Валерія Вадимівна Куштим,

Вячеслав Вікторович Ляшенко

Фазовий аналіз динаміки розвитку банків

Анотація: Обґрунтовано доцільність застосування фазового аналізу для

узагальнення динаміки розвитку банків. Проведено аналіз розвитку банків на

основі побудови фазових портретів за часовими рядами даних, що

характеризують різні аспекти їх діяльності. Визначено впливи на формування

рядів, що визначають кредитно-інвестиційний портфель банків та їх депозитні

ресурси з погляду складових відмічених рядів. Розглянуто особливості

циклічних змін в аналізованих рядах даних, що визначають різні аспекти

діяльності банків.

Ключові слова. банк, депозит, кредитно-інвестиційний портфель,

фінансовий ринок, фазовий аналіз, нелінійна динаміка.

Вступ. Визначення стану функціонування як банку, так й банківської

системи, а тим паче окреслення напрямків їх подальшого розвитку неможливе

без попереднього проведення узагальнюючого аналізу та порівняння між собою

різних банківських установ. Одним із методів такого аналізу є розгляд

відповідних показників діяльності банків у вигляді часових рядів даних. Це дає

змогу проаналізувати, насамперед, поточну динаміку функціонування банків.

Разом з цим також виявляється можливість щодо визначення корелятивних

зв’язків між окремими показниками як з погляду певного банку так з погляду

різних банків, що загалом є основою визначення подальшого розвитку банків,

тобто побудови деякого прогнозну. Однак при цьому виникає досить складна

задача щодо визначення адекватної моделі, здатної пояснити взаємозалежність

між різними часовими рядами показників, що досліджуються. Підґрунтям цього

є те, що як сучасний фінансовий ринок, так й його окремі сегменти1

характеризується значною складністю процесів, що відбуваються. При цьому в

якості суттєвої ознаки такої складності слід вказати необхідність врахування 1 Азаренкова Г. М. Фінансові потоки в системі економічних відносин / Г. М. Азаренкова. – Х.: ВД «ІНЖЕК», 2006. – 328 с.; Куштим В. В. Динаміка розвитку банківського сегменту міжнародного фінансового ринку / В. В. Куштим, В. В. Ляшенко // Фінанси України. – 2007. – № 12. – С. 96–105.

1

існуючих нерівномірностей в розвитку економічних процесів, що

відображується і на часових рядах показників, які аналізуються. Тобто, загалом

виникає потреба у проведенні аналізу наявної динаміки у розвитку економічних

процесів із необхідним врахуванням взаємопов’язаних випадкових процесів, що

здійснюються одночасно. У підсумку це обумовлює впровадження нових

підходів до аналізу часових рядів досліджуваних показників, що і визначає

актуальність обраної тематики даної роботи.

Аналіз публікацій та узагальнення головної мети дослідження. Відповідно до зазначеної тематики дослідження у науковій літературі можна

