CC BY
89
17.3. МОДЕЛИРОВАНИЕ ПРОЦЕССА НЕСОСТОЯТЕЛЬНОСТИ ЗАЕМЩИКА
Мамедов Ф.М., старший преподаватель кафедры финансы и кредит Московского государственного индустриального университета
Контакты автора: mhon@mail.ru
Аннотация. Научная статья посвящена основам оценки несостоятельности заемщика с использованием моделей Альтмана, а также оценки риска кредитования предприятия на основе определения кредитного рейтинга.
Ключевые слова: заемщик, несостоятельность, модель, оценка, рейтинг, метод
MODELING OF PROCESS OF THE BORROWER DEFAULTS
Mamedov F.M., the Senior teacher of chair the finance and the credit of the Moscow state industrial university
Annotation: The scientific article is devoted to the basics of assessing the borrower using the models of Altman, and estimates the risk of lending companies on the basis of determining the credit rating.
Keywords: the borrower, the failure of the model, evaluation, rating, method
С формальных позиций банкротство — это событие, то есть простейшая, системная модель сложного экономического явления. Это явление не является статичным. Как правило, банкротству предшествует достаточно длинная полоса финансово-экономических затруднений, вслед за которыми лавинообразное ухудшение финансового состояния банкротства также нашла отражение в законе «О несостоятельности (банкротстве)» от 26.10.02 № 127-ФЗ. В нем определены сроки наступления события банкротства. Так, юридическое лицо считается не способным удовлетворить требования кредиторов, если его обязательства не исполнены в течение трех месяцев с момента наступления даты исполнения.
Учитывая указанные обстоятельства, банкротство можно прогнозировать, чтобы можно было своевременно принять необходимые меры для его предотвращения как события. Существуют разные методы прогнозирования финансового состояния предприятия с позиции его потенциального банкротства. Наибольший интерес среди них представляют математические методы, которые уже почти сорок лет широко используются в зарубежной практике оценки риска банкротства. В частности, широко известны так называемые Z-модели, разработанные известным западным экономистом Э. Альтманом (Altman) в конце 60-х годов XX в. По форме модель Альтмана представляет функцию от двух до семи факторов. Ее параметры на основе статистического обобщения финансовых показателей, характеризующих экономическую деятельность тех предприятий, которые либо уже обанкротились, либо находятся у черты банкротства. Например, при построении первой своей модели Альтман обследовал около 70 предприятий США, половина которых обанкротилась в период между 1946 и 1965 гг., а половина работала успешно.
Наиболее простая из моделей Альтмана — двухфакторная. Переменными являются коэффициент текущей ликвидности и доля заемного капитала в общей сумме источников заемных средств. Модель формирует качественную шкалу для оценки вероятности банкротства и задается соотношением вида:
7 = 0,3877 -1,0736 • К1 + 0,0579 • К2,
где К1 — коэффициент текущей ликвидности;
К2 — доля заемного капитала в общей сумме источников заемных средств.
Анализ соотношения для двухфакторной модели показывает, что чем выше доля заемного капитала в общей сумме источников средств предприятия, и чем ниже его текущая ликвидность, тем выше значение Ъ -счета, и тем больше вероятность банкротства. Качественная шкала вероятности банкротства в течение ближайших двух лет от момента оценки формируется точечными и диапазонными значениями величины Ъ: если Ъ < 0, то вероятность банкротства меньше 0,5; если Ъ > 0, то вероятность банкротства больше 0,5. Более сложной, но и более точной является пятифакторная модель Альтмана. Точность прогноза по пятифакторной модели составляет почти 95% на период до одного года, а на периоде до двух-трех лет не опускается ниже 80%. Эта модель для крупных предприятий, котирующих свои акции на фондовом рынке, имеет следующий вид: г = 1,2 • К1 +1,4 • К2 + 3,3 • К3 + 0,6 • К4 +1,0 • К5,
где К1 — отношение собственных оборотных средств к сумме активов («чистый капитал»);
К2 — отношение нераспределенной прибыли к сумме активов;
Кз — отношение балансовой прибыли до уплаты налогов и процентов к сумме активов;
К4 - отношение рыночной стоимости акций к величине заемного капитала;
К5 — отношение выручки от реализации продукции к сумме активов.
