3.2.3. Исследование интегральных элементов кластерного анализа прямых и латентно-косвенных связей банков США, их фазовые бифуркации. Построение моделей

Продолжая анализ, введем следующие ограничения. Дальнейшие исследования интегральных элементов кластерного анализа прямых и латентно-косвенных затрат, представленные в таблицах 3.1.3. и 3.2.1., будут проведены полностью. В тоже время из-за несовместимости масштабности исследований и ограничений на текстовое пространство работы в данном параграфе будут приведены основные пояснения к проведенным исследованиям. Кроме этого в виду того, что процесс анализа прямых и латентных связей и затрат аналогичен, ограничимся только укрупненным анализом прямых затрат.

Когда ранее проводился анализ в таблицах 3.1.3. и 3.2.1., в кластерную группу прямых и косвенных затрат до 0,5% вошло хозяйствующих субъектов 45 из 69 агрегированных отраслей. Их доля в прямых затратах составила всего 4,6%. Поэтому для упрощения восприятия таблицы 3.2.2. данный интегральный кластерный диапазон был разбит на два кластера 0,5-1,5% и 0,14%-0,5%. Кластерный диапазон 0-0,14% в анализ не включен. В результате кластеризация структуры связей банков и предприятий по отношению к прямым затратам за период 1998-2005 г.г. рассматривается в таблице 3.2.2. только для 38 агрегированных отраслей.

Учитывая, что исследования, которые проводились ранее при рассмотрении таблицы 3.1.3., аналогичны таблице 3.2.2., поэтому эта часть анализа сознательно опущена, как в данной таблице 3.2.2., так и во всех последующих таблицах настоящего параграфа. На данном этапе изучения представляет интерес следующие моменты:

Детальные расчеты в книге не даны, смотри в монографии О.Чадаева.

Как видно из таблицы 3.2.2., за исследованный период динамический кластерный анализ средних величин по весу распределился следующим образом.

В кластерный карман с весом, лежащим в диапазоне 0,14%-0,5%, попали предприятия 13 агрегированных отраслей. В таблице 3.2.2. данный кластерный карман отнесен к переменной Х6. При этом доля прямых затрат составила всего 3,7%, что позволяет их отнести к минимальному 6 рангу. При этом анализ динамики показал искажения, так показатель темпа составил 0,943, а показатель эластичности - 1,058. В целом динамика данного интегрального кластера с учетом ошибки почти линейна.

В кластерный карман с весом, лежащим в диапазоне 0,5%-1,5%, попали предприятия 10 агрегированных отраслей (см. табл. 3.1.3.). В таблице 3.2.2. данный кластерный карман отнесен к переменной Х5. При этом доля прямых затрат составила всего 6,5%, что позволяет их отнести к 5 рангу. При этом анализ динамики показал самые высокие искажения, так показатель темпа составил 0,929, а показатель эластичности 1,160. В целом динамика данного интегрального кластера с учетом ошибки имеет самую высокую динамику.

В кластерный карман с весом, лежащим в диапазоне 1,5%-2,5%, попали предприятия 6 агрегированных отраслей (см. табл. 3.1.3.). В таблице 3.2.2. данный кластерный карман отнесен к переменной Х4. При этом доля прямых затрат составила всего 11,7%, что позволяет их отнести к 3 рангу. При этом анализ динамики показал искажения, так показатель темпа составил 0,924, а показатель эластичности 1,021. В целом динамика данного интегрального кластера с учетом ошибки почти линейна.

В кластерный карман с весом, лежащим в диапазоне 2,5%-5%, попали предприятия 3-х агрегированных отраслей (см. табл. 3.1.3.). В таблице 3.2.2. данный кластерный карман отнесен к переменной Х3. При этом доля прямых затрат составила всего 9,6%, что позволяет их отнести к 4 рангу. В целом динамика данного интегрального кластера с учетом ошибки меньше единицы и составила 0,817.

В кластерный карман с весом, лежащим в диапазоне 5%-10%, попали предприятия 2-х агрегированных отраслей (см. табл. 3.1.3.). В таблице 3.2.2. данный кластерный карман причислен к переменной Х2. При этом доля прямых затрат составила всего 14,1%, что позволяет их отнести ко 2 рангу. В целом динамика данного интегрального кластера с учетом ошибки меньше единицы и составила 0,818.

Таблица 3.2.2.
Кластеризация структуры связей банков и предприятий 38 агрегированных отраслей по отношению прямым затратам за период 1998-2005 г.г.


Наименование

К-ты модели

Темп

Ранг

Эл

X1

свыше 10%

0,502

1,049

1

1,027

X2

5%-10%

0,141

1,010

2

0,818

X3

2,5%-5%

0,096

0,990

4

0,817

X4

1,5%-2,5%

0,117

0,924

3

1,021

X5

0,5%-1,5%

0,065

0,929

5

1,160

X6

0,14%-0,5%

0,037

0,943

6

1,058


Коэффициент модели b0

6,721




В кластерный карман с весом, лежащим в диапазоне свыше 10%, попали предприятия 3-х агрегированных отраслей (см. табл. 3.1.3.). В таблице 3.2.2. данный кластерный карман отнесен к переменной Х3. При этом доля прямых затрат составила всего 14,1%, что позволяет их отнести к 1 рангу. При этом анализ динамики не показал искажений, так показатель темпа составил 1,049, а показатель эластичности 1,027. В целом динамика данного интегрального кластера с учетом ошибки почти линейна.

Хорошо известно из алгебры 7-ого классы, что любую экономическую зависимость можно представить в виде таблицы, графика и функции. При этом функция позволяет более точно аппроксимировать весь диапазон данных, а не отдельные точки, рассчитанные в таблице 3.2.2. В целом прямые затраты IICD можно показать в виде функциональной экономической зависимости:

IICD=f(X1,X2,…,X6)

Или в виде степенной функции:

IICD=b0*X1b1*X2b2*X3b3*X4b4*X5b5*X6b6

Получить коэффициенты b1…b6 несложно, это средняя величина отношения текущего значения, например, Х1 суммарной величине всех прямых затрат – IICD, т.е. b1=M(Х1/IICD). Данные коэффициенты даны в таблице 3.2.2. Рассчитав данные коэффициенты, и подставив их в модель с помощью подбора параметров, легко найти коэффициент b0. В результате прямые затраты IICD можно передать в виде функциональной экономической зависимости:

IICD=6,721*X10,502*X20,141*X30,096*X40,117*X50,065*X60,037

Рассмотрим интегральный кластерный фактор Х1, результаты расчетов изображены в таблице 3.2.3.

Учитывая, что исследования, которые проводились ранее при рассмотрении таблицы 3.2.3., аналогичны таблице 3.2.2., поэтому эта часть анализа сознательно опущена, как в данной таблице 3.2.3., так и во всех последующих таблицах параграфа. На данном этапе изучения представляет интерес следующие моменты:

Отметим еще один момент, для исключения искажений в трактовке программы NAICS, а также дальнейшего использования рассчитанных моделей в практической работе в таблице 3.2.3., во всех последующих таблицах данного параграфа все отрасли в таблице даны в оригинальном изложении.

Как видно из таблицы 3.2.3., за исследованный период средние величины по весу по конкретным предприятиям распределились следующим образом.

Наиболее весомые прямые затраты банковского сообщества производят на финансовом межбанковском рынке. В таблице 3.2.3. предприятия данной отрасли отнесены к переменной Х11. При этом доля прямых затрат составила 36,4%, что позволяет их отнести к максимальному 1 рангу. При этом анализ динамики показал, что прямые затраты росли очень медленно, что свидетельствует о том, что процентные ставки на финансовом и межбанковском рынке имели тенденцию к снижению.


В данный период, несмотря на кризис 2001-2002 г.г., инфляционные процессы в США не наблюдались, поэтому ФРС для стимулирования рынка достаточно часто снижал процентную ставку.


Таблица 3.2.3.
Кластеризация структуры связей банков и предприятий 38 агрегированных отраслей США по отношению к прямым затратам за период 1998-2005 г.г.


