Финансы: теория и практика, 2017, № 6

Издание перерегистрировано
в Федеральной службе
по надзору в сфере связи,
информационных технологий
и массовых коммуникаций:
ПИ № ФС77- 70021
от 31 мая 2017 г.

Периодичность издания — 6 номеров в год

учредитель: Финансовый университет

Журнал ориентирован на научное
обсуждение актуальных проблем
в сфере финансов и смежных областей науки

Входит в Перечень периодических научных изданий, 
рекомендуемых ВАК для публикации основных 
результатов диссертаций на соискание ученых 
степеней кандидата и доктора наук; 
включен в ядро Российского индекса
научного цитирования (РИНЦ)
и в список журналов Russian Science Citation Index 
на платформе Web of Science

Распространяется только по подписке.
Подписной индекс 82140
в объединенном каталоге «Пресса России»

The edition is reregistered
in the Federal Service
for communication, informational
technologies and media control:
ПИ № ФС77- 70021
of May 31, 2017

Publication frequency — 6 issues per year

founder: financial university

The journal is oriented towards scientifi c
discussion of current topics in the sphere
of fi nance and related areas of science

The journal is included into the list 
of periodicals recommended for publishing 
doctoral research results by the Higher 
Attestation Commission; 
the journal is included into the core collection 
of Russian Science Citation Index 
and in the list of Russian Science Citation Index 
journals in Web of Science platform

The journal is distributed only by subscription
Subscription index 82140
in the consolidated catalogue “The Press of Russia”

Научно‑практический журнал
Предыдущее название — «Вестник Финансового университета»
Издается с 1997 г.

Том 21, № 6, 2017

Vol. 21, nо. 6, 2017

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
2

Рукописи представляются 
в редакцию по электронной почте:  
vestnikfinu@mail.ru

Минимальный объем статьи —  
4 тыс. слов; оптимальный — 6 тыс. слов.

Редакция в обязательном порядке осуществляет 
экспертную оценку (рецензирование, научное 
и стилистическое редактирование) всех материалов, 
публикуемых в журнале.

Более подробно об условиях публикации 

см.: financetp.fa.ru 

Мнение редакции и членов редколлегии может 

не совпадать с точкой зрения авторов публикаций.

Письменное согласие редакции при перепечатке, 

а также ссылки при цитировании на журнал 

«Финансы: теория и практика / Finance: Theory 

and Practice» обязательны

Сорокин Д. Е., научный руководитель Финансового университета, доктор экономических наук, 
профессор, член-корреспондент РАН, Москва, Россия

рЕДакционнаЯ коллЕгиЯ

артюхин р. Е., кандидат юридических наук, 
руководитель Федерального казначейства 
России, Москва, Россия
БогоЯвлЕнСкий в. и., член-корреспондент 
РАН, заместитель директора Института нефти 
и газа РАН, Москва, Россия
БоДрунов С. Д., директор Института нового индустриального развития им. С. Ю. Витте, президент 
Вольного экономического общества России, Первый вице-президент Санкт-Петербургского Союза 
промышленников и предпринимателей, доктор 
экономических наук, профессор, эксперт Российской академии наук., Санкт-Петербург, Россия
головнин М. ю., член-корреспондент РАН, 
доктор экономических наук, первый заместитель 
директора Института экономики РАН, Москва, 
Россия
ЖуковСкий Мариан, доктор 
экономических наук, Директор Института 
Экономики и Управления Люблинского 
Католического Университета, Люблино, Польша
крюков в. а., член-корреспондент РАН, 
директор Института организации промышленного 
производства СО РАН, г. Новосибирск, Россия
ли Синь, директор Центра России 
и Центральной Азии, Шанхайская академия 
международных исследований, Шанхай, Китай
лукаСЕвич и. Я., доктор экономических 
наук, профессор, Департамент корпоративного 
управления, Финансовый университет, Москва, 
Россия

ПаПава в. г., академик Национальной 
академии наук Грузии, профессор 
Тбилисского государственного  
университета им. И. Джавахишвили, 
Тбилиси, Грузия
руБцов Б. Б., доктор экономических наук, 
профессор, Департамент финансовых рынков 
и банков, Финансовый университет, Москва, 
Россия
ручкина г. Ф., доктор юридических наук, 
Финансовый университет, руководитель 
Департамента регулирования экономической 
деятельности, Москва, Россия
СанДоЯн Э. М., доктор экономических 
наук, директор Института экономических 
и финансовых исследований РоссийскоАрмянского государственного университета, 
Ереван, Армения
ФЕДотова М. а., доктор экономических 
наук, профессор, Финансовый университет, 
руководитель Департамента корпоративных 
финансов, Москва, Россия
цвЕтков в. а., член-корреспондент РАН, 
директор ИПР РАН, Москва, Россия
цыгалов ю. М., доктор экономических наук, 
профессор, Департамент корпоративных финансов 
и корпоративного управления, Финансовый 
университет, Москва, Россия
юо изаБЕль, ректор Университета ПарижДофин, Париж, Франция

главный рЕДактор

FINANCETP.FA.Ru
3

Manuscripts are to be submitted 

to the editorial office in electronic form: 

vestnikfinu@mail.ru

Minimal size of the manuscript: 

4 ths words; optimal — 6 ths words.

