Учебное пособие Нижний Новгород 2012


Пример 1.3. «Методики рейтинговой оценки кредитоспособности заемщиков»



бет4/13
Дата23.07.2016
өлшемі1.85 Mb.
#216449
түріУчебное пособие
1   2   3   4   5   6   7   8   9   ...   13
Пример 1.3. «Методики рейтинговой оценки кредитоспособности заемщиков».

Крупный российский банк при оценке риска кредита использует простую методику с тремя аналитическими показателями (табл. 1.4):

Таблица 1.4

Методика оценки кредитного риска по показателям финансовой отчетности



Показатель

Удельный вес в системе показателей, %

Эффективность использования капитала (ROE)

50

Коэффициент абсолютной ликвидности

20

Отношение собственных средств к сумме активов

30

В зависимости от набранных баллов предприятие попадает в одну из четырех групп риска (чем меньше набрано баллов, тем рискованней предоставление кредита) (табл. 1.5):

Таблица 1.5

Группы риска заемщиков



Группа А

Группа B

Группа C

Группа D

K0>90

40

20

K0<20

Еще одна российская модель кредитного рейтинга выглядит следующим образом (табл. 1.6).

Таблица 1.6

Методика оценки кредитного риска по показателям финансовой отчетности



Показатель

Класс (категория) показателя

Уд.вес в общей оценке, %

I

II

III

Эффективность капитала (ROE)

K1>15%

2%

K0<2%

50

Коэффициент ликвидности

K2>40%

15%

K0<15%

20

Собственный капитал

K3>35%

2%

K0<2%

30

В данной модели, наоборот, чем больше набрано очков, тем рискованнее предоставление кредита (табл. 1.7):

Таблица.1.7

Группы риска заемщиков



Группа А

Группа B

Группа C

Группа D

100

150

200

250

В общем случае система удельных весов значимости показателей отвечает только субъективным предпочтениям экспертов, то есть дает наилучшее, с их точки зрения, ранжирование заемщиков. Таким образом, весь расчет по методике приобретает экспертный характер, точность которого зависит от компетентности специалистов, назначивших «удельные веса».

Рейтинговые системы позволяют учитывать неформализованные показатели анкетного типа (например, деловую репутацию), однако, эти же субъективные данные мешают оперативному проведению оценки.

Недостатками рейтинговых моделей являются:



  • отсутствие возможности прогнозирования финансового состояния заемщика, что особенно важно для кредитора в период срока действия кредитного договора;

  • необъективность оценки заемщика в силу субъективности мнения экспертов;

  • произвольность выбора системы показателей оценки финансового состояния заемщика и степени их значимости (удельных весов в общей системе оценки).

1.2) Статистическая оценка заемщика

В последние десятилетия в зарубежных банках разрабатывались методы оценки надежности потенциальных заемщиков с помощью разного рода статистических моделей. Цель данного метода анализа состоит в том, чтобы выработать стандартные подходы для объективной характеристики заемщиков, найти математические критерии для разделения клиентов на надежных и ненадежных, подверженных риску банкротства и тех, для кого опасность банкротства маловероятна. Такие модели являются средством систематизации представленной заемщиками информации и способствуют принятию окончательного решения о предоставлении кредита и контроле за его использованием.

В настоящее время многие зарубежные и некоторые прогрессивные российские банки часто используют статистический метод, называемый множественным дискриминантным анализом (Multiple Discriminate Analysis, MDA)21. MDA – это набор статистических приемов, похожих на регрессионный анализ. Зависимой переменной в данном случае является вероятность невыполнения заемщиком своих обязательств перед банком, а независимыми переменными – факторы, связанные с финансовой устойчивостью клиента и способностью возврата полученного кредита. Существенным преимуществом системы MDA является то, что оценка степени кредитоспособности клиента может быть выражена одним числовым значением, а не субъективной оценкой различных факторов. В рамках MDA устанавливается взаимосвязь между различными факторами, характеризующими финансовое состояние предприятия, и данными о несвоевременном погашении предоставленных ему кредитов. В результате обработки данных по совокупности предприятий выводится формализованная зависимость типа регрессионного уравнения, в котором каждый фактор имеет свой вес (коэффициент регрессии), рассчитанный в ходе проведения MDA. Это уравнение и используется для анализа кредитоспособности конкретного клиента. В уравнение подставляют текущие данные по заемщику и в результате получают оценку его кредитоспособности.

Целью дискриминантного анализа является построение линии, делящей все компании на две группы: на тех, кому финансовые затруднения вплоть до банкротства в ближайшем будущем не грозят, и на тех, кому с высокой степенью вероятности грозит банкротство. Это линия разграничения называется дискриминантной функцией (индексом Z). Это то значение дискриминантной функции, которое дает возможность предсказания банкротства (или выживания) компании в будущем с достаточно высокой вероятностью. MDA применяется специалистами по кредитному анализу для расчета вероятности неисполнения обязательств по кредитам компаниями и частными лицами, а также при управлении портфельными инвестициями. В процессе кредитного анализа результаты, полученные с использованием статистических моделей, могут быть дополнены экспертными суждениями кредитных инспекторов. Статистическая модель и получаемые посредством нее Z-оценки могут послужить ценным инструментом определения общей кредитоспособности клиента. Выявляя аномальные значения показателей, кредитный аналитик может определить проблемных заемщиков и причины возникающих проблем.

Хотя формально в коэффициентах Z-оценки используются не показатели ожиданий, а текущие значения финансовых коэффициентов, фактически коэффициенты Z-оценки (при условии некоторой стабильности развития событий) содержат элемент ожидания или прогнозирования. Это означает, что если Z-оценка некоторой компании находится ближе к показателю средней компании-банкрота, то при условии продолжающегося ухудшения ее положения она обанкротится. Если же менеджеры компании и банк, осознав финансовые трудности, предпринимают шаги, чтобы предотвратить усугубление ситуации, то банкротства не произойдет, следовательно, Z-оценка является сигналом раннего предупреждения.

Общий вид дискриминантной функции:

Z = a0 + (1.4)

где a0 и ai - некоторые параметры (коэффициенты регрессии);

fi - факторы, характеризующие финансовое состояние заемщика (например, финансовые коэффициенты).