Наименование

К-ты модели

Темп

Ранг

Эл

X11

Federal Reserve banks, credit intermediation, and related activities

0,364

1,021

1

0,482

X12

Securities, commodity contracts, and investments

0,337

0,915

2

1,804

X13

Miscellaneous professional, scientific and technical services

0,299

1,075

3

0,720


Коэффициент модели b0

2,994




Следующие по весу прямые затраты банковское сообщество производит на фондовом рынке. В таблице 3.2.3. предприятия данной отрасли отнесены к переменной Х12. При этом доля прямых затрат составила 33,7%, что позволяет их отнести ко 2 рангу. Анализ динамики показал, что прямые затраты росли очень интенсивно, что свидетельствует о том, что банки активно проводили инвестиционные операции на фондовом рынке.


Вспомним, что в исследованный период единственной тихой гаванью мира были США, и сюда хлынул спекулятивный капитал с азиатских и европейских рынков. Когда же в США разразился кризис 2001-2002 г.г., спекулянтам некуда было бежать. Мало того начинался энергетический кризис, цены взвинтились на энергоносители практически в 5 раз и надежд на их снижение не было. Тогда, чтобы не заморозить свои активы, была придумана спекулятивная афера с американской недвижимостью. Она настолько была удачной, и что самое главное ее не смогли обнаружить американские власти, что ареал аферы американские банки совместно с международными спекулянтами расширили на Европу и другие страны. Это и нашло свое отражение в достаточно высоком уровне показателя Х12.


Следующие по весу прямые затраты банковское сообщество производит на рынке предприятий научно-исследовательских услуг. В таблице 3.2.3. предприятия данной отрасли отнесены к переменной Х13. При этом доля прямых затрат составила 29,9%, что разрешает их отнести к 3 рангу. При этом анализ динамики показал, что прямые затраты росли медленно. Это свидетельствует о том, что затраты на научно-исследовательские услуги повышались медленнее чем на фондовом рынке.


Обратите внимание, что, несмотря на то, что затраты на научно-исследовательские услуги занимают третье место, но вес их достаточно велик. Банки, благодаря внедрению компьютерных Интернет технологий начали активно избавляться от традиционных рутинных операций, масштабы которых доминировали над инвестиционной деятельностью банков по показателю численности персонала. Наиболее интересным является Интернет-банк (авторы были одними из первых клиентов этого банка). Он первым внедрил Интернет технологии и почти полностью избавился от бухгалтерской и операционной служб. Правда, есть риск вторжения в компьютерную систему банка, но этот риск ниже, чем непрофессионализм или человеческий фактор персонала этих служб. Этот банк, созданный программистами в 1994 г., в начале 21-ого века вошел в сотню ведущих банков США. Преимущество таких банков очевидно. Во-первых, операции по счету клиента проводятся круглосуточно из любой точки мира, даже из дома. Во-вторых, потеря клиентом и банком времени на обслуживание минимальна. В-третьих, учитывая, что большинство систем мира работают круглосуточно на различных финансовых площадках, клиенты через банковскую систему (при заключении соответствующего договора) могут осуществлять инвестиционную деятельность. К сожалению, пока таких банков недостаточно. О чем свидетельствует невысокая динамика показателя затрат на научно-исследовательские услуги, составляющие величину эластичности в размере 0,720.

Это понятно. Спекулятивные аферы всегда доходнее инновационной деятельности. Банки США и развитых стран, которые нами были исследованы за последние 60 лет, не могут понять библейскую истину – обман это грех. В результате все их аферы на фондовом, страховом, валютном, и прочих финансовых рынках заканчивались или финансовыми, или экономическими кризисами для общества, а не только для них. Только инвестиционная и инновационная деятельность в реальных секторах экономики спасала их от банкротства. Следует признать и понять опасность финансовой рулетки, которая доминирует на всех финансовых рынках. Одна из причин это низкий профессиональный уровень экономистов, работающих на этих рынках. В связи с тем, что большинство из них не знакомо с объективными законами реальной экономики, в их среде преобладают эмоционально-психологические управленческие решения, виртуальность которых ничего общего не имеет с реальной экономикой. В результате на рынках преобладает психология толпы, а не профессионалов. Поэтому ими можно легко манипулировать. Но объективные законы со всей неизбежностью наказывают не только толпу, но и их поводырей. И только коррупция в высших эшелонах власти развитых стран спасает манипуляторов общественным сознанием от банкротства. Из окон фондовых бирж и банков развитых стран почему-то падают только исполнители из толпы, но не поводыри. Объемы потерь от кризиса к кризису становятся больше, и их все труднее закрыть бюджетными вливаниями, пенсионными фондами и откровенным печатанием денег. Сразу после экономического форума в Давосе 2008 г. президент Франции Саркази горько пошутил, что финансовые рынки развитых стран напоминают сборище спекулянтов и карточных шулеров, и что назрела необходимость с ними разобраться. После этого выступления через несколько дней разразился скандал с французским банком Societes Generale (это банк, аналогичный Сбербанку РФ), который являлся одним из европейских партнеров американской банковской Сити группы и банков Моргана. Они не только участвовали в ипотечной афере, но и работали банно-прачечным комбинатом по отмывке грязных денег, в том числе и российского происхождения. Учитывая масштабы ипотечной аферы, это не первые и не последние банки хорошо законспирированной финансовой сети.