The editorial makes a mandatory  

expertise (review, scientific and stylistic editing) 

of all the materials to be published  

in the journal

More information on publishing terms 

is at: financetp.fa.ru 

Opinions of editorial staff and editorial board 

may not coincide with those of the 

authors of publications

It is obligatory to get a written approval of the 

editorial on reprint, and to make references to the 

journal “Finance: Theory and Practice” if quoting

Sorokin D. E., Chairman for Research of the Financial university, Doctor of Economics, Professor, 
Corresponding Member of the Russian Academy of Sciences, Moscow, Russia
 
MEMbErS of thE EDitorial boarD

artyukhin r. E., Candidate of Legal Sciences, 
Head of the Federal Treasury of Russia, Moscow, 
Russia
bogoyavlEnSky v. i., Corresponding 
Member of the Russian Academy of Sciences, 
Deputy Director of the Institute of Oil and Gas 
of the Russian Academy of Sciences, Moscow, 
Russia
boDrunov S. D., Director of the S. Yu. Witte 
Institute for New Industrial Development, 
President of the Free Economic Society of 
Russia, First Vice-President of the St. Petersburg 
union of Industrialists and Entrepreneurs, 
Doctor of Economics, Professor, Expert of the 
Russian Academy of Sciences., St. Petersburg, 
Russia
golovnin M. yu., Corresponding Member 
of the Russian Academy of Sciences, Doctor 
of Economics, First Deputy Director of the 
Institute of Economics of the Russian Academy 
of Sciences, Moscow, Russia
ZhukovSky Marian, Doctor of Economics, 
Director of the Institute of Economics and 
Management of the Catholic university of Lublin, 
Lublin, Poland
kryukov v. a., Corresponding Member 
of the Russian Academy of Sciences, Director 
of the Institute of Industrial Engineering SB RAS, 
Novosibirsk, Russia
li Xin, Director of the Center for Russia 
and Central Asia, Shanghai Academy 
of International Studies, Shanghai, China

lukaSEvich i. ya., Doctor of Economics, 
Professor, Corporate Governance 
Department, Financial university, Moscow,  
Russia
PaPava v. g., Academician of the National 
Academy of Sciences of Georgia, Professor, 
I. Javakhishvili Tbilisi State university, Tbilisi, 
Georgia
rubtSov b. b., Doctor of Economics,  
Professor, Department of Financial Markets 
and Banks, Financial university, Moscow,  
Russia
ruchkina g. f., Doctor of Law, Financial 
university, Head of the Department for Regulation 
of Economic Activity, Moscow, Russia
SanDoyan E. M., Doctor of Economics, Director 
of the Institute of Economic and Financial 
Studies of the Russian-Armenian State university, 
Yerevan, Armenia
fEDotova M. a., Doctor of Economics, Professor, 
Financial university, Head of Corporate Finance 
Department, Moscow, Russia
tSvEtkov v. a., Corresponding Member 
of the Russian Academy of Sciences, Director 
of Market Economy Institute of Russian Academy 
of Sciences, Moscow, Russia
tSygalov yu.M., Doctor of Economics, 
Professor, Corporate Finance and Corporate 
Governance Department, Financial university, 
Moscow, Russia
huault iSabEllE, Rector of the university 
of Paris-Dauphine, Paris, France

chiEf EDitor

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
4

СоврЕМЕнныЕ МЕтоДы иССлЕДованиЯ
Курушин Д. С., Васильева Е. Е.
Построение типологии филиальных банков на основе методов кластерного анализа и нейронных сетей . . . . . . . . . . . . . . 6

ПроЕктноЕ ФинанСированиЕ
Езангина И. А., Сторожилов Н. А. 
Усиление роли институтов развития в механизме банковского проектного финансирования. . . . . . . . . . . . . . . . . . . . . . . . . 20

ФинанСовый контроль
Цветков В. А., Шутьков А.А., Дудин М. Н., Лясников Н. В.
Совершенствование системы налогового администрирования в России . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

БюДЖЕтнаЯ СтратЕгиЯ
Кузнецов Ю. В., Быкова Н. В.
Эффективность государственной поддержки малого предпринимательства в России. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
Салин В. Н., Нарбут В. В.
Неформальная занятость населения России: оценка масштаба и
влияния на государственные финансы страны . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

актуальнаЯ тЕМа
Riccardo Valentini
The Global Agricultural System and Climate Change: Challenges and Opportunities for the Russian Federation. . . . . . . . . . . 70