знайти досить широкий арсенал інструментарію з дослідження часових рядів,

які віддзеркалюють динаміку фінансового ринку. Серед таких досліджень слід

виділити, аналіз даних на основі методів нечіткої множини2, теорії випадкових

матриць3, вейвлет-аналізу4. Використання таких методів дозволяє, насамперед,

отримати основні характеристики динаміки функціонування економічної

системи або об’єкту, що досліджуються, визначити наявність циклічної

закономірності в їх еволюційному розвитку. Проте більш докладно

нерегулярність часових рядів може бути досліджена за допомогою методів

нелінійної динаміка5. Основою такого визначення є виявлення детермінованої

хаотичної компоненти в динаміці статистичних даних, що сприяє визначенню

нерівномірності у розвитку економічних процесів, а відтак бути

формалізованою основою для прийняття управлінських рішень. Зокрема,

методи нелінійної динаміки знайшли поширене застосування для аналіз та

2 Kuzemin A. Fuzzy set theory approach as the basis of analysis of financial flows in the economical security system / A. Kuzemin, V. Lуashenko // International Journal "INFORMATION THEORIES & APPLICATIONS" – 2006. – Vol. 13, Num. 1. – Р. 45–51; Недосекин А. О. Применение нечетких моделей в управлении финансами банков / А. О. Недосекин. – Режим доступу sedok.narod.ru.3 Триус В. Ю. Антикризовий менеджмент у складних соціально-економічних системах / В. Ю. Триус. – Режим доступу: s-journal.cdu.edu.ua/base/2008/v1/v1pp1-8.pdf; Соловйова В. В. Застосування теорії випадкових матриць при дослідженні глобалізаційних процесів / В. В. Соловйова, О. Д. Шарапов, Л. І. Кузьмінська // Проблеми впровадження інформаційних технологій в економіці. – Ірпінь: Академія ДПС України, 2004. – С. 321–322.4 Шарапов О. Д., Сучасні методи дослідження складних фінансово-економічних систем / О. Д. Шарапов , В. Д. Дербенцев , В. М. Соловйов // Вісник Української академії банківської справи. – 2006. – № 1. – C.100-111.5 Сергеева Л. Н. Моделирование поведения экономических систем методами нелинейной динамики (теории хаоса) / Л. Н. Сергеева. – Запорожье, 2002. – 227 с.; Бідюк П. І. Часові ряди: моделювання та прогнозування / П. І. Бідюк, О. І. Савенков, І. В. Баклан. – К.: Екмо, 2003. – 144 с.; Kantz H. Nonlinear time series analysis / H. Kantz, T. Schreiber. – Cambridge University Press, 1997. – 304 p.; Филатов Д. А. Анализ состояния финансовых рынков на основе методов нелинейной динамики / Д. А. Филатов, Л. П. Яновский // Научно-практический и аналитический журнал: «Финансы и кредит». – 2005. – № 32 (200). – С. 2–14.; Винтизенко И. Г., Яковенко В. С. Экономическая цикломатика / И. Г. Винтизенко, В. С. Яковенко. – М.: Финансы и статистика., 2008. – 428 с.; Беляков С. С. Фрактальный анализ временных рядов котировки акций на базе агрегирования / С. С. Беляков // Деп. в ВИНИТИ, 2005. – № 3617 – 1398. – 35 с.

2

прогнозу даних, які розкривають розвиток ринку цінних паперів, страхового

ринку, динаміку залучення інвестицій. Водночас з цим, дослідження

банківського сегменту фінансового ринку не знайшли достатнього

опрацювання в роботах науковців та є дещо обмеженими. Звичайно таке

обмеження, насамперед, пов’язано з накопиченням статистичних даних щодо

розвитку банківського сектору та стосується, переважно, ринків, які є такими

що розвиваються, до яких, безперечно, відноситься й вітчизняний фінансовий

ринок, його банківський сегмент. Однак саме для ринків, які є такими що

розвиваються важливим є з’ясування нерівномірності в економічних процесах,

з метою врахування наявної динаміки та її можливого пом’якшення з точки

зору подальшого розвитку. Тож саме питання аналізу розвитку банків на основі

методів нелінійної динаміки і є основною метою даної роботи.Окремі методологічні зауваження щодо визначення моделі аналізу.

Як було вказано вище статистичною базою для застосування методів нелінійної

динаміки є ряди відповідних даних, що узагальнюють певні показники

досліджуваного процесу або об’єкту. Тож в якості таких рядів в роботі обрано

дані щодо динаміки кредитно-інвестиційного портфелю, залучених ресурсів у

вигляді депозитів та фінансових результатів за окремими банками (такі

показники обрано за даними сайту www.finance.ua). Доцільність обрання

окресленої множини часових рядів пов’язано з тим, що саме вони у підсумку

визначають сутність та змістовність функціонування і розвитку банків. Зокрема

функціонально статистичний ряд кредитно-інвестиційного портфелю банків

може бути визначений наступним чином:

, (1)

а обсяг залучених депозитів у вигляді:

