Главная
страница 1

Ф.Т. Алескеров,

Ю.И. Мартынова,

В.М. Солодков

Государственный


университет –
Высшая школа экономики


АНАЛИЗ И ОЦЕНКА
ЭФФЕКТИВНОСТИ
ФУНКЦИОНИРОВАНИЯ БАНКОВ И БАНКОВСКИХ СИСТЕМ








Представлен обзор моделей оценки эффективности функционирования бан­ков. Рассмотрены основные характеристики непараметрических подходов (обо­лочечный анализ данных) и параметрических подходов (модель стоха­стической границы), их преимущества и недостатки, а также некоторые модифи­кации. Отдельно анализируются вопросы оценивания эффективности банков­ских систем. Сделана попытка анализа эффективности банковской системы России.


Введение
Эффективное развитие финансовой системы и, более узко, банковской системы страны является значимым и существенным фактором экономического роста. Выполняя важные функции, такие как трансформация сбережений в ин­вестиции и упрощение трансакций между экономическими агентами, банковская система может не обладать достаточной устойчивостью для противостояния кризисным ситуациям. Предлагаемые для рассмотрения модели и методы оценки эффективности банков и банковских систем позволяют определить основные факторы и детерминанты успешной работы банков и выделить проблемы и несовершенства банковской системы. Собственно, модели оценки эффективности, изначально применявшиеся для анализа отраслей нефинансового сектора, в этом смысле дают важный инструмент для выстраивания политики органами банковского надзора.

В простейшем случае эффективной называется организация, производящая максимально возможный объем выпуска при заданном объеме затрачиваемых ресурсов или использующая минимально возможный объем ресурсов для производства заданного объема выпуска. Существуют два основных подхода к оценке эффективности функционирования организаций – это параметрические и непараметрические подходы. Они предполагают существование так называемой «границы эффективности», относительно которой можно измерить эффек-

тивность конкретного предприятия. Граница эффективности моделируется в зависимости от того, какие поведенческие предпосылки вводятся в отношении исследуемых организаций. Соответствующие модели позволяют рассматривать организацию с различных точек зрения – либо как максимизирующую выпуск1, либо как миниминизующую издержки2, либо как максимизирующую прибыль, т.е. когда одновременно минимизируются издержки и максимизируется выручка. Если для организаций (банков) целесообразно рассмотреть, насколько эффективно они способны минимизировать издержки (максимизировать прибыль), то границей эффективности будет считаться минимально возможный уровень издержек (максимально возможная прибыль) при заданных объемах выпуска и при определенном уровне экзогенно заданных цен ресурсов. Применительно к банковской практике в качестве ресурсов для производства услуг могут использоваться не только трудовые ресурсы и физический капитал, но и привлеченные банком финансовые средства. В итоге эффективность рассчитывается на основе сопоставления фактических издержек банка и минимально возможных издержек (фактической прибыли и максимально возможной прибыли).

Надо отметить, что трактовка получаемых оценок эффективности банков должна осуществляться с некоторой осторожностью, т.е. со ссылкой на то, ка­кая конкретная спецификация модели используется. Так, если в качестве параметров, анализируемых в модели, используются показатели, так или иначе связанные с доходами или прибылью банка (и по определению положительно влияющие на эффективность), должны учитываться также и параметры, отража­ющие рискованность банковских операций (поскольку высокий уровень доходов (прибыли) банка может быть достигнут за счет принятия банком на себя слишком высоких рисков). В этом случае в модель могут вводиться параметры, отражающие этот факт и, соответственно, помогающие получить бо­лее адекватные оценки эффективности (в качестве таких параметров используются данные по просроченным кредитам банков, резервам на возможные потери по ссудам и др.). Включение таких параметров может помочь правильно оценить банки, которые по сравнению с другими банками тратят значительные ресурсы, например, на мониторинг кредитной задолженности, инно­вационные исследования и разработки и т.д. Очевидно, что подобные затраты не должны трактоваться как избыточные, напротив, они могут способствовать значительному росту эффективности банка, в том числе в долгосрочной перспективе.

Непараметрический подход позволяет построить кусочно-линейную границу эффективности как «оболочку» имеющихся фактических наблюдений по банкам. При оценке эффективности используются методы линейной оптимизации, а отклонения от границы эффективности трактуются как результат неэффективности [Coelli, 1996].

