Реферат: Факторный анализ

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РЕСПУБЛИКИ БЕЛАРУСЬ

БЕЛОРУССКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

Кафедра МО САПР

Использование факторного анализа для построения рейтинга банков.

Курсовая работа

студентов второй группы

третьего курса

факультета прикладной

математики и информатики

Бескоровайного А.А. и

Лейнова В. А.

Научный руководитель:

Ковалев М.М.

Минск, 1997.

Содержание

Введение

В факторном анализе предполагается, что наблюдаемые переменные являются линейной комбинацией некоторых латентных (гипотетических или ненаблюдаемых) факторов. Некоторые из этих факторов допускаются общими для двух и более переменных, а другие-- характерными для каждого параметра в отдельности.

Применительно к построению банковских рейтингов реальную картину состояния дает методика, основанная на применении двухфакторного анализа, которая позволяет представить банки точками на плоскости, координатными осями которой являются [построенные] факторы, что особенно удобно для составления динамических рейтингов, когда при анализе состояния системы во времени точки, указывающие на состояние банков, превращаются в диаграммы.

Методология факторного анализа.

Необходимо попытаться наиболее полно проанализировать разнообразные показатели, характеризующие в нашем случае состояние банков. Для этого необходимо свести их к меньшему числу некоторых факторов. Представим каждый рейтинговый показатель z_j как линейную комбинацию гипотетических факторов:

Z_j =a_j1 F₁ +a_j2 F₂ +...+a_jm F_m (j=1,2...n), где

F_i – значение i-го фактора для данной (j-ой) компоненты;

a_ji – вес фактора i в компоненте j;

m – количество факторов;

n – количество показателей.

Можно выделить следующие этапы построения факторной матрицы:

1. Создаем исходную матрицу {{x_ij }} размерности (n _* m), где m – количество характеристик, а n – количество исследуемых банков.

2. Строим корреляционную матрицу R={{r_ij }},

имеющую размерность m _* m:

2.1 Строим ковариационную матрицу: C=X^T _* X/n :

2.2 Строим корреляционную матрицу:

R={{r_ij }},

2.3 На основе построенной корреляционной матрицы строим редуцированную корреляционную матрицу:

3. В методе главных факторов на 1-ом этапе вычислений ищут коэффициенты при первом факторе так, чтобы сумма вкладов в суммарную общность была максимальной

Максимум V₁ должен быть обеспечен при условии

Чтобы максимизировать функцию n переменных воспользуемся методом множителей Лагранжа, с помощью которого приходим к выводу, что искомая функция является ничем иным как максимальным собственным значением уравнения

det(R-lE)=0 (2),

где R- редуцированная корреляционная матрица, полученная в пункте 2.

Далее, подставив найденное значение l₁ и получив одно из возможных решений (q₁₁ ,q_{21, ... ,} q_n1) уравнения (2), являющихся в свою очередь собственным вектором, соответствующим данному собственному значению и, для удовлетворения выражению (1), разделив на корень из суммы их квадратов и умножив на квадратный корень из собственного значения, получим

что представляет собой искомый коэффициент при факторе F₁ в факторном отображении пункта 1.

l₁ вычисляется по формуле:

l₁ =max{p_1j }, где вектор p=R_* q₁

Вектор q₁ находится при помощи следующего итерационного процесса:

Вычисляем R, R² , R⁴ ,... до тех пор, пока не будет выполняться условие |b^{( i)} -b^(i/2) |<e, где b^{( i)} вектор, j-ый элемент которого равен частному от деления суммы j-ой строки матрицы Rⁱ на максимальную из сумм элементов строк матрицы Rⁱ , а в качестве e берется заранее выбранная точность вычислений. По окончании процесса в качестве вектора q берется вектор a⁽ⁱ⁾ .

что делается аналогично вычислениям для 1-го фактора, только вместо матрицы R используется матрица

Полученную факторную матрицу F размерности m_* 2 вращаем путем умножения на матрицу поворота

,

где a-угол поворота, изменяющийся от 0 до p/2 с шагом p/720.

Где r — число факторов.

Умножив справа исходную матрицу Х на построенную F_пов , получим окончательную матрицу, показывающую расположение банков в новых координатах (факторах F₁ , F₂ ).

Описание программы.

Для компьютерной реализации описанного выше метода нами, с помощью среды Delphi 2.0, была создана программа rating, функционирующая под управлением операционной системы Windows-95.

1. После запуска программа предлагает пользователю загрузить исходные данные о состоянии банков за некоторые периоды времени. Исходные файлы хранятся в специальном формате (см. приложение 1).

2. Данные загружаются в таблицы (по годам), где и могут быть просмотрены (см. приложение 2)

В прилагаемом ниже примере исходными данными является файл по состоянию на 1995 код со следующими показателями, характеризующими банки :

a1=Активы

a2=Капитал

a3=Капитал/активы в %

a4=.Вложения в другие банки

a5=Вложения в экономику

a6=Вложения всего

3. По нажатию соответствующей кнопки на панели управления программой, будут построены и отображены матрицы факторного отображения (см приложение 4) ,за каждый из периодов времени. Данные матрицы образуются из факторных матриц, описывающих вклад каждого из показателей в общий фактор (см. приложение 3)

4. По желанию пользователя может быть построен график, показывающий положение банков на факторной плоскости и динамику их развития во времени (см. приложение 5).

Приложение.

1. Формат файлов

Файлы, используемые в нашей программе представляют собой текстовые файлы, в которых в качестве разделителей используются пробелы.

В первом столбце файла хранятся названия обрабатываемых банков, а в первой строке – названия показателей, характеризующих их деятельность.

2. Таблица исходных данных

3. Факторная матрица

4.Матрица факторного отображения

5. Графическое представление

Прямоугольной областью обозначается положение банка на факторной плоскости по состоянию на 1995 год, а круглой областью такого же цвета обозначается положение того же банка по состоянию на 1996 год.

Современные разработки в психологии

Теория экономического анализа

Исследование движения центра масс межпланетных космических аппаратов

Математические основы теории систем

Применение факторного анализа в психодиагностике

Алгоритмический язык Паскаль

Теория симметрии молекул

Электронные системы отображения навигационных карт

Нейрокомпьютерные системы

Экстремумы функций

Классификация сейсмических сигналов на основе нейросетевых технологий

Шпаргалки по геометрии, алгебре, педагогике, методике математики (ИГПИ)

Прикладная математика

Определитель произведения прямоугольных матриц. Теорема Коши-Бине

Метод анализа главных компонентов регрессионной модели измерений средствами нейронных сетей