Прогнозирование состояния рынка пластиковых карт в России

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ

ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ

«НИЖЕГОРОДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

ИМ. Н.И. ЛОБАЧЕВСКОГО»

ИНСТИТУТ ЭКОНОМИКИ  И ПРЕДПРИНИМАТЕЛЬСТВА

Курсовая  работа по дисциплине:

«Прогнозирование и планирование»

На тему: «Прогнозирование состояния рынка пластиковых карт в России»

Работу выполнил:

 Студент 4 курса

Заочного отделения

Кафедры : «ГМУ»

Группы 743-8к

                                                                                                             Андреева Е.В.                                                                    

Номер зачетной книжки

                                                                                     №_______________

Проверил:

кандидат экономических наук,

доцент Соменкова Н.С.

Н.Новгород 2014г.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

В последние годы тема электронных денег принимает все большую актуальность. Эксперты, анализирующие тенденции создания нового экономического пространства с общей валютой, в своих отчетах делают упор на тематику пластиковых карточек. На сегодняшний день стремление к созданию единого платежного пространства и соответственно выбор платежных инструментов - это действительно современные тенденции во всех государствах.

Выпуск банковских карт сразу завоевал популярность у населения, к использованию карт как средства платежа люди вследствие российской ментальности до сих пор относятся с недоверием. Задача банка в данном случае заключается в устранении предрассудков у населения. Для этого создаются все новые и новые проекты с использованием банковских карт. Сам по себе кусочек пластика, не наделенный возможностью функционирования в платежной системе, не представляет никакого интереса. Основной интерес представляет именно использование пластиковых карт как средство платежа.

Российские банки активно работают с международными системами, но вместе с тем они участвуют в конкурентной борьбе за лидерство на внутреннем рынке высоких технологий, формируя свои электронные режимы платежей и расчётов или объединённые виды пластиковых карт. Большинство банков пошло по пути комбинирования выпуска международных карт и участия в российских системах с выпуском собственных индивидуальных карт. Что касается зарубежного опыта, то выпуск банком пластиковых карт разных систем выступает довольно распространённой практикой.

Осуществление удалённого обслуживания даёт возможность банкам существенно расширить собственную сбытовую сеть, использовав меньше средств, чем на основание и содержание филиальных сетей; уменьшить себестоимость и расширить перечень предоставляемых услуг; поднять качество и скорость обслуживания; закрепиться на новых территориальных рынках с минимальными затратами.

Исследования данного рынка чрезвычайно актуально в условиях перехода нашего государства к рыночной экономике, что обусловило выбор данной темы курсовой работы.

Объектом исследования работы является состояние рынка пластиковых карт в России.

Предмет исследования – будущее рынка пластиковых карт в краткосрочной перспективе, а также пути и способы достижения этого состояния.

Целью курсовой работы является составление прогноза развития рынка пластиковых карт и обоснование его точности.

В соответствии с поставленной целью в работе сформулированы следующие задачи:

1. Рассмотреть основные подходы к прогнозированию рынка пластиковых карт в России.
2. Охарактеризовать рынок пластиковых карт в РФ как объект прогнозирования.
3. Составить прогноз развития рынка пластиковых карт в РФ.

Методом исследования является оценка и анализ специальной литературы, электронных ресурсов.

Теоретическую и методологическую основу исследования составляют научные труды отечественных и зарубежных авторов в области рынка пластиковых карт, периодические издания, электронные ресурсы.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОГНОЗИРОВАНИЯ РЫНКА ПЛАСТИКОВЫХ КАРТ В РОССИИ

1.1. Основные подходы к прогнозированию рынка пластиковых карт в России

Банковские карты являются одним из наиболее динамично развивающихся инструментов расчётов и за последние десятилетия кардинально изменили схему взаимоотношений между покупателями и продавцами как в России, так и за рубежом. В настоящее время уделяется повышенное внимание анализу показателей рынка карт как со стороны непосредственных участников рынка карт, так и со стороны внешних пользователей экономической информации: независимых экспертов, потенциальных партнёров, органов государственного регулирования. Поскольку все сектора экономики и социальной жизни охвачены процессами информатизации и автоматизации, то уровень развития рынка банковских карт можно рассматривать как один из критериев, характеризующий положение страны в мировом экономическом пространстве.

О масштабах рынка банковских карт свидетельствует прежде всего международная статистика. Очевидно, что в международном опыте использование платёжных карт при оплате товаров и услуг является устоявшейся практикой. Объёмы рынка банковских карт продолжают умеренно расти, о чём свидетельствуют показатели темпов роста. Учитывая тот факт, что развивающиеся рынки имеют как наиболее высокие темпы роста и прироста, так и риски, потенциально связанные с внедрением новых технологий, можно сделать вывод, что рынки банковских карт Франции и США быстрее адаптируются к изменяющимся условиям и появлению новых инноваций, позволяющих развивать бизнес и продвигать услуги, стимулирования активности участников рынка.