МЕЖДунароДныЕ ФинанСы
Перская В. В., Джагитян Э. П.
Особенности посткризисных векторов прямых иностранных инвестиций в странах Азиатско-Тихоокеанского региона . . . . 80
Ткаченко А. А., Гиноян А. Б.
Место ремиттансов в финансовых потоках в развивающиеся экономики . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
Кузнецов А. В.
Особенности инвестиционной стратегии Японии и перспективы сотрудничества с Россией . . . . . . . . . . . . . . . . . . . . . . . . . 108

ФинанСы и Право
Шестак В. П., Тютюнник И. Г.
Финансово-правовое обеспечение инновационной активности. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118

ФинанСовый МЕнЕДЖМЕнт
Романова В. В., Ханова Л. М.
Отдельные аспекты развития механизма государственного субсидирования НКО  
в разрезе субъектов Российской Федерации. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

ФинанСы и крЕДит
Ярашева А. В., Макар С. В., Решетников С. Б.
Кредитные стратегии россиян как отражение модели финансового поведения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138

ПуБликации МолоДых учЕных
Нетунаев Е. Б.
Феномен заразных финансовых пузырей. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
Р. А. Аландаров, Тархановский К. О. 
Сравнительный анализ методологии организации финансирования научно-исследовательских работ  
на примере Российской Федерации, стран Западной Европы и Азии . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166

Указатель публикаций в журнале «Финансы: теория и практика» («Вестник Финансового университета») в 2017 г. . . . . 178

С о Д Е р Ж а н и Е

FINANCETP.FA.Ru
5

СоДЕрЖаниЕ

c o n t E n t S

MoDErn rESEarch MEthoDS
Kurushin D. S., Vasileva E. E.
The Construction of a Typology of Branch Banks on the Basis  
of Cluster Analysis and Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

ProJEct financE
Ezangina I. A., Storozhilov N. A.
Strengthening the Role of Development Institutions in the Banking Project Financing . . 20

financial control
Tsvetkov V. A., Shutkov A. A., Dudin M. N., Lesnikov N. V.
Improvement of the Tax Administration System in Russia . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

buDgEt StratEgy
Kuznetsov Yu.V., Bykova N. V.
The Effectiveness of State Support of Small Entrepreneurship in Russia . . . . . . . . . . . . . . . 50
Salin V. N., Narbut V. V.
Informal Employment of the Population of Russia: Assessment  
of the Scale and the Impact on Public Finances of the Country . . . . . . . . . . . . . . . . . . . . . . . 60

actual toPic
Riccardo Valentini
The global Agrifood System and Climate Changes: Challenges  
and Opportunities for Russian Federation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

intErnational financE
Perskaya V. V., Dzhagityan E. P.
Peculiarities of the Vectors of Post-Crisis Foreign Direct Investment  
in the Asia-Pacific Region . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
Tkachenko A. A., Ginoyan A. B.
The Place of Remittances in Financial Flows into Developing Economies . . . . . . . . . . . . . . 94
Kuznetsov A. V.
Peculiarities of Investment Strategies of Japan and the Prospects  
of Cooperation with Russia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .108

financE anD laW
Shestak V. P., Tyutyunnik I. G.
Financial and Legal Support of Innovative Activity. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .118

financial ManagEMEnt
Romanova V. V., Khanova L. M.
Some Aspects of Development of the Mechanism of State Subsidies  
to NGOs across the Administrative Entities of the Russian Federation . . . . . . . . . . . . . . . .128

financE anD crEDit
Yarasheva A. V., Makar S. V., Reshetnikov S. B.
The Credit Strategies of the Russians as the Reflection of the Model of Financial Behaviour. . 138

PublicationS of young rESEarchErS
Netunaev E. B.
The Phenomenon of Contagious Financial Bubbles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .154
Alandarov R. A., Tarkhanovsky K. O.
Comparative Analysis of the Organization of Financing of Scientific and Research  
Works on the Example of the Russian Federation, Western Europe and Asia. . . . . . . . . . .166

Index of Publications in the Journal “Finance: Theory and Practice” 
(“Bulletin of the Financial university”) in 2017 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .178

ФинанСы: тЕориЯ 
и Практика / 
financE: thEory 
anD PracticE
Научно-практический журнал
Том 21, № 6, 2017

Главный редактор —
Д.Е. Сорокин
Заведующий редакцией 
научных журналов —
в.а. Шадрин
Выпускающий редактор —  
и.С. Довгаль
Переводчик — з. Межва
Корректор — С.Ф. Михайлова
Верстка — С.М. ветров

адрес редакции:
125993, Москва, ГСП-3,
Ленинградский пр-т,  
53, к. 5.4
Тел.: 8 (499) 943-94-53
E-mail: vestnikfinu@mail.ru
Сайт: financetp.fa.ru

оформление подписки  
в редакции  
по тел.: (499) 943-94-31 
e-mail: naPuntus@fa.ru 
Пунтус н.а.