Применяя MDA на практике, банку следует создать свою собственную базу данных, используя информацию о выборке интересующих его компаний. Вряд ли можно предполагать, что финансовые характеристики металлургической компании, встретившейся с надвигающимся банкротством, будут такими же, как для сети розничных магазинов, находящихся в подобном же затруднительном финансовом положении, а, следовательно, разными будут и Z-оценки. Для учета отраслевых особенностей, MDA должен базироваться на выборке компаний данной отрасли. Отметим, что не всегда возможно найти достаточное количество обанкротившихся фирм, чтобы провести отраслевой анализ с применением метода MDA.



Пример 1.4. «Статистические модели оценки кредитоспособности заемщиков».

Предположим, что за некоторый прошлый период доступны данные по группе компаний, включающей как компании, которые стали банкротами, так и компании, которые избежали краха22. Для простоты допустим, что будут проанализированы только два показателя: коэффициент текущей ликвидности (Ктл) и доля заемного капитала (Зк). Дискриминантная функция примет следующий вид:

Z = a + b×Ктл+ c×Зк. (1.5)

Параметры a, b и c дискриминантной функции рассчитываются в результате статистической обработки данных по выборке компаний, которые либо обанкротились, либо сумели выжить в течение некоторого периода. Так, по данным табл. 2.7, с помощью компьютерной программы дискриминантного анализа можно получить следующую зависимость:

Z = -0,3877 – 1,0736×Ктл + 0,0579×Зк (1.6)
Таблица 1.8

Расчет вероятности банкротства компаний



Компания

Ктл

Зк, %

Факт банкротства

Индекс Z

Вероятность банкротства, %

1

3,6

60

Нет

-0,780

17,2

2 (А)

3,0

20

Нет

-2,451

0,8

3

3,0

60

Нет

-0.135

42,0

4

3,0

76

Да

0,791

81,2

5

2,8

44

Нет

-0,847

15,5

6

2,6

56

Да

0,062

51,5

7

2,6

68

Да

0,757

80,2

8

2,4

40

Да

-0,649

21,1

9

2,4

60

Нет

0,509

71,5

10

2,2

28

Нет

-1,129

9.6

11

2,0

40

Нет

-0,220

38,1

12

2,0

48

Нет

0,244

60,1

13

1,8

60

Да

1,153

89,7

14

1,6

20

Нет

-0,948

13,1

15

1,6

44

Да

0,441

68,8

16

1,2

44

Да

0,871

83,5

17

1,0

24

Нет

-0,072

45,0

18

1,0

32

Да

0,391

66,7

19 (В)

1,0

60

Да

2,012

97,9

Эта функция Z изображена на рис. 1.3 как геометрическое место точек, для которых Z = 0.







Рис. 1.3. Графическая интерпретация вероятностей банкротства (LPB – малая вероятность банкротства; HPB – высокая вероятность банкротства; + компания выжила; – компания обанкротилась).
Компаниям, расположенным выше линии (то есть, имеющим Z<0), банкротство, вероятно, не грозит, тогда как компании, расположенные ниже линии (то есть, имеющие Z>0), могут в будущем разориться. На рис. 1.3 можно увидеть, что наблюдается только три отклонения от сформированной зависимости, когда местоположение точки не соответствует сделанным выводам. Тем не менее, вероятность получения правильного прогноза достаточно велика – 85%.

Чем выше значение Z, тем хуже выглядят компании с позиции возможного банкротства. Можно дать следующую интерпретацию индекса Z:

Z=0. Вероятность наступления банкротства в будущем (скажем, в течение двух лет) 50%. Значения Z таких компаний расположены прямо на линии разграничения.

Z<0. Вероятность наступления банкротства меньше 50%. Чем меньше Z, тем благоприятнее текущее финансовое положение.

Z>0. Вероятность наступления банкротства больше, чем 50%, и с ростом Z она увеличивается.

Знаки параметров дискриминантной функции имеют определенный смысл. Чем больше коэффициент текущей ликвидности (Ктл), тем меньше Z этой компании, то есть ниже вероятность банкротства. Подобным образом высокая доля заемного капитала (Зк) приводит к высокому значению Z, и это прямо отражается на увеличении вероятности банкротства.



S – устойчивое финансовое состояние ; UZ – “зона неведения”; B – банкротство.



Рис. 1.4. Распределение вероятностей значений индекса Z.
Среднее Z для компаний, которым не грозит банкротство, равно –0,583, а для потенциальных банкротов значение Z составляет +0,648. Можно интерпретировать рис. 1.4. следующим образом: если Z<-0,3, вероятность того, что компания будет двигаться к банкротству, очень мала, тогда как, если Z>0,3, существует небольшая вероятность того, что она останется платежеспособной. Если –0,3Наша дискриминантная функция имеет только две переменные, но можно ввести и другие характеристики, например, рентабельность активов, оборачиваемость дебиторской задолженности, коэффициент быстрой ликвидности. При введении в рассмотрение нового параметра, например, показателя рентабельности активов (ROA), следует рассматривать новую дискриминантную функцию:

Z = a + b×Ктл+c×Зк + d×ROA. (1.7)

Не исключено, что по новому уравнению прогноз в отношении некоторых компаний изменится, то есть вполне вероятно, что добавление других характеристик заемщика улучшает точность прогнозирования банкротства. Другими словами, это приведет к тому, что распределение вероятностей становится более плотным, сужается зона неведения, и появляется возможность точнее классифицировать ту или иную компанию, то есть вероятность ошибки уменьшается.

Наиболее распространенными моделями MDA являются модели Альтмана и Чессера.

Модель Альтмана

«Z-анализ» был введен Альтманом, Хальдерманом и Нарайаной (1977 г.) и представлял собой модель выявления риска банкротства корпораций. Цель «Z-анализа» - отнести изучаемый объект к одной из двух групп: либо к фирмам-банкротам, либо к успешно действующим фирмам. Линейная модель Альтмана, или уравнение Z-оценки, выглядит следующим образом:

Z=1,2×Х1+1,4×Х2+3,3×Х3+1,0×Х5 (1.8)

где Х1 – отношение собственных оборотных средств к сумме активов;

Х2 – отношение нераспределенной прибыли к сумме активов;

Х3 – отношение брутто-прибыли (прибыли до вычета процентов и налогов) к сумме активов;

Х4 – отношение рыночной стоимости обыкновенных и привилегированных акций к балансовой оценке заемного капитала;

Х5 – отношение объема продаж (выручки от реализации) к сумме активов.

