CC BY
35
Банковский менеджмент
ИСПОЛЬЗОВАНИЕ ИНСТРУМЕНТАРИЯ АНАЛИЗА «ОБОЛОЧКИ ДАННЫХ» ДЛЯ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ И ЛИМИТА КРЕДИТОВАНИЯ ЗАЕМЩИКА
Д. А. ЕНДОВИЦКИЙ, доктор экономических наук, профессор, проректор по экономическому развитию и инновациям
E-mail: [email protected]
К. В. БАХТИН,
аспирант кафедры экономического анализа и аудита
E-mail: [email protected] Воронежский государственный университет
В статье проведена оценка сравнительной кредитоспособности российских организаций за 2003-2004 гг. с использованием инструментария анализа «оболочки данных», а также на примере организации розничной торговли представлен расчет кредитного лимита заемщика.
Ключевые слова: риск, кредит, модель, резервы, оценка, кредитоспособность, заемщик.
Для оценки кредитоспособности организаций с помощью инструментария анализа «оболочки данных» (АОД) [2, 3] использовалась входо-ори-ентированная модель Чарнза, Купера и Родиса [7] с постоянной отдачей от масштаба. Аналогичный подход используется в работе А. В. Емеля и др. [4], что позволяет сравнивать результаты для российских и турецких компаний. Так, А. В. Емель и др. [4] рассматривают анализ технической эффективности с помощью АОД как следующий этап (после множественного дискриминантного анализа вероятностных моделей) в развитии кредитного скор-ринга, используя термины «кредитоспособность» и «эффективность» как синонимы. Однако, работая в данном направлении, более правильно понимать под эффективностью сравнительную кредитоспособность, так как метод АОД предполагает сравнение каждого объекта с сопоставимым для него
аналогом. Если объект является эффективным, то при заданном наборе входо-ориентированных параметров невозможно достичь более высоких высокоориентированных показателей. Если у конкретного объекта есть аналог, который получает лучшую совокупность выходо-ориентированных показателей при заданной совокупности входо-ориентированных показателей, то данный объект неэффективен.
Необходимо отметить, что входо-ориентиро-ванная задача обеспечивает расчет эффективности с помощью уменьшения затрат и выделения неиспользуемых ресурсов, а выходо-ориентированная задача используется для выяснения максимально возможного результата при сохранении текущего объема использования входных ресурсов.
Введем некоторые обозначения. Существуют К входных и М выходных параметров, N фирм. Наблюдение i представлено векторами х (с входными параметрами) и у( (с выходными параметрами). Удобно ввести АОД в виде соотношения набора выходных к набору входных параметров, т. е. и'у/ у'хр
где и — вектор размера Мх 1 весов выходных параметров,
V — вектор размера Кх 1 весов входных параметров.
Задача выбора оптимальных весов запишется в следующем виде:
шах(и' yi / V' x),
u,v
u'yj /V'xj < 1, j = 1,2,...,N,
u,v > 0. (1)
Задача (1) представляет определение комбинаций для набора входо-ориентированных и набора выходо-ориентированных показателей, которые ведут к получению наилучшего отношения взвешенной суммы выходов к взвешенной сумме входов. Так, А. Чарнз и др. [7] признали право каждого объекта по-разному оценивать важность своих входов и выходов, разрешили применять такой набор весов, который представляет объект в наиболее выгодном свете по сравнению с другими. Последовательная оценка всех объектов осуществляется по наборам весов, оптимальным для каждого из них. При анализе кредитоспособности компаний такое оптимальное отношение является аналогом известного соотношения доходности и риска в экономической деятельности. Как правило, доход растет с уровнем риска, низкий уровень рискованности связан с низким уровнем возможного дохода. Таким образом, стандартной является ситуация, когда компания может приносить высокий доход, только если она подвержена высокому риску убытка.
Решение задачи (1) позволяет получить значения для u и v, где эффективность i-го объекта максимизируется при условии, что эффективность меньше или равна 1. Возникает проблема с бесконечным количеством решений (если (и*, v*) — решение, то решением является и (au*, av*)). Чтобы этого избежать, следует применить условие
(А=1):
шах ц' у.,
V' X = 1, ц'yj -V'Xj < 0, j = 1,2,...,N,
ц,v > 0. (2)
Введем матрицы X размера KxN и Уразмера MxN, которые включают все входные и выходные данные соответственно. Используя принцип двойственности в задачах линейного программирования, задача (2) может быть переписана в виде:
min 9,
- у + Y 1> 0,
(3)
где 9 — скаляр,
X — вектор констант размера N 1. Задача (3) содержит меньше ограничений по сравнению с задачей (2), К+М < ^+1, следователь-
но, такая постановка задачи предпочтительнее. Получаемое значение 9 и есть оценка технической эффективности для i-го объекта. 9 меньше или равно 1, при равенстве единице i-й объект лежит на эффективной границе. Для определения эффективности всех N объектов задача линейного программирования должна решаться N раз.
