Оценка ресурсосоставляющей привлекательности расчетных счетов юридических лиц

После серии потрясших страну экономических кризисов (ноябрь 1997 г., май и август 1998 г.) банки работают в очень сложных условиях. Перечень их активных операций существенно ограничен, а доходы, получаемые при этом, неуклонно уменьшаются. Поэтому банки все больше внимания уделяют повышению рентабельности и эффективности работающих активов. Одним из возможных способов решения этой задачи является снижение стоимости привлекаемых ими ресурсов за счет увеличения доли дешевых ресурсов — а именно остатков денежных средств на расчетных счетах клиентов — в суммарном объеме привлечения денежных средств.

С момента своего образования российские коммерческие банки имели возможность размещать привлеченные ими средства в активы с очень высокой доходностью. Порой эта доходность превосходила 200% годовых, что позволяло получать банкам высокую прибыль, не уделяя должного внимания стоимости привлекаемых ими ресурсов. В некоторых случаях ставка размещения превышала ставку привлечения почти в два раза. Со временем доходность размещаемых активов начала снижаться, вместе с ней снижалась и стоимость привлекаемых ресурсов. Однако темпы снижения были не пропорциональны, что привело к снижению уровня маржи, банки перестали получать высокие прибыли. Это заставило их уделять больше внимания управлению портфелем пассивов, повышению рентабельности работающих активов и оптимизации их структуры (Аристов Д. В., Горюхин Б. Н., Кутергин О. А., Смарагдов И. А. Менеджмент-анализ результатов работы банка // Банковское дело. № 4. 1997. С. 25—27; Горюхин Б. Н., Кутергин О. А., Смарагдов И. А. Основы банковского менеджмент-анализа. Тула; Москва. 1998. С. 27).

Одним из путей поддержания уровня достаточности маржи является снижение стоимости привлекаемых ресурсов. В то же время снижать процентные ставки по привлекаемым ресурсам от физических и юридических лиц можно до определенного уровня, при достижении которого клиентам становится невыгодно держать свои деньги в банке. Выход из сложившейся ситуации видится в возможности снижения стоимости привлекаемых ресурсов за счет увеличения доли низкооплачиваемого сегмента в суммарном портфеле привлечения, т. е. повышения в нем доли остатков средств на расчетных счетах юридических лиц, находящихся на расчетно-кассовом обслуживании в банке, так как в настоящее время банки практически не платят клиентам за остатки денежных средств на их счетах, а если и платят, то этот процент чисто символический. К сожалению, использование этих денежных средств сопряжено с определенными рисками, а именно:

денежные средства на расчетных счетах — средства до востребования и могут быть востребованы клиентом в любой момент, что делает их использование для размещения весьма рискованным и может поставить под угрозу ликвидность банка;
нормативы, определяющие лимит остатков кассы, не могут быть использованы для определения достаточности средств, обеспечивающих платежеспособность банка.

Отсюда можно сделать вывод, что наличие методик, обеспечивающих с достаточной точностью определение суммы, которую банк может использовать в активных операциях, позволило бы снизить уровень соответствующего риска и оценить возможность использования этих ресурсов.

При решении данной задачи необходимо дать ответ еще и на следующий вопрос: сколько и каких клиентов надо привлекать банку для того, чтобы добиться увеличения доли дешевых ресурсов в суммарном привлечении до желаемого уровня? Ответить на этот вопрос можно, если произвести оценку значимости клиента для банка с точки зрения поддержания им неснижаемого уровня остатка денежных средств на его счете. Традиционно считается, что для банка наиболее выгодным является крупный клиент, так как на его счете находятся значительные суммы. Остаток на счету одного крупного клиента может равняться сумме остатков многих других, значительно менее крупных клиентов. В то же время не следует забывать, что

использование остатков денежных средств одного крупного клиента несет для банка гораздо более высокий уровень риска, нежели использование средств десяти более мелких клиентов, сумма остатков которых равняется остатку одного крупного клиента. Это объясняется тем, что в случае востребования крупным клиентом своих денежных средств банк должен будет оперативно отвечать по этому обязательству, а требуемой суммы у него может и не оказаться. Вероятность же того, что одновременно все десять более мелких клиентов востребуют свои денежные средства, значительно ниже;
количество крупных клиентов ограничено, в большинстве своем они уже связаны какими-либо обязательствами с другими банками, и, чтобы привлечь на обслуживание такого клиента, необходимо затратить значительные усилия, как временные, так иногда и финансовые;
в противоположность этому количество мелких клиентов существенно больше количества крупных клиентов, к тому же идет постоянный процесс их создания и ликвидации при общей тенденции роста их численности.

Таким образом, для банка весьма важно

оценить величину возможного остатка на счете клиента;
определить значимость клиента для банка с точки зрения поддержания им стабильного неснижаемого остатка на счете;
определить, сколько и каких клиентов банку необходимо иметь у себя на обслуживании (или привлечь) для достижения заданной доли этих ресурсов в суммарном объеме привлечения.

Учитывая актуальность поставленных вопросов, для ответа на них авторами статьи был проведен анализ и статистическая обработка данных по среднемесячным оборотам (кредитовым) и остаткам на расчетных счетах юридических лиц, находящихся на расчетно-кассовом обслуживании модельного банка. В результате были построены математические модели, которые описывают зависимость среднемесячного остатка (ОСТАТОК) денежных средств от оборота (ОБОРОТ) и зависимость коэффициента эффективности оборотов (отношение остатка к обороту — далее КЭО) от оборота по расчетному счету клиента. Данный коэффициент позволяет оценить полезность клиента для банка с точки зрения поддержания им высокого (относительно своего оборота) остатка на своем расчетном счете.

При проведении исследования использовались программные продукты FoxPro 2.6, Microsoft Excel, MathCad 6.0, и была разработана программа, позволяющая импортировать исходные данные из текстового файла и производить их дальнейшую обработку в автоматическом режиме. За счет этого была достигнута оперативность проведения анализа и обработки исходных данных, расширились возможности проведения исследований исходных данных.

В качестве исходных данных использовались среднемесячные обороты и остатки денежных средств на расчетных счетах клиентов. Из всех счетов для анализа были отобраны счета юридических лиц с отличными от нуля среднемесячными оборотом и остатком. В результате отбора было получено 1706 пар значений остаток-оборот (или 287 предприятий). За независимую переменную был принят оборот по счету, а за зависимую — остаток денежных средств на счете. Обе переменные рассматривались как случайные величины.

После отсева резко выделяющихся результатов наблюдений осталось 1579 пар оборот-остаток (или 210 предприятий), пригодных для дальнейшего анализа (Айвазян С. А. Статистическое исследование зависимостей (Применение методов корреляционного и регрессионного анализов к обработке результатов эксперимента). М.: Металлургия. 1968. С. 227; Иванова В. М., Калинина В. Н., Нешумова Л. А., Решетникова И. О. Математическая статистика. 2-е изд., перераб. и доп. М.: Высш. школа, 1981. С. 371; Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. М.: Наука. Главная редакция физико-математической литературы, 1983. С. 416).

Проведя оценку результатов наблюдений (Иванова В. М., Калинина В. Н., Нешумова Л. А., Решетникова И. О. Математическая статистика. 2-е изд., перераб. и доп. М.: Высш. школа, 1981. С. 371; Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. М.: Наука. Главная редакция физико-математической литературы, 1983. С. 416) на всем исследуемом интервале изменения величины оборота, мы получили положительный результат, говорящий о существовании взаимосвязи между величиной остатка и оборотом, а именно:

коэффициент корреляции принимает значение равное 0,7462;
проверка значимости коэффициента корреляции дает положительный результат.

Учитывая это, перейдем к определению конкретного вида функции, описывающей зависимость остаток-оборот (Иванова В. М., Калинина В. Н., Нешумова Л. А., Решетникова И. О. Математическая статистика. 2-е изд., перераб. и доп. М.: Высш. школа, 1981. С. 371; Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. М.: Наука. Главная редакция физико-математической литературы, 1983. С. 416). Воспользовавшись линейной регрессией, можно сказать, что зависимость величины остатка денежных средств на счете клиента от оборота денежных средств описывается функцией, имеющей следующий вид:

ОСТАТОК = (10769,39) + (0,1064) х ОБОРОТ

Однако построенная таким образом зависимость обладает одним недостатком — низкой степенью точности аппроксимации. Для повышения точности видится целесообразным переход к сгруппированным данным (Айвазян С. А. Статистическое исследование зависимостей (Применение методов корреляционного и регрессионного анализов к обработке результатов эксперимента). М.: Металлургия. 1968. С. 227).

Для определения вида кривой аппроксимации разобьем диапазон исследования на несколько равных участков и последовательно осуществим аппроксимацию разброса выходных параметров на каждом участке линейной функцией. Полученная ломаная линия характеризуется уменьшением угла наклона на каждом участке и визуально напоминает параболу, ветвь которой направлена вдоль оси абсцисс.

