О.І. Черняк, д-р екон. наук, проф., Л.В. Кучерук, аспірант,
Київський національний університет імені Тараса Шевченка

ВИКОРИСТАННЯ БАЙЄСІВСЬКИХ МЕРЕЖ
ДЛЯ ОЦІНКИ РІВНЯ КОНЦЕНТРАЦІЇ
КРЕДИТНОГО РИЗИКУ

У статті досліджена проблема концентрації кредитного ризику, яка виникає в результаті взаємозв’язків між партнерами банку. У результаті було виокремлені особи, які можуть формувати пов’язану групу. Використано байєсівську мережу як один з інструментів вирішення даної проблеми. На прикладі показано практичну реалізацію побудованої моделі.

Ключові слова: пов’язані особи, концентрація кредитного ризику, байєсівські мережі, “наївна” байєсівська мережа, модифікована “наївна” байєсівська мережа.

Постановка проблеми. Сучасний стан економічної науки підтверджує доцільність і необхідність розробки нової парадигми управління соціально-економічними об’єктами, яка б враховувала ті колосальні зміни у сучасному світі, що відбулися та відбуваються з наростаючою динамікою, і пов’язані з посиленням взаємозв’язку, взаємозалежності й взаємодії господарюючих суб’єктів [1; 4].

Відносини між пов’язаними сторонами – звичайне явище для бізнесу в усьому світі. Наприклад, компанії часто здійснюють частину своїх комерційних операцій через дочірні, асоційовані або спільні компанії. Материнська компанія може контролювати або здійснювати значний вплив на фінансові і оперативні рішення компанії, яка отримує інвестиції, особливо з точки зору ціноутворення і умов кредитування.[1]

Особлива увага приділяється нагляду за концентрацією банківських ризиків, що виникає в результаті зв’язків неплатоспроможного боржника з іншими компаніями – клієнтами банку [3]. Неспроможність систематично виявляти ці ризики і управляти ними може призвести до додаткових збитків. При цьому мова йде не про первинний кредитний ризик, який доводиться списувати, але й про інші ризики, що реалізуються через певний проміжок часу, коли економічні проблеми компанії автоматично виникають в інших позичальників. Під загрозою опиняється повернення коштів, що надані банком постачальникам, працівникам та іншим особам, що тісно пов’язані з даною компанією [5].

Таким чином, тільки виявлення пов’язаних компаній і узгоджений нагляд за ними дозволять розпізнати ризики платоспроможності контрагента і управляти ними.

Проте вирішення даного питання для українських банків супроводжується рядом проблем:

· немає даних про взаємну залежність боржників. Ризики в околі основного боржника не виявляються, не підлягають аналізу і не оцінюються;

· недостатня внутрішня координація і комунікація. Інформація про ризики збирається в головному офісі банку, але не доводиться до його філіалів та відділень;

· недооцінка ризиків. Ризики пов’язаних компаній недооцінюються і не вживаються заходи для їх попередження.

Задля дотримання основних міжнародних вимог, вимог українського законодавства щодо ведення банківської діяльності банки намагаються сформувати групи пов’язаних осіб, ґрунтуючись на історичному підході та власному досвіді діяльності. Потім, виходячи з тієї позиції, що заборгованість по групі не повинна перевищувати 10 % основного капіталу банку [3], приймають рішення про надання кредиту тому чи іншому учаснику групи. Такого аналізу явно недостатньо, щоб спрогнозувати можливі наслідки надання кредиту клієнту, який пов’язаний з іншим неплатоспроможним боржником.

Насамперед необхідно виявити, які зв’язки можуть формувати групи пов’язаних осіб. Важливо виявити найбільш значних боржників, визначивши їх частку в сукупному кредитному портфелі банку, а також отримати інформацію про їх коопераційні зв’язки з іншими клієнтами банку. Для наглядного представлення пов’язаних кредитних ризиків необхідно створити візуальну модель. Зв’язки виокремленої компанії з іншими позичальниками банку можуть бути представлені як деревовидна структура з позначенням різного ступеня їх залежності від вказаної компанії та ймовірних ризиків.

Кінцевим завданням є виявлення наслідків при реалізації всіх кредитних ризиків, а також визначення методів управління пов’язаними кредитними ризиками.

Метою даного дослідження є створення деревовидної моделі взаємозв’язків, що ґрунтується на підході побудови байєсівських мереж, та оцінка за її допомогою рівня кредитного ризику в певній групі пов’язаних осіб.

1. Виокремлення осіб, які можуть формувати пов’язану групу

В українському законодавстві немає єдиного підходу до визначення поняття пов’язаних осіб. У різних законах, нормативно-правових документах, а також науковій літературі існують два терміни: “пов’язана сторона” та “інсайдери”.

Щодо міжнародних нормативно-правових документів, то розкриття інформації про пов’язаних осіб регулюється міжнародним стандартом бухгалтерського обліку № 24 “Визначення пов’язаних сторін” (IAS 24 Related Party Disclosures).

Проаналізувавши зазначені закони та нормативно-правові акт, ми виокремили такі можливі пов’язані особи/інсайдери для банківської установи:

· акціонери банку;

· спостережна рада банку;

· ревізійна комісія;

· управлінський персонал банку;

· фізична особа – власник суттєвої участі;

· акціонер;

· засновник;

· керівник 1;

· керівник 2;

· пов’язані особи;

· уповноважена особа;

· довірена особа;

· дочірні організації;

· окремі підрозділи;

· заставодатель;

· поручитель кредиту.

2. Поняття байєсівської мережі

Байєсівські мережі використовуються для моделювання предметних областей, які характеризуються невизначеністю. Ця невизначеність може бути обумовлена недостатнім розумінням предметної області, неповним знанням про її стан у момент прийняття рішень, випадковим характером механізмів, що визначають поведінку цієї області, або комбінацією цих факторів.

