EconPapers    
Economics at your fingertips  
 

МОДЕЛЬ ОЦЕНКИ ВЕРОЯТНОСТИ ОТЗЫВА ЛИЦЕНЗИИ У РОССИЙСКОГО БАНКА // MODEL FOR ASSESSING THE PROBABILITY OF REVOCATION OF A LICENSE FROM THE RUSSIAN BANK

D. Bidzhoyan S. and Д. Биджоян С.
Additional contact information
D. Bidzhoyan S.: National Research University “Higher School of Economics”
Д. Биджоян С.: Национальный исследовательский университет «Высшая школа экономики»

Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice, 2018, vol. 22, issue 2, 26-37

Abstract: The article deals with the problem of modeling and forecasting the revocation of the bank’s license depending on the volatility of macroeconomic variables. The urgency of this problem is due to the following reasons. First, the Central Bank of theRussian Federationtoday pursues a policy of clearing the banking sector from unscrupulous participants in the banking market and from banks with weak economic positions. Secondly, the strong fl in the values of macroeconomic variables over the previous few years affect the financial condition of the bank, which is the basis for the decision to revoke the license. The purpose of the article is to develop a model for assessing the probability of revocation of a license from the Russian bank on the basis of its public financial statements, taking into account the volatility of macroeconomic variables. The author has developed a logistic regression model for assessing the probability of revocation of a license from the Russian bank taking into account the volatility of macroeconomic variables. To level the effect of multicollinearity in the data, we use RIDGE modification of the logistic regression model with a certain algorithm for setting the penalty factor. The model is based on the data of official public bank statements, data on macroeconomic variables, and data on license revocations by the Bank of Russia as well. To aggregate the information and bring it into a single format, an information and logical model for the formation of the information base of the study is developed. The obtained model for assessing the probability of revocation of a license from the Russian bank has a high prognostic ability. The hypothesis of statistical difference of coefficients from zero is accepted when indicators of volatility of macroeconomic variables were at significance levels of 0.01 and above. The author concluded that the volatility of macroeconomic variables has a significant impact on the fi condition of the bank. The Bank of Russia takes this into account when deciding whether to revoke a license, as the fi condition is one of the key aspects. This approach can be used by the bank’s counterparties in assessing its reliability. В статье рассматривается проблема моделирования и прогнозирования отзыва лицензии банка в зависимости от показателей волатильности макроэкономических переменных. Актуальность этой проблемы обусловлена следующими причинами. Во-первых, Центральный Банк Российской Федерации на сегодняшний день проводит политику очистки банковского сектора от недобросовестных участников рынка предоставления банковских услуг и от банков со слабыми экономическими позициями. Во-вторых, сильные колебания в значениях макроэкономических переменных в течение предыдущих нескольких лет непременно сказываются на финансовом состоянии банка, что является основой для решения об отзыве лицензии.Цель статьи — разработка модели оценки вероятности отзыва лицензии у российского банка на основе его публичной финансовой отчетности с учетом волатильности макроэкономических переменных.Автором разработана логистическая регрессионная модель оценки вероятности отзыва лицензии у российского банка с учетом волатильности макроэкономических переменных. Для нивелирования эффекта мультиколлинеарности в данных используется RIDGE модификация логистической регрессионной модели с определенным алгоритмом задания штрафного коэффициента. Модель строится на данных официальной публичной банковской отчетности, о макроэкономических переменных, а также об отзывах лицензий Банком России. Для агрегирования информации и приведения ее в единый формат разработана информационно-логическая модель формирования информационной базы исследования.Полученная модель оценки вероятности отзыва лицензии у российского банка обладает высокой прогностической способностью. Гипотеза о статистическом отличии от нуля коэффициентов при показателях волатильности макроэкономических переменных принимается на уровнях значимости от 0.01 и выше.В статье делается вывод о том, что волатильность макроэкономических переменных оказывает существенное влияние на финансовое состояние банка. Банк России учитывает это при принятии решения об отзыве лицензии, так как финансовое состояние является одним из ключевых аспектов. Данный подход может быть использован контрагентами банка при оценивании его надежности.

Keywords: logistic regression; multicollinearity; volatility of macroeconomic variables; forms of bank statements; probability of license revocation; cut-off threshold; Kolmogorov-Smirnov statistics; probability distribution; логистическая регрессия; мультиколлинеарность; волатильность макроэкономических переменных; формы банковской отчетности; вероятность отзыва лицензии; порог отсечения; статистика Колмогорова-Смирнова; распределение вероятностей (search for similar items in EconPapers)
Date: 2018-05-26
References: View references in EconPapers View complete reference list from CitEc
Citations: Track citations by RSS feed

Downloads: (external link)
https://financetp.fa.ru/jour/article/viewFile/644/478.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:scn:financ:y:2018:i:2:p:26-37

Access Statistics for this article

More articles in Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice from ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation
Bibliographic data for series maintained by Алексей Скалабан ().

 
Page updated 2019-05-19
Handle: RePEc:scn:financ:y:2018:i:2:p:26-37