и активов тоже достаточно высоки и продолжают возрастать.

Очень близко к лидирующей двадцатке списка “надежные банки России” подошли банки “Русский Стандарт”, «Банк Москвы» “Home Credit Bank”, “Связь-Банк” и “Глобэкс”, поэтому не исключено, что в следующем году в списке лучших банков мы увидим именно их.

Самыми ненадежными банками признаны всего три - "Бинбанк", "АбсолютБанк" и "УралСиб". Попадание в эту группу означает реальную возможность дефолта по обязательствам.

Следует отметить, что некоторые банки, занесенные в черный список, впоследствии действительно лишились своей лицензии. Один из таких списков, содержащий 48 организаций, был обнародован 4 декабря 2013 года. С этого момента до конца первого квартала 2014 года были отозваны лицензии у 12 банков, находившихся в списке. Среди "безвременно почивших": Декабрь 2013 года – "Банк Проектного Финансирования", "Инвестбанк", "МАСТ-банк", "Смоленский", "Аскольд". Январь 2014 года – "Мой Банк". Февраль 2014 года – "Линк-Банк", "Евротраст". Март 2014 года - "Русский Земельный Банк", "Монолит", "Совинком", "ЭнергоБизнес".

Во втором квартале 2014 года, по прогнозам экспертов, темпы «зачистки» банковского рынка несколько снизятся, но работа по выявлению проблемных организаций будет продолжена. По некоторым экспертным оценкам, в течение 2014 года лишатся своих лицензий порядка полусотни банков.