Параметрический подход исходит из того, что граница эффективности представляет собой теоретический идеал. Этот подход требует спецификации конкретной функциональной формы границы эффективности и предполагает ее эконометрическое оценивание. Отклонения показателей банка от теоретической границы эффективности будут трактоваться как результат частично неэффективности и частично – случайной ошибки [Berger, Humphrey, 1997].


Непараметрический подход
к оценке эффективности

Непараметрический подход к оценке эффективности включает в себя индексные методы и метод оболочечного анализа данных (Data Envelopment Analysis, DEA). Далее нас будет интересовать именно метод оболочечного анализа данных и его модификация – метод свободной оболочки (Free Disposal Hull Approach, FDH).

Непараметрический подход предполагает, что ряд банков является максимально эффективной группой и, следовательно, формирует границу эффектив­ности. Наиболее точные характеристики методов приведены в работе [Berger, Humphrey, 1997]: «Эффективная граница DEA формируется как кусочно-ли­нейная кривая, которая соединяет наиболее эффективные значения, тем самым формируя выпуклую кривую производственных возможностей. …FDH – это особый случай модели DEA, когда точки на линиях, соединяющих вершины, не включаются в границу эффективности».

Чтобы изобразить границу эффективности для метода оболочечного анализа данных, воспользуемся графиком с единичной изоквантой, который приведен в [Coelli, 1996]. Банки C и D формируют границу эффективности, обозначенную FF. Банки А и В будут считаться неэффективными относительно этой границы, поскольку возможно пропорциональное снижение затрат ресурсов для этих банков для достижения того же единичного объема выпуска, что и у банков С и D. Отметим, что при использовании метода свободной оболочки линии, соединяющие наблюдения по наиболее эффективным банкам (т.е. линии, соединяющие точки C и D, а также лучи, выходящие из этих точек), не включаются в границу эффективности.



Рис. 1. Непараметрическая граница эффективности

В рамках модели оболочечного анализа данных возможно осуществить декомпозицию общей экономической эффективности на аллокативную эффективность (оптимальна ли пропорция, в которой банк затрачивает ресурсы?), эффективность масштаба (действует ли банк в условиях возрастающей, постоянной или убывающей отдачи от масштаба?) и чистую техническую эффективность (есть ли возможность пропорционально сократить затраты ресурсов, не уменьшив при этом выпуск, прибыль или не увеличив затраты?).

Оценки эффективности в методе оболочечного анализа данных получаются в результате решения для каждого отдельного банка задачи линейного программирования. Надо выбрать такие {θ, λ} чтобы минимизировать θ при условии, что



θ – это искомая оценка эффективности банка.

Параметрический подход
к оценке эффективности

Параметрические методы предполагают эконометрическое оценивание «гра­ницы» эффективности, т.е. максимально возможного потенциального уровня эффективности банка. Конкретные оценки эффективности получают, сравнивая результат деятельности банка с максимально возможным. В отличие от непараметрических подходов, где ряд банков будет иметь 100-процентную эффективность, при использовании параметрического подхода все банки могут иметь уровень эффективности ниже максимального.

Основной параметрический метод оценки эффективности – это модель стохастической границы (Stochastic Frontier Approach, SFA), предложенная в Aigner, Lovell and Schmidt (1977) и Meeusen and van den Broeck (1977).

В основе модели SFA лежит предположение о том, что неэффективность несимметрично распределена, тогда как случайная ошибка подчиняется симметричному распределению. Модель выглядит следующим образом:

Yi = xi b + (ViUi), i = 1,...,N,

где Vi – случайная ошибка, распределенная нормально;



Ui неэффективность, имеющая одностороннее распределение.

Часть (xi b + Vi) является стохастической границей в том смысле, что ее положение для банка i зависит не только от детерминированной части xib, но и от воздействия на каждый конкретный банк случайных факторов, представленных компонентом Vi. Таким образом, для каждого банка будет рассматриваться своя «точка» эффективности (см. рис. 2). Эффективность банка в точке А будет измеряться относительно точки А, причем точка А лежит выше границы эффективности за счет случайного позитивного сдвига вверх (вниз для точки В).

