Реферат: Денежное обращение и кредит

--PAGE_BREAK--
2.1. Анализ денежного обращения и кредита.
2.1.1. Анализ общего объема денежной массы.
Для анализа денежного обращения и кредита были использованы данные из Российского статистического ежегодника, из официального издания Государственного комитета  по статистике Российской Федерации «Финансы», а также данные сайта www.gks.ru.
В таблице представлена исходная информация для анализа объема денежной массы за период 1999-2005 гг. Данная информация представлена в приложении А.
Таблица 2.1.1-Исходные данные о динамике объема денежной массы за 1999-2005 гг.
Период, годы
1999
2000
2001
2002
2003
2004
2005
Денежная масса М2
220,8
714,6
1154,4
1612,6
2134,5
3212,7
4363,3
В том числе:
Наличные деньги М0
80,8
266,1
418,9
583,8
763,2
1147,0
1534,8
Безналичные средства
140,0
448,4
735,5
1028,8
1371,2
2065,6
2828,5
Графическое представление общего объема денежной массы представлено на рисунке 2.1.1
<shape id="_x0000_i1029" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image008.emz» o:><img border=«0» width=«444» height=«244» src=«dopb91472.zip» v:shapes="_x0000_i1029">\s
Рисунок 2.1.1-Динамика общего объема денежной массы за 1999-2005 гг.
Рассчитаем  абсолютные приросты, темпы роста и темпы прироста объема денежной массы за указанный период по следующим формулам:
<shape id="_x0000_i1030" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image010.wmz» o:><img border=«0» width=«93» height=«24» src=«dopb91473.zip» v:shapes="_x0000_i1030">,  <shape id="_x0000_i1031" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image012.wmz» o:><img border=«0» width=«69» height=«47» src=«dopb91474.zip» v:shapes="_x0000_i1031">, <shape id="_x0000_i1032" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image014.wmz» o:><img border=«0» width=«85» height=«25» src=«dopb91475.zip» v:shapes="_x0000_i1032">,<shape id="_x0000_i1033" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image016.wmz» o:><img border=«0» width=«60» height=«47» src=«dopb91476.zip» v:shapes="_x0000_i1033">,<shape id="_x0000_i1034" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image018.wmz» o:><img border=«0» width=«92» height=«25» src=«dopb91477.zip» v:shapes="_x0000_i1034">
Таблица 2.1.2-Показатели динамики общего объема денежной массы за 1999-2005 гг.
Показатель
xi
<shape id="_x0000_i1035" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image020.wmz» o:><img border=«0» width=«93» height=«24» src=«dopb91473.zip» v:shapes="_x0000_i1035">
<shape id="_x0000_i1036" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image021.wmz» o:><img border=«0» width=«69» height=«47» src=«dopb91474.zip» v:shapes="_x0000_i1036">
<shape id="_x0000_i1037" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image022.wmz» o:><img border=«0» width=«85» height=«25» src=«dopb91475.zip» v:shapes="_x0000_i1037">
<shape id="_x0000_i1038" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image023.wmz» o:><img border=«0» width=«63» height=«47» src=«dopb91478.zip» v:shapes="_x0000_i1038">
<shape id="_x0000_i1039" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image025.wmz» o:><img border=«0» width=«92» height=«25» src=«dopb91477.zip» v:shapes="_x0000_i1039">
Период
1999
220,8
−
−
−
−
−
2000
714,6
493,8
3,24
2,24
3,24
2,24
2001
1154,4
493,8
1,62
0,62
5,23
4,23
2002
1612,6
458,2
1,39
0,39
7,31
6,31
2003
2134,5
521,9
1,32
0,32
9,67
8,67
2004
3212,7
1078,2
1,51
0,51
14,56
13,56
2005
4363,3
1150,6
1,36
0,36
19,76
18,76
Анализируя табл.2.1.2 и рисунок 2.1.1 можно сделать обобщающие выводы. Минимальный объем денежной массы за рассматриваемый период приходится на 1999 год, что можно связать с экономическим кризисом 1998 года. Начиная 1999 года объем денежной массы неуклонно растет, о чем показывает темп прироста денежной массы 224% (или 493,8 млрд.руб.). Также с того года наблюдается тенденция по увеличению объема денежной массы, что можно связывать с оздоровлением экономики РФ в целом. Относительно базисного темпа прироста можно отметить, что по сравнению с 1999 годом общий объем денежной массы возрастает с каждым годом в несколько раз.
Проверим статистическую совокупность, состоящую из отдельных показателей по кредитам в рублях, предоставленным кредитными организациями физическим лицам и индивидуальным предпринимателям  по Приволжскому Федеральному округу РФ за январь 2007г. на однородность. Данная информация представлена в приложении Б.
