CC BY
59
172
ПА. Крюков
2. Финансово-кредитный энциклопедический словарь/А.Г. Грязнов [и др.]. - М.: Финансы и статистика, 2004. - 1168 с.
3. Финансы: учебник для вузов/ Л.А. Дробозина [и др.]. - М.: ЮНИТИ, 2000. - 527 с.
4. Финансы, денежное обращение и кредит: учебник для бакалавров/ Л.А. Чалдаева [и др.]. - 2-е изд., испр. и доп. - М.: Изд-во Юрайт, 2013. - 542 с.
5. Корчагин, Ю.А. Инвестиции и инвестиционный анализ: учебник/ Ю.А. Корчагин, И.П. Маличенко.
- Ростов н/Д: Феникс, 2010. - 601 с.
6. Аристова, Е.В. Теоретические основы взаимосвязи сегментов финансового рынка России: автореф. дис. ...канд. экон. наук. - ТГУ, Томск, 2014.
7. Финансы: учебник/ М.В. Романовский [и др.]. - 3-е изд., перераб. и доп. - М.: Издательство Юрайт; ИД Юрайт, 2011. - 590 с.
8. Барулин, С.В. Финансы: учебник. - М.: КНОРУС, 2010. - 640 с.
9. Максимова, В.Л. Механизм управления внутренними банковскими рисками (на примере региональных банков): автореф. дис. .канд. экон. наук. - НГУ, Новосибирск, 2003.
10. Анненкова, Л.А. Совершенствование финансового механизма иммунизации инвестиционной стратегии дилинговых операций на международном валютном рынке (на материалах валютного рынка Forex): автореф. дис. .канд. экон. наук. - ЮФУ, Ростов-на-Дону, 2010.
11. Болдырева, И.А. Эволюция финансового механизма функционирования сферы жилищнокоммунальных услуг: императивы, структурные характеристики, инструменты: дис. ... докт. экон. наук.
- ЮФУ, Ростов-на-Дону, 2009.
12. Малолетко, Н.Е. Финансовый механизм управления качеством образования в казенных учреждениях: дис. ... канд. экон. наук. - Финан. акад. при Правительстве РФ, Москва, 2012.
13. Михалевский В.Л. Финансовый механизм инновационного развития: автореф. дис. .канд. экон. наук. - Финан. акад. при Правительстве РФ, Москва, 2007.
14. Миллер М. В. Финансовый механизм развития коммерческой организации: автореф. дис. .канд. экон. наук. - СГСЭУ, Саратов, 2006.
15. Шапошникова А.И. Реформирование финансового механизма системы здравоохранения в России: автореф. дис. .канд. экон. наук. - ВГУ, Волгоград, 2011. - 17 с.
16. Салагор И.Р. Жилищный лизинг как инструмент финансового механизма на рынке жилой недвижимости: автореф. дис. .канд. экон. наук. ТГУ, Томск, 2014. - 24 с.
17. Крюков, П.А. Определение торговой операции на валютном рынке Forex// Вестн. Том. гос. ун-та. Экономика. - 2014. - №2(26). - С. 99 -108.
18. Peter Pin-Shan Chen. The Entity-Relationship Model-Toward a Unified View of Data// ACM Transactions on Database Systems. - 1976. - vol. 1. - No. 1.
19. Дейт, К. Дж. Введение в системы баз данных: Пер. с англ. 8-е издание. - М.: Издательский дом «Вильямс», 2005.
20. Винс, Р. Новый подход к управлению капиталом. - М.: ИК Аналитика, 2003.
Автор статьи
Крюков Павел Алексеевич, аспирант каф. управленческо го учета и анализа КузГТУ E-mail: [email protected].
УДК 336.77:631.15
Е.А. Николаева, С.Г. Черниченко
МНОГОФАКТОРНЫЙ ХАРАКТЕР ОЦЕНКИ УРОВНЯ КРЕДИТОСПОСОБНОСТИ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ПРОИЗВОДИТЕЛЕЙ
Не вызывает сомнений факт, что большинство сельскохозяйственных предприятий в настоящее время нуждаются в кредитных ресурсах. В этой связи остро встаёт задача оценки обширной и сложной системы показателей кредитного риска банкиров при кредитовании сельского хозяйства.
