Вход

Формирование и поддержка баз данных ожидаемых условий финансирования экономики России

Рекомендуемая категория для самостоятельной подготовки:
Дипломная работа*
Код 288863
Дата создания 30 сентября 2014
Страниц 85
Покупка готовых работ временно недоступна.
3 330руб.

Описание

2014 год. Защищена на 5. Много полезного материала, информации, цифр, таблиц и схем. Оригинальность работы 87%. Проверялась через платный антиплагиат.ру. ...

Содержание

ВВЕДЕНИЕ 3
1. Развитие системы опережающих показателей экономики России 6
1.1. Методика индикации изменения условий кредитования 6
1.2. Дополнение обзора экономических ожиданий условиями финансирования экономики 15
1.3. Особенности методики наблюдения за изменениями условий
кредитования в РФ 17
2. Формирование баз данных обзоров изменения условий кредитования 23
2.1. Приведение обзоров к единому формату 23
2.2. Формирование временных рядов изменения условий кредитования
на примере России 36
2.3. Формирование графиков и диаграмм на примере России 40
3. Представление результатов измерения ожидаемых условий
кредитования на примере мониторинга Центрального банка России 47
3.1. Основные итоги мониторинга 47
3.2. Результаты опросов кредитных организаций 51
3.3. Особенности регионального мониторинга 55
ЗАКЛЮЧЕНИЕ 58
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 62
ИНТЕРНЕТ-РЕСУРСЫ 65
Приложение 1 - Программа социологического исследования «Изменение условий банковского кредитования» 66
Приложение 2 -Анкета 85

Введение

Основным приоритетом государственной социально-экономической политики является обеспечение высоких и устойчивых темпов экономического роста. Достижение этой задачи невозможно без повышения роли банковского сектора в экономике, эффективного выполнения банковской системой задачи удовлетворения финансовых потребностей реальной экономики. При этом динамика развития банковского сектора в значительной степени зависит от состояния правовой среды, инвестиций, делового климата, налоговых условий, совершенствования регулирования банковской деятельности и системы банковского надзора, эффективности функционирования системы страхования вкладов, доступности заемных ресурсов, в том числе, внешних. В условиях глобальной экономики эти факторы приобретают особое значение, что подтвердил мировой финансовый к ризис, затронувший экономику России. В этих условиях обострилась и проблема недостаточности финансирования реальной экономики.
Кредитная политика создает базу для всего процесса кредитования, определяет его объективные параметры и особенности. Развитие кредитных операций требует повышения эффективности кредитной политики коммерческих банков. Созданные и используемые банками способы формирования и проведения кредитной политики должны обеспечивать формулировку целей, разработку планов, определяющих будущее состояние кредитного портфеля и банка в целом, выбор средств и путей для достижения целей, реализацию контроля за использованием кредитов, обеспечивать эффективную защиту от возможных и принятых рисков, связанных с кредитными операциями.
В настоящее время, для решения задач формирования и проведения денежно-кредитной политики многими ведущими международными финансовыми организациями, национальными центральными, коммерческими банками применяются методы достаточно новой в России сферы – банковской социологии, центральной концепцией которой является повсеместное использование экспертных оценок в банковской сфере, в том числе при мониторинге банковской политики .
Одним из условий повышения эффективности разработки и реализации денежно-кредитной политики является совершенствование анализа каналов ее трансмиссионного механизма, в частности кредитного и процентного. Именно поэтому необходимо изучение ожидаемых условий финансирования экономики, изменения кредитной политики, условий кредитования. Эта объективная информация позволяет банкам эффективнее выстраивать и реализовывать свою кредитную политику с учетом всех выше перечисленных факторов. Не менее важны данные исследования кредитной активности и Центральному банку, так как они позволят рассмотреть полную картину российской кредитной действительности и выстроить кредитную, социально-экономическую политику таким образом, чтобы избежать различных осложнений и проблем, в частности, повторного финансового кризиса, либо, хотя бы сгладить неприятные последствия вышеперечисленного. Данные исследований-обзоров ожидаемых условий кредитования полезны и домохозяйствам в роли сопроводительной информации при построении семейных бюджетов и оценки целесообразности использования кредитных механизмов.
И Т Д...