Таблица 2.1.3-Расчеты для вычисления обобщающих показателей и показателей вариации
Регион
Объем выданных кредитов физическим лицам,
тыс.руб
xi
<shape id="_x0000_i1040" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image026.wmz» o:><img border=«0» width=«53» height=«24» src=«dopb91479.zip» v:shapes="_x0000_i1040">
<shape id="_x0000_i1041" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image028.wmz» o:><img border=«0» width=«53» height=«24» src=«dopb91479.zip» v:shapes="_x0000_i1041">2
Республика Башкортостан
46174441
9056803
82025680580000
Республика Татарстан
53343121
16225483
263266298600000
Удмуртская Республика
18844084
-18273553
333922739200000
Пермский край
38989528
1871891
3503975916000
Кировская область
11803664
-25313973
640797229000000
Самарская область
92607725
55490088
3079149866000000
Саратовская область
24403157
20685520
427890737700000
Ульяновская область
10775382
-26342255
693914398500000
Итого
296941102
0
5524470000000000
Средняя арифметическая: 
<shape id="_x0000_i1042" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image029.wmz» o:><img border=«0» width=«335» height=«45» src=«dopb91480.zip» v:shapes="_x0000_i1042">
Дисперсия представляет собой средний квадрат отклонений индивидуальных значений признака от их средней величины. Вычисляется по формуле:
<shape id="_x0000_i1043" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image031.wmz» o:><img border=«0» width=«455» height=«64» src=«dopb91481.zip» v:shapes="_x0000_i1043"> 
Среднеквадратическое отклонение- это обобщенная характеристика размеров вариации признака в совокупности. Выражается в тех же единицах, что и признак:
 <shape id="_x0000_i1044" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image033.wmz» o:><img border=«0» width=«407» height=«69» src=«dopb91482.zip» v:shapes="_x0000_i1044">
Коэффициент вариации- относительный показатель вариации. Дает характеристику однородности совокупности. Совокупность считается однородной, если коэффициент вариации не превышает 33%.
<shape id="_x0000_i1045" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image035.wmz» o:><img border=«0» width=«305» height=«44» src=«dopb91483.zip» v:shapes="_x0000_i1045">
Однородность единиц статистической совокупности  формируется под воздействием определенных причин и условий. Социально-экономическое положение регионов в России характеризуется глубочайшей дифференциацией и  разнообразием ситуаций. Это обусловлено уровнем экономического развития регионов, ходом становления рыночных отношений, малого бизнеса и т.д. Для каждого региона складывается свой специфический, соответствующий их социально- экономическому развитию уровень предоставления кредита. Таким образом, можно  утверждать, что изучаемая совокупность уровня предоставления кредита в январе 2007г. является однородной, так как коэффициент вариации  Vσ=22,4% < 33%. Связана такая однородность с общим экономическим уровнем Приволжского Федерального округа.
2.1.2 Анализ структурной деформации денежных масс.
Данные для исследования взяты из Российского статистического ежегодника 2006.
Структурный анализ денежных масс проводится с помощью относительного показателя структуры по годам.
<shape id="_x0000_i1046" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image037.wmz» o:><img border=«0» width=«71» height=«67» src=«dopb91484.zip» v:shapes="_x0000_i1046">
Рассчитанные показатели структуры представлены в таблице 2.1.4
Таблица 2.1.4- Структура денежной массы 1999-2005гг
Годы
1999
2000
2001
2002
2003
2004
2005
Всего,%
100
100
100
100
100
100
100
Наличные деньги,%
36,5
37,2
36,3
36,2
35,7
35,7
35,2
Безналичные средства,%
63,5
62,8
63,7
63,8
64,3
64,3
64,8
<shape id="_x0000_i1047" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image039.emz» o:><img border=«0» width=«595» height=«398» src=«dopb91485.zip» v:shapes="_x0000_i1047">\s
<shape id="_x0000_i1048" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image041.emz» o:><img border=«0» width=«636» height=«357» src=«dopb91486.zip» v:shapes="_x0000_i1048">\s             Рисунок 2.1.2-  Структура денежной массы за 1999-2005гг.
В ситуации экономической нестабильности наличные деньги практически исключаются из сбережений, а следовательно, уменьшаются потенциальные ресурсы банковской системы, общий инвестиционный потенциал. При условиях, определяющих завышенную ценность наличных денег по сравнению с безналичными (возможность ухода от налогообложения, высокая ликвидность и скорость оборота относительно других форм активов, защита от непредсказуемых мер воздействия со стороны государства, банков и др.), снизилась привлекательность безналичных расчетов, что также вело к сокращению ресурсов банковской системы. К отрицательным последствиям можно отнести и уменьшение регулирующих возможностей ЦБ РФ, его способности осуществлять контроль за межрегиональной миграцией денежных средств, состоянием платежно-расчетной системы.
Ухудшение функциональной структуры денежной массы заключалось в сокращении объемов сбережений в национальной валюте, сдвиге в сторону краткосрочных средств.
2.1.3. Анализ зависимости объема кредита  от срока погашения, предоставляемых кредитов.
Проверим соответствие эмпирического распределения объема предоставляемых кредитов за 2006 год нормальному распределению на основе критерия согласия Пирсона. Данная информация представлена в приложении В.
Таблица 2.1.5- Предоставленные кредиты
Выдвинем  нулевую гипотезу о том, что изучаемая совокупность распределена нормально.
