Optimization of the bank's loan portfolio taken into account of market risk based on the lagrange multipliers method

Cover Page

Cite item

Full Text

Abstract

The article considers the problem of forming an optimal portfolio of commercial bank loans. The subject of the study is the mechanism of bank profit formation through lending to individuals. The relevance of the research topic is due to the fact that at present, in the conditions of increasing competition in the financial services market, one of the urgent tasks of banks is the optimization of loan portfolios. One of the ways to solve this problem is to develop a mathematical model that will allow effectively managing the loan portfolio and optimizing financial risks. An optimization model has been developed and statistical data have been analyzed, on the basis of which regression models are compiled, and the limitations taken into account in the model have been analyzed. The conditions for optimizing the bank's loan portfolio are proposed, allowing for maximizing the bank's profit. Optimization models allow choosing such shares of lending types that maximize the bank's total profit from lending to individuals. A set of conditions for the optimal loan portfolio has also been determined, providing a limit on the risk of interest rate volatility, which is one of the types of market risk. The results of numerical experiments on the example of PAO VTB Bank are presented, showing the economic effect of the proposed developments. The obtained results and the developed models of loan portfolio optimization can be used for planning of the banks' activities. The conducted research expands the scientific framework of understanding the importance of applying optimization processes in compiling the loan portfolio by banks.

About the authors

Michail Ivanovich Geraskin

Samara National Research University

Email: innovation@ssau.ru
Samara

Maria Vladimirovna Ivanova

Samara National Research University

Email: ivanova.maria.ami@gmail.com
Samara

References

  1. БЕРЗОН Н.И., ВОЛОДИН С.Н. Оценка финансовых активов по критерию «Риск – доходность» с учетом длительности инвестирования // Экономический журнал ВШЭ. – 2010. – №3. – С. 311–325.
  2. БОРИСЕНКО Ю.Л. Анализ проблем кредитных отношений в работе банка // Экономика, управление, финансы: теория и практика: сборник. – 2019. – С. 114
  3. ГАРИБОВА У.Н. Построение инвестиционного портфеля по модели г. Марковица // Хроноэкономика. – 2017. – №6(8). – С. 41–46.
  4. ГЕРАСЬКИН М.И., СИМАГИНА С.Г. Управление инновациями: математические методы : учеб. пособие. – М.: Финансы и статистика, 2018.
  5. ДАНИЛОВА Т.Н., СМИРНОВА О. С. Банк как финансовый посредник трансформации сбережений в инвестиции // Финансы и кредит. – 2004. – №11(149). – С. 20–26.
  6. ДУБРОВИН В.И., ЮСЬКИВ О.И. Модели и методы оптимизации выбора инвестиционного портфеля // Радіоелектроніка, інформатика, управління. – 2008. – №1(19). – С. 49–59.
  7. ИВАНЧЕНКО И.С., ОСЕИ Д.Д. Оптимизация структуры российских золотовалютных резервов при помощи модели Блэка – Литтермана // Финансовый журнал. – 2018. – №1(41). – С. 26–38.
  8. КАЛУГИНА Т.О. Применение портфельной теории Марковица при формировании оптимального кредитного портфеля // Современные тенденции в экономике и управлении: новый взгляд. – 2014. – №30. – С. 167–171.
  9. КОРШУНОВА Т.С. Формирование инвестиционного портфеля по модели марковица // Хроноэкономика. – 2021. – №6(34). – С. 37–42.
  10. КРИНИЧАНСКИЙ К.В., БЕЗРУКОВ А.В. Некоторые практические задачи модели оптимизации портфеля // Журнал экономической теории. – 2012. – №3. – С. 142–147.
  11. ЛУПАНДИН В.В., ЕГОРОВ И.С. Применение модели Марковица для расчета оптимального портфеля // Достижения науки и образования. – 2019. – №1(42). – С. 34–35.
  12. МАМЕДОВА Л.M.К., КАЗИМОВ Ш.Э. О. Оптимизация инвестиционного портфеля на основе многокритериальной математической модели на фондовом рынке способом линейной свертки // Проблемы науки. – 2018. – №4(28). – С. 80–85.
  13. ОЛЕКСИК Р.С. Формирование инвестиционного портфеля на основнии модели Марковица // Хроноэкономика. – 2016. – №2(2). – С. 29–31.
  14. ПРОДОЛЯТЧЕНКО П.А. Процесс депозитования в деятельности банка // Финансы и кредит. – 2012. – №47(527). – С. 22–26.
  15. СЕМЕНЫЧЕВ В.К. Методология и цифровая платформа анализа динамики отраслевых циклов для сбалансированного и устойчивого пространственного развития России. – Самара: Изд-во СамНЦ РАН, 2022. – 348 с.
  16. СЕМУКОВА Ю.М. Управление рисками в коммерческом банке // Экономика и бизнес: теория и практика. – 2020. – №6. – С. 512–518.
  17. СИМОНЕНКОВА Е.В. Формирование инвестиционного портфеля по модели Марковица // Хроноэкономика. – 2017. – №6(8). – С. 37–42.
  18. ФЕДОСЕЕВ А.А. Модификация модели Марковица путем учитывания дополнительных характеристик ценных бумаг // Известия ТулГУ. Естественные науки. – 2015. – №3. – С. 117–126.
  19. ФЕДОСЕЕВ А.А. Решение трехкритериальной и четырех¬кри¬териальной моделей Марковица // Известия ТулГУ. Естественные науки. – 2014. – №3. – С. 197–207.
  20. ЧЕРНОВАЛОВ С.С. Способы и инструменты риск-менеджмента при управлении банковскими рисками // Известия СПбГЭУ. – 2012. – №3. – С. 124–127.
  21. https://www.vtb.ru/ir/statements/results/ (дата обращения: 07.05.2023).
  22. https://www.cbr.ru/about_br/dir/rsd_2022-12-29_23_03/ (дата обращения: 23.11.2023).
  23. WALTERS A.A. Production and cost functions: and econo-metric survey // Econometrica. – 1963. – Vol. 31, No. 1. – P. 1–66.

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».