Результаты расчетов позволили установить диапазон возможных откликов Ъ-модели. Он ограничен в пределах примерно от — 15 до +20. Детализация этого диапазона по градациям вероятности банкротства проводится следующим образом:
«очень высокая», если Ъ < 1,8;
«высокая», если 1,81 < Ъ< 2,7;
«возможная», если 2,8< Ъ< 2,9;
«маловероятная», если Ъ > 3.
Изучение статистики банкротств позволило Э. Альтману вывести следующую закономерность: если значение показателя Ъ< 2,675, фирму следует отнести к группе потенциальных банкротов; если значение показателя Ъ > 2,675, фирма развивается успешно. Данную количественную модель целесообразно использовать в качестве дополнительного инструмента определения кредитоспособности заемщика. Поскольку, коэффициенты Ъ-оценки содержат элемент ожидания, т.е. компания, попавшая в категорию банкротов, станет таковой при условии продолжающегося ухудшения ситуации или избежит краха при принятии определенных мер, то Ъ-оценка, скорее, является сигналом раннего предупреждения.
В процессе оценки возможностей клиента погасить ссуду важной задачей становится определение вероятности невыполнения условий кредитного договора заемщиком. Эту задачу позволяет решить разработанная американским ученым Р. Чессером модель надзора за ссудами, имеющая следующий вид:
Мамедов Ф.М. ПРОЦЕСС НЕСОСТОЯТЕЛЬНОСТИ ЗАЕМЩИКА
У =
где
вы;
Х 2
Х
наиболее ликвидные активы / общие акти-
Х
Х
Х
- выручка от реализации / ликвидные активы;
- совокупный доход / общие активы;
4 - общая задолженность / общие активы;
5 - основной капитал / оборотные активы;
^6 - оборотные активы / выручка от реализации.
Следующим этапом оценки вероятности невыполнения условий кредитного соглашения является определение вероятности невыполнения условий договора
'=Т+Т* ■
Критерием модели Чессера считается значение вероятности Р = 0,50. Если Р > 0,50, то заемщика следует отнести к группе клиентов, которая не выполнит условий кредитного договора. Если Р < 0,50, то заемщик относится к группе надежных клиентов.
Высокую известность приобрела модель оценки риска банкротства фирмы, разработанная Банком Франции в 1982 г.
д = -1,2254 + 2,003£2 - 0,824^ + 5,2214 -- 0,68915 -1,16416 + 0,70617 +1,4084 ’
где 4 - стоимость кредита/валовая прибыль;
4 - степень покрытия инвестиций собственными средствами;
- долгосрочная задолженность/чистые активы;
- норма валовой прибыли;
- продолжительность кредита поставщиков;
- добавленная стоимость/обороты;
- продолжительность кредитов клиентам;
- производственные инвестиции/общие инвести-
¿3
¿5
¿6
¿7
и
ствуют определенные проблемы, связанные с их практическим применением. Главной из них является обеспечение соответствия и непротиворечивости различных показателей. Поэтому, чтобы добиться более точных оценок, многие банки комбинируют различные показатели и коэффициенты.
Таблица 1
Система показателей диагностики банкротства предприятия по У. Биверу
Показатель Расчетная формула Значения показателей
Благополучног о предприятия За 5 лет до банкротства За 1 год до банкротства
Коэффициент Бивера (Чистая прибыль — Амортизация) / Долгосрочные + Краткосрочные, обязательства 0,4-0,45 0,17 -0,15
Рентабельность активов Чистая прибыль / Активы х 100% 6-8 4 -22
Финансовый леверидж (Долгосрочные + Краткосрочные обязательства) / Активы >0,37 >0,5 >0,8
Коэффициент покрытияактивов (Собственный капитал — Внеоборотные активы) / Активы 0,4 >0,3 0,06
Коэффициент покрытия Оборотные активы / Краткосрочные обязательства >3,2 >2 >1
ции.
Итоговый показатель О характеризует степень риска банкротства. Если 0>0,125, положение предприятия считается достаточно устойчивым. Если 0<-0,25, предприятие находится на пороге серьезных финансовых трудностей и в скором будущем может стать банкротом. При значениях итогового показателя, находящихся в интервале между - 0,25 и 0,125, положение предприятия считается неопределенным, т.е. как риск банкротства, так и успешное развитие предприятия равновероятны.
Существует и другая модель финансовой оценки предприятия, предложенная американским ученым У. Вивером. На основе продолжительных статистических наблюдений за изменением финансового состояния предприятий ученый разработал систему показателей, позволяющих определить финансовое благополучие предприятий и спрогнозировать наступление банкротства через определенный период (табл. 1).
Несмотря на высокую значимость прогнозных моделей, ориентированных на оценку финансовых перспектив предприятия и кредитоспособности в целом, суще-
Экономико-статистические методы оценки кредитного риска дают определенный результат, но необходимо помнить, что оценка риска - сложный процесс, в котором необходимо использовать не только количественные, но и качественные характеристики кредитоспособности предприятия. Этому во многом способствуют методики определения кредитного рейтинга предприятия - итогового показателя кредитоспособности заемщика и индивидуального кредитного риска банка.
Используя накопленный опыт кредитования отечественных и зарубежных банков, в частности Сбербанка России, Берлинского банка АГ, немецкого Фольксбанка и др., а также материалы специализированных изданий «Банкфахклассе» и «Банкмагазин», разработана методика определения кредитоспособности заемщика на основе составления кредитного рейтинга.
Оценка риска кредитования предприятия обычно проводится по следующим основным направлениям: кредитная история (репутация), финансы, менеджмент, обеспечение, рынок/отрасль (рис. 1).
Рис. 1
Схема оценки риска кредитования предприятия на основе определения кредитного рейтинга
Экспертами кредитных подразделений банка определяются весовые коэффициенты по каждому направлению оценки, например (табл. 2).
Таблица 2
Направления оценки и их весовые коэффициенты
1. Направление оценки кредитного риска 2. Вес
3. Кредитная история (репутация) 4. 0,10
5. Финансы 6. 0,30
7. Обеспечение 8. 0,25
9. Менеджмент 10.0,15
И. Рынок /отрасль 12.0,20
Количество баллов, присваиваемых каждой группе показателей, находится в диапазоне от 0 до 100. Чем ниже балл, тем предпочтительнее положение заемщика, т.е. тем ниже кредитный риск. Вместе с тем 0 - это крайняя отрицательная оценка. Если какой-либо из групп показателей присваивается нулевое значение или в результате математических действий какое-либо направление анализа получает нулевую оценку, кредитоспособность заемщика признается неудовлетворительной.
В итоге по каждому направлению оценки риска кредитования вычисляется средний балл, путем умножения баллов по показателю на весовой коэффициент. Затем количество баллов по каждому направлению умножается на соответствующий весовой коэффициент. В результате расчета итогового показателя предприятию присваивается категория риска (табл. 3).
Таблица 3
Количество баллов Категория риска Оценка риска
10-20 1 минимальный
21-40 2 низкий
41-60 3 средний
61-80 4 высокий
81 и более 5 очень высокий
0 6 неприемлемый
Основываясь на кредитном рейтинге заемщика, банк получает дополнительную возможность для реализации своей кредитной политики.
Совершенствование системы кредитования населения в условиях роста банковской конкуренции является для любого банка необходимым условием формирования его общественного имиджа как универсального кредитного учреждения и служит источником дополнительного дохода от проведения кредитных операций с частными лицами.
Как правило, для определения кредитоспособности физического лица в банковской практике применяются два взаимосвязанных метода.
Логический метод опирается на экспертную оценку с прогнозированием и предполагает взвешенный анализ личных качеств и финансового состояния потенциального заемщика. Экспертная оценка характеризует степень предпочтения одних показателей другим. На основе имеющейся информации специалист банка со-
ставляет «обобщенный образ» заявителя и сравнивает его со «стандартными образами» заемщиков, которым на основании прошлого опыта кредитования присвоена определенная группа риска.