Фрагмент работы для ознакомления

п. Строгая модель данных предполагает создания на основе низкоуровневых логических операций ограниченного набора логически корректных операций верхнего уровня, позволяющих пользователю манипулировать данными без использования программирования, то есть "от кнопки", на уровне пользовательского интерфейса.В любом случае, создавая набор операций манипулирования верхнего уровня в рамках XML'ной модели данных, следует отталкиваться от необходимости отразить в этом наборе именно те операции, которые совершаются в реальной жизни, причем, прежде всего, не с электронными, а с бумажными документами. Естественность – первична, а математическая логика хоть и обязательна, но вторична. Таким образом, базы данных на основе XML в каком-то смысле опираются на реляционные, берут лучшее от реляционного механизма и в тоже время они более естественны, доступны и могут очень просто распространятся в интернете из-за особенностей и сути XML языка. Но и этого оказывается недостаточно, для полной реализации потенциала обзоров, обозначенных в первой главе требуется решить еще одну важнейшую проблему, глобальную и затрагивающую, в принципе, саму основу социально-экономической статистики и представления данных. Этой проблемой является обмен данных и отсутствие универсального формата, стандартов в этой области. Встает вопрос, существует ли на данный момент единый формат? Что он собой представляет? Как привести данные, полученные с помощью обзоров ожидаемых условий финансирования экономики, к этому стандарту? В сентябре 2001 г. в г. Вашингтоне состоялся международный семинар, организованный крупнейшими мировыми финансовыми и статистическими организациями: Банком международных расчетов (Bank for International Settlements - BIS), Европейским Центральным Банком (European Central Bank - ECB), Статистическим бюро европейского сообщества (Statistical Office of the European Communities - EUROSTAT), Международным валютным фондом (International Monetary Fund - IMF), Организацией экономического сотрудничества и развития (Organization for Economic Co-operation and Development - OECD) и Статистическим департаментом ООН (United Nations Statistical Division). Семинар был посвящен проблеме обмена статистическими данными и метаданными. Участники семинара признали необходимым начать работу по созданию международных стандартов в этой области. В результате возникла так называемая инициатива SDMX - Statistical Data and Metadata Exchange Initiative, которая и поставила своей целью выработку таких стандартов. В настоящее время, помимо вышеназванных организаций, в состав SDMX входит также Мировой банк (World Bank) и ФРС США.В рамки деятельности инициативы SDMX входит обмен данными и метаданными в пределах совместной работы финансовых и экономических организаций, входящих в это сообщество. Таким образом, ее деятельность направлена на выработку стандартов преимущественно в области социально-экономической статистики.Важно подчеркнуть, что одним из основных принципов деятельности организации SDMX является открытость в разработке стандартов и обеспечение доступа всех государств - членов организации и заинтересованных потребителей данных к участию в этой работе. При этом стоимость участия в процессе должна быть минимальной, чтобы не создавать препятствий для желающих присоединиться к данной деятельности. Интеллектуальная собственность, которая появится в результате работы организации, должна быть доступна бесплатно и без ограничений.Стандарт SDMX определяет форматы для обмена агрегированных статистических данных и метаданных, необходимых для понимания того, как эти данные структурированы. Основное внимание обращается на данные, представленные в виде временных рядов, но также поддерживаются и так называемые перекрестные XML-форматы. Первая версия стандарта SDMX содержит технические спецификации форматов данных на основе общей информационной модели. Эти форматы используют синтаксис языка XML.Первая версия стандарта SDMX была выпущена в сентябре 2004 г. В декабре того же года, перед представлением стандарта на утверждение в Международную организацию по стандартизации (International Standard Organization - ISO), в некоторые секции первоначальной версии были внесены незначительные изменения. Первая версия стандарта SDMX была представлена в ISO в декабре 2004 г.Основным положением стандарта SDMX является структурированность статистических данных, эта структура названа "ключевым понятием" (key family). "Наборы данных" (data sets) состоят из категорий более низкого порядка - "групп" (groups), которые формируются в зависимости от степени их сходства. Каждая группа, в свою очередь, состоит из одного или нескольких "рядов" (series) данных (или "профилей" (sections) в том случае, если данные представлены не во временных рядах). Каждому ряду или профилю ставится в соответствие так называемый "ключ" (key), т.