Еще век назад к Москве стекались финансы из регионов. Откуда мы это знаем? Благодаря цифровым инструментам для анализа вексельных операций удалось узнать, кто были ключевыми клиентами московского отделения Санкт-Петербургского международного коммерческого банка. Связи между компаниями и банками (в том числе и личные), география сделок, отрасли — посмотрим, как были устроены кредитные отношения в начале XX в. Рассказывает автор исследования, специалист по исторической информатике Андрей Кулагин.
Иллюстрация: Надя Луценко
В конце XIX — начале XX века Российская империя переживала экономический подъем. Главным двигателем этих изменений были банки, а главными финансовыми центрами страны — Санкт-Петербург и Москва. На эти города приходилось около половины всех банковских операций страны. Объем кредитных операций стремительно рос. Крупные банки, такие, как Санкт-Петербургский международный коммерческий банк (ПМКБ), активно финансировали промышленность и торговлю, становясь ведущими игроками экономики.
Рисунок 1. Бывшие офисы ПМКБ. Слева — головной офис в Санкт-Петербурге по адресу: Невский пр-т, 58. Справа — офис московского отделения по адресу: Ильинка, 9, стр. 1, где сегодня размещается Министерство финансов РФ
Однако сегодня мы плохо понимаем, как именно локально работала система кредитования в те годы. Кем были главные клиенты банков и как финансовые столицы взаимодействовали с регионами? Ответить на эти вопросы мы решили с помощью базы данных и проведения геоинформационного анализа на примере вексельных операций московского отделения ПМКБ.
Главным инструментом коммерческого кредитования в то время были векселя — долговые расписки, которые компании выдавали друг другу при покупке товаров с отсрочкой платежа. Если продавец не хотел ждать, пока покупатель расплатится, он мог продать этот вексель банку — такая операция называлась учетом векселя. Банк выплачивал продавцу сумму векселя за вычетом процента, а затем сам получал деньги с покупателя в установленный срок. Так бизнес получал оборотные средства сразу, а банки зарабатывали на процентах.
Чтобы разобраться в сложной системе кредитования и увидеть механизмы ее работы, мы изучили архивные данные московского отделения ПМКБ: проанализировали вексельную книгу за 1900 год. Именно в вексельных книгах в XIX и начале XX вв. фиксировались все подробности сделок по продаже векселей банкам, а именно отмечались:
Мы сделали квартальную выборку и вручную оцифровали 1994 вексельные записи на сумму 2,47 млн руб., написанных от руки банковскими сотрудниками тех лет.
На основе выбранных записей мы построили базу данных в СУБД PostgreSQL и MS Access (Рис. 2). Сама база состоит из двух таблиц: в главную таблицу вошла вся информация о клиентах банка (предъявителях векселей), в подчиненную — информация о векселях (сумма векселя, дата выдачи, место платежа и многое другое).
Рисунок 2. Схема базы данных, созданная автором
Благодаря данным из вексельной книги, а также из справочниках о купцах, торговых домах и акционерных компаниях за 1900 год мы изучили состав клиентуры банка. Таким образом мы выявили представителей тех отраслей, которые активно пользовались услугами банков в то время.
1. Торговые дома (29% от общего объема векселей)
2. Нефтяные компании (23,8%)
3. Металлургические и машиностроительные предприятия (15,7%)
4.Сфера услуг (15,3%)
Неудивительно, что среди крупнейших держателей векселей, которые были предъявлены в банк, были лица и компании из сферы торговли, металлургии и нефтяного дела — ключевых секторов экономики того периода. При этом многие клиенты банка были еще и связаны друг с другом. Например, Лев Готье не только торговал железом, но и входил в состав правления общества Тульских доменных печей. Кроме того, векселя нефтяного общества «Мазут» часто учитывались через фирму «С. М. Шибаев и Ко». Это лишний раз показывает, как тогда были тесно переплетены деловые круги.
Благодаря дополнительным запросам к базе данных удалось разделить все сделки по векселям на четыре группы: внутренние, исходящие, входящие, внешние сделки. Это показало, что более половины всех проданных в банк векселей (52%) были выписаны или предназначались к платежу за пределами Москвы. То есть московское отделение ПМКБ и другие московские банки активно привлекали бизнес из регионов, обеспечивая поток денег.
А для анализа географии векселей данные пришлось преобразовать: учли денежные потоки между пунктами выписки и платежа и рассчитали общий оборот (входящие + исходящие потоки) для каждого города. С помощью программы QGIS мы визуализировали результаты (см. Рис. 3).
Рисунок 3. Географические связи векселей, учтенных в московском отделении ПМКБ в Европейской России. Оборот (сумма выписанных и оплаченных векселей), в тыс. руб. Источник: база данных, созданная автором
Опираясь на нашу карту, мы выделили главные города (за исключением Москвы), где была высокая концентрация сделок с векселями:
1. Санкт-Петербург (27,7% от общего объема сделок) — сюда через Москву поступали прежде всего нефтепродукты и металл от крупнейших клиентов банка в Москве.
2. Нижний Новгород (15,8%) — ключевой торговый узел, который выделялся за счет Нижегородской ярмарки. Именно через Нижний Новгород активно шли различные товары в Сибирь и на Восток.
3. Харьков (6,6%) — крупный промышленный центр.
4. Михайловка (3,6%) — здесь находилось крупное мукомольное предприятие купца Вебера, которое поставляло свою продукцию в Москву.
5. Выкса (3,5%) — в этом месте располагалось Общество Выксунских горных заводов, которое активно кредитовалось в Москве.
Пример московского отделения ПМКБ показывает, как Москва еще в начале XX в. активно привлекала компании из регионов, позволяя местным предпринимателям получать деньги досрочно благодаря векселям. Примечательно, что эта модель имеет много общего с кредитованием отечественного бизнеса сегодня. Банки активно работали с крупными нефтяными и металлургическими компаниями — характерная черта в развитии экономики того времени.
Компания Google представила много новых ИИ-продуктов, а модель GPT опровергла известную математическую гипотезу Пала Эрдёша — рассказываем, что произошло в мире ИИ за последнее время
Facebook* и Instagram* будут сканировать фото и видео, чтобы находить детей, которые скрыли свой возраст
Можно ли заниматься NLP, если при словах «производная» и «матрица» хочется закрыть ноутбук? Да — если изучать математику не абстрактно, а через реальные задачи. Объясняем, какие разделы действительно нужны джуну,…