Подписано в печать 26.12.2017 
Формат 60 х 84 1/8. 
Объем 23 п. л.
Заказ № 1. 
Отпечатано 
в Отделе полиграфии
Финансового университета 
(Ленинградский пр-т, д. 51)
© Финансовый университет

Editor-in-Chief —  
D.E. Sorokin
Head of Scientific Journals  
Editorial Department — 
v.a. Shadrin 
Managing editor — i.S. Dovgal
Translator — Z. Mezhva
Proofreader — S.f. Mihaylova
Design, make up — S.M. vetrov

Editorial address:
53, Leningradsky prospekt, office 5.4
Moscow, 125993
tel.: +7 (499) 943-94-53
E-mail: vestnikfinu@mail.ru
Site: financetp.fa.ru

Subscription in editorial office
tel: +7 (499) 943-94-31
e-mail: naPuntus@fa.ru
puntus n.a. 

Signed for press on 26.12.2017
Format 60 х 84 1/8.
Size 23 printer sheets.  
Order № 1
Printed by Publishing House  
of the Financial university  
(51, Leningradsky prospekt) 
© Financial University

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
6

DOI 10.26794/2587–5671–2017–21–6-6–19
УДК 336.71
JEL G21
Построение типологии филиальных 
банков на основе методов кластерного 
анализа и нейронных сетей

Д. С. Курушин,
Пермский национальный исследовательский
политехнический университет,
Пермь, Россия
http://orcid.org/0000-0003-4798-7423

Е. Е. Васильева,
Пермский национальный исследовательский
политехнический университет,
Пермь, Россия
http://orcid.org/0000-0001-6334-553

аннотациЯ
Предмет. В статье анализируется банковская система России, представляющая собой сложную, многоуровневую, иерархически выстроенную систему, в которой выделяются различные устойчивые группы банков. Констатируется усиление роли многофилиальных банков. Дается анализ существующих подходов к выделению 
группы многофилиальных банков. Делается вывод об отсутствии единообразия в определении понятия «многофилиальный банк» и различной трактовке исследователями, законодателем и регулирующим органом характеристик и качественного состава группы многофилиальных банков.
цель. Построение типологии филиальных банков Российской Федерации по числу структурных подразделений и выделение в банковской системе группы многофилиальных банков.
Методология. На основе кластеризации банков, имеющих филиалы и представительства (метод Уорда, метрика расстояния —  евклидово расстояние), построена типология банков по числу их филиалов и подразделений 
и выделена группа многофилиальных банков, проверена ее содержательная устойчивость при использовании 
различных методов кластеризации. Использованы экономико-математические методы кластерного анализа 
и нейронных сетей.
результаты. В ходе исследования сформирован перечень параметров для осуществления кластеризации банков РФ, имеющих филиалы и представительства. В качестве параметров кластеризации рассмотрены все законодательно предусмотренные внешние и внутренние подразделения.
Реализована проверка полученной типологии банков с помощью нейронной сети с учителем: если предложенная типология не соответствует действительности, то сеть не обучится либо будет делать ошибки, соответствующие «выпадениям» из классификации. Результат работы нейронной сети подтвердил наличие в банковской системе РФ выделенных на основе кластерного анализа групп банков.
выводы. Построена типология филиальных банков, в рамках которой подтверждена гипотеза о существовании 
в банковской системе РФ группы многофилиальных банков, фактически выделена эта группа банков и дано ее 
математическое описание в соответствии со средним количеством структурных подразделений. Результаты исследования могут быть использованы для дальнейшего изучения свойств, присущих различным типам банков, 
имеющих филиалы и подразделения, в том числе многофилиальным банкам, и анализа закономерностей их 
функционирования, что может послужить основой повышения эффективности банковской деятельности в РФ.
Ключевые слова: типология банков; многофилиальный банк; банковская система; группы банков; кластеризация; нейронная сеть

Для цитирования: Курушин Д. С., Васильева Е. Е. Построение типологии филиальных банков на основе методов кластерного анализа 
и нейронных сетей // Финансы: теория и практика. 2017. Т. 21. № 6. С. 6–19.

СоврЕМЕнныЕ МЕтоДы иССлЕДованиЯ 

FINANCETP.FA.Ru
7

DOI 10.26794/2587–5671–2017–21–6-6–19
uDC 336.71
JEL G21

the construction of a typology of branch banks 
on the basis of cluster analysis and neural networks