Руководство Societes Generale сейчас пытается доказать общественности, что их убытки не столь значительны, и они прибыльны. При этом они используют весьма сомнительную методологию МСФО и оценку рисков Модильяни и Шарпа. В тоже время теоретическая конструкция нобелевских лауреатов по оценке инвестиционного кредитного портфеля и рисков базируется на аксиоме о том, что рынок все знает, т.к. он большой, и поэтому цены на нем справедливые. Но как может рынок, на котором работает большинство непрофессионалов, определять справедливые цены. Поэтому ими легко манипулируют аналитики с сомнительной репутацией типа Сороса. Это немыслимо, но с помощью МСФО и этой концепции можно легко, правда, на небольшое время «откорректировать» публичную отчетность. При этом аудиторы с мировым именем, используя существующие стандарты и отчетность, этого не видят.


В результате прямые затраты по интегральному кластерному фактору Х1 можно представить в виде функциональной экономической зависимости:

Х1=2,994*X110,364*X120,337*X130,299

Рассмотрим интегральный кластерный фактор Х2. Результаты расчетов представлены в таблице 3.2.4. Напомним, что в процессе анализа исследования проводятся от более весомых факторов к менее весомым факторам по убывающей.

Как видно из таблицы 3.2.4., за исследованный период динамический кластерный анализ средних величин по весу по конкретным предприятиям распределился следующим образом.

Наиболее весомые прямые затраты банковское сообщество производит на рынке недвижимости. В таблице 3.2.4. предприятия данной отрасли отнесены к переменной Х21. При этом доля прямых затрат составила 56,8%, что позволяет их отнести к максимальному 1 рангу. При этом анализ динамики показал, что прямые затраты росли медленно (коэффициент эластичности - 0,761), что свидетельствует о том, что цены на рынке недвижимости офисных помещений росли более медленными темпами, чем на жилье по отношению к рынку Administrative and support services. При этом не следует забывать и о размере инвестиций в компьютерные и интернет технологии – показатель X13. Именно они позволяют снизить затраты на приобретение новых офисных помещений на вторичном рынке недвижимости.


Напомним, что ипотечная афера 2007-2008 г.г. была направлена на рынок жилья. Значительный рост цен на офисные помещения мог бы привлечь раньше времени внимание американской администрации к ипотечной афере.


Таблица 3.2.4.
Кластеризация структуры связей банков и предприятий 38 агрегированных отраслей США по отношению к прямым затратам за период 1998-2005 г.г.


Наименование

К-ты модели

Темп

Ранг

Эл

X21

Real estate

0,568

1,058

1

0,761

X22

Administrative and support services

0,432

0,924

2

1,314


Коэффициент модели b0

1,982




Следующие по весу прямые затраты банковское сообщество тратит на административные и вспомогательные услуги. В таблице 3.2.4. предприятия данной отрасли отнесены к переменной Х22. При этом доля прямых затрат составила 43,2%, что позволяет их отнести ко 2 рангу. Анализ динамики показал, что прямые затраты увеличивались очень интенсивно, что свидетельствует о том, что банки активно (коэффициент эластичности - 1,314) пользовались услугами организаций administrative and support services.

