Details

Целью работы является анализ влияния санкций на показатели эффективности деятельности 100 российских банков, используя метод Difference-in-Difference. В рамках работы были решены следующие задачи: – рассмотрены теоретические основы оценки эффективности банков, понятие эффективности деятельности банка, основные методы оценки и показатели эффективности, а также понятие и виды санкций, влияние санкций на показатели эффективности; – проведен анализ банковского сектора России, рассмотрены основные показатели и ключевые события сектора в период с 2021 по 2023 годы, а также положение сектора в условиях санкций; – составлена выборка из 100 российских банков, отсортированных по размеру активов и проведен кластерный анализ по группам методом k-средних на Python; – определены и рассчитаны показатели эффективности с помощью пакета MS Office (Excel); – построена модель и проведен анализ методом Difference-in-Difference с использованием программного обеспечения STATA, проинтерпретированы полученные результаты. Источниками информации выступили данные отечественной и зарубежной научно-исследовательской литературы, официальные Интернет-ресурсы, аналитические агентства, публикуемая отчетность кредитных организаций Банком России.

The purpose of the work is to analyze the impact of sanctions on the performance indicators of 100 Russian banks using the Difference-in-Difference method. As part of the work, the research set the following goals: – the theoretical foundations of evaluating the effectiveness of banks, the concept of the effectiveness of the bank, the main methods of evaluation and performance indicators, as well as the concept and types of sanctions, the impact of sanctions on performance indicators are considered; – the analysis of the banking sector of the Russian Federation was carried out, the main indicators and key events of the sector in the period from 2021 to 2023, as well as the situation of the sector under sanctions were considered; – a sample of 100 Russian banks was compiled, sorted by asset size, and a cluster analysis was performed by groups using the k-means method in Python; – performance indicators have been determined and calculated using the MS Office (Excel) package; – a model was built and analyzed using the Difference-in-Difference method using STATA software, and the results were interpreted. The sources of information were data from domestic and foreign scientific research literature, official Internet resources, analytical agencies, published reports of credit institutions by the Bank of Russia.