IDEAS home Printed from https://ideas.repec.org/a/scn/financ/y2017i6p6-19.html
   My bibliography  Save this article

Построение Типологии Филиальных Банков На Основе Методов Кластерного Анализа И Нейронных Сетей // The Construction Of A Typology Of Branch Banks On The Basis Of Cluster Analysis And Neural Networks

Author

Listed:
  • D. Kurushin S.

    (Perm National Research Polytechnic University)

  • E. Vasilyeva E.

    (Perm National Research Polytechnic University)

  • Д. Курушин С.

    (Пермский национальный исследовательский политехнический университет)

  • Е. Васильева Е.

    (Пермский национальный исследовательский политехнический университет)

Abstract

Topic. The article analyzes Russia’s banking system, which is a complex, multi-layered, hierarchically organized system in which there exist different stable groups of banks. It is stated the strengthening role of multi-branch banks. We analyze the existing approaches to the selection of the group of multi-branch banks. There is lack of uniformity in the definition of ‘multi-branch bank’ and existence of different interpretation among researchers, legislators, and regulators as concerns the characteristics and quality of group multi-branch banks.Purpose. The purpose of this paper is the construction of a typology of banks with branches in the Russian Federation according to the number of branches and allocation in the banking system of the group multidivisional banks.Methodology. Based on the clustering of banks that have branches and representative offices (Ward’s method, distance metric — a Euclidean distance), we constructed the typology of banks according to a number of their branches and departments. Further, we tested a dedicated group of multi-branch banks for its substantial stability using different methods of clustering and neural networks.Results. In the study, we propose a list of parameters for the implementation of clustering procedures of Russian banks that have branches and representative offices. As parameters of the clustering, we consider all statutory allowed internal and external units of banks. We implemented verification of a typology of banks by the neural network with the teacher: if the proposed typology is not true, the network will not be trained, or it will make errors corresponding to the ‘fallout’ from the classification. The result of the implementation of the neural network confirmed the presence in the banking system of the Russian Federation groups of banks classified on the basis of cluster analysis.Conclusions. Received typology of branches of banks has confirmed the hypothesis about the existence in the banking system of the Federation group of multi-branch banks. It has been actually determined this group of banks and given its mathematical description in accordance with the average number of structural units. The results of the study can be used for further study of the properties inherent in different types of banks with branches and offices, including multi-branch banks, and for analysis of the mechanism of their functioning that could serve as a basis of increase of efficiency of banking activities in the Russian Federation. Предмет. В статье анализируется банковская система России, представляющая собой сложную, многоуровневую, иерархически выстроенную систему, в которой выделяются различные устойчивые группы банков. Констатируется усиление роли многофилиальных банков. Дается анализ существующих подходов к выделению группы многофилиальных банков. Делается вывод об отсутствии единообразия в определении понятия «многофилиальный банк» и различной трактовке исследователями, законодателем и регулирующим органом характеристик и качественного состава группы многофилиальных банков.Цель. Построение типологии филиальных банков Российской Федерации по числу структурных подразделений и выделение в банковской системе группы многофилиальных банков.Методология. На основе кластеризации банков, имеющих филиалы и представительства (метод Уорда, метрика расстояния — евклидово расстояние), построена типология банков по числу их филиалов и подразделений и выделена группа многофилиальных банков, проверена ее содержательная устойчивость при использовании различных методов кластеризации. Использованы экономико-математические методы кластерного анализа и нейронных сетей.Результаты. В ходе исследования сформирован перечень параметров для осуществления кластеризации банков РФ, имеющих филиалы и представительства. В качестве параметров кластеризации рассмотрены все законодательно предусмотренные внешние и внутренние подразделения. Реализована проверка полученной типологии банков с помощью нейронной сети с учителем: если предложенная типология не соответствует действительности, то сеть не обучится либо будет делать ошибки, соответствующие «выпадениям» из классификации. Результат работы нейронной сети подтвердил наличие в банковской системе РФ выделенных на основе кластерного анализа групп банков.Выводы. Построена типология филиальных банков, в рамках которой подтверждена гипотеза о существовании в банковской системе РФ группы многофилиальных банков, фактически выделена эта группа банков и дано ее математическое описание в соответствии со средним количеством структурных подразделений. Результаты исследования могут быть использованы для дальнейшего изучения свойств, присущих различным типам банков, имеющих филиалы и подразделения, в том числе многофилиальным банкам, и анализа закономерностей их функционирования, что может послужить основой повышения эффективности банковской деятельности в РФ.

Suggested Citation

  • D. Kurushin S. & E. Vasilyeva E. & Д. Курушин С. & Е. Васильева Е., 2017. "Построение Типологии Филиальных Банков На Основе Методов Кластерного Анализа И Нейронных Сетей // The Construction Of A Typology Of Branch Banks On The Basis Of Cluster Analysis And Neural Networks," Финансы: теория и практика/Finance: Theory and Practice // Finance: Theory and Practice, ФГОБУВО Финансовый университет при Правительстве Российской Федерации // Financial University under The Government of Russian Federation, vol. 21(6), pages 6-19.
  • Handle: RePEc:scn:financ:y:2017:i:6:p:6-19
    as

    Download full text from publisher

    File URL: https://financetp.fa.ru/jour/article/viewFile/585/450.pdf
    Download Restriction: no
    ---><---

    Corrections

    All material on this site has been provided by the respective publishers and authors. You can help correct errors and omissions. When requesting a correction, please mention this item's handle: RePEc:scn:financ:y:2017:i:6:p:6-19. See general information about how to correct material in RePEc.

    If you have authored this item and are not yet registered with RePEc, we encourage you to do it here. This allows to link your profile to this item. It also allows you to accept potential citations to this item that we are uncertain about.

    We have no bibliographic references for this item. You can help adding them by using this form .

    If you know of missing items citing this one, you can help us creating those links by adding the relevant references in the same way as above, for each refering item. If you are a registered author of this item, you may also want to check the "citations" tab in your RePEc Author Service profile, as there may be some citations waiting for confirmation.

    For technical questions regarding this item, or to correct its authors, title, abstract, bibliographic or download information, contact: Алексей Скалабан (email available below). General contact details of provider: http://financetp.fa.ru .

    Please note that corrections may take a couple of weeks to filter through the various RePEc services.

    IDEAS is a RePEc service. RePEc uses bibliographic data supplied by the respective publishers.