financeФинансы: теория и практика/Finance: Theory and PracticeFinance: Theory and Practice2587-56712587-7089Financial University under The Government of Russian Federation10.26794/2587-5671-2023-27-3-92-104finance-2194Research ArticleФИНАНСОВЫЙ МЕНЕДЖМЕНТFINANCIAL MANAGEMENTПрогнозирование оттока депозитов населения на основе интенсивности поисковых запросовPredicting the outflow of household deposits based on the intensity of search querieshttps://orcid.org/0000-0003-4057-9101ГуровИ. Н.GurovI. N.

Илья Николаевич Гуров — доктор экономических наук, CFA, доцент кафедры финансов и кредита, экономический факультет

Москва

Ilya N. Gurov — Dr. Sci. (Econ.), CFA, Assoc. Prof., Department of Finance and Credit, Faculty of Economics

Moscow

ingurov@mail.ruhttps://orcid.org/0000-0001-5973-3776КартаевФ. С.KartaevF. S.

Филипп Сергеевич Картаев — доктор экономических наук, заведующий кафедрой математических методов анализа экономики, экономический факультет

Москва

Filipp S. Kartaev — Dr. Sci. (Econ.), Head of the Department of Mathematical Methods of Economic Analysis, Faculty of Economics

Moscow

kartaev@gmail.comhttps://orcid.org/0000-0002-9575-9794ВиноградоваО. С.VinogradovaO. S.

Ольга Сергеевна Виноградова — доцент, старший преподаватель кафедры финансов и кредита, экономический факультет

Москва

Olga S. Vinogradova — Assoc. Prof., Senior Lecturer, Department of Finance and Credit, Faculty of Economics

Moscow

o.s.gluhova@mail.ruМГУ им. М.В. ЛомоносоваРоссияM.V. Lomonosov Moscow State UniversityRussian Federation20231207202327392104Copyright © Гуров И.Н., Картаев Ф.С., Виноградова О.С., 20232023Гуров И.Н., Картаев Ф.С., Виноградова О.С.Gurov I.N., Kartaev F.S., Vinogradova O.S.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://financetp.fa.ru/jour/article/view/2194

Предмет исследования — интенсивность целевых поисковых запросов как опережающий индикатор оттока банковских депозитов. Цель — предложить механизм учета информации о динамике поисковых запросов, способный заблаговременно сигнализировать об изменениях объемов депозитов физических лиц. Исследование проведено с применением моделей анализа временных рядов. Использованы статистические данные Росстата, Банка России, поисковых запросов Яндекс wordstat, Google Trends за период с февраля 2009 по май 2022 г. Выявлена зависимость между интенсивностью целевых поисковых запросов и решениями домохозяйств снять денежные средства с депозитов и банковских счетов. Проведена оценка краткосрочной прогностической способности частоты поисковых запросов на динамику депозитов. Обосновано использование статистических показателей о динамике целевых поисковых запросов в качестве опережающего индикатора оттока денежных средств населения с депозитов в коммерческих банках. Выявлено, что использование показателя интенсивности целевых поисковых запросов как сигнального индикатора оттока размещенных денежных средств населения повышает точность прогнозирования на горизонте в 1 месяц на 0,15–0,25 п.п. для оценки динамики рублевых депозитов и на 0,20–0,35 п.п. для оценки динамики валютных депозитов. Особенно полезным для менеджмента коммерческих банков оказывается информация из поисковых запросов в случае угрозы резкого оттока депозитов населения. Полученные результаты свидетельствуют о перспективности использования текстовой информации, в том числе целевых поисковых запросов в целях формирования опережающих индикаторов оттока депозитов населения. Превентивная идентификация негативных тенденций, связанных с оттоком депозитов населения, способна обеспечить устойчивость кредитного учреждения к дестабилизирующему макроэкономическому влиянию.

The subject of the study is the intensity of targeted search queries as a leading indicator of bank deposits outflow. The goal is to propose a mechanism for accounting information about the dynamics of search queries, able to signal changes in the volumes of deposits of individuals. The study was conducted using time series analysis models. Statistical data of Rosstat, Bank of Russia, searches in Yandex wordstat, Google Trends for the period from February 2009 to May 2022 were used. The relationship between the intensity of targeted search queries and household decisions to withdraw money from deposits and bank accounts was revealed. An assessment of the short-term predictive ability of search queries on dynamics of deposits was carried out. The use of statistical indicators on the dynamics of targeted search queries as a leading indicator of the outflow of funds of the population from deposits in commercial banks is substantiated. It was revealed that the use of the intensity index of targeted search queries as a signal indicator of the outflow of the placed funds by the population increases the accuracy of forecasting on the horizon in 1 month by 0.15–0.25 p.p. to assess the dynamics of ruble deposits and by 0.20–0.35 p.p. to assess the dynamics of foreign currency deposits. The use of information from search queries for the management of commercial banks is especially useful in the event of a threat of a sharp outflow of deposits of the population. The obtained results indicate the prospects of using textual information, including targeted search queries in order to form leading indicators of deposits outflow of the population. Preventive identification of negative trends associated with the outflow of deposits of the population can ensure the credit institution’s stability against negative macroeconomic influences.

