Концепцията за оценка на кредитоспособността на клиента
Определение 1
Скорингът е статистически или математически модел, който използва данни от кредитната история на клиентите на банката, като в крайна сметка е възможно да се изчисли вероятността следващият потенциален кредитополучател да върне получените средства навреме.
Тази методология за оценка на кредитополучателя е претеглена сума от определен набор от характеристики в много опростена форма. Това е необходимо за формирането на обобщен показател. Този показател допълнително се сравнява с така наречената линия на рентабилност.
Такава оценка на платежоспособността на кредитополучателя е необходима за определяне на интегралния показател за всеки потенциален клиент и полученият резултат трябва да се сравни с горния ред (съответно само онези кредитополучатели, които имат този показател над линията на рентабилност, ще могат да получи заем).
Обикновено в националната икономика банките използват адаптирани модели за точкови оценки на кредитоспособността на дадено лице, които са адаптирани към руските условия.
Първо се прави предварителна оценка на възможността за получаване на кредит въз основа на данните от анкетните карти-заявления на кредитополучателите. Въз основа на резултатите от попълнените формуляри за кандидатстване се подписват протоколи за оценка на възможността за отпускане на кредити.
Пример 1
Ако резултатът е по-малък от 30, протоколите записват отказ за предоставяне на заем, но ако са отбелязани повече от 30 точки, тогава на следващия етап рискът се оценява по-внимателно, като се вземат предвид допълнителни проучвания.
Предимства и недостатъци на кредитния скоринг
Методите и моделите за точкуване позволяват:
- намаляване на риска от неизпълнение на кредита;
- вземайте решения за издаване на заем бързо и безпристрастно;
- ви позволяват да управлявате ефективно кредитния си портфейл;
- няма нужда да отделяте много време за обучение на служители на кредитния отдел;
- има възможност за извършване на експресен анализ на искането за кредит в присъствието на клиента.
Ограниченията на методологията за скоринг включват факта, че тя може да се прилага само за информация за онези клиенти, на които банката вече е отпуснала заем. Също така банковите служители трябва периодично да проверяват качеството на методологията и анализа и да разработват нова методология за скоринг.
По-нататъшното усъвършенстване на методологията за скоринг ще разшири и промени списъка с оценяваните характеристики на кредитите.
При ипотечното кредитиране на граждани се използва гаранцията на кредитополучателя, най-важното е оценката за навременната вноска по плащанията по кредита. Оценява се съотношението на размера на месечните задължения на кредитополучателя към общия доход на семейството за същия период и др.
Процесът на провеждане на точкова оценка на кредитоспособността на кредитополучателите
Обикновено, за да се анализира кредитоспособността на потенциален кредитополучател, се изисква следното:
- копие от документи, удостоверяващи самоличността на кредитополучателя;
- потвърждение за доходите на клиента: удостоверение във формуляра 2-NDFL, копие от данъчната декларация във формуляра 3-NDFL;
- Освен това те могат да поискат документи за собственост на имота и други документи, които могат да потвърдят платежоспособността и бизнес репутацията на клиента.
Специалистите на банката анализират платежоспособността на отделен кредитополучател въз основа на данните за средния месечен доход и размера на удръжките за предходните шест месеца, както и информация въз основа на въпросника. Резултатът се изчислява като среден месечен доход минус всички задължителни плащания и се коригира с корекционен коефициент, който варира в зависимост от размера на дохода (от 0,3 до 0,6). Колкото по-голям е доходът, толкова по-голяма е корекцията.
Забележка 1
В момента най-универсалният метод за оценка на кредитоспособността е методът за оценка на финансовото състояние на клиента.
За да намалят и контролират рисковете, банките трябва да оценяват финансовото състояние на кредитополучателя на тримесечна база.
Като подобрение в оценката на кредитоспособността на физическите лица се предлага използването на скорингова система при определяне на обема на отпуснатите кредити.