Стандартной при использовании Stochasic Frontier Analysis является следующая постановка задачи:
Y = Хр + V + Up (4)
где Y— затраты на производство i-й фирмы,
Х- — вектор параметров выпуска и цен ресурсов размера Kx 1,
в — вектор неизвестных параметров, V — случайная величина, ошибка, предполагается условие iid N (0, ct2v), U — неотрицательная случайная величина, характеризующая неэффективность, i = 1,..., N(N — количество организаций). Ключевым моментом является оценка ненаблюдаемой величины U. Для этого нужно получить математическое ожидание U, условного на наблюдаемой величине (Vi+Ui). Необходимые для оценки технической эффективности выражения содержатся в работах Ж. Жондро [5] и Ж. Е. Батиса и Т. Ж. Коелли [1].
Так, Жондро рассматривал производственную функцию; V распределено iid N (0, ct2v); U распределено iid | N (0, ст2н) |; U, условно на (Vi + U), распределено N ст2,), где
2 2 2 ст2 (Fi - U) ,
ст2 = ст2.. + ст2 , |i,= - uK . -2
22 стст
ст
, ст . = -
ст
Далее (для упрощения), опустим индексы i. Таким образом, получим оценку:
E (U|V-U) = ст.
f ((V - U )CTu) ■
ст-ст _ ((V - U)сти )
1 - F ((F - U )CTu)
. (5)
ст
В ряде случаев, например при —^ = 0,5 , оцен
ст
ка Жондро [5] получается смещенной, поэтому альтернативна оценке, предложенной Батисом и Коелли:
E (exp {U}\V-U) =
1 - F(ct.
ст. 12ч -ехр(-ц. + — ст .)
1 - F (-^) 2
ст.
(6)
Для исследования была выбрана база данных системы «БизнесИнфоРесурс» Агентства экономи-
ста
стг ст
ческой информации «Прайм-ТАСС», содержащая финансовую отчетность 19 400 производственных и 24 900 торговых организаций за 2003—2004 гг. Авторами статьи был произведен предварительный отбор организаций для того, чтобы убедиться в правильности показателей, исключить опечатки и «выбросы»: контролировался положительный знак строка отчетности, а также контролировалось соответствие разумным пределам целого ряда финансовых показателей. К этим показателям относятся:
1) коэффициенты абсолютной ликвидности, текущей ликвидности, оборачиваемости совокупных и оборотных активов (должны быть не отрицательны по определению);
2) коэффициенты финансовой независимости и устойчивости, рентабельности активов, финансового рычага (должны быть не отрицательны). Это важно с точки зрения коммерческого банка. Поскольку в базе данных отсутствуют качественные показатели деятельности компании (позиции на рынке региона, в отрасли, кредитная история, инвестиционные проекты) и для анализа кредитоспособности доступны только данные отчетности, то были исключены из рассмотрения организации с непокрытым убытком и/или отрицательным собственным капиталом, кредитные заявки которых будут отклонены любым банком;
3) наличие в бухгалтерском балансе у производственных предприятий основных средств (поскольку отсутствие собственного оборудования можно считать неправдоподобным).
Для исключения «выбросов» применялся количественный критерий. Если наблюдение лежало от среднего значения дальше чем на три его стандартных отклонения, то оно в дальнейшем не использовалось.
Средние значения основных финансовых показателей по рентабельным организациям, полученные в ходе предварительной обработки данных, представлены в табл. 1.
В 2003—2004 гг. методология бухгалтерского учета и методические основы формирования бухгалтерской отчетности организаций в Российской Федерации не менялись, поэтому данные за 2003 и 2004 гг. сопоставимы и не подлежат корректировке исходя из правил, установленных нормативными актами. Как показано в табл. 1, в одной и той же отрасли показатели за два года примерно одинаковы, но между отраслями наблюдаются существенные различия. Например, в среднем коэффициент финансовой независимости для производственных компаний составлял 2,303 в 2003 г. и 2,384 в 2004 г. Этот показатель в 2004 г. достигал 8,380 и 2,987 для оптовой и розничной торговли соответственно. Это подтверждает необходимость анализа и оценки сравнительной кредитоспособности заемщиков с учетом их вида деятельности.
Для оценки анализа кредитоспособности заемщика кредитные организации, как правило, анализируются по четырем группам показателей: показатели ликвидности, показатели финансового рычага, показатели оборачиваемости и рентабельности. Поэтому в качестве набора финансовых
Таблица 1
Средние значения основных финансовых показателей организаций за 2003—2004 гг.