Скоринговый метод оценки кредитоспособности частных лиц получил более широкое распространение. Он основывается на подсчете баллов по каждой позиции кредитной заявки или анкеты. Балльные системы оценки создаются банками на основе эмпирического подхода с использованием математического или факторного анализа. Эти системы используют исторические данные о «надежных» и «неблагополучных» кредитах и позволяют определить критериальный уровень оценки заемщиков.
Техника кредитного скоринга была впервые предложена американским экономистом Д. Дюраном в начале 40-х гг. XX в. для решения проблемы отбора заемщиков по потребительскому кредиту.
Д. Дюран выявил группу факторов, позволяющих определить надежность заемщика и степень кредитного риска при получении потребительского кредита. Используя накопленную в ходе наблюдения базу данных по «хорошим» и «плохим» кредитам, он вывел следующие значения коэффициентов при начислении баллов:
возраст: 0,01 за каждый год свыше 20 лет (максимум
— 0,3);
пол: женщина — 0,4, мужчина — 0;
срок проживания: 0,042 за каждый год проживания в данной местности (максимум — 0,42);
профессия: 0,55 — профессия с низким риском, 0 — профессия с высоким риском, 0,16 — другие профессии;
работа в отрасли: 0,21 — предприятия общественного сектора, государственные учреждения, банки, брокерские фирмы;
занятость: 0,059 за каждый год работы на данном предприятии (максимум — 0,59);
финансовые показатели: 0,45 — при наличии банковского счета, 0,35 — при владении недвижимостью, 0,19 — при наличии полиса по страхованию жизни.
Применяя эти коэффициенты, Д. Дюран определил критерий отнесения клиентов к категории «надежных» и «плохих» заемщиков. Клиент, набравший более 1,25 балла, может быть отнесен к группе незначительного или умеренного риска, а набравший менее 1,25 балла считается нежелательным для банка.
В качестве показателей кредитоспособности индивидуального заемщика могут выступать и другие параметры и характеристики клиента: участие клиента в финансировании сделки, цель кредита, семейное положение, состояние здоровья, образование, чистый годовой доход, средний остаток на банковском счете, владение кредитными картами, доля платежа по ссуде в процентах от месячного дохода.
Применение метода скоринговой оценки кредитоспособности клиента дает банку надежный инструмент регулирования спроса и предложения потребительского кредита.
Список литературы:
1. Мышкис А. Д. Элементы теории математических моделей. - 3-е изд., испр. - М.: КомКнига, 2007. - 192 с.
2. Сидельников В.И., Мирская С.Ю. Математическое моделирование автономных систем теплового снабжения. Монография. - Ростов-на-Дону: СКНЦ ВШ, 2004. - 167 с.
Мамедов Ф.М. ПРОЦЕСС НЕСОСТОЯТЕЛЬНОСТИ ЗАЕМЩИКА
References:
1. Myshkis A.D. Elements of the theory of mathematical models. - Moscow: ComBook, 2007. - 192 p.
Sidelnikov V.I., Mirskaya S.Yu. Mathematical modeling of autonomous systems of heat supply. - Rostov on Don, SKNC HS, 2004. - 167 p.
РЕЦЕНЗИЯ
на статью Мамедова Ф.М. «Моделирование процесса несостоятельности заемщика».
Различные сферы экономики нуждаются в эффективном функционировании, которое обеспечивается соответствующе подготовленным персоналом. Автор рассматривает исторические этапы формирования человеческого капитала, выявляет характерные особенности и необходимые к учету недостатки. Инновационная экономика требует радикального пересмотра профессиональной подготовки кадров. Заслуживают одобрения детализация императивов информационной революции и функциональной неграмотности и обоснование возможностей реализации стратегии подготовки кадров для экономики в целом, книгоиздании -частности.
Статья содержит подходы к решению значимой социально-экономической задачи - формированию человеческого капитала, ориентированного на стратегические перспективы развития экономики. Рекомендуется к публикации в рецензируемом журнале.
Российский экономический университет
им. Г.В. Плеханова, доцент,
К.э.н. С.С. Зайцева