Для прогнозирования количества банковских карт используются следующие подходы:

• экстраполяционный подход – предполагает, что экономическое и другое развитие происходит гладко и непрерывно, поэтому прогноз может быть простой проекцией, то есть экстраполяцией, прошлого в будущее. Следовательно, для составления  данного прогноза необходимо оценить прошлые показатели деятельности и тенденции их развития и перенести эти тенденции в будущее;
• при модельном подходе определяется функциональная зависимость развития количества ПК от факторов на него влияющих.

Модельный подход является наиболее точным, но более наукоёмким.

На практике данный подход реализуется через такие методы прогнозирования как экономико-математическое моделирование и экстраполяция.

Экономико-математическое моделирование представляет собой установление значимой статистической зависимости исследуемого объекта от одного или нескольких факторов, являющихся более предсказуемыми.

Экстраполяция как метод прогнозирования подразумевает составление перспективы исходя из практики за предшествующие периоды и предположения, что тенденции и темпы экономического развития в будущем значительно не изменятся.

 Одним  из важнейших показателей, характеризующих  рынок банковских карт, является  показатель объёма операций, совершённых  с их использованием (транзакций). Результаты анализа динамики  этого показателя демонстрируют  общую тенденцию поведения держателей  банковских карт и позволяют  сделать предварительные выводы  относительно особенностей влияния  социально-экономической среды на  развитие рассматриваемого платёжного  инструмента.

Нормативно-экспертный метод, используется в США для анализа рынка пластиковых карт. Этот метод предполагает использование в качестве базовых показателей некоторых характеристик процесса, которые либо не изменяют своих значений, либо имеют достаточно устойчивую тенденцию их изменения, которая может быть оценена экспертом.

1.2. Обоснование  выбора метода прогнозирования  рынка пластиковых карт в РФ

В данной курсовой работе для прогнозирования рынка пластиковых карт  будет применен метод экстраполяции.

Суть данного метода заключается в первую очередь в анализе имеющихся сведений об экономических событиях, которые уже происходили до этого. Эксперты подробно разбирают все ситуации, составляя причинно-следственные связи. Это первостепенная задача в экономике, особенно при составлении программ развития.

Метод экстраполяции предполагает проверку показателей имеющихся данных, на основе чего можно предсказать возможные изменения. Сведения об изменениях в прошлом переносятся на события, которые должны случиться в будущем.

Проводя анализы данных, специалисты выявляют закономерности и тенденции, способные помочь разбираться в экономических ситуациях. Данные принципы представляют собой метод экстраполяции и его суть.

Различные эксперты могут давать свои трактовки данному методу, а также они с разной долей уверенности относятся к подобному подходу. Тем не менее, эффективность его доказана, поэтому исключать его во время прогнозирования нельзя. Метод экстраполяции позволяет лучше всего разобраться в ситуации и представить, какими именно путями будут развиваться события.

Чаще всего метод экстраполяции в прогнозировании проявляется в выявлении данных об изменениях в виде статистических закономерностей. Составляются специальные схемы и графики, которые отражают особенности всего процесса.

Использование данного метода достаточно сложно, потому что требует оперирования огромным количеством экономических показателей. Объёмы информации достигают огромных размеров. Чтобы добиться наибольшей эффективности, приходится составлять вертикальную и горизонтальную координацию.

Для внедрения в любую финансовую структуру требуется, в первую очередь, широкая поддержка со стороны управления на всех уровнях, начиная от наивысшего и кончая руководителями на местах или главами конкретных отделов.

Помимо этого, требуется перестраивать особенности восприятия новых сведений, чтобы можно было изучать данные прошлого и переносить их на перспективу. Экстраполяция неразрывно действует с методом контроля, который предполагает глубокий анализ всех сведений, а после этого их уже можно переносить на будущее.

Чтобы рассмотреть, как действует метод экстраполяции, пример можно привести следующий: фирма планирует выстроить долгосрочные отношения на рынке. Она занимается анализом рынка и начинает работу. По итогам определённого периода специалисты изучают уровень продаж, на основе чего они могут спрогнозировать успешность ведения в будущем. Сюда добавляется изучение рынка и особенности окружения. Всё в совокупности представляет собой эктраполяционные методы.

Такой метод часто оправдывает себя, хотя требует профессионального подхода к его применению. Специалисты, которые могут эффективно оперировать полученными данными, составляют достаточно чёткое и точное представление о том, что ждёт их в будущем, поэтому они могут подготовиться и внести нужные коррективы.

