4.2. Розробка моделей і методів вирішення першочергових задач маркетингу в   

 складі МІС комерційного банку

Розв’язання задач маркетингу в складі МІС комерційного банку, визначених нами в попередньому підрозділі, вимагає застосування відповідних методів, форм, технічних засобів, технологій щодо проведення інформаційних робіт, а також інформаційної культури і комп’ютерної грамотності учасників управлінського процесу.

Не зупиняючись на всіх перелічених факторах, зосередимо увагу лише на виборі моделей і методів управління, які дозволяють передбачити майбутні процеси і явища у банківській діяльності і використати найефективніші інструменти маркетингового впливу у процесі прийняття управлінських рішень.

Оцінка і прогнозування попиту на банківський продукт є однією з основних функцій банківського маркетингу. Вирішення задачі оцінки попиту здійснюється в просторі і часі, які відповідно визначаються територією досліджуваного ринку і розвитком попиту – від зародження через становлення до відмирання. Задача прогнозування полягає в тому, щоб на основі дійсного з врахуванням минулого, досліджуючи діючі тенденції, надати найбільш вірогідну картину розвитку даного явища на перспективу. Не торкаючись всіх теоретичних аспектів прогнозування попиту, згадаємо лише про методи і прийоми прогнозування, що відрізняються між собою за інструментарієм, галуззю застосування і науковою обґрунтованістю. На сьогоднішній день існує понад 100 різних методів, які поділяються на якісні (Дельфи, “мозкової атаки”, сценарного розвитку), кількісні (екстраполяція часового ряду – прогноз за середнім відсотком приросту показника попиту, прогнозування на базі ковзкої середньої, експоненційно зваженої середньої, метод Холта, подвійного згладжування Брауна, метод Муїра, модель Холта-Вінтера, модель Бокса-Дженкінса, економіко-математичне моделювання, прогноз на основі індикаторів, аналітичні моделі попиту і споживання, прогноз попиту з використанням коефіцієнту еластичності будь-якого фактора, кореляційний і регресійний аналіз), комбіновані. В складі МІС переважно мають використовуватися кількісні і комбіновані методи.

Визначимо комплекс методів оцінки і прогнозування попиту, які доцільно застосовувати у МІС комерційного банку.

Важливим класом методів отримання очікуваного попиту на банківський продукт є прогнозування часових рядів, тобто процесів, поданих впорядкованою у часі послідовністю спостережень.

У зв’язку з різницею між завданнями коротко- і середньо- (довго-) строковою прогнозування їх доводиться вирішувати різними методами. В першому випадку це методи, засновані на ідеї експоненційного згладжування, що вперше була запропонована Р. Брауном, а у другому – методи вирівнювання і екстраполяції трендів [189;190;191;192].

Позначимо     – ряд фактичних показників попиту в момент часу t (t може бути порядковим номером кварталу, місяця, тижня).

Під стаціонарним будемо розуміти ряд, індивідуальні значення якого, змінюючись у часі, не змінюють середню за достатньо тривалий проміжок часу. Іншими словами, середнє значення попиту за період, що розглядається, не збільшується і не зменшується. Нестаціонарним є ряд, коли середня не залишається сталою, а змінюється у часі. Середня, що змінюється, називається трендом.

Тренди розрізняються за характером (лінійні, сезонні, сезонно-лінійні) і за типом (адитивні, мультиплікативні, комбіновані). Характер тренду визначає середню, а його тип - відхилення від середньої. Ряд з лінійно-адитивним трендом має середню, яка збільшується (зменшується) приблизно на однакову величину за момент часу, що розглядаються. При цьому розсіяння відхилень фактичних значень біля тренду є приблизно постійним. Значення попиту при лінійно-мультиплікативному тренді буде більше (або менше) попереднього значення приблизно на однаковий відсоток за проміжок часу, що розглядається. З часом збільшується не тільки середня, але й розсіяння індивідуальних значень попиту біля середнього (тренду). Для моделей комбінованого типу характерним є сезонний тренд, який в свою чергу може зростати (або спадати) лінійно.

