МНОГОМЕРНЫЙ АНАЛИЗ ДАННЫХ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ ПОПАДАНИЯ КРЕДИТНЫХ ОРГАНИЗАЦИЙ В ЗОНУ РИСКА

Abstract

Исследование экономических процессов базируется на изучении большого числа параметров. В связи с чем для проведения анализа исследуемых явлений и решения прогностических задач возникает необходимость применения методов многомерного анализа данных. В статье рассматривается проблема идентификации подозрительных, с точки зрения финансовой состоятельности, кредитных организаций, осуществляющих свою деятельность на российском рынке. Настоящее исследование нацелено на разработку методики многомерного анализа данных для выявления подозрительных кредитных организаций и прогнозирования отзыва у них лицензий. Для решения указанной задачи предлагается использовать иерархические и итерационные методы кластерного анализа, а также метод главных компонент. На основе этих методов разработана методика формирования зоны риска, позволяющая прогнозировать отзыв лицензий у кредитных организаций. Для определения количества кластеров применялся метод кластеризации Варда, а также метод локтя, метод силуэтов, метод Дэвиса–Боулдина. Совместное использование методов кластерного анализа и метода главных компонент позволили продемонстрировать робастность предложенной методики. В настоящем исследовании использовались данные формы банковской отчетности № 101.