Анализ платежеспособности и кредитоспособности предприятия

Экономисты из разных стран, на практике проверяющие множество методов, апробировали и модель Альтмана, применив ее к разным периодам времени. После внесения незначительных корректив в предложенную Альтманом методологию большинство финансовых экспертов согласилось, что его прогнозы отличаются высокой работоспособностью и статистической надежностью, т.е. с помощью этих моделей можно максимально точно определять предприятия, у которых велика вероятность финансовых «сбоев».

Чем ближе банкротство, тем более очевидны результаты, которые показывает модель Альтмана, как и любой другой метод [3].

Модель надзора  за ссудами Чессера прогнозирует случаи невыполнения клиентом условий договора о кредите. При этом под «невыполнением условий» подразумевается не только непогашение ссуды, но и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально.

Оценочные показатели модели следующие:

 

    (18)

 

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

 

                                          (19)

 

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

Получаемая оценка Y – может рассматриваться как наличие факторов для выполнения условий договора. Чем больше значение Y, тем выше вероятность невыполнения договора для данного заемщика. В модели Чессера для оценки вероятности невыполнения договора используются следующие критерии:

если Z ≥ 0,5, то заемщика следует отнести к группе, которая не выполнит условий договора;

если Z < 0,5, то заемщика можно отнести к группе надежных.

Чессер использовал данные ряда банков по 37 «удовлетворительным» ссудам и 37 «неудовлетворительным», причем для расчета были взяты показатели балансов фирм-заемщиков за год до получения кредита. Подставив расчетные показатели модели и формулу «вероятности нарушения условий договора», Чессер правильно определил три из каждых четырех исследуемых случаев [12].

В 1977 году британский ученый Таффлер апробировал подход Альтмана на основе данных 80 британских компаний и построили четырехфакторную прогнозную модель с отличающимся набором факторов. Данная модель рекомендуется для анализа как модель, учитывающая современные тенденции бизнеса и влияние перспективных технологий на структуру финансовых показателей. При разработке данной модели использовался следующий подход: при применении компьютерной техники на первой стадии вычисляются 80 отношений по данным обанкротившихся и платежеспособных компаний. Затем, используя статистический метод, известный как анализ многомерного дискриминанта, можно построить модель платежеспособности, определяя частные соотношения, которые наилучшим образом выделяют в группы компаний и их коэффициенты.

Такой выборочный подсчет соотношений является типичным для определения некоторых ключевых измерений деятельности компании, таких, как прибыльность, соответствие оборотного капитала, финансовый риск и ликвидность. Объединяя эти показатели и сводя их соответствующим образом воедино, модель платежеспособности воспроизводит точную картину финансового состояния предприятия. Типичная модель для анализа компаний, акции которых котируются на биржах, принимает форму:

 

                       Z = 0,53X1 + 0,13X2 + 0,18 X3 + 0,16 X4,                         (20)

 

где Х1 - отношение прибыли до уплаты налога к краткосрочным обязательствам

Х2 - отношение краткосрочных активов к общей сумме обязательств

Х3 - отношение краткосрочных обязательств к общей суммеа активов

Х4 - отношение выручки от реализации продукции к сумме активов

Если величина Z-счета больше 0,3, это говорит о том, что у фирмы неплохие долгосрочные перспективы, если меньше 0,2, то банкротство более чем вероятно.

Модель Лиса, разработанная им в 1972 году, для предприятий Великобритании В модели Лиса оценки банкротства предприятия используются показатели ликвидности, рентабельности финансовой независимости. Формула скоринговой модели оценки риска банкротства имеет следующий вид:

 

                      Z = 0,063Х1 + 0,092Х2 + 0,057Х3 + 0,001Х4,                  (21)

где, Х1 – отношение оборотного капитала к сумме активов;

Х2 - отношение прибыли от реализации к сумме активов;

Х3 - отношение нераспределенной прибыли к сумме активов;

Х4 - отношение собственного капитала к заемному.