Показатель Производство Оптовая торговля Розничная торговля
2003 2004 2003 2004 2003 2004
Количество организаций, ед. 8 375 8 064 6 798 6 613 3 011 2 935
Средний объем активов, тыс. руб. 395 532,5 493 432,0 83 273,1 141 238,6 25 385,5 38 509,6
Коэффициент абсолютной ликвидности 0,200 0,210 0,171 0,147 0,200 0,177
Коэффициент текущей ликвидности 1,796 1,879 1,507 1,508 2,068 2,101
Коэффициент финансовой независимости 0,517 0,507 0,281 0,287 0,476 0,472
Коэффициент финансовой устойчивости 0,547 0,542 0,300 0,309 0,493 0,491
Коэффициент финансового рычага 2,303 2,384 8,689 8,370 2,979 2,987
Коэффициент обеспеченности собственными оборот- 0,244 0,252 0,200 0,201 0,280 0,264
ными активами
Коэффициент оборачиваемости активов, обороты 2,736 2,705 13,192 11,929 6,335 5,937
Коэффициент оборачиваемости оборотных активов, 4,647 4,470 16,757 14,262 8,917 8,525
обороты
Коэффициент оборачиваемости дебиторской задол- 28,017 25,511 94,461 75,631 266,479 259,427
женности, обороты
Коэффициент оборачиваемости кредиторской задол- 11,685 12,529 53,822 42,113 31,669 31,039
женности, обороты
Рентабельность продаж, % 8,3 7,8 3,9 3,9 4,7 4,8
Рентабельность активов, % 13,4 12,5 13,6 12,4 17,0 16,1
показателей для DEA использовался набор показателей, составленный с учетом требований российских коммерческих банков, предъявляемых ими при кредитовании организаций. Это следующие показатели:
1) FINLEV—плечо финансового рычага, отношение заемного капитала к собственному (с точки зрения кредитора предпочтительнее финансирование из собственных источников);
2) OBOR — показатель закрепления оборотных активов, отношение оборотных активов к выручке (чем быстрее могут быть реализованы активы сроком до одного года, тем надежнее компания с точки зрения возможности расплатиться по заемным средствам);
3) LIQ — показатель текущей ликвидности, отношение оборотных активов к текущим обязательствам. Желательно, чтобы активы сроком до одного года превосходили краткосрочные обязательства;
4) SOBCA — показатель обеспеченности собственными оборотными активами (Собственный
капитал — Внеоборотные активы) / Оборотные активы. Чем выше этот показатель, тем большим запасом прочности обладает компания;
5) NPS — рентабельность продаж (Прибыль от продаж / Выручка);
6) NPTA — рентабельность активов (Прибыль до налогообложения / Совокупные активы).
В указанном наборе финансовых показателей первые два (FINLEV и OBOR) являются входо-ориентированными, остальные (LIQ, SOBCA, NPS, NPTA) — выходо-ориентированными.
Статистика по финансовым индикаторам, участвующим в расчете оценок сравнительной кредитоспособности для организаций, занимающихся производством, оптовой и розничной торговлей, представлена в табл. 2—4.
Для расчета оценок технической эффективности была использована программа DEAP Version 2.1 [6].
Распределение оценок сравнительной кредитоспособности производственных организаций
Таблица 2
статистика показателей для расчета оценок сравнительной кредитоспособности производственных организаций
Переменная количество наблюдений среднее значение стандартное отклонение Min Max
FINLEV 16 439 1,798575 2,479832 0,016 9,238
OBOR 16 439 0,350912 0,229587 0,006 1,038
LIQ 16 439 1,689581 1,118954 0,196 5,046
SOBCA 16 439 0,25862 0,333519 -0,740 0,740
NPS 16 439 0,074418 0,057429 0 0,245
NPTA 16 439 0,120479 0,110179 0 0,451
Таблица 3
статистика показателей для расчета оценок сравнительной кредитоспособности компаний оптовой торговли
Переменная среднее значение стандартное отклонение Min Max
FINLEV 7,83389 9,268968 0 35,641
OBOR 0,222765 0,176656 0 0,752
LIQ 1,374887 0,768156 0,068 3,679
SOBCA 0,206326 0,231302 -0,487 0,879
NPS 0,032337 0,034481 0 0,135
NPTA 0,118902 0,118315 0 0,042
Примечание. Количество наблюдений — 13 411.
Таблица 4
статистика показателей для расчета оценок сравнительной кредитоспособности компаний розничной торговли
Переменная среднее значение стандартное отклонение Min Max
FINLEV 2,206902 3,072082 0,027 11,423
OBOR 0,172348 0,114649 0,008 0,516
LIQ 1,857592 1,4213 0,353 6,121
SOBCA 0,28578 0,31105 -0,647 0,91
NPS 0,04185 0,037538 0 0,154
NPTA 0,153818 0,134921 0 0,558
Примечание. Количество наблюдений — 5 946.
60
50
40
t 30
20
10
0
□ 2003
□ 2004
0 - 0,2
0,2- 0,4
0,4 - 0,6
0,6 - 0,8
0,8 -1,0
1,0
DEA score (CRS)
Рис. 1. Распределение по группам оценок сравнительной кредитоспособности российских производственных организаций за 2003—2004 гг.
40
35
30
s 25
Е
1£= ч— 20
o
15
10
5
0
0 - 0,2
0,2 - 0,4
0,4-
- 0,8
0,8 - 1,0
1,0
■ 0,6 0,6 DEA score
Рис. 2. Распределение по группам оценок сравнительной кредитоспособности турецких производственных организаций
приведено на рис. 1. В 2003 и 2004 гг. в данном виде деятельности присутствует значительная доля компаний с низкой эффективностью (менее 0,2), доля эффективных компаний-лидеров мала.