 Для этого вычислим теоретические частоты <shape id="_x0000_i1049" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image043.wmz» o:><img border=«0» width=«17» height=«24» src=«dopb91487.zip» v:shapes="_x0000_i1049"> и величину критерия
Пирсона <shape id="_x0000_i1050" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1050">
Критерий   согласия   Пирсона <shape id="_x0000_i1051" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image047.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1051"> определяется   выражением:
<shape id="_x0000_i1052" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image048.wmz» o:><img border=«0» width=«153» height=«48» src=«dopb91489.zip» v:shapes="_x0000_i1052">,
где    ni– эмпирические (наблюдаемые) частоты,
          <shape id="_x0000_i1053" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image050.wmz» o:><img border=«0» width=«17» height=«24» src=«dopb91487.zip» v:shapes="_x0000_i1053"> - теоретические (выравнивающие) частоты, рассчитываются
по формуле:
<shape id="_x0000_i1054" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image051.wmz» o:><img border=«0» width=«91» height=«41» src=«dopb91490.zip» v:shapes="_x0000_i1054">,    <shape id="_x0000_i1055" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image053.wmz» o:><img border=«0» width=«75» height=«43» src=«dopb91491.zip» v:shapes="_x0000_i1055">, <shape id="_x0000_i1056" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image055.wmz» o:><img border=«0» width=«117» height=«49» src=«dopb91492.zip» v:shapes="_x0000_i1056">
где   xi – середина интервала,
         h–ширина интервала.
Сначала найдем величины средней арифметической и среднеквадратического отклонения для исходного интервального вариационного ряда.
Таблица 2.1.6-Расчеты для вычисления обобщающих показателей и показателей вариации
xi
ni
xi* ni
<shape id="_x0000_i1057" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image057.wmz» o:><img border=«0» width=«87» height=«25» src=«dopb91493.zip» v:shapes="_x0000_i1057">
S
15
245 457
3681855
9622896228
245457
30
247 377
7421310
10497690370
492834
45
362 185
16298325
13212870990
855019
90
966 959
87026310
20611698040
1821978
365
792 270
289178550
13184165070
2614248
1640
303460
497674400
617944398300
2917708
Итого
2917708
901280750
68507371900
Средняя величина:
<shape id="_x0000_i1058" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image059.wmz» o:><img border=«0» width=«236» height=«64» src=«dopb91494.zip» v:shapes="_x0000_i1058">
Среднеквадратическое отклонение:
<shape id="_x0000_i1059" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image061.wmz» o:><img border=«0» width=«320» height=«69» src=«dopb91495.zip» v:shapes="_x0000_i1059">
Далее вычислим <shape id="_x0000_i1060" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1060">, для этого составим таблицу для проведения промежуточных расчетов.
Таблица 2.1.7- Расчеты для вычисления <shape id="_x0000_i1061" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1061">
хi
ni
ui
φ(ui)
<shape id="_x0000_i1062" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image063.wmz» o:><img border=«0» width=«17» height=«24» src=«dopb91487.zip» v:shapes="_x0000_i1062">
<shape id="_x0000_i1063" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image064.wmz» o:><img border=«0» width=«88» height=«25» src=«dopb91496.zip» v:shapes="_x0000_i1063">
15
245 457
-0,86
0,2756
5035,8
11477906
30
247 377
-0,82
0,2850
10496
5346094
45
362 185
-0,78
0,2943
23804
4810187
90
966 959
-0,67
0,3187
141468
4816887
365
792 270
-0,009
0,3989
572473
84374
1640
303460
3,17
0,0042
2619784
2048014
Итого
2917708
<shape id="_x0000_i1064" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1064">=2858346
Исходя из данных, получаем <shape id="_x0000_i1065" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1065">=2858346
По таблице «Критические точки распределения Пирсона <shape id="_x0000_i1066" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image066.wmz» o:><img border=«0» width=«21» height=«24» src=«dopb91497.zip» v:shapes="_x0000_i1066">» при заданном уровне значимости α и числе степеней свободы ν  находим <shape id="_x0000_i1067" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image068.wmz» o:><img border=«0» width=«32» height=«28» src=«dopb91498.zip» v:shapes="_x0000_i1067">.
Примем уровень значимости α=0,05. Число степеней свободы:
ν=s-k-1,
где s- число групп;
      k- число параметров распределения.
Ν=6-2-1=3
Тогда <shape id="_x0000_i1068" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image068.wmz» o:><img border=«0» width=«32» height=«28» src=«dopb91498.zip» v:shapes="_x0000_i1068">=7,81
Сравнивая  экспериментальное и критическое значения критерия Пирсона, получаем что<shape id="_x0000_i1069" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image068.wmz» o:><img border=«0» width=«32» height=«28» src=«dopb91498.zip» v:shapes="_x0000_i1069"><<shape id="_x0000_i1070" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image045.wmz» o:><img border=«0» width=«41» height=«24» src=«dopb91488.zip» v:shapes="_x0000_i1070">. Из этого следует вывод, что изучаемая совокупность распределена ненормально.
Таким образом, рассматриваемая совокупность объема предоставляемых кредитов на 2006 год не подчиняется нормальному закону распределения.
Для исходных данных рассчитаем моду и медиану по следующим формулам:
<shape id="_x0000_i1071" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image070.wmz» o:><img border=«0» width=«284» height=«47» src=«dopb91499.zip» v:shapes="_x0000_i1071">
где х0-нижняя граница модального интервала;
       h0 — величина модального интервала;
       fM0 — частота модального интервала;
       fM0-1-частота интервала, предшествующего предыдущему;
       fM0+1 — частота интервала, следующего за модальным.