, (2)

де – ряд даних, що характеризує динаміку кредитно-інвестиційного

портфелю банку; – ряд даних, що характеризує динаміку наданих кредитів

банку; – ряд даних, що визначає активність банку на ринку міжбанківських

кредитів; – ряд даних, що характеризує динаміку обсягу цінних паперів

3

банку; – ряд даних, що визначає загальний обсяг ресурсів, залучених у

вигляді депозитів; – ряд даних, що узагальнює обсяг ресурсів залучених у

вигляді депозитів фізичних осіб; – ряд даних, що узагальнює обсяг ресурсів

залучених у вигляді депозитів юридичних осіб; – значення

відповідних рядів у визначений момент часу .

При цьому в якості окремих банків обрано банки, які входять до різних

груп банків, що підкреслюватиме значимість та ґрунтовність висновків даного

дослідження. Разом з цим обрані банки є банки, що діють на одній території. Це

дозволяє уникнути врахування різних зовнішніх факторів, пов’язаних із

територіальною асиметрією розподілу вітчизняних банківських установ6 щодо

узагальнення статистичних даних рядів, які аналізуються. В якості

досліджуваних банків обрано банки Харківщини, зокрема банк Базис, Грант,

Магабанк та Укрсиббанк. Інтервал часу на якому проводиться дослідження

починається з 01.01.2004 року та закінчується 01.12.2008 роком з проміжком в

один місяць. Тобто .

Разом з цим відмітимо, що ключовим поняттям нелінійної динаміки є

поняття фазового портрету статистичного ряду даних, яке і дозволяє розкрити

сутність одного з методів відповідного аналізу. Зокрема, у фазовому просторі

розмірності 2 за допомогою декартових координат фазовий портрет

статистичного ряду даних визначається як множина точок:

, (3)

де – деякий ряд з поданих вище, відповідно до узагальнення 1 та 2;

– значення відповідних рядів, поданих вище, тобто

.

Фазові портрети кредитно-інвестиційного портфелю банків. Відповідно то зроблених зауважень на рис. 1 подано фазові портрети кредитно-

інвестиційних портфелів досліджуваних банків. Як видно з наведених даних за

рис. 1, досліджувані банки мають приблизно однакові фазові портрети часових

рядів даних, що характеризують їх кредитно-інвестиційні портфелі. Отже

можна говорити проте, що незважаючи на те, що досліджувані банки належать 6 Слюніна Т. Л. Розвиток вітчизняної мережі банківських установ: особливості та регіональні аспекти / Т. Л. Слюніна, Є. Б Бережний., В. В. Ляшенко // Вісник ХНУ ім. В.Н. Каразіна. Економічна серія. – 2007. – № 755. – 84–88.

4

до різних груп банків та є досить різними за обсягами їх кредитно-

інвестиційних портфелів, динаміка нарощування таких портфелів є приблизно

однаковою. Інакше кажучи, на формування кредитно-інвестиційних портфелів

банків впливають однакові фактори. Разом з цим на основі дослідження,

проведеного у роботі С. А. Прохорова7 можна стверджувати, що наведені на

рис. 1 фазові портрети визначають експоненціальний закон розподілу часових

рядів, який характеризує динаміку нарощування їх кредитно-інвестиційних

портфелів. Отже, формування кредитно-інвестиційних портфелів банків

протягом 2004–2008 років здійснювалося відповідно до експоненціального

закону розподілу відповідних часових рядів.

Також дані рис. 1 дозволяють визначити привалювання окремих банків в

розрізі динаміки їх кредитно-інвестиційних портфелів, що дозволяє оцінити

частку цих банків на ринку фінансових послуг. Так з погляду наведених даних

найбільш домінуючим з погляду наданих кредитів та ведення інвестиційної 7 Прохоров С. А. Прикладной анализ неэквидистантных временных рядов / С. А. Прохоров. – Самарский государственный аэрокосмический университет, 2001. – 375 с.