D. S. Kurushin,
Perm national research
Polytechnic university,
Perm, Russia
http://orcid.org/0000-0003-4798-7423

E. E. Vasileva,
Perm national research
Polytechnic university,
Perm, Russia
http://orcid.org/0000-0001-6334-553

abStract
topic. The article analyzes Russia’s banking system, which is a complex, multi-layered, hierarchically organized 
system in which there exist different stable groups of banks. It is stated the strengthening role of multi-branch 
banks. We analyze the existing approaches to the selection of the group of multi-branch banks. There is lack of 
uniformity in the definition of ‘multi-branch bank’ and existence of different interpretation among researchers, 
legislators, and regulators as concerns the characteristics and quality of group multi-branch banks.
Purpose. The purpose of this paper is the construction of a typology of banks with branches in the Russian 
Federation according to the number of branches and allocation in the banking system of the group multidivisional 
banks.
Methodology. Based on the clustering of banks that have branches and representative offices (Ward’s method, 
distance metric —  a Euclidean distance), we constructed the typology of banks according to a number of their 
branches and departments. Further, we tested a dedicated group of multi-branch banks for its substantial stability 
using different methods of clustering and neural networks.
results. In the study, we propose a list of parameters for the implementation of clustering procedures of Russian 
banks that have branches and representative offices. As parameters of the clustering, we consider all statutory 
allowed internal and external units of banks.
We implemented verification of a typology of banks by the neural network with the teacher: if the proposed 
typology is not true, the network will not be trained, or it will make errors corresponding to the ‘fallout’ from the 
classification. The result of the implementation of the neural network confirmed the presence in the banking 
system of the Russian Federation groups of banks classified on the basis of cluster analysis.
conclusions. Received typology of branches of banks has confirmed the hypothesis about the existence in the 
banking system of the Federation group of multi-branch banks. It has been actually determined this group of banks 
and given its mathematical description in accordance with the average number of structural units. The results of 
the study can be used for further study of the properties inherent in different types of banks with branches and 
offices, including multi-branch banks, and for analysis of the mechanism of their functioning that could serve as a 
basis of increase of efficiency of banking activities in the Russian Federation.
Keywords: a typology of banks; a multi-branch bank; banking system; banking groups; clustering; neural network

Citation: Kurushin D. S., Vasileva E. E. The construction of a typology of branch banks on the basis of cluster analysis and neural networks. Finansy: 
teoriya i praktika = Finance: Theory and Practice, 2017, vol. 21, no. 6, pp. 6–19. (In Russ.).

Д. С. Курушин, Е. Е. Васильева

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
8

ввЕДЕниЕ
Банковская система России законодательно 
двухуровневая, однако фактически она пред‑
ставляет собой сложную, многоуровневую, 
иерархически выстроенную систему, в кото‑
рой выделяются различные устойчивые группы 
банков.
Так, А. В. Верников выделяет следующие груп‑
пы банков, соответствующие определенным уров‑
ням банковской системы, имеющие различный 
масштаб деятельности, клиентуру и роли в ме‑
ханизме денежной трансмиссии [1]:
1) крупнейшие «госбанки» —  банки с государ‑
ственным участием (Сбербанк, ВТБ, Россельхоз‑
банк);
2) «системно значимые», по мнению автора, 
банки (около 30 банков);
3) банки «второго контура банковского над‑
зора» (около 150 банков);
4) прочие банки (около 650 банков).
В основе исследования А. В. Верникова 
и М. Е. Мамонова [2] лежит следующая структура 
национальной банковской системы:
1) ключевые госбанки (State‑1) —  тройка ука‑
занных выше «госбанков»;
2) прочие банки с государственным участием 
(State‑2);
3) частные банки (Private);
4) иностранные дочерние банки (Foreign).
Банк России как регулятор национальной бан‑
ковской системы также фактически признает 
неоднородность совокупности коммерческих бан‑
ков и приоритетность некоторых банков в наци‑
ональной банковской системе, выделяя системно 
значимые кредитные организации 1. В настоящий 
момент в число системно значимых входят 9 бан‑
ков 2: АО «АЛЬФА‑БАНК», АО «Райффайзенбанк», 
АО «Россельхозбанк», Банк ВТБ (ПАО), Банк ГПБ 
(АО), ПАО Банк «ФК Открытие», ПАО «РОСБАНК», 
ПАО Сбербанк, ПАО «Промсвязьбанк».
Вместе с этим в настоящий момент в россий‑
ской банковской системе исследователи конста‑
тируют присутствие еще одной группы банков —  
многофилиальных [3–6].

1 Указание Банка России от 22.07.2015 № 3737‑У «О мето‑
дике определения системно значимых кредитных органи‑
заций». URL: http://www.consultant.ru/document/cons_doc_
LAW_184686/ (дата обращения: 25.09.2017).

2 Информация Пресс‑службы Банка России от 30.09.2016 
«Об утверждении перечня системно значимых кредитных 
организаций». URL: http://www.cbr.ru/press/pr.aspx?file=3
0092016_101942ik2016–09–30t10_19_00.htm (дата обраще‑
ния: 25.09.2017).