Оценки эффективности рассчитываются как условное математическое ожи­дание Ui при наблюдаемом (ViUi), полученное в работе [Jondrow et al., 1982]:

EFFi = E(Yi|Ui, Xi) / E(Yi|Ui=0, Xi).

В модели стохастической границы специфицируется конкретная функциональная форма границы эффективности. Как правило, используется функция в логарифмах с перекрестными влияниями (Translog), в которой издержки банка являются зависимой переменной, а объясняющими переменными будут показатели выпуска (ссуды, другие вложения), цены ресурсов и их перекрестные произведения. Так называемая «гибкая форма Фурье» предполагает включение в модель параметров в тригонометрической форме [Berger, Mester, 1997].





Рис. 2. Параметрическая граница эффективности

Функции распределения неэффективности в модели могут выбираться в зависимости от того, какие предпосылки вводятся исследователем. Используется как полунормальное распределение (с нулевым математическим ожиданием и ненулевой дисперсией), так и более общее усеченное нормальное распределение (с ненулевым математическим ожиданием и ненулевой дисперсией), а также некоторые другие.

Некоторые модели предполагают изменение эффективности во времени, и тогда параметр неэффективности приобретает следующий вид:

Uit = Ui exp(h (t – T)),

где h – неизвестный параметр, оцениваемый в модели.

Другие параметрические подходы, не требующие спецификации вида распределения неэффективности – это метод без спецификации распределения (Distribution-free approach, DFA) и метод широкой границы (Thick frontier approach, TFA).

Метод без спецификации распределения предполагает, что существует устойчивая во времени средняя эффективность для каждого банка, а случайные ошибки за некоторый промежуток времени усредняются до нуля.

При использовании метода широкой границы для оценки параметров регрессионного уравнения используются только банки, имеющие издержки, принадлежащие низшему квартилю распределения в своем классе по объему активов. Отклонения от прогнозных значений внутри наивысшего и самого низкого квартилей представляют собой случайную ошибку, тогда как отклонения в прог­нозных значениях между наивысшим и самым низким квартилями представляют собой неэффективность.

Недавние работы, посвященные анализу эффективности банков с использованием разных методов, показали, что оценки, получаемые с помощью параметрических и непараметрических методов, могут значительно от­личаться, причем не только по абсолютному значению, но и при ранжировании банков по уровню эффективности [Bauer et al., 1998; Fiorentino et al., 2006]. Отметим, однако, что различия снижаются по мере того, как мы выделяем в общей группе банков наиболее однородные группы [Resti, 1997].

При анализе именно банковской проблематики важно определить входные и выходные параметры для оценивания. Поскольку банк – финансовый посредник, можно предположить, что в качестве ресурсов он использует не только капитал и трудовые ресурсы, но и депозиты. Кредиты, соответственно, будут относиться к выходным параметрам.

Когда мы рассматриваем эффективность отдельных операций банков, де­позиты могут быть выходным параметром. Надо отметить, что возможна и та­кая спецификация, в которой в качестве выходных параметров используются одновременно и кредиты, и депозиты. В рамках подобного подхода банк будет рассматриваться как организация, предоставляющая несколько видов услуг (по выдаче кредитов, размещению депозитов и др.) для экономических агентов.

Межстрановые исследования эффективности на основе рассматриваемых моделей позволяют выявить основные факторы эффективности. Как правило, определяющими факторами являются форма собственности банка, структура ак­тивов и пассивов, макроэкономические и институциональные факторы.
Анализ эффективности
российских банков

Существует малое количество работ, исследующих эффективность россий­ских банков на основе параметрических и непараметрических подходов.