Если Z < 0,037, то вероятность банкротства высокая, а если Z > 0,037 то вероятность банкротства малая.

В отечественной практике выделяют «Белорусскую модель», которая принимает следующий вид:

 

                    Z = 0,111X1+13,239X2+1,676X3+0,516X4+3,8X5,            (22)

 

где X1 - отношение собственного оборотного капитала к сумме всех активов предприятия;

X2 - отношение краткосрочных активов к величине долгосрочных активов;

X3 - отношение выручки от реализации продукции к величине активов предприятия;

X4 - отношение чистой прибыли к величине активов;

X5 - отношение величины собственного капитали к величине совокупного капитала предприятия.

В таблице 9 приведена расшифровка принимаемых значений Z при расчете «Белорусской модели»

 

Таблица 9 — Расшифровка значений Z при расчете «Белорусской модели»

 

Значение показателя	Вероятность банкротства
Z>8	Банкротство не грозит предприятию в ближайшее время
5<Z<8	Небольшой риск банкротства предприятия
3<Z<5	Финансовое состояние предприятия среднее, риск банкротства имеется при определенных условиях
1<Z<3	Финансовое состояние предприятия неустойчивое, существует реальная угроза несостоятельности в ближайшее время
Z<1	Предприятие — банкрот

 

Наряду с множественным дискриминантным анализом прогнозирования банкротства заемщика могут использоваться и упрощенные модели, основанные на системе определенных показателей. Примером такого подхода является система показателей Бивера, представленная в таблице 10.

 

Таблица 10 — Система показателей У. Бивера для диагностики банкротства и ее нормативные значения

 

Показатель	Значение показателей
	Благоприятно	5 лет до банкротства	1 год до банкротства
коэффициент Бивера	0,4-0,45	0,17	-0,15
рентабельность активов	6-8	4	-22
финансовый леверидж	<37	<50	<80
коэффициент покрытия краткосрочных активов собственными оборотными средствами	0,4	<0,3	<0,06
коэффициент текущей ликвидности	<3,2	<2	<1

 

Коэффициент Бивера (КБ) определяется как отношение суммы чистой прибыли и амортизации к сумме долгосрочные и краткосрочные обязательства

Весовые коэффициенты для индикаторов в модели У. Бивера не предусмотрены и итоговый коэффициент вероятности банкротства не рассчитывается. Полученные значения данных показателей сравниваются с их нормативными значениями для трёх состояний фирмы, рассчитанными У. Бивером для благополучных компаний, для компаний, обанкротившихся в течение года, и для фирм, ставших банкротами в течение пяти лет.

Для классификации кредитов можно использовать модель CART. CART расшифровывается как «классификационные и регрессионные деревья» (Classification and regression trees). Это непараметрическая модель, основными достоинствами которой являются возможность широкого применения, доступность для понимания и легкость вычислений, хотя при построении таких моделей применяются сложные статистические методы. Иногда эту модель называют «рекурсивным разбиением». Понять «классификационные и регрессионные деревья» можно при  разбивке на «ветви» в зависимости от значений выбранных финансовых коэффициентов. Каждая «ветвь» дерева, в свою очередь, разделяется на «ветви» в соответствии с другим коэффициентом. Точность классификации составляет около 90%, что совсем неплохо.

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

Недостатками классификационных моделей являются произвольностью расчета базовых количественных показателей, высокая чувствительность к искажению (недостоверности) исходных данных (в особенности, финансовой отчетности), сравнительная громоздкость.

