Курсовая работа по дисциплине «Финансовые расчеты (основы финансовой математики)» на тему «Характеристика тенденции в изменении объема кредитов, предоставленных физическим лицам» Москва - 2016 (стр. 4 )

Таблица 4 – Изменение по сравнению с предыдущим годом

01.01.2011	01.01.2012	01.01.2013	01.01.2014	01.01.2015	01.01.2016
Всего, в том числе:
млн. руб.	-	1782 516	1786 172	1537 185	-151 116	-2695 666
%	-	49,0	32,9	21,5	-1,7	-32,1
в рублях
млн. руб.	-	1782 516	1786 172	1537 185	-151 116	-2695 666
%	-	50,8	33,8	21,7	-1,8	-31,9
в иностранной валюте и драгоценных металлах
млн. руб.	-	7 035	1 600	14 555	2 675	-72 706
%	-	4,9	1,1	9,6	1,6	-43,2

По данным в Таблице 4 видно, что с 2011 по 2014 гг. наблюдалось увеличение объема кредитов больше, чем в 2 раза, но в связи с валютным кризисом произошел  резкий спад объема кредитов в 2015 году на 1,7%, а в 2016 году на 32,1%, что составило 2,7 триллиона рублей. Причем значительное сокращение наблюдается как по рублевым, так и по валютным кредитам.

Рис. 1 – Объем кредитов, предоставленных физическим лицам в 2011-2016 гг.

Колебания объемов выдачи банковских кредитов населению, происходило на фоне изменения ключевой ставки Банка России, значение которой с 31 октября 2014 года по 16 июня 2015 года менялось семь раз в диапазоне с 9,5% до 17%. Повышение ключевой ставки Регулятора вызвало масштабные изменения процентных ставок коммерческих банков. Ставки по банковским кредитам населению демонстрировали рекордные величины 25-35% в четвертом квартале 2014 – первом квартале 2015гг. ( Рис. 2).

Рис. 2 – Средневзвешенные проценты по рублевым кредитам физических лиц, % годовых

По данным рисунка, средневзвешенная процентная ставка по краткосрочным рублевым кредитам, снизилась с 27,2 % до 25,49 % годовых. Долгосрочные кредиты, сроком свыше 1 года, наоборот демонстрировали с 2011 года увеличение ставки с 17,5 % до 18,11 % годовых в 2016 году. Также можно заметить, что на 01.01.2015 г. процентная ставка достигала до 29,08% по краткосрочным кредитам. А самый высокий показатель по долгосрочным кредитам был в 2013 году (20,8%).

Необходимо отметить, что снижение ключевой ставки Банка России в феврале 2015 г., не повлекло за собой оперативного снижения ставок по банковским кредитам населению.

2.3.  Структура задолженности по кредитам, предоставленным физическим лицам

Для более детальной оценки ситуации необходимо провести анализ структуры задолженности по кредитам, предоставленным физическим лицам (Таблица 5).

Таблица 5 – Структура задолженности по кредитам, предоставленным физическим лицам в 2011-2016 гг.

Задолженность по РФ, всего	в рублях	в иностранной валюте и драгоценных металлах	просроченная задолженность, в т. ч. по кредитам:	в рублях	в иностранной валюте и драгоценных металлах
01.01.2011	млн. руб.	4064045	3715268	348777	279295	235732	43563
удельный вес, %	100,0	91,4	8,6	6,9	5,8	1,1
01.01.2012	млн. руб.	5534 711	5218 033	316 678	290 305	244 387	45 918
удельный вес, %	100,0	94,3	5,7	5,2	4,4	0,8
01.01.2013	млн. руб.	7711631	7474221	237410	312508	276927	35581
удельный вес, %	100,0	96,9	3,1	4,1	3,6	0,5
01.01.2014	млн. руб.	9925 922	9698 947	226 975	439 161	406 452	32 709
удельный вес, %	100,0	97,7	2,3	4,4	4,1	0,3
01.01.2015	млн. руб.	11294766	11005284	289482	665643	620287	45356
удельный вес, %	100,0	97,4	2,6	5,9	5,5	0,4
01.01.2016	млн. руб.	10634035	10366829	267205	861427	802661	58766
удельный вес, %	100,0	97,5	2,5	8,1	7,5	0,6

Структура задолженности по кредитам, предоставленным физическим лицам в 2011-2015гг., фактически не изменилась. Основную долю в задолженности по кредитам, предоставленным физическим лицам составляют кредиты в рублях – 97 %, соответственно кредиты в иностранной валюте занимают около 3%. Доля просроченной задолженности выросла в 1,2 раза с 6,9% до 8,1%. Причем просроченная задолженность начиная с 2014 года по рублевым кредитам растет быстрее, чем по кредитам в иностранной валюте и драгоценных металлах. По состоянию на 1 января 2016 года удельный вес просроченной задолженности в общей сумме задолженности по кредитам, предоставленным физическим лицам составил 8,1%.

Выявленные неблагоприятные тенденции банковского кредитования населения, происходят на фоне сокращения реальных доходов населения и росте безработицы. Так, по данным Росстата реальные располагаемые денежные доходы населения РФ в ноябре 2015 года уменьшились на 5,4 % по сравнению с ноябрем 2014 года. В целом, за январь-ноябрь доходы населения в реальном выражении сократились на 3,5 %. Средняя зарплата в реальном выражении упала в ноябре в годовом исчислении на девять процентов. Общая численность безработных в России в ноябре 2015 года увеличилась по сравнению с октябрем на 180 тысяч человек и составила 4 миллиона 435 тысяч человек, уровень безработицы повысился до 5,8 %. Очевидно, что данные факты оказывают отрицательное влияние на кредитоспособность физических лиц, а значит и состояние банковского кредитования населения в текущей и среднесрочной перспективе.

Глава 3. Корреляционно-регрессионный анализ зависимости объема кредитов выданных физическим лицам от ряда факторов

В данной главе мы создаем модель на основе корреляционно-регрессионного анализа, которая позволяет определить объем выданных кредитов физическим лицам в зависимости от задолженности физ. лиц, инфляции и СДД населения и процентных ставок.  Предполагается, что с изменением факторов, которые мы рассматриваем, мы могли бы получить значение кредитов, предполагаемых к выдаче. Актуальность данной главы заключается в том, что количество выдаваемых в экономике определенной части частного сектора имеет прямое влияние на долговую нагрузку граждан, что является существенным фактором для банковской системы. Цель данного исследования — выяснить, насколько эффективно работает данная модель на современном банковском рынке РФ. Это один из драйверов ВВП и экономического роста.

Изучается линейная  зависимость результативного признака Y – объем кредитов, предоставленных физическим лицам  от 3 факторных признаков-регрессоров:

•        Х(1) – средневзвешенные проценты по кредитам физических лиц (свыше 1 года);

•        Х(2) – задолженность по РФ;

•        Х(3) – среднедушевые денежные доходы населения;

Модель множественного линейного регрессионного анализа признака Y записывается следующим образом:

Функция:

называется линейной функцией множественной регрессии.

Таблица 6 - Числовые данные для программ «Корреляция» и «Регрессия»

Дата	Y	X1	X2	X3
01.01.2011	3649100	17,5	4064045	15109
01.02.2011	252499	17,5	4058596	18909
01.03.2011	564373	17,6	4085936	19114
01.04.2011	971855	17,4	4173010	20872
01.05.2011	1402414	17,2	4289782	19102
01.06.2011	1834208	17,1	4421108	21279
01.07.2011	2292797	17,3	4564251	21208
01.08.2011	2750058	17,1	4696058	19953
01.09.2011	3249147	17,0	4867487	20376
01.10.2011	3759573	17,0	5043240	20727
01.11.2011	4256066	17,1	5162374	21310
01.12.2011	4772278	17,1	5320444	31568
01.01.2012	5438651	17,7	5534711	16107
01.02.2012	386206	17,8	5566134	20407
01.03.2012	864606	18,1	5681847	20848
01.04.2012	1433114	18,5	5878604	22348
01.05.2012	2036783	18,6	6098797	21299
01.06.2012	2664841	18,4	6344931	24126
01.07.2012	3269943	19,0	6551673	23042
01.08.2012	3899758	19,1	6736519	23404
01.09.2012	4559648	19,6	6978230	23396
01.10.2012	5159403	19,7	7155185	23349
01.11.2012	5829129	19,9	7364278	25062
01.12.2012	6479859	19,7	7541686	35548
01.01.2013	7226423	20,8	7711631	17502
01.02.2013	502338	20,5	7774451	23670
01.03.2013	1093405	20,4	7902414	24422
01.04.2013	1760824	20,2	8075693	26419
01.05.2013	2559558	20,1	8332051	23020
01.06.2013	3268266	19,3	8555574	26441
01.07.2013	3998802	19,3	8772036	26009
01.08.2013	4801706	18,7	9015485	25734
01.09.2013	5585522	18,6	9242317	24841
01.10.2013	6318750	17,9	9372984	26288
01.11.2013	7108958	17,8	9585016	27380
01.12.2013	7863992	17,3	9730394	39759
01.01.2014	8778163	18,3	9925922	18727
01.02.2014	533920	18,0	9949256	25141
01.03.2014	1184701	17,8	10063309	24602
01.04.2014	1928825	17,7	10196637	28196
01.05.2014	2734124	17,7	10378546	26259
01.06.2014	3449073	17,5	10485664	27586
01.07.2014	4167632	17,5	10605950	28192
Дата	Y	X1	X2	X3
01.08.2014	4945578	17,4	10786856	29015
01.09.2014	5664410	17,7	10924794	27132
01.10.2014	6388476	17,6	11057459	28936
01.11.2014	7129768	17,7	11171794	28796
01.12.2014	7791974	17,4	11286195	40972
01.01.2015	8629722	19,5	11294766	20665
01.02.2015	332539	20,5	11216658	27989
01.03.2015	693115	21,8	11051572	27521
01.04.2015	1108424	20,7	10904636	31316
01.05.2015	1565165	20,5	10790645	27711
01.06.2015	2001890	19,5	10739644	29853
01.07.2015	2518529	19,3	10690063	30863
01.08.2015	3058003	18,9	10690693	31250
01.09.2015	3590992	18,5	10733345	29185
01.10.2015	4122883	18,3	10722885	30887
01.11.2015	4653377	18,0	10674254	30658
01.12.2015	5180643	17,5	10637400	45139
01.01.2016	5861351	18,1	10634035	21403
01.02.2016	405312	16,8	10578864	28709
01.03.2016	942395	17,5	10569438	28910

Введем исходные данные в рабочий лист Microsoft Excel. Для расчета матрицы оценок коэффициентов парной корреляции воспользуемся программой «Корреляция». Для этого выберем соответствующий пункт меню надстройки «Анализ данных». Результаты работы программы «Корреляция» представлены в Таблице 5.