5

хi

xi+1

хi

xi+1

хi

xi+1xi+1

хi0200400600800

1000

0 500 10000

100200300400

0 200 400

0500

1000150020002500

0 1000 2000 30000

1000020000300004000050000

0 20000 40000 60000

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

Рис. 1. Фазові портрети часових рядів даних, що характеризують кредитно-інвестиційні портфелі досліджуваних банків протягом 2004–2008 років

діяльності є Укрсиббанк, надалі йде Мегабанк, Базис та банк Грант. Тож

наведені фазові портрети дозволяють не лише визначити загальну динаміку

розвитку банків з погляду рядів даних, що характеризують їх кредитно-

інвестиційні портфелі, а і дослідити домінування банків на ринку фінансових

послуг.

Поряд з цим відповідно до формули 1 ряди даних, що характеризують

кредитно-інвестиційні портфелі банків, загалом розкладаються на декілька

рядів. Тож виникає питання щодо впливу на формування ряду, який визначає

кредитно-інвестиційні портфелі банків з погляду складових такого ряду. Для

цього розглянемо фазові портрети окремих таких складових. На рис. 2 – рис. 4

наведено відповідні фазові портрети за часовими рядами досліджуваних банків.

Зокрема дані рис. 2 дозволяють говорити проте, що фазові портрети

часових рядів даних, що характеризують динаміку наданих кредитів банків,

також є приблизно однаковими із законом розподілу відповідних часових рядів

близьким до експоненціального. Одночасно з цим можна відмітити й схожість

6

yi+1yi+11000 400

yi+1

уi

yi+1

уi

уiуi

0200400600800

0 500 10000

100200300

0 200 400

0500

1000150020002500

0 1000 2000 30000

1000020000300004000050000

0 20000 40000

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

Рис. 2. Фазові портрети часових рядів даних, що характеризують щомісячну динаміку наданих кредитів банків протягом 2004–2008 років

між фазовими портретами рядів, що характеризують кредитно-інвестиційні

портфелі із рядами даних, які визначають динаміку наданих кредитів банків.

Поруч із цим фазові портрети аналізованих рядів, які наведені на рис. 1 та рис.

2 практично не мають повних циклічних переходів та визначаються

7

di+1

didi

di+1

а) Базис

010203040

0 20 4002468

10

0 5 10 б) Грант

di+1

didi

di+1

050

100150200250

0 100 200 3000

500100015002000

0 1000 2000в) Мегабанк г) Укрсиббанк

Рис. 4. Фазові портрети часових рядів даних, що характеризують динаміку обсягу цінних паперів банку протягом 2004–2008 років

zi+1zi+1

zi+1

zizi

zi+1

0

20

40

60

0 20 40 600

5

10

15

0 5 10 15а) Базис б) Грант

zizi0

50

100

150

0 50 100 1500

1000200030004000

0 2000 4000в) Мегабанк г) Укрсиббанк

Рис. 3. Фазові портрети часових рядів даних, що визначають активність банків на ринку міжбанківських кредитів протягом 2004–2008 років

поступовим нарощуванням відповідних показників у часі. За фазовими

портретами, що наведені на рис. 1 та рис. 2, можна відокремити лише окремі

послідовності ланок (кавазіцикли), які хоча і мають протилежні напрями

обертання, але не перетинаються між собою, тобто ні є циклічними у повному

розумінні (рис. 5).

Проте цього не можна сказати про

ряди, фазові портрети яких наведено на

рис. 3 та рис. 4. Як видно з даних рис. 3 та

рис. 4 можна спостерігати замкнути цикли

у зміні позначених фазових портретів для

часових рядів даних, що визначають

активність банків на ринку міжбанківських

кредитів та характеризують динаміку

обсягу цінних паперів банків. Разом з цим

слід також відмітити, що циклічність рядів даних, що визначають активність

банків на ринку міжбанківських кредитів є більш динамічною, аніж циклічність

рядів даних, які характеризує динаміку обсягу цінних паперів банку.

Поясненням цього може бути саме активність банків на ринку міжбанківських

кредитів, який використовується з метою збалансування поточних їх потреб, та

зокрема підтримки ліквідності. Поряд із цим постійно виникаюча недовіра

банків до ринку цінних паперів8 та його недостатня розвиненість зменшують

використання цінних паперів для забезпечення функціональних потреб у

розвитку банків, а відтак циклічність часових рядів даних, що характеризує

динаміку обсягу цінних паперів банків ні є такою динамічною. З огляду на

фазові портрети рядів часових даних, які подані відповідно до рис. 3 та рис. 4,

також слід відмітити, що фазові портрети часових рядів даних, що визначають

активність банків на ринку міжбанківських кредитів є приблизно схожими. Їх

різниця визначається, переважно, амплітудою циклічності окремих

квазициклів, що скоріш за все співпадає з частотою виходу банку на

міжбанківській ринок. Однак загалом варто говорити про дію однакових

8 Глущенко В. В. Ліквідність, платоспроможність та фінансова безпека комерційного банку / В. В. Глущенко, М. М. Перешибкін, В. С. Серба. – Х.: ХНУ ім. В.Н. Каразіна, 2004. – 196 с.

8

ri+1

ri250270290310

250 270 290 310

Рис. 5. Приклад поширених квазіциклів фазових портретів

за рис. 1 та рис. 2

факторів впливу з погляду впровадження інструментів міжбанку для потреб

функціонування та розвитку з погляду окремих банків.

Порівняння фазових портретів часових рядів даних, які характеризують

динаміку обсягу цінних паперів різних банків, дозволяє стверджувати, що

кожний з банків самостійно обирає стратегіє виходу на ринок цінних паперів.

До того ж така стратегіє ні є уніфікованою з погляду дії можливих факторів

впливу щодо її застосуванні і впровадження. Основу такого узагальнення

визначає те, що фазові портрети відповідних часових рядів для досліджуваних

банків є значно різними (рис. 4). Тож циклічність відповідних часових рядів ні є

однаковою та визначається, переважно, поточною кон’юнктурою ринку з

погляду конкретного банку, його довірою до ринку цінних паперів і

можливістю впровадження інструментів цього ринку в своїй діяльності. Що

стосується закону розподілу часових рядів даних фазові портрети, яких подано

на рис. 3 та рис. 4, то слід зауважити, що, відповідно до дослідження С. А.

Прохорова9, означені ряди мають різні закони розподілу з погляду окремих

квазициклів з яких такі ряди складаються.

Узагальнене порівняння рис. 1, рис. 2, рис. 3 та рис. 4 також обумовлює

доцільність розгляду питання щодо привалюючого впливу складових ряду

даних, які характеризують загальний кредитно-інвестиційний портфель банку.

З урахуванням розглянутого вище можна припусти, що такий вплив

визначається:

або домінування певної складової ряду, який розглядається, над іншими

складовими. Тобто у даному випадку слід відмітити що:

; (3)

або наявністю такої складової ряду, де визначається привалювання

певного закону розподілу досліджуваних даних на усьому інтервалі, який

аналізується.

Відповісти на поставлене запитання допоможе узагальнений розгляд

фазових портретів часових рядів даних, які визначають залучення ресурсів у вигляді депозитів. На рис. 6 та рис. 7 подано фазові портрети часових рядів

9 Прохоров С. А. Прикладной анализ неэквидистантных временных рядов / С. А. Прохоров. – Сахарский государственный аэрокосмический университет, 2001. – 375 с.

9

даних, які визначають залучення ресурсів у вигляді депозитів з погляду

фізичних та юридичних осіб, тобто з погляду різних джерел залучення ресурсів.

