Моделирование рынка ипотечного жилищного кредитования

Тип работы:
Реферат
Предмет:
Экономические науки


Узнать стоимость

Детальная информация о работе

Выдержка из работы

Евразийский Союз Ученых (ЕСУ) # 7 (16), 2015 | ЭКОНОМИЧЕСКИЕ НАУКИ
107
крывает дорогу к творчеству — в конструкциях и технологиях. Наука и образование на научной основе вкупе с творчеством формирует армию истинных экономистов, новую действенную экономическую практику, новую реальность будущего.
Литература
1. Лачинов Ю. Н. Новейшая социально-политическая экономика. М.: «Спутник+», 2004.
2. Лачинов Ю. Н. Единый учебник экономики*Пролог к «экономиксу"*Начала экономической теории. М.: ЛЕНАНД, 2014.
3. «Новая экономическая классика. Российская научно-образовательная школа Лачинова" — М.: ЛЕ-НАНД, 2012г
4. Лачинов Ю. Н. Новая экономическая классика.
lambert, германия, 2014.
МОДЕЛИРОВАНИЕ РЫНКА ИПОТЕЧНОГО ЖИЛИЩНОГО КРЕДИТОВАНИЯ
Малахова Татьяна Александровна
Аспирант МЭСИ
АННОТАЦИЯ
Целью данного исследования является построение эконометрической модели оценки рынка ипотечного жилищного кредитования. С использованием методов регрессионного анализа нами была построена адекватная модель, описывающая зависимость темпов роста объемов ипотечного жилищного кредитования от макроэкономических переменных. Построенная модель может использоваться для построения прогнозов и в целях стресс-тестирования.
ABSTRACT
The main aim of this research is to develop econometric model for mortgage loans market assessing. Using multiple regression methods we have made adequate model which describes dependencies between mortgage loans growth rate and macroeconomic variables. This model can be used for forecasting and stress-testing.
Ключевые слова: Регрессионный анализ, эконометрические модели, рынок ипотечного жилищного кредитования
Keywords: Regression analysis, econometric models, mortgage loans market
В текущих условиях общей финансовой нестабильности ипотечное жилищное кредитование может выступить локомотивом для российских банков, способным восстановить темпы роста розничного кредитования при сохранении уровня кредитного риска на приемлемом уровне. Традиционно ипотечные жилищные кредиты считаются наиболее качественными с точки зрения обслуживания долга клиентами и несут существенно меньшие риски для кредиторов по сравнению с другими розничными продуктами. Так, по данным Банка России доля просроченной задолженности по ипотечным жилищным кредитам на 1. 06. 2015 составляла 1,4%, в то время как по розничному кредитному портфелю кредитов в целом -7,4%. [1]
Одним из факторов поддержки сегмента ипотечного сегмента кредитования в 2015 году станет правительственная программа субсидирования процентной ставки, в рамках которой может быть предоставлено кредитов на общую сумму до 400 млрд рублей. Однако даже с учетом данной программы общий объем кредитов, предоставленных в 2015 году, может снизиться на 30−40% по сравнению с предыдущим годом. Банк России также принял ряд мер, направленных на стимулирование банков предоставлять ипотечные кредиты с пониженным уровнем риска (с высоким первоначальным взносом и долговой нагрузкой заемщика. [2]
Анализ дальнейшего развития рынка ипотечного жилищного кредитования с целью его моделирования и прогнозирования представляет значительный интерес как для надзорного органа, так и отдельных кредитных организаций. В этой связи нами была построена эконометри-
/гТШ = 2. 78 + 0. 0023 * yt1 — 0. 088
ческая модель рынка ипотечного жилищного кредитования в России, описывающая зависимости объема, предоставленных ипотечных жилищных кредитов от макроэкономических факторов и представляет его результаты.
В российских источниках представлено недостаточное количество качественно структурированных временных рядов, сохраняющих своё содержание и характеристики в течение продолжительного времени (в частности, в ряде случаев возникает необходимость перерасчета данных за несколько лет- вводятся новые показатели и упраздняются старые). Это приводит к тому, что рассматриваемые временные ряды имеют небольшое количество наблюдений, что существенно усложняет процесс построения моделей.
В этой связи в рамках моделирования в обучающую выборку были включены наблюдения за период с января 2009 по март 2015 года, при этом рассматривалась месячная динамика показателей. Таким образом, в выборку данных вошло 61 наблюдение.
На подготовительном этапе исходные временные ряды были протестированы на стационарность и наличие мультиколлинеарности. В целях удовлетворения всех условий статистической значимости и адекватности некоторые данные были модифицированы с использованием логарифмирования, расчета темпов прироста и лагирова-ния.