е. набор значений, соответствующих каждому кластеру так называемых "понятий" (concepts), которые также именуются "измерениями" (dimensions). Этот ключ определяет (идентифицирует) ряд или профиль данных. При этом каждый ряд или профиль данных состоит из одного или более так называемых "наблюдений" (observations), которые обычно включают два элемента: время получения данных и собственно значение (т.е. наблюдаемая величина). Помимо того, метаданные могут быть добавлены на любом уровне этой структуры в качестве описательных "атрибутов" (attributes). "Списки кодов" (сode lists) (или "перечисления" - enumerations) и другие элементы, необходимые для представления данных и метаданных, также используются в тех случаях, когда они могут быть представлены в соответствующих синтаксических форматах.Между структурой "куба" (cube structure), обычно используемой для обработки статистических данных, и "ключевым понятием" информационной модели SDMX существует некоторое сходство. Важно отметить, что данные, структурированные в соответствие с информационной моделью SDMX, оптимизированы для обмена, в т.ч. с партнерами, которые не имеют технической возможности для обработки данных, поступающих от сложных статистических систем в виде кубических структур. Временные ряды стандарта SDMX могут рассматриваться как "продольные срезы" (slices) куба. Такой срез определяется своим ключом. Ключ содержит значения всех характеристик, входящих в ключевое понятие, за исключением временного измерения. Данные, структурированные в соответствии со стандартом SDMX, могут быть преобразованы в кубические форматы; полученные в результате базы данных могут использоваться для обмена в соответствие с этим стандартом.Итак, проанализировав различные механизмы и инструменты создания баз данных представления информации, можно сделать вывод, что нереально выбрать какой-то один простой метод и строить на нем всю систему. Для учета всех задач требуется комплексное решение и вероятно представление данных необходимо осуществлять по нескольким методикам, а именно: повсеместно распространенные, хотя и устаревающие, реляционные таблицы, новый и перспективный ХML язык, позволяющий просто и эффективно обмениваться информацией в интернете и постепенно набирающий обороты стандарт SDMX, позволяющий привести данные по всему миру к единому формату, за которым несомненно стоит будущее социально-экономической статистики.Формирование временных рядов изменения условий кредитования на примере РоссииТермин временные ряды в статистике России пока непривычен. В учебниках по общей теории статистики преобладают термины ряды динамики, динамические ряды, статистическое изучение динамики. В зарубежной англоязычной литературе принят термин time series, в немецкой - zeitreihen analyze. Оба термина ближе всего передаются по-русски как временные ряды или анализ временных рядов.Одной из причин, препятствовавших принятию отечественной статистикой данного термина, служит особенность русского языка - сближение по звучанию и написанию совершенно разных по смыслу слова временной, т.е. относящийся ко времени, связанный со временем, происходящий во времени, и слова временный, т.е. непостоянный, преходящий, малосущественный. В европейских языках это разные слова: в немецком, например, временный - provisorisch, во французском - provisoire, в английском - provisional, т.е. эти слова происходят не от корня «время».Опасение, что некоторые воспримут термин временной ряд как временный, заставило предпочесть новый для статистики и неточный по существу термин динамический ряд, ряд динамики.Неточность последнего термина состоит в том, что не каждый ряд уровней за последовательные моменты или периоды времени содержит на самом деле (отражает) динамику какого-либо признака. Термин динамика правильнее относить к изменениям, направленному развитию, наличию тенденции рассматриваемых во времени показателей. Про ряд уровней, содержащих лишь колебания, но не имеющих надежно установленной тенденции, говорят: «В этом ряду, в данном процессе нет никакой динамики». Так можно характеризовать экономику застойного периода, население страны или региона, находящиеся в стационарном состоянии, любую общественную или механическую систему, находящуюся в статическом состоянии.Следовательно, динамические ряды - понятие, относящееся к тем рядам уровней, в которых содержится тенденция изменения, а временные ряды - более общее понятие, включающее как динамические, так и статические последовательности уровней какого-либо показателя.Итак, временной ряд – совокупность значений какого-либо показателя за несколько последовательных моментов или периодов времени. Каждый уровень временного ряда формируется под воздействием большого числа факторов, которые условно можно подразделить на три группы:1) факторы, формирующие тенденцию ряда (например, инфляция влияет на увеличение размера средней заработной платы);2) факторы, формирующие циклические колебания ряда (например, уровень безработицы в курортных городах в зимний период выше по сравнению с летним);3) случайные факторы.