Григориан и Маноле [Grigorian, Manole, 2002] используют оболочечный анализ данных для расчета эффективности банков в странах с переходной экономикой. Они исследуют 17 стран Центральной и Восточной Европы за период с 1995 по 1998 гг. В качестве ресурсов банка используют трудовые ресурсы, ос­новные средства и процентные расходы. При определении выпусков используются две спецификации. В первом случае (модель 1) предполагается, что показатели выпуска банка – это суммарные доходы, ссуды за вы­четом резервов и ликвидные активы. Во втором случае суммарные доходы ме­няются на депозиты (модель 2). В 1998 г. эффективность по модели 1 составляет 49,3%, а по модели 2 – 48,3% (для сравнения отметим, что, например, максимальные оценки среди рассматриваемых стран имеет Чехия – в 1998 г. оценки эффективности равны 79,9 и 78,8% соответственно). На протяжении рас­сматриваемого периода оценки эффективности по модели 1 оказываются несколько выше, однако за че­тыре года этот разрыв сокращается (в 1995 г. оценки составляют 60,3 и 33,2%). Показатели эффективности по модели 1 заметно снижаются, из чего можно сделать вывод о снижении уровня процентных ставок в экономике. Отметим также, что были определены значимые факторы, влия­ю­щие на уровень эффективности банков, – ВВП на душу населения, доля капитала в активах, уровень концентрации на рынке банковских услуг, иност­ранное участие в банковской системе (все переменные оказывают положительное влияние на эффективность).

Авторы работы [Yildirim, Philippatos, 2002] используют метод стохасти­ческой границы и метод без спецификации распределения для анализа 12 стран с переходной экономикой Центральной и Восточной Европы за период с 1993 по 2000 гг. В качестве зависимой переменной используется как общие издержки (модель 1), так и прибыль банка (модель 2). В качестве регрессоров используются показатели выпуска: ссуды за вычетом неработающих, другие вложения и депозиты; и цены затрачиваемых ресурсов: процентных обязательств, труда и основного капитала3. Средняя эффективность российских банков оказалась сле­дующей.


Таблица 1.










Модель стохастической границы

Модель без спецификации распределения

Модель 1

72,3 %

65 %

Модель 2

59,5 %

57,1 %

Таким образом, метод стохастической границы дает более высокие оценки эффективности, чем метод без спецификации распределения, а эффективность банков по модели 1 выше, чем по модели 2 (что подтверждается и для других стран в выборке). Более высокие оценки эффективности, чем российские банки, имеют банки Хорватии, Польши, Эстонии, более низкие – банки Литвы, Румынии, Венгрии.

Значимые факторы, определяющие эффективность банков, оказались сле­дующими. Это логарифм суммарных активов, доля капитала в активах, доля кредитов в активах, темп роста ВВП, уровень концентрации на рынке банковских услуг, доля иностранного участия в банковской системе (положительное влияние), отношение резервов по кредитам к выданным кредитам и отношение депозитов в других банках к общим депозитам (отрицательное влияние).

Кейнер и Конторович [Caner, Kontorovich, 2004] оценивают эффективность российских банков за период с 1999 по 2003 гг. с использованием метода стохастической границы. В 2003 г. размер выборки составляет 1199 банков. Авторы оценивают 2 модели: модель 1 направлена на изучение эффективности банков в привлечении депозитов (ресурсы – труд и физический капитал, выпуск – депозиты), а модель 2 рассматривает эффективность в предоставлении кредитов (ресурсы – труд, физический капитал и депозиты, выпуск – ссуды). В 2003 г. средняя эффективность в привлечении депозитов была равной 30,7%, а в предоставлении кредитов – 41,1%, причем эффективность в привлечении кредитов была несколько выше на протяжении всего рассматриваемого периода.

Как видно из предыдущего анализа, для сравнения эффективности по странам и во времени используются усредненные по банкам показатели.

Мы также применили аналогичный подход и рассчитали среднюю эффективность российских банков с использованием метода оболочечного анализа данных и метода стохастической границы.

Оценка по методу DEA (оболочечного анализа данных) была получена на 1 июля 2006 г. по 900 банкам. В качестве ресурсов в модели были выбраны:


  • собственный капитал;

  • средства физических и юридических лиц;

  • другие обязательства;

В качестве показателей выпуска:

    • балансовая прибыль;

    • работающие активы.

В результате была получена средняя оценка технической эффективности российских банков при предпосылке о переменной отдаче от масштаба – 0,39 (стандартное отклонение – 0,07). Эта цифра означает, что при данных объемах затраченных ресурсов банки в среднем смогли произвести только 39% потенциального объема выпуска.