Байєсівські мережі (БМ) – це граф, вершини якого об’єднані спрямованими ребрами, зі співставленою кожній вершині ймовірнісною функцією [7]. Мережа в БМ являє собою орієнтований ациклічний граф, тобто граф, в якому не існує направленого маршруту, що починається і закінчується в одній і тій же вершині. Вершина БМ є змінною моделі, а ребра між вершинами представляють причинно-наслідкові зв’язки між ними.

Якщо вершина не має предків (не існує ребер, спрямованих до неї), то вона матиме таблицю безумовних ймовірностей своїх станів. У випадку дискретної вершини-предка (змінної) така таблиця містить розподіл ймовірностей між всіма можливими станами цієї вершини. Якщо ж у вершини є предки (одне або декілька ребер спрямованих до неї), така вершина-нащадок містить таблицю умовних ймовірностей, кожна комірка якої містить умовну ймовірність перебування вершини в певному стані у випадку певної конфігурації станів всіх її предків. Таким чином, кількість комірок у таблиці умовних ймовірностей дискретної вершини БМ дорівнює добутку кількості можливих станів цієї вершини на добуток кількості можливих станів всіх її вершин-предків.

Основу байєсівського підходу визначає поняття умовної ймовірності яка означає, що за умови виникнення В (і решти, що не має відношення до В), ймовірність виникнення А дорівнює Сумісна ймовірність настання А і В визначається формулою повної ймовірності:

(1)

Рівняння (1) – фундаментальний принцип визначення ймовірностей і основа для теореми Байєса:

(2)

Теорема Байєса застосовується, якщо є інформація про залежні змінні, а суть дослідження полягає у визначенні ймовірності вихідних змінних [6]. Нехай відома умовна ймовірність виникнення деякої події А за умови, що має місце подія В. Тоді теорема Байєса дає вирішення оберненої задачі – яка ймовірність виникнення події В, якщо відбулася подія А.

Нехай – повна група несумісних взаємовиключних подій (або альтернативних гіпотез). Тоді апостеріорна ймовірність кожної події за умови, що відбулася подія В, виражається апріорною ймовірністю

(3)

Таким чином, байєсівська мережа складається з таких понять та компонент:

· множина випадкових змінних і спрямованих зв’язків між змінними;

· кожна змінна може приймати одне з кінцевої множини взаємовиключних значень;

· змінні разом зі зв’язками утворюють орієнтовний граф без циклів;

· кожній змінній-нащадку зі змінними-предками приписується таблиця умовних ймовірностей (у випадку дискретних змінних).

Одна із задач, в яких застосовуються байєсівські мережі – задача класифікації. Так званий “наївний” байєсівсьткий класифікатор, що представляє найпростішу байєсівську мережу, є одним з найефективніших класифікаторів [8]. Графічне зображення “найвної” байєсівської мережі подана на рис. 1.

Рис. 1. Граф “наївної” байєсівської мережі

У даному випадку

Розширенням “наївної” моделі Байєса є модель, яка додає взаємозв’язки між вершинами моделі, обмежуючись розглядом тільки таких графів, де у кожної вершини не може бути більше одного предка за виключенням головного вузла. Модель з такими обмеженнями називається в літературі TAN (Tree Augmented Naïve Bayes) [2; 9]. Приклад графічного зображення моделі TAN поданий на рис. 2.

Рис. 2. Граф моделі TAN

Для цього типу структури

де – предки змінної

3. Практична реалізація

3.1. Структура байєсівської мережі. Співставимо поняттю “платоспроможність контрагента” вершину мережі Ця вершина може знаходитися в двох станах: – “банкрутство”, – “не банкрутство”. Нехай – множина факторів, що впливають на платоспроможність певного виокремленого контрагента (клієнта банку). У нашому випадку змінними факторами моделі є різні пов’язані особи. Приймемо, що всі підлеглі вершини також можуть знаходитися в двох станах: – клієнт / пов’язана особа платоспроможний; – клієнт / пов’язана особа неплатоспроможна. Якщо ми знаємо, наприклад, умовні ймовірності то маємо таблицю умовних ймовірностей для вершин і можемо розрахувати ймовірності

Важливим моментом є напрямок причинно-наслідкових зв’язків у мережі. Так, стрілки виходять з вершини і входять у вершину Тут байєсівська мережа виконує зворотний логічний висновок – визначає ймовірність стану вершини при відомих станах вершин Для того, щоб розрахунок ймовірностей міг бути виконаний послідовним застосуванням теореми Байєса, зробимо сильне припущення про умовну незалежність вершин мережі, тобто блокування впливу між цими вершинами. Змінні (множина змінних) і є незалежними при відомому стані змінної А, якщо Це означає, що якщо стан вершини А відомий, то ніяка інформація про не змінює ймовірності

Щодо отримання чисельних значень для таблиць умовних ймовірностей, слід відмітити, що концептуально для розв’язання цієї задачі застосовуються два підходи [10]:

· отримання інформації від експертів предметної області;

· отримання інформації на основі даних.

Таблиці умовних ймовірностей найчастіше генеруються на основі даних за допомогою статистичних методів. Однак необхідно зазначити, що принципово суб’єктивний байєсівський підхід не вимагає “об’єктивності” ймовірностей, а тому дозволяє при формуванні таблиць умовних ймовірностей спиратися на суб’єктивні оцінки експертів.

Для практичної реалізації моделі було обрано один з українських банків, де процес апробації моделі складався з таких етапів:

1. Створено опитувальну карту, яка в примусовому порядку заповнювалася клієнтами банку – юридичними особами. Тут було виокремлено юридичних осіб з двох причин: по-перше, фізичні особи займають незначну частку серед позичальників банку, по-друге, фізичні особи не зобов’язані надавати інформацію про свої коопераційні зв’язки.

2. Після цього була сформована інформаційна система, яка дозволяла б встановити зв’язок певної (виокремленої) компанії з іншими позичальниками (клієнтами банку), тобто формувати групу пов’язаних осіб. Приклад сформованої таким чином групи показано на рис. 3. На даному рисунку видно, що зв’язки встановлюються на основі ідентифікаційних кодів підприємств та пов’язаних фізичних осіб. При цьому обов’язково вказується роль особи. Довідник розшифровки кодів ролей показано в табл. 1

Таблиця 1

Розшифровка кодів ролей

ROLE	NAME
0	Бізнес-партнер
9	Засновник бізнес-партнера
11	Керівник 1 бізнес-партнера
12	Керівник 2 бізнес-партнера (бухгалтер)
25	Заставодавець
503	Пов’язані особи

Відповідно до схеми коопераційних зв’язків можна сформувати байєсівську мережу, де вершинами будуть відповідні пов’язані юридичні особи, які можуть знаходитися в двох можливих станах: платоспроможний та неплатоспроможний. При цьому ймовірність настання того чи іншого стану буде визначатися з тісноти зв’язку. Наприклад, банк “Y ” тісно пов’язаний з ТОВ “S4” в тому сенсі, що в них співпадають всі засновники.

Якщо “S2” є значним боржником для банку і формує навколо себе групу пов’язаних осіб, наприклад, на ринку нерухомості “S2” – виробник будівельних матеріалів, “T2” – будівельна компанія, “Т5” – фірма-продавець нерухомості, неплатоспроможність “S2” може призвести до значного зростання ймовірності банкрутства банку.

Рівень 1		Рівень 2		Рівень 3

NAME	ROLE	NAME	ROLE	NAME	ROLE
“Y”	0	ТОВ “S1”	0	ПП “T1”	0
Name 1	9	Name 1	9	Name 11	9
Name 2	9	Name 3	9	Name 18	9
Name 3	9	Name 6	9	Name 19	11
Name 4	11	Name 7	11
Name 5	12	Name 8	12	ТОВ “T2”	0
				Name 20	9
		ТОВ “S2”	0	Name 10	9
		Name 9	9	Name 19	9
		Name 1	9	Name 21	11
		Name 10	9
		Name 3	9	ТОВ “T3”	0
		Name 9	11	Name 22	9
		ТОВ “T5”	25	Name 12	9
				Name 22	11
		ТОВ “S3”	0
		Name 11	9	ФОП “T4”	0
		Name 3	9	Name 7	9
		Name 12	11
		Name 13	503	ТОВ “T5”	0
				Name 23	9
		ТОВ “S4”	0	Name 24	11
		Name 1	9
		Name 2	9
		Name 3	9
		Name 14	11
		Name 15	12

		ТОВ “S5”	0
		Name 3	9
		Name 16	9
		Name 17	11

Рис. 3. Формування групи пов’язаних осіб

3. Звідси байєсівська мережа для цієї групи пов’язаних осіб буде мати такий вигляд (рис. 4) (“Y ” – предок для всіх вершин на рівні 3):

Рис. 4. Байєсівська мережа групи пов’язаних осіб

Експертним шляхом було встановлено таблиці апріорних ймовірностей для кожної юридичної особи (враховуючи тісноту зв’язку міх контрагентами) (табл. 2).

Всі змінні приймають булеві значення: 0 – неплатоспроможний (f ) або 1 – платоспроможний (t); для змінної Y: 0 – “банкрутство” (f ) чи
1 – “не банкрутство” (t).

У табл. 2 показані апріорні ймовірності платоспроможності кожного члена групи залежно від платоспроможності його “предків”. Наприклад, означає, що ймовірність неплатоспроможності S2 за умови платоспроможності банка становить 0,3. Банк як фінансовий посередник має пряме відношення до платоспроможності фірми з точки зору впливу на фінансові потоки між фірмами однієї групи.

3.2. Оцінка моделі. Оцінимо вплив (залежність) між двома змінними, використовуючи взаємну інформацію [11]:

(4)

де і – значення змінних та відповідно і умовна взаємна інформація тільки тоді, якщо та незалежні.

Таблиця 2

Таблиця апріорних умовних ймовірностей для побудованої
байєсівської мережі групи пов’язаних осіб

				“Y ”
				P(Y = t)	P(Y = f )
				0,5	0,5

ТОВ “S1”			ТОВ “S2”			ТОВ “S3”
Y	P(S1 = t\|Y)	P(S1 = f\|Y)	Y	P(S2 = t\|Y)	P(S2 = f\|Y)	Y	P(S3 = t\|Y)	P(S3 = f\|Y)
t	0,7	0,3	t	0,7	0,3	t	0,6	0,4
f	0,2	0,8	f	0,2	0,8	f	0,3	0,7

ТОВ “S4”			ТОВ “S5”
Y	P(S4 = t\|Y)	P(S4 = f\|Y)	Y	P(S5 = t\|Y)	P(S5 = f\|Y)
t	0,8	0,2	t	0,6	0,4
f	0,1	0,9	f	0,3	0,7

ПП “T1”			ТОВ “T2”			ТОВ “T3”
S3	P(T1 = t\|S3)	P(T1 = f \|S3)	S2	P(T2 = t\|S2)	P(T2 = f \|S2)	S3	P(T3 = t\|S3)	P(T3 = f \|S3)
t	0,6	0,4	t	0,6	0,4	t	0,55	0,45
f	0,3	0,7	f	0,3	0,7	f	0,25	0,75

ФОП “T4”			ТОВ “T5”
S1	P(T4 = t\|S1)	P(T4 = f \|S1)	S2	P(T5 = t\|S2)	P(T5 = f \|S2)
t	0,65	0,35	t	0,52	0,48
f	0,3	0,7	f	0,45	0,55


ПП “T1”			ТОВ “T2”			ТОВ “T3”
Y	P(T1 = t\|Y)	P(T1 = f \|Y)	Y	P(T2 = t\|Y)	P(T2 = f \|Y)	Y	P(T3 = t\|Y)	P(T3 = f \|Y)
t	0,5	0,5	t	0,5	0,5	t	0,5	0,5
f	0,3	0,7	f	0,4	0,6	f	0,35	0,65

ФОП “T4”			ТОВ “T5”
Y	P(T4 = t\|Y)	P(T4 = f \|Y)	Y	P(T5 = t\|Y)	P(T5 = f \|Y)
t	0,6	0,4	t	0,6	0,4
f	0,5	0,5	f	0,3	0,7

Наприклад,

Взаємна інформація для Рівня 1 з Рівнем 2 (див. рис. 3):

Звідси спостерігається сильний зв’язок між “предком” “Y” і товариствами з обмеженою відповідальністю “S1”, “S2”, “S4”.

Умовна взаємна інформація для Рівня 2 з Рівнем 3:

Приймаємо, що середня взаємна інформація – це поріг для фільтрації несуттєвих залежностей. Значення середньої взаємної інформації для всіх можливих зв’язків Рівня 2 з Рівнем 3 становить 0,0097. Таким чином, всі зв’язки Рівня 2 з Рівнем 3 є суттєвими (значущими).

Взаємна інформація для Рівня 1 з Рівнем 3:

Звідси зв’язок між “предком” “Y” та товариствами з обмеженою відповідальністю “T2”, “T3”, “T5”, приватним підприємством “T1”, фізичною особою-підприємцем “T4” не такий сильний як з товариствами з обмеженою відповідальністю на Рівні 2. Але, якщо ми використаємо об’єднану взаємну інформацію [11]

(5)

то матимемо:

Значення середньої взаємної інформації для всіх можливих зв’язків Рівня 1 з Рівнем 3 становить 0,0276 і всі обрані зв’язки Рівня 1 з Рівнем 3 є суттєвими (значущими).

Також можемо використати значення взаємної інформації 0,008, що є оцінкою, яка застосовується для великих наборів даних [12-13].

Таким чином, побудована модель TAN адекватна групі пов’язаних сторін.

Насамперед знайдемо повні ймовірності для станів кожного контрагента відповідно до структури байєсівської мережі (див. рис. 4):

Якщо стала відома інформація, що ТОВ “S2” – неплатоспроможний, можемо дослідити, як це вплине на банкрутство банку “Y” та платоспроможність “T2”:

тобто, якщо відомо, що ТОВ “S2” – неплатоспроможний, то ймовірність платоспроможності його нащадка зменшиться.

Припускаємо, що концентрація кредитного ризику на Рівні 1 – це апостеріорний граничний розподіл банкрутства банку “Y”. У цьому випадку апостеріорний граничний розподіл (0,73) значно зростає порівняно з апріорною ймовірністю (0,5).

Нехай відома інформація про неплатоспроможність компаній ТОВ “S2” та ТОВ “S4”, тоді ймовірність платоспроможності їхнього “предка” “Y” становитиме:

Як бачимо, ймовірність небанкрутства для “Y” значно зменшилася при відомій інформації про неплатоспроможність його нащадків ТОВ “S2” та ТОВ “S4”. Апостеріорний граничний розподіл банкрутства банку “Y” (0,923) значно зростає порівняно з апріорною ймовірністю (0,5).

Аналогічно

тоді

Апостеріорний граничний розподіл банкрутства банку “Y” (0,561) незначно зростає порівняно з апріорною ймовірністю (0,5).

Інша річ, якщо вершина має “предком” лише “Y”. Наприклад:

Для розрахунків використали таку формулу:

де

Для ілюстрації концентрації кредитного ризику на Рівні 2 (наприклад, апостеріорний граничний розподіл неплатоспроможності ТОВ “S2”) розрахуємо таку ймовірність:

Апостеріорний граничний розподіл неплатоспроможності ТОВ “S2” (0,7233) (концентрація кредитного ризику) значно зростає порівняно з апріорною ймовірністю (0,55).

Це означає, що зростання кредитного ризику на Рівні 2 призведе до зростання ризику на Рівні 1, що може розглядатися як ефект концентрації ризику.

При спробі побудувати байєсівську мережу для всього банку ми зіткнулися з проблемою, яка виникає при використанні цього підходу: дуже велика кількість змінних та складні взаємозв’язки між ними, неможливість експертним чином проставляти апріорні ймовірності
(наприклад, тільки рівнів залежності для всього банку було встановлено 14). Тому тут необхідне впровадження таких методів обчислень в байєсівських мережах, як наближені методи для обчислення комбінаторних сум, варіаційні методи та метод Монте-Карло.

Висновки. Модель TAN (модифікована “наївна” байєсівська мережа) – один із варіантів вирішення проблеми оцінки кредитного ризику. Байєсівські мережі можуть використовуватися для широкого кола проблем з управління ризиками. Цей підхід також може бути використаний для передбачення банкрутства підприємства. Щодо управління пов’язаними кредитними ризиками, то в розпорядженні кредитних інститутів можуть бути такі альтернативи:

· надання нового кредиту. Якщо вже існуючий або новий клієнт, який входить у групу пов’язаних клієнтів банку, подає заявку на отримання нового кредиту, ризик цієї операції необхідно точно спрогнозувати і при необхідності попередити. Інша можливість полягає в розрахунку премії за ризик таким чином, щоб та виправдовувала надання кредиту і забезпечувала прийнятне відношення ймовірних збитків та доходів;

· існуючий кредит. Оскільки в даному випадку кредитний інститут не має можливості повністю ліквідувати кредитний ризик, найбільш жорсткий варіант активного управління передбачає обмеження ризиків шляхом зниження кредитних лімітів і/або вимагати додаткового забезпечення. Премії також можуть бути приведені у відповідність з підвищеним ризиком.