Распределение оценок сравнительной кредитоспособности 82 турецких предприятий [4] представлено на рис. 2.
За год существенных изменений в оценках сравнительной кредитоспособности российских производственных организаций не произошло, у турецких компаний по сравнению с российскими наблюдается большая доля компаний-лидеров (см. рис. 1 и 2). Доля неэффективных российских компаний (50 %) больше, чем в Турции (35 %). С другой стороны, в выборку А. В. Емеля и др. [4] попало небольшое количество предприятий (74 ед.) из кредитного портфеля одного из турецких банков. Кроме того, не понятно, были ли проанализированы компании до или после получения заемных средств. Тот факт, что доля самых эффективных компаний у авторов [4] больше, чем в России, имеет место из-за меньшего числа наблюдений, по кото-
рым строилась эффективная граница.
Для определения факторов, влияющих на кредитоспособность, необходимо рассмотреть вклад объясняющих переменных в оценку сравнительной кредитоспособности SCORE. Кроме участвующих при ее составлении двух вхо-до-ориентированных и четырех выходо-ориентированных показателей, проанализируем зависимость АОД-оценки: от года (переменная YEAR равна 1 в 2004 г. и 0 в 2003 г.); от размера активов SIZE (переменная равна 1, если размер активов больше среднего); от вида деятельности (металлургия MET, ЖКХ UTI, производство нефтепродуктов OIL, химическое производство CHEM); от доли основных средств в совокупных активах PP&E/A (Property, Plant and Equipment / Assets); от доли запасов в совокупных активах INV/A (Inventories / Assets); от доли дебиторской задолженности в совокупных активах REC/A (Receivables / Assets). Вопрос, какие компании более эффективны, с большой или незначительной долей основных средств и запасов в составе активов? Логично, что большая доля дебиторской задолженности должна сказываться негативно на эффективности, это средства, которые организация ожидает получить и которые временно не могут быть использованы в производстве. Показатели были выбраны с расчетом, чтобы описать основные характеристики компаний и не допустить сильной зависимости между объясняющими переменными (табл. 5).
Модели оценки кредитоспособности производственных предприятий с помощью DEA приведены в табл. 6.
Входо- и выходо-ориентированные показатели, участвующие в оценке сравнительной кредитоспособности, в модель 1 входят линейно. Получается довольно высокий Adjusted R-squared. Как и следовало ожидать, входо-ориентированные индикаторы негативно влияют на эффективность, выходо-ориентированные — положительно. Вводя
Таблица 5
матрица корреляций между переменными для производственных компаний
Показатель FINLEV OBOR LIQ SOBCA NPS NPTA SCORE YEAR SIZE PP&E/A INV/A REC/A
FINLEV 1,00
OBOR 0,11 1,00
LIQ -0,34 0,04 1,00
SOBCA -0,36 0,06 0,77 1,00
NPS -0,23 0,27 0,26 0,24 1,00
NPTA -0,17 -0,26 0,26 0,27 0,52 1,00
SCORE -0,40 -0,34 0,55 0,45 0,42 0,57 1,00
YEAR 0,01 0,01 0,02 0,02 -0,04 -0,03 -0,03 1,00
SIZE -0,03 0,18 -0,02 0,01 0,16 -0,09 -0,02 0,03 1,00
PP&E/A -0,46 -0,21 0,01 -0,09 0,06 -0,17 0,33 -0,03 0,08 1,00
INV/A 0,13 0,07 0,20 0,19 -0,03 0,09 -0,09 0,02 -0,13 -0,39 1,00
REC/A 0,37 0,14 -0,16 -0,05 -0,10 0,03 -0,29 0,02 -0,03 -0,50 -0,35 1,00
Таблица 6
модели оценки сравнительной кредитоспособности производственных компаний
объясняющая переменная модель 1 модель 2 модель 3 модель 4 модель 5
FINLEV -0,599** (0,023) -0,599** (0,023) 0,400** (0,026) 0,401** (0,026) 0,400** (0,026)
OBOR -18,282** (0,411) -18,273** (0,411) -11,444** (0,343) -11,442** (0,341) -11,424** (0,343)
LIQ 4,165** (0,159) 4,167** (0,159) 3,820** (0,141) 3,820** (0,142) 3,819** (0,142)
SOBCA -0,306 (0,420) -0,294 (0,419) 4,155** (0,384) 4,156** (0,386) 4,154** (0,386)
NPS 56,203** (2,304) 56,080** (2,306) 29,120** (2,151) 29,131** (2,192) 28,970** (2,192)
NPTA 21,614** (1,326) 21,589** (1,325) 40,084** (1,277) 40,080** (1,291) 40,158** (1,289)
YEAR -0,317* (0,115) -0,073 (0,099) -0,073 (0,099) -0,073 (0,099)
PP&E/A 13,241** (0,609) 13,241** (0,610) 13,215** (0,612)
INV/A -11,770** (0,531) -11,773** (0,541) -11,715** (0,546)
REC/A -10,712** (0,554) -10,715** (0,561) -10,722** (0,563)
SIZE -0,010 (0,167) 0,007 (0,167)
MET -0,640** (0,164)
UTIL 0,018 (0,247)
OIL 0,531 (0,764)
CHEM -0,074 (0,243)
Const 6,409** (0,217) 6,566** (0,223) 3,152** (0,470) 3,154** (0,476) 3,198** (0,477)
Adj. R-squared 0,63 0,63 0,72 0,72 0,72
* Коэффициент, значимый на 5 %-ном уровне. ** Коэффициент, значимый на 1 %-ном уровне. Примечание. В скобках приведены стандартные ошибки.
бинарную переменную YEAR, получаем, что за год компании в среднем остались на прежнем уровне эффективности (модель 2). Модель 3 свидетельс-
твует, что чем больше в составе активов компании основных средств, тем более эффективной она является; доля запасов и дебиторской задолженности сказывается негативно. Переменная SIZE в модели 4 используется для определения влияния размера активов организации на ее эффективность.
□ 2003
□ 2004
0- 0,2 0,2- 0,4 0,4- 0,6 0,6- 0,8 DEA score (CRS)
0,8-1,0
1,0
Рис. 3. Распределение по группам оценок сравнительной кредитоспособности российских компаний оптовой торговли за 2003—2004 гг.
Проведенный анализ не позволяет сделать однозначных выводов по влиянию этой переменной. В модели 5 внимание было уделено эффективности по видам деятельности. В среднем, металлургические предприятия (при прочих равных) были менее эффективны, значимых эффектов в других видах деятельности не обнаружилось.
Рассмотрим тот же набор входо- и выходо-ориентированных показателей для российских компаний оптовой торговли. На рис. 3 показано распределение организаций по оценкам сравнительной кредитоспособности. Показано, что эффективных организаций оптовой торговли значительно меньше, а неэффективных больше, чем в производственной отрасли.
Для анализа зависимости оценки сравнительной кредитоспособности организаций оптовой торговли использовались: бинарная переменная YEAR (равна 1 в 2004 г. и 0 в 2003 г.); размер активов SIZE (равен 1, если размер активов больше среднего); доля основных средств в совокупных активах PP&E/A (Property, Plant and Equipment / Assets);
доля запасов в совокупных активах INV/A (Inventories / Assets); доля дебиторской задолженности в совокупных активах REC/A (Receivables / Assets). Можно ожидать, что чем больше доля запасов и дебиторской задолженности для торговой компании, тем менее эффективной она будет. Матрица корреляций между показателями представлена в табл. 7.
Результаты оценки сравнительной кредитоспособности при использовании разных моделей для компаний оптовой торговли приведены в табл. 8. В модель 1 входят линейно показатели, формирующие оценку сравнительной кредитоспособности. Из модели 2 следует, что за год компании остались на прежнем уровне эффективности, размер запасов и дебиторской задолженности отрицательно влияет на эффективность, компании выгоднее иметь больше основных средств в составе совокупных активов (модель 3). Кроме того, нельзя с уверенностью сказать, что более эффективными оказываются небольшие компании по размеру активов (модель 4).
В оценке технической эффективности организаций розничной торговли будут участвовать те же показатели, что и для оптовой торговли. Распределение компаний по эффективности показано на рис. 4. Структура распределения похожа на структуру в оптовой торговле.
Для изучения оценки сравнительной кредитоспособности использовались следующие показатели: переменная YEAR (равна 1 в 2004 г., равна 0 в 2003 г.); размер активов SIZE (переменная равна
Таблица 7
Матрица корреляций между переменными для компаний оптовой торговли
Показатель FINLEV OBOR LIQ SOBCA NPS NPTA SCORE YEAR SIZE PP&E/A INV/A REC/A
FINLEV 1,00
OBOR 0,07 1,00
LIQ -0,36 0,00 1,00
SOBCA -0,47 0,00 0,83 1,00
NPS -0,33 0,38 0,30 0,30 1,00
NPTA -0,43 -0,22 0,39 0,45 0,50 1,00
SCORE -0,41 -0,22 0,57 0,50 0,43 0,63 1,00
YEAR -0,03 0,05 0,03 0,02 0,00 -0,04 -0,01 1,00
SIZE 0,00 0,21 -0,03 -0,04 0,12 -0,06 -0,04 0,06 1,00
PP&E/A -0,34 -0,06 0,08 -0,01 0,23 0,05 0,36 0,00 0,04 1,00
INV/A -0,09 0,06 0,23 0,22 0,12 0,10 0,04 0,04 -0,06 -0,10 1,00
REC/A 0,28 -0,03 -0,22 -0,17 -0,24 -0,14 -0,24 -0,03 -0,01 -0,36 -0,72 1,00
Таблица 8
модели оценки сравнительной кредитоспособности компаний оптовой торговли
объясняющая переменная модель 1 модель 2 модель 3 модель 4
FINLEV -0,095* -0,095* 0,047* 0,047*
(0,006) (0,006) (0,008) (0,008)
OBOR -14,141* -14,143* -10,189* -10,111*
(0,668) (0,671) (0,597) (0,596)
LIQ 6,487* 6,487* 5,536* 5,533*
(0,323) (0,323) (0,301) (0,301)
SOBCA -6,427* -6,427* -0,522 -0,524
(0,941) (0,941) (0,915) (0,915)
NPS 71,575* 71,580* 40,400* 40,610*
(5,787) (5,794) (5,356) (5,359)
NPTA 27,650* 27,653* 34,462* 34,426*
(1,620) (1,620) (1,534) (1,534)
YEAR 0,011 0,098 0,107
(0,128) (0,118) (0,119)
PP&E/A 16,829* (1,213) 16,811* (1,213)
INV/A -6,981* (0,601) -7,034* (0,608)
REC/A -5,320* (0,609) -5,538* (0,613)
SIZE -0,278 (0,144)
Const -0,645 -0,650 0,675 0,718
(0,332) (0,331) (0,587) (0,591)
Adj. R-squared 0,58 0,58 0,65 0,65
* Коэффициент, значимый на 1 %-ном уровне. Примечание. В скобках приведены стандартные ошибки.
