Logo Международный форум «Евразийская экономическая перспектива»
На главную страницу
Новости
Информация о журнале
Подписка на журнал
Реклама в журнале
Контакты
ЕВРАЗИЙСКИЙ МЕЖДУНАРОДНЫЙ НАУЧНО-АНАЛИТИЧЕСКИЙ ЖУРНАЛ English
Тематика журнала
Текущий номер
Анонс
Список номеров
Найти
Редакционный совет
Редакционная коллегия
Представи- тельства журнала
Правила направления, рецензирования и опубликования
Научные дискуссии
Семинары, конференции
 
Проблемы современной экономики, N 1 (53), 2015
ФИНАНСОВО-КРЕДИТНАЯ СИСТЕМА. БЮДЖЕТНОЕ, ВАЛЮТНОЕ И КРЕДИТНОЕ РЕГУЛИРОВАНИЕ ЭКОНОМИКИ, ИНВЕСТИЦИОННЫЕ РЕСУРСЫ
Кадочникова Е. И.
доцент кафедры статистики, эконометрики и естествознания
Института экономики и финансов Казанского (Приволжского) федерального университета,
кандидат экономических наук

Самерханова А. А.
магистрант Института управления, экономики и финансов
Казанского федерального университета


Отечественный рынок ипотечного кредитования как индикатор благосостояния: эконометрическая оценка
В статье подчеркнута лидирующая роль ипотечного кредитования на отечественном рынке банковских услуг. Предпринята попытка доказать преимущественное влияние характеристик денежного рынка и доходов населения на динамику рынка ипотечного кредитования. Авторы обращают внимание на необходимость применения эконометрических методов при разработке управленческих решений. Разработан методический подход к измерению прогностических факторов на рынке ипотечного кредитования. Полученные в исследовании эмпирические оценки подтвердили целесообразность их практического использования в управлении кредитным портфелем
Ключевые слова: ипотечное кредитование, доходы населения, процентная ставка, факторы влияния, эконометрический анализ, метод наименьших квадратов
УДК 336.77:332:340.43; ББК У262.232   Стр: 148 - 152

Закономерной чертой финансового сектора экономики является активное развитие ипотечного кредитования в силу ряда объективных причин. Прежде всего, согласно экономической теории, спрос на деньги зависит от ожидаемой доходности (чем выше процентная ставка по банковским вкладам, тем больше величина спроса людей на деньги), риска и ликвидности денег. Увеличение цен или доходов вызывает рост потребности людей в ликвидности и приводит к увеличению спроса на деньги [1;2]. Одновременно с этим, от владения наличными деньгами не поступают какие-либо доходы, поэтому в условиях роста цен предпочтительнее инвестировать наличные деньги [3]. Кроме этого, для кредитных организаций ипотека является высокодоходным продуктом с низкой долей риска, поэтому они заинтересованы увеличивать долю ипотечных кредитов в своих портфелях. По данным опроса, проведенного в октябре 2014 года по заказу Агентства по ипотечному жилищному кредитованию Национальным агентством финансовых исследований, предпочтительными формами долгосрочного вложения средств для населения остаются банковские вклады (41% респондентов), инвестиции в жилье (17%) и приобретение иностранной валюты (11%). В то же время в связи с нестабильностью на финансовых рынках и ограниченной суммой застрахованных государством вкладов растет привлекательность недвижимости не только как объекта для инвестиций, но и как способа сохранить свободные средства, особенно у граждан с доходами выше среднего [4]. Поэтому ипотечное кредитование в России стало важной составляющей банковской системы и экономики страны в целом. Этому способствует механизм государственной поддержки ипотечного кредитования, который через расширение потребления, увеличение спроса, приводит к росту экономики в целом. Задолженность по выданным ипотечным кредитам в процентах к валовому внутреннему продукту РФ в 2011 году составила 2,7%, в 2012 году – 3,2%, в 2013 году – 4,0%; среднедушевой доход населения в 2013 году по сравнению с 2011 годом увеличился на 22% и составил 25270 рублей [5]. Ранее выполненное исследование [6] позволило спрогнозировать снижение средневзвешенной ипотечной ставки в 2013–2014 годы, и, как следствие, рост размеров ипотечного кредитования при одновременном замедлении темпов экономического роста.
По данным Центрального Банка РФ, за период с 1 октября 2013 года по 1октября 2014 года, размер ипотечных жилищных кредитов, предоставленных кредитными организациями физическим лицам-резидентам, увеличился на 35,6% и составил 1213024 млн руб., что значительно выше уровня потребительской инфляции. При этом средневзвешенная ставка уменьшилась с 12,6% до 12,24% [7]. Экономические условия в России вызвали сжатие рынка потребительского кредитования. Во второй половине 2014 года стали замедляться темпы роста рынка ипотеки и приток депозитов. Если ранее «высокие и неконкурентные по сравнению с банковскими системами экономически развитых стран процентные ставки при одновременном сохранении достаточно высокой маржи в виде разницы кредитных и депозитных процентных ставок в условиях открытой экономики»[8] ограничивали внутренний кредитный рынок и сдерживали экономическое развитие, то в современных экономических условиях перед кредитными организациями появляются новые возможности изменить принципы процентной политики, механизмы кредитования.
В условиях недоступности зарубежных кредитных ресурсов и недостатка внутренних кредитных ресурсов основная роль банков может заключаться в межотраслевом и межтерриториальном перераспределении экономических ресурсов в пользу наиболее результативных игроков рынка, повышая аллокационную активность экономики. Чем более масштабно выполняют банки эту роль, тем больше потенциально возможных Парето-улучшений в экономике реализуется на практике, тем более высокой гибкости достигает экономика и ее отдельные звенья, тем быстрее и более адекватно они реагируют на возникающие изменения в структуре платежеспособного спроса, в результате уровень благосостояния населения растет [8]. Заметим, что население располагало довольно значительными денежными средствами. Так, за период с 1 октября 2013 года по 1 октября 2014 года размер рублевых депозитов физических лиц в кредитных организациях увеличился на 6,8% и составил 13876276 млн рублей, размер депозитов в иностранной валюте увеличился на 16% и составил 3421262 млн рублей (19,8% всех привлеченных депозитов) [9]. Накопленный высококачественный портфель ипотечных жилищных кредитов на 1 октября 2014 года составил 3135774 млн рублей, доля кредитов в нем без единой просрочки составила 99, 15% [7], что стало хорошим залогом для операций Банка России по предоставлению ликвидности. По оценкам аналитического центра Агентства по ипотечному жилищному кредитованию, психологической границей ставки по ипотеке является уровень в 14,5–15%, что ниже установленной в настоящее время ключевой ставки Центрального Банка. В условиях дорогих денег банки, стремясь сохранить ипотечное кредитование как одно из значимых направлений бизнеса, могут ужесточать неценовые условия выдачи кредитов с целью снижения кредитных рисков. Кроме того, в мировой практике снизить ставки по кредитам на приобретение жилья практически вдвое позволяют строительно-сберегательные кассы [10]. Такие финансовые институты, основанные на принципах взаимного кредитования, призваны стимулировать не только спрос, но и предложение жилья путем интеграции в строительный бизнес через управляющие компании, не исключая государственное участие. Отметим, что при долгосрочном государственном планировании и программировании экономики особенно важно знать поведение доли сбережений, показателей технического прогресса и определяемые ими возможности экономического роста. Инвестиции в жилищное строительство, как экзогенная переменная, являются индикатором благосостояния на долгосрочную перспективу [11]. Поэтому дальнейшее развитие ипотеки будет оказывать значимый стимулирующий эффект на развитие экономики в целом и вносить ощутимый вклад в рост валового внутреннего продукта.