Список літератури

1. Галіцин, В. К. Інформаційний менеджмент: наука про інформаційні процеси та управління ними, перспективи його розвитку [Текст] / В. К. Галіцин, С. Ф. Лазарєва // Моделювання та інформаційні системи в економіці. – 2006. – Вип. 74. – С. 5–29.

2. Гончаров, М. Модифицированный древовидный алгоритм Байеса для решения задач классификации [Электронный ресурс] / М. Гончаров. – Режим доступа : http://www.BusinesssDataAnalytics.ru.

3. Інструкція про порядок регулювання діяльності банків в Україні [Електронний ресурс] / постанова Національного банку України від 28.08.2001 № 368. – Режим доступу : http://rada/gov.ua.

4. Матвійчук, А. В. Моделювання економічних процесів із застосуванням методів нечіткої логіки [Текст] : монографія / А. В. Матвійчук. – К. : КНЕУ, 2007. – 264 с.

5. Портиш, В. Скрытая опасность: систематическое управление связанными кредитными рисками [Текст] / В. Портиш // Бизнес и банки. – 2006. – № 6. – С. 6–8.

6. Терехов, С. А. Введение в байесовы сети [Текст] / С. А. Терехов // Научная сессия МИФИ-2003 ; V Всероссийская научно-техническая конференция “Нейроинформатика-2003” : лекции по нейроинформатике. – М. : МИФИ, 2003. – Часть 1. ‑ С. 149–187.

7. Pearl, J. Probabilistic Reasoning in Intelligent Systems [Теxt] / J. Pearl. – San Francisco: CA: Morgan Kaufmann, 1988.

8. Friedman, N. Building classifiers using Bayesian networks [Теxt] / N. Friedman, M. Goldszmidt // In Proceedings of the National Conference on Artificial Intelligence ’96. – AAAI Press, Menlo Park, CA, USA, 1996. ‑ P. 1277–1284.

9. Friedman, N. Bayesian network classifiers [Теxt] / N. Friedman, D. Geiger, M. Goldszmidt // Machine Learning. –1997. – V. 29. – P. 131–163.

10. Kaerulff U. Bayesian networks [Теxt] / U. Kaerulff, F. V. Jensen // Tech. Rep. Department of Computer Science, Aalborg University, Denmark, 1996. ‑ 5 p.

11. Cover, T. M. Elements of Information Theory [Теxt] / T. M. Cover, J. A. Thomas. – New York: John Wiley & Sons, 1991.

12. Baesens B. Bayesian network classifiers for identifying the slope of the customer lifecycle of long-life customers [Теxt] / B. Baesens, G. Verstraeten, D. Van der Poel, M. Edmont-Petersen, P. Van Kenhove, J. Vanthienen // European Journal of Operation Research. – 2004. – V. 156. – P. 508–523.

13. Cheng J. Comparing Bayesian network classifiers [Теxt] / J. Cheng, R. Greiner // In Proceedings of the Fifteenth Conference on Uncertainty in Artificial Intelligence (UAI). – Stockholm, Sweden, 1999. – P. 101–108.

Summary

This research is devoted to a problem of concentration of bank credit risks which arises because of various connections between counterparts. As a result of research the types of persons which can form the related party have been certain, the approach of construction. Bayesian networks, as one of variants of the decision of the put problem is considered. On a numerical example we have shown calculation of probabilities of the certain conditions of counterparts in view of their connections in the general group.

Отримано 25.11.2009

УДК 338.45

І.О. Школьник, д-р екон. наук, проф.,
ДВНЗ “Українська академія банківської справи НБУ”

Проблеми організації системи
державних закупівель в Україні

У статті автором розглянуто особливості організації системи державних закупівель, проведено аналіз використання коштів на державні закупівлі в Україні. Визначено переваги та недоліки централізованої та децентралізованої системи державних закупівель.

Ключові слова: державні закупівлі, замовник, тендер, централізована система, децентралізована система.

Постановка проблеми. В умовах фінансово-економічної кризи, що розгорнулась в Україні, все більше уваги приділяється ролі державного регулювання економіки. Водночас ця увага, як правило, зосереджена навколо фінансового сектора економіки, але слід підкреслити, що досить серйозну роль держава виконує і в регулюванні реального сектора економіки. Значною мірою це може проявлятись через систему державних закупівель. Даний інструмент державного регулювання наразі був би більш ефективним, якщо б на сьогодні ми мали усталений, відрегульований на законодавчому та технічному рівнях механізм. На жаль, мінлива законодавча база не дозволяє ефективно розвиватись відносинам у даному напрямку. У зв’язку з цим вивчення системи державного замовлення, розгляд її складових елементів є на сучасному етапі досить актуальним. [2]

Аналіз останніх досліджень і публікацій. Даній проблемі у вітчизняній науковій літературі приділяється не досить значна увага. Останнім часом з’явились ряд публікацій вітчизняних науковців, які досліджують це питання з науково-теоретичної точки зору, зокрема можна назвати праці І. Бураковського, З. Максименко, Н. Ткаченко, Ю. Уманців, О. Овсянюк, О. Міняйло, В. Морозова, В.В. Смиричинського, Л. Юзик. Крім того, можна виділити цілий ряд російських вчених, що займаються дослідженнями в даному напрямку, а саме: Є. Ковальова, М. Коритцев, І. Погосов, О. Соколовська, Р. Арикбаєв та інші. Водночас ці дослідження мають фрагментарний і несистемний характер, оскільки стосуються окремих елементів системи державних закупівель.