Очевидно, что реальные данные чаще всего содержат все трикомпоненты. Модель, в которой временной ряд представлен как сумма перечисленных компонент, называется аддитивной моделью временного ряда. Если же временной ряд представлен как их произведение, то такая модель называется мультипликативной.При наличии во временном ряде тенденции и циклических колебаний значения каждого последующего уровня ряда зависят от предыдущих. Корреляционную зависимость между последовательными уровнями временного ряда называют автокорреляцией уровней ряда. Количественно эту зависимость с помощью коэффициента корреляции между уровнями исходного временного ряда и уровнями этого ряда, сдвинутого на несколько шагов во времени. Этот показатель называется коэффициентом автокорреляции rk . Число периодов k, по которым происходит смещение временного ряда для вычисления коэффициента автокорреляции, называется лагом. Функция, характеризующая зависимость коэффициента автокорреляции от лага rk =r(k)называется автокорреляционной функцией, а ее график – коррелограммой. Коррелограмма позволяет исследовать структуру временного ряда, выявлять наличие его компонент.Рисунок 2. Пример построения коррелограммыЕстественно в обзорах ожидаемых условий кредитования временные ряды применяются по определению. Именно динамика получаемых показателей, рассмотрение данных за обширные периоды исследования позволяет делать серьезные и достоверные научные выводы, прогнозировать будущее развитие событий.Обращаясь к материалам предыдущего параграфа, можно отметить, что временные ряды находят свое место во всех рассмотренных способах представления данных. Так, временной ряд возможно представить в виде таблицы в реляционной базе данных, в качестве отдельного документа в древе данных XML. Международный статистический стандарт SDMX также располагает функционалом для представления временных рядов, отчасти предоставленным использованием языка XML при создании модели формата.В обзоре ожидаемых условий кредитования центрального банка РФ временные ряды представлены как в виде таблиц индикаторов(в настоящее время применяется в отношении данных национальных индексов изменения условий кредитования) так и графиков(изменения условий кредитования отдельных категорий заемщиков).2256790-237109000Таблица 1Формирование графиков и диаграмм на примере РоссииСовременную науку невозможно представить без применения графиков. Они стали средством научного анализа и обобщения. Такие свойства графиков, как выразительность, доходчивость, лаконичность, универсальность, смысловая однозначность, интернациональность, легкость кодирования, а также обозримость графических изображений сделали их незаменимыми в исследовательской и практической работе и в сопоставлениях как в технических вопросах, так и в вопросах социально-экономических явлений, в популяризации научных и практических достижений.Диаграмма - это чертеж, на котором численные данные представлены с помощью геометрических объектов (точек, линий, фигур различной формы и различных цветов) и вспомогательных элементов (осей координат, условных обозначений, заголовков и т.п.). В зависимости от типа используемых геометрических объектов, диаграммы делятся на точечные, линейные, плоскостные и пространственные (объемные). Плоскостные и пространственные диаграммы могут составляться из объектов различной формы и бывают, например, столбиковыми, круговыми, фигурными и т.д. . Сравнение и сопоставление геометрических объектов на диаграммах может происходить по различным измерениям: по площади фигуры или ее высоте, по местонахождению точек, по их густоте, по интенсивности цвета и т.д. Кроме того, данные могут быть представлены в прямоугольной или полярной системе координат.При построении диаграмм двухмерная таблица преобразуется в двухмерное графическое представление. Чаще всего одним из элементов диаграммы являются оси (кроме случая круговых диаграмм). На вертикальной оси (Y) откладываются числовые значения (столбцы/строки), для которых строится график. На горизонтальной оси (X) - категории. Для увеличения наглядности диаграмм оси X и Y могут иметь наименование (заголовки осей).Каждое значение числа из диапазона, по которому строится диаграмма, преобразуется в информационную точку (в столбиковой диаграмме это столбец, в круговой - сегмент круга).Диаграмме можно также присвоить заголовок, который отражает ее содержание и назначение.При построении диаграммы очень важно выбрать такой способ изображения статистических данных, который может представить их наиболее наглядно. Для этого необходимо подобрать наиболее подходящий тип диаграммы и ее параметры, обратить внимание на ее размер (он должен соответствовать назначению) и общую композицию рисунка.Наиболее наглядными, и поэтому часто используемыми, являются следующие виды диаграмм: столбиковая, линейная, круговая (секторная).Столбиковая диаграмма используется для наглядного сравнения данных либо для представления изменения данных за определенный промежуток времени.