Отметим, что в данной спецификации модели DEA присутствует показатель балансовой прибыли банков, что может привести к некорректности расчетов оценок эффективности, поскольку велика вероятность искажения банками данных о прибыли с целью оптимизации налогообложения. К тому же, поскольку прибыль финансовых посредников является одновременно издержками предприятий в нефинансовом секторе экономики, представляется некорректным использование средней эффективности банков, рассчитанной с использованием показателей прибыли, для анализа такого понятия, как эффективность банковской системы страны.

В дальнейшем мы использовали метод SFA (метод стохастической границы), допускающий существование случайной ошибки в модели, при предпосылке о том, что банк стремится минимизировать издержки.

Первоначально расчет оценок эффективности по методу SFA был проведен для 1018 банков на 1 января 2006 г. В качестве зависимой переменной в модели были выбраны общие расходы, в качестве объясняющих переменных – цены ресурсов



    • цена труда (затраты на персонал/активы);

    • цена физического капитала (прочие расходы/основные средства);

    • цена заемных средств (процентные расходы/депозиты);

и показатели выпуска:

  • кредиты;

  • другие вложения (в ценные бумаги и пр.).

Средняя техническая неэффективность оказалась равной 2,14 (стандартное отклонение – 0,94), при минимальном значении 1,12 и максимальном – 9,68. Полученный средний показатель говорит о том, что в среднем банки могли бы снизить затраты ресурсов в 2,14 раза, сохранив объемы выпусков и не увеличив общие расходы. Это довольно большой показатель неэффективности.

Далее для улучшения объясняющих свойств модели в нее были введены показатели качества активов и объема собственного капитала банков. Цена физического капитала была исключена из модели как незначимая переменная. Оценка по методу SFA была получена по полугодовым данным за период с 1 ян­варя 2004 г. по 1 января 2007 г. В качестве зависимой переменной в модели были выбраны операционные расходы, в качестве объясняющих переменных –

цены ресурсов:


    • цена труда (затраты на персонал/активы);

    • цена заемных средств (процентные расходы/депозиты);

показатели выпуска:

  • кредиты;

  • другие вложения (в ценные бумаги и пр.).

и дополнительные переменные:

  • доля прочих неработающих активов в активах;

  • собственные средства.

Были получены следующие результаты:





Январь 2004 г.

Июль
2004 г.

Январь 2005 г.

Июль 2005 г.

Январь 2006 г.

Июль 2006 г.

Январь 2007 г.

Средняя неэффективность

2,51

1,84

1,91

1,86

1,63

1,36

1,29

Размер выборки (количество банков)

940

1055

1016

1017

1019

737

222

Средняя неэффективность российских банков снижается на протяжении рассматриваемого периода. Можно ли сказать, что это означает рост эффективности банковской системы с течением времени? Другими словами, можно ли агрегировать данные по эффективности банков на микроуровне, чтобы получить изменение эффективности на макроуровне? В некотором приближении это возможно, но при этом следует рассматривать одновременно и другие показатели эффективности банковских систем.


Проблемы оценки
эффективности банковских
систем

Конечно, рассчитанные выше усредненные показатели могут не совсем адекватно отра­жать такое понятие, как эффективность банковской системы. На самом деле, не существует однозначного понятия, что такое эффективность банковской системы в целом. На интуитивном уровне ее можно определить как способность всей совокупности банков определенной страны эффективно выполнять свои ос­новные экономические функции, а именно – осуществлять трансформацию сбережений в инвестиции. При этом можно утверждать, что банковская система действует наиболее эффективно, когда стоимость финансового посредни­чест­ва в экономике невелика. Как показано в работе [Graff, Karmann, 2006], в эконо­мике может существовать оптимальная траектория развития финансовой системы. Если уровень финансового развития выше или ниже некоего «оптимального» уровня, то страна будет меньше выигрывать от существования финансового сектора при данном уровне развития экономики страны. Аналогично можно предположить, что для банковской системы страны существует оптимальный уровень, к примеру, спрэда процентных ставок, обусловленный текущим уров­нем экономического развития.

Во многих работах исследуется такие показатели издержек посредничества, как:



  • Спрэд процентных ставок;

  • Операционные издержки (расходы на персонал, накладные расходы)/ Активы;

  • Налоги/Активы;

  • Резервы на возможные потери по ссудам/Активы;

  • Чистая прибыль банков/Активы.

Особенно часто в качестве показателя издержек финансового посредниче­ства используется отношение чистого процентного дохода к суммарным ак­тивам (или приносящим проценты активам) (см. [Demirguc-Kunt, Huizinga, 1998]). Этот показатель – один из способов расчета спрэда процентных ставок. Другие методы рассчитывают спрэд как разницу между показателем Процентные доходы/Активы, приносящие процентный доход и показателем Процентные расходы/Обязательства, по которым выплачиваются проценты. Возможны мо­дификации данной формулы для расчета процентного спрэда отдельно для физических и юридических лиц.

Банк России публикует некоторые данные о средних ставках по кредитам и депозитам, однако представленные показатели довольно неоднородны и, следовательно, не могут служить основой для расчета спрэда процентных ставок. На рис. 3 представлена динамика некоторых таких показателей.







Рис. 3. Средние процентные ставки (по данным Банка России)
Помимо постепенного снижения уровней процентных ставок можно заметить, что средняя процентная ставка по депозитам физическим лицам без учета Сбербанка примерно на 2% выше ставки с учетом Сбербанка. Это говорит о том, что Сбербанк может пользоваться доверием населения для установления более низких ставок по депозитам.

В данной работе мы рассчитали спрэд процентных ставок по российским данным (предоставленным агентством «Мобиле»), используя следующую методологию:

Спрэд = Процентные доходы по кредитам/Кредиты – Процентные расходы по депозитам/Депозиты.


Таблица 2.










Январь

2004 г.

2005 г.

2006 г.

2007 г.

Спрэд процентных ставок, %

15,7

9,4

7,9

6,4

Размер выборки

406

640

637

190

Данная картина спрэда на самом деле может быть существенно искажена, поскольку неизвестна «эффективная процентная ставка» по банковским кредитам, включающая в себя все возможные комиссии, которые не отражаются в процентных доходах банка. Тем не менее, при прочих равных условиях рассмотрение номинальных процентных ставок банков по кредитам и депозитам позволяет проследить тенденцию изменения спрэда.

На протяжении рассматриваемого периода спрэд процентных ставок заметно снижается. Наблюдаемое снижение издержек финансового посредничества в российской экономике означает рост эффективности банковской системы на макроуровне. По итогам 2006 г. значение спрэда оказалось равным 6,4% (в среднем по юридическим и физическим лицам). Была также произведена попытка разложения данного спрэда отдельно по группам клиентов. Оказалось, что по итогам 2006 г. спрэд по операциям с юридическими лицами (8,2%) превысил спрэд по операциям с физическими лицами (6,2%).
Заключение
Мы рассмотрели два подхода к определению эффективности функционирования банков – непараметрический (оболочечный анализ данных) и параметрический (модель стохастической границы). Был рассчитан средний уровень неэффективности российских банков, который демонстрирует стабильное снижение за период с 2002 по 2007 гг. Также было определено, что для анализа эффективности банковской системы в целом полезно использовать показатели стоимости финансового посредничества в экономике, и в частности, показатель спрэда процентных ставок по кредитам и депозитам. Согласно проведенным расчетам этот показатель по итогам 2006 г. был равен 6,4%, что говорит о довольно высоких издержках посредничества в российской экономике, которые, тем не менее, заметно снижаются с течением времени. Это отражает постепенный рост эффективности банковской системы России на макроуровне.
Литература
Aigner D.J., Knox Lovell C.A., Schmidt P. Formulation and Estimation of Stochastic Frontier Production Function Models // Journal of Economеtrics. 1977. July. Р. 21–37.

Bauer P.W., Berger A.N., Ferrier G.D., Humphrey D.B. Consistency Conditions for Regulatory Analysis of Financial Institutions: A Comparison of Frontier Efficiency Methods // Journal of Economics and Business. 1998. Vol. 50. № 2.

Berger A.N., Humphrey D.B. Efficiency of Financial Institutions: Internatio­nal Survey and Directions for Future Research // European Journal of Operational Research. 1997. № 98. Р. 175–212.

Berger A.N., Mester L.J. Inside the Black Box: What Explains Differences in the Efficiencies of Financial Institutions // Journal of Banking and Finance. 1997. № 21. Р. 895–947.

