Дипломная работа: Оценка эффективности влияния технологии блокчейн на банковскую деятельность

Однако можно рассмотреть соотношение 1:2, то есть «пара» будет состоять не из одного банка, а из двух (Таблица 11).

Таблица 11

Результаты проверки смещения переменных в основной группе и группе контроля 1:2

Результаты смещения уменьшились, что склоняет выбор в пользу подбора пар 1:2. Таким образом, в результате подбора пар в пропорции 1:2 установлено, что у банков с блокчейном (основная группа) в среднем издержки выше на (0.418 ±0.298) тыс. руб., чем у обычных банков без блокчейна (Таблица 12).

Таблца 12

Эффекты воздействия (1:2)

И последний способ балансировки переменных - метод взвешивания Кернела (Гржибовский А. М., Иванов С. В., Горбатова М. А., 2016).

Идея метода состоит в том, что каждому наблюдению из контрольной группы дается определенный «вес», исходя из того, насколько близко оно находится к наблюдению из основной группы по значению PS.

Наблюдениям с более близними значениями PS присваивается больший вес и наоборот (Таблица 13).

Таблица 13

Результаты проверки смещения переменных в основной группе и группе контроля методом взвешивания Кернела

Результаты показали большее смещение для отобранных переменных, чем метод подбора пар путем поиска «ближайшего соседа». Таким образом, необходимо выбрать наиболее подходящий метод, сравнив стратификацию (субклассификацию) и поиск «ближайшего соседа».

Метод стратификации служит самой первой вариацией PSM и может считаться довольно «грубым» способом балансировки переменных.

Что касается метода поиска «ближайшего соседа», то он был разработан позже и являются методологически более совершенным, что более предпочтительно.

Следовательно, результат таков, что издержки для банков, применяющих технологию блокчейн в своей деятельности, выше, чем у банков, не имеющих эту технологию. И это различие составляет 418 руб, имея стандартную ошибку ± 298 руб. Так, гипотеза о сокращении издержек после внедрения блокчейн отклоняется.

3.4 Результаты исследования

В эмпирической части были представленные два метода проведения анализа: построение модели со случайными эффектами и мэтчинг по индексу склонности.

Следовательно, ниже отдельно будут представленны результаты по каждому методу.

Итогом для первого метода будет служить нелинейная модель с масштабированными переменными и случайными эффектами:

Оценки параметров модели со случайными эффектами представлены в таблице 14. Логарифм кредитов, выданных физическим лицам, значим на пятипроцентном уровне, логарифм собственного капитала - на десятипроцентном.

Норматив текущей ликвидности, дамми - переменная блокчейн, совместный эффект и константа имеют однопроцентный уровень значимости.

Таблица 14

Результаты оценивания модели со случайными эффектами

Как было сказано ранее, наибольший интерес представляет интерпретация дамми - переменной, отвечающей за использование технологии блокчейн. Интерпретация для нее гласит, , что в среднем, при прочих равных изменение расходов банков, использующих технологию блокчейн, равно величине:

.

Эффект внедрения технологии блокчейн зависит от величины собственного капитала. То есть, если значение собственного капитала велико, и банк является крупным, то эффект от внедрения технологии блокчейн сильнее повлияет на его расходы, тогда как более маленький банк может не ощутить существенной разницы от внедрения этой технологии.

Конечная интерпретация подтверждает, что издержки у банков, которые применяют данную технологию, будут выше на величину указвнную ранее.

Таким образом, гипотеза о сокращении издержек после внедрения технологии отвергается.

Как упоминалось ранее, стандартная регрессия предполагает, что воздействие распределяется случайным образом.

Поэтому эффект будет одинаков как для фактических участников (банки с блокчейном), так и для неучастников (которые точно также могли бы оказаться в числе участников). Метод мэтчинга решает эту проблему, и полученным результатам можно доверять.

В исследовании расматривалось 3 метода мэтчинга по индексу склонности: метод стратификации (субклассификации), подбора пар при помощи поиска «ближайшего соседа» и взвешивания Кернела. Было выяснено, что метод подбора пар в пропорции 1:2 дает наименьшее смешение, следовательно, может быть выбран в качестве лучшего способа.

Результат мэтчинга по индексу склонности идентичен результату модели со случайными эффектами. Однако мэтчинг дает конкретное значение того, на сколько издержки банков с блокчейн превышают издержки обычных банков.

Таким образом, издержки для банков, применяющих технологию блокчейн в своей деятельности, выше, чем у банков, не имеющих эту технологию на 418 руб, имея стандартную ошибку ± 298 руб. Гипотеза о сокращении издержек после внедрения блокчейн также отклоняется.