Предполагая в качестве цели исследований усовершенствование механизма кредитного анализа с использованием экономико-математических методов, применяем дифференцированный подход к объектам исследований, с учётом региональной и отраслевой специфики их деятельности. Определив в качестве объекта исследования вы-
борочную совокупность сельскохозяйственных предприятий центральной зоны Кемеровской области (т=48), представляем предприятия в пространстве действительных чисел как некий вектор, с координатами, в качестве которых выступает количественная величина каждого ресурса. Результативным признаком (у1) может выступать фактическая рейтинговая оценка кредитоспособности (в баллах). Объясняющими признаками (хц) в нашем случае является совокупность абсолютных показателей кредитного анализа, применяемых в отечественной и зарубежной кредитной практике и характеризующих качество задолженности предприятия, имущество и масштабы его деятельности, рентабельность активов баланса, показатели движения товарных запасов и т.п. Совокупность этих показателей включает (тыс. руб.): x1 — внеоборотные активы; x2 — оборотные активы; x3 — собственный капитал; x4 — краткосрочные обязательства; x5 — валюту баланса; x6 — денежные средства; X7 — краткосрочные финансовые вложения; x8 — дебиторскую задолженность; x9 — кредиторскую задолженность; xI0 — запасы готовой продукции; xII — выручку; xI2 — просроченную дебиторскую задолженность; xI3
— просроченную кредиторскую задолженность.
Необходимо дать более подробную характеристику этим параметрам. Имущество предприятия оценивается из расчёта внеоборотных и оборотных активов (хх + х2 = х5). Собственный капитал и краткосрочные обязательства выступают основными источниками финансирования производственно-хозяйственной деятельности предприятий (x3 + x4 < ^). Основными составляющими
элементами оборотных активов, применяемыми в кредитном анализе, являются денежные средства, краткосрочные финансовые вложения, дебиторская задолженность и запасы готовой продукции (^ + x1 + ^ + x10 < x2). Доминирующим составным
элементом краткосрочных обязательств предприятий выступает кредиторская задолженность (x9 < x4). Просроченные долги дебиторов и перед кредиторами характеризует качество суммарной задолженности (x12 < xg и xu < ^, соответственно). Масштабы деятельности предприятия и его место на рынке характеризует выручка от реализации продукции, работ, услуг (х11).
Итак, первоначально исследуем 13 признаков (п=13) в различных вариантах их группировки. Периодом анализа определён пятилетний временной отрезок (2007-2011 гг.). Для каждого из m наблюдений (предприятий) определяем рейтинговую оценку кредитоспособности как функцию, зависящую от п ресурсов : у = f (x1,x2,...^) •
Предварительный анализ моделируемой совокупности данных осуществлялся в режиме многовариантности, отдельно по годам и в рамках совокупного периода, с различными вариантами груп-
пировки признаков с целью выявления сценариев с максимальным уровнем коэффициента детерминации и выборки оптимального набора показателей. Во всех случаях оценка с помощью критерия Фишера показала отказ от Н0 гипотезы о статистической незначимости уравнения регрессии (р б < р ). Рассматривая совокупность объясняющих переменных с точки зрения их логической взаимосвязи и взаимозависимости, мы приняли решение выстроить иерархию регрессий (рис. 1) и представить этот процесс совокупностью
Функций: у=f(^,^ 1); ^ = У(^,^^^);
X2 = У(X6, X8, X10) и т.д.
Рис. 1. Структура связей между переменными