<shape id="_x0000_i1072" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image072.wmz» o:><img border=«0» width=«211» height=«49» src=«dopb91500.zip» v:shapes="_x0000_i1072">
где хМе — нижняя граница медианного интервала;
      hМе — величина медианного интервала;
      fMе — частота медианного интервала;
      SMe-1 — накопленная частота интервала, предшествующего медианному.
<shape id="_x0000_i1073" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image074.wmz» o:><img border=«0» width=«509» height=«44» src=«dopb91501.zip» v:shapes="_x0000_i1073">
Модой распределения называется такая величина изучаемого признака, которая в данной совокупности встречается наиболее часто. Из этого следует, что в совокупности предоставления кредита самым распространенным является срок погашения 307 дней.
<shape id="_x0000_i1074" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image076.wmz» o:><img border=«0» width=«396» height=«41» src=«dopb91502.zip» v:shapes="_x0000_i1074">
Медиана- величина изучаемого признака, которая находится в середине упорядоченного ряда. Таким образом, 50% объема кредита погашается менее чем за 237 дней, а другие 50% — более чем за 237 дней.
2.2. Изучение межрегиональных финансовых результатов деятельности кредитных организаций.
Изучение межрегиональной вариации финансовых результатов деятельности кредитных организаций проведем в виде сравнения финансовых результатов по различным регионам РФ. В качестве таких регионов было выбрано три: Приволжский округ, Сибирский округ, Северо-западный округ. Исходная  информация  представлена в таблице 2.2.1. Данная информация представлена в приложении Г.

Таблица 2.2.1-Исходные данные по регионам РФ за 2003-2007 гг.
Период
Северо-западный округ
Приволжский округ
Сибирский округ
2003
971,1
2074,1
546,1
2004
2658,8
4789,3
894,2
2005
4 844,7
5 830,0
1 378,8
2006
12753,1
7 479,2
2 972,0
2007
19 861,5
11 675,8
5 711,4
Проведем анализ зависимости финансовых результатов от месторасположения региона, т.e. анализ того, как зависит прибыль от региона, в котором она образуется. Для этого рассчитаем межгрупповую, внутригрупповую дисперсии по регионам и общую дисперсию по правилу сложения дисперсий.
Таблица 2.2.2- Расчетные данные
Период
Северо-западный округ
Приволжский округ
Сибирский округ
X1i
<shape id="_x0000_i1075" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image078.wmz» o:><img border=«0» width=«61» height=«24» src=«dopb91503.zip» v:shapes="_x0000_i1075">
<shape id="_x0000_i1076" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image080.wmz» o:><img border=«0» width=«68» height=«25» src=«dopb91504.zip» v:shapes="_x0000_i1076">
X2i
<shape id="_x0000_i1077" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image082.wmz» o:><img border=«0» width=«65» height=«24» src=«dopb91505.zip» v:shapes="_x0000_i1077">
<shape id="_x0000_i1078" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image084.wmz» o:><img border=«0» width=«71» height=«25» src=«dopb91506.zip» v:shapes="_x0000_i1078">
X3i
<shape id="_x0000_i1079" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image086.wmz» o:><img border=«0» width=«64» height=«24» src=«dopb91507.zip» v:shapes="_x0000_i1079">
<shape id="_x0000_i1080" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image088.wmz» o:><img border=«0» width=«71» height=«25» src=«dopb91508.zip» v:shapes="_x0000_i1080">
2003
971,1
-7246,8
525146660
2074,1
-4295,6
18452179,3
546,1
-1754
3077919,4
2004
2658,8
-5559
30902481
4789,3
-1580,4
2497664
894,2
-1406
1977679
2005
4 844,7
-3373,1
11377803,6
5 830,0
-539,7
291276,1
1 378,8
-922,5
851006,3
2006
12753,1
4535,3
2056894
7 479,2
1109,5
1230990,2
2 972,0
671,5
450912,3
2007
19 861,5
611643,7
135575749
11 675
5306,1
28154697
5 711,4
3410,9
11634238
Итого
41089,2
0
705059588
31848,4
0
50626806
11502,5
0
17991755
Вычислим   средние   арифметические   величины по каждой группе:
<shape id="_x0000_i1081" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image090.wmz» o:><img border=«0» width=«149» height=«41» src=«dopb91509.zip» v:shapes="_x0000_i1081"> ;<shape id="_x0000_i1082" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image092.wmz» o:><img border=«0» width=«152» height=«41» src=«dopb91510.zip» v:shapes="_x0000_i1082"> ;  <shape id="_x0000_i1083" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image094.wmz» o:><img border=«0» width=«149» height=«41» src=«dopb91511.zip» v:shapes="_x0000_i1083">
Внутригрупповые дисперсии по каждой группе:
<shape id="_x0000_i1084" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image096.wmz» o:><img border=«0» width=«309» height=«68» src=«dopb91512.zip» v:shapes="_x0000_i1084">; <shape id="_x0000_i1085" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image098.wmz» o:><img border=«0» width=«297» height=«68» src=«dopb91513.zip» v:shapes="_x0000_i1085">;
<shape id="_x0000_i1086" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image100.wmz» o:><img border=«0» width=«287» height=«68» src=«dopb91514.zip» v:shapes="_x0000_i1086">
Средняя из внутригрупповых дисперсий:
<shape id="_x0000_i1087" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image102.wmz» o:><img border=«0» width=«593» height=«52» src=«dopb91515.zip» v:shapes="_x0000_i1087">Вычислим межгрупповую дисперсию. Для этого предварительно определим общую среднюю как среднюю взвешенную из групповых средних:
<shape id="_x0000_i1088" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image104.wmz» o:><img border=«0» width=«453» height=«51» src=«dopb91516.zip» v:shapes="_x0000_i1088">
Межгрупповая дисперсия:
<shape id="_x0000_i1089" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image106.wmz» o:><img border=«0» width=«629» height=«96» src=«dopb91517.zip» v:shapes="_x0000_i1089">Общая дисперсия по правилу сложения дисперсий:
<shape id="_x0000_i1090" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image108.wmz» o:><img border=«0» width=«324» height=«21» src=«dopb91518.zip» v:shapes="_x0000_i1090">
Эмпирическое корреляционное отношение:
<shape id="_x0000_i1091" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image110.wmz» o:><img border=«0» width=«204» height=«48» src=«dopb91519.zip» v:shapes="_x0000_i1091">
Величина корреляционного отношения, равная 0,32, отражает несущественную связь между группировочным и результативным признаками, т.е это говорит о том, что финансовый результат, т.е прибыль кредитных организаций не зависит от того, в каком регионе она образуется.