Моделирование проводилось с использованием методов регрессионного анализа- коэффициенты моделей были оценены с применением метода наименьших квадратов. После проверки статистических характеристик была отобрана наиболее адекватная модель:
xl t + +0. 017 * х1Х-2 ~ 0. 167 * ix3 t,
где yt — изменение темпа роста вновь выданных ипотеч- yt-1 — изменение темпа роста объем рынка ИЖК на ных жилищных кредитов (далее объем рынка ИЖК), в п.п. предыдущую отчетную дату, в п.п. к соответствующему
к соответствующему периоду прошлого года- периоду прошлого года-
108
Евразийский Союз Ученых (ЕСУ) # 7 (16), 2015 | ЭКОНОМИЧЕСКИЕ НАУКИ
x1t — изменение уровня безработицы, в п.п. к соответствующему периоду прошлого года-
x2, t-2 — изменение темпа роста реальных располагаемых доходов населения с лагом в два месяца, в п.п. к соответствующему периоду прошлого года- x3, t — изменение процентной ставки рынка ИЖК, в п.п. к соответствующему периоду прошлого года.
Построенная модель была проверена на значимость и на наличие автокорреляции в остатках. Все проверенные характеристики продемонстрировали высокое качество построенной модели. В частности, коэффициент детерминации составил 0,93. Таким образом, 93% дисперсии зависимой переменной объясняется вошедшими в модель показателями.
На рисунке 1 представлены результаты построенной модели.
Рисунок 1. Динамика фактических и оцененных темпов роста объема рынка ИЖК, в%
Как мы видим на рисунке 1, оцененные значения модели корректно аппроксимируют фактические данные.
Также модель была проанализирована на предмет экономического смысла. Проведенный анализ показал, что построенная модель не только удовлетворяет всем требованиям статистической адекватности, но и является корректной с точки зрения экономической интерпретации.
Ввиду того, что зависимая переменная на начальном этапе моделирования была преобразована с использо-
ванием логарифмирования, прямое использование коэффициента эластичности для определения чувствительности исследуемого признака к изменению независимых переменных, на наш взгляд, не вполне корректно.
В этой связи нами был проведен анализ чувствительности изменения зависимой переменной от изменения на 1 и более процентный пункт выбранной независимой переменной при условии неизменности остальных показателей, входящих в модель (см. Таблица 1).
Таблица 1
Изменение темпов роста объема ИЖК при изменении на п п.п. независимых переменных
Изменение объясняющего фактора Изменения темпов роста объема ИЖК при изменении независимой переменной на п п.п. :
на 1 п.п. на 2 п.п. на 3 п.п. на 4 п.п. на 5 п.п. на 6 п.п. на 7 п.п. на 8 п.п. на 9 п.п. на 10 п.п.
Уровень процентной ставки -15,4 -28,4 -39,4 -48,7 -56,6 -63,3 -69,0 -73,7 -77,8 -81,2
Уровень безработицы -8,4 -16,2 -23,3 -29,7 -35,6 -41,1 -46,0 -50,6 -54,8 -58,6
Темпы роста денежных доходов населения 1,7 3,5 5,3 7,2 9,0 10,9 12,9 14,8 16,8 18,9
Графический анализ полученных значений позво- Уравнение тренда при изменении уровня процент-
лил выявить полиномиальные зависимости рассмотрен- ной ставки рынка ИЖК: ных показателей, которые можно выразить следующими уравнениями.
у = -0,0321×3 + 1Д141×2 — 15,998х — 0,5291 (2)
Уравнение тренда при изменении уровня безработицы:
у = -0,0071×3 + 0,3596×2 — 8,7392х — 0,0578 (3)
Уравнение тренда при изменении темпов роста денежных доходов населения:
где:
x — соответствующее изменение объясняющей переменной, выраженное в п.п. -
у — изменение темпов роста рынка ИЖК в п.п.
Таким образом, на основании проведенных вычислений мы получили зависимости изменения темпов роста,
вновь выданных ИЖК от изменения различных показателей (уровня процентной ставки и безработицы, реальных денежных доходов населения). Используя полученные модели и зависимости, мы можем оценить масштаб влияния изменения независимых переменных на исследуемую переменную.
Евразийский Союз Ученых (ЕСУ) # 7 (16), 2015 | ЭКОНОМИЧЕСКИЕ НАУКИ
109
Как следует из оцененного уравнения модели (1) и полученных трендовых зависимостей (2−4), ипотечное кредитование растет полиномиально при снижении процентной ставки рынка ИЖК (например, её снижение на 1 п.п. (при неизменности остальных параметров модели 1) увеличит темп роста объема рынка ИЖК на 15,4 п.п., на 2 п.п. — на 28,4 п.п. соответственно, и т. д. по аналогии) и уровня безработицы (уменьшение уровня безработицы, например, на 1 п.п. приведет к увеличению темпов роста объема вновь выданных ипотечных кредитов в годовом выражении на 8,4 п.п. и т. д. в соответствии с построенной полиномиальной моделью), при увеличении темпа роста реальных доходов населения с лагом в два месяца (изменение на 1 п.п. приведет к увеличению темпов роста объема ИЖК на 1,7 п.п. и т. д. в соответствии с построенной полиномиальной моделью).