Выявление общих тенденций развития и факторов экономического роста является важнейшей задачей, стоящей перед экономикой любой страны в разрезе её эффективного и устойчивого развития. Актуальным является моделирование средневзвешенной ипотечной ставки и размеров ипотечного кредитования с целью выявления их влияния на динамику рынка ипотечного кредитования. Таким образом, эконометрическое моделирование как междисциплинарный аналитический инструмент прикладного экономического анализа становится актуальным и востребованным при разработке управленческих решений, как на корпоративном, так и государственном уровне.
Эконометрические методы среди множества возможных вероятностно-статистических моделей позволяют обоснованно выбрать ту, которая наилучшим образом соответствует исходным статистическим данным, характеризующим реальное поведение исследуемой совокупности объектов, оценить надежность и точность выводов, сделанных на основании ограниченного статистического материала. В этой связи, представленный в статье методический подход к измерению прогностических факторов на рынке ипотечного кредитования может стать полезным для прогнозирования и практического использования в управлении кредитным портфелем банка и финансовыми ресурсами в макроэкономике.
В исследовании использованы данные временных рядов на сайтах Агентства по ипотечному жилищному кредитованию [12], Центрального Банка Российской Федерации [13] и Федеральной службы государственной статистики [14]. Сформирована выборка наблюдений (n=20), включающая 21 переменную: Y*- средневзвешенная ставка ипотечного кредитования, %; Х1 – объем выданных ипотечных кредитов, с начала года, тыс. руб.; Х2 – объем просроченной задолженности по ипотечным кредитам, тыс. руб.; Х3 – средневзвешенная стоимость жилья, руб/ кв. м.; Х4 – средний размер кредита, тыс. руб.; Х5 – средневзвешенный срок кредитования, мес.; Х6 – доля сделок с ипотекой на рынке жилья, %; Х7 – ввод жилья, тыс. кв. м.; Х8 – коэффициент длительности жизни, лет; Х9 – валовой внутренний продукт, млрд руб.; Х10 – номинальный среднедушевой доход населения, руб.; Х11 – доля ипотечного жилищного кредитования в стоимостном выражении в ВВП, %; Х12 – ставка рефинансирования, %; Х13 – денежная масса, млрд руб.; Х14 – цена на нефть сорта «Юралс», долл. за баррель; Х15 – официальный курс рубля, руб. за 1 доллар США; Х16 – средневзвешенная межбанковская ставка по однодневным кредитам в руб., %; Х17 – уровень инфляции, %; Х18 – импорт, млрд долл. США; Х19 – экспорт, млрд долл. США; Х20 – количество кредитных организаций, выдающих ипотечные кредиты, шт.; Х21 – номинальный среднедушевой доход населения, руб. Для моделирования среднего размера ипотечного кредита выполнены выборки для Российской Федерации в целом (2010 год – 1 квартал 2014 года, n=51) и для Приволжского федерального округа (2010 – 2013 годы, n=48) для переменных: Y – средний размер ипотечного кредита, руб. X – среднедушевые денежные доходы, руб. Множественный корреляционно-регрессионный анализ выполнен с использованием программных продуктов Exсel и Gretl 1.9.91.
На основе матрицы линейных коэффициентов парной корреляции выявлены слабоинформативные факторы, имеющие слабую зависимость со средневзвешенной ипотечной ставкой: X2, X4, X7, X15, X17. Так же выявлены факторы, оказывающие сильное влияние на средневзвешенную ипотечную ставку: X6, X11, X13 X14. Кроме этого, обнаружены взаимосвязанные (коллинеарные) факторы, среди которых: Х1, Х2, Х5, Х6, Х8, Х9, Х10, Х11, Х12, Х14, Х15, Х18, Х19, Х20. На втором этапе анализа построены линейные модели регрессии [15, 16]. Чтобы избежать недостатка числа степеней свободы, построено четыре модели по однородным группам факторов. Путем последовательного исключения переменных методом наименьших квадратов получены оценки четырех моделей для четырех групп факторов.
1 группа – характеристики ипотечных кредитов:
X1 – объем выданных ипотечных кредитов, с начала года, тыс. руб.;
X2 – объем просроченной задолженности по ипотечным кредитам, тыс. руб.;
X4 – средний размер кредита, тыс. руб.;
X5 – средневзвешенный срок кредитования, мес.;
X6 –доля сделок с ипотекой на рынке жилья, %.
2 группа – характеристики рынка жилья и участников ипотечного рынка:
X3 – средневзвешенная стоимость жилья, руб/ кв. м.;
X7 – ввод жилья, тыс. кв. м.;
X8 – коэффициент длительности жизни, лет;
X11 – доля ипотечного жилищного кредитования в стоимостном выражении в ВВП, %;
X20 – количество кредитных организаций, выдающих ипотечные кредиты, единиц.
3 группа – макроэкономические характеристики:
X9 – валовой внутренний продукт, млрд руб.;
X10 – номинальный среднедушевой доход населения, руб.;
X14 – цена на нефть сорта «Юралс», долл. за баррель;
X18 – импорт, млрд долл. США;
X19 – экспорт, млрд долл. США.
4 группа – характеристики денежного рынка:
X12– ставка рефинансирования, %;
X13– денежная масса, млрд руб.;
X15– официальный курс рубля, руб. за 1 доллар США;
X16– средневзвешенная межбанковская ставка по однодневным кредитам, в руб.;
X17– уровень инфляции, %.
Сравнение показателей качества моделей представлено в таблице 1.
В наибольшей мере соответствует эмпирическим наблюдениям модель для четвертой группы факторов «Характеристики денежного рынка». Данная модель имеет наибольшее значение коэффициента детерминации (R2), минимальное значение стандартной ошибки модели (Se), статистически значима по тесту Фишера (F), в ней отсутствует гетероскедастичность в остатках (тест Вайта), остатки имеют нормальное распределение (тест на нормальность остатков). Согласно данной модели, с увеличением ставки рефинансирования на 1% средневзвешенная ставка ипотечного кредитования увеличивается в среднем на 0,38%; с увеличением денежной массы на 1 млрд рублей – на 0,55%; с увеличением официального курса на 1 рубль – на 0,16%; с увеличением средневзвешенной межбанковской ставки по однодневным кредитам на 1% – снижается на 0,25%. Анализируя и контролируя параметры перед независимыми переменными, по данной модели можно не только оценивать текущее состояние средневзвешенной ипотечной ставки, но и прогнозировать его в целях определения проблемных зон и поиска путей их преодоления уже в настоящее время.

Таблица 1
Результаты моделирования средневзвешенной ставки по ипотечным кредитам
Тип моделиВид моделиR2SeFр-значение
Тест ВайтаТест на нормальность остатков
Линейная модель парной регрессииY*(1) = 17,1597 – 0,261665*X6+ε0,7420,48151,880,9250,369
Линейная модель множественнной регрессииY*(2) = 9,84767 + 0,0000252557*Х7 + 0,401215*Х8 + 0,0925067*Х11+ε0,8830,34340,410,0820,106
Линейная модель парной регрессииY*(3) = 16,3934 – 0,0381828*Х14+ε0,8730,36925,950,3290,654
Линейная модель множественной регрессииY*(4) = 3,33815+0,377112*Х12 +0,552127*Х13+0,157836*Х15 -0,253222*Х16+ε0,9410,229290,510,5310,888

В исследовании методом наименьших квадратов получены оценки регрессии среднего размера ипотечного кредита за месяц в зависимости от среднедушевых денежных доходов в Российской Федерации в целом. Очевидно, что линейная модель регрессии может быть представлена в виде: Y=929884+22.2732*X+ε.
Тесты Вайта, Бреуша-Пагана и робастный вариант Бреуша-Пагана позволяют согласиться с нулевой гипотезой об отсутствии гетероскедастичности в остатках регрессии. Как каждый из параметров регрессии, так и модель в целом статистически значимы. Принимая во внимание, что модель объясняет 38% вариации среднего размера ипотечного кредита, для повышения точности модели применим нелинейную регрессию (таблица 2), из которой видно, что наиболее точной является степенная модель.

Таблица 2
Результаты моделирования среднего размера ипотечного кредита в Российской Федерации
Тип моделиСпецификация моделиСтандартная
ошибка модели
ЛинейнаяY=929884+22.2732*X+ε132587,8
СтепеннаяY=26664,81*X0.3976*ε0,09
ЭкспоненциальнаяY=1039390* e0,000014*X*ε134979,4
ПолулогарифмическаяY=-4150170+558128* lnX + ε127232,5

Одним из густонаселенных и благополучных федеральных округов в центре России является Приволжский федеральный округ. Поэтому представляет интерес исследование ипотечного кредитования в данном округе в сравнении с Российской Федерацией в целом.
Получены следующие МНК-оценки регрессии среднего размера ипотечного кредита за месяц в зависимости от среднедушевых денежных доходов: Y=557450+25,6732*X+ε: модель статистически значима, объясняет 48% вариации среднего размера ипотечного кредита, стандартная ошибка модели составляет 104244,9 рубля (10% относительно среднего значения зависимой переменной). Тест Вайта не подтвердил гетероскедастичность в остатках регрессии при значении р=0,130 (p>0,05). B тесте Бреуша-Пагана при результате р=0,023 (p<0,05) гетероскедастичность обнаружена. Робастный вариант теста Бреуша-Пагана не обнаружил гетероскедастичность при результате р=0,0604 (p>0,05). Для улучшения качества модели выполним коррекцию на гетероскедастичность остатков регрессии, используя метод взвешенных наименьших квадратов: Y=556801 +25.6922*X+ε. Тесты Вайта, Бреуша-Пагана и робастный вариант Бреуша-Пагана позволяют согласиться с нулевой гипотезой об отсутствии гетероскедастичности в остатках регрессии. Модель статистически значима, объясняет 58% вариации среднего размера ипотечного кредита, а стандартная ошибка модели составляет 5,411 рублей (9% относительно среднего значения преобразованной зависимой переменной). До коррекции стандартные ошибки составляли ma=74047,2; mb=3,8947, после коррекции: ma=70417,2; mb=4,0138. Использование встроенных инструментов Gretl позволило получить следующие результаты коррекции на гетероскедастичность: Y= 550802+26,0134*X+ε: модель объясняет 48% вариации среднего размера ипотечного кредита, а стандартная ошибка модели составляет 1,76 рубля. До коррекции стандартные ошибки составляли ma=74047,2; mb=3,8947. После коррекции: ma=71540,6; mb=3,9639. С применением метода взвешенных наименьших квадратов инструментами Gretl получены следующие оценки: Y=549542+26,098*X+ε. Модель статистически значима, объясняет 48% вариации среднего размера ипотечного кредита, а стандартная ошибка модели составляет 743,347 рубля. Уменьшилась стандартная ошибка для свободного коэффициента: ma=72467,4; mb=3,9715. Обобщение результатов моделирования выполнено в таблице 3.
Согласно результатам моделирования, с увеличением среднедушевого денежного дохода на 1 рубль, средний размер ипотечного кредита для жителей Российской Федерации увеличивается на 22,27 рубля, а для жителей Приволжского Федерального округа увеличение составляет 25,76 рублей. Коррекция на гетероскедастичность позволила уточнить оценку коэффициента регрессии для Приволжского федерального округа до 26,01 рублей. Относительную стабильность динамики средневзвешенной ставки по ипотечным кредитам и среднего размера кредита в РФ в целом в 2010–2014 годах подтверждает гомоскедастичность остатков регрессии.
Таким образом, результаты моделирования позволяют сделать следующие выводы:
1. Эмпирически доказано преимущественное влияние на средневзвешенную ставку по ипотечным кредитам характеристик денежного рынка: ставка рефинансирования, денежная масса, официальный курс рубля, средневзвешенная межбанковская ставка по однодневным кредитам; уровень инфляции, %.
2. Средняя сумма ипотечного кредита растет интенсивнее, чем доходы населения. Подтверждается прямая зависимость среднего размера ипотечного кредитования от среднедушевых денежных доходов домохозяйств.
3. Отчетливо видно, что одним из основных факторов развития рынка ипотеки в РФ является рост доходов населения. Домохозяйства предпочитают инвестировать в недвижимость даже при незначительной положительной динамике доходов.
Исходя из результатов эконометрического моделирования представляется возможным выделить две крупные проблемы современного отечественного ипотечного кредитования: во-первых, ограничение кредитных ресурсов при их одновременном удорожании как для строительных компаний, так и для домохозяйств, во-вторых, снижение реальных среднедушевых денежных доходов, вызванное усилением инфляции. В условиях текущей высокой волатильности процентных ставок доступность ресурсов и снижение ставок на ипотечное кредитование возможны через смешанное взаимное кредитование банками строительных компаний и заемщиков – покупателей жилья, не исключая государственного участия. В этой связи Агентство по ипотечному жилищному кредитованию, реализуя государственную политику по обеспечению доступности жилья, имеет стратегическим приоритетом увеличение объемов финансирования рынка жилья и ипотеки за счет развития российского рынка ипотечных ценных бумаг через рефинансирование ипотечных кредитов. Так, с начала 2014 года Агентство по ипотечному жилищному кредитованию, как государственный финансовый институт на рынке ипотечного кредитования, приняло участие в качестве резервного сервисера в 10 сделках секьюритизации общим объемом 43 млрд рублей [17]. В свою очередь, возможны расширение функций, полномочий, реструктуризация Агентства по ипотечному жилищному кредитованию с целью докапитализации. Также со стороны государства могут быть расширены ипотечные программы, которые финансируются по пониженным ставкам. Комплекс государственных мероприятий, сдерживающих рост индекса потребительских цен с учетом монетарных и немонетарных факторов инфляции, позволит укрепить реальные среднедушевые денежные доходы: в частности, контроль за ценами на отдельные виды социально значимых продовольственных товаров первой необходимости, расширение кредитной поддержки эффективных сельхозпредприятий, развитие конкурентной среды и инфраструктуры сбыта сельскохозяйственной продукции, регулирование цен и реализация внутрикорпоративных мероприятий по снижению издержек на транспорте и в жилищно-коммунальном хозяйстве. В целом же, в сложившихся экономических условиях очевидна необходимость активного государственного участия в развитии инновационных механизмов ипотечного кредитования с целью сохранения лидирующих позиций на рынке кредитных ресурсов.

Таблица 3
Результаты моделирования среднего размера ипотечного кредита в Приволжском федеральном округе
Тип уравненияВид уравненияСтандартная ошибка коэф.aСтандартная ошибка коэф.bСтандартная ошибка модели
Линейное уравнение регрессииY=557450+25,7632X+ε74047,23.89473104244.9
Взвешенный МНК (вручную)Y=556801+25,6922X+ε70417,24.013815.4111
С коррекцией на гетероскедастичностьY= 550802+26,0134X+ε71540,63.963941.760382
Взвешенный МНК (Gretl)Y=549542+26,098X+ε72467,43.97149743.347


Литература
1. Абель Э., Бернанке Б. Макроэкономика. – СПб.: Питер, 2010. – С.334–339.
2. Jordi G. Monetary policy, inflation, and the business cycle: an introduction to the New Keynesian framework. – Princeton University Press, 2008.
3. Lou W., Yin X. The impact of the global financial crisis on mortgage pricing and credit supply // Journal of International Financial Markets, Institutions & Money. – Vol. 29. – 2014. – P. 336–363.
4. Калиновский И. Ипотека ловит ветер перемен // Эксперт Online. 15 декабря 2014 г. URL: http://www.ahml.ru/ru/press/about_ahml/index.php?id4=5700
5. Гольдберг М. Разбег перед падением // Российская бизнес-газета. 16 декабря 2014 г. URL: http://www.ahml.ru/ru/press/about_ahml/index.php?id4=5714
6. Кадочникова Е.И., Абашева А.Р. Моделирование средневзвешенной ставки по ипотечному кредитованию. Матер. докл. IV Междунар. науч.-практ. конференции «Проблемы анализа и моделирования региональных социально-экономических процессов». – Казань: Отечество, 2013. – C. 103–106.
7. Сведения об ипотечных жилищных кредитах, предоставленных кредитными организациями физическим лицам – резидентам, и приобретенных правах требования по ипотечным жилищным кредитам // Статистический бюллетень Банка России. – 2014. – № 11 (258). – С. 136–138. URL: http://www.cbr.ru/publ/BBS/Bbs1411r.pdf
8. Лаптев С.В., Филина Ф.В. Проблемы совершенствования механизма функционирования банковской системы в условиях перехода к инновационной экономике // Проблемы современной экономики. – 2013. – № 4 (48). – С. 214–219.
9. Данные об объемах привлеченных кредитными организациями вкладов (депозитов) физических лиц // Статистический бюллетень Банка России. – 2014. – № 11 (258). – С. 115–116. URL: http://www.cbr.ru/publ/BBS/Bbs1411r.pdf
10. Зак В.В. Строительные сберегательные кассы как финансовый инструмент ипотечного кредитования // Финансы. – 2012. – № 4. – С. 64–66.
11. Кадочникова Е.И. О моделировании роста региональной экономики, основанной на знаниях //Проблемы современной экономики. – 2014. – № 2. – С. 247–251.
12. Официальный сайт Агентства по ипотечному жилищному кредитованию. URL:http://www.ahml.ru/ru/agency/analytics/statsis
13.Официальный сайт Центрального банка РФ // URL: http:// www.cbr.ru/statistics/?Prtid=ipoteka
14. Официальный сайт Федеральной службы государственной статистики // URL: http://www.gks.ru/free_doc/new_site/population/urov/urov_11sub09-13.xls
15. Елисеева И.И. Эконометрика. – M.: Юрайт, 2012. – C.39–138.
16. Wooldridge, J. M. Introductory Econometrics. A modern approach, 5th edition. – Michigan State University: South-Western Cengage Learning, 2013.
17. Пресс-релиз «АИЖК оказало поддержку в первой сделке по секьюритизации ипотечного портфеля «АК БАРС» банка» // Пресс-центр Агентства по ипотечному жилищному кредитованию. URL: http://www.ahml.ru/ru/press/PR/index.php?id4=5739

Вернуться к содержанию номера

Copyright © Проблемы современной экономики 2002 - 2017
ISSN 1818-3395 - печатная версия, ISSN 1818-3409 - электронная (онлайновая) версия