Прогнозирование состояния рынка пластиковых карт в России

 

Необходимо оценить статистическую пригодность названных факторов для использования в прогнозной модели. Для этого необходимо исключить мультиколлинеарность факторов на основе проведения корреляционного анализа между временными рядами. (Исходные данные представлены в приложении 2.) Результаты корреляционного анализа представлены в таблице 2.3.

Таблица 2.3

Корреляционный анализ прогнозного фона рынка пластиковых карт

	1	2	3	4	5	6	7	8
2.Инфляция	1,00	-0,83	-0,81	-0,86	-0,85	-0,94	-0,92	-0,95
2.Чистые иностр.активы	-0,83	1,00	0,99	1,00	0,97	0,94	0,98	0,94
3.Активы банк-го сектора	-0,81	0,99	1,00	0,99	0,94	0,93	0,97	0,92
4.Сальдо торгового баланса	-0,86	1,00	0,99	1,00	0,98	0,94	0,99	0,95
5.Розничный торг. оборот	-0,85	0,97	0,94	0,98	1,00	0,88	0,95	0,92
6.Объем ВВП	-0,94	0,94	0,93	0,94	0,88	1,00	0,98	0,98
7.Ср.мес. зар.плата	-0,92	0,98	0,97	0,99	0,95	0,98	1,00	0,98
8.Эк-ки актив. население	-0,95	0,94	0,92	0,95	0,92	0,98	0,98	1,00

 

Так как существует тесная взаимосвязь между розничным торговым оборот, объемом ВВП, среднемесячной зарплатой, экономически активным населением, все вышеперечисленные факторы можно исключить из дальнейшего рассмотрения, следовательно, в дальнейшем в качестве факторов, влияющих на состояние рынка пластиковых карт, будут рассматриваться активы банковского сектора и  инфляция.

Временной ряд активов банковского сектора и уровня инфляции представлен в таблице:

Таблица 2.4

Факторы, влияющие на состояние рынка пластиковых карт

	2007	2008	2009	2010	2011	2012
Активы банковского сектора, млрд.руб	3159,7	4145,3	5601	7136,9	9750	13400
Уровень инфляции, %	17,4	14,16	11,4	11,16	10,44	9,2

 

Таким образом, можно выделить следующие сценарии динамики рынка пластиковых карт:

1. Пессимистический. Инфляция к 2013 году составит 10 % (вместо планируемых 9-9,5%), что приведет к ухудшению экономической обстановки в стране, что повлечет уменьшение доверия к кредитным организациям. 
2. Оптимистический. Произойдет существенное улучшение общего состояния банковской системы России, появится законодательная поддержка рынка пластиковых карт со стороны государства (ныне рынок регулируется только Гражданским кодексом и нормативными документами ЦБ РФ).  В 2013 году, по прогнозу Минфина, объем кредитов, выданных населению, вырастет до 9% ВВП (в 2011 году он составлял 5,5% ВВП), вследствие чего произойдет повышение активов банковского сектора, в 2013 они прогнозируются на уровне 53,5% ВВП по сравнению с 45,1% ВВП в 2011 году. Темпы  роста ВВП повышаются до 5,8-6,0% в год. Как следствие произойдет  увеличение выпуска пластиковых карт при расширении сети приема карт, что приведет к повышению культуры пользования пластиком и превращение карт в реальное платежное средство. Степень вероятности реализации сценария средняя.

 

2.3. Постановка задачи прогнозирования

 

В связи с тем, что рынок пластиковых карт подвержен воздействию со стороны различных факторов, использование экстраполяционных методов прогнозирования представляется возможным лишь в рамках верификации, тогда как прогнозная модель должна строиться с учетом влияния различных факторов на данный рынок.

Необходимость идентификации функции, лежащей в основе прогнозной модели, заставляет провести оценку статистической значимости нескольких моделей: линейной, логарифмической, степенной, экспоненциальной. Выбор модели будет осуществлен по коэффициенту детерминации (R-квадрат), который дает количественную оценку меры анализируемой связи.

Таблица 2.4

Характеристики регрессионной модели

	Уровень значимости		Коэффициент детерминации
	a1	a2
Степенная	0,05812	0,00006	0,8605
Логарифм	0,000004	0,00017	0,6622
Экспоненциальная	0,99999	1,0000	0,9992
Линейная	0,000028	0,0177	0,9264

 

Поскольку экспоненциальная и линейная функции характеризуется наилучшими показателями, следовательно, производственная функция будет строиться на основе многофакторной линейной функции, которая в общем виде может быть представлена следующим образом:

 

Y(t) = a0+a1x1(t)+a2x2(t)                                                                       (2.1)

 

где Y(t) – количество выпущенных пластиковых карт,

x1(t) – активы банковского сектора,

x2(t) – уровень инфляции, t-момент времени (t=2007-2012 гг.).

В качестве метода верификации прогноза избрана экспертная и обратная верификации, параметризация которых будет осуществлена в соответствующей части работы.