Причиной отклонения гипотезы может служить недостаточный период анализа и небольшое количество банков, использующих данную технологию. Внедрение блокчейн произошло в конце 2016 года, а в выборку вошли 2015, 2016, 2017 года.

Полноценно технология использоваась лишь в 2017 году. Промежуток в один год не даст желаемых результатов, для получения максимально полной и реалистичной картины требуется несколько лет.

Тому подтверждение статья Куницыной Н.Н. и Дюдиковой Е.И., приведенная в обзоре литературы, которая гласит, что для начала технология должна окупиться.

При наиболее вероятном варианте развития событий период окупаемости технологии составит 9 лет, в случае оптимистического - 6 лет (Дюдикова Е. И., Куницына Н. Н., 2016).

Ключевое допущение в мэтчинге делается то же, что и в МНК - это отбор по наблюдаемым характеристикам. Однако мэтчинг имеет ряд преимуществ.

Во - первых, сравнисаются только похожие индивиды (зона «перекреста»).

Во - вторых, не требуется делать допущений о функциональной форме зависимости зависимой переменной от независимых.

Различия в области значений переменных устранены за счет проведения мэтчинга только по области пересечения (зона «перекреста»).

Различия в распределении переменных внутри области пересечения также устранены, поскольку метод перевзвешивает данные для контрольной группы (банки без блокчейн) с тем, чтобы добиться распределения сходного с распределением в основной группе (банки с блокчейн).

Несмотря на вышеперечисленные преимущества, Мэтчинг не способен устранить различия в ненаблюдаемых характеристиках. Этот метод предполагает, что отбор происходит по наблюдаемым характеритикам.

Мэтчинг не лечит отбор и самоотбор, который возникает из - за отбора по ненаблюдаемым характеристикам, что приводит к проблеме эндогенности. Самоотбор предполагает, что индивиды выбирают себе определенное состояние, руководствуясь скрытыми причинами, которые не учитывались в модели. Вдобавок, эндогенность может возникать из - за пропуска существенных переменных.

В данной работе не учитывались такие переменные, как проценты по депозитам физических и юридических лиц, кредиты, выданные банкам, проценты по кредитам, а также переменные, отвечающие за фактор риска, а именно: просроченная задолженность, прочие неработающие активы, доля резервов по ссудам.

Небольшое количество наблюдений не позволяет учесть абсолютно все переменные. Перспективой данного исследования может служить расширение вборки и подбор инструментальных переменных, которые позволят решить проблему эндогенности.

Заключение

Безусловно технология блокчейн является революционной для банковской сферы. Она может быть использована в потребительском кредитовании, а также при совершении розничных и международных платежей и т. д. Более того, данная технология внедряется в банки для того, чтобы снизить издержки как на обработку,хранение информации, так и при денежных переводах.

В работе была предпринята попытка доказать возможность сокращения расходов банка после внедрения блокчейн. Для достижения результата были пройдены некоторые шаги.

Во - первых, была проанализирована теория, а именно описывались принципы функционирования технологии и ее применение в банковской деятельности.

Во - вторых, были рассмотрены методы и модели оценки эффективности блокчейн.

Также была собрана выборка по данным российских банков и проведен анализ данных, построено несколько моделей множественной регрессии с разной спецификацией, выбрана наилучшая модель зависимости расходов банка от финансовых показателей и наличия технологии блокчейн. Были применены методы мэтчинга по индексу склонности, среди которых лучшим оказался метод подбора пар при помощи поиска «ближайшего соседа» в пропорции 1:2.

Ответ на исследовательский вопрос не однозначен. Технология блокчейн действительно эффективна, поскольку ее внедрение сопровождается понижением зтрат на финанасовую отчетность, соблюдение нормативно - правового регулирования, централизованную деятельность и бизнес - операции.

Однако эти результаты распространяются на зарубежные банки, которые подверглись отдельному исследованию (Accenture Consulting, 2017). Что касается настоящей работы, то на данном этапе внедрение технологии сопровождается повышением издержек.

Полученные результаты не полностью соответствуют ожиданиям ввиду ранее указанного ограничения. Так, недавнее внедрение технологии пока не позволяет оценить эффективность блокчейн для банков. Необходимо время для того, чтобы технология окупилась. Также в работе рассматривается первоначальный этап использования технологии, который сопровождается повышенными расходами. Поэтому результаты способствовали отклонению выдвинутой ранее гипотезы.