Кредитните рейтинги са предназначени да измерват риска от неизпълнение от страна на потенциален кредитополучател, като се вземат предвид различни фактори от кредитната история. Формулите за изчисляване на кредитните рейтинги обикновено не се разкриват от западните банки, но като цяло се използват следните компоненти, които могат да се считат за приложим опит:
- 35% е кредитна история - наличие или липса на компрометираща информация. Несъстоятелност, залози, съдебни решения, споразумения, конфискации, възбрана на имущество, забавени плащания могат да бъдат причина за отказ за издаване на заем.
- 30% ливъридж – Тази категория разглежда редица специфични измерения на ливъриджа, включително броя на овърдрафт сметки, съществуващи дългови задължения, покупки на вноски.
- 15% дял се пада на срока на кредитната история - средния период на кредитиране и срока на първоначалния кредит.
- 10% е оценка на видовете използвани кредити (на вноски, овърдрафти, потребителски кредити, ипотеки), показва историята на управлението на различните видове кредити.
- 10% дял от резултата се пада на броя искания за заем - рейтингът на кредитополучателя се намалява, ако напоследък са били направени голям брой искания (14-45 дни).
Скоринг моделите трябва да се основават на актуални данни и бързо да се преконфигурират при промяна на кредитната политика на банката.
Важна роля в работата на скоринг модела играе кредитното бюро. Необходимо е да се проучи кредитната история на потенциалния кредитополучател и съпруга на кандидата. Всички видове приходи и разходи на кредитополучателя трябва да бъдат документирани.
Пример 2
Заеми не трябва да се издават на граждани, които имат плащания по изпълнителни документи в размер на 50 процента или повече от нетния си доход. Освен това гаранцията на лице, чиито удръжки от заплатата са равни или надвишават 50 процента от нетния доход, не трябва да се приема като обезпечение за заеми.
Фигура 1 представя информация, разработена от чуждестранни банки за получаване на информация за целта на кредита, личните характеристики на кредитополучателя и кредитната история на кредитополучателя.
Фигура 1. Променливи, използвани в скоринг моделите за оценка на кредитоспособността на кредитополучателите. Author24 - онлайн обмен на студентски работи
При оценката на кредитния риск на потенциалните кредитополучатели се вземат предвид редица фактори: възраст, семейно положение и образование, брой на лицата, които издържат, местоживеене на клиента, професия, стаж, текущ трудов стаж. Както и следната финансова информация: регулярни приходи и задължения на клиента; кредитна история, която включва факти като висококачествено изплащане на кредита; предишно положително сътрудничество с банката, ако клиентът вече е клиент на банката.
Скоринг системата на търговските банки е механизъм за подбор на потенциални кредитополучатели чрез експертна проверка на факторите, влияещи върху платежоспособността и риска от невръщане на получените по кредит средства. Използваните механизми за оценка на нивото на надеждност на клиентите зависят преди всичко от схемата за кредитиране, избрана от финансовата институция. В някои търговски банки кредитните служители и служителите по сигурността могат да предложат напълно уникални изисквания към потенциалните клиенти.
Предлагаме на вашето внимание 4 банки, където можете да получите заем с лоша кредитна история:
Лихвен процент
от 9,5%
Срок
до 5 години
Сума
до 700 хиляди рубли
Получаване на заем в деня на кандидатстване в банката
Лихвен процент
от 7,5%
Срок
до 5 години
Сума
до 1 милион рубли
Незабавно решение; обратно изкупуване без комисионна
Лихвен процент
от 10,5%
Срок
до 7 години
Сума
до 4 милиона рубли
Банката взема решение по заявката за 3 минути
Класическа банкова система за оценка на кредитополучателите
Партньорската проверка обикновено започва с проверка на информацията, предоставена от кредитополучателя в заявлението. Когато става въпрос за отпускане на големи кредити, представители на финансова институция могат да настояват за лична среща с клиента. По време на такова интервю кредитният служител ще направи визуална оценка на кредитополучателя, отбелязвайки възможни външни признаци на сериозно заболяване, емоционална нестабилност или несъответствия с някои от данните, предоставени в оригиналния въпросник.