отток депозитовцелевые поисковые запросыпрогнозированиеменеджмент коммерческих банковcommercial bank depositssearch queryforecastingmanagement of commercial banksРабота выполнена при финансовой поддержке МГУ им. М.В. Ломоносова в рамках НИР государственного задания по приоритетному направлению научных исследований «Развитие экономической теории на основе системного анализа и формирование российской модели инновационной экономики»: «Современный этап развития финансовой системы России с применением финансовых технологий (Fintech)». Тема гранта: «Инновационная модель развития финтех-направлений в банковском секторе Российской Федерации в условиях макроэкономической нестабильности».The research funded by Moscow State University in the priority area of state task scientific research “Development of economic theory based on system analysis and formation of the Russian model of innovative economy”: “The current stage of development of the financial system of Russia using financial technologies (Fintech)”, the grant topic: “Innovative model of development of fintech directions in the banking sector of the Russian Federation in the context of macroeconomic instability”.ReferencesBollen J., Mao H., Zeng X. Twitter mood predicts the stock market. Journal of Computational Science. 2011;2(1):1–8. DOI: 10.1016/j.jocs.2010.12.007Bollen J., Mao H., Zeng X. Twitter mood predicts the stock market. Journal of Computational Science. 2011;2(1):1–8. DOI: 10.1016/j.jocs.2010.12.007Голощапова И. О., Андреев М. Л. Оценка инфляционных ожиданий российского населения методами машинного обучения. Вопросы экономики. 2017;(6):71–93. DOI: 10.32609/0042–8736–2017–6–71–93Goloshchapova I., Andreev M. Measuring inflation expectations of the Russian population with the help of machine learning. Voprosy ekonomiki. 2017;(6):71–93. (In Russ.). DOI: 10.32609/0042–8736–2017–6–71–93Куровский Г. С. Использование текстовой информации для прогнозирования в макроэкономике. Вестник Московского университета. Серия 6. Экономика. 2019;(6):39–58.Kurovskiy G. S. Using textual information to predict in macroeconomics. Vestnik Moskovskogo universiteta. Seriya 6: Ekonomika = Moscow University Economics Bulletin. 2019;(6):39–58. (In Russ.).Dong Y., Yan D., Almudaifer A. I., Yan S., Jiang Z., Zhou Y. BELT: A pipeline for stock price prediction using news. In: 2020 IEEE Int. conf. on Big Data (Big Data). (Atlanta, GA, 10–13 December 2020). Piscataway, NJ: IEEE; 2020:1137–1146. DOI: 10.1109/BigData50022.2020.9378345Dong Y., Yan D., Almudaifer A. I., Yan S., Jiang Z., Zhou Y. BELT: A pipeline for stock price prediction using news. In: 2020 IEEE Int. conf. on Big Data (Big Data). (Atlanta, GA, 10–13 December 2020). Piscataway, NJ: IEEE; 2020:1137–1146. DOI: 10.1109/BigData50022.2020.9378345Korivi N., Naveen K. S., Keerthi G. C., Manikandan V. M. A novel stock price prediction scheme from Twitter data by using weighted sentiment analysis. In: 2022 12th Int. conf. on cloud computing, data science & engineering (Confluence). (Noida, 27–28 January 2022). Piscataway, NJ: IEEE; 2022:623–628. DOI: 10.1109/Confluence52989.2022.9734139Korivi N., Naveen K. S., Keerthi G. C., Manikandan V. M. A novel stock price prediction scheme from Twitter data by using weighted sentiment analysis. In: 2022 12th Int. conf. on cloud computing, data science & engineering (Confluence). (Noida, 27–28 January 2022). Piscataway, NJ: IEEE; 2022:623–628. DOI: 10.1109/Confluence52989.2022.9734139Трофимов Д. В. Изменение структуры депозитов населения: ликвидность и стабильность банковских пассивов. Вопросы экономики. 2017;(11):152–160. DOI: 10.32609/0042–8736–2017–11–152–160Trofimov D. Changes in household deposits structure: Liquidity and stability of bank liabilities. Voprosy ekonomiki. 2017;11:152–160. 2017;(11):152–160. (In Russ.). DOI: 10.32609/0042–8736–2017–11–152–160Илюнина Д. А., Луняков О. В. Сущность и роль депозитных ресурсов коммерческого банка. Финансы и кредит. 2017;23(32):1894–1910. DOI: 10.24891/fc.23.32.1894Ilyunina D. A., Lunyakov O. V. The essence and role of deposit resources in commercial banks. Finansy i kredit = Finance and Credit. 