Caner S., Kontorovich V. Efficiency of the Banking Sector in the Russian Federation with International Comparison // Экономический журнал ВШЭ. 2004. Т. 8. № 3. С. 357–375.

Coelli A Guide to DEAP Version 2.1: A Data Envelopment Analysis (Computer) Program: CEPA Working Paper. 1996.

Demirguc-Kunt А., Huizinga Н. Determinants of Commercial Bank Interest Margins and Profitability: Some International Evidence // The World Bank Economic Review. 1999. Vol. 13. № 2. Р. 379–408.

Fiorentino E., Karmann A., Koetter M. The Cost Efficiency of German Banks: A Com­parison of SFA and DEA: Deutsche Bundesbank Discussion Paper. 2006. № 10.

Jondrow J., Lovell C.A.K., Materov I.S., Schmidt P. On the Estimation of Technical Inefficiency in the Stochastic Frontier Production Function Model // Journal of Econometrics. 1982. № 19. Р. 233–238.

Graff M., Karmann A. What Determines the Finance-Growth Nexus? Empirical Evidence for Threshold Models // Journal of Economics. Springer. 2006. Vol. 87. № 2. Р. 127–157.

Grigorian D.A., Manole V. Determinants of Commercial Bank Performance in Transition: An Application of Data Envelopment Analysis: IMF Working Paper. 2002. № 146.

Meeusen W., den Broeck J. van. Efficiency Estimation from Cobb – Douglas Production Functions with Composed Error // International Economic Review. 1977. № 18. Р. 435–444.

Resti A. Evaluating the Cost-Efficiency of the Italian Banking System: What Can Be Learned from the Joint Application of Parametric and Non-Parametric Techniques // Journal of Banking and Finance. 1997. № 21. Р. 221–250.

Y


ildirim H.S., Philippatos G.C. Efficiency of Banks: Recent Evidence from the Transition Economies of Europe 1993–2000. University of Tennessee, 2002.

1 В случае, когда для производства фирмой одного вида выпуска требуется два вида ресурсов, и целью организации является максимизация выпуска, тогда границей эф­фективности будет известная из основ экономической теории кривая производственных возможностей.

2 Эти модели использовалось первоначально для некоммерческих организаций.

3 Отметим, что в зарубежной литературе эффективность банков, рассчитываемую в спецификации, аналогичной модели 1, принято называть «эффективностью издержек» (cost efficiency), а аналогичной модели 2 – «эффективностью прибыли» (profit efficien­cy).





Смотрите также:
Анализ и оценка эффективности функционирования банков и банковских систем
205.64kb.
1 стр.
Оценка конкурентоспособности региональных банковских систем и отдельных банков как фактор обеспечения стабильного оптимального роста экономики россии
67.85kb.
1 стр.
Р. Шамшетдинова «оценка эффективности pr-кампании: теоретический аспект»
486.54kb.
6 стр.
Программа подготовки: Оптимизация структур, параметров и режимов систем электроснабжения и повышение эффективности их функционирования
154.84kb.
1 стр.
«Оценка эффективности деятельности муниципальных образовательных систем»
130.71kb.
1 стр.
Лекция №19 Оценка эффективности использования мировых ресурсов Учебные вопросы
142.89kb.
1 стр.
Развитие инновационных систем банковского обслуживания и оценка эффективности их внедрения
443.56kb.
3 стр.
Рек. Мсэ-r rs. 1165-2 рекомендация Мсэ-r rs. 1165-2 Технические характеристики и критерии эффективности функционирования для систем во вспомогательной службе метеорологии в полосах частот 403 мгц и 1680 мгц
476.02kb.
8 стр.
К. э н. Мазняк В. М. Конкуренция в сфере банковской деятельности. Пути повышения конкурентоспособности банковских продуктов
37.72kb.
1 стр.
Оценка состояния репродуктивного здоровья молодых нерожавших женщин как базовый элемент охрана репродуктивного здоровья. Оценка ситуации в беларуси. Мрочек Л. Н
88.51kb.
1 стр.
6. Услуги по открытию банковских счетов на Маврикии
14.54kb.
1 стр.
Системный анализ комплексной эффективности и оптимизация функционирования региональной энергетической системы в условиях структурных преобразований
342.23kb.
2 стр.