Принадлежность к кластерам

Номер наблюдения	Банк	Кластер	Расстояние
1	Агросоюз	1	117393863,1
2	Альфа-Банк	2	321469119,9
3	Банк БФА	1	39884950,76
4	РосБанк	3	139578455,2
5	Банк Москвы	2	219552683,5
6	Райффайзен	3	156336613,2
7	Глобэкс	1	199068531,8
8	ДельтаКредит	1	41234906,98
9	Евромет	1	115399235,1
10	Зенит	1	192596868,3
11	Интеркоммерц Банк	1	59161276,76
12	Клиентский	1	111131616,7
13	Россельхоз Банк	2	274875667,2
14	Милбанк	1	122368841,4
15	Московский Индустриальный Банк	1	147502962,9
16	Московский Кредитный Банк	3	247534543,1
17	НОМОС-Банк	3	213628493,3
18	Огни Москвы	1	98896108,55
19	Промсвязьбанк	3	152693231,5
20	Ренессанс Кредит	1	45955459,58
21	Росинтербанк	1	78200277,91
22	Русский Стандарт	1	109858020,4
23	Русстройбанк	1	94274532,69
24	Ситибанк	1	303750359,4
25	Связь-банк	1	222117844,2
26	Тинькофф Кредитные Системы	1	27472991,9
27	Уралсиб	3	268377638
28	Финансовый Стандарт	1	117825088,5
29	Хоум Кредит Банк	3	315812234,3
30	ЮниКредит Банк	3	241105648,6

Сравнивая разбиение методом k-средних и разбиение по центрам тяжести групп без нормализации данных, приходим к выводу о предпочтительности первого, так оно обеспечивает более равномерное распределение объектов по кластерам, что в дальнейшем позволит более качественно описать каждый полученный кластер.

3. Метод главных компонент.

Полная объясненная дисперсия
Компонента	Начальные собственные значения			Суммы квадратов нагрузок извлечения
	Итого	% Дисперсии	Кумулятивный %	Итого	% Дисперсии	Кумулятивный %
1	5,296	75,652	75,652	5,296	75,652	75,652
2	1,046	14,941	90,593	1,046	14,941	90,593
3	,297	4,243	94,836
4	,194	2,768	97,604
5	,149	2,132	99,737
6	,017	,240	99,976
7	,002	,024	100,000
Метод выделения: Анализ главных компонент.

Матрица компонент^a
	Компонента
	1	2
Нетто-активы	,993	-,054
Капитал	,850	-,324
Чистая прибыль	,584	,766
Кредитный портфель	,978	,050
Просроченная задолженность в кредитном портфеле	,786	-,450
Вклады физических лиц	,859	,360
Средства предприятий и организаций	,967	-,126
Метод выделения: Анализ методом главных компонент.
a. Извлеченных компонент: 2

В данном случае извлекаются 2 компоненты, которые в соответствии с таблицей полной объясненной дисперсии объясняют 90,593% дисперсии признаков. Проведем иерархический кластерный анализ по полученным главным компонентам, например, по центам тяжести, данные не нормализуются.

В ходе анализа была получена следующая дендрограмма.

Сравним лучшее на данным момент разбиение (метод k-средних) с полученным:

Разбиение методом k-средних						Разбиение по центрам тяжести с предварительным извлечением главных компонент
Кластер	1	19			Кластер		1	2
	2	3					2	2
	3	8					3	26

На основе приведенных выше таблиц и дендрограмм, наилучшим следует признать разбиение методом k-средних.

4. Интерпретация полученного наилучшего разбиения.

	Кластер
	1	2	3
Нетто-активы	102 763 290	1 678 247 588	633 372 437
Капитал	14 097 289	125 462 455	86 563 823
Чистая прибыль	1 337 505	10 142 035	7 580 669
Кредитный портфель	60 760 279	1 061 363 101	407 263 995
Просроченная задолженность в кредитном портфеле	1 718 097	128 442 151	19 730 776
Вклады физических лиц	25 594 546	255 911 067	157 085 803
Средства предприятий и организаций	34 250 347	548 011 487	203 014 100

Итак, наилучшим разбиением, которым является разбиение по методу k-средних, было получено три кластера.

Перый и наиболее многочисленный кластер, в состав которого входят 19 банков, характеризутеся наименьшим размером банков по всем показателям: чистым активам и чистой прибыли, капиталу, объему кредитного портфеля и т.д. Однако, он также характеризуется наименьшим объемом просроченной задолженности оп отношению ко всему кредитному портфелю.

Второй кластер по своим характеристикам практически во всем противоположен первому: в его состав вошли всего три наиболее крупных банка, для которых характерны высокие значения нетто-активов (1 678 млн руб), капитала (125 млн руб), наибольшим показателем чистой прибыли (10 млн руб) и наибольшим объемом кредитного портфеля (1 061 млн руб). Одновременно с этим, данный кластер характеризуется самой высокой просроченной задолженностью в крелитном портфеле как в абсолютном выражении (128 млн руб), так и в отношении к объему кредитного портфеля (порядка 12-13% против 4-5% в других класттерах). ПО объему вкладов физических лиц, а также средствам организаций и предприятий, размещенных в банке, он также занимает первое место: почти 256 млн руб и 548 млн руб соответственно.

Третий кластер, состоящий из 8 банков, среди других кластеров занимает промежуточное положение как по количеству входящих в его состав банков, так и по показателям банковской деятельности.