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

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Финансы и кредит»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
LCCN Permalink
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Подход к построению финансовой модели для целей планирования ресурсных продуктов корпоративного сегмента в коммерческом банке

т. 28, вып. 5, май 2022

PDF  PDF-версия статьи

Получена: 10.03.2022

Получена в доработанном виде: 21.04.2022

Одобрена: 05.05.2022

Доступна онлайн: 30.05.2022

Рубрика: Банковская деятельность

Коды JEL: В41, G21, G32

Страницы: 1078–1106

https://doi.org/10.24891/fc.28.5.1078

Гасанова М.Р. руководитель направления финансового планирования и анализа среднего бизнеса, АО «Альфа-Банк», Москва, Российская Федерация 
gasanovamr@mail.ru

https://orcid.org/0000-0001-9111-4414
SPIN-код: отсутствует

Предмет. Планирование ресурсных продуктов в сегменте корпоративного бизнеса в коммерческом банке.
Цели. Разработка модели для планирования финансовых результатов от привлечения срочных счетов и счетов до востребования сегмента корпоративного бизнеса в коммерческом банке.
Методология. Применены математические, статистические и эконометрические методы, а также методы прикладного программирования (SARIMA-модель; метод Уорда; язык SQL).
Результаты. Определены драйверы, алгоритмы и принципы ценообразования ресурсных продуктов, созданы авторские модели для планирования финансовых результатов от привлечения срочных счетов и счетов до востребования сегмента корпоративного бизнеса в коммерческом банке. Апробация проводилась на базе одного из российских коммерческих банков.
Область применения. Результаты могут быть полезны: коммерческим банкам, компаниям, работающим с большой неоднородной клиентской базой.
Выводы. Применение авторских моделей позволяет увеличить точность финансового планирования. Определение корпоративного клиента в качестве основного драйвера способствует построению клиентоориентированной системы обслуживания, развивает систему мотивации, а также позволяет создавать дополнительные стимулы для увеличения кросс-продаж банковских продуктов.

Ключевые слова: текущие счета, срочное привлечение, ресурсные продукты, финансовое планирование, коммерческий банк

Список литературы:

  1. Бачинин Ю.Г., Вейнберг Р.Р., Романов В.П. Сегментация клиентов телекоммуникационной компании на основе кластерного анализа вейвлет-преобразования профиля пользователя // Научные труды Вольного экономического общества России. 2012. Т. 164. С. 140—149. URL: Link
  2. Davis R., Nielsen M. Modeling of Time Series Using Random Forests: Theoretical Developments. Electronic Journal of Statistics, 2020, vol. 14, pp. 3644–3671. URL: Link
  3. Elliott G., Timmermann A. Economic Forecasting. Princeton University Press, 2016, 568 p.
  4. Granger C., Machina M. Forecasting and Decision Theory. In: Elliott G., Granger C., Timmermann A. (eds) Handbook of Economic Forecasting. Elsevier, 2006, vol. 1, pp. 81–98.
  5. McAleer M., Medeiros M. Forecasting Realized Volatility with Linear and Nonlinear Univariate Models. Journal of Economic Surveys, 2011, vol. 25, iss. 1, pp. 6–18. URL: Link
  6. Turnbull P.W., Gibbs M.L. Marketing Bank Services to Corporate Customers: The Importance of Relationships. International Journal of Bank Marketing, 1987, vol. 5, iss. 1, pp. 19–26. URL: Link
  7. Cornwell B. Linkage Criteria for Agglomerative Hierarchical Clustering. In: Social Sequence Analysis: Methods and Applications. Cambridge University Press, 2015, pp. 270–274. URL: Link
  8. Dickey D.A., Fuller W.A. Distribution of the Estimators for Autoregressive Time Series with a Unit Root. Journal of the American Statistical Association, 1979, vol. 74, no. 366, pp. 427–431. URL: Link
  9. Smithson M., Verkuilen J. A Better Lemon Squeezer? Maximum-Likelihood Regression with Beta-Distributed Dependent Variables. Psychological Methods, 2006, vol. 11, iss. 1, pp. 54–71. URL: Link
  10. Бобровников А.Э. Финансовое планирование и бюджетирование. М.: 1С-Паблишинг, 2018. 313 с.
  11. Богданов Д.В., Шапиро И.Е. Проблемы развития цифровых технологий банковской системы в России // Вестник Ростовского государственного экономического университета (РИНХ). 2019. № 2. С. 161—165. URL: Link
  12. Буданова М.М., Пересветов С.Б. Исследование страховых рынков 31 страны на базе страховых показателей и выявление места России в кластерной иерархии с помощью кластерного анализа в среде R // Корпоративные финансы. 2017. Т. 11. № 2. С. 96—115. URL: Link
  13. Гасанова М.Р. Разработка подходов к планированию комиссионных доходов в коммерческом банке в корпоративном сегменте // Инновации и инвестиции. 2021. № 8. С. 82—91. URL: Link
  14. Гасанова М.Р. Становление подходов к построению финансовой модели для целей планирования кредитного бизнеса в коммерческом банке в корпоративном сегменте // Вопросы истории. 2021. № 8-2. С. 113—129.
  15. Загузина Е.Г. Сравнительный анализ применения статистических методов и нейросетевых технологий в задаче классификации клиентов субъекта малого предпринимательства» // Высшая школа. 2016. № 17. С. 10—12. URL: Link
  16. Нейский И.М., Филиппович А.Ю. Разработка тарифной политики для клиентов брокерского обслуживания на базе методов адаптивной кластеризации» // Прикладная информатика. 2011. № 1. С. 3—11. URL: Link
  17. Рудько-Силиванов В.В., Наумов А.А., Якухный Е.М. Прогнозирование финансовых показателей деятельности кредитной организации // Деньги и кредит. 2013. № 2. С. 52—58. URL: Link
  18. Этрилл П., Маклейни Э. Финансовый менеджмент и управленческий учет для руководителей и бизнесменов. М.: Альпина Паблишер, 2012. 648 с.

Посмотреть другие статьи номера »

 

ISSN 2311-8709 (Online)
ISSN 2071-4688 (Print)

Свежий номер журнала

т. 28, вып. 5, май 2022

Другие номера журнала