Вариация значений признака в каждой группе значительна и составляет:
в первой группе: <shape id="_x0000_i1092" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image112.wmz» o:><img border=«0» width=«191» height=«27» src=«dopb91520.zip» v:shapes="_x0000_i1092">   при х1=8217,8;
    продолжение
--PAGE_BREAK--во второй группе: <shape id="_x0000_i1093" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image114.wmz» o:><img border=«0» width=«175» height=«27» src=«dopb91521.zip» v:shapes="_x0000_i1093"> при х2=6369,7;
в третьей группе: <shape id="_x0000_i1094" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image116.wmz» o:><img border=«0» width=«179» height=«28» src=«dopb91522.zip» v:shapes="_x0000_i1094">  при х3=2300,5.
Вариация значений признака между группами составляет <shape id="_x0000_i1095" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image118.wmz» o:><img border=«0» width=«177» height=«28» src=«dopb91523.zip» v:shapes="_x0000_i1095">  при <shape id="_x0000_i1096" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image120.wmz» o:><img border=«0» width=«12» height=«23» src=«dopb91524.zip» v:shapes="_x0000_i1096"><shape id="_x0000_i1097" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image122.wmz» o:><img border=«0» width=«80» height=«21» src=«dopb91525.zip» v:shapes="_x0000_i1097">.
На основе проведенного анализа было установлено, что прибыль кредитных организаций не зависит от географического расположения, численности проживающих в регионе и от его экономического уровня. Из проведенного анализа видно, что в Приволжском округе прибыль в 2007 году увеличилась, по сравнению с предыдущим, в 1,56 раза. Такой же рост наблюдается и в других регионах страны. Что связано с приходом новой власти и оздоровлением экономики РФ в целом.
Полученные показатели можно свести в одну таблицу.
Таблица 2.2.3-Обобщающая таблица статистических расчетов
Показатель
<shape id="_x0000_i1098" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image124.wmz» o:><img border=«0» width=«15» height=«17» src=«dopb91526.zip» v:shapes="_x0000_i1098">
<imagedata src=«20057.files/image126.wmz» o:><img border=«0» width=«23» height=«21» src=«dopb91527.zip» v:shapes="_x0000_i1099">
<shape id="_x0000_i1100" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image128.wmz» o:><img border=«0» width=«20» height=«21» src=«dopb91528.zip» v:shapes="_x0000_i1100">
<shape id="_x0000_i1101" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image130.wmz» o:><img border=«0» width=«23» height=«21» src=«dopb91529.zip» v:shapes="_x0000_i1101">
<shape id="_x0000_i1102" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image120.wmz» o:><img border=«0» width=«12» height=«23» src=«dopb91524.zip» v:shapes="_x0000_i1102"><shape id="_x0000_i1103" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image132.wmz» o:><img border=«0» width=«15» height=«17» src=«dopb91530.zip» v:shapes="_x0000_i1103">
Значение
5629,3
51578543
6109811
57688354
0,32
Краткая характеристика
Общая средняя, как средняя взвешенная из групповых средних
Средняя из внутригрупповых дисперсий отражает случайную вариацию, т.е часть вариации, происходящую под влиянием неучтенных факторов и не зависящую от признака-фактора.
Межгрупповая дисперсия характеризует систематическую вариацию, т.е различия в величине изучаемого признака, возникающего под влиянием признака-фактора, положенного в основание группировки 
Общая дисперсия измеряет вариации признака во всей совокупности под влиянием всех факторов, обусловивших эту вариацию
Эмпирическое корелляционное отношение
2.3 Анализ взаимосвязи количества кредитных организаций и уровнем процентной ставки по кредиту.
Предположим, что количество кредитных организаций  зависит от уровня процентной ставки по кредиту. Проверим это предположение с помощью корреляционно-регрессивного анализа (КРА).
