Оценка кредитоспособности по минимуму первичных показателей о заемщике Текст научной статьи по специальности «Экономика и бизнес»

УДК 336.77.01

ОЦЕНКА КРЕДИТОСПОСОБНОСТИ ПО МИНИМУМУ ПЕРВИЧНЫХ ПОКАЗАТЕЛЕЙ О ЗАЕМЩИКЕ

сословский в. г.

кандидат экономических наук ЗАБАШТА А. А.

Харьков

Кредитная деятельность банка является, с одной стороны, источником получения прибыли, а с другой - дополнительным риском, связанным с возможным невозвратом кредитных средств. С целью снижения риска банки используют различные методики оценки кредитоспособности (КСП) заемщиков, в основном, связанные с расчетом большого числа количественных и качественных показателей. При этом предполагается, что, чем больше массив исходных показателей, тем объективнее оценка КСП и меньше риск по выданному кредиту. Это предположение положено в основу всех известных методик оценивания КСП и обусловливает то, что их совершенствование идет, в основном, по пути увеличения сведений о прошлой деятельности заёмщика и, в меньшей степени, о его будущей деятельности.

Теоретические и методологические аспекты поставленной проблемы исследовали Васюренко О. В. [3], Галасюк В. [5], Бугель Ю. [4], Дутченко О. О. [7], Мазурина Т. [8], Мельник Г. [9], Ван Хорн Дж. [6], Бриго Д. [2]. В указанных работах даны определения понятия КСП и представлены разные по количеству показателей методы оценки КСП заемщиков (предприятий).

Несмотря на большое количество методик, актуальным остается вопрос создания методики, которая повышала бы объективность оценивания с меньшими затратами времени и средств, так как использование большего объема информации о заёмщике увеличивает трудо- и материалоемкость используемых на практике методик оценки КСП.

Процедура принятия решения о выдаче кредита (У = 1) или отказе в его получении (У = 0) банками требует значительных затрат времени и осуществляется следующим образом: 1) получение от заёмщика заявки на кредитование и первичных сведений о его деятельности; 2) контроль этих сведений; 3) расчет производных показателей-коэффициентов, которые характеризуют деловые свойства заёмщика; 4) расчет комплексного показателя кредитоспособности (КПК) с учётом или без учёта весомости производных показателей; 5) анализ результатов, определение класса КСП; 6) оценка рискованных проектов; 7) принятие решения по заявке.

Для упрощения этой процедуры некоторые крупные банки начинают активно внедрять специальные программные продукты, которые позволяют практически полностью автоматизировать процедуру оценивания КСП по следующей схеме: андеррайтинг - проверка по черным спискам - скоринг [11, 13]. Основными недостатками применения скоринг-метода являются дороговизна программного обеспечения и подверженность влияниям внешней среды, следствием чего является перенастройка параметров программы каждые 3-4 года.

Цель данной работы - разработка модели оценки КСП, позволяющей с меньшими затратами ресурсов

ЕКОНОМІКА ФІНАНСИ, грошовий ОБІГ і КРЕДИТ

ЕКОНОМІКА ФІНАНСИ, ГРОШОВИЙ ОБІГ і КРЕДИТ

рассчитать КПК заемщика, при этом не утратив значения уровня достоверности.

В ходе ранее выполненных на кафедре финансов ХИБД УБД НБУ исследований [12] были систематизированы разные методики оценки КСП и проведен их морфологический анализ, который показал высокий уровень сходства по составу используемых показателей. Также был сделан вывод о необходимости упрощения расчетов КСП и целесообразности разработки методики, которая содержала бы минимальное количество исходных данных (показателей), что позволит быстрее и с меньшими затратами получить результаты оценки, которые будут не хуже, чем рассчитанные по любой существующей методике.