Итак, построения подтверждают, что по мере увеличения оборота происходит рост величины остатка, однако скорость роста величины остатка замедляется. Отсюда можно сделать некоторые предположения о виде функции, описывающей зависимость остаток-оборот как о параболе, наклоненной к оси x.

Анализ полученных результатов показывает, что в участки варьируемого фактора свыше 5 млн руб. попадает ограниченное количество точек выходного параметра, а на некоторых из них они отсутствуют. Это снижает достоверность результатов, что делает нецелесообразным проведение исследований в диапазоне оборотов свыше 5 млн руб.

Неравномерное распределение точек выходного параметра по участкам разбиения говорит о том, что для дальнейшего анализа необходимо осуществлять разбиение с меняющимся (увеличивающимся) шагом, а после этого, проведя группировку выходных параметров на каждом участке и рассчитав средневзвешенное значение, проводить аппроксимацию полученных результатов.

Произведенные расчеты показали, что аппроксимирующая кривая плавно переходит в прямую и на участке с оборотами свыше 1 млн руб. может быть заменена линейной зависимостью. Поэтому последующий анализ проводился на участке с оборотами до 1 млн руб.

Аппроксимация полученных результатов осуществлялась четырьмя функциями вида:

Использование метода наименьших квадратов (Линник Ю. В. Метод наименьших квадратов и основы теории обработки наблюдений. М.: Гос. изд. физико-математической лит. 1985. С. 333; Большев Л. Н., Смирнов Н. В. Таблицы математической статистики. М.: Наука. Главная редакция физико-математической литературы, 1983. С. 416) позволило определить коэффициенты для приведенных уравнений. Проверка значимости для каждого из четырех уравнений дает положительный результат. Наиболее точно описывает зависимость остаток-оборот четвертое уравнение.

Аппроксимация зависимости величины КЭО от оборотов проведена по сгруппированным данным. Для аппроксимации зависимости использовались три функции:

Использование метода наименьших квадратов позволило определить коэффициенты уравнений. Проверка значимости дает положительный результат. Из приведенных уравнений с почти одинаковой степенью точности описывает зависимость второе и третье уравнения.

В результате проведенных исследований были построены математические модели, описывающие зависимости остаток-оборот и КЭО-оборот. Используя результаты проведенных исследований, банк имеет возможность прогнозировать и планировать свою работу по привлечению и размещению дешевых ресурсов (остатки на счетах клиентов), опираясь на то, что при сумме оборота денежных средств в пределах от 0 до 1 млн руб. зависимость остатка от оборота денежных средств на счете клиента описывается следующей зависимостью:

а при обороте, большем 1 млн руб., целесообразно воспользоваться линейной зависимостью

ОСТАТОК = (10769,39) + (0,1064)*ОБОРОТ.

В результате проведенного исследования получены две математические модели:

Модель, описывающая величину остатка на счете клиента в зависимости от его оборота.
Модель, описывающая уровень значимости клиента для банка по величине отношения остатка к обороту.

Построенные модели помогут банку планировать и прогнозировать свою работу по привлечению клиентов, а также повысить эффективность использования дешевых ресурсов.

Первая модель позволит банку прогнозировать величину остатка денежных средств на счетах юридических лиц в зависимости от их количества и величины оборотов с целью дальнейшего определения допустимой величины этих средств при размещении, обеспечивающей максимальную эффективность от их использования при одновременном поддержании достаточного уровня ликвидности банка.

Эта модель дает банку возможность определить, сколько и каких клиентов необходимо привлечь на расчетно-кассовое обслуживание для выполнения бизнес-плана по увеличению доли дешевых ресурсов в портфеле привлеченных денежных средств. Используя полученную зависимость, банк может просчитать, сколько клиентов и с какими оборотами ему необходимо привлечь, чтобы достичь планируемой величины неснижаемых остатков на счете. Зная своих потенциальных клиентов, банк может оптимально распределить усилия по их привлечению.

Вторая модель позволит осуществлять оценку значимости каждого клиента (группы клиентов) с позиции полезности для банка в зависимости от поддержания на счетах постоянного неснижаемого остатка денежных средств относительно своего оборота, а также определить, с какими клиентами целесообразно проводить работу по их привлечению.

Эта модель показывает, что наиболее эффективными (с точки зрения отношения остаток-оборот) являются клиенты с оборотами до 100 тыс. руб. По мере увеличения оборотов значение эффективности остатков снижается.

Кирилл Гузов, Олег Кутергин