Насамперед, аналіз даних, що відображено на рис. 6 та рис. 7 дозволяє

стверджувати, що фазові портрети рядів даних, які характеризують депозити

фізичних та юридичних осіб є різними. У той же час фазові портрети рядів

даних, що характеризують динаміку депозитів фізичних осіб є більш-менш

однаковими (рис. 6). Тож можна стверджувати, що умови залучення таких

ресурсів та фактори впливу щодо їх залучення є приблизно однаковими. Разом

з цим слід відмітити, що фазові портрети рядів даних, які наведені на рис. 6,

майже не мають замкнутих квазициклів, що говорить про поступову динаміку

нарощування ресурсної бази банків за рахунок коштів населення. Наявність

замкнутих квазициклів, що наведені на рис. 6, притаманна лише останнім

періодам часу (крапки, які розташовані наприкінці фазових портретів

утворюють певну їх скупщину). Поясненням цього є вплив фінансової кризи,

без винятку на всю банківську систему, та хаотична поведінка вкладників, яка

efi

efi+1

efi

efi+1

efi

efi+1

efi

efi+1

0100200300400500

0 200 400 6000

50100150200

0 100 200

0

500

1000

1500

0 500 1000 15000

2000400060008000

0 5000 10000

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

Рис.6. Фазові портрети часових рядів даних, що характеризують динаміку депозитів фізичних осіб залучених протягом 2004–2008 років

10

до того ж зумовлена й непослідовними діями Національного банку з приводу

ведення банківської діяльності в умовах глобальної кризи.

Поряд із цим фазові портрети рядів даних, які характеризують динаміку

депозитів юридичних осіб відрізняються один від одного з погляду окремих

банків, що досліджуються (рис. 7). Поясненням цього може бути те, що кожен з

банків обслуговує свою групу юридичних осіб, де умови ведення бізнесу та

вплив факторів щодо ведення такого бізнесу зазвичай є відмінними. Тобто

безумовно різними є впливи щодо ведення експортно- або імпортно-

орієнтованих різновидів бізнесу, бізнесу спрямованого на внутрішнє

споживання, великого, середнього або малого бізнесу. Тож й фазові портрети

рядів даних, які характеризують динаміку депозитів юридичних осіб будуть

різними (рис. 7). Тобто амплітуду та динаміку замкнутих квазициклів у фазових

портретах часових рядів даних, які характеризують рух депозитів юридичних

осіб, визначають насамперед, умови ведення бізнесу тих юридичних осіб, які

обслуговуються у конкретному банку. Підґрунтям же зміни амплітуду та

11

eyi

eyi+1

eyi

eyi+1

eyi

eyi+1

eyi

eyi+1

100

300

500

700

100 300 500 70050

70

90

110

50 70 90 110

100

300

500

700

100 6001000

3000

5000

7000

1000 6000

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

Рис.7. Фазові портрети часових рядів даних, що характеризують динаміку депозитів юридичних осіб залучених протягом 2004–2008 років

динамку замкнутих квазициклів у фазових портретах часових рядів даних, які

характеризують рух депозитів юридичних осіб є зовнішні впливи, зокрема

фінансова криза. Це чітко прослідковується для всіх без винятку банків та є

характерним для останніх часових інтервалів, які наведені на рис 7. При цьому

можна констатувати, що означені на рис. 7 фазові портрети є також

відображенням стану ресурсної бази з погляду різних умов ведення бізнесу, що

може бути застосовано для визначення доцільності розширення клієнтської

бази певного банку.

Фазові портрети часових рядів даних, які визначають рух депозитів

фізичних та юридичних осіб банку одночасно наведено на рис. 8. Це дозволяє

продовжити аналіз щодо впливу окремих складових часового ряду на його

загальну динаміку.