В результате прямые затраты по интегральному кластерному фактору Х2 можно представить в виде функциональной экономической зависимости:

Х2=1,982*X210,568*X220,432

Рассмотрим интегральный кластерный фактор Х3. Результаты расчетов представлены в таблице 3.2.5.

Таблица 3.2.5.
Кластеризация структуры связей банков и предприятий 38 агрегированных отраслей США по отношению к прямым затратам за период 1998-2005 г.г.


Наименование

К-ты модели

Темп

Ранг

Эл

X31

Rental and leasing services and lessors of intangible assets

0,303

0,862

2

1,598

X32

Legal services

0,393

1,102

1

0,542

X33

Food services and drinking places

0,304

1,012

3

0,990


Коэффициент модели b0

2,980




Как видно из таблицы 3.2.5., за исследованный период динамический кластерный анализ средних величин по весу по конкретным предприятиям дал следующее распределение.

Наиболее весомые прямые затраты банковское сообщество тратит на рынке юридических услуг. В таблице 3.2.5. предприятия данной отрасли отнесены к переменной Х32. Доля прямых затрат составила 39,3%, что позволяет их отнести к 1 рангу. Анализ динамики показал, что прямые затраты увеличивались с минимальным темпом (коэффициент эластичности - 0,542), что свидетельствует о том, что затраты банков на юридическом рынке росли медленнее, чем на рынках Rental and leasing services and lessors of intangible assets.

Средние по весу прямые затраты банковское сообщество тратит на Rental and leasing services and lessors of intangible assets рынке. Практически данный показатель отражает рынок арендных и лизинговых услуг. В таблице 3.2.5. предприятия данной отрасли отнесены к переменной Х31. Доля прямых затрат составила 30,3%, что позволяет их причислить ко 2 рангу. Анализ динамики показал, что прямые затраты повышались очень быстро (коэффициент эластичности - 1,598), что свидетельствует о том, что цены на рынке Rental and leasing services and lessors of intangible assets поднимались более интенсивно, чем на юридические услуги, и услуги общепита (кафе и ресторанов).


Обратите внимание, что запущенная ипотечная афера на рынке жилья все равно догнала своих организаторов. Рост цен на жилищную недвижимость запустил инфляционные механизмы – рост цен на рынке аренды недвижимости.


Наименее весомые прямые затраты банковское сообщество тратит на рынке услуг общепита - кафе и ресторанов. В таблице 3.2.5. предприятия данной отрасли отнесены к переменной Х33. Доля прямых затрат составила 30,4%, что позволяет их отнести к 3 рангу. Анализ динамики показал, что прямые затраты росли медленно (коэффициент эластичности - 0,990), что свидетельствует о том, что затраты банков на рынке услуг кафе и ресторанов поднимались медленнее, чем на рынках Rental and leasing services and lessors of intangible assets.

В результате прямые затраты по интегральному кластерному фактору Х3 можно представить в виде функциональной экономической зависимости:

Х3=2,98*X310,303*X320,393*X330,304

Учитывая масштабность полученных моделей, ограничения, накладываемые на пространство работы, и самое главное однотипность дальнейшего анализа, принято решение остальные интегральные кластерные переменные Х4-Х6 (таблицы, модели) не включать в книгу. На данном же этапе опишем принцип сборки интегральной модели прямых затрат IICD.

Ранее отмечалось, что в результате проведенных исследований прямые затраты IICD можно представить в виде функциональной экономической зависимости:

IICD=6,721*X10,502*X20,141*X30,096*X40,117*X50,065*X60,037

Кроме этого были получены интегральные кластерные факторы Х1-Х3 в виде экономических зависимостей:

Х1=2,994*X110,364*X120,337*X130,299

Х2=1,982*X210,568*X220,432

Х3=2,98*X310,303*X320,393*X330,304

Практически необходимо подставить эти интегральные кластерные факторы Х1-Х3 в исходную интегральную модель прямых затрат IICD. В результате получим итоговую модель в виде функционала:

IICD=6,721*(2,994*X110,364*X120,337*X130,299)0,502*(1,982*X210,568*X220,432)0,141*

*(2,98*X310,303*X320,393*X330,304)0,096*X40,117*X50,065*X60,037


Функционал для наглядности можно представить в виде матрешки. Для более высокого уровня функционал выступает как просто переменная Х, а для нижнего уровня этот Х превращается в Y, т.е. функцию, которая описывается своими переменными Х, которые в свою очередь также являются функционалами.