Профиль количества филиалов коммерческих 
банков РФ, имеющих в своей структуре хотя бы 
одно подразделение (филиал, дополнительный 
офис, операционный офис и т. п.), представлен‑
ный на рис. 1, наглядно демонстрирует нали‑
чие в банковской системе РФ широкого спектра 
банков, существенно отличающихся по числу 
филиалов. Для анализа здесь и далее использо‑
ваны данные Банка России 3 и агентства Analytic 
Research Group 4 по состоянию на 01.01.2015.
Необходимо отметить, что значительную 
долю —  36,04% общего количества коммерче‑
ских банков в России —  составляют банки, не 
имеющие ни одного подразделения. На рис. 1 
представлены 63,96% банков отечественной 
банковской системы, имеющие подразделения. 
Максимальным количеством филиалов обладает 
Сбербанк —  94 филиала. Существует определенная 
группа банков, имеющая выраженное количест‑
во филиалов, и значительная группа банков, не 
имеющая в своей структуре филиалов.
Анализ общетеоретического, законодательно‑
терминологического, функционального подходов 
и подхода Центрального банка РФ к выделению 
группы многофилиальных банков и структури‑
рованию российской банковской системы по 
признаку количества у кредитной организации 
филиалов и подразделений позволяет сделать 
вывод об отсутствии единообразия в определении 
понятия «многофилиальный банк» и различ‑
ной трактовке исследователями, законодателем 
и регулирующим органом характеристик и ка‑
чественного состава данной категории банков 
[7]. В работе [8] была предпринята попытка вы‑
деления категории многофилиальных банков 
на основе методов кластерного анализа, однако 
достигнутые результаты требуют дополнительной 
проработки, в том числе: обоснования исполь‑
зуемого алгоритма кластеризации, проверки 
устойчивости выделенной группы банков, а также 
характеристики ее места и роли в банковской 
системе России.
Вышеизложенное подтверждает актуальность 
настоящего исследования и определяет необходи‑
мость структурирования современной банковской 
системы России по количественному признаку 
наличия у банков филиалов и подразделений 
и выделения в ней группы многофилиальных 
банков как объекта для дальнейших исследований.

3 Банк России. URL: http://cbr.ru. (дата обращения: 25.09.2017).

4 Analytic Research Group. URL: http://www.analyticgroup.ru/
page.php?page_id=2 (дата обращения: 23.10.2017).

СоврЕМЕнныЕ МЕтоДы иССлЕДованиЯ 

FINANCETP.FA.Ru
9

МЕтоДологичЕСкаЯ оСнова 
иССлЕДованиЯ
Построение типологии банков по числу филиа‑
лов и подразделений и выделение в банковской 
системе России группы многофилиальных бан‑
ков основывалось на экономико‑математиче‑
ских методах кластерного анализа и нейронных 
сетей. Это позволяет решить ряд значимых задач, 
а именно:
• разработать типологию банков в банковской 
системе РФ по числу их филиалов и подразделений;
• математически охарактеризовать группу 
многофилиальных банков на основе средних зна‑
чений параметров в выделенной группе;
• фактически выделить в банковской системе 
РФ группу многофилиальных банков и оценить ее 
устойчивость;
• математически подтвердить гипотезу о су‑
ществовании в банковской системе России груп‑
пы банков, характеризующихся сходными пара‑
метрами, которые могут быть определены как 
многофилиальные банки.
Использование в рамках проводимого исследо‑
вания методов нейронных сетей позволяет под‑
твердить обоснованность достигнутых результатов, 

а именно: наличие в банковской системе РФ выде‑
ленных на основе кластерного анализа групп банков.
Комплексное использование указанных методов 
позволяет сформировать результат, соответствующий 
реальному положению дел в банковской системе РФ.

рЕзультаты иССлЕДованиЯ
Для классификации объектов наблюдений по 
множеству признаков в условиях отсутствия ин‑
формации о характере распределения внутри 
классов проводится многомерная классифика‑
ция методами кластерного анализа. В настоя‑
щее время условно выделяют несколько подхо‑
дов к кластеризации: вероятностный, на основе 
искусственного интеллекта, логический, теорети‑
ко‑графовый, иерархический. Специалистами от‑
мечается высокое прикладное значение алгорит‑
мов прямой классификации [9], а именно:
• содержательная ясность и относительная 
простота алгоритмов;
• допустимость контролируемого вмешатель‑
ства в работу алгоритма;
• возможность визуализации данных и приня‑
тия непосредственных решений;
• невысокая трудоемкость алгоритмов.

0
10
20
30
40
50
60
70
80
90
100

Сбербанк России
РОСБАНК
МАК‐БАНК
НОТА‐Банк
Ланта‐Банк
ЛОКО‐Банк
БФГ‐Кредит
Алжан
Сибирский Нефтяной банк
БРИНКС
БТА‐Казань
КОММЕРЧЕСКИЙ ЭКСПОРТНО‐…
Банк Корпоративного …
Дагэнергобанк
Спутник
СТРАТЕГИЯ
Континент Финанс
Тальменка‐банк
Международный строительный …
Содействие общественным …
ВЕСТ
Сельмашбанк
Первомайский
КАНСКИЙ
Богородский муниципальный банк
Алтайкапиталбанк
ВЕГА‐БАНК
ИНТЕРПРОМБАНК
Евро‐Азиатский Торгово‐…
Кемеровский социально‐…
Мурманский расчетный центр
Сергиево‐Посадская Расчётная …
Камский горизонт
Банк Премьер Кредит
Национальный Резервный Банк
БАНК КРЕДИТ СВИСС (МОСКВА)
Кремлевский
НОВОКУЗНЕЦКИИ …
Сити Инвест Банк