Класическата система за оценка на бъдещите кредитополучатели работи по следния начин:
- Клиентът лично общува с опитен кредитен мениджър или служител по сигурността на банката.
- Кредитополучателят попълва заявление, в което предоставя лични данни.
- Кредитният мениджър подава Бюро за кредитни истории - орган, който извършва дейности по формиране, съхранение и обработка на кредитни истории "\u003e бюро за кредитна историязаявление за получаване на данни за предходни задължения на лице, кандидатстващо за кредит, необходими за последващ анализ.
- По време на интервюто представител на кредитна институция задава няколко прости въпроса, надеждността на отговорите на които ще зависи от съответствието на кредитополучателя с критериите на търговска банка.
- Специалистът издава присъда след проучване на получените поверителни данни.
Традиционните методи за оценка на платежоспособността на кредитополучателите са идеални за големи търговски банки, които имат възможност да открият отдели, които се занимават с експертна проверка на документи. Подобни схеми за точкуване и Подписването е проучване на вероятността за изплащане или неизплащане на заем. Тази процедура се извършва от банката, която взема решение за издаване на заем, и включва определяне на платежоспособността и кредитоспособността на потенциален кредитополучател "> поеманеактивно се използва от кредитори, които издават дългосрочни целеви заеми. Средно отнема до 36 часа за проучване на заявка от клиент. При обезпечени кредити, за които е необходима допълнителна оценка на обезпечението и проверка на платежоспособността на поръчителя, разглеждането на заявлението може да отнеме до 7 дни.
Как работи системата за точкуване?
Създадени са модерни автоматизирани скоринг системи за ускоряване на процедурата по кредитиране. Те се използват от търговски банки на етапа на издаване на кредитни карти и различни небанкови институции, насочени към издаване на експресни заеми. Процедурата за оценяване, т.е. проверка на платежоспособността, се основава на използването на специализиран софтуер, специфичен за индустрията, чиито алгоритми са конфигурирани да изучават индивидуални критерии и да проверяват дали информацията, предоставена от кредитополучателя, съответства на текущите условия на сделката.
Автоматизирането на процесите на оценяване позволява:
- Ускорете прегледа на въпросниците, получени от потенциални клиенти.
- Намалете персонала на кредитната институция.
- Преведете процедурата за попълване, подаване и обработка на заявления за кредит във виртуална равнина.
- Намалете риска от отказ на заем.
- Намалете риска от грешки на банковия служител, причинени от човешкия фактор.
- Създайте стандартизирана и единна система за оценка на бъдещите кредитополучатели.
Компаниите, които предоставят малки потребителски заеми и пластмасови карти, обработват огромни потоци от заявления ежедневно. В такива условия е почти невъзможно да се осигури индивидуален подход за работа с всеки потенциален клиент. Алгоритъмът на автоматизираната система за скоринг се основава на използването на редица прости параметри, които позволяват задълбочена оценка на кредитополучателите. Paramount обикновено е информация, свързана с паспортни и платежни данни.
Как да гарантираме, че ще преминем точкуване в банката?
За да получите заем след проверка на платежоспособността, достатъчно е кредитополучателят да предостави надеждна информация, като я подкрепи с документите, посочени в условията на бъдещата сделка. Софтуерът използва публично достъпни статистически, аналитични и математически методи за оценка на вероятността за изплащане на конкретен заем, но за да се ускори вземането на решения относно получените приложения за стрийминг, някои кредитори отказват да обработват отчети за приходи и банкови извлечения. Наличието на допълнителни данни увеличава получения коефициент. Ако минимален резултат е достатъчен за сключване на сделка, не се изискват придружаващи документи.
Оценката на платежоспособността се влияе от:
По този начин кредитната история и финансовата стабилност на потенциалния кредитополучател влияят върху изчисляването на рейтинга и резултата от решението за кредит в рамките на системата за оценяване. Косвено нивото на кредитния рейтинг може да се промени от фактори като семейно положение или възраст на клиента.