П о р і в н я н н я ф а з о в и х п о р т р е т і в , я к і н а в е д е н і н а р и с . 6 , р и с . 7 т а р и с . 8

дозволяють констатувати, що значимим фактором в динаміці узагальненого

часового ряду є привалююча його складова. При цьому чим більше таке

привалювання, тим чіткішим є наслідування загальної динаміки часового ряду

12

Рис. 8. Фазові портрети часових рядів даних, що характеризують динаміку депозитів фізичних та юридичних осіб залучених протягом

2004–2008

ei

ei+1

ei

ei+1

ei

ei+1

0

100

200

300

0 100 200 300

0500

100015002000

0 1000 20000

5000100001500020000

0 5000 10000 15000

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

0

400

800

1200

0 400 800 1200

ei+1

ei

у фазовому просторі. Поясненням цього може бути, насамперед, розгляд

загального часового ряду з погляду його окремих складових на основі

синергітичного підходу, який і дозволяє здійснити врахування складних та

суперечливих властивостей досліджуваних процесів. Це пов’язано з тим, що

внутрішній нестійкий розвиток іманентно притаманен різним економічним

процесам та підсилюється внаслідок конкуренції під впливом екзогенних

факторів. Отже можна підбити, що саме домінування окремої складової

загального ряду даних над іншими складовими такого ряду визначає його

фазовий портрет у фазовому просторі. Це ж у підсумку визначатиме й циклічну

стійкість функціонування банку, що є важливим для прогнозування його

розвитку. Відтак для досягнення загальної стабільності розвитку банку важливо

звернути увагу на привалюючі його складові, що позначаються окремими

часовими рядами даних. Разом з цим, певну стабільність у розвитку банків

можна побачити на основі аналізу фазових портретів часових рядів даних (

), які відображають динаміку їх щомісячного фінансового

результату (рис. 9).

13

fi

fi+1

fi

fi+1

fi

fi+1

fi

fi+1

0

5

10

15

0 5 10 150

0,51

1,52

0 1 2

0

10

20

30

0 10 20 300

100200300400500

0 200 400

а) Базис б) Грант

в) Мегабанк г) Укрсиббанк

Рис. 9. Фазові портрети часових рядів даних, що відображають динаміку щомісячного фінансового результату банків протягом 2004–2008

Як видно з даних рис. 9 без винятку для всіх банків характерним є

збільшення амплітуди повних квазициклів у наведених фазових портретів

(якщо припустити, що для Укрсиббанку такий квазицикл ще не завершився).

Тож можна говорити, що попри локальні негаразді у розвитку наведених

банків, характерним на всьому досліджуваному інтервалі є зростання

щомісячних фінансових результатів.

Висновки. Отже, проведене дослідження підтвердило доцільність та

можливість застосування методів нелінійної динаміки для аналізу часових рядів

даних, що характеризують різні аспекти банківської діяльності. Підґрунтям

такого визначення є те, що нерівномірність, циклічність властива динамічним

економічним системам, до яких відносяться і банки. Тож на підставі методу

нелінійної динаміки, який визначається поняттям фазового портрету, показано

наявність циклічних змін у часових рядах даних з погляду різних показників

діяльності банків. Це дозволило відмітити певні особливості розвитку

досліджених часових рядів даних. Зокрема, на підставі аналізу фазових

портретів часових рядів даних доведено ідентичність функціонування різних

банків з погляду динаміки наданих кредитів, залучених ресурсів у вигляді

депозитів від фізичних осіб та активності банків на ринку міжбанківських

кредитів. Одночасно з цим показано відмінність часових рядів даних, які

визначають динаміку обсягу цінних паперів банку та динаміку депозитів

юридичних осіб. Також в роботі обґрунтовано наявність розбіжностей у

фазових портретах часових рядів, які розглядалися.

Окремо проведено аналіз щодо визначення привалювання у динаміці

узагальненого часового ряду з погляду окремих його складових. Це дозволяє не

лише визначати прогнозні значення розвитку банків, а й узагальнити

стабільність їх розвитку на основі врахування динаміки привалюючих

складових часових рядів, які відображають функціонування банків.