Модель Альтмана предсказывает случай наступления банкротства достаточно хорошо на два года вперед. Более поздние работы Альтмана и его коллег обновили и улучшили его первоначальное исследование - они применили прием сглаживания данных, чтобы выровнять случайные колебания. Новая модель способна предсказывать банкротства с высокой степенью точности на два года вперед и с меньшей, но все же приемлемой точностью (70%), на пять лет вперед23.

Модель Чессера

Модель надзора за ссудами Чессера прогнозирует уже не факт банкротства компании, а случаи невыполнения заемщиком условий кредитного договора. При этом под «невыполнением условий» подразумевается не только полное непогашение ссуды, но и любые другие частичные отклонения от первоначальных условий, делающие ссуду менее выгодной для кредитора.

В модель Чессера входят следующие шесть параметров:

Х1 – отношение кассовой наличности и легко реализуемых ценных бумаг к сумме активов;

Х2 – отношение чистой суммы продаж (без учета НДС) к сумме кассовой наличности и легко реализуемым ценным бумагам активов;

Х3 – отношение брутто-дохода (прибыли до вычета процентов и налогов) к сумме активов;

Х4 – отношение совокупной задолженности к сумме активов;

Х5 – отношение основного капитала к чистым активам (или инвестируемому капиталу = акционерный капитал и долгосрочные кредиты);

Х6 – отношение оборотного капитала к нетто-продажам (чистой сумме продаж).

Оценочные показатели модели следующие:

Y = -2,0434-5,24×Х1+0,0053×Х2-6,6507×Х3+4,4009×Х4-0,0791×Х5-0,1020×Х6 (1.9)

Переменная Y, которая представляет собой линейную комбинацию независимых переменных, используется в следующей формуле для оценки вероятности невыполнения условий договора, Z:



(1.10)

где e = 2,71828 (число Эйлера – основание натуральных логарифмов).

Получаемая оценка Y может рассматриваться как показатель вероятности невыполнения условий кредитного договора. Чем больше значение Y, тем выше вероятность невыполнения условий кредитного договора для данного заемщика. В модели Чессера для оценки вероятности невыполнения условий кредитного договора используются следующие условия:

если Z>0,50, то заемщика следует отнести к группе заемщиков, которые не выполнят условий договора;

если Z<0,50, то заемщика можно отнести к группе надежных заемщиков.

Чессер использовал данные ряда банков по 37 «удовлетворительным» ссудам и 37 «неудовлетворительным», причем для расчета были взяты показатели финансовой отчетности компаний за год до получения кредита. Подставив расчетные показатели в формулу «вероятности нарушения условий договора», Чессер правильно определил три из каждых четырех исследуемых случаев24.

Используя математические методы при управлении кредитами банков, необходимо иметь в виду, что предоставление коммерческих кредитов не чисто технический процесс. Напротив, это сложный творческий процесс, в котором важны как субъективные отношения между сторонами, так и понимание математических закономерностей. Математические модели не учитывают роль межличностных отношений, а в практике кредитования этот фактор играет существенное значение при принятии решения о выдаче кредита.

Альтман предлагал использовать его «количественную модель» как дополнение к «качественному и интуитивному» подходу инспекторов кредитных отделов банков, отмечая, что его модель не дает рейтинговой оценки кредита и не способна заменить оценки, которые предлагают служащие банка. Такая модель и получаемые через нее Z-оценки могут послужить ценным инструментом определения общей кредитоспособности клиентов и сигналом раннего предупреждения о возможности ухудшения финансового состояния клиента.

Недостатками статистических моделей являются:


  • «количественная субрелевантность» (переоценка роли количественных факторов);

  • произвольность выбора системы количественных показателей (финансовых коэффициентов),

  • высокая чувствительность к недостоверности исходных данных (финансовой отчетности), что наиболее характерно для российских предприятий;

  • громоздкость и сложность вычислений, необходимость использования математического аппарата;

  • необходимость создания и поддержания статистической базы данных о заемщиках.

2) Модели комплексного анализа кредитоспособности заемщиков

Второй класс моделей, применяемых на практике, это модели, основанные на агрегировании количественных и качественных показателей, то есть модели комплексного анализа.



Правило «шести Си»

В практике банков США применяются критерии отбора клиентов, обозначенные словами, начинающимися на букву «С». Используя американскую терминологию, говорят о так называемых "шести С": capacity, character, capital (cash), collateral, conditions, control25. В переводе это означает следующее:



  • способность заимствовать средства;

  • репутация заемщика;

  • способность получать доход;

  • обладание активами (обеспечение);

  • состояние экономической конъюнктуры;

  • чувствительность заемщика к изменению законодательства.

К сожалению, шестое «Си» – control («контроль»), понимаемое как чувствительность заемщика к изменению законодательства (налоговых ставок, законодательного обеспечения бизнеса и т.п.) в российской банковской практике пока не получило должного применения.

Если перейти в плоскость практики банковского кредитования, то целесообразно интерпретировать эти факторы в несколько ином виде, сгруппировав их по пяти основным вопросам, ответы на которые существенны в процессе формирования мнения кредитного эксперта:



  • кто?

  • для чего?

  • сколько?

  • на какой срок?

  • против чего?

На практике при решении вопроса «кто является заемщиком?» необходимо вести исследование по следующим трём ос­новным направлениям.

1) Кредитная правоспособность.

Под этим понимается способность заемщика заключать кредитные договоры и договоры обеспечения, которые будут иметь юридическую силу. В данном случае, необходима проверка полномочий должностных лиц, подписывающих договоры, сопровождающие кредитную сделку. Решающее значение для кредитной правоспособности имеют правовые аспекты (например, необходимо ознакомиться с уставом предприя­тия и с положениями, которые определяют правомочность лиц, выс­тупающих от его имени). Существуют различные аспекты правоспособности, зависящие от ка­тегории заемщика (юридическое лицо, индивидуальный предприниматель, физическое лицо).



2) Личная кредитоспособность.

Под этим понимается личное доверие руководства кредитного учреждения в отношениях с заемщиком. Критериями личной кредитоспособности являются: безупречная репутация руководителей, их надёжность, честность, порядочность и достоверность получаемой от них информации.



3) Квалификация менеджеров.