Информацию для исследования находим на сайте www.gks.ru. Приложении Д.
Таблица  2.3.1-Исходные данные
Период
Кол-во кредитных организаций
xi
Уровень процентной ставки
yi
X*Y
X2
Y2
1999
2483
18,5
45935,5
6165289
342,25
2000
2316
13,4
31034,4
5363856
179,56
2001
2126
13,5
28701
4519876
182,25
2002
2003
13,9
27841,7
4012009
193,21
2003
1828
9,8
17914,4
3341584
96,04
2004
1668
12,5
20850
2782224
156,25
2005
1518
10,4
15787,2
2304324
108,16
∑
13942
92
188064,2
28489162
1257,72
Введем обозначения: xi– кол-во кредитных организаций, yi– уровень процентной ставки по кредиту.
1.Оценка тесноты связи между признаками.
1.1. Предположим, что изучаемые признаки связаны линейной зависимостью. Рассчитаем линейный коэффициент корреляции по формуле:
<shape id="_x0000_i1104" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image134.wmz» o:><img border=«0» width=«96» height=«47» src=«dopb91531.zip» v:shapes="_x0000_i1104">
Найдем среднее значение:
<shape id="_x0000_i1105" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image136.wmz» o:><img border=«0» width=«184» height=«45» src=«dopb91532.zip» v:shapes="_x0000_i1105">
<shape id="_x0000_i1106" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image138.wmz» o:><img border=«0» width=«145» height=«45» src=«dopb91533.zip» v:shapes="_x0000_i1106">
Среднеквадратическое отклонение:
<shape id="_x0000_i1107" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image140.wmz» o:><img border=«0» width=«559» height=«47» src=«dopb91534.zip» v:shapes="_x0000_i1107">
<shape id="_x0000_i1108" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image142.wmz» o:><img border=«0» width=«451» height=«47» src=«dopb91535.zip» v:shapes="_x0000_i1108"><shape id="_x0000_i1109" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image144.wmz» o:><img border=«0» width=«379» height=«67» src=«dopb91536.zip» v:shapes="_x0000_i1109">
Коэффициент линейной корреляции равный 0,82 свидетельствует о наличии сильной прямой связи.
1.2 Оценка существенности коэффициента корреляции. Для начала необходимо найти расчетное значение t- критерия Стьюдента:
<shape id="_x0000_i1110" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image146.wmz» o:><img border=«0» width=«364» height=«55» src=«dopb91537.zip» v:shapes="_x0000_i1110">
По таблице критических точек распределения Стьюдента  найдем   tкрпри уровне значимости а =0,05 и v числе степеней свободы:
v=n-k-1 =7-1-1=5
tкр= 2,57. Так как tасч> tкр(3,19>2,57). Поэтому, линейный коэффициент считается значимым, а связь между х и у — существенной.
2. Построение уравнения регрессии.
Этап построения  регрессионного уравнения  состоит  в идентификации (оценке) его параметров, оценке из значимости и оценке значимости уравнения в целом.
2.1. Идентификация регрессии. Построим линейную однофакторную регрессионную модель вид <shape id="_x0000_i1111" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image148.wmz» o:><img border=«0» width=«85» height=«25» src=«dopb91538.zip» v:shapes="_x0000_i1111">.Для оценки неизвестных  параметров a0 ,aj используется метод наименьших квадратов, заключающийся в минимизации суммы квадратов отклонений теоретических значений зависимой переменной от наблюдаемых (эмпирических).
Система нормальных уравнений для нахождения параметров a0 ,aiимеет вид:
<shape id="_x0000_i1112" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image150.wmz» o:><img border=«0» width=«175» height=«59» src=«dopb91539.zip» v:shapes="_x0000_i1112">
Решением системы являются значения параметров:
а0=-0,195 ; aj= 0,007.
Уравнение регрессии:
<shape id="_x0000_i1113" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image152.wmz» o:><img border=«0» width=«15» height=«21» src=«dopb91540.zip» v:shapes="_x0000_i1113">= -0,195 + 0,007х
Совокупный коэффициент детерминации:
<shape id="_x0000_i1114" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image154.wmz» o:><img border=«0» width=«169» height=«53» src=«dopb91541.zip» v:shapes="_x0000_i1114"> 
<shape id="_x0000_i1115" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image156.wmz» o:><img border=«0» width=«491» height=«115» src=«dopb91542.zip» v:shapes="_x0000_i1115">
<shape id="_x0000_i1116" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image158.wmz» o:><img border=«0» width=«484» height=«91» src=«dopb91543.zip» v:shapes="_x0000_i1116">
стандартная ошибка                         4,28         0,002
t-критерий                                     -0,903            0,342
<shape id="_x0000_i1117" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image160.wmz» o:><img border=«0» width=«452» height=«55» src=«dopb91544.zip» v:shapes="_x0000_i1117">
<shape id="_x0000_i1118" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image162.wmz» o:><img border=«0» width=«448» height=«55» src=«dopb91545.zip» v:shapes="_x0000_i1118">
2.2. Проверка значимости параметров регрессии.