В развитие полученных нами выводов, в работе [10] было предложено рассчитывать индекс кредитоспособности (1кс) по многофакторной модели следующего вида:

кс -2,11 + 0,02 • Кол - 0,02 • Кмл - 0,056 • Ктл +

+ 0,42•Кма +0,09-Рп-0,03•Ра-0,12К --0,23 •Кфу +0,12 •К +0,05 •Ка-0,15 •Км + +0,48 •Кос +0,35 •Кдп-0,04 •Кок,

(1)

где К - коэффициенты, которые рассчитываются соответственно методике оценки КСП 1

Для построения модели (1) автором работы [10] была использована малая выборка из кредитоспособных и некредитоспособных предприятий, кредитоспособным предприятиям было присвоено значение 1кс = 1, некредитоспособным - 1кс = -1. Далее методом распознавания образов были рассчитаны параметры модели (1).

К недостаткам этих моделей можно отнести:

+ для расчета 1кс необходимо предварительно рассчитать значения четырнадцати используемых коэффициентов, взяв данные финансовой отчетности предприятия, что не способствует снижению трудовых и материальных затрат, связанных с оценкой КСП;

+ для произвольных значений входящих в модель коэффициентов вычисленные значения 1кс могут быть как целочисленными (1 или -1, как это определено изначально), так и нецелочисленными и лежать внутри интервала 1 < 1кс < -1 или выходить за его границы;

+ параметры модели выражают интенсивность и направление влияния коэффициентов на 1кс. Однако, вопреки экономической логике, увеличение Кмл, Ктл, ра, Кс„, Кфу, Км, К0к приводит

1 Кол - коэффициент общей ликвидности; Кмл - коэффициент мгновенной ликвидности; Ктл - коэффициент текущей ликвидности; Рп - рентабельность продаж; Ра - рентабельность активов; Коп - коэффициент соотношения дебиторской и кредиторской задолженности; Кфу - коэффициент финансовой устойчивости; Кн - коэффициент независимости; Ка - коэффициент автономии; Км - коэффициент маневренности; Кос -коэффициент обеспеченности собственными оборотными средствами; Кдп - коэффициент денежного потока; Кок- коэффициент обеспечения кредита.

У =

(3)

к занижению КСП, поскольку по результатам модели они имеют отрицательное значение.

С января 2012 года НБУ в Положении № 23 [1] рекомендует оценивать КСП заемщика с помощью многофакторной дискриминантной модели следующего вида:

Z = аК^ + а2 К 2 + а3К 3 + а4 К 4 + а5 К 5 + апКп — а0,

(2)

где 2 - интегральный показатель; К1, К2, К3...Кп - финансовые коэффициенты; ар а2, а3...ап - параметры весомости и разрядности финансовых коэффициентов; а0 - свободный член.

Основной недостаток моделей (1) и (2), на наш взгляд, состоит в том, что они увеличивают трудоемкость оценивания заемщика за счет многократного использования одних и тех же показателей первичной отчетности. Для устранения этого недостатка предлагается методика оценки КСП по минимуму первичных показателей о заемщике.

Разделим область допустимых значений КПК на два подмножества О и 0. К подмножеству О отнесем значения КПК, при которых принимаются решения о выдаче кредита, в нашем случае класс КСП А, Б (в модели 1, 2), а к подмножеству 0 - значения КПК, при которых заёмщик получает отказ в выдаче кредита, класс В, Г, Д (в модели - 3, 4, 5). Решение по заявке на кредитование опишем с помощью функции вето следующего вида:

[1, если КПК е О;

[о, если КПК е 0,

где О, 0 - соответственно множества знач ений КПК, при которых заемщику можно выдать/отказать в выдаче кредита.

В (3) необходимо задать численную модель КПК, удовлетворяющую поставленным нами требованиям.

Разработка модели КПК произведена нами в три этапа. На первом этапе исследования были рассчитаны значения КПК по традиционной методике одного из коммерческих банков Украины. На основании финансовой отчетности 30 предприятий вначале были рассчитаны значения коэффициентов, определены баллы, и, в зависимости от суммы баллов, заёмщикам был присвоен класс КСП (от 1 до 5). Согласно системы (3), заёмщиков, которые относятся к классам 1 и 2 (более 301 балла), мы отнесли к подмножеству О. Соответственно, заёмщиков, относящихся к классам 3, 4 и 5 (менее 301 балла) - к подмножеству 0. В процессе расчета коэффициентов были выделены все первичные показатели (Х1 , I =1, ... т) финансовой отчетности, которые хотя бы один раз задействовались в вычислениях. Общее количество таких показателей составило т = 27.