Метою статті є дослідження системи державних закупівель та її ролі в розвитку економіки країни, вивчення основних переваг і недоліків централізованого та децентралізованого механізму державних закупівель з точки зору можливостей їх застосування в Україні.

Виклад основного матеріалу. В умовах формування та розвитку ринкової економіки держава є одним із основних учасників економічного процесу не лише з точки зору виконання нею функцій регулювання та контролю, але й з точки зору того, що вона виступає досить потужним споживачем товарів, робіт і послуг, що виготовляються не тільки на підприємствах, які частково або повністю знаходяться у її власності, але й на підприємствах приватної та колективної форм власності, причому на останніх більшою мірою. Державна закупівля є вагомим інструментом регулювання попиту та пропозиції на конкретні види продукції, оскільки являє собою придбання товарів, робіт і послуг за державні кошти, тобто кошти Державного бюджету України, бюджету Автономної Республіки Крим і місцевих бюджетів, державні кредитні ресурси, а також кошти Національного банку, державних цільових фондів, Пенсійного фонду України, фондів соціального страхування, які спрямовуються на придбання товарів, робіт і послуг, необхідних для забезпечення діяльності зазначених органів, кошти підприємств, кошти, які надаються розпорядникам державних коштів під гарантії Ради міністрів Автономної Республіки Крим та органів місцевого самоврядування за кредитами, які надаються міжнародними фінансовими організаціями або на умовах співфінансування разом з міжнародними фінансовими організаціями [6]. Тобто в даному випадку мова йде про значні суми витрат, які здійснює держава за рахунок коштів бюджетів різних рівнів, а також підприємств, власником яких є держава (частка акцій, що належить державі, становить більше ніж 50 % ), та казенних підприємств.

Незважаючи на те, що сама ідея такої закупівлі не повністю відповідає принципам функціонування ринкової економіки, яка, зазначимо, властива всім країнам ЄС, можна стверджувати, що без системи державних закупівель чи прок’юременту неможливе повноцінне функціонування будь-якої з економік цих держав. Більш того, в країнах ЄС за останні роки простежується чітка тенденція до зростання обсягу державних закупівель, яка в середньому становить 16 % від обсягу ВВП [4].

Слід зазначити, що механізм державних закупівель може стати суттєвим поштовхом для виходу національної економіки з кризового стану, оскільки останнім часом обсяг таких закупівель в Україні суттєво зростає і в 2007 та 2008 роках, за даними Державного комітету статистики та Міністерства економіки України, становив 19,9 та 17,6 % від обсягу ВВП відповідно. Водночас існуюча в Україні система державних закупівель не дозволяє максимально ефективно застосовувати її як один із основних інструментів державного регулювання економіки.

Ефективність системи державних закупівель значною мірою визначається оптимізацією бюджетних видатків, шляхом узгодження процесу формування державних замовлень і бюджетного процесу. Ці два процеси нерозривно пов’язані, оскільки, як правило, видаткова частина бюджету стає результатом формування дохідної частини, а, не виходячи із державних потреб, як наслідок, не всі вони стають задоволеними. Формування державного замовлення в умовах відсутності пріоритетів, що визначають, які саме державні потреби та для яких саме державних функцій в економічній і соціальній сферах підлягають задоволенню, в першу чергу негативно впливає на обґрунтованість та ефективність бюджетних видатків [2].

Формування системи державних закупівель в Україні почалось відносно недавно, а тому в даному напрямку існує цілий ряд проблем, починаючи від законодавчого забезпечення та закінчуючи проблемами, пов’язаними із відсутністю підготовлених висококваліфікованих кадрів, що здатні працювати в тендерних комітетах і забезпечувати технічне супроводження всіх договорів.

Необхідно зазначити також, що з точки зору формування системи державних закупівель світова практика напрацювала досить значний досвід, і на даному етапі можна виділити два основні підходи щодо вирішення даної проблеми, а саме: здійснення замовлення через централізовану систему чи, навпаки, децентралізовану.

В Україні на сьогодні фактично формуються засади децентралізованої системи згідно з останніми нормативними документами, що регламентують процес державних закупівель [6]. У цілому система державних закупівель подана на рис 1. Основним органом центральної виконавчої влади, що здійснює координацію державних закупівель, є Міністерство економіки України. Замовниками на товари, роботи, послуги є розпорядники державних коштів, зокрема органи державної влади, органи влади Автономної Республіки Крим, органи місцевого самоврядування та підприємства, уповноважені на отримання державних коштів. Отже, на сьогодні відсутня єдина установа, яка б безпосередньо формувала обсяг замовлення, контролювала його виконання та, відповідно, робила б висновки про ефективність використання коштів. Водночас необхідно відмітити наявність досить широкого переліку контролюючих і наглядових державних органів у даній сфері.

Згідно з даними Міністерства економіки за перше півріччя 2009 р. в розрізі джерел фінансування найбільша частка коштів, що були направлені на державні закупівлі, – 43 % припадала на підприємства, в яких державна частка становить більше 50 %, а також майже 30 % – державні, казенні та комунальні підприємства. За кошти Державного бюджету та місцевих бюджетів було здійснено майже 27 % закупівель (рис. 2).

