Дипломная (вкр): Влияние интернет-банкинга на финансовые показатели банка

Наличие Интернет-банкинга (переменная InternetBanking);

Возможность рублевого перевода внутри банка (переменная TransferR);

Осуществление переводов в другие банки РФ (переменная TransferOB);

Покупка Ценных Бумаг (переменная Securities);

Операции с кредитом (переменная CreditO);

Наличие приложений (переменная AndroidiOS);коды (переменная SMS);

Опираясь на экономическую логику, а так же включаемые переменные ожидается, что влияние уникальных услуг в большинстве случаев будет незначимым, за исключением кредитного управления. Поскольку возможность упрощенной работы с кредитами может стимулировать клиентов к открытию дополнительных кредитов, так как снижает необходимость дополнительных визитов в офисы банка, для получения необходимой информации и кредитного обслуживания. В результате выдвигаются следующие гипотезы:

Гипотеза 2: Широта спектра предоставляемых услуг оказывает слабое положительное влияние на объем кредитного портфеля.

Гипотеза 3: Возможность удаленного управления кредитом и получение информации по нему положительно влияет на размер кредитного портфеля.

Для оценки зависимости переменной были рассмотрены 2 спецификации моделей -линейная регрессия и логарифмическая. Выбор логарифмической спецификации был основан на форме распределения зависимой переменной (размер кредитного портфеля) относительно нормального, как видно из графиков логарифмированная переменная имеет распределение гораздо более близкое к нормальному, чем линейная.

Рис 3.2. Сравнение распределений логарифмической и линейной спецификации зависимой переменной с нормальным.

На первом этапе была построена так называемая длинная регрессия, включающая в себя все переменные, которые предположительно могли влиять размер кредитного портфеля как положительно, так и отрицательно. Далее путем пошагового исключения незначимых переменных модель укорачивалась, промежуточный вариант линейной регрессии представлен в таблице под номером 1, а для логарифмической под 3.

Основываясь на желании построить компактную и хорошо объясняющую модель, исключались все незначимые переменные на 10% уровне значимости. В итоге была получена итоговая модель, состоящая из четырех регрессоров, включая константу. Набор регрессоров совпал, как в случае линейной, так и логарифмической регрессии, результаты регрессии представлены под номером 2 (линейная) и 4 (логарифм) в таблице ниже.

Одной из основных причин подобного набора одинаковых переменных можно назвать превалирующее большинство бинарных переменных, влияние которых было бы интересно оценить. Однако, несмотря на предполагаемую значимость, наблюдалась проблема сильной корреляции некоторых из этих переменных. В результате во многих пробных моделях возникала проблема, заключающаяся в том, что при добавлении новой бинарной переменной, старая теряет значимость и наоборот, при этом коэффициент детерминации модели менялся несущественно, как и оценки коэффициентов перед регрессорами.

Подобная ситуация могла возникать из-за того, что зачастую крупные банки, использующие интернет банки предлагают наиболее широкий спектр услуг, в таком случае наличие интернет сервиса само по себе будет сигнализировать о возможности использования того или иного сервиса (например практически все интернет-банки позволяют осуществить рублевый перевод). В то же время редкие услуги оказывали незначимое влияние на размер кредитного портфеля. Опираясь на экономический смысл, а так же на факт, что отсутствующая услуга не отражает факта наличия интернет-банкинга, а значит, увеличивает шанс ошибки оценивания, было решено оставить переменную, показывающую наличие интернет-банкинга. Кроме того, построив несколько дополнительных регрессий, было выявлено, что добавление переменной «интернет-банк» не только увеличивает коэффициент детерминации модели, но и снижает информационные критерии, что означает положительное влияние на описательную способность модели.

Таблица 3.1.

Результаты регрессионного анализа

*p< 0.05, **p< 0.01, ***p< 0.001, ****p< 0.1

Несмотря на значимость всех переменных, встает проблема выбора итоговой модели. Так с одной стороны линейная модель имеет более высокий коэффициент детерминации, а значит, объясняет большую долю изменения зависимой переменной (75% против 42,8%), с другой же обращаясь к распределению зависимой переменной, видно, что логарифмическая спецификация лучше описывает ее изменения, кроме того в логарифмической модели распределение остатков гораздо ближе к нормальному. С точки зрения экономического смысла получается выбор из модели, показывающей увеличение на фиксированную величину против модели с процентным приростом в связи с изменением переменных.

Так процентное изменение кажется более логичной интерпретацией наличия интернет банкинга, поскольку реализация и эффект от внедрения будут зависеть от имеющихся ресурсов банка, то ожидаемый эффект для разных банков может отличаться в абсолютном выражении. Продолжая развивать эту идею, была построена модель (номер 5 в таблице), в которой все численные переменные заменены на их логарифмы. В результате новая модель позволила увеличить коэффициент детерминации и снизить информационные критерии, однако сами показатели оказались значимыми лишь на 10% уровне значимости. Результат теста на совместную значимость показал, что вместе эти коэффициенты значимы.

Таким образом, в результате регрессионного анализа была выбрана логарифмическая модель, в которой все факторы оказались положительными, а значит, с их ростом растет и размер кредитного портфеля.

Несмотря на это данная модель не выглядит особо правдоподобно, если ее рассматривать, как позволяющую прогнозировать изменение кредитного портфеля при подключении интернет банка, скорее же ее стоит интерпретировать, как то, что банки, имеющие интернет-банкинг склонны иметь больший кредитный портфель при равном объеме активов и просроченной задолженности. Интерпретация коэффициентов на размер кредитного портфеля обобщена в таблице ниже.

Таблица 3.2.