Иными словами, снижение процентной ставки и уровня безработицы приводит к значительному увеличению объема вновь выдаваемых кредитов, а доходы населения стимулируют развитие рынка ИЖК.
При рассмотрении результатов модели можно отметить, что с точки зрения масштаба влияния главную роль в ипотечном кредитовании играет ценовой фактор (уровень процентной ставки по ипотечным жилищным
кредитам). На втором месте — занятость вкупе с располагаемыми реальными доходами. Эти показатели адекватно характеризуют кредитоспособность заемщиков.
Ввиду того, что построенная модель обладает хорошими статистическими характеристиками и достаточно корректно описывает экономические зависимости, на следующем этапе считаем допустимым их использование в целях построения прогнозных оценок, а также при проведении стресс-тестирования банковского сектора с использованием сценарного анализа.
Список литературы
1. http: //www. cbr. ru/analytics/bank_system/obs_1507. pd f — Обзор банковского сектора Российской Федерации (интернет-версия), Банк России, табл. 12.
2. Обзор финансовой стабильности за IV квартал 2014 — I квартал 2015 г., Банк России, с. 40.
3. Дубров А. М., Мхитарян В. с., Трошин Л. И. Многомерные статистические методы и основы эконометрики: Учебно-практическое пособие / МЭСИ. -М., 1998 г.
4. Дуброва Т. А. Статистические методы прогнозирования — М.: Юнити, 2003 г.
НАЛОГОВОЕ СТИМУЛИРОВАНИЕ ИННОВАЦИОННОЙ ДЕЯТЕЛЬНОСТИ: ПРОБЛЕМЫ И ОЦЕНКА ЭФФЕКТИВНОСТИ
Мандрощенко Ольга Валентиновна
Д.э.н., профессор кафедры «Налоги и налогообложение» Финансового университета при Правительстве Российской
Федерации, г. Москва
АННОТАЦИЯ
Цель: Стимулирование инновационных процессов играет важную роль в современном мире высоких технологий. Одной из важнейших составляющих государственной поддержки инновационных процессов является налоговое регулирование. Анализ налоговых льгот, оценка их эффективности являются основой налогового регулирования.
Метод: В ходе исследования применялись общенаучные методы исследования — наблюдение, логический и структурно-функциональный анализ, экономический анализ.
Результат: Проанализировано действующее налоговое законодательство в отношении льгот и предложена система мер для повышения инновационной активности предприятий.
Выводы: Сделан вывод о необходимости разработки единой методики оценки эффективности налоговых льгот и рекомендаций по развитию инновационной деятельности.
ABSTRACT
Background: Stimulation of innovation processes plays important role in today’s world of high technologies. One of the most important components of government support of innovation processes is tax regulation. Analysis of tax benefits, assessment of their effectiveness are the basis of tax regulation.
Method: In the study were used scientific methods of research — observation, logical and structural — functional analysis, economic analysis.
Result: The current income tax legislation was analyzed regarding to benefits and the system of measures to improve innovation activities was offered.
Conclusions: The conclusion was made about the need of development of uniform methodology of measurement of effectiveness of tax benefits and recommendations for the development of innovation activities.
Ключевые слова: налоговые льготы, налоговое стимулирование, инновационная деятельность, эффективность.
Keywords: tax benefits, tax stimulation, innovation activities, effectiveness.
В Российской Федерации инновационные предприятия могут получить инвестиционный налоговый кредит на срок от 1 до 5 лет, льготы по налогу на добавленную стоимость, налогу на прибыль организаций и.т.д. Однако нельзя сказать, что эти льготы являются эффективными и активно используются организациями. Поэтому практически каждая из них должна быть законодательно доработана.
Как показывает практика, предоставление инвестиционного налогового кредита на срок в соответствии с Налоговым кодексом РФ недостаточно для появления первых признаков окупаемости, поскольку инновационная деятельность — это долгосрочная деятельность и для получения результата должно пройти, как правило, более 5 лет.

ПоказатьСвернуть
Заполнить форму текущей работой