Под этим кредитные специалисты понимают профессиональный уровень и способность руководящих кадров успешно управлять предприятием. Критериями квалификации менеджеров являются:



  • личная биография, успехи прошлой деятельности;

  • качество системы учёта;

  • актуальность и полнота информации о предприятии;

  • осведомленность о важнейших рынках;

  • наблюдение за конкурентами, инновации в сфере производства, уровень технической оснащённости;

  • поведение менеджмента: руководство сотрудниками, планирование

Вопрос «для чего будет использоваться кредит?», то есть о целях использования кредита играет важную роль в процессе проверки кредитоспособности. Не только банк, но и само предприятие устанавливает будущую потребность в заемных средствах на основе своего финансового плана.

В случае долгосрочного кредитования необходимо различать две основные сферы инвестиций:

- реальные инвестиции (капиталовложения в материальные ценности);

- портфельные инвестиции (финансовые вложения, в том числе долевое участие).

Инвестиции имеют важное значение для пер­спективного развития предприятия. В данном случае речь, как правило, идёт о долгосрочном финан­сировании, предусматривающем регулярное погашение задолженности после определённого начального периода, по истечение которого предприятие начинает генерировать положительный денежный поток.

Однако на практике часто встречаются случаи, когда предприятие указывает конкретную цель использования кредита без предостав­ления финансового плана, что характерно для краткосрочного кредита. Задачей банка в данном случае будет являться проверка обоснованности указанной цели использования и источников погашения кредита. Такой анализ удобнее всего проводить по отдельным группам объектов кредитования. Краткосрочные банковские кредиты предоставляются на пополнение оборотных средств и имеют краткосрочный характер (до 1 года). Срок таких кредитов определяется на основе сроков оборачиваемости оборотных активов предприятия или их отдельных видов. Если пред­приятие приобретает товары или услуги у другого предприятия, которые оно не сразу оплачивает (использование отсрочки платежа), то между контрагентами возникают кредитные от­ношения, называемые коммерческими кредитами. Потребность предприятия в коммерческом кредите может воз­никать как во время производственного процесса, так и сбыта продукции. Однако, этот бесплатный источник финансирования очень короткий по срокам и не всегда доступен по условиям договоров, следовательно, возникает потребность в банковском кредите.

Вопрос «сколько средств необходимо заемщику?» означает, что средства должны быть предоставлены в таком объеме, чтобы заемщик смог успешно осуществить свои планы. В задачи банка входит проверка обоснованности размера кредита на основе представленных заемщиком сведений о средних объемах выручки и прибыли, данных о валюте баланса, рыночной стоимости имущества предприятия и стоимости обеспечения. Размер предоставляемых кредитов ограничивается также нормативными требованиями надзорного органа к банкам по уровню кредитного риска и ресурсными возможностями банка.

Решение вопроса «на какой срок должен быть предоставлен кредит?» предполагает, что информация о сроках кредита вытекает из результатов проверки целей использования кредита. При этом креди­тор исходит из того, что средства на обслуживание долга и возврат кредита будут поступать из выручки предприятия при кредитовании оборотных средств или из прибыли при проектном кредитовании.

Наконец, вопрос «против чего предоставляется кредит?» затрагивает проблему обеспечения. Поскольку обеспечение является вторичным источником погашения кредита после денежного потока предприятия, его наличие не всегда обязательно. В международной банковской практике заемщикам с высоким инвестиционным рейтингом предоставляются кредиты без обеспечения, поскольку их финансовое состояние не вызывает сомнений у кредиторов по поводу достаточности источника погашения кредита. В Германии, например, на этот счет существует поговорка, что «самый "лучший" кредит, который пре­доставляется банками — это кредит безо всякого обеспечения»26. В этом случае проверка кредитоспособности приводит к тому, что обеспечения кредита не требуется. Как правило, в таких случаях речь идёт о заемщиках, связанных долгосрочными взаимоотношениями со своим основным банком или о заемщиках с общепризнанной деловой репутацией. Кредиты без обеспечения носят, в основном, краткосрочный характер в рамках договоров кредитных линий. В то же время, согласно договору банк вправе требовать предоставления обеспечения в любой момент пос­ле выдачи такого кредита при ухудшении финансового положения клиента. Обеспечение должно иметь такую стоимость по оценке сторон, которая в случае необходимости его реализации покроет кредит, все проценты по нему, исходя из срока договора, и возможные расходы банка по реализации обеспечения. В случае залога недвижимого и движимого иму­щества, товарных запасов важную роль для кредитора играет не только возможность, но и время их реализации, то есть ликвидность. В случае гарантии банка, поручительства третьего лица или залога ценных бумаг, а также их аваля кредитор обязан проводить оценку платежеспособности гаранта, поручителя, эмитента ценных бумаг и лица, совершающего аваль.

Модель CAMPARI

Анализ кредитоспособности клиента в соответствии с основными принципами кредитования, содержащимися в модели CAMPARI, заключается в поочередном выделении из кредитной заявки и прилагаемых финансовых документов наиболее существенных факторов, определяющих деятельность клиента, в их и уточнении после личной встречи с потенциальным заемщиком и последующей оценке. Название «CAMPARI» образуется из начальных букв следующих слов:



  • Character – репутация, характеристика клиента;

  • Ability – способность к возврату кредита;

  • Margin – маржа, доходность;

  • Purpose – целевое назначение кредита;

  • Amount – размер кредита;

  • Repayment – условия погашения кредита;

  • Insurance - обеспечение, страхование риска непогашения кредита.

Эти понятия, объединенные в систему, представляют собой совокупность оценочных параметров, которые помогают сопоставить множество факторов, связанных с выявлением потенциального риска невозврата конкретной ссуды. Необходимо иметь в виду, что не все из названных показателей могут быть выражены непосредственно в цифрах, а, значит, возникают проблемы надежности аргументации в пользу того или иного фактора.

Модель PARTS

В Англии ключевым словом, в котором сосредоточены требования банка при выдаче кредитов заемщикам, является термин «PARTS», включающий в себя:



  • Purpose - назначение, цель получения заемных средств;

  • Amount - сумма, размер кредита;

  • Repayment- оплата, возврат долга и процентов;

  • Term - срок предоставления кредита;

  • Security - обеспечение погашения кредита.