Принцип построения такой диаграммы состоит в изображении статистических показателей в виде поставленных по вертикали прямоугольников - столбиков. Каждый столбик изображает величину отдельного уровня исследуемого статистического ряда(рис. 3). Таким образом, сравнение статистических показателей возможно потому, что все сравниваемые показатели выражены в одной единице измерения.Рисунок 3. Индексы конъюнктуры отдельных сегментов кредитного рынкаПравила построения столбиковых диаграмм допускают одновременное расположение на одной горизонтальной оси изображений нескольких показателей. В этом случае столбики располагаются группами, для каждой из которых может быть принята разная размерность варьирующих признаков.Разновидностями столбиковых диаграмм являются полосовые диаграммы. Их отличие состоит в том, что масштабная шкала расположена по горизонтали, и она определяет величину полос по длине.Столбиковые и полосовые диаграммы как прием графического изображения статистических данных, по существу, взаимозаменяемы, т.е. рассматриваемые статистические показатели равно могут быть представлены как столбиками, так и полосами. В обоих случаях для изображения величины явления используется одно измерение каждого прямоугольника - высота столбика или длина полосы. Поэтому и сфера применения этих двух диаграмм в основном одинакова.Достаточно распространенным способом графического изображения структуры статистических совокупностей является секторная диаграмма, так как идея целого очень наглядно выражается кругом, который представляет всю совокупность. Относительная величина каждого значения изображается в виде сектора круга, площадь которого соответствует вкладу этого значения в сумму значений. Этот вид графиков удобно использовать, когда нужно показать долю каждой величины в общем объеме.Для этого строятся круги, пропорциональные объему изучаемого признака, а затем секторами выделяются его отдельные части. Данный способ графического изображения структуры совокупности имеют как достоинства, так и недостатки.Так, секторная диаграмма сохраняет наглядность и выразительность лишь при небольшом числе частей совокупности, в противном случае ее применение малоэффективно. Кроме того, наглядность секторной диаграммы снижается при незначительных изменениях структуры изображаемых совокупностей: она выше, если существеннее различия сравниваемых структур. Преимуществом столбиковых диаграмм по сравнению с секторными является их большая емкость, возможность отразить более широкий объем полезной информации.Для изображения и вынесения суждений о развитии явления во времени строятся диаграммы динамики, при этом используются столбиковые, квадратные, круговые, линейные, радиальные и др. диаграммы. Выбор вида диаграмм зависит в основном от особенностей исходных данных, цели исследования. Например, если имеется ряд динамики с несколькими уровнями во времени, то часто для наглядности используют столбиковые или круговые диаграммы. Они зрительно впечатляют, хорошо запоминаются, но не подходят для изображения большого числа уровней, так как получаются слишком громоздкими. Когда число уровней в ряду динамики велико, как при представлении данных изменений условий кредитования отдельных категорий заемщиков в обзорах центрального банка РФ, целесообразно применять линейные диаграммы, которые воспроизводят непрерывность процесса развития в виде непрерывной ломаной линии (рис. 3). Кроме того, линейные диаграммы удобно использовать, если целью исследования является изображение общей тенденции и характера развития явления; когда на одном графике необходимо изобразить несколько динамических рядов с целью их сравнения; если наиболее существенным является сопоставление темпов роста, а не уровней.centertopРисунок 4. Изменения условий кредитования отдельных категорий заемщиковДля построения линейных графиков применяют систему прямоугольных координат. Обычно по оси абсцисс откладывается время (годы, месяцы, кварталы и т. д.), а по оси ординат - размеры изображаемых явлений или процессов, например смягчение или ужесточение условий банковского кредитования(УБК). На оси ординат наносят масштабы.Нередко, как и в представленном примере, на одном линейном графике приводится несколько кривых, которые дают сравнительную характеристику динамики различных показателей или одного и того же показателя(например изменение УБК для разных категорий заемщиков).Однако на одном графике не следует помещать более трех-четырех кривых, так как большое их количество неизбежно осложняет чертеж и линейная диаграмма теряет наглядность.Линейные диаграммы с линейной шкалой имеют один недостаток, снижающий их познавательную ценность: равномерная шкала позволяет измерять и сравнивать только отраженные на диаграмме абсолютные приросты или уменьшения показателей на протяжении исследуемого периода. Однако при изучении динамики важно знать относительные изменения исследуемых показателей по сравнению с достигнутым уровнем или темпы их изменения.

Список литературы

1. Айвазян С.А., Степанов В.С. Инструменты статистического анализа данных // Мир ПК. М.: Открытые системы, 1997. №8.
2. Айвазян С.А., Степанов В.С. Программное обеспечение по статистическому анализу данных: методология сравнительного анализа и выборочный обзор рынка.
3. Алексахин С.В., Балдин А.В., Криницин В.В. и др. Прикладной статистический анализ данных. Теория. Компьютерная обработка. Области применения. Учебно-практическое пособие для вузов. В 2-х книгах. М.: ПРИОР, 1998.
4. Божков О.Б. Компьютерные технологии в социологии (осмысление опыта разработки и эксплуатации одной технологии) // Социологический журнал, 1998. №1.
5. Бумфрей Ф. и др. XML. Новые перспективы WWW. Пер. с англ. – М.:ДМК, 2000. –688 с.
6. Варьяш И.Ю., Банковская макросоциология – СПб.: Альфа, 1999
7. Варьяш, И.Ю. Контроллинг ожиданий – М.: Финансовый ун-т, 2012
8. Веселов В., Долженков А. XML и технологии баз данных. – “Открытые Системы”, №05-06/1999
9. Д. Мейер. Теория реляционных баз данных. М., Мир, 1987
10. Давыдов А.А. Системный подход в социологии: законы социальных систем. М, 2005.
11. Давыдов А.А. Компьютерные технологии для социологии: обзор зарубежного опыта // Социол. исслед. 2005, № 1.
12. Давыдов А.А. Модульный анализ и конструирование социума. М.: ИСАН, 1994.
13. Давыдов, А. А. Компьютационная теория социальных систем // Социологические исследования. 2005. № 6.
14. Дэвид Хантер, Джефф Рафтер и др. XML. Базовый курс = Beginning XML. — М.: Вильямс, 2009
15. Дэвид Хантер, Джефф Рафтер, Джо Фаусетт, Эрик ван дер Влист, и др. XML. Работа с XML, 4-е издание = Beginning XML, 4th Edition. — М.: «Диалектика», 2009.
16. Егоров А.В., Кармазина А.С. и Чекмарева Е.Н., «Анализ и мониторинг условий банковского кредитования», Деньги и кредит от 10/2010
17. Исследование-мониторинг «Изменение условий банковского кредитования» ЦБ РФ, данные II квартал 2009 – IV квартал 2013 гг.
18. К. Дейт, Хью Дарвен. Основы будущих систем баз данных. Третий манифест. М: Янус-К, 2004
19. К. Дейт. Введение в системы баз данных. 7-е изд., М.; СПб.: Вильямс.- 2001; – 8-е изд. – М.; СПб.: Вильямс, 2005
20. К. Дейт. Руководство по реляционной системе DB2. М.: Финансы и статистика. 1988
21. Канторович Г. Г. Анализ временных рядов //Экономический журнал Высшей школы экономики. – 2003. – Т. 7. – №. 1
22. Кодд. Э.Ф Реляционная модель данных для больших совместно используемых банков данных. СУБД № 1 1995 г.
23. Кузнецов С.Д.. Базы данных: языки и модели. Москва, Бином, 2008
24. Ли В.О. Об оценке кредитоспособности заемщика (российский и зарубежный опыт)//Деньги и кредит, 2005, №2.
25. Макропланирование экономического развития. Динамическая модель опережающих индикаторов: Монография/Коллектив авторов под руководством И.Ю. Варьяша – Николаев: Издательство Ирины Гудым, 2014
26. Марков А.С. Базы данных. Введение в теорию и методологию. — М.: Финансы и статистика, 2006.