В случае использования математических моделей не учитывается влияние «качественных» факторов при предоставлении банками кредитов. Эти модели лишь отчасти позволяют кредитным экспертам банка сделать вывод о возможности предоставления кредита. Недостатками классификационных моделей являются их «замкнутость» на количественных факторах, произвольность выбора системы количественных показателей, высокая чувствительность к недостоверности исходных данных, громоздкость при использовании статистических межотраслевых и отраслевых данных. В рамках комплексных моделей анализа возможно сочетание количественных и качественных характеристик заемщика. Можно выделить следующие методы:

1. Правило «шести Си», применяемый банками США. В его основе лежит использование шести базовых принципов кредитования, обозначенных словами, начинающимися с английской буквы «Си» (С): Character, Capacity, Cash, Collateral, Conditions, Control.

Характер заемщика (Character): ответственность, надежность, честность, порядочность и серьезность намерений клиента.

Способность заимствовать средства (Capacity): кредитный инспектор должен быть уверен в том, что клиент, испрашивающий кредит, имеет юридическое право подавать кредитную заявку и подписывать кредитный договор, т.е. в том, что руководитель или представитель компании (банка), обращающийся за кредитом, имеет соответствующие полномочия, предоставленные ему учредителями или советом директоров, на проведение переговоров и подписание кредитного договора от имени компании (банка).

Денежные средства (Cash): важным моментом любой кредитной заявки является определение возможности заемщика погасить кредит за счет средств, полученных от продажи или ликвидации активов, потока наличности или привлеченных ресурсов.

Обеспечение (Collateral): при оценке обеспечения по кредитной заявке необходимо установить, располагает ли заемщик достаточным капиталом или качественными активами для предоставления необходимого обеспечения по кредиту; необеспеченные кредиты предоставляются первоклассным заемщикам, имеющим квалифицированное руководство и отличную кредитную историю.

Условия (Conditions): кредитный инспектор должен знать, как идут дела у заемщика, каково положение, складывающееся в соответствующей отрасли, а также то, как изменение экономических и других условий в стране может повлиять на процесс погашения кредита.

Контроль (Control) сводится к выяснению, насколько изменение законодательства, правовой, экономической и политической обстановки может негативно повлиять на деятельность заемщика и его кредитоспособность.

2. Методика «CAMPARI» заключается в поочередном выделении из кредитной заявки и прилагаемых финансовых документов наиболее существенных факторов, определяющих деятельность клиента, в их оценке и уточнении после личной встречи с клиентом. Название CAMPARI образуется из начальных букв следующих слов: С (Character) - репутация, характеристика клиента; A (Ability) - способность к возврату кредита; М (Margin) - маржа, доходность; Р (Purpose) - целевое назначение кредита; A (Amount) - размер кредита; R (Repayment) - условия погашения кредита; I (Insurance) - обеспечение, страхование риска непогашения кредита.
3. Методика «PARTS» применяется банками Великобритании и расшифровывается: P (Purpose) - назначение, цель получения кредита; A (Amount) - сумма, размер кредита; R (Repayment) - оплата, возврат (долга и процентов); Т (Term) - срок предоставления кредита; S (Security) -обеспечение погашения кредита. Комплексные методики оценки кредитоспособности заемщика применяются многими коммерческими банками, однако эти методики недостаточно теоретически проработаны и в них мало использован математический аппарат.

Основными недостатками системы отбора заемщиков коммерческими банками на сегодняшний день являются:

• субъективизм - зачастую решения, принимаемые кредитными инспекторами, основаны только на интуиции и личном опыте;
• негибкость и нестабильность - качество оценки является случайной величиной, которую невозможно улучшить или ухудшить, и зависит от эмоционального состояния и предпочтений эксперта;
• отсутствие системы обучения, передачи знаний и повышения квалификации - прежде чем стать высококвалифицированным специалистом, необходимо накопить определенный уровень знаний, основанный на приобретении достаточного опыта в данной сфере, а обучение кредитных аналитиков находится, как правило, на недостаточно высоком уровне вследствие отсутствия эффективных методик анализа и технологий обучения;
• ограничение числа рассматриваемых заявок, которое обусловлено ограниченными физическими ресурсами человека, в результате этого - упущенная выгода от ограничения числа рассматриваемых заявок