Таким же образом была выполнена работа и по переменным Х4-Х6. В частности, в исходную интегральную модель прямых затрат IICD на место интегрального кластерного фактора Х4 было введено шесть факторов-отраслей, соответственно на место интегрального кластерного фактора Х5 было введено десять факторов-отраслей, а на место интегрального кластерного фактора Х6 было введено 13 факторов-отраслей. В результате для описания модели прямых затрат достаточно 38 факторов-отраслей из 69. Они практически охватывали 99,16% всей информации. Понятно, что модель косвенных затрат, как было доказано ранее, требует анализа всех 69 рассматриваемых отраслей. Точность моделей латентно-косвенных затрат при условии анализа 38 факторов-отраслей обеспечивается только на уровне 86,78%.


В книге можно было бы представить всю рассчитанную О.Чадаевым модель прямых и косвенно-латентных затрат банка, но пришлось от этого отказаться, т.к. она заняла бы ни один десяток страниц книги. Для читателя важнее принцип построения модели, а также то, что те отрасли, которые по прямым затратам практически были отброшены в виду их незначительности (100-99,16=0,84%), на самом деле весят в косвенно-латентных затратах (100-86,78=13,22%), что в 15-20 раз больше. Даже если банки будут преимущественно заниматься своими прямыми обязанностями, а не построением финансовых пирамид, все равно они не могут при анализе объективно контролировать свою деятельность по затратам. Мало того они не в состоянии оценить свой инвестиционный портфель. В этой ситуации они никогда не смогут жить, не порождая кризисы. Ранее было показано, как происходят бифуркационные трансформации в подсистемах финансового рынка в периоды кризиса. Здесь же доказано, почему эти кризисы происходят. За 5-6 лет банки, неправильно оценивая структуру затрат, вообще не учитывая косвенно-латентные связи и их затраты, неизбежно накапливают ошибку в своей деятельности, которая и порождает регулярные кризисы. Банки не умеют считать свои затраты. Но это часть потерь. Другая часть потерь куда более весома. Целевая функция любого банка – это инвестиции и/или кредитование реального сектора экономики. Банки при инвестировании и кредитовании делают те же ошибки, а предприятия в свою очередь не умеют составить реальный бизнес-план. И экономисты банков, и экономисты предприятий не оценивают косвенно-латентные связи своих бизнес-проектов. Неизбежный ущерб для банков, предприятий и экономики в целом очевиден.

В международном стандарте финансовой отчетности рекомендуется оценивать риски. Несложно понять на каком туманном уровне находятся эти оценки инвестиционных, кредитных портфелей доходности и рисков банков, фондовых, страховых, трастовых компаний, не говоря уже о предприятиях реального сектора экономики. Читаешь эти отчеты западных компаний и понимаешь, что и тот, кто составлял МФСО и выдавал рекомендации, и тот, кто следует этим рекомендациям, составляя отчеты, слабо представляют, что такое теория рисков, хаоса и т.д. Про косвенно-латентные связи и синергетические бифуркации лучше не вспоминать иначе все рекомендации ЦБ РФ, ФРС США становятся просто бессмысленными по причине своей бесполезности. Можно повысить эффективность банковского сообщества, сократив эти службы за ненадобностью. Как показал анализ, от них больше вреда, чем пользы.


Конечно, работа на этом не заканчивается. Далее необходимо раскрыть внутреннюю интегральную сущность каждого из 69 факторов-отраслей. Этот процесс исследования показан ниже на примере построения укрупненной модели банка и/или банковской системы.

Глава 3.2.3.
Исследование интегральных элементов кластерного анализа прямых и латентно-косвенных связей банков США, их фазовые бифуркации. Построение моделей
Самарина Г.П., Дорошко С.Е., Чадаев О.Д. Ноосферная экономика: банки и кризисы финансовой системы. - СПб.: Изд-во СПбГЭТУ "ЛЭТИ", 2008 - 259 c.