Решение о предоставлении кредита может быть принято только в том случае, если банк знает и понимает бизнес своего клиента. Балансы и другие финансовые отчеты можно интерпретировать правильно, если знать специфику отрасли, среднеотраслевые показатели и применяемые технологии. Анализ отрасли промышленности сосредоточен на изучении пяти конкурентных сил по М. Портеру: существующая конкуренция, потенциальные конкуренты, поставщики, потребители и продукты-заменители. Кредитный аналитик должен выявить конкретные сильные и слабые стороны клиента и сравнить их с характеристиками других компаний той же отрасли. Знание возможностей компании и источников сил конкуренции поможет выявить области, в которых компания может бороться с конкурентами, или ей следует избегать этого; либо области, где инвестиции могут принести прибыль или наоборот, вопрос капиталовложений должен рассматриваться весьма взвешенно.

При анализе кредитоспособности частных лиц, как и при анализе предприятий, должны быть учтены характер заемщика, цели использование полученных средств, источники погашения кредита. Характер заемщика может быть определен из его кредитной истории и степени надежности, которая выражается продолжительностью и постоянством работы, продолжительностью и местом проживания, выполнением своих обязательств в прошлом. Возраст клиента может быть рассмотрен как фактор, от которого зависят будущие доходы, он также определяет время, оставшееся до пенсии, и ожидаемую продолжительность жизни, что будет учтено при определении срока кредита. Доход клиента является основным источником погашения кредита и должен приниматься во внимание с учетом других обязательств заемщика. Таким образом, скоринговые модели оценки кредитоспособности частных лиц являются, по сути, комплексными моделями.

Главными недостатками классических комплексных моделей являются:


  • сильно выраженный эмпирический характер;

  • слабое использование математического аппарата, который целесообразно было бы заимствовать из теории принятия решений.

Комплексные методики оценки кредитоспособности заемщиков применяются многими коммерческими банками, однако, обращает на себя внимание их недостаточная теоретическая и методологическая проработанность. Основной акцент в их реализации делается на субъективное мнение экспертов, при этом слабо учитываются объективные закономерности и свойства самого процесса экспертной оценки, достаточно хорошо изученные и приведенные в специальной литературе, посвященной общеприкладным вопросам принятия решений27.

Существенным шагом на пути к продуктивному научно-практическому подходу оценивания кредитоспособности заемщиков было бы создание системы классификации существующих моделей оценки кредитоспособности, основанной на ином подходе. Разделение моделей на количественные и комплексные является упрощенным подходом к их классификации. В действительности нет четкой границы между количественным анализом и эмпирическими приемами анализа, так как они являются взаимодополняющими инструментами единой методологии кредитного анализа. С этих позиций модели оценки кредитоспособности заемщиков, изложенные в экономической литературе, можно классифицировать следующим образом:



  • модели анализа и прогнозирования финансового состояния заемщика на основе статистической базы данных финансовых индикаторов;

  • рейтинговые модели на основе финансовых индикаторов;

  • рейтинговые модели на основе финансовых индикаторов, дополненные экспертной оценкой;

  • комплексные модели на основе иных методов оценки28.

Первые два класса моделей сегодня применяются в составе инструментов экспертного анализа, поскольку оценка только финансового состояния заемщика очень упрощает реальную ситуацию в силу статичности используемых показателей (игнорируется изменчивость, как среды, так и свойств субъекта кредитования). Рейтинговые модели по-прежнему наиболее распространены и в России, и за рубежом, особенно в виде скоринговых моделей при потребительском кредитовании. Комплексные модели применяется на практике коммерческими банками с использованием различных методов оценки, детальные разработки которых составляют «ноу-хау» этих банков. Каждый класс моделей имеет свои особенности, достоинства, недостатки и границы применения.

На практике формирование кредитного пор­тфеля банка заключается в выборе из потока кредитных заявок именно тех, реализация которых будет для него наиболее выгодной и с точки зрения доходности, и с точки зрения обеспечения ликвидности. Как правило, коммерческий банк вырабатывает свою уникальную методику приня­тия решения по удовлетворе­нию кредитных заявок. В каж­дом конкретном случае экс­пертами кредитного отдела (управления) банка производится оценка ве­роятности возможного нару­шения потенциальным за­емщиком условий кредитного договора. Набор факторов, которые исследуются экспертами кредит­ного отдела банка, их зна­чимость являются основой для формирования кредитной по­литики данного банка. Как показывает практика, состояние кредитного портфе­ля банка зависит от корректности выбран­ного им базового набора фак­торов кредитоспособности заемщиков и методов их оценивания. Некачественный кредитный портфель является результатом ошибочной оценки важности или состояния того или иного фак­тора, что является следствием либо непрофес­сионализма, либо наступления непредвиденных обстоятельств. Зачастую эксперты банков пренеб­регают анализом многих фак­торов кредитной заявки, сосре­дотачивая свое внимание на обеспеченности кредита. Не­сомненно, наличие залога или иного вида обеспече­ния значительно уменьшает риск невозврата кредита, а главное, упрощает про­цедуру принятия решения о кредитовании, но придавая решающее значение фактору обеспечения, кредитор, тем самым, резко сужает круг надежных потенциальных заемщиков.

Существующая система отбо­ра субъектов кредитования, применяемая в большинстве российских коммерческих банков, имеет следующие недостатки:


  • субъективизм экспертизы - решение, принимаемое экспер­том, основано на его личном опыте, интуиции и зна­ниях, то есть во многом субъективно;

  • нестабильность результатов экспертизы - они могут зависеть от эмоционально­го состояния и личных пристрастий эксперта;

  • отсутствие пре­емственности и обучения экспертов - стать хорошим экс­пертом можно лишь благодаря накоплению собственного опыта и развитию интуиции, передать которые практически невозможно;

  • высокая стоимость экспер­тизы из-за участия в ней большого количества сотрудников банка, в том числе выс­шего управленческого персо­нала - ограничение минимального размера кредитной заявки из-за высокой стоимости экспер­тизы.

  • ограничение числа рассматриваемых заявок физическими возможностями эк­спертов – необходимость дальнейшего совершенствования автоматизации процесса кредитного анализа.

Перспективой развития кредитного анализа представляется создание и использование стандартизированной модели, базирующейся на агрегировании количественных (то есть формализованных в виде финансовых индикаторов) и качественных (то есть неформализованных в виде экспертного мнения) характеристик субъекта кредитования. Эта модель должна быть основана на максимально полном и всестороннем учете как объективных закономерностей функционирования экономических субъектов, так и объективных закономерностей самого процесса экспертного оценивания.