 

ГЛАВА 3. ПРОГНОЗ СОСТОЯНИЯ РЫНКА  ПЛАСТИКОВЫХ      КАРТ  В РФ

3.1. Построение прогнозной модели для количества выпущенных пластиковых карт

 

Особенностью экономических явлений является то, что они  определяются большим числом взаимодействующих факторов, поэтому, для определения связи между одной зависимой переменной и несколькими независимыми переменными, применяется множественный регрессионный анализ. В нем анализу подвергается зависимость одного признака (результирующего) от набора независимых (факторных) признаков. Разделение признаков на результирующий и факторные осуществляется исследователем на основе содержательных представлений об изучаемом явлении (процессе).

Цель регрессионного анализа состоит в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии [14].

Для корректного использования регрессионного анализа требуется выполнение определенных условий. Факторные признаки должны быть некоррелированы (отсутствие мультиколлинеарности), они предполагаются замеренными точно и в их измерениях нет автокорреляции, т.е. значения признаков у одного объекта не должны зависеть от значений признаков у других объектов. Для этого оценивается коэффициент корреляции, который не должен быть больше 0,6.

При построении регрессионных моделей необходимо выбрать вид функциональной зависимости, характеризующей взаимосвязи между результативным признаком и несколькими признаками-факторами.

В данной работе используется линейная регрессия, т.е. зависимость вида:

                             Y(t) = a0+a1x1(t)+a2x2(t)                                    (3.1)

 

 где Y(t) - результативный признак,

x1(t), x2(t)- факторные признаки (активы банковского сектора и уровень инфляции),

a1, a2 - коэффициенты регрессии, показывающие степень влияния соответствующего фактора на прогнозируемый показатель при фиксированном значении остальных факторов,

a0 - свободный член уравнения [6,184].

 

Полученная модель представляет собой производственную функцию, то есть экономико-математическую модель, которая позволяет учесть влияние факторных признаков на исследуемый зависимый параметр.

Модель имеет аддитивный характер, так как рассматриваемые факторы (активы банковского сектора и уровень инфляции) не взаимодействуют друг с другом, следовательно, при построении модели используется сумма факторов, а не их произведение.

Для оценки факторов обычно используют коэффициент корреляции - R и коэффициент детерминации – R-квадрат. Коэффициентом корреляции R определяет степень тесноты связи результирующего признака Y со всем набором факторных признаков, он может принимать значения в диапазоне от   -1 до +1, причём если значение находится ближе к 1, то это означает наличие сильной связи между переменными, а если ближе к 0, то слабой. Коэффициент детерминации R-квадрат имеет простой смысл – это показатель того, насколько изменения зависимого признака объясняются изменениями независимого. Чем ближе R-квадрат к единице, тем точнее уравнение регрессии  описывает эмпирические данные.

С помощью программного обеспечения «Статистика» были найдены значения параметров a0, a1, a2, представляющие собой регрессионные коэффициенты.

Полученные коэффициенты представлены в таблице:

Таблица 3.1

Коэффициенты уравнения множественной регрессии

	b	B	Уровень значимости
Константа		-15,366325	0,190097
Активы банковского сектора	1,0271	0,000007	0,000517
Уровень инфляции	0,0339	0,279710	0,630120

 

Коэффициент детерминации и коэффициент корреляции,  равные соответственно R2 = 0,9983, R = 0,9966 характеризуются хорошими показателями.

После этого окончательная производственная функция будет иметь вид:

 

Y(t) = -15,3663+0,000007x1+0,2797x2                                                                           (3.2)

 

Анализ построенной модели приводит к выводу, что с увеличением уровня инфляции на 1% количество пластиковых карт увеличится на 279 тысяч единиц, а увеличение выпуска пластиковых карт на 1% произойдет при увеличении активов банковского сектора на 0,000007%.

При построении прогнозной модели необходимо  рассмотреть следующие параметры прогноза: период основания, период упреждения.

Период основания прогноза, то есть промежуток от настоящего момента в прошлое, на данных которого строится прогноз, равен 6 годам. Период упреждения (период времени от настоящего времени в будущее, для которого составляется прогноз) в данной модели равен 1 году.

 

 

 

 

3.3. Составление прогноза состояния рынка пластиковых карт

 

Для построения прогноза выпуска пластиковых карт необходимо отобрать факторы, воздействующих на результативный объект. В главе I был приведен перечень факторов, оказывающих влияние на количество выпускаемых пластиковых карт: доходы населения, количество экономически активного населения, объем ВВП, розничный торговый оборот, совокупные активы банковского сектора, инфляция, среднемесячная заработная плата, иностранные инвестиции в банковский сектор. На основе проведенного корреляционного анализа, позволяющего найти факторы, зависящие друг от друга, было оставлено только два: уровень инфляции и активы банковского сектора.

На основе двух переменных, а именно: уровень инфляции и активы банковского сектора строится прогнозная модель.