Някои организации вземат предвид обстоятелства, които са извън контрола на клиента. Алгоритмите на скоринг машината могат да бъдат коригирани, като се вземат предвид икономическата ситуация и политическата ситуация в региона, вида и размера на кредитния продукт, както и наличието или липсата на негативни тенденции в кредитирането.
Банковите скоринг машини не могат да бъдат измамени, защото дори случайна грешка на етапа на попълване на заявление води до отказ за кредит. За да премине проверката, клиентът ще трябва да предостави поверителни данни. Заемодателят гарантира безопасността на поверителна информация. Алгоритъмът е насочен към обработка не само на получените отговори. Такава система ви позволява да събирате и анализирате полезна статистика, която предоставя уникална възможност за прогнозиране на платежното поведение на потенциален клиент.
Може също да се интересувате от:
Анюитет и диференцирано плащане - каква е разликата?
Въпросът с плащането на заем винаги е принципен за всеки, който планира да вземе паричен заем или вече го е взел. Разглеждаме подробно разликите между анюитетни и диференцирани плащания. Познавайки тези разлики, вие ще можете да изберете най-добрия вариант за заем за себе си.
Всеки потребител на кредит трябва да знае какво е кредитен скоринг. Това понятие започна да се въвежда от банките в началото на този век и това се дължи на факта, че ръстът на кредитите се увеличи значително.
Скорингът е специално разработена компютърна програма, която помага бързо да се определи платежоспособността на клиента чрез анализиране на личните му данни.
За да направите това, цифровите данни, установени от формуляра, се въвеждат в програмата съгласно принципите на конвенционалното тестване. След това програмата за оценка внимателно анализира въведените данни и дава резултата, като правило, в точки: определена цифрова стойност съответства на всеки въпрос. Така се оказва, че не кредитният мениджър решава дали да издаде заем на клиента или не, а компютърът.
Кредитният скоринг се използва в случаите, когато кредитополучателят се нуждае от и. При издаване на друг голям заем също се използва скоринг, но заедно с други анализи (оценка на обезпечение и др.).
За какво се точкува?
Повечето банки вземат решение за издаване на заем само въз основа на точкова система, например:
- ако кредитополучателят получи висок резултат според системата за точкуване, тогава заемът му се издава без други проверки;
- при набиране на среден брой точки искането на клиента за кредит се разглежда допълнително от кредитния комитет;
- при явен недостиг на точки банката отказва заем.
Резултатите от изчисленията на кредитния рейтинг зависят от програмната система на банката. Въз основа на това банката избира надеждни и желани кредитополучатели от некоректни клиенти.
Тестови въпроси
Всяка банка има своя собствена система за точкуване, но основно включва едни и същи въпроси. Например, най-често използваните тестови въпроси са:
- възраст, пол на кредитополучателя;
- официална заплата;
- размера и условията на необходимия заем;
- дали кредитополучателят е женен (женен);
- дали в семейството има лица на издръжка;
- дали съпругата (съпругът) работи;
- Имате ли криминално досие и други проблеми?
Несъмнено една от най-положителните и значими характеристики на кредитния скоринг трябва да се счита за улесняване на проверката на платежоспособността на кредитополучателя.
Минуси на програмата за точкуване
Има обаче и недостатъци: програмата може да пропусне безскрупулен кредитополучател, но надежден, напротив, може да бъде отхвърлен. При проверка по други начини тази ситуация се случва много по-рядко.
Може също така да се каже, че системата за кредитен скоринг в известен смисъл оскъпява кредита, тъй като носи определен риск за една кредитна институция.
Целева ориентация на точковата система
Скоринговата банкова система, функционираща в дейностите по кредитиране, позволява в много близко бъдеще да се определи не само финансовата стабилност на кандидатстващия клиент, но и да се изчисли процентът на кредитния риск и възможните материални загуби, свързани с неизплащането на заема от кредитополучателят. Програмата за точкуване се разработва от всяка финансова институция на индивидуална основа.
Целта на кредитния скоринг е да се постигне максимално минимизиране на рисковите ситуации, възникването на които е възможно при кредитиране на ненадежден или неспособен да върне кредита клиент. Често, когато кредиторът се съгