Групування  як спосіб аналізу може бути широко застосований середніми та центральними органами управління банком.

     Значення  методу статистичного групування в  аналітичній роботі зростає в  зв’язку із зростанням та удосконаленням управління банком, в зв’язку з виділенням окремих підрозділів банку, як єдиного організму, сукупність яких і створює результат банку вцілому.

     Структурне  групування використовується, як показує  назва, при вивченні складу явища, аналізу  пропорційності явищ тощо.

     Аналітичне  групування, що охоплює по суті типологічне  та структурне, застосовується для  виявлення взаємозв’язку, взаємозалежності та взаємодії між явищами, що вивчаються, об’єктами та показниками. Це групування можна вважати першим кроком кореляційного аналізу, оскільки останній передбачає першочергове встановлення наявності зв’язку між явищами, що вивчаються, визначення суттєвих ознак (факторів) та напрямків їх впливу.

     Математичні в економічному аналізі, що отримали зараз широкий розвиток, відображають розвиток як самої економічної теорії, так і прикладної математики. При цьму створюється ряд нових направлінь, що пінтегруються з рядом математичних дисциплін (теорією ймовірності і математичної статистики, випадковими керуємими процесами, топологією, теорією чисел, математичною логікою та функціональним аналізом).

     Застосування  математичних методів при вивченні економічних процесів пов’язано  з наступними явищами:

     переходом від використання окремих економіко-математичних моделей до їх системи, що відображає різноманітні ієрархічні рівні функціонування, в нашому випадку, банку;

       розширенням арсеналу засобів  математичного аналізу економічних  проблем;

     ускладненням  окремих передумов побудови окремих  моделей та їх системи з ціллю  найбільш адекватного та реального відображення існуючих взаємозв’язків;

     економічною реалізацією математичних моделей (кількісним визначенням параметрів моделі на основі обробки звітної  та нормативної інформації);

     створенням  єдиного інформаційно-технічного забезпечення всієї системи економіко-математичних моделей;

     узагальненням (аналізом) практики використання методів  математичного моделювання, включаючи  вивчення методів проведення економічних  експериментів;

     збагаченням математичних методів новими підходами  аналізу і синтезу явищ та процесів; переходом від класичного моделювання економічних процесів мовою математичного програмування до складних моделей ієрархічної організації динамічного характеру із стохастичними параметрами та змінними.

     Розвиток  математичних методів економічного аналізу не означає однак, що традиційні способи та прийоми, що були охарактеризовані вище, не мають жодного значення в процесі нашого аналізу. Потрібно розумне використання як перших, так і других прийомів та способів. Надмірна математична формалізація вивчаємого процесу користі не принесе.

     Попередження  на цей рахунок ідуть від самих  математиків. Складний характер економічних  проблем, за їхніми словами, не допускає формального підходу до їх рішення, потребує використання різноманітних  методологічних засобів. Неможливо розраховувати на можливість за допомогою “однієї формули”, наприклад, за допомогою однієї математичної моделі, повністю вирішити всі проблеми, пов’язані з вивченням та управлінням певним економічним (в тому числі й банківським) процесом чи явищем. Оптимізаційні математичні методи необхідно вдало застосовувати не тільки з іншими математичними прийомами (цільовими програмами, імітаційними методами тощо), а й з традиційними засобами економічного аналізу, що дозволяють в ряді випадків більш конкретно й точно врахувати специфіку того чи іншого підрозділу або окремих операцій.

     До  математичних методів економічного аналізу можна віднести: графічні методи, кореляційний та регресійний  аналіз, лінійне, динамічне та випукле  програмування, математичні теорії ігр та масового обслуговування, матричні методи, методи імітації тощо. На наш погляд, для аналізу явища, що вивчається в данній роботі доцільно буде застосувати графічний метод та метод кореляційно-регресійного аналізу.

     Графічний метод пов’язаний, насамперед, з геометричним зображенням функціональної та нефункціональної залежностей за допомогою геометричних фігур на площині. Графіки використовуються для швидкого та наглядного зображення залежностей.

     В економічному аналізі застосовуються майже всі види графіків: діаграми порівняння, діаграми часових рядів, криві розподілу, графіки кореляційного поля тощо.

     Особливо  широко, для наглядного відображення динаміки явищ (а в аналізі з  динамічними рядами доводиться дуже часто мати справу) використовується діаграми часових рядів.

     Метод кореляційного і регресійного аналізу  широко застосовується для визначення тісноти зв’язку між показниками, що не знаходяться у функціональній залежності. Кореляція показує ймовірну залежність між явищами; вона може бути виявлена як між двома кількісними явищами, так і між багатьма величинами. В останньому випадку доводиться мати справу з множинною кореляцією.

     Безперечною умовою кореляційного та регресійного аналізу є забезпеченість статистичними  данними, обгрунтованість застосування до вивчаємого явища відповідної ймовірностної схеми (практично це зводиться до вибору відповідного явища).

     Тіснота зв’язку між явищами, що вивчаються, вимірюється кореляційним співвідношенням ( для криволінійної залежності). Для прямолінійної залежності обчислюється коефіцієнт кореляції.

     В процесі аналізу нами буде розраховано  ряд показників, коефіцієнтів, що характеризують явище багатогранно.

     Так, при вивченні динаміки розвитку системи  “клієнт-банк” у Київській філії  Акціонерного комерційного інноваційного банку “УкрСиббанк”, ми розрахуємо наступні показники: 

Абсолютне відхилення (базове)

А(б) = Кі – Ко,

де А (б) – абсолютне відхилення (базове),

Кі –  кількість у звітному періоді;

Ко –  кількість на початок періоду. 

     Абсолютне відхилення (ланцюгове)

А (л) = Кі – Кі-1,

де А (л) –  абсолютне відхилення (ланцюгове),

Кі – кількість  у звітному періоді;

Кі-1 – кількість  у періоді, що передує звітному.  

Темп  росту (базовий)

Тр(б) = Кі / Ко * 100%,

де Тр(б) –  темп росту (базовий);

Кі – кількість  у звітному періоді;

Ко –  кількість на початок періоду. 
 

Темп  росту (ланцюговий)

Тр(л) = Кі / Кі-1 * 100%,

де Тр(л) –  темп росту (ланцюговий);

Кі – кількість  у звітному періоді;

Кі-1 – кількість  у періоді, що передує звітному.  

Темп  приросту (базовий)

Тпр(б) = Кі / Ко * 100% - 100%,

де Тпр(б) –  темп приросту (базовий);

Кі – кількість  у звітному періоді;

Ко –  кількість на початок періоду. 

Темп  приросту (ланцюговий)

Тр(л) = Кі / Кі-1 * 100% - 100%,

де Тпр(л) –  темп приросту (ланцюговий);

Кі – кількість  у звітному періоді;

Кі-1 – кількість  у періоді, що передує звітному.

Абсолютне значення одного проценту приросту

А% = А(б) / Тпр(б)

де А% - абсолютне  значення одного проценту приросту;

А(б) – абсолютне  відхилення (базове);

Тпр(б) – темп приросту (базовий); 

Середнє арифметичне значення

Ксер = å Кі / n

де Ксер = среднє арифметичне значення показника  К;

å Кі – сума значень К за звітний період;

n – кількість  періодів.

      Аналіз  структури передбачає вивчення співвідношень, в першу чергу відсоткових, окремих  частин цілого, а також порівняння цих частин з цілим. Також ціллю є вивчення пропорційності явищ, залежностей між структурами окремих процесів, тощо.

     Кореляційно-регресійний  аналіз використовує ряд математичних формул. Зокрема, першим етапом проведення кореляційно-регресійного аналізу є визначення тісноти зв’язку між факторами, що досліджуються:

r = d^2xy / dx * dy,

     де, r – тіснота зв’язку між факторами (коливаєьться в межах від 0 до 1);

     dx – середнє квадратичне відхилення фактору Х;

     dy – середнє квадратичне відхилення фактору Y;

     d xy – середнє квадратичне відхилення добутку факторів X та Y.

Середнє квадратичне відхилення обчислюється за формулою:

      dx = SQR (å ((Xi – Xсер.)^2) / n),

      де, SQR – функція корінь квадратний.

Залежність  між середніми факторами визначається як лінійна і описується рівнянням:

(Yсер. = а0 + а1*Xсер.)

Надалі розв’язавши  систему нормальних рівнянь:

n * a0 + a1 * åXi = åYi;

a0 * åXi + a1 * å(Xi^2) = å(Xi * Yi)

обчислимо параметри a0 та a1. Підставивши їх до вихідного рівняння ми зможемо прогнозувати залежність середнього приросту фактору Y від середнього приросту фактору X

     Інформаційною базою для проведення данного  аналізу нам послугував, насамперед, щомісячний звіт відділу автоматизації  банківських процесів (див. Додатки), що надає безпосереднє уявлення як про кількість клієнтів, що користуються послугою “клієнт-банк” у динаміці, так і про об’єми операцій, що проходять через неї. На основі цих данних ми проведемо аналіз динаміки та структури розвитку системи “клієнт-банк”, а також кореляційно-регресійний аналіз певних показників.

     Також в процесі аналізу нами буде використано  фінінсову звітність банку, зокрема  інтерес для нас має та його частина, що відображає рівень доходу від розрахункових операцій –  балансові рахунки 611 групи. Маючи  ці данні ми зможемо проаналізувати важливість, значущість доходів, отриманих від роботи клієнтів із системою “клієнт-банк” у загальному обсязі доходів від розрахункових операцій.