На втором этапе исследования была изучена зависимость значений КПК, выраженных классом КСП (1, 2, 3, 4 и 5), от значений первичных показателей (Х; , I =1, ... т), на основании которых этот класс был установлен. Зависимость между ними и КПК в общем виде выражается следующей формулой:

КПК = ty(X.) + Є, (4)

комплексный показатель КСП заемщика, значения показателей хозяйственно-

где КПК класс КСП; Х( финансовой деятельности заёмщика (статьи финансовой отчетности предприятия), тыс.грн.; £ - случайная ошибка, вызванная действием неучтенных в модели факторов.

Чтобы раскрыть форму и силу связи показателей модели (4) было изучено распределение предприятий по классу КСП и установлено, что они распределены по нормальному закону (рис. 1). Это указало на возможность проведения регрессионного анализа.

Модель (5) характеризуется хорошими прогнозирующими свойствами: средняя относительная ошибка £ = 4,37%; коэффициент детерминации Я2 = 0,98; £-кри-терии Стьюдента указывают на значимость практически всех используемых в модели (5) независимых переменных; эмпирическое значение Р-критерия Фишера Р(17,10) = 36,324 и превышает его критическое значение.

Графически высокая степень наблюдаемых (КПК) и предсказанных (КПК') по модели (5) значений КПК представлена на рис. 2. Все точки с координатами (КПК; КПК) лежат на биссектрисе квадранта, выбросов практически нет.

>s

s

I-

К

S

а

с

ф

а

с

о

сс

н

и

Ф

У

S

с

о

Анализ факторных показателей Х{ позволил установить, что они взаимозависимы, и их количество превышает объем выборки. Поэтому, на третьем этапе исследования для разработки численной модели (4) и отбора наиболее существенных факторных показателей был использован метод гребневой многошаговой линейной регрессии (ridge regress ion), который применяют в случаях, когда независимые переменные сильно коррелируют между собой (т. е. имеет место мультиколлинеарность) и приводят к неустойчивости оценок коэффициентов регрессии.

В результате многошаговой регрессии было отобрано 17 наиболее значимых показателей из 27 первичных и построена модель КПК следующего вида:

л-4

КПК = 3,82294 +3,63-10"

150)

—2,7-10"

-Ф1(180) '

1-10"

- Ф(

- ^1(230)

+ 1 - 10—6 - Ф,(380) —1,29 - 10— 4 - Ф,(520) +1,19 - 10— 4 - Ф,(540) — (5)

— 5,1 - 10—4 - Ф,(550) —6,66 - 10— 4 - Ф,(560)

5,56 - 10—4 - Ф,(590) —1 - 10—5 - Ф,(620) —2,8 - 10—5

— 1,3 - 10—5 - Ф

'2(040) 4,7^10 •ф2(220) + 1,0610 • Ф2(225),

где Ф і (/) - значения показателей в финансовой отчетности по форме с номером ( = 1 для баланса предприятия, і = 2 для отчета о финансовых результатах) и статье с номером /.

Классы предприятий Рис. 1. Распределение наблюдаемых значений

Представленная модель успешно прошла апробацию в «Реал Банке» и «Мега Банке» и может быть рекомендована в практическую деятельность других банков и финансовых служб предприятий.

Таким образом, минуя этап расчета множества коэффициентов, с помощью предложенной модели можно менее трудоемким способом установить класс КСП заемщика, используя только 17 показателей из финансовой отчетности предприятий.

В итоге было решено четыре основные задачи:

1. Разработана модель оценки КСП, которая содержит минимальное количество показателей финансовой отчетности и позволяет быстро и с меньшими затратами времени и средств получить результаты оценки, которые будут не хуже, чем по любой другой существующей методике.

2. По результатам проведенного анализа получено уравнение, с помощью которого можно определить КСП с небольшой средней относительной ошибкой в 4,37%.

3. Определены потенциальные пользователи данной методики: специалисты банковских учреждений, финансовые менеджеры и аналитики коммерческих организаций и предприятий в целях оперативной оценки и мониторинга КСП компаний, а также для определения КСП контрагентов-покупателей и других партнеров по бизнесу.

