Предмет. Эффективность системно значимых кредитных организаций России. Цели. Сравнительная оценка эффективности системно значимых кредитных организаций с использованием DEA-метода. Методология. Применена методика Data Envelopment Analysis. Использованы две компьютерные модели, ориентированные на результат: CCR-model (радиальный метод) и ERM-model (метод максимального расстояния до границ). Результаты. Проведено моделирование эффективности системно значимых кредитных организаций России на основе оценки влияния входных переменных, в качестве которых использованы капитал и активы, на исходящие переменные – депозиты, кредиты и чистая прибыль. Системно значимые банки России разбиты на две подгруппы по степени эффективности. Первая подгруппа, состоящая из шести банков, определена как высокоэффективная, вторая, состоящая из пяти банков, – как умеренно эффективная. Область применения. Результаты работы применимы при формировании Банком России политики развития банковской системы и принятии решений по макропруденциальному регулированию системно значимых кредитных организаций. Выводы. Установлена высокая эффективность системно значимых банков, что позволяет говорить об успешности политики регулятора в формировании этой группы банков и их макропруденциальном регулировании.
Ключевые слова: системно значимые кредитные организации, эффективность, DEA-моделирование; CCR-модель, ERM-модель
Список литературы:
Миргасимов Д.Р. Анализ управления устойчивым развитием в системно значимых кредитных организациях Российской Федерации // Фундаментальные исследования. 2022. № 12. С. 50–55. DOI: 10.17513/fr.43396 EDN: HZNMDB
Рабаданова Д.А. Анализ динамики и структуры активов системно значимых кредитных организаций РФ // Журнал монетарной экономики и менеджмента. 2024. № 11. С. 174–178. DOI: 10.26118/2782-4586.2024.88.27.137 EDN: KGUVAJ
Гасанов О.С. Тенденции трансформации кредитного портфеля банков в зоне евро и в России // Научное обозрение. 2016. № 8. С. 187–192. EDN: WBEXZT
Тершукова М.Б., Абрамов В.С. Макропруденциальное регулирование Банком России деятельности системно значимых кредитных организаций в современных условиях // Экономика и предпринимательство. 2024. № 1. С. 395–397. DOI: 10.34925/EIP.2024.162.1.070 EDN: QUVUOZ
Рабаданова Д.А. Участие системно значимых банков в формировании ресурсов банковского сектора РФ // Журнал монетарной экономики и менеджмента. 2024. № 11. С. 190–195. DOI: 10.26118/2782-4586.2024.66.74.140 EDN: CQLYTC
Рабаданова Д.А. Роль системно значимых кредитных организаций в банковской системе России // Журнал монетарной экономики и менеджмента. 2024. № 12. С. 54–60. DOI: 10.26118/2782-4586.2024.64.34.155 EDN: GWAEHC
Короткова Е.Р. Характеристика и анализ системообразующих банков в банковской сфере Российской Федерации // Экономика. Бизнес. Банки. 2019. Т. 2. С. 10–20. EDN: OQXRYP
Миллер Е.В., Завадская В.В. Исследование финансовой устойчивости системно-значимых банков в современных условиях // Вестник Алтайской академии экономики и права. 2023. № 6-2. С. 232–237. DOI: 10.17513/vaael.2883 EDN: AETMCL
Синиченко О.А. Оценка устойчивости банковской системы в контексте повышения финансовой безопасности страны // Известия Саратовского университета. Новая серия. Серия: Экономика. Управление. Право. 2025. Т. 25. № 1. С. 16–26. DOI: 10.18500/1994-2540-2025-25-1-16-26 EDN: CLXJMS
Бобков Е.О. Статистический анализ динамики ликвидности системно значимых кредитных организаций Российской Федерации // Сибирская финансовая школа. 2021. № 4. С. 99–104. DOI: 10.34020/1993-4386-2021-4-99-104 EDN: NUQWMK
Бадылевич Р.В., Вербиненко Е.А. Оценка системной значимости региональных кредитных организаций в субъектах Арктической зоны РФ и определение возможностей их поддержки // Арктика и Север. 2022. № 47. С. 5–25. DOI: 10.37482/issn2221-2698.2022.47.5 EDN: YDDICO
Шакер И.Е. Оценка применения инструментов макропруденциального регулирования к системно значимым кредитным организациям // Финансовые рынки и банки. 2018. № 4. С. 22–27. EDN: OSOCKO
Гоу С., Пизенгольц В.М. Гетерогенное влияние финансовых технологий на прибыльность коммерческих банков // Международный научный журнал. 2025. № 3. С. 116–125. DOI: 10.34286/1995-4638-2025-103-3-116-125 EDN: BSQWGT
Kovalev I., Zelenkov P., Ognerubov S. The Efficiency Analysis of Automated Lines of ompanies Based on DEA Method. In: Gil-Lafuente A., Zopounidis C. (eds) Decision Making and Knowledge Decision Support Systems. Lecture Notes in Economics and Mathematical Systems, Springer, Cham, 2015, vol. 675, pp. 107–115. DOI: 10.1007/978-3-319-03907-7_12 EDN: UFMVAV
Pastor J.T., Aparicio J., Zofío J.L. The Enhanced Russell Graph Measure (ERG=SBM): Economic Inefficiency Decompositions. In: Benchmarking Economic Efficiency. International Series in Operations Research & Management Science, Springer, Cham, 2022, vol. 315, pp. 279–310. DOI: 10.1007/978-3-030-84397-7_7
Kahveçi E., Wolfs B. Digital banking impact on Turkish deposit banks performance. Banks and Bank Systems, 2018, vol. 13, iss. 3, pp. 48–57. DOI: 10.21511/bbs.13(3).2018.05
Shi X., Wang L., Emrouznejad A. Performance evaluation of Chinese commercial banks by an improved slacks-based DEA model. Socio-Economic Planning Sciences, 2023, vol. 90, 101702. DOI: 10.1016/j.seps.2023.101702 EDN: TBRAAT
Wu W.-Y., Liao Y.-K., Chang W.-S. et al. An assessment of bank efficiency in Cambodia: A comparison between multi-criteria measurement and the DEA approach. Asia Pacific Management Review, 2026, vol. 31, iss. 1, 100390. DOI: 10.1016/j.apmrv.2025.100390 EDN: QAHGKX
Cheng G., Qian Z., Zervopoulos P. Overcoming the infeasibility of super-efficiency DEA model: A model with generalized orientation. MPRA Paper, 2011, 31991.