27. Могилев А.В. и др. Информатика: Учебное пособие для студентов. / А.В. Могилев, Н.И. Пак, Е.К. Хеннер / Под ред. Е.К. Хеннера. — М.: Изд. центр «Академия», 2000. — 816 с.
28. Татарова Г.Г. Методология анализа данных в социологии (введение). Учебное пособие для вузов. М.: Издательский дом "Стратегия", 1998.
29. Хомоненко А. Базы данных: Учебник для высших учебных заведений. — М.: Бином. Лаборатория знаний, 2006.
30. Шмойлова Р.А., Шувалова Е.Б., Глубокова Н.Ю. и др. Теория статистики: Учебник / Под ред. Р.А. Шмойловой/ - 3-е изд., перераб. - М.: Финансы и статистика, 2001. - 560 с.
31. Юниус К. и др. Таргетирование инфляции и денежно-кредитная политика ФРС // Zeitschrift fur das gesamte Kreditwesen. 2006. Nr. 14. S. 34-36.
32. C. J. Date and Hugh Darwen. Databases, Types, and the Relational Model. The Third Manifesto. Addison Wesley; 3th edition (2006)
33. Chadha J. Central Banks Need to Tool Up // Market Mover, 13.03.09; Swiston A. A U.S. Financial Conditions Index: Putting Credit Where Credit is Due, Wash.: IMF, 2008.
34. Clinton K., Johnson M., Kamenik O., Laxton D. Deflation Risks under Alternative Monetary Policy Rules, Macro-Linkages, Oil Prices and Deflation Workshop. Jan. 6–9, 2009; Regional Eco- nomic Outlook. Western Hemisphere. Grappling with the Global Fi- nancial Crisis. Oct. 2008, Wash.: IMF, 2009.
35. Cunningham T. J. The Predictive Power of the Senior Loan Officer Survey: Do Lending Officers Know Anything Special? // Federal Reserve Bank of Atlanta Working Paper Series, Nov. 2006.
36. ISO 17369:2013 - Statistical data and metadata exchange (SDMX)
37. Weinbach G. The Federal Reserve’s Senior Loan Officer Opinion Survey // IFC Bulletin, Basel: BIS, 2009.
38. Wood K., Van der Bergh P. Background Note on Surveys of Monetary and Financial Conditions // IFC Bulletin, Basel: BIS, 2009.

ИНТЕРНЕТ-РЕСУРСЫ

1. http://www.federalreserve.gov
2. http://www.ecb.europa.eu/
3. www.cbr.ru
4. http://sdmx.org/
5. http://www.iso.org/iso/home.htm
Пожалуйста, внимательно изучайте содержание и фрагменты работы. Деньги за приобретённые готовые работы по причине несоответствия данной работы вашим требованиям или её уникальности не возвращаются.
* Категория работы носит оценочный характер в соответствии с качественными и количественными параметрами предоставляемого материала. Данный материал ни целиком, ни любая из его частей не является готовым научным трудом, выпускной квалификационной работой, научным докладом или иной работой, предусмотренной государственной системой научной аттестации или необходимой для прохождения промежуточной или итоговой аттестации. Данный материал представляет собой субъективный результат обработки, структурирования и форматирования собранной его автором информации и предназначен, прежде всего, для использования в качестве источника для самостоятельной подготовки работы указанной тематики.
© Рефератбанк, 2002 - 2022