Количество филиалов

Рис. 1 / Fig. 1. Профиль количества филиалов коммерческих банков россии / Profile of the number 
of branches commercial banks of russia

Д. С. Курушин, Е. Е. Васильева

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
10

И, как следствие перечисленного, высокая со‑
держательная ясность полученных результатов 
классификации, что обусловило их применение 
для решения задач исследования.
Спектр банковских подразделений достаточно 
разнообразен. В качестве параметров кластериза‑
ции были использованы данные о количестве всех 
законодательно допустимых 5 банковских структур‑
ных подразделений.
С целью выявления сильных статистических 
зависимостей и исключения дублирующих параме‑
тров на начальном этапе исследования была постро‑
ена матрица коэффициентов взаимной корреляции 
(k) между исходными параметрами (табл. 1). Из 
совокупности анализируемых кредитных орга‑
низаций исключен ПАО Сбербанк, так как имеет 
значения параметров, значительно отличающиеся 

5 Федеральный закон от 02.12.1990 № 395–1 (в ред. от 
13.07.2015) «О банках и банковской деятельности». URL: 
http://www.consultant.ru/ (дата обращения: 25.11.2015).

от остального массива данных (выброс). Матема‑
тические расчеты выполнены в пакете “Statistica”.
Данные корреляционного анализа, представлен‑
ные в табл. 1, демонстрируют нецелесообразность 
исключения каких‑либо параметров: большинство 
параметров характеризуется крайне слабым и сла‑
бым уровнем положительной корреляции (от 0,01 до 
0,50), либо крайне слабой отрицательной корреля‑
цией (k = –0,01). Средняя корреляция наблюдается 
между числом дополнительных офисов и предста‑
вительств за рубежом (k = 0,54) и числом филиалов 
в РФ и дополнительных офисов (k = 0,66). Сильные 
корреляционные связи между анализируемыми 
параметрами отсутствуют.
На следующем этапе необходимо принять ре‑
шение о нормировании исследуемых данных. Нор‑
мирование подразумевает, что в качестве резуль‑
тата исследователя в большей степени интересует 
кластеризация, основывающаяся на сходстве про‑
филей кластеризуемых параметров, нежели чем 
на собственно расстояниях между ними. В случае 

Таблица 1 / Table 1
корреляционная матрица значений параметров / correlation matrix of parameter values

х1
х2
х3
х4
х5
х6
х7
х8
х9

х1
1,00

х2
0,12
1,00

х3
0,01
0,00
1,00

х4
0,44
0,38
0,01
1,00

х5
0,66
0,03
0,13
0,54
1,00

х6
0,13
0,02
0,00
0,04
0,11
1,00

х7
0,01
–0,01
0,11
0,07
0,16
0,08
1,00

х8
0,18
0,06
0,30
0,11
0,50
0,02
0,14
1,00

х9
0,15
0,00
–0,01
–0,01
0,11
0,24
–0,01
0,00
1,00

Примечание:

х1 —  число филиалов в РФ / the number of branches in Russia;

х2 —  число филиалов за рубежом / the number of branches abroad;

х3 —  число представительств в РФ / the number of representative offices in Russia;

х4 —  число представительств за рубежом / the number of representative offices abroad;

х5 —  число дополнительных офисов / the number of additional offices;

х6 —  число операционных касс вне кассового узла / the number of operating cash desks out of cash knot;

х7 —  число кредитно-кассовых офисов / the number of credit-and-cash offices;

х8 —  число операционных офисов / the number of operational offices;

х9 —  число передвижных пунктов кассовых операций / the number of mobile stations for cash operations.

СоврЕМЕнныЕ МЕтоДы иССлЕДованиЯ 

FINANCETP.FA.Ru
11

если масштаб изменения переменных (величина 
стандартного отклонения) сильно варьируется от 
переменной к переменной, то нормирование может 
значительно повлиять на результат. Описательная 
статистика исследуемых параметров представлена 
в табл. 2.
Представленные в табл. 2 данные демонстри‑
руют значительное отличие величин стандартных 
отклонений параметров и нецелесообразность нор‑
мирования параметров.
На основе указанных параметров осуществ‑
лен кластерный анализ 661 российского банка на 
основе алгоритмов восходящей иерархической 
кластеризации методом Уорда, метрика расстоя‑
ния —  евклидово расстояние. Метод Уорда широко 
применяется и положительно зарекомендовал себя 
в экономических исследованиях. Он нацелен на 
формирование кластеров примерно равных разме‑
ров с минимальной внутриклассовой дисперсией. 
Евклидово расстояние, представляя собой геоме‑
трическое расстояние в многомерном пространстве, 
является наиболее популярной метрикой в кла‑
стерном анализе. Дендрограмма, формируемая 
в процессе иерархической кластеризации, позволяет 
визуально контролировать процесс объединения 
в кластеры и оценивать оптимальное для исследо‑