Глава 2. ХАРАКТЕРИСТИКА РЫНКА ПЛАСТИКОВЫХ КАРТ КАК ОБЪЕКТА ПРОГНОЗИРОВАНИЯ

2.1.Ретроспективный анализ рынка пластиковых карт

Рынок пластиковых карт как объект прогнозирования представляется величиной многомерной и описывается следующими показателями: количество выпускаемых пластиковых карт и объем операций по ним, в том числе, по получению наличных и по оплате товаров, работ и услуг. Определяющим показателем будет являться количество выпускаемых пластиковых карт.

Временной ряд выпуска пластиковых карт (приложение 1), составленный за последние 6 лет, характеризуется следующими показателями, представленными в таблице 2.1.

Таблица 2.1

Статистические характеристики временного ряда

Таким образом, на основе анализа статистических характеристик временного ряда, можно сделать следующие выводы:

• Медиана 182,4 – это число, которое является серединой множества чисел.
• Стандартное отклонение показывает насколько широко разбросаны значения выпуска пластиковых карт относительно их среднего, то есть на 69,2585.
• Минимум 53,2 – наименьшее значение, которое принимает показатель.
• Максимум 220 – наибольшее значение, которое принимает показатель.

Таким образом, было проведено исследование развития объекта прогнозирования с определенного момента в прошлом и до настоящего времени. Результаты анализа доказывают, что на основе представленного временного ряда можно спрогнозировать объем выпуска пластиковых карт в 2015 году.

2.2. Сценарии динамики развития рынка пластиковых карт в краткосрочной перспективе

Необходимо оценить статистическую пригодность названных факторов для использования в прогнозной модели. Для этого необходимо исключить мультиколлинеарность факторов на основе проведения корреляционного анализа между временными рядами. (Исходные данные представлены в приложении 2.) Результаты корреляционного анализа представлены в таблице 2.3.

Таблица 2.3

Корреляционный анализ прогнозного фона рынка пластиковых карт

Так как существует тесная взаимосвязь между розничным торговым оборот, объемом ВВП, среднемесячной зарплатой, экономически активным населением, все вышеперечисленные факторы можно исключить из дальнейшего рассмотрения, следовательно, в дальнейшем в качестве факторов, влияющих на состояние рынка пластиковых карт, будут рассматриваться активы банковского сектора и  инфляция.

Временной ряд активов банковского сектора и уровня инфляции представлен в таблице:

Таблица 2.4

Факторы, влияющие на состояние рынка пластиковых карт

Таким образом, можно выделить следующие сценарии динамики рынка пластиковых карт:

1. Пессимистический. Инфляция к 2013 году составит 10 % (вместо планируемых 9-9,5%), что приведет к ухудшению экономической обстановки в стране, что повлечет уменьшение доверия к кредитным организациям. 
2. Оптимистический. Произойдет существенное улучшение общего состояния банковской системы России, появится законодательная поддержка рынка пластиковых карт со стороны государства (ныне рынок регулируется только Гражданским кодексом и нормативными документами ЦБ РФ).  В 2013 году, по прогнозу Минфина, объем кредитов, выданных населению, вырастет до 9% ВВП (в 2011 году он составлял 5,5% ВВП), вследствие чего произойдет повышение активов банковского сектора, в 2013 они прогнозируются на уровне 53,5% ВВП по сравнению с 45,1% ВВП в 2011 году. Темпы  роста ВВП повышаются до 5,8-6,0% в год. Как следствие произойдет  увеличение выпуска пластиковых карт при расширении сети приема карт, что приведет к повышению культуры пользования пластиком и превращение карт в реальное платежное средство. Степень вероятности реализации сценария средняя.

2.3. Постановка задачи прогнозирования

В связи с тем, что рынок пластиковых карт подвержен воздействию со стороны различных факторов, использование экстраполяционных методов прогнозирования представляется возможным лишь в рамках верификации, тогда как прогнозная модель должна строиться с учетом влияния различных факторов на данный рынок.

Необходимость идентификации функции, лежащей в основе прогнозной модели, заставляет провести оценку статистической значимости нескольких моделей: линейной, логарифмической, степенной, экспоненциальной. Выбор модели будет осуществлен по коэффициенту детерминации (R-квадрат), который дает количественную оценку меры анализируемой связи.

Таблица 2.4

Характеристики регрессионной модели

Поскольку экспоненциальная и линейная функции характеризуется наилучшими показателями, следовательно, производственная функция будет строиться на основе многофакторной линейной функции, которая в общем виде может быть представлена следующим образом:

Y(t) = a0+a1x1(t)+a2x2(t)                                                                       (2.1)

где Y(t) – количество выпущенных пластиковых карт,

x1(t) – активы банковского сектора,

x2(t) – уровень инфляции, t-момент времени (t=2007-2012 гг.).

В качестве метода верификации прогноза избрана экспертная и обратная верификации, параметризация которых будет осуществлена в соответствующей части работы.