До практичного застосування у разі постійно зростаючого (спадаючого) попиту, тобто лінійно-мультиплікативного тренду, вважаємо за можливе рекомендувати прогноз за середнім відсотком приросту показника попиту. Маємо часовий ряд значень попиту на певний банківський продукт – ряд . Обчислюємо відсоток приросту за періодами          i=1, ..., n-1, і середнім

  відсотком приросту    

.Прогнозоване значення величини попиту  у період  n+1  обчислюється таким чином:     

Продовження прогнозу полягає в тому, що прогнозні значення попиту замінюються фактичними, і/або відбувається зрушення відомих значень попиту у ряду на одиницю праворуч.

Традиційним методом прогнозування майбутнього значення попиту є усереднення його минулих значень [190, с.19]. Формально ковзка середня    m_i  визначається як   або 

, де d _i  – значення попиту за період t

Обчислене значення  m_i у випадку стаціонарного ряду припускається рівним прогнозу очікуваного значення попиту в майбутньому не тільки на найближчий прогноз, але й наступні. Якщо прогноз здійснюється, наприклад, на 6 місяців вперед, то очікувані значення величини попиту на 5 останніх місяців бажано модифікувати по закінченні першого прогнозного місяця.

Ковзка середня має ряд особливостей:

-                     на початку її обчислення необхідно мати   (n-1)   минулих значень спостережень;

-                     даним, що включені до процесу ковзкої середньої, надається однакова вага. Вага окремого спостереження, що входить до ковзкої  середньої, дорівнює 1/n, а для спостережень відсутніх 

в ній, - нулю. При цьому більш свіжі дані мають ту саму вагу, що й старі. Разом з тим очевидно, що останні дані мають важливіше значення і тому повинні мати і більшу вагу. З метою усунення цього недоліку існує процедура усунення з різними вагами. Сума ваг має бути рівною одиниці для того, щоб відповідні величини були середніми значеннями;

-                     чутливість ковзкої середньої обернено пропорційна  n - числу точок, що входять до середньої, тому без зміни n чутливість змінити неможливо.

Більшість з перелічених недоліків ковзкої середньої усувається, коли система ваг є експоненційною. Експоненційно зважена середня має ряд переваг перед ковзкою середньою:

-                     з метою побудови прогнозу за експоненційно зваженою середньою треба задати лише початкову оцінку прогнозу. Подальше прогнозування відбувається при надходженні нових даних. Отже, немає необхідності заново будувати процедуру обчислення прогнозу, як це здійснювалося в методі ковзкої середньої;

-                      на відміну від методу ковзкої середньої відсутня точка, на якій ваги уриваються, тобто зануляються;

-                     з метою обчислення експоненційно зваженої середньої u_i вимагається тільки минуле значення u_i-1  і поточне значення d_i;

-                     чутливість експоненційно зваженої середньої з метою підвищення адекватності прогностичної моделі може бути змінена за бажанням особи, що приймає рішення, шляхом вибору іншого значення a. Чим більше a, тим вища чутливість середньої, чим менше a, тим стійкішою стає експоненційно зважена середня. Рекомендується обирати значення a з проміжку [0,05;0,3]. Метод застосовується загалом для стаціонарного ряду.

Ряд ваг, спадних у часі за експоненційним законом, визначається наступним чином:     

Сума даного ряду прямує до одиниці, а члени спадають у часі, якщо  Î  [0,1]. За допомогою цих ваг експоненційно зважена середня ряду  запишеться як:

 ,                                   (4.18)

  Перепишемо (4.18) в еквівалентній формі: 

  ,                    (4.19)

  За допомогою (4.18) виразимо   через інші члени послідовності і отримаємо:   

  Сума членів у квадратних дужках (4.19) і є  . Тому, підставляючи у рівняння (4.19), отримуємо рекурентне співвідношення: 

 ,     (4.20)

  Рівняння (4.20) є основним і визначає просту експоненційно зважену середню. На його основі будуються інші моделі експоненційного згладжування.

При лінійно-адитивній моделі тренда припускається, що середня попиту   змінюється лінійно у часі, тобто:

 ,        (4.21)

  де   - середня ряду;

 - швидкість її зростання в залежності від t;

   - випадкова похибка з нульовим зростанням.