Интерпретация коэффициентов модели

Таким образом, можно сказать, что гипотеза 1 подтвердилась. Однако при этом коэффициент превзошел ожидаемый показатель. Кроме того незначимость переменных в более полных моделях, включающих переменные, характеризующие наличие определенных сервисов, показывает, что в итоге не столь важен спектр услуг, сколько само наличие сервиса. Наличие же услуг в итоге может быть обусловлено маркетинговой стратегией банка или же его специализацией. Таким образом, гипотеза о влиянии специфических услуг отвергнута, как и важность предоставления возможности управления кредитом по средству удаленного доступа, поскольку коэффициенты перед данными показателями оказались незначимыми.

Влияние объемов активов, совпало с ожидаемым в направлении, но не в силе. Положительное влияние можно интерпретировать, как то, что с ростом активов у банка появляется больше средств, которые можно выдать в качестве активов, однако не все дополнительные активы могут быть использованы для этих целей, это объясняет, почему коэффициент принимает значения меньше 1.

Полученный коэффициент перед объемом просроченной кредитной задолженности так же не преподнес неожиданностей касательно направления влияния и значения. Однако интересно отметить факт, который не показан в данной модели. Поскольку просроченная задолженность может трактоваться, как фактор, на который банк может опираться при ужесточении кредитной политики, то слишком высокие показатели будут негативно сказываться на объеме выданных кредитов (меньше людей подходят требованиям), а значит снижать объем кредитного портфеля банка.

Переходя к коэффициенту, характеризующему наличие интернет-банкинга, стоит отметить, что он в значительной степени превзошел ожидания (ожидалось, что он будет оказывать слабое влияние или же будет незначим вовсе). Однако интерпретация, что каждый банк должен запускать данный сервис для увеличения кредитного портфеля будет ошибочной. Скорее правильно будет сказать, что при прочих равных условиях, банки, имеющие данный интернет-сервис обладают большим кредитным портфелем. Подобные результаты могли быть получены вследствие того, что в основном нет интернет-банкинга у небольших банков и логично, что объем их кредитного портфеля будет значительно меньше, чем у лидеров рынка.

Кроме того было проверено качество подгонки модели с помощью предсказания значений с ее помощью и сравнения с реальными значениями, имеющимися в выборке. В результате среднее значение отклонения стремится к нулю, а его распределение близко к нормальному, что можно видеть на графике.

Рис. 3.3. Нормальность распределения остатков

Стоит отметить, что значения зависимой переменной (логарифм от размера кредитного портфеля) варьируются в пределах от 2,5 до 7,27, таким образом, отклонения от реальных величин не так мало, как может показаться в начале. Но, не смотря на это, большая часть отклонений находится достаточно близко к нулю, чтобы сказать, что модель позволяет получить достоверную оценку.

Несмотря на то, что установить влияние отдельных факторов или определенных услуг интернет-банкинга не представилось возможным, полученная информация в ходе построения модели позволяет сделать некоторые выводы по ним.

Так, поскольку было принято ограничиться только русскими банками, многие факторы, такие как технологическая развитость страны, различные параметры характеризующие качество Интернета и,например, уровень продаж гаджетов, которые позволяют пользоваться услугами интернет-банка, использовать для оценки объема кредитного портфеля использовать не представилось возможным. Причиной этому послужил тот факт, что для всех банков попавших в выборку значения данных параметров было бы одинаковым, за исключением того случая, когда статистика бралась бы по регионам, но большинство банков имеют представительства во многих городах страны, а значит влияние региональных показателей будет несущественным.

Несмотря на отсутствие возможности проверить влияние «технологических» факторов на модели, можно сказать, что влияние технологического фактора не так сильно, как может показаться. Причиной этому служит факт стремительного развития и расширения интернет покрытия в стране, а так же быстрое обесценивание технологически «продвинутых» гаджетов в связи со спецификой рынка. Таким образом, с течением времени данный барьер будет становиться лишь слабее не только в сравнении с европейским или американским рынком, но и в отношении доступности для пользователей вообще. Так на 2012 год стоимость 1 мегабит в России была гораздо ниже, чем в странах Европы. В результате можно сказать, что технологический фактор в долгосрочной перспективе будет наименее влиятельным при отказе от использования инновационных технологий.

Следующий важный фактор, который не удалось в полной мере оценить в связи со спецификой доступных данных - это вопрос безопасности. Поскольку общий уровень безопасности формируется из множества различных аспектов, то незначимость одного из ее компонентов не может означать, что ее отсутствие никак не скажется на финансовых результатах банка. Несмотря на незначимость наличия смс кодов в модели, важно не забывать, что данная технология облегчает жизнь клиентам и банку, поскольку позволяет автоматизировать процесс и перейти от печатных карт с кодами, таким образом, это положительно сказывается не только на безопасности производимых транзакций, но и на имидже банка.

Ситуация же с влиянием показателей банка на привлекательность для клиентов и соответственно на число пользователей интернет-банка, может быть частично выявлена из показателя активов банка. Однако прямо ссылаться на показатель в полученной модели, несмотря на то что активы оказывают влияние на кредитный портфель (а значит частично и на число привлекаемых клиентов), это не напрямую связано с наличием интернет банка.Имея это в виду, все же стоит заметить, что существует очевидная связь, заключающаяся в том, что практически у всех крупных банков существует интернет-сервис, и чем крупнее банк, тем больший функционал предоставляет рассматриваемый сервис. Исключением могут являться специализирующиеся на интернет среде банки (например, ТКС). В результате складывается ситуация, когда банки, обладающие большими средствами (в результате более широкой клиентской базы), способны использовать их для продвижения и внедрения различных сервисов. Поэтому клиенты таких банков, скорее всего, будут использовать сервис,не потому что банк привлекателен своими финансовыми показателями, а потому что уже являются его клиентами.