□ 2003
□ 2004
0 - 0,2 0,2 - 0,4 0.4 - 0,6 0,6 - 0,8 DEA score (CRS)
0,8 - 1,0
1,0
рис. 4. Распределение по группам оценок сравнительной кредитоспособности российских компаний розничной торговли за 2003—2004 гг.
1, если размер активов больше среднего); доля основных средств в совокупных активах PP&E/A (Property, Plant and equipment / Assets); доля запасов в совокупных активах INV/A (Inventories / Assets); доля дебиторской задолженности в совокупных активах REC/A (Receivables / Assets). Ожидания относительно знака коэффициентов перед показателями такие же, как и для компаний оптовой торговли. Большой корреляции между переменными нет (табл. 9).
Модели анализа оценок сравнительной кредитоспособности организаций розничной торговли представлены в табл. 10. Показатели, линейно входящие в расчет модели 1, позволяют обеспечить довольно точные оценки эффективности. В среднем, за год сравнительная кредитоспособность практически осталась без изменения (модель 2). Наличие больших запасов товаров, большой доли основных средств и дебиторской задолженности отрицательно сказывается на эффективности компании (модель 3). Нельзя с уверенностью судить о том, что небольшие компании более эффективны (модель 4).
Выявленные признаки, влияющие на кредитоспособность, можно использовать для оценки кредитного риска заемщика. Если коммерческий банк примет решение о кредитовании российской производственной компании, ставя порогом отсечения «медианную компанию» (компаниям с эффективностью выше медианной компании, кредит выдать, с эффективностью ниже — в кредите
Таблица 9
Матрица корреляций между переменными для организаций розничной торговли
Показатель FINLEV OBOR LIQ SOBCA NPS NPTA SCORE YEAR SIZE PP&E/A INV/A REC/A
FINLEV 1,00
OBOR 0,10 1,00
LIQ -0,33 0,09 1,00
SOBCA -0,41 0,13 0,76 1,00
NPS -0,19 0,46 0,22 0,23 1,00
NPTA -0,22 -0,09 0,29 0,32 0,57 1,00
SCORE -0,35 -0,28 0,65 0,53 0,23 0,59 1,00
YEAR 0,00 0,03 -0,01 -0,02 0,01 -0,03 -0,03 1,00
SIZE 0,03 0,29 -0,06 -0,04 0,18 -0,06 -0,12 0,07 1,00
PP&E/A -0,38 -0,31 -0,11 -0,23 -0,11 -0,22 0,08 0,01 -0,02 1,00
INV/A 0,07 0,12 0,21 0,24 0,04 0,12 -0,02 0,01 -0,14 -0,43 1,00
REC/A 0,27 0,13 -0,10 -0,02 -0,03 0,02 -0,10 0,00 0,06 -037 -0,47 1,00
Таблица 10
Модели оценки сравнительной кредитоспособности компаний розничной торговли
Объясняющая переменная Модель 1 Модель 2 Модель 3 Модель 4
FINLEV -0,213* -0,213* 0,277* 0,277*
(0,030) (0,030) (0,041) (0,041)
OBOR -32,921* -32,922* -21,835* -21,790*
(2,196) (2,194) (2,374) (2,340)
LIQ 5,076* 5,076* 4,886* 4,885*
(0,242) (0,242) (0,232) (0,232)
SOBCA -0,033 -0,033 4,507* 4,509*
(0,868) (0,867) (0,834) (0,834)
NPS 2,246 2,245 -28,562* -28,493*
(10,167) (10,175) (10,178) (10,161)
NPTA 37,668* 37,668* 47,822* 47,809*
(2,449) (2,453) (2,687) (2,681)
YEAR 0,002 0,072 0,075
(0,200) (0,185) (0,187)
PP&E/A 6,272* (1,698) 6,258* (1,692)
INV/A -8,644* (1,377) -12,708* (1,277)
REC/A -8,633** (1,375)
SIZE -0,059 (0,218)
Const 3,143* 3,142* 4,827* 4,848*
(0,368) (0,386) (1,466) (0,277)
Adj. R-squared 0,69 0,69 0,73 0,73
* Коэффициент, значимый на 1 %-ном уровне. Примечание. В скобках приведены стандартные ошибки.