Во второй главе рассматриваются принципы построения подобной модели и методы обработки данных, применяемых при решении проблем многокритериальной классификации, частным случаем которых является проблема оценки кредитоспособности заемщика.



Выводы по первой главе:

  • Под кредитоспособностью заемщика понимается его способность получить кредит и полностью выполнить свои обязательства перед кредитором в установленный договором срок. Понятие кредитоспособности отражает сущность банковского кредита, базирующегося на устойчивом балансе интересов сторон кредитной сделки. Определение степени кредитоспособности заемщика необходимо для решения вопроса о целесообразности кредитования: для банка это означает оценку уровня кредитного риска и способов защиты от риска, для заемщика – возможность обеспечения деятельности финансовыми ресурсами и эффективное управление ими.

  • Кредитоспособность выражается через систему определенных критериев. В зарубежной и отечественной практике банковского кредитования существует множество систем показателей, основанных, преимущественно, на финансовом анализе. В то же время существенную информацию о заемщике дают нефинансовые методы оценки, поэтому финансовый анализ чаще всего дополняется оценкой неформализованных критериев. Результатом комплексного подхода к оценке кредитоспособности заемщика является определение класса кредитоспособности.

  • Факторы, влияющие на привлекательность кредитной заявки для кредитора, зависят от экономических условий и специфики деятельности банка, особенностей его кредитной политики. Зарубежные банки при отборе заявок на кредит основное внимание уделяют финансовой устойчивости и надежности компаний, для российских банков характерен «перекос» в сторону фактора обеспечения кредита. Тем не менее, накопленный опыт кредитования и усиливающаяся конкуренция на рынке финансовых услуг приводят к тому, что российские банки переоценивают значимость факторов, влияющих на кредитоспособность.

  • Показатели, входящие в систему оценки кредитоспособности, должны удовлетворять определенным требованиям в целях обеспечения точности оценки. Кредитование корпоративных заемщиков и частных лиц имеют свои особенности, что находит отражение в выборе критериев кредитоспособности клиентов. В ходе кредитного анализа в отношении корпоративных заемщиков банки оценивают внешние и внутренние факторы, влияющие на уровень кредитного риска. Внешние факторы обусловлены влиянием внешней среды и характеризуют чувствительность заемщика к изменениям экономических условий и изменению законодательства. Внутренние факторы связаны с состоянием самого заемщика и отражают его надежность, финансовую устойчивость, качество менеджмента. Определение кредитоспособности частных лиц не носит индивидуального характера. Самым распространенным методом оценки кредитного риска в отношении частных лиц является скоринговый метод, основанный на оценке таких параметров как платежеспособность, кредитная история, имущество клиента. Скоринговые системы отличаются стандартизированным набором показателей, который должен периодически пересматриваться по мере изменения ситуации.

  • Многочисленные модели оценки кредитоспособности заемщиков, приведенные в экономической литературе и применяемые в практике банковского кредитования, принято классифицировать на модели количественного анализа (статистические и рейтинговые модели) и модели комплексного анализа. Количественные модели основаны на формализованных, финансовых показателях кредитоспособности заемщиков. Комплексные модели основаны на агрегировании количественных и качественных показателей кредитоспособности заемщиков. Каждый класс моделей имеет свои особенности, преимущества, недостатки и границы применения.

  • Рейтинговые модели делят заемщиков на «хороших» и «плохих» в сравнении с неким критическим баллом. Рейтинговые системы оценки состоят в том, что значения финансовых показателей заемщика «взвешиваются» на их удельные веса в соответствии со значимостью показателя в системе показателей, и затем рассчитывается суммарный обобщающий показатель – рейтинг заемщика. Статистические модели разделяют компании на «надежные» (которым банкротство не угрожает) и «ненадежные» (которые подвержены риску банкротства). Они устанавливают взаимосвязь между показателями финансового состояния заемщиков и данными о степени выполнения ими условий кредитного договора.

  • Комплексные модели оценки основаны на комплексном подходе и включают самые разнообразные количественные и качественные характеристики заемщика. В мировой и отечественной практике к таким характеристикам, как правило, относятся: способность заимствовать средства; репутация; способность получать доход; обладание активами; состояние экономической конъюнктуры; чувствительность к изменению законодательства.

Вопросы для самоконтроля

  1. Что понимается под кредитоспособностью заемщика коммерческого банка и какова экономическая сущность этого понятия?

  2. Какие критерии кредитоспособности заемщика выделяют зарубежные отечественные специалисты в области банковского дела? В чем их суть?

  3. Каким образом различаются подходы к анализу и оценке кредитоспособности заемщиков в России и за рубежом?

  4. Каким факторам кредитоспособности уделяется предпочтение в зарубежных и российских банках? Почему? Какие требования предъявляются к показателям отбора кредитных заявок?

  5. Охарактеризуйте особенности оценки кредитоспособности корпоративных клиентов и назовите факторы, влияющие на привлекательность кредитной заявки.

  6. Что такое скоринг и какие параметры заемщика он учитывает? Назовите преимущества скоринговых моделей.

  7. Приведите классификацию классических моделей оценки кредитоспособности заемщиков.

  8. В чем состоит суть рейтинговых и статистических моделей оценки?

  9. Какие показатели финансового состояния клиента используются в количественных моделях?

  10. Какие критерии кредитоспособности заемщиков используются в комплексных моделях? Каковы перспективы применения комплексных моделей?

  11. Назовите особенности, преимущества, недостатки и границы применения различных классов моделей оценки кредитоспособности заемщиков.


Глава 2. Кредитный анализ в коммерческом банке

Целями изучения данной главы являются:

- рассмотреть принципы многокритериальной классификации экономических субъектов;

- понять, почему проблема оценки кредитоспособности заемщика является частным случаем слабоструктурированных проблем;

- узнать, каким образом разрабатываются алгоритмы принятия решений о выдаче кредитов;

- раскрыть роль финансового анализа деятельности заемщика в процессе кредитного анализа, в том числе анализа на основе финансовых коэффициентов и движения денежных потоков;

- рассмотреть способы определения оптимальных условий кредитования для выбранных заемщиков.
2.1. Принципы многокритериальной классификации экономических субъектов

Ключевые слова: нечеткие множества, нелинейная зависимость, неопределенность, неоднородность, интегральный показатель, слабоструктурированная проблема, вербальный анализ, порядковые шкалы, многокритериальная классификация, множество альтернатив, решающее правило, принятие решений.

