+7 (925) 966 4690
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансовая аналитика: проблемы и решения»
 

Включен в перечень ВАК по специальностям

ЭКОНОМИЧЕСКИЕ НАУКИ:
5.2.1. Экономическая теория
5.2.3. Региональная и отраслевая экономика
5.2.4. Финансы
5.2.5. Мировая экономика
5.2.6. Менеджмент


ЭКОНОМИЧЕСКИЕ,
ФИЗИКО-МАТЕМАТИЧЕСКИЕ НАУКИ:
5.2.2. Математические, статистические и инструментальные методы в экономике

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

Eastview
eLIBRARY.RU
Biblioclub

Исследование рыночной доли кредитного портфеля банка с помощью нейронной сети

т. 10, вып. 11, ноябрь 2017

PDF  PDF-версия статьи

Получена: 17.05.2017

Получена в доработанном виде: 30.08.2017

Одобрена: 21.09.2017

Доступна онлайн: 15.11.2017

Рубрика: МАТЕМАТИЧЕСКИЙ АНАЛИЗ И МОДЕЛИРОВАНИЕ В ЭКОНОМИКЕ

Коды JEL: C45, C58, C81

Страницы: 1220–1233

https://doi.org/10.24891/fa.10.11.1220

Ломакин Н.И. кандидат экономических наук, доцент кафедры экономики и финансов предприятий, Волгоградский государственный технический университет, Волгоград, Российская Федерация 
tel9033176642@yahoo.com

Фемелиди Ю.В. студентка группы ВКФ-1, Волгоградский государственный технический университет, Волгоград, Российская Федерация 
yul010294@gmail.com

Тема. Предметом исследования является динамика кредитных портфелей российских банков за анализируемый период с помощью карты Кохонена.
Цели. Доказать или опровергнуть гипотезу, что, применяя нейронную сеть – карту Кохонена, можно сделать прогноз динамики рыночной доли кредитного портфеля банка.
Задачи. Провести анализ и выявить тенденции развития банковской системы. Обеспечить визуализацию многомерного пространства факториальных признаков (размера, рыночной доли, прироста, года) в двухмерное пространство с помощью карты Кохонена. Выявить влияние размеров кредитных портфелей десяти кластеров, а также карты Кохонена на статистические параметры, например среднее и стандартное отклонение. Рассчитать прогнозное значение параметра «Изменение доли, %» кредитного портфеля произвольно взятого коммерческого банка при изменении входных параметров модели.
Методология. Использовалась нейросетевая модель – карта Кохонена.
Результаты. Сформирована нейросетевая модель, позволяющая прогнозировать рыночную долю кредитного портфеля на меняющемся рынке в условиях экономической неопределенности.
Выводы. Применение карты Кохонена имеет важное значение для получения определенной статистической информации по коммерческим банкам в разрезе кластеров модели, а также для прогнозирования рыночной доли организации в условиях меняющегося рынка.
Применение. Результаты исследования могут быть использованы в сфере банковского маркетинга для формирования прогнозов динамики рыночной доли банка при изменении размера его портфеля.

Ключевые слова: рыночная доля, портфель, карта Кохонена, нейросеть, маркетинговая политика

Список литературы:

  1. Беляев В.И., Кротова М.В. Маркетинговые стратегии развития предприятий в сфере услуг: методы формирования и обоснования // Вестник Алтайского государственного аграрного университета. 2015. № 1. С. 156–159. URL: Link
  2. Кухлев Б.Е. Применение анализа пяти сил М. Портера и SWOT-анализа для планирования деятельности аграрного предприятия (на примере ОАО «Дельта-Агро») // Региональная экономика: теория и практика. 2012. № 5. С. 52–56. URL: Link
  3. Балыбердин В.А., Белевцев А.М., Бендерский Г.П. Прикладные методы оценки и выбора решений в стратегических задачах инновационного менеджмента. М.: Дашков и Ко, 2014. 240 с.
  4. Гребеник Т.В. Современные особенности эффективного управления качеством кредитного портфеля // Интернет-журнал Науковедение. 2014. № 5. С. 145. URL: Link
  5. Гришанкин А.И., Ломакин Н.И. Алгоритм управления финансовым риском предприятия на основе fuzzy-метода // В мире научных открытий. 2013. № 12. C. 115–140.
  6. Яковенко С.Н., Маркелова А.С. Оптимизация оценки и управления качеством кредитного портфеля коммерческого банка // Экономика и предпринимательство. 2015. № 6-2. С. 596–601.
  7. Miranda M.J., Gonzalez-Vega C. Systemic Risk, Index Insurance, and Optimal Management of Agricultural Loan Portfolios in Developing Countries. American Journal of Agricultural Economics, 2010, vol. 93, iss. 2, pp. 399–406. URL: Link
  8. Marshall J., Evans N., Currie A. et al. Portfolio Management Shores Up Loan Books. Euromoney, 2002, no. 7, pp. 122–124.
  9. Lucas A., Klaassen P., Spreij P., Straetmans S. An Analytic Approach to Credit Risk of Large Corporate Bond and Loan Portfolios. Journal of Banking & Finance, 2001, vol. 25, iss. 9, pp. 1635–1664. URL: Link00147-3
  10. Кадыров А.Н. Методика определения категории риска заемщика для управления уровнем риска кредитного портфеля банка // Финансы и кредит. 2002. № 7. С. 46–51. URL: Link
  11. Максимова О.Н., Загорная Т.О. и др. Научные ответы на вызовы современности: экономика. В 2 кн. Кн. 2. Одесса: Куприенко С.В., 2016. 184 с.
  12. Найт Ф.Х. Риск, неопределенность и прибыль. М.: Дело, 2003. 360 с.
  13. Van Eyden R.J. The Application of Neural Networks in the Forecasting of Share Prices. National Research Foundation: Nexus-Current & Completed Projects. URL: Link
  14. Ломакин Н.И. Инновации в банковской сфере – фактор повышения конкурентоспособности с позиций стейкхолдерской теории фирмы: монография. Saarbrucken, Germany: LAP LAMBERT Academic Publishing, 2015. 197 с.

Посмотреть другие статьи номера »

 

ISSN 2311-8768 (Online)
ISSN 2073-4484 (Print)

Свежий номер журнала

т. 17, вып. 1, март 2024

Другие номера журнала