Рис. 2. Структура розподілу коштів за державними закупівлями
в розрізі джерел фінансування, перше півріччя 2009 р.
(за даними Міністерства економіки України), %

Якщо проглянути структуру розподілу коштів у розрізі замовників (рис. 3), то основними замовниками, як і в минулі періоди, в першому півріччі 2009 року є Мінпаливенерго, Мінтрансзв’язку, Мінвуглепром, Укравтодор. Серед замовників на місцевому рівні найбільшу частку коштів на державне замовлення було витрачено Донецькою та Харківською обласними державними адміністраціями, а також Київською міською державною адміністрацією – їх частка в сукупності становить 4,7 %. Отже, фактично складається ситуація, коли 77,3 % коштів спрямовані на задоволення потреб вузького кола відомств і підпорядкованих їм підприємств та установ. А в цілому 7 замовників розподіляють більше 80 % коштів, спрямованих на державну закупівлю. Таким чином, можна зробити висновок, що існуюча система розподілу коштів обслуговує вузьковідомчі інтереси.

Рис. 3. Структура розподілу коштів у розрізі замовників, перше півріччя 2009 р. (за даними Міністерства економіки України), %

Вирішення даної проблеми полягає у відсутності єдиної концепції визначення пріоритетних напрямів державних закупівель, яка б дозволила врахувати й інші, не менш важливі соціально-спрямовані програми розвитку. У даному контексті слід зазначити, що, за висновком Колегії Рахункової палати, “формування державного замовлення в Україні є неконтрольованим, неефективним і збитковим для держави процесом” [2].

Як було зазначено вище, в Україні на сьогодні сформовано децентралізований підхід, що має проблему, пов’язану з низьким рівнем контролю за використанням бюджетних коштів, і виконання вузьковідомчих замовлень, що й спостерігається саме в Україні. Водночас у багатьох країнах світу налагоджена та досить ефективно функціонує централізована система закупівель, зокрема в Канаді, Данії, Фінляндії, Німеччині, Італії, Швеції. Основні переваги та недоліки централізованого замовлення наведено в таблиці 1.

Слід зазначити, що централізований підхід щодо системи державних закупівель не передбачає однозначної наявності спеціального централізованого органу, а може передбачати існування системи центрального використання та рамкових угод щодо державних закупівель, як, наприклад, у Данії. У Німеччині до недавнього часу закупівлі здійснювались на децентралізованій основі, але останнім часом простежується тенденція до централізації закупівель, оскільки на місцевому рівні цілий ряд муніципалітетів створили централізовані органи координації.

Таблиця 1

Основні переваги та недоліки
централізованої системи державного замовлення

№ пор.	Переваги	Недоліки
1	Потенційна економія бюджетних коштів за рахунок обсягу замовлення (великий обсяг замовлення – нижча ціна)	Більш сильне сприяння корупційним схемам через протекціонізм у значних масштабах
2	Встановлення єдиних технічних стандартів для інформаційних систем, що діють в урядовому секторі	Відсутність стимулів щодо підтримки конкурентного середовища
3	Встановлення єдиних технічних вимог і стандартів до контрактів із постачальниками	Придбання непотрібних товарів, робіт, послуг за відсутності можливості при великих масштабах замовлення враховувати специфічні детальні вимоги кінцевого споживача
4	Більш високий рівень кваліфікації та професіоналізму персоналу, що задіяний у тендерних процедурах	Помилковість при оформленні централізованого замовлення перекладається на значний обсяг замовлення і, як наслідок, на формування надлишкових витрат
5	Забезпечення прозорого процесу проведення тендерів, відкритість для громадського контролю
6	Здійснення ефективного управлінського контролю та аудиторських перевірок	Знижена можливість за рахунок державного замовлення стимулювати розвиток малого та середнього бізнесу, а також розвиток регіону (чим більший розмір контракту, тим менше можливості у малого підприємства його отримати, а за умови отримання такого контракту – формування високого рівня залежності фінансово-господарської діяльності від одного замовника
7	Встановлення більш чітких меж відповідальності посадових осіб
8	Для суб’єктів господарювання можливість суттєвого нарощення обсягів виробництва та реалізації продукції

Досить корисним, на наш погляд, з точки зору формування системи державного замовлення є досвід Фінляндії, в якій останнім часом політика в даній сфері спрямована на формування комплексної, так званої “загальнодоступної” моделі, яка дозволяє поєднати вагомі переваги як децентралізованого, так і централізованого підходів, при цьому в даній моделі особливу роль відіграє саме механізм електронної торгівлі [9]. Слід зазначити, що в Україні останнім часом почали приділяти досить значну увагу саме питанню організації електронних торгів.

Висновки. Отже, можна зазначити, що сформована в Україні система державних закупівель є досить неефективною і потребує удосконалення механізму розподілу державних коштів. Ефективне функціонування системи державних закупівель можливе за умови розробки єдиної концепції визначення пріоритетних напрямів державних закупівель. У зв’язку з цим доречним є вивчення зарубіжного досвіду організації системи державних закупівель як централізованого, так і децентралізованого характеру.

Список літератури

1. Арыкбаев, Р. К. Оптимизация бюджетных расходов системы государственных заказов и закупок [Текст] / Р. К. Арыкбаев // Вестник Астраханского государственного технического университета. – 2007. – № 2(37). – С. 222–226.

2. Державне замовлення є – державницьке бачення відсутнє [Електронний ресурс] Розглянуто Колегією Рахункової палати. – Режим доступу : http://www.ac-rada. gov.ua/control/main/uk/publish/printable_article – 08.04.2009. – Назва з екрана.

3. Корытцев, М. А. Квазирынок государственных закупок: варианты организации и потери эффективности [Текст] / М. А. Корытцев // Экономический вестник Ростовского государственного университета. – 2006. – № 2. – Т. 4. – С. 112–118.

4. Овсянюк, О. Компаративний аналіз системи державних закупівель країн Європейського Союзу [Електронний ресурс] / О. Овсянюк // Наукові записки. – 2005. – Випуск 14. – Режим доступу : http://www.library.tane.edu.ua/images/nauk_ vydannya.pdf. – Назва з екрана.