вания количество кластеров. Результаты реализации 
алгоритма кластеризации представлены в виде 
дендрограммы на рис. 2.
Анализ дендрограммы на рис. 2 позволил вы‑
делить 5 кластеров, содержащих различное коли‑
чество банков.
Для проверки устойчивости полученных резуль‑
татов была осуществлена кластеризация на основе 
других методов и метрик расстояний. Применение 
других методов кластеризации, в том числе методов 
полной связи (complete linkage), одиночной связи 
(single linkage), невзвешенное попарное среднее 
(unweighted pair‑group average), взвешенное попар‑
ное среднее (weighted pair‑group average), метрика 
расстояния —  евклидово расстояние, а также других 
метрик расстояния при кластеризации методом 
Уорда, не привело к формированию наполненных, 
свободно поддающихся экономической интерпре‑
тации кластеров.
Потенциальная неоднозначность группировки 
объектов, получаемых в процессе кластеризации, 
отмечается специалистами как допустимое явление 
в силу возможной сложности выявляемой структу‑
ры, ее изначальной неопределенности и наличия 
у значительной части объектов характерных черт 
различных классов [10].

Таблица 2 / Table 2
описательная статистика параметров / Descriptive statistics of the parameters

Параметр / Parameter
Среднее 
значение / 
average value

Миним. / 
Min
Максим. / 
Max

Стандартн. 
откл. / Stand. 
Dev.

Филиалы в РФ / Branches in Russia
х1
2,41301
0,00
78,00
5,90560

Филиалы за рубежом / Branches abroad
х2
0,00756
0,00
2,00
0,10271

Представительства в РФ / Representative 
offices in Russia
х3
0,38578
0,00
76,00
3,64039

Представительства за рубежом / 
Representative offices abroad
х4
0,05900
0,00
5,000
0,37879

Дополнительные офисы / Additional offices
х5
16,78669
0,00
1138,00
58,13332

Операционные кассы вне кассового узла / 
Operating cash desks out of cash knot
х6
3,25719
0,00
177,00
10,04462

Кредитно-кассовые офисы / Credit-and-cash 
offices
х7
3,09228
0,00
316,00
19,57756

Операционные офисы / Operational offices
х8
12,29349
0,00
1147,00
67,99420

Передвижные пункты кассовых операций / 
Mobile stations for cash operations
х9
0,00303
0,00
1,00
0,05496

Д. С. Курушин, Е. Е. Васильева

ФИНАНСЫ: ТЕОРИЯ И ПРАКТИКА / FINANCE: THEORY AND PRACTICE   Т. 21,  № 6’2017
12

Таким образом, на основе дендрограммы на 
рис. 2 было выделено 5 кластеров банков, имеющих 
филиалы и подразделения. Отдельный кластер 
образован Сбербанком, исключенным на начальном 
этапе из анализируемой совокупности банков как 
выброс. Состав банков в выделенных кластерах 
представлен в табл. 3.
Средние значения параметров банков в каждом 
из кластеров представлены в табл. 4.
Первый кластер представлен Сбербанком, имею‑
щим самую развитую сеть филиалов и внутренних 
подразделений. Сбербанк имеет максимальное 
число филиалов, дополнительных и операционных 
офисов среди российских коммерческих банков: 
94, 11 672 и 649 соответственно. Фактически этот 
банк осуществляет свою деятельность во всех, даже 
самых труднодоступных уголках страны: Сбербанк 
является единственным банком, практикующим 
такую форму внутренних подразделений, как пере‑
движные пункты кассовых операций (195 пунктов). 
Характерной чертой Сбербанка является отсутствие 

среди его структурных подразделений предста‑
вительств в РФ, функции которых выполняются 
многочисленными филиалами.
Второй кластер включает Россельхозбанк, ко‑
торый имеет также значительное число филиалов 
и подразделений: количество филиалов Россельхоз‑
банка значительно и сопоставимо с количеством 
филиалов Сбербанка (78 филиалов), однако по числу 
дополнительных и операционных офисов и опера‑
ционных касс он значительно уступает Сбербанку 
(1138 дополнительных офисов и 121 операционный 
офис).
Третий выделенный кластер образован четырьмя 
крупными банками, сеть подразделений которых 
сформирована, прежде всего, за счет структурных 
подразделений, не имеющих статуса филиала: до‑
полнительных и операционных офисов. Общее 
количество внутренних структурных подразделе‑
ний этих банков приближается к количеству струк‑
турных подразделений Россельхозбанка, а сред‑
нее число операционных офисов у банков данного 

Tree Diagram for 661 Cases

Ward`s method
Euclidean distances

C_636
C_608
C_639
C_530
C_483
C_403
C_390
C_371
C_290
C_249
C_197
C_196
C_174
C_55
C_28

0

1000

2000

3000

4000

5000

6000

7000

Linkage Distance

Рис. 2 / Fig. 2. Дендрограмма кластеризации (метод уорда, метрика расстояния —  евклидово расстояние) / 
tree diagram (Ward’s method, the distance metric —  Euclidean distances)

СоврЕМЕнныЕ МЕтоДы иССлЕДованиЯ