Научная библиотека СГЮА

Главная

Упрощенный режим

Описание

Шлюз Z39.50

Базы данных

- результаты поиска

Вид поиска

Книги фонда НБ СГЮА

Дипломные работы выпускников СГЮА за последние 5 лет

Авторефераты

Диссертации

Период.издания науч.абонемента

Редкие книги Научной библиотеки СГЮА

Каталог электронных носителей

Труды ученых СГЮА

Саратовский край

Область поиска

Формат представления найденных документов:
полный	информационный	краткий

Поисковый запрос: (<.>S=Кредитно-денежная система -- Россия, 2013-2021 гг.<.>)

Общее количество найденных документов : 1

AI-cистема, корреляционно-регрессионная и VaR-модель для прогнозирования просроченной задолженности коммерческих банков РФ и анализа финансового риска [Текст] / К. Вималаратхне, Н. И. Ломакин, С. П. Сазонов [и др.] // Международная экономика. - 2022. - № 6. - С. 450-464. - Библиогр.: с. 461-462 (13 назв.). - References: p. 462-464 (13 names) . - ISSN 2074-6040

УДК

^a336.7

ББК 65.262
Рубрики: Экономика
Кредитно-денежная система--Россия, 2013-2021 гг.
Кл.слова (ненормированные):
коммерческие банки -- корреляционно-регрессионные модели -- невозвратные кредиты -- прогнозирование просроченной задолженности -- просроченная задолженность -- финансовые риски
Аннотация: В статье исследованы теоретические основы возникновения просроченной задолженности по кредитам и прогнозирования финансового риска в российских банках в современных условиях. Актуальность исследования в том, что рост проблемной задолженности коммерческих банков по кредитам в настоящее время является одной из наиболее острых проблем. Собранный материал позволил провести анализ динамики объемов просроченной задолженности по кредитам в коммерческих банках РФ за период 2013-2021 гг. В ходе исследования было выявлено, что на объем проблемной задолженности влияет множество факторов. В целях изучения влияния факториальных признаков на результативный признак - объем просроченной задолженности предпринята попытка использовать корреляционно-регрессионные модели AI и VaR. Выдвинута и доказана гипотеза, что с помощью корреляционно-регрессионной, AI- и VaR-моделей можно получить прогноз объема просроченных кредитов в портфеле коммерческих банков РФ. В корреляционно-регрессионную модель помимо результативного признака (темп роста просроченной задолженности) были включены такие факториальные признаки, как: темп роста ВВП на душу населения; темп роста среднедушевого дохода населения; темп роста профицита внешней торговли; индекс инфляции; темп роста оттока капитала; темп роста наличных денежных средств; процентная ставка по кредитам; курс доллара США; цена барреля нефти URLS долларов; рост заработной платы. Исследование показало, что применение различных инструментов прогнозирования обеспечивает получение разных объемов просроченной задолженности.

Доп.точки доступа:
Вималаратхне, Канчана (магистрант); Ломакин, Николай Иванович (кандидат экономических наук; доцент); Сазонов, Сергей Петрович (доктор экономических наук; профессор); Шабанов, Никита Тимофеевич (магистрант); Крюкова, Светлана Юрьевна (магистрант); Наумова, Светлана Алексеевна (магистрант); Репин, Ярослав Андреевич (студент); Ломакин, Иван Николаевич (бакалавр); Радионова, Елена Александровна (кандидат экономических наук; доцент)
Нет сведений об экземплярах (Источник в БД не найден)

Найти похожие

Тематический навигатор

© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)