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.
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 компонентa | ||
|
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.
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.