С точки зрения банковского кредитного эксперта (кредитного инспектора, начальника кредитного отдела, руководителя банка)29 необходима выработка пригодной для практического применения, адекватной внутренней логике процессов финансово-экономического анализа и экспертного оценивания комплексной системы показателей кредитоспособности заемщиков. Результатом анализа показателей кредитоспособности заемщика (как количественных, так и качественных) в конкретных условиях «внешней среды» с использованием подобной системы должны стать однозначные ответы на вопросы, постоянно возникающие перед экспертами кредитного комитета банка, рассматривающими кредитные заявки:



  • можно ли предоставить конкретному заемщику испрашиваемый кредит? (задача выбора заемщика, или I-я задача);

  • если ответ на первый вопрос положителен, то на каких условиях необходимо предоставить испрашиваемый кредит? (задача оценки параметров кредитного заключения, или II-я задача);

  • какие меры необходимо принять банку с целью минимизации риска невозврата испрашиваемого кредита? (задача выбора методов защиты от риска, или III-я задача).

Методология решения первых двух задач должна представлять теоретико-прикладную систему оценки показателей кредитоспособности заемщика и условий кредитования. Третья задача требует применения методов оптимального управления кредитным портфелем банка.

Предлагаемые многими авторами и рассмотренные ранее модели и методики оценки кредитоспособности заемщиков, как правило, основываются на допущении о наиболее существенном вкладе в оценку кредитоспособности количественных факторов (финансовых показателей), то есть гипотезе количественной релевантности (Приложения 1 и 2). Международная и российская практика кредитования показывает, что количественные факторы кредитоспособности не могут удовлетворительно охарактеризовать кредитоспособность реального заемщика, т.к. способны показать лишь «моментный», ретроспективный срез финансового состояния хозяйствующего субъекта. Современные банковские специалисты признают, что понятие «кредитоспособность заемщика» логически несводимо лишь к финансовым параметрам заемщика, оно является комплексным. Следовательно, совокупность показателей, характеризующих кредитоспособность заемщика, должна включать в себя и финансовые и нефинансовые показатели, то есть как количественные, так и качественные. Причем, качественные показатели (например, уровень менеджмента или деловая репутация заемщика) должны играть не менее весомую роль, чем количественные в системе факторов, используемых для адекватной оценки кредитоспособности.

В связи с потребностями практики возникает необходимость методологии измерения и сопоставления показателей кредитоспособности, что обусловлено следующими основными причинами:


  • постоянно изменяющейся внешней средой, цикличностью экономики;

  • спецификой предметной области исследования (так как она находится не столько в сфере финансовых проблем, сколько на стыке экономики, финансов, современной прикладной математики, психологии);

  • относительной новизной и недостаточной отработанностью математических методов исследования субъектов и их отношений, составляющих основу анализа кредитоспособности заемщика;

  • недостаточной осведомленностью высших менеджеров банков и специалистов в области финансов о математических методах обработки нечисловой (вербальной, описательной) информации и о возможностях построения на основе этих методов специализированных экспертных систем.

Существующие модели оценки кредитоспособности заемщиков в отечественных коммерческих банках в качестве релевантных факторов в процедуре оценки кредитоспособности используют три основных: финансовое состояние, обеспечение и экспертную оценку потенциального заемщика. При этом предпочтение банковских практиков отдается эвристическим подходам, основанным на субъективной оценке экспертов, поскольку проблемой является нахождение способа сведения количественных и качественных показателей заемщика к одному интегральному показателю оценки для принятия решений о кредитовании и обоснования этого решения. Главным недостатком предлагаемых систем отбора кредитных заявок является то, что они предполагают экспертное оценивание заявки с помощью весовых коэффициентов значимости показателей, содержащихся в ней, и применение линей­ной функции зависимости привлекательности кре­дитной заявки от фактических значений этих показа­телей. В действительности, по мнению исследователей, имеет место нелинейная, эволюционная зависимость показателей, характеризующих заемщика, соответственно, экспертное оценивание должно осуществляться по нелинейному критерию. Это означает, что разные факторы имеют объективно неодинаковое влияние на мнения экспертов в отношении конкретной кредитной заявки, и линейное «взвешивание» вряд ли будет адекватно моделировать реальный процесс экспертного оценивания. Линейные модели эффективно работают лишь в области малых отклонений от стационарного состояния оцениваемых параметров (на практике – не более 10%)30. Поэтому методики экспертного оценивания на базе линейного алгоритма «взвешивания» применимы для очень ограниченных квазистационарных случаев прогнозирования малых отклонений базовых показателей. Более предпочтительной объективно может быть методика, основанная на нелинейных алгоритмах бинарного по качественным показателям экспертного оценивания, либо на комбинации нелинейных алгоритмов экспертного оценивания и теории нечетких множеств.

Важно подчеркнуть, что нелинейный алгоритм экспертного оценивания целесообразно использовать по двум фундаментальным причинам: во-первых, в силу принципиальной нелинейности самого процесса экспертного оценивания, а, во-вторых, в силу необходимости учета объективно существующей эволюционной нелинейности факторов оценки. Первый тип нелинейности может быть промоделирован с помощью специальных математических функций (типа функций Уолша, Хэвисайда или «фильтрующих» сверток), второй – с помощью производящих функций теории нечетких множеств. Однако, с точки зрения практики, необходимо стремиться к компромиссу между адекватностью и аналитичностью (простотой практической интерпретации) модели оценивания, не забывая при этом о ее ограничениях, очерченных областью практической применимости. Исходя из этого, модель линейного оценивания должна рассматриваться как некая асимптотика нелинейной при малом изменении внутренних параметров и слабых возмущениях параметров внешней макроэкономической среды. Наиболее достоверные результаты она будет давать, естественно, для добросовестных31 заемщиков в относительно спокойные периоды развития макроэкономики, что снижает ее достоверность и практическую ценность для эксперта. Таким образом, для каждого банка существует необходимость создания целостной, научно обоснованной, логически непротиворечивой прикладной системы оценки показателей кредитоспособности, использование которой на заданном множестве экономических субъектов (потенциальных заемщиков) давало бы результаты, однозначно интерпретируемые пользователями такой системы.