Однако, после расчёта множественных коэффициентов корреляции (Я) и детерминации (Я2) приходится отказаться от первого уровня иерархической совокупности регрессий, так как связь заданной совокупности факторов с результатом слабая (Я=0,13), а Я2=0,02, из чего следует, что валюта баланса (х5) и выручка (х^) лишь на 2% объясняют рейтинговую оценку кредитоспособности анализируемых предприятий. В связи с этим, возникает необходимость перехода к наиболее значимым частным показателям, ко второму уровню иерархии регрессий. Расчёт парных коэффициентов корреляции показал их высокий
174
Е.А. Николаева, С.Г. Черниченко
Таблица 1. Результаты корреляционно-регрессионного анализа, функция у = у(^^, x4,^ ^
Год Уравнение регрессии Я Я2 Fр Бт
2007 у=253,03-0,00034х2-0,00183х3+0,00242х4-0,00081хц 0,80 0,63 8,19 2,90
2008 у=295,05+0,00148х2-0,00292х3+0,00025х4-0,00205х„ 0,69 0,47 4,03 2,93
2009 у=250,71-0,00016х2-0,00090х3+0,00217х4-0,0013х„ 0,79 0,62 7,73 2,90
2010 у=242,92-0,00249х2-0,00083х3+0,00260х4+0,00092хп 0,71 0,50 5,01 2,87
2011 у=256,76-0,00424х2-0,0017х3+0,00203х4+0,00151хп 0,82 0,68 8,93 2,96
2007- 2011 у=270,58-0,00049х2-0,00216х3+0,000992х4-0,00036х„-4,4241 0,76 0,58 21,5 2,44
Таблица 2. Результаты корреляционно-регрессионного анализа, функция ^ = у(x6, ^)
Год Уравнение регрессии Я Я2 Бр Бт
2007 Х2=7261,99-4,079х6+0,779х8+9,367х10 0,53 0,28 2,63 3,10
2008 Х2=6792,95-15,78х6+2,048х8-0,725х10 0,53 0,28 2,45 3,13
2009 Х2=7091,28+0,2767х6+1,959х8-0,524х10 0,43 0,18 1,49 3,10
2010 Х2=9693,95-3,473х6+0,405х8+1,324х10 0,24 0,06 0,44 3,07
2011 Х2=7898,45-2,94х6+1,138х8+4,851х10 0,60 0,36 3,34 3,16
2007- 2011 Х2=8642,95-2,396х6+1,129х8+1,258х10-95,28г 0,47 0,22 6,36 2,68
Таблица 3. Результаты корреляционно-регрессионного анализа, функция x4 = у (^)
Год Уравнение регрессии Я Я2 Бр Бт
2007 Х4=2171,801+0,9121х9 0,95 0,90 192,9 4,30
2008 Х4=5970,171+0,955х9 0,85 0,72 12,99 4,32
2009 Х4=220,6631+1,070х9 0,98 0,96 468,3 4,30
2010 Х4= -130,224+1,097х9 0,99 0,98 1096,25 4,28
2011 Х4= -31,954+1,081х9 0,99 0,98 1222,46 4,35
2007- 2011 Х4=2971+1,048х9-510,33Н 0,95 0,90 70,09 3,92
Таблица 4. Результаты корреляционно-регрессионного анализа, функция x9 = /()
Год Уравнение регрессии Я Я2 Бр Бт
2007 Х9=2091,356+0,928х13 0,98 0,97 675,87 4,30
2008 Х9=3698,021+0,872х13 0,96 0,92 241,91 4,32
2009 Х9=3814,282+0,918х13 0,94 0,88 166,11 4,30
2010 Х9=3394,941+1,022х13 0,88 0,77 75,31 4,28
2011 Х9=3071,442+1,019х13 0,94 0,89 154,86 4,35
2007- 2011 Х9=3081,421+0,961х13+513,33г 0,94 0,89 400,113 3,92
Таблица 5. Результаты корреляционно-регрессионного анализа, функция ^ )
Год Уравнение регрессии Я Я2 Бр Бт
2007 Х8=727,995+1,168х12 0,68 0,46 18,72 4,30
2008 Х8=688,939+1,002х12 0,87 0,75 62,7 4,32
2009 Х8=728,139+0,959х12 0,80 0,63 37,79 4,30
2010 Х8=600,041+1,104х12 0,80 0,64 41,63 4,28
2011 Х8=947,314+1,186х12 0,52 0,27 7,25 4,35
2007- 2011 Х8=710,791+1,101х12+51,897г 0,73 0,53 45,68 3,92
Таблица 6. Результаты корреляционно-регрессионного анализа, функция у = у(^^^ 1)
Год Уравнение регрессии Я Я2 Fр Бт
2007 у=262,23+0,000273х2-0,00207х3+0,0018х13-0,00084х„ 0,87 0,76 7,05 2,90
2008 у=276,63-0,00023х2-0,00167х3+0,00163х13-0,00087х„ 0,83 0,69 5,13 2,93
2009 у=248,89+0,000866х2-0,00071х3+0,00218х13-0,00153хп 0,87 0,76 6,85 2,90
2010 у=238,45+0,000017х2-0,00087х3+0,00277х13-0,00031хп 0,78 0,61 4,42 2,87
2011 у=250,26-0,00423х2-0,00146х3+0,0027х13-0,0021х„ 0,94 0,88 9,87 2,96
2007- 2011 у=255,96-0,00095х2-0,0013х3+0,00227х13-0,00016хп-4,2251 0,86 0,74 26,6 2,44
уровень (>0,7) между хI и х3. Для устранения или уменьшения эффекта мультиколлинеарности ис-
ключаем из рассмотрения признак хг (т.к. переменная х3 имеет более высокий уровень коэффициента корреляции с рейтинговой оценкой (-0,33>-0,24 по модулю)). Более того, х} оказалась вредной по результатам конфлюэнтного анализа.