У методі Холта фактор зростання  оцінюється за коефіцієнтом  , який обчислюється як експоненційно зважена середня різниць між поточними експоненційно зваженими середніми значеннями процесу   та їхніми попередніми значеннями . Особливість методу полягає у тому, що обчислення поточного значення   охоплює обчислення минулого значення показника зростання , адаптуючись до попереднього значення лінійного тренду. Аналітичні залежності в методі Холта мають такий вид:

де А і В  - параметри;

         - період упередження;

 - горизонт прогнозування;

  - прогноз збуту на момент часу .

Значення  А і В  рекомендується брати відповідно 0,1 та 0,01. А взагалі  А  Î [0;1],  В  Î [0;1].

В умовах лінійного тренду експоненційно зважена середня (4.20) завжди менша за лінійний тренд на величину lag =

де  - коефіцієнт, що визначається рівнянням (4.21).

Браун показав, що подвійна експоненційно зважена середня  , що задається рівнянням  , також менша за початкову ковзку середню   на ту саму величину, на яку  меша за d_t . Отже, за оцінку поточного значення  можна взяти .

Проте в умовах стійкості фактичну різницю можна прирівняти до її оцінки, тому , де  

замінюється своєю оцінкою b_t. . Звідси 

Отже, прогноз за період   дорівнює , або

                                                                            (4.22)

У разі прогнозу на один період (r = 1)  (4.22) спрощується:

Згідно з другим методом Брауна припускається, що коли ряд значень попиту можна описати певною моделлю, то бажано застосувати регресійний аналіз на основі зваженої регресії, тобто більше уваги слід приділяти тій інформації, що надходить пізніше. Даний метод заснований на способі обчислення оцінок за методом мінімізації зваженої суми квадратів похибок прогнозу у разі лінійно-аудитивного тренду.

Оцінка за зваженим методом найменших квадратів дорівнює   , де       , ,

Даний метод зваженої регресії має ряд переваг:

-                     метод є однопараметричним; параметр задає коефіцієнт дисконтування, аналогічний параметру  в інших методах; рекомендується брати  ;

-                     коефіцієнти прогностичної моделі оцінюються спільно, що зменшує автокореляцію;

-                     метод вимагає простих обчислень.

Якщо відомі прогнозні значення величини попиту, отримані різними кількісними і якісними способами, доцільно застосувати в МІС комбіновані методи прогнозування попиту на банківський продукт. Використовуючи ці прогнози, необхідно визначити, на яку все ж таки величину попиту слід орієнтуватися. Критичний аналіз можливих підходів до вирішення даної проблеми дозволяє виокремити чотири методи: комбінований якісний метод, метод усереднення, комбінований метод використання кореляційно-регресійного аналізу і метод інтегрованого прогнозу попиту.

Комбінований якісний метод припускає, що відома фактична величина попиту   у момент t і отримані прогнозні значення в момент  (t+1), причому всі вони мають рівну ймовірність і впорядковані у порядку зростання  , де  m  – кількість прогнозів за період   (t+1). Тоді прогнозоване значення обирається залежно від ринкової ситуації, що складається, і маркетингових дій банку. Наприклад, якщо банківський продукт перебуває в стадії життєвого циклу “підйом” або “зрілість”, тоді слід орієнтуватися на прогнозовані значення, близькі до . І навпаки, якщо продукт входить до стадії “старіння” (“занепаду”), необхідно обирати значення, близькі до . Аналогічно, якщо банк має намір знизити ціни, провести потужну рекламну компанію, тоді прогноз має бути близьким до , пасивна поведінка як банку, так і його конкурентів дає лише слабку надію на очікувану величину попиту . Таку процедуру можна бути продовжити для наступних періодів t+2, t+3 тощо. Проте, коли величини , ,   мають різну ймовірність здійснення  , доцільно обрати той прогноз, який має більшу ймовірність появи, а саме:

, для якого

Суть наступного методу – усереднення – полягає в наступному. Нехай прогноз різними методами дає множину значень у порядку зростання  . Припустимо, що величина попиту   є випадковою величиною, розподіленою за     β – розподілом. Математичне очікування β – розподілу визначається за формулою:

, а дисперсія - , де

мінімальна величина прогнозованого попиту;    - максимальна величена прогнозовапного попиту; - найбільш ймовірна величина попиту.