а =0,05, v=5.  <shape id="_x0000_i1119" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image164.wmz» o:><img border=«0» width=«116» height=«27» src=«dopb91546.zip» v:shapes="_x0000_i1119">0,33,tкр=2,57. Так как tрасч< tкр    (0,33<2,57), то параметр а0   неявляется значимым.  <shape id="_x0000_i1120" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image166.wmz» o:><img border=«0» width=«56» height=«25» src=«dopb91547.zip» v:shapes="_x0000_i1120">7,1, так как  tрасч >  tкp (7,1>2,57), то параметр aj  является значимым.
2.3. Проверка значимости уравнения регрессии в целом.
а=0,05, v1=k=l, v2=n-k-1= 5.
<shape id="_x0000_i1121" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image168.wmz» o:><img border=«0» width=«257» height=«48» src=«dopb91548.zip» v:shapes="_x0000_i1121"> 
По таблице критических значений критерия Фишера найдем Fкp = 6,61. Так как Fрасч<Fкp(6,1<6,61), то для уровня значимости а =0,05 и числе степеней свободы v1=l, v2=5 построенное уравнение регрессии является значимым.
Таким образом, судя по регрессионному коэффициентуaj = 0,007, можно утверждать, что с увеличением количества кредитных организаций на 1 тыс.  уровень процентной ставки в среднем увеличивается на 0,007 % в год.
Коэффициент детерминации R2 показывает, что 67% вариации признака «Уровень процентной ставки» обусловлено вариацией признака «Количество кредитных организаций», а остальные 33 % вариации связано с воздействием неучтенных в модели факторов.
3. Оценка качества регрессионного уравнения.
Оценка качества производится с использованием анализа остаточной компоненты.
Распределение остаточной компоненты  подчиняется нормальному закону распределения, и автокорреляция в остатках отсутствует. Это свидетельствует об адекватности построенной регрессии.
4. Использование регрессионной модели для принятия управленческих решений (анализа, прогнозирования и т.д.)
Вычислим прогнозное значение уровня процентной ставки для количества кредитных организаций х= 1000. При уровне значимости α=0,05:
точечное значение прогноза   ур*=6,50123;
интервальное значение прогноза ур*<shape id="_x0000_i1122" type="#_x0000_t75" o:ole=""><imagedata src=«20057.files/image170.wmz» o:><img border=«0» width=«13» height=«13» src=«dopb91549.zip» v:shapes="_x0000_i1122"> [0,81067;12,19179].
Т.е. с доверительной вероятностью р=1-α=1-0,05=0,95 можно предполагать, что прогнозное значение уровня процентной ставки будет находиться в интервале [0,81067;12,19179].
Вывод: Таким образом, в результате проведения корреляционно-регрессионного анализа показано, что между количеством кредитных организаций и уровнем процентной ставки по кредиту существует сильная  связь. Изучаемые признаки связаны сильной линейной корреляционной зависимостью. Найдены параметры этой зависимости. Проведена комплексная оценка значимости, как параметров регрессионного уравнения, так и регрессии в целом. Выявлена значимость параметров. Показана адекватность построенного уравнения регрессии. Следовательно, регрессионная модель зависимости количества кредитных организаций  иуровня процентной ставки  может быть использована для принятия управленческих решений.

Заключение
В данной курсовой работе мы сделали следующие выводы: кредитный рынок — это экономическое пространство, где организуются отношения, обусловленные движением свободных денег между заемщиками и кредиторами на условиях возвратности и платности. Также сделали вывод о том что денежное обращение и кредит связаны между собой, во-первых, в силу того, что при их проведении деньги выполняют функцию средства платежа (погашения долгов).Во-вторых, разрыв во времени между началом и окончанием платежа придает последнему кредитный характер, а проводимая при этом платежная операция является, по сути, и кредитной, опосредующей кредитные отношения с организациями, оказывающими платежные услуги, как правило, банками.
 При этом могут иметь место кредитные отношения между:
 Центральным банком и коммерческими банками;
 коммерческими банками;
 коммерческими банками и обслуживаемыми ими юридическими и физическими лицами;
российскими и зарубежными банками.
Например, перечисление средств со счета согласно поручению плательщика означает уменьшение ему долга со стороны банковской системы и увеличение — получателю средств.
Централизованные кредиты являются, по существу, государственными дотациями. Во многих случаях заемщик и банк рассматривают такие кредиты как безвозмездную помощь.
Использование централизованных кредитов Банка России не требует со стороны коммерческих банков деятельности по привлечению ресурсов и оценке эффективности и расчетов сроков возврата. С помощью централизованных кредитов, полученных от Центрального банка России, коммерческие банки распределяют деньги по отраслям, регионам и отдельным предприятиям. Их распределение отражает, скорее, способности заемщиков добиваться для себя преимуществ и их политическое влияние, а не экономическую целесообразность расходования денег.
Коммерческие банки получают кредит от Центрального банка на регулярно проводимых аукционах. При необходимости они имеют возможность получить в Центральном банке переучетный (вексельный) или же ломбардный кредит. Порядок проведения кредитных аукционов и получения в банке соответствующих ссуд рассмотрен в предыдущей главе.
Таким образом кредитные отношения между коммерческими банками образуют межбанковский кредитный рынок. Это наиболее развитая и ликвидная часть финансового рынка.