Анализ финансово-экономической литературы по данной проблематике показывает, что существует некий разрыв между теоретическими подходами к решению задачи оценки кредитоспособности и практикой банковского кредитования. Теоретики делают упор на анализ количественной информации финансовых критериев кредитоспособности, рекомендуя применять при этом статистические модели анализа кредитоспособности, основанные на MDA, а также разнообразные рейтинговые модели. Практики же предпочитают опираться на свой опыт и неформализуемые в рамках традиционных математических методов способности интуитивно прогнозировать сценарии развития событий. В результате объективно возникает необходимость объединения как первого, так и второго подхода к решению задачи оценки кредитоспособности заемщика. Несмотря на понимание многими исследователями того, что в действительности анализ кредитоспособности нельзя свести только к анализу финансовых коэффициентов, и необходим тщательный анализ нефинансовых показателей, не предлагается конкретных моделей или методик комплексного анализа кредитоспособности в работах, посвященных данному вопросу. Это свидетельствует о недостаточности применения математических методов анализа количественно измеримых показателей для удовлетворительного решения задачи комплексной оценки кредитоспособности. Эмпирико-эвристический подход в отдельности также не может обеспечить удовлетворительного решения поставленной задачи.

Как убедительно показали исследования ряда специалистов в области психологии, ограниченность эмпирико-эвристического подхода связана с особенностями человеческой системы переработки сложной информации. В частности, специалисты приводят ряд аргументов, доказывающих ограниченность стихийного эвристического подхода к анализу многокритериальных проблем32. Данные авторы предлагают для исследования качественных характеристик субъекта использовать специально разработанные алгоритмы вербального анализа данных и принятия решений. Анализ специальной литературы, посвященной методам многокритериальной оценки и качественным методам принятия решений, показал, что задача комплексной оценки кредитоспособности относится к типу так называемых «слабоструктурированных проблем»33. Основными чертами слабоструктурированных проблем являются объективное наличие в их составе как качественных, так и количественных показателей, причем качественные, малоизвестные и неопределенные стороны имеют доминирующую тенденцию.

Возможны два конструктивных пути решения слабоструктурированных задач (в частности, задачи оценки кредитоспособности заемщика). Первый – это редукция качественных показателей к особым образом построенным количественным показателям (балльным оценкам критериев и альтернатив, нечеткозначным переменным). Наиболее известным примером такого подхода служит метод анализа иерархий (МАИ) Т. Саати и К. Кернса34. Он относится к эвристическим методам, поскольку не имеет строгого научного обоснования и построен на базе обобщения эмпирического материала. Другой, менее известный, главным образом из-за своей новизны, пример подобного подхода – это метод фильтрации состояния нечетких процессов, основанный на теории нечеткого интегрирования35. Вторым путем решения слабоструктурированных задач является их редукция к неструктурированным задачам, то есть таким, которые содержат лишь качественные показатели, поскольку очевидно, что любые количественные показатели могут быть преобразованы в качественные36. Что касается корректного преобразования качественных показателей в количественные, то этот вопрос в настоящее время остается открытым. Ряд исследователей полагают, что использование принципиально новых математических технологий, таких, как теория нечеткой меры и нечетко-интегральное исчисление, позволяет эффективно формализовать и решать слабоструктурированные задачи37. Другие исследователи считают, что любая процедура сведения качественных показателей к количественным некорректна, а, следовательно, полагаться на получаемые таким образом «трансформированные» количественные результаты при принятии решений нет никаких оснований. Данные исследователи предлагают ряд разработанных методов исследования качественных данных, которые являются частью так называемой теории вербального анализа и решения неструктурированных задач38.

Обширный опыт отечественных и зарубежных банковских специалистов убедительно свидетельствует о том, что статистические методы не могут быть признаны надежным и адекватным инструментом решения слабоструктурированных задач. Любая попытка использования статистических методов для решения такого рода задач есть не что иное, как редукция к хорошо структурированным (формализованным) задачам. В частности, доказано, что данный прием является логически ошибочным, поскольку такого рода редукция существенно искажает исходную постановку задачи39. Принципиальная невозможность применения формальных методов при решении слабоструктурированных задач подтверждается сформулированным основоположником теории нечетких множеств Л.Заде «принципом несовместимости»: «…чем ближе мы подходим к решению проблем реального мира, тем очевиднее, что при увеличении сложности системы наша способность делать точные и уверенные заключения о ее поведении уменьшается до определенного порога, за которым точность и уверенность становятся почти взаимоисключающими понятиями»40. Наконец, практика свидетельствует об объективно существующей несоизмеримости (структурной неоднородности) количественных и качественных показателей кредитоспособности. Поскольку в настоящее время нет рациональных оснований предпочесть тот или иной метод решения слабоструктурированных задач из-за того, что все они обладают специфическими достоинствами и недостатками, то задачу оценки кредитоспособности заемщика, которая формально может быть сведена к задаче многокритериальной классификации объектов в пространстве количественно-качественных показателей, допустимо решать с помощью разных методов. Результаты решения, полученные тем или иным способом, сверяются. Если различные методы позволяют решить задачу с близкой степенью адекватности, то результаты решения не должны противоречить друг другу и сильно отличаться. Например, ясно, что, при «+классификации»41 объектов (заемщиков) основная масса «+заемщиков» при использовании упомянутых методов должна быть классифицирована одинаково.

В настоящее время наиболее плодотворным подходом к решению слабоструктурированных задач является их редукция к неструктурированным с применением методологии вербального (качественного) анализа. Это обусловлено следующими обстоятельствами.

Во-первых, методология вербального анализа и принятия решений достаточно хорошо исследована и подробно разработана специалистами; ими же разработан ряд алгоритмов для решения разнообразных задач многокритериальной классификации42.

Во-вторых, методология вербального анализа успешно применяется в различных отраслях науки и практики (медицинская диагностика, принятие решений о ценности научных разработок, разнообразные экспертные системы в экономике).

Наконец, в-третьих, алгоритмы вербального анализа без особых проблем могут быть положены в основу построения гибкой автоматизированной системы принятия решений. Отчасти это обусловлено разнообразием инструментальных средств современной прикладной информатики, в первую очередь, достаточно мощных средств программирования.




Достарыңызбен бөлісу:
1   2   3   4   5   6   7   8   9   ...   13




©dereksiz.org 2024
әкімшілігінің қараңыз

    Басты бет