Таким образом, в результате последовательных рассуждений решено выдвинуть гипотезы о зависимости переменных и выстроить иерархию регрессий: у = /(х2,Х3,х4,хп); х2 = /(Х6,Х8,Х10);
Х4 = / (Х9); Х9 = / (Х13); х8 = / (Х12) • Сравнительный анализ эпизодов регрессионного анализа в заданных направлениях представлен в табл. 1-5.
В процессе исследовательской работы, выстраивая иерархию регрессий и изучая связи между переменными, в итоговом уравнении регрессии (табл. 6) выдвигаем гипотезу о зависимости рейтинговой оценки кредитоспособности от переменных х2, х3, х13, хп.
Результаты теоретических и практических исследований приводят к выводам.
Гипотеза о зависимости рейтинговой оценки кредитоспособности от указанных переменных подтверждается. Учёт временного фактора отражает ежегодное снижение средней величины рейтинговой оценки по совокупности предприятий на 4,225 балла (положительная динамика). Коэффициенты уравнений регрессии в течение расчётного периода отражают обратную связь выручки (хп) и собственного капитала (х3) с рейтинговым числом и прямую связь с просроченной кредиторской задолженностью (х13). А зависимость рейтинга от оборотного капитала принимает различные формы: прямую в 2007, 2009, 2010г.г. и обратную в 2008, 2011 г.г. и в совокупном периоде. Свободный член а0, свидетельствующий о размере результативного признака при нулевых значениях объясняющих переменных и отражении влияния неучтённых факторов, варьируется по годам в рамках 238,45-276,63 балла.
Из заданной совокупности абсолютных показателей кредитного анализа наиболее эффективными в использовании оказались х2 (оборотные активы), х3 (собственный капитал), хп (выручка) и х13 (просроченная кредиторская задолженность). Указанные показатели четырёхфакторной модели тесно связаны с рейтинговой оценкой кредитоспособности сельскохозяйственных предприятий (^=0,78-0,94), в значительной степени объясняют уровень результативного признака (^2=0,61-0,88). Причём связь признана не случайной, а закономерной во всех расчётных периодах. Базовыми показателями модели признаны: собственный ка-
питал (х3) и просроченная кредиторская задолженность (х_;3). Эти выводы являются скорее закономерными, нежели случайными, так как зависимость чувствительности предприятия к риску от степени обеспеченности собственным капиталом бесспорна. А объём просроченной кредиторской задолженности и её доля в суммарной задолженности перед кредиторами характеризуют «кредитную историю» хозяйствующего субъекта, что является важной составляющей при принятии управленческого решения в кредитном процессе. Переменные х2 и хп при слабой связи с рейтинговой оценкой имеют свои преимущества: стабильность (с точки зрения влияния временного фактора на них), разноплановые характеристики, принадлежность к разным процессам в деятельности предприятия (производство и обращение).
Рассматривая итоговый вариант уравнения регрессии за 2007-2011 г.г., следует отметить, что ожидаемая величина рейтинговой оценки в среднем по совокупности наблюдений составляет 255,96 балла при нулевых значениях объясняющих переменных и отражении неучтённых факторов, что свидетельствует о принадлежности субъектов к третьему классу кредитоспособности (при минимальной разнице с балльной оценкой второго класса: 255,96-250=5,96 балла). Увеличение оборотного капитала (х2) на 1тыс. руб. предполагает снижение рейтинговой оценки на 0,00095 балла. Увеличение объёма продаж в денежном выражении (х^) на 1 тыс. руб. влечёт за собой снижение рейтингового числа на 0,00016 балла. Наиболее сильное воздействие на результат могут оказывать переменные х3 и х3 : при увеличении собственного капитала на 1тыс. руб. рейтинг снижается на 0,0013 балла; а рост просроченных долгов перед кредиторами на 1тыс. руб. даёт повышение рейтингового числа на 0,00227 балла. Знание этой информации предоставляет возможности в управлении уровнем кредитоспособности предприятий в ближайшей перспективе.
В процессе анализа многократно уточнялся перечень объясняющих и результативных признаков, и оценивались варианты противоречивых конкурирующих моделей. Если уравнение регрессии имеет высокое качество с точки зрения достоверности, то часто его нельзя считать оптимальным в силу многофакторности, что затрудняет процесс аналитической работы кредитора. К настоящему времени было проведено более 80 экспериментов, но поиски оптимального сценария продолжаются.
Авторы статьи
Николаева Черниченко
Евгения Александровна Светлана Г еннадьевна,
к.ф.-м.н., зав. каф/математики канди.экон.. наук, доцент
КузГТУ, каф. «Финансы и кредит» Кемеров-
Ешаіі: [email protected] ского сельскохоз. института
,Ешаіі: [email protected]