Не менш важливим для прогнозування розвитку банків є врахування

окремих структурних елементів фазових портретів різноманітних їх часових

рядів даних. Дещо ці аспекти були висвітлені, але складність та важливість

такого питання зумовлює за необхідне окремого їх розгляду з більш

розширеним статистичним визначенням наявності різних квазициклів, їх

14

чередування та зміни. Однак, незважаючи на це, слід відмітити, що наведений

аналіз фазових портретів різноманітних часових даних банків загалом

розкриває динаміку та специфіку їх функціонування з погляду кредитно-

інвестиційного портфелю і залучених ресурсів у вигляді депозитів.

REFERENCES:

1. Азаренкова Г. М. Фінансові потоки в системі економічних відносин / Г. М. Азаренкова. – Х.: ВД «ІНЖЕК», 2006. – 328 с.

2. Беляков С. С. Фрактальный анализ временных рядов котировки акций на базе агрегирования / С. С. Беляков // Деп. в ВИНИТИ, 2005. – № 3617 – 1398. – 35 с.

3. Бідюк П. І. Часові ряди: моделювання та прогнозування / П. І. Бідюк, О. І. Савенков, І. В. Баклан. – К.: Екмо, 2003. – 144 с.

4. Винтизенко И. Г., Яковенко В. С. Экономическая цикломатика / И. Г. Винтизенко, В. С. Яковенко. – М.: Финансы и статистика., 2008. – 428 с.

5. Глущенко В. В. Ліквідність, платоспроможність та фінансова безпека комерційного банку / В. В. Глущенко, М. М. Перешибкін, В. С. Серба. – Х.: ХНУ ім. В.Н. Каразіна, 2004. – 196 с.

6. Куштим В. В. Динаміка розвитку банківського сегменту міжнародного фінансового ринку / В. В. Куштим, В. В. Ляшенко // Фінанси України. – 2007. – № 12. – С. 96–105.

7. Недосекин А. О. Применение нечетких моделей в управлении финансами банков / А. О. Недосекин. – Режим доступу sedok.narod.ru.

8. Прохоров С. А. Прикладной анализ неэквидистантных временных рядов / С. А. Прохоров. – Самарский государственный аэрокосмический университет, 2001. – 375 с.

9. Сергеева Л. Н. Моделирование поведения экономических систем методами нелинейной динамики (теории хаоса) / Л. Н. Сергеева. – Запорожье, 2002. – 227 с.

10. Слюніна Т. Л. Розвиток вітчизняної мережі банківських установ: особливості та регіональні аспекти / Т. Л. Слюніна, Є. Б Бережний., В. В. Ляшенко // Вісник ХНУ ім. В.Н. Каразіна. Економічна серія. – 2007. – № 755. – 84–88.

11. Соловйова В. В. Застосування теорії випадкових матриць при дослідженні глобалізаційних процесів / В. В. Соловйова, О. Д. Шарапов, Л. І. Кузьмінська // Проблеми впровадження інформаційних технологій в економіці. – Ірпінь: Академія ДПС України, 2004. – С. 321–322.

12. Триус В. Ю. Антикризовий менеджмент у складних соціально-економічних системах / В. Ю. Триус. – Режим доступу: s-journal.cdu.edu.ua/base/2008/v1/v1pp1-8.pdf.

13. Филатов Д. А. Анализ состояния финансовых рынков на основе методов нелинейной динамики / Д. А. Филатов, Л. П. Яновский // Научно-

15

практический и аналитический журнал: «Финансы и кредит». – 2005. – № 32 (200). – С. 2–14.

14. Шарапов О. Д., Сучасні методи дослідження складних фінансово-економічних систем / О. Д. Шарапов , В. Д. Дербенцев , В. М. Соловйов // Вісник Української академії банківської справи. – 2006. – № 1. – C.100-111.

15. Kantz H. Nonlinear time series analysis / H. Kantz, T. Schreiber. – Cam-bridge University Press, 1997. – 304 p.

16. Kuzemin A. Fuzzy set theory approach as the basis of analysis of financial flows in the economical security system / A. Kuzemin, V. Lуashenko // International Journal "INFORMATION THEORIES & APPLICATIONS" – 2006. – Vol. 13, Num. 1. – Р. 45–51.

16