отказать), то получится следующее уравнение для определения величины кредитного риска производственной организации (Пробит-модель): Кредитный риск = 1,43 + 0,28 FINLEV+ + 7,09 OBOR - 1,17 LIQ - 1,27 SOBCA -- 25,16 NPS- 8,20 NPTA - 1,61 (PP&E/ TA) + + 2,10 (INV/A) + 2,03 (Ш^). (7)
Уравнение для оценки кредитного риска торговой организации (Пробит-модель) (граница отсечения - «медианная компания») следующее:
- для организаций оптовой торговли: Кредитный риск = 1,88 + 0,06 FINLEV+ + 13,83 OBOR - 2,01 LIQ - 1,14 SOBCА -
- 108,59 NPS- 7,02 NPTA - 2,59 PP&E/A +
+ 1,48 (Ш^Л) + 1,48 (Ш^У, (8)
- для организаций розничной торговли: Кредитный риск = 2,61 + 0,04 FINLEV+
+ 16,10 OBOR - 2,21 LIQ - - 1,51 SOBCА -
- 21,13 NPS- 10,87 NPTA - 1,50 (PP&E/Л) +
+ 2,06 (INV/A) + 1,21 (ШС^). (9)
Одним из важнейших вопросов при выдаче ссудных средств компании-заемщику является вопрос о формировании лимита кредитования. Произведенные ранее расчеты позволяют оценить лишь возможность выдачи кредитных ресурсов, но не позволяют сделать вывод об определении размера финансирования. Для оценки лимита кредитования заемщика предлагается следующий алгоритм (метод «решетки»):
1) выбирается потенциальный заемщик с уровнем эффективности выше медианной, т. е. тот заемщик, уровень кредитоспособности для которого свидетельствует о возможности возвратить сумму основного долга и начисленных процентов в установленные сроки;
2) определяется влияние увеличения долговой нагрузки для каждого коэффициента, входящего в расчет оценки эффективности;
3) для заданного лимита кредитования по новым финансовым коэффициентам производится расчет оценки эффективности;
4) если при лимите кредитования (см. п. 3) эффективность отличается от медианной, то следует изменить сумму предлагаемой задолженности (если эффективность получается ниже медианной, то следует уменьшить размер финансирования; если эффективность выше медианной, то необходимо увеличить размер финансирования и вернуться к п. 3);
5) удобно определять лимит задолженности, двигаясь с определенным «шагом» увеличения размера ссудной задолженности. Если для определенного уровня задолженности оценка эффективности близка к медианной, то рекомендуется сделать «шаг» более узким (метод «решетки»).
Рассмотрим формирование лимита задолженности на примере ООО «Апрель», занимающегося розничной торговлей и намеревающегося использовать кредитные средства сроком до 1 года на пополнение оборотных средств. В табл. 11 представлены данные из бухгалтерского баланса и отчета о прибылях и убытках компании.
В розничной торговле медианная эффективность составляет 0,079 (получена в ходе предыдущих расчетов), в то время как эффективность ООО «Апрель» равняется 0,178. Следовательно, компания является кредитоспособной, и банку необходимо определить лимит кредитования на пополнение оборотных средств. В табл. 12 представлено влияние дополнительной долговой нагрузки на финансовые коэффициенты, участвующие в расчете оценок эффективности. Во внимание не будет приниматься рост продаж за счет увеличения оборотных средств (для упрощения).
Таблица 11
основные финансовые показатели ооо «Апрель»
Показатель значение
Основные средства, тыс. руб. 775
Внеоборотные активы, тыс. руб. 775
Запасы, тыс. руб. 727
Денежные средства, тыс. руб. 70
Оборотные активы, тыс. руб. 801
Нераспределенная прибыль, тыс. руб. 831
Капитал и резервы, тыс. руб. 864
Долгосрочные займы и кредиты, тыс. руб. 0
Краткосрочные займы и кредиты, тыс. руб. 290
Кредиторская задолженность, тыс. руб. 322
Краткосрочные обязательства, тыс. руб. 712
Выручка от продажи товаров, тыс. руб. 1 7837
Себестоимость проданных товаров, тыс. руб. 14 089
Коммерческие расходы, тыс. руб. 3 264
Прибыль до налогообложения, тыс. руб. 268
Чистая прибыль, тыс. руб. 200
Коэффициент финансового рычага FINLEV 0,824
Показатель закрепления оборотных активов OBOR 0,045
Показатель текущей ликвидности 1,125
Показатель обеспеченности собственными 0,111
оборотными активами SOBCA
Рентабельность продаж NPS, % 2,7
Рентабельность активов NPTA, % 17,0
Таблица 12 влияние долговой нагрузки на финансовые коэффициенты заемщика
название показателя Формула расчета влияние задолженности на коэффициент
Коэффициент финансового рычага FINLEV Заемный капитал / Собственный капитал Рост коэффициента
Показатель закрепления оборотных активов OBOR Оборотные активы / Выручка Рост коэффициента
Показатель текущей ликвидности Оборотные активы / Текущие обязательства Зависит от изначального соотношения оборотных активов и обязательств
Показатель обеспеченности собственными оборотными активами SOBCA (Собственный капитал — Внеоборотные активы) / Оборотные активы Снижение коэффициента
Рентабельность продаж NPS, % Прибыль от продаж / Выручка Без изменения
Рентабельность активов №ТА, % Прибыль до налогообложения / Совокупные активы Снижение коэффициента
Таблица 13
Оценки эффективности заемщика при различных величинах лимита кредитования
Лимит, тыс. руб. FINLEV OBOR LIQ SOBCA NPS, % NPTA, % Оценка эффективности
30 0,859 0,047 1,120 0,107 2,7 16,7 0,169
120 0,963 0,052 1,107 0,097 2,7 15,8 0,146
240 1,102 0,058 1,093 0,085 2,7 14,8 0,123
360 1,241 0,065 1,083 0,077 2,7 13,8 0,104
480 1,380 0,072 1,075 0,069 2,7 13,0 0,090
540 1,449 0,075 1,071 0,066 2,7 12,7 0,085
600 1,519 0,079 1,068 0,064 2,7 12,3 0,079
660 1,558 0,082 1,065 0,061 2,7 12,0 0,075
720 1,657 0,085 1,062 0,059 2,7 11,7 0,071
840 1,796 0,092 1,057 0,054 2,7 11,1 0,063
960 1,935 0,099 1,053 0,051 2,7 10,6 0,056
В табл. 13 для ООО «Апрель» представлены финансовые коэффициенты и рассчитанные на их основе оценки эффективности для разных уровней дополнительной долговой нагрузки.
Оценка эффективности ООО «Апрель» при уровне дополнительной долговой нагрузки в 600 тыс. руб. будет соответствовать медианной (0,079) среди компаний, занимающихся розничной торговлей. При увеличении долгового финансирования сверх лимита в 600 тыс. руб. оценка эффективности снижается ниже медианной, что может не позволить получить финансирование в будущем.
По результатам проведенного исследования организаций, занимающихся производственной деятельностью, оптовой и розничной торговлей, можно сделать следующие выводы:
1) оценка сравнительной кредитоспособности производственных организаций устойчива во времени. Компании с большой долей основных средств в совокупных активах являются более эффективными,
2) оценка сравнительной кредитоспособности торговых компаний за 2004 г. осталась без изменения по сравнению с 2003 г. Наличие больших запасов товаров и дебиторской задолженности отрицательно влияет на эффективность фирмы,
3) выявленные основные факторы, влияющие на сравнительную кредитоспособность организаций, позволили построить модель для оценки кредитного риска организаций-заемщиков различных видов деятельности.
Предложенная модель для оценки кредитного риска заемщиков производственных и торговых организаций может использоваться дополнительно к уже применяемым в коммерческих банках процедурам анализа финансового состояния, определения кредитного рейтинга потенциального заемщика. В большинстве случаев предлагаемая модель дает результаты, согласующиеся с оценками банков.
Интерес представляют те случаи, в которых кредит был выдан (компания признавалась надежной с точки зрения принятых внутренних процедур оценки кредитоспособности), а в рамках предлагаемой модели выдача кредита заемщику считалась нецелесообразной. В этом случае можно судить, насколько данная модель лучше по сравнению с уже применяемой в коммерческом банке (в зависимости от того, возникли ли у заемщика проблемы с возвратом суммы основного долга или процентов по ссуде). Из-за ограниченного количества наблюдений с момента внедрения модели вывод о степени ее надежности делать пока преждевременно.
Список литературы
1. БатисЖ. E. Предсказание технической эффективности компаний с обобщенными производственными функциями и панельными данными // Журнал эконометрики. № 38. 1988. С. 387-399.
2. Бахтин К. В. Оценка и сравнение технической эффективности российских промышленных и торговых компаний М.: Российская Экономическая Школа. 2009.
3. ЕндовицкийД. А. Моделирование зависимости величины кредитных рисков от финансового положения организации // Экономический анализ: теория и практика. № 4. 2010. С. 2-7.
4. Емель A. B. Кредитный скоринг для коммерческих банков // Социально-экономические и плановые исследования. № 37. 2003. С. 103-123.
5. Жондро Ж. Об оценке технической неэффективности для стохастических моделей производственных границ // Журнал эконометрики. 1982. № 19. С. 233-238.
6. Коелли T. Ж. Руководство к DEAP версии 2.1: компьютерная программа для оценки эффективной границы: рабочие материалы CEPA / Университет Новой Англии. 1996. URL: http://www.owlnet.rice. edu/~econ380/AOn,P. PDF.
7. Чарнз A. Измерение эффективности при принятии решений // Европейский журнал текущих исследований. № 2. 1978. С. 429-444.