017;23(32):1894–1910. (In Russ.). DOI: 10.24891/fc.23.32.1894Кузнецов А. В. Влияние реальной процентной ставки на сбережения населения. Деньги и кредит. 2017;(5):22–27.Kuznetsov A. The impact of real interest rates on household savings. Den’gi i kredit = Russian Journal of Money and Finance. 2017;(5):22–27. (In Russ.).Гуров И. Н. Последствия изменений налогообложения доходов по депозитам физических лиц: итоги 2020–2021 гг. Вестник Института экономики Российской академии наук. 2022;(1):112–132. DOI: 10.52180/2073–6487_2022_1_112_132Gurov I. N. Consequences of household deposit income taxation changes: Results of 2020–2021. Vestnik Instituta ekonomiki Rossiiskoi akademii nauk = Bulletin of the Institute of Economics of the Russian Academy of Sciences. 2022;(1):112–132. (In Russ.). DOI: 10.52180/2073–6487_2022_1_112_132Diamond D. W., Dybvig P. H. Bank runs, deposit insurance, and liquidity. Journal of Political Economy. 1983;91(3):401–419. URL: https://www.bu.edu/econ/files/2012/01/DD83jpe.pdfDiamond D. W., Dybvig P. H. Bank runs, deposit insurance, and liquidity. Journal of Political Economy. 1983;91(3):401–419. URL: https://www.bu.edu/econ/files/2012/01/DD83jpe.pdfChang R., Velasco A. The Asian liquidity crisis. NBER Working Paper. 1998;(6796). URL: https://www.nber.org/system/files/working_papers/w6796/w6796.pdfChang R., Velasco A. The Asian liquidity crisis. NBER Working Paper. 1998;(6796). URL: https://www.nber.org/system/files/working_papers/w6796/w6796.pdfPostlewaite A., Vives X. Bank runs as an equilibrium phenomenon. Journal of Political Economy. 1987;95(3):485–491. DOI: 10.1086/261468Postlewaite A., Vives X. Bank runs as an equilibrium phenomenon. Journal of Political Economy. 1987;95(3):485–491. DOI: 10.1086/261468Kindleberger C. P. Manias, panics and crashes: A history of financial crises. New York, NY: Basic Books; 1978. 365 p.Kindleberger C. P. Manias, panics and crashes: A history of financial crises. New York, NY: Basic Books; 1978. 365 p.Allen F., Gale D. Optimal financial crises. The Journal of Finance. 1998;53(4):1245–1284. DOI: 10.1111/0022–1082.00052Allen F., Gale D. Optimal financial crises. The Journal of Finance. 1998;53(4):1245–1284. DOI: 10.1111/0022–1082.00052Chari V. V. Banking without deposit insurance or bank panics: Lessons from a model of the U. S. National Banking System. Federal Reserve Bank of Minneapolis Quarterly Review. 1989;13(3):3–19.Chari V. V. Banking without deposit insurance or bank panics: Lessons from a model of the U. S. National Banking System. Federal Reserve Bank of Minneapolis Quarterly Review. 1989;13(3):3–19.Пестова А. А., Панкова В. А., Ахметов Р. Р., Голощапова И. О. Разработка системы индикаторов финансовой нестабильности на основе высокочастотных данных. Деньги и кредит. 2017;(6):49–58.Pestova A., Pankova V., Akhmetov R., Goloshchapova I. Developing a system of financial instability indices based on high frequency data. Den’gi i kredit = Russian Journal of Money and Finance. 2017;(6):49–58. (In Russ.).Preis T., Moat H. S., Stanley H. E. Quantifying trading behavior in financial markets using Google Trends. Scientific reports. 2013;3:1684. DOI: 10.1038/srep01684Preis T., Moat H. S., Stanley H. E. Quantifying trading behavior in financial markets using Google Trends. Scientific reports. 2013;3:1684. DOI: 10.1038/srep01684Garcia J., Werner T. Inflation risks and inflation risk premia. European Central Bank. Working Paper Series. 2010;(1162). URL: https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1162.pdfGarcia J., Werner T. Inflation risks and inflation risk premia. European Central Bank. Working Paper Series. 2010;(1162). URL: https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp1162.pdfAbildgren K., Kuchler A. Revisiting the inflation perception conundrum. Journal of Macroeconomics. 2021;67:103264. DOI: 10.1016/j.jmacro.2020.103264Abildgren K., Kuchler A. Revisiting the inflation perception conundrum. Journal of Macroeconomics. 2021;67:103264. DOI: 10.1016/j.jmacro.2020.103264

The authors declare that there are no conflicts of interest present.