ГЛАВА 3. ПРОГНОЗ СОСТОЯНИЯ РЫНКА  ПЛАСТИКОВЫХ      КАРТ  В РФ

3.1. Построение прогнозной модели для количества выпущенных пластиковых карт

Особенностью экономических явлений является то, что они  определяются большим числом взаимодействующих факторов, поэтому, для определения связи между одной зависимой переменной и несколькими независимыми переменными, применяется множественный регрессионный анализ. В нем анализу подвергается зависимость одного признака (результирующего) от набора независимых (факторных) признаков. Разделение признаков на результирующий и факторные осуществляется исследователем на основе содержательных представлений об изучаемом явлении (процессе).

Цель регрессионного анализа состоит в определении общего вида уравнения регрессии, построении оценок неизвестных параметров, входящих в уравнение регрессии, и проверке статистических гипотез о регрессии [14].

Для корректного использования регрессионного анализа требуется выполнение определенных условий. Факторные признаки должны быть некоррелированы (отсутствие мультиколлинеарности), они предполагаются замеренными точно и в их измерениях нет автокорреляции, т.е. значения признаков у одного объекта не должны зависеть от значений признаков у других объектов. Для этого оценивается коэффициент корреляции, который не должен быть больше 0,6.

При построении регрессионных моделей необходимо выбрать вид функциональной зависимости, характеризующей взаимосвязи между результативным признаком и несколькими признаками-факторами.

В данной работе используется линейная регрессия, т.е. зависимость вида:

                             Y(t) = a0+a1x1(t)+a2x2(t)                                    (3.1)

 где Y(t) - результативный признак,

x1(t), x2(t)- факторные признаки (активы банковского сектора и уровень инфляции),

a1, a2 - коэффициенты регрессии, показывающие степень влияния соответствующего фактора на прогнозируемый показатель при фиксированном значении остальных факторов,

a0 - свободный член уравнения [6,184].

Полученная модель представляет собой производственную функцию, то есть экономико-математическую модель, которая позволяет учесть влияние факторных признаков на исследуемый зависимый параметр.

Модель имеет аддитивный характер, так как рассматриваемые факторы (активы банковского сектора и уровень инфляции) не взаимодействуют друг с другом, следовательно, при построении модели используется сумма факторов, а не их произведение.

Для оценки факторов обычно используют коэффициент корреляции - R и коэффициент детерминации – R-квадрат. Коэффициентом корреляции R определяет степень тесноты связи результирующего признака Y со всем набором факторных признаков, он может принимать значения в диапазоне от   -1 до +1, причём если значение находится ближе к 1, то это означает наличие сильной связи между переменными, а если ближе к 0, то слабой. Коэффициент детерминации R-квадрат имеет простой смысл – это показатель того, насколько изменения зависимого признака объясняются изменениями независимого. Чем ближе R-квадрат к единице, тем точнее уравнение регрессии  описывает эмпирические данные.

С помощью программного обеспечения «Статистика» были найдены значения параметров a0, a1, a2, представляющие собой регрессионные коэффициенты.

Полученные коэффициенты представлены в таблице:

Таблица 3.1

Коэффициенты уравнения множественной регрессии

Коэффициент детерминации и коэффициент корреляции,  равные соответственно R2 = 0,9983, R = 0,9966 характеризуются хорошими показателями.

После этого окончательная производственная функция будет иметь вид:

Y(t) = -15,3663+0,000007x1+0,2797x2                                                                           (3.2)

Анализ построенной модели приводит к выводу, что с увеличением уровня инфляции на 1% количество пластиковых карт увеличится на 279 тысяч единиц, а увеличение выпуска пластиковых карт на 1% произойдет при увеличении активов банковского сектора на 0,000007%.

При построении прогнозной модели необходимо  рассмотреть следующие параметры прогноза: период основания, период упреждения.

Период основания прогноза, то есть промежуток от настоящего момента в прошлое, на данных которого строится прогноз, равен 6 годам. Период упреждения (период времени от настоящего времени в будущее, для которого составляется прогноз) в данной модели равен 1 году.

3.3. Составление прогноза состояния рынка пластиковых карт

Для построения прогноза выпуска пластиковых карт необходимо отобрать факторы, воздействующих на результативный объект. В главе I был приведен перечень факторов, оказывающих влияние на количество выпускаемых пластиковых карт: доходы населения, количество экономически активного населения, объем ВВП, розничный торговый оборот, совокупные активы банковского сектора, инфляция, среднемесячная заработная плата, иностранные инвестиции в банковский сектор. На основе проведенного корреляционного анализа, позволяющего найти факторы, зависящие друг от друга, было оставлено только два: уровень инфляции и активы банковского сектора.

На основе двух переменных, а именно: уровень инфляции и активы банковского сектора строится прогнозная модель.