В нашому випадку припускаємо  , ,

Якщо припустити, що величина попиту є випадковою величиною, розподіленою за нормальним законом, то:

Тоді ймовірність того, що величина попиту   буде менше за очікувану величину  , визначається таким чином:

P , де   – функція Лапласа   , ,

 де  – очікувана величина попиту.

Значення функції  табульовані. Тому, задаючи рівень ймовірності появи прогнозованої величини попиту, що вимагається, можна знайти значення  .

В свою чергу, комбінований метод використання кореляційно-регресійного аналізу прогнозування попиту складається з таких кроків:

1.                 Вивчення часового ряду динаміки розвитку попиту на банківський продукт (ретроспективний аналіз):  .

2.                 Підбір апроксимуючої функції  за точками  n , тобто такої, яка дає мінімальну похибку.

3.                 Складання прогнозу за побудованою моделлю на  L  періодів, .

4.                 Прогнозні значення попиту L періодів   приймаються за значення одного з методів прогнозування.

5.                 Припускаємо, що інші кількісні і якісні, в тому числі й експертні методи, дають наступні значення попиту:  ,  .

6.                 Маючи   значень величини попиту в кожному з  L  періодів, можна застосувати процедуру усереднення цих значень в кожному періоді, використовуючи або процедуру обчислення середніх значень, або процедуру обчислення медіани Кемені. Таким чином, отримуємо усереднені значення попиту  L в точках  .

7.                 Приєднуємо ці значення до наявних фактичних значень в n  точках, отримуємо динамічний ряд: .

8.                 Далі будуємо ряд довжини  n   . Для даного ряду підбираємо апроксимуючу функцію f₂  за n  точками.

9.                 Обчислюємо значення функції   f₂  в точках  . Отриманий ряд може бути прийнятий за прогнозовані значення величини попиту.

І, нарешті, застосовуючи метод інтегрованого прогнозу попиту, припускаємо, що на момент часу  t   є   прогнозів, отриманих різними методами:  . Зміст даного методу полягає в тому, що отримані прогнози засновані, як правило, на різних посиланнях і різній інформації про динаміку попиту, тому їхнє сумісне використання допомагає точніше описати і прогнозувати цю динаміку. Таким чином, ідея методу полягає в об’єднанні прогнозів, що отримані за окремими моделями.

Аналогічно інтегральний метод прогнозування полягає в тому, щоб подати прогноз у вигляді зваженої суми часткових прогнозів:

  ,                                                                                                        (4.23)

де   S^t– комбінований прогноз для моменту часу ;

 – ваговий коефіцієнт, що відповідає  -му прогнозу,  .

При цьому необхідним є виконання умови нормування 

Головна складність, яка виникає при використанні (4.23), полягає у визначенні коефіцієнтів  , що відображають значущість тих чи інших прогнозів. Врешті-решт від обраних коефіцієнтів здебільшого буде залежати якість самого комбінованого прогнозу.

Коефіцієнтам значущості  можна надати  такого економічного змісту:  – це ймовірність здійснення  -го прогнозу попиту (при збереженні умов нормування).

Таким чином, слід відмітити, що розглянуті методи і моделі не вичерпують того розмаїття методів і моделей прогнозування попиту на банківські продукти, але вони дозволяють користувачеві швидше орієнтуватися і обирати найбільш слушний спосіб прогнозування.

Ще однією, не менш важливою, ніж оцінка і прогнозування попиту на банківський продукт, є така функція банківського маркетингу у складі МІС, як оцінка стратегічних позицій і вибір напрямів діяльності банку.

При аналізі стратегічних позицій банку на ринку банківських послуг мають бути виявлені основні напрями діяльності в минулий і дійсний період, головні стратегічні установки та їх зміни за весь період функціонування банку, а також стратегічні завдання на майбутнє. Тому одне з чільних місць у маркетингу посідає продуктова політика. Її провадження передбачає здійснення систематичних досліджень на всіх етапах розробки і вдосконалення продукту.