<imagedata src=«20057.files/image172.emz» o:><img border=«0» width=«624» height=«423» src=«dopb91550.zip» v:shapes="_x0000_i1123">
 6.Общая теория статистики. Основы курса. Авров А.П.- Университет Туран, <metricconverter productid=«1998 г» w:st=«on»>1998 г.
7. Практикум по общей теории статистики. М.Р. Ефимова, О.И. Ганченко, Е.В. Петрова. Москва. Финансы и статистика. <metricconverter productid=«1999 г» w:st=«on»>1999 г.
8. Практикум по статистике / Под ред. В.М. Симчеры -М.: ЗАО «Финстатинформ», 1999.-259с.
9. Практикум по теории статистики / Под ред. Р. А. Шмойловой. — М.: Финансы и статистика, 1998. — 416с.
10. Российский статистический ежегодник: Стат. сб. / Госкомстат России. -М., 1999.-621с.
11. Россия в цифрах: Крат. Стат. сб. / Госкомстат России. — М., 2003.-386с

ПРИЛОЖЕНИЕ А. СТРУКТУРА ДЕНЕЖНОЙ МАССЫ1)
(на начало года; млрд. рублей)
1999
2000
2001
2002
2003
2004
2005
2006
2007
Денежная масса М2 (национальное определение)
220,8
714,6
1154,4
1612,6
2134,5
3212,7
4363,3
6045,6
8995,8
       в том числе:
   наличные деньги М0
80,8
266,1
418,9
583,8
763,2
1147,0
1534,8
2009,2
2785,2
   безналичные средства
140,0
448,4
735,5
1028,8
1371,2
2065,6
2828,5
4036,3
6210,6

ПРИЛОЖЕНИЕ Б. Отдельные показатели по кредитам в рублях, предоставленным кредитными организациями физическим лицам и индивидуальным предпринимателям1   01.01.2007
Объем выданных кредитов физическим лицам,
тыс.руб.
в том числе:
Объем выданных кредитов физическим лицам на покупку жилья,
тыс.руб.
средневзве-
шенный срок креди-
тования,
мес.
средневзве-
шенная процентная ставка,
%
из них:
Объем выданных кредитов индиви-
дуальным предпри-
нимателям, тыс.руб.
Объем выданных ипотечных жилищных кредитов физическим лицам,
тыс.руб.
средневзве-
шенный срок креди-
тования,
мес.
средневзве-
шенная процентная ставка,
%
1
2
3
4
5
6
7
8
9
ВСЕГО ПО РОССИЙСКОЙ ФЕДЕРАЦИИ
1 982 084 989
248 408 945
174
14
179 611 916
182
14
426 544 599
ПРИВОЛЖСКИЙ ФЕДЕРАЛЬНЫЙ ОКРУГ
402 139 158
61 819 639
178
14
44 409 459
182
14
96 432 534
Республика Башкортостан
46 174 441
10 950 662
172
14
9 669 188
179
13
6 537 750
Республика Марий Эл
4 180 582
921 844
154
15
584 121
169
14
1 348 452
Республика Мордовия
6 122 399
940 159
189
14
462 213
222
13
960 151
Республика Татарстан (Татарстан)
53 343 121
7 889 566
165
14
5 449 874
169
13
10 942 613
Удмуртская Республика
18 844 084
5 052 323
167
14
3 732 415
161
14
8 994 971
Чувашская Республика — Чувашия
17 788 383
3 311 362
199
14
2 209 492
200
13
3 068 730
Пермский край
38 989 528
6 933 937
180
14
5 005 872
188
14
16 962 264
Кировская область
11 803 664
2 734 210
192
14
1 865 352
192
13
4 880 571
Нижегородская область
41 940 351
6 301 381
187
15
2 915 267
193
14
21 851 010
Оренбургская область
26 047 754
3 518 255
191
13
2 519 216
187
13
6 720 261
Пензенская область
9 118 587
1 015 552
188
14
588 293
184
13
4 689 207
Самарская область
92 607 725
8 174 605
176
14
6 710 373
179
14
1 736 832
Саратовская область
24 403 157
2 663 564
190
14
1 997 099
199
14
5 492 762
Ульяновская область
10 775 382
1 412 219
178
15
700 684
174
14
2 246 960

ПРИЛОЖЕНИЕ В.Данные об объемах предоставленных кредитов
2006 год
01.01
01.02
01.03
01.04
01.05
01.06
01.07
01.08
01.09
01.10
01.11
01.12
Кредиты, предоставленные в рублях, — всего
4 220 325
4 236 530
4 361 521
4 556 495
4 693 296
4 790 922
5 083 872
5 253 294
5 461 75
5 698 502
5 861 761
6 136 496
из них по срокам погашения:
до 30 дней
245 457
239 817
273 375
274 295
264 955
261 615
322 959
274 388
274 248
331 076
295 222
319 919
от 31 до 90 дней
247 377
262 227
262 464
263 412
263 482
267 294
262 997
332 007
283 884
304 546
313 286
345 848
от 91  до 180 дней
362 185
367 516
367 764
368 906
373 965
380 110
391 366
418 714
425 803
432 986
437 508
454 588
от 181 дня до 1 года
966 959
984 039
1 005 202
    продолжение
--PAGE_BREAK--