4. Развитие исследований необходимо проводить в направлении разработки методики оценки КСП,

— 3,4-10“

— 3,23-10“

-Ф1(160) " - ^1(240) '

-1,341-10—3 -Ф,(580)-

Ф

2(035) —

, +1,06-10—4 -Ф

ЕКОНОМІКА ФІНАНСИ, грошовий ОБІГ і КРЕДИТ

ЕКОНОМІКА ФІНАНСИ, грошовий ОБІГ і КРЕДИТ

Прогнозные значения

95% доверит.

Рис. 2. Прогнозное и наблюдаемое значение КПК

которая должна: содержать минимальное количество исходных показателей (наиболее весомые данные финансовой отчетности заемщика); включать качественные показатели, поскольку без них невозможно в полном объеме оценить финансовое состояние заемщика. Проводить расчеты необходимо в направлении вычисления будущей стоимости предприятия, т. к. в условиях развития современного рынка кредитования важно оперировать не только данными за прошедший период, но и будущими финансовыми показателями предприятий; также важно как можно больше увеличить процесс автоматизации оценки КСП заемщика, что позволит уменьшить затраты времени и средств. ■

ЛИТЕРАТУРА

1. Про затвердження Положення про порядок формування та використання банками України резервів для відшкодування можливих втрат за активними банківськими операціями: Положення Національного банку України № 23 від 25.01.2012 [Електронний ресурс]. - Режим доступу : http://document.ua/pro-zatverdzhennja-polozhennja-pro-porjadok-formuvannja-ta-v-doc89633.html

2. Brigo D. Credit Models and the Crisis. / Brigo. D, Pal-lavicini. A, and Torresetti. R. // Correlations and Dynamic Models. Wiley, 2010. - pp. 80 - 85.

3. Васюренко О. В. Банківські операції: Навч. по-сіб. - К. : Т-во «Знання», 2000. - 243 с.

4. Бугель Ю. Основні шляхи вдосконалення сучасних методів оцінки кредитоспроможності позичальника / Ю. Бугель // Банківська справа. - 2007. - № 4. - С. 54 - 59.

5. Галасюк В. SGMCA - спрощений метод оцінки кредитоспроможності компаній на основі міжнародних стандартів бухгалтерського обліку / В. Галасюк // Вісник Національного банку України. - 2006. - № 10 . - С. 14 - 17.

6. Дж Ван Хорн. Основы управления финансами / Под редакцией И. И. Елисеевой. - М. : Финансы и статистика, 2006. - 800 с.

7. Дутченко О. О. Напрямки вдосконалення оцінки кредитоспроможності позичальника банку / О. О. Дутченко // Вісник СНАУ. - 2010. - № 5/1. - С. 113 - 119.

8. Мазурина Т. Оценка инвестиционной кредито-способнисти заемщиков / Т. Мазурина // Финансы. - 2003. -№ 4. - С. 16 - 18 .

9. Мельник Г. Вероятная оценка кредитоспособности хозяйствующего субъекта / Г. Мельник // Економіка. Фінанси. Право. - 05/2003 . - N5 . - С.19-22.

10. Мірошнік О. Ю. Система експрес аналізу кредитоспроможності підприємств / Мірошнік О. Ю. // Фінансово-кредитна діяльність: проблеми теорії та практики / Збірник наукових праць.- 2011. - № 1. - С. 200 - 207.

11. Паклин Н. Б. Бизнес-аналитика: от данных к знаниям (+ СD): учеб. пособие. - 2-е изд., перераб. и доп. / Паклин Н .Б., Орешков В. И. - СПб. : Питер, 2010. - 704 с.

12. Сословський В. Г. Морфологічний аналіз методик оцінки кредитоспроможності позичальників / Сословський В. Г., Горбаньова Ю. Н. // Бізнес інформ. - 2008. - № 3. -С. 86 - 93.

13. Автоматизация процесса выработки решений по клиентам банка на базе Deductor [Электронный ресурс]. -Режим доступа : http://www.basegroup.ru/solutions/industry/ bank/