В дійсний час розроблено цілий ряд моделей, які можуть бути корисними під час прийняття стратегічних рішень [94; 95; 107; 193]. Проте, практичне застосування моделей залежить від конкретних умов і, крім того, вимагає опрацювання автоматизованих процедур (задач) їхньої реалізації.

При плануванні маркетингової стратегії в частині асортименту продукції застосовується матриця Бостонської консультаційної групи БКГ [107, 193]. З метою точного визначення місцезнаходження банківського продукту на ринку і вибору для нього маркетингової стратегії пропонується модифікація даного методу. Сутність методики полягає в наступному. Класична матриця БКГ, що вміщує чотири зони позиціювання продукту, замінюється тривимірною, координатами якої служать комплексні показники: “привабливість ринку банківського продукту”, “конкурентна позиція комерційного банку”, “конкурентоздатність банківського продукту”. Кожний показник характеризується набором критеріїв, наведених у таблиці 4.10. Критерії оцінки та джерела інформації обрані, виходячи з основних напрямків маркетингових досліджень при формуванні продуктової політики. Передусім, це дослідження можливостей банку і конкурентного середовища, вивчення ринку і врахування впливу зовнішніх факторів.

  Таблиця 4.10

Критерії, що використовуються при розрахунку комплексних показників

З метою комплексної оцінки місцезнаходження банківського продукту на ринку за приведеними критеріями необхідно створити базу даних, що вміщує чотири файли: 1) техніко-економічні характеристики банку та його конкурентів; 2) динаміка фінансового стану комерційного банку; 3) техніко-економічні показники банківських продуктів, що пропонуються банком, його конкурентами; 4) динаміка ринку банківських продуктів. Оцінка “конкурентної позиції комерційного банку” здійснюється на основі аналізу власних можливостей у порівнянні з конкурентами, тобто використовується інформація першого та другого файлів. Розрахунок показника “привабливість ринку банківського продукту” вимагає даних, що містяться в файлі динаміки ринку банківських продуктів. При цьому враховуються такі фактори як державне регулювання, рівень банківських ризиків та ін. Показник “конкурентоздатність банківського продукту” оцінюється за допомогою інформації, що міститься у файлі техніко-економічних показників власних продуктів і продуктів -  конкурентів.

Методика розрахунку комплексних показників заснована на бальних оцінках критеріїв та їхніх коефіцієнтах значущості, що встановлюються експертами, в якості яких можуть виступати фахівці відділу маркетингу, маркетингової інформації, керівництво банку і в залежності від виду банківського продукту (депозитні, кредитні, інвестиційні та ін.) фахівці відповідних управлінь та відділів. Бальні оцінки, що надаються експертами, приймають значення від 1 до 10. Введемо такі позначення:

 – кількість банківських продуктів, що розглядається в асортиментній політиці;

 – індекс продукту, ;

 – номер комплексного показника, =1, 2, 3;

 – кількість критеріїв, що використовується для розрахунку -го показника;

i  – номер критерія, ;

 – вага і-го критерію за k - м показником, ;

 – значення і-го критерію за k - м показником  для продукту t  (бальна оцінка).

Тоді фактична оцінка і - го критерію за k - м показником продукту t з врахуванням вагових каефіцієнтів  обчислюється за формулою .

Ідеальне, тобто максимальне або найкраще значення і-го критерію за k - м показником продукту t    з врахуванням ваги визначається як добуток вагового коефіцієнту і максимальної бальної оцінки критерію, а саме:

Значення k - го показника за продуктом t , що має вираз у відсотках, розраховується за формулою:

,                                                                                     (4.24)

Якщо значення критеріїв виражені в натуральній, вартісній або відносній формі і отримані за групою банків-конкурентів або продуктами-аналогами, тоді бальні оцінки критеріїв доцільно розраховувати, а не застосовувати для них метод експертизи. З цією метою може бути використана залежність:

                                                                            (4.25)

де  Z_i– бальна оцінка інформаційного критерія (безрозмірна величина);

 T_max– максимальна кількість балів за шкалою оцінок (припускаємо T_max=10 );

 T_min– мінімальна кількість балів за шкалою оцінок (припускаємо );

 P – фактичне значення і-го критерію для оцінюваного продукту (банку), виражене в натуральних одиницях (грн.);

P_max,  P_max– відповідно найменше і найбільше значення і-го критерію в ряді конкурентів.

Щоб не ускладнювати (4.25), в ній не проставлені номер комплексного показника, індекс продукту, а також номер банку-конкурента. Проте наведена формула є універсальною для будь-якого показника і застосовується як для оцінки критеріїв за банками, так і за продуктами.

Значення комплексних показників  отримані в результаті розрахунку за (4.24), потрапляють в один з трьох інтервалів: від 0 до 33, від 33 до 67, від 67 до 100. В результаті такого розбиття значень показників на три інтервали продукт, що аналізується, займає одне з 27 можливих положень в тривимірній матриці позиціювання продукту.

Номери кубиків даної матриці відповідають номерам маркетингових стратегій, які рекомендується впроваджувати у продуктовій політиці. Виокремлено 5 основних стратегій і 22 додаткові, що розвивають і конкретизують основні (табл. 4.11). Вони слугують для опрацювання дій банку щодо зміни ринкової частки, проведення інвестиційної, програмної і збутової політики згідно зі статусом банківського продукту, який він має.

Маркетинговій стратегії №1 підпорядковуються продукти, що користуються підвищеним попитом, які до того ж відрізняються високою якістю. З метою задоволення попиту клієнтів банк пропонує значну кількість модифікацій продукту. Відбувається зростання продажу до досягнення максимуму. Проте все більше банків виходять з тими самими продуктами на ринок. Через посилення конкуренції падають ціни, тому зростає роль ціни як визначального фактору у купівлі продукту.

Маркетинговій стратегії №2 підпорядковуються продукти, які підлягають вилученню з продуктового ряду. Обсяг збуту цих продуктів спадає. Банки починають виходити з конкурентної боротьби, кількість конкурентів зменшується. Ціни на продукти низькі, прибуток різко скорочується. Ці продукти поступово замінюються на нові, які відповідають вимогам ринку.

Таблиця 4.11

Відповідність значень комплексних показників маркетинговим стратегіям (вибірка)  

Маркетингова стратегія №3 застосовується до продуктів, які вимагають вдосконалення або модернізації. Тут вимагаються значні інвестиції. Продуктова політика зазнає жорсткої спеціалізації. Вона буде оптимальною для ефективної діяльності невеликого банку, або коли банк має статус спеціалізованого.

Маркетингова стратегія №4 поширюється на продукти “нової хвилі”. Банк виходить на ринок з принципово новим продуктом і звичайно займає виключне положення на ринку. Конкуренція практично відсутня. Прибутку поки що теж немає, або він є незначним. Клієнт інертний стосовно продукту, який щойно з’явився на ринку. Необхідно переконати клієнта випробувати новий продукт. Крім того, дана стратегія рекомендується для продуктів, котрі починають продаватися масово. Зростає обсяг продажу, банк починає отримувати прибуток.

Маркетинговій стратегії №5 рекомендується для продуктів, що активно продаються на ринку. Ринок насичений даним видом продукту. Зменшується обсяг продажу даного виду банківського продукту. Основний попит виходить від консервативних клієнтів, в той самий час, як новатори шукають продукт-аналог. Банк прагне подальшого вдосконалення продукту і шукає для нього нові сфери застосування.

Розроблена процедура, на нашу думку, може служити зручним інструментом у процесі формування продуктової політики банку і при опрацюванні інших політик в залежності від обраних маркетингових стратегій. Слід зазначити, що запропоновані маркетингові стратегії є типовими, мають рекомендаційний характер і в реальних умовах мають бути уточнені, а також доповнені числовими даними, необхідними для тактичного і стратегічного управління банком.

Будь-якому банку доводиться постійно здійснювати аналітичну роботу щодо вибору з багатьох потенційних ринків таких, які для нього є найпривабливішими, на яких з найменшими витратами можна досягти комерційного і фінансового успіху.

Крім того, аналітичну роботу періодично корисно виконувати й щодо тих ринків, на котрих банк вже достатньо довго реалізує свої продукти.

Пропонуємо наступну методику щодо вибору і перегляду ринків банківських продуктів.

В результаті обстеження ринків формується прямокутна матриця , ; ; де  – значення j -тої характеристики i -го ринку. Слід зауважити, що нами не розглядається питання планування експерименту, зокрема, які саме характеристики і яким чином вимірювати. Можна вважати, що в даній матриці відображені всі доступні до спостереження характеристики ринків. Вибір здійснюється на підставі показника інформативності кожної з характеристик, або на підставі результатів порівняння матриць близькості між об’єктами , , де, наприклад, , .

Всі можливі критерії діляться на кількісні та якісні. Найістотнішими кількісними критеріями є місткість ринку, частка ринку, розміри інвестицій, темп зростання ринку, госторота конкуренції, рентабельність операцій, географічне положення ринку тощо.

До якісних критеріїв, що оцінюються за порядковою (бальною) шкалою, відносяться стабільність політичного і правового режиму, характер міждержавних відносин та ін.

Існує три типи задач класифікації ринків банківських послуг, які можуть бути вирішені різними методами (табл. 4.12).

На практиці частіше за інші вирішується задача ранжування ринків за одним певним показником, оскільки метод, що застосовується для її розв’язання, є найбільш тривіальним. В той самий час досить простим та ефективним є метод 2.2, що враховує характеристики ринків як критерій.

Нижче розглянуто цей метод оцінки у вигляді лінійного узагальненого критерію, який є згорткою часткових критеріїв з відповідними ваговими характеристиками.

Отже, в результаті дослідження ринків здійснюється їх ранжування, тобто розміщення по мірі спадання інтересів банку до цих ринків у залежності від умов продажу на них банківських продуктів.

Ранжування ринків здійснюється за такими критеріями:

Місткість ринку. Чим більше обсяг продажу банківського продукту, аналогічного або близького за характеристиками до продукту, що пропонується комерційним банком, тим вище ймовірність його продажу на даному ринку. Якщо кількість ринків, що аналізуються, п означити як N, то ранжування буде мати  вигляд , де  – місткість ринку ij ; .

Таблиця 4.12

Задачі класифікації ринків банківських продуктів і методи їх вирішення  

Найбільший пріоритет за даним показником має ринок з номером j1 .

2. Частка ринку. Чим вища частка ринку банку, тим краще. Частка i -го ринку може бути розрахована за формулою , де  – обсяг реалізації продукту на і - му ринку за одиницю часу;  – місткість і - го ринку, що взята за аналогічний проміжок часу.

3.                Темп зростання ринку. Ринки, що характеризуються оперативнішими темпами зростання, можуть розглядатися як привабливіші, ніж ринки з уповільненими темпами зростання за умови, що інші показники приблизно однакові. Якщо  - очікуваний темп зростання на ринку ki , то ранжування буде виглядати так: ; . Тут ранжування за даним показником буде подано як , тобто .

4. Розміри інвестицій. Ринки, що характеризуються відносно низькими чи помірними розмірами інвестицій, є привабливішими у порівнянні з тими ринками , де розміри інвестицій потребують мобілізації всіх ресурсів банку. Якщо позначити І_L – обсяг інвестицій (гр. од.), що вкладаються на цільовий ринок, то пріоритети встановлюються такі: I_L1 £ I_L2 £ … £ I_LN, тобто за даним показником найбільш привабливим є ринок з номером L1.

5. Рентабельність операцій. Ринки з більш високими показниками прибутку на інвестиції (ROI, ROA) чи рівнями доходів від операцій є привабливішими, ніж ринки з низькими відповідними показниками. Якщо ці показники приблизно однакові, додатково береться до уваги фінансовий та комерційний ризики, що характеризують умови певного ринку. Ринки з меншим рівнем ризику вважаються привабливішими.                                                           

6. Гострота конкуренції. Цей критерій може охоплювати такі показники: економічні (наприклад, які виражають ціну споживання); організаційні, що характеризують умови надання послуги; класифікаційні, які виражають належність до певного виду послуг; нормативні, що показують відповідніСТЬ послуги нормам, стандартам і правилам; конструктивні, що демонструють технічні рішення; ергономічні, що відображають відповідність послуги властивостям людського організму, психіки; соціальні, з допомогою яких відображується відповідність послуги особливості особи, соціальної групи і суспільства загалом; естетичні, що характеризують здатність послуги викликати позитивні емоції при зоровому сприйнятті умов її надання [194, с. 153]. Нами запропоновано характеризувати гостроту конкуренції такими показниками, а саме: технологічний рівень продукту, ціна банківського продукту, показник відносної корисності банківського продукту.

Розглянемо, насамперед, технологічний рівень банківських  продуктів – аналогів банку q       на ринку r (U_qr), де  q = 1: Q; r = 1: N.

Позначимо U _q(0)r – технологічний рівень продукту даного комерційного банку, призначеного для ринку r. Тоді матриця технологічного рівня продуктів – аналогів на різних ринках буде виглядати так:

Стовпець матриці являє собою технологічний рівень продуктів-аналогів банків-конкурентів на кожному з N ринків. Визначимо тоді отримаємо вектор  найвищого технологічного рівня на кожному з ринків.

Якщо виконано умову:

,                                                                                           (4.26)

тоді технологічний рівень продукту банку, що аналізується, вищий за технологічний рівень продуктів-конкурентів, отже, ринок r є перспективним щодо збуту продукту.

Якщо таких ринків декілька, можна припустити, що найбільший попит буде на ринку , номер якого визначається з умови  .

Якщо умова (4.26) не виконується для всіх r, , тоді аналогічну процедуру можна повторити, тобто , потім  тощо.

Проте, в цьому випадку слід чітко уявляти, що за показником технологічного рівня банківського продукту банк, що аналізується, програє принаймі одному провідному конкуренту на кожному ринку.

Гостроту конкуренції також характеризує ціна продуктів-аналогів  банку  на ринку , де    Позначимо - ціна продукту даного банку, що призначена на ринку . Тоді матриця цін продуктів-аналогів на різних ринках буде мати вигляд:

У матриці стовпці характеризують ціни продуктів-аналогів банків-конкурентів на кожному з ринків. Визначимо , ,  тоді отримаємо вектор  мінімальних цін на ринках.

Якщо виконано умову:

,                                                                                           (4.27)

тоді ціна продукту банку, який аналізується, є мінімальною на ринку , отже, він є перспективним для реалізації даного продукту. Коли таких ринків декілька, то за всіх інших рівних умов найбільший попит буде на ринку , номер якого визначається з умови .

Якщо умова (4. 27) не виконується для всіх , то у банка, що аналізується, на кожному ринку є принаймі один головний конкурент за показником „ціна”. За бажанням, використовуючи аналогічну процедуру, можна ранжувати за даним показником всіх провідних конкурентів на всіх ринках, що розглядаються.

Ще одним показником, який характеризує гостроту конкуренції, є відносний показник корисності продукту на кожному з ринків : , , , де  - технологічний рівень продукту банку  на ринку ;  - ціна продукту даного банку , що призначена на ринку .

Відносний показник об’єктивніше характеризує гостроту конкуренції, ніж два попередніх, оскільки об’єднує технологічні та економічні характеристики продукту.

 - показник відносної корисності банківського продукту банку, що аналізується, по ринку . Матриця відносних показників буде виглядати так: , , .

Чим більшим буде значення відносного показника, тим більшу конкурентоздатність матиме банківський продукт. Для кожного  обчислюємо , , .

Гострота конкуренції на кожному ринку тим менше, чим більше величина при >0. І навпаки: чим ця величина менше при <0, тим меншою є конкурентоздатність даного банку на цьому ринку. Визначимо: , . Тоді найсприятливішим ринком за відносним показником буде ринок , що визначається з умови: .

Для кожного ринку можна розрахувати узагальнений показник на основі часткових конкурентів за такою формулою: 

,

де  - значення узагальненого критерію ринку;

М – загальна кількість критеріїв, що розглядаються;

і – номер критерію;

 - ваговий коефіцієнт і - го критерію;

 - найкраще значення і - го критерію на всіх ринках, що розглядаються;

 - значення і - го критерію на ринку  для банку, що аналізується.

Чим більшим є значення узагальненого критерію, тобто чим ближче значення  до нуля, тим менше відхилення фактичного значення показника від найкращого показника з тих, що розглядаються, з урахуванням вагових коефіцієнтів і тим привабливішим є ринок для банку.