5. Погосов, И. А. Доходы и расходы сектора государственного управления в период кризиса 2008-2010 гг. [Текст] (Оценка финансово-кредитной политики государства в период кризиса) / И. А. Погосов, Е. А. Соколовская ; Институт экономики РАН. – М., 2009. – 44 с.

6. Положення про закупівлю товарів, робіт і послуг за державні кошти [Електронний ресурс] : Постанова Кабінету Міністрів України від 17.10.2008 № 921, зі змінами. – Режим доступу : http://zakon.nau.ua/print/?ff=0&fs=8&uid=1149.912.19 &type=0/ – 29.12.2009. – Назва з екрана.

7. Про внесення змін до Положення про закупівлю товарів, робіт і послуг за державні кошти [Електронний ресурс] : Постанова Кабінету Міністрів України від 24.06.2009 № 647. – Режим доступу : http://zakon1.rada.gov.ua/cgi-bin/laws/ain.cgi? nreg=647-2009-%EF&pass=4/UMfPEGznhhxq2.ZirFatpeHI4Qos80msh8Ie6. – Назва з екрана.

8. Ткаченко, Н. Б. Макроекономічні аспекти державних закупівель [Текст] / Н. Б. Ткаченко, Ю. М. Уманців // Фінанси України. – 2009. – № 8. – С. 82–88.

9. Централізована та децентралізована система державного замовлення [Електронний ресурс] / Ресурсний центр розвитку громадських організацій “Гурт”. – Режим доступу : http://www.oecd.org/dataoecd/11/10/39610399.pdf . – Назва з екрана.

Summary

In the article the author considers features of the organisation of system of the public procurement. Use of means for the state purchases in Ukraine is analysed. Advantages and lacks of the centralised and decentralised systems of the public procurement are defined.

Отримано 25.11.2009

УДК 339.732

М.А. Долгалева, канд. экон. наук,
Днепропетровский университет экономики и права

Роль иностранных банков в Украине
в условиях кризиса

Интеграция украинских банков в мировую банковскую систему проявляется с ростом присутствия иностранного капитала в банковской системе страны. Преимуществам и недостаткам влияния иностранных банков на развитие рынка банковских услуг посвящены многие исследования.

Целью данной статьи является выявление роли иностранного капитала в банковской системе страны в условиях текущего кризиса. В статье проводится анализ присутствия иностранных банков на украинском рынке, рассматриваются возможные стратегии поведения иностранных банков.

Ключевые слова: иностранный банк, иностранный капитал, интеграция, банковская система.

Постановка проблемы. Во время устойчивого роста большое внимание уделялось влиянию иностранного капитала на развитие отечественной банковской системы. Исследователи отмечали как негативные, так и позитивные факторы этого явления. Так среди негативного влияния отмечалось следующее:

· иностранная экспансия;

· преследование собственных интересов;

· угроза экономической безопасности.

В то же время были отмечены следующие положительные факторы:

· привлечение иностранного, более дешевого капитала;

· увеличение конкурентоспособности банковской системы;

· появление новых продуктов и услуг, создание новых рабочих мест;

· прозрачность и вовлеченность украинской банковской системы в глобальную банковскую систему.

Цель данного исследования – анализ тенденций, происходящих на рынке банковских услуг в Украине под влиянием кризиса.

Изложение основного материала. Актуальность изучения влияния иностранных банков на отечественную банковскую систему обусловлена значительным ее ухудшением в период с октября 2008 по апрель 2009 г., а именно:[3]

· в 14 украинских банках работают администраторы и кураторы от НБУ, и количество проблемных банков увеличивается;

· отток депозитов в гривне составил более 57 млрд. грн.;

· просроченная задолженность населения по кредитам составила более 22 млрд. грн., или 3 % от выданных кредитов;

· уровень абсолютного недоверия к банкам – 55,1 % [5];

· сокращения рабочих мест в банковской сфере – около 14 000 человек.

Кризис показал, что для отечественной банковской системы самым актуальным вопросом является повышение устойчивости.

В текущих условиях устойчивости банковской системы значительно способствует иностранный капитал дочерних банков. Как видно, есть некоторый спад в динамике доли банков со 100 %-м иностранным капиталом в общем количестве зарегистрированных банков (рис. 1). В целом, доля иностранного капитала по состоянию на 01.03.2009 превышает 34 %.

ЗМІСТ

О.І. Черняк, д-р екон. наук, проф., Л.В. Кучерук, аспірант, Київський національний університет імені Тараса Шевченка

ВИКОРИСТАННЯ БАЙЄСІВСЬКИХ МЕРЕЖ ДЛЯ ОЦІНКИ РІВНЯ КОНЦЕНТРАЦІЇ КРЕДИТНОГО РИЗИКУ

Список літератури

І.О. Школьник, д-р екон. наук, проф., ДВНЗ “Українська академія банківської справи НБУ”

Проблеми організації системи державних закупівель в Україні

Список літератури

М.А. Долгалева, канд. экон. наук, Днепропетровский университет экономики и права

Роль иностранных банков в Украине в условиях кризиса

О.І. Черняк, д-р екон. наук, проф., Л.В. Кучерук, аспірант,
Київський національний університет імені Тараса Шевченка

ВИКОРИСТАННЯ БАЙЄСІВСЬКИХ МЕРЕЖ
ДЛЯ ОЦІНКИ РІВНЯ КОНЦЕНТРАЦІЇ
КРЕДИТНОГО РИЗИКУ

І.О. Школьник, д-р екон. наук, проф.,
ДВНЗ “Українська академія банківської справи НБУ”

Проблеми організації системи
державних закупівель в Україні

М.А. Долгалева, канд. экон. наук,
Днепропетровский университет экономики и права

Роль иностранных банков в Украине
в условиях кризиса