Потребительское кредитование

Общий вид дискриминантной функции:     

                          

где a0  и ai  - некоторые параметры (коэффициенты регрессии);  ƒi – факторы, характеризующие финансовое состояние заемщика (например, финансовые коэффициенты).

Коэффициенты регрессии рассчитываются в результате статистической обработки  данных по выборке фирм, которые  либо обанкротились, либо сумели выжить в течение некоторого периода. Все  компании делятся на две группы: на тех, кому финансовые затруднения вплоть до банкротства в ближайшем будущем не грозят, и на тех, кому это грозит.  Если Z – оценка некоторой компании находится ближе к показателю средней компании – банкрота, то при условии продолжающего ухудшения ее положения она обанкротится. Если менеджеры компании и банк, осознав финансовые трудности, предпринимают шаги, чтобы предотвратить усугубление ситуации, то банкротства не произойдет, следовательно, Z – оценка является сигналом раннего предупреждения.

Для применения МДА необходима достаточно репрезентативная выборка предприятия, дифференцированных по отраслям, размерам. Трудность заключается в том, что внутри отрасли не всегда возможно найти достаточное количество обанкротившихся фирм, чтобы рассчитать коэффициенты регрессии.

Наиболее известными моделями МДА являются модели Альтмана и Чессера.

Альтманом, Хольдерманом и Нарайаной  введен «Z – анализ» на основании  следующего уравнения:

Z = 1,2 * X1 +1,4 X2 + 0,6 X3 + 1,0 X4 +3,3 X5,

Отнесение предприятия к определенному  классу надежности производится на основании следующих значений индекса Z:

Z ≤ 1,8 – вероятность банкротства очень высокая;

1,8 < Z ≤ 2,7 – вероятность банкротства высокая;

2,7 < Z ≤ 3,0 – вероятность банкротства  низкая;

3,0 < Z –вероятность банкротства  очень низкая.

Пятифакторная модель Альтмана, построенная на основе анализа состояния 66 фирм, позволяет дать достаточно точный прогноз банкротства на 2-3 года вперед. Факт банкротства на один год можно установить с точностью до 95%.

Модель Альтмана предсказывает  случай наступления банкротства достаточно хорошо на два года вперед. Более поздние работы Альтмана были основаны на более тщательном исследовании, более подробно были изучены такие факторы, как капитализируемые обязательства по аренде, применился 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 вперед.

Z = 1,2*X1 + 1,4*Х2 + 3,3*Х3 + 0,6* Х4 + 0,9*Х5 – 2,675,

Если Z < 0, то финансовое положение предприятия расценивается как «рискованное», если Z > 0 – предприятие считается «статистическим здоровым».

Построение моделей, подобных уравнению  Альтмана, для российских заемщиков  пока проблематично, во-первых, из-за отсутствия статистики банкротств; во-вторых, из-за влияния на факт признания фирмы банкротом многих факторов, не поддающихся учету; в-третьих, из-за нестабильности нормативной базы банкротства российских предприятий.

В данной модели все коэффициенты положительные, хотя на практике не все указанные показатели одинаково влияют на степень риска. Поэтому в модели Банка Франции некоторые коэффициенты имеют отрицательный знак. Считается, что показатели с положительным коэффициентом увеличивают общую оценку (уменьшают степень риска банкротства), тогда как показатели с отрицательным коэффициентом уменьшают эту оценку (увеличивают степень риска).

Главной проблемой практического  использования названных и других моделей скоринга является обеспечение  связанности и непротиворечивости различных показателей. Многие банки, чтобы добиться более, точных оценок, комбинируют по своему усмотрению различные показатели и коэффициенты.

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:

Y = -2,0434 – 5,24 * X1 + 0,0053 *X2 – 6,6507 *X3 + 4,4009 * X4 – 0,0791 *X5 – 0,1220 *X6

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

Z=1/(1+e^-y)

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 ≥ 0,50, то заемщика следует отнести к группе, которая не выполнит условий договора;

если Z < 0,50, 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.

Отечественные дискриминантные модели прогнозирования банкротств представлены двухфакторной моделью М.А. Федотовой и пятифакторной моделью Р.С. Сайфулина, Г.Г. Кадыкова.

Модель оценки вероятности банкротств М.А. Федотовой опирается на коэффициент  текущей ликвидности (X1) и долю заемных средств в валюте баланса (Х2):

Z = -0,3877 – 1,0736 * X1 + 0,0579 * Х2

При отрицательном значении индекса Z вероятно, что предприятие останется платежеспособным.

Уравнение Р.С. Сайфулина, Г.Г. Кадыкова имеет вид:

Z = 2 * X1 + 0,1 *X2  + 0,08 *X3 + 0,45 * X4  + X5,

При полном соответствии значений финансовых коэффициентов минимальным нормативным уровнем индекс Z равен 1. Финансовое состояние предприятия с рейтинговым числом менее 1 характеризуется как неудовлетворительное.

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, включающая: коэффициент Бивера; рентабельность активов; финансовый леверидж; коэффициент покрытия активов собственным оборотным капиталом; коэффициент покрытия краткосрочных обязательств оборотными активами.

Используя математические методы при  управлении кредитами банков, необходимо иметь в виду, что представление  кредитов не чисто механических акт. Это сложный процесс, в котором  важны как человеческие отношения между сторонами, так и понимание технических аспектов. Математические модели не учитывают роль межличностных отношений, а в практике кредитного анализа и кредитования этот фактор необходимо учитывать.

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 («эмпиризм»), высокая чувствительность к искажению (недостоверности) исходных данных (в особенности, финансовой отчетности, что наиболее характерно именно для российских предприятий-заемщиков), сравнительная громоздкость (необходимо учитывать «финансово-экономический гистеризис» заемщика, исследовать внутри- и межотраслевую статистику и т.п.).

Комплексные методики оценки кредитоспособности широко используются коммерческими  банками, однако, обращает на себя внимание их «эмпирический» характер, недостаточная теоретико-методологическая проработанность, слабое использование математического аппарата. Основной акцент в их реализации делается на субъективное мнение экспертов.

Сложившаяся система отбора субъектов  кредитования, по которой работает большинство коммерческих банков сегодня, во многом далека от совершенства. Самые значимые ее недостатки следующие:

• Субъективизм экспертизы. Решение, принимаемое экспертом, основано только на его личном опыте, интуиции и знаниях, то есть во многом субъективно.
• Сколько и каких показателей использовать для анализа, а так же нестабильность результатов.
• Отсутствие механизма преемственности. Заключается в том, что экспертом можно только стать лишь посредством накопления значительного опыта, передать который практически невозможно по причине отсутствия эффективности методик обучения.
• Проблема повышения квалификации эксперта. Это возможно только путем накопления опыта, как положительного, так и отрицательного, а отрицательный опыт – это новые проблемные кредиты.
• Высокая стоимость экспертизы из-за участия в ней высшего управленческого персонала банка.
• Ограничение минимального размера кредитной заявки из-за высокой стоимости экспертизы.
• Ограничение числа (розницы) рассматриваемых заявок физическими возможностями экспертов.
• Какие значения коэффициентов считать «нормативными» или «критическими».
• Предприятия значительно различаются по характеру своей производственной и финансовой деятельности, создать единые универсальные и исчерпывающие методические указания по изучению кредитоспособности и расчету соответствующих показателей не представляется  возможным

На основании выше изложенного  можно сделать вывод, что анализ кредитоспособности – это не просто расчет пяти и более коэффициентов и сравнение результатов с нормативами, а гораздо более трудоемкий процесс, требующий много времени и предъявляющий высокие требования к квалификации работника банка.

 

Список литературы.

1. Банковское дело: Учебник./Под ред. О.И.Лаврушина. – М.: Финансы и статистика, 2001.
2. Деньги. Кредит. Банки: Учебник./Под ред. Е.Ф.Жукова. – М.:Банки и биржи, ЮНИТИ, 1999.
3. 3. Деньги. Кредит. Банки: Учебник./Под ред. О.И.Лаврушина. – М.: Финансы и статистика, 1998.
4. Кузнецов С.А., Кузнецов М.В., Степанова С.В. Безопасность деятельности банков и страховых компаний. – М.: МГУК, 2002.
5. Банковское дело: Учебник./Под ред. В.И.Колесникова, Л.П.Кроливецкий. – М.:Финансы и статистика, 1999.
6. Международные валютно-финансовые и кредитные отношения. Учебник/Под ред. Л.Д.Красавиной. – М.: Финансы и статистика, 1994.
7. Основы международных и валютно-финансовых и кредитных отношений: Учебник. Научн. ред. Д-р экон.наук. проф. В.В.Крупнов. – М.:ИНФРА – М, 1998.
8. Полякова В.П., Московкина Л.А. Основы денежного обращения и кредита: Учебное пособие. – М.: ИНФРА – М, 1995.
9. Роус Питер С. Банковский менеджмент / Пер. с англ. со 2-го изд. – М.: Дело, 1997.
10. Усоскин В.М. Современный коммерческий банк: управление и операции. – М.: Все для вас, 1993.

 

Приложение 1.

Модели оценки кредитоспособности

заемщика

 

Модели оценки кредитоспособности заемщиков

Классификационные

 

Комплексного анализа

 

Рейтинговые

Правило шести «Си»

 

Прогнозные

CAMPARY

МДА

РAPTS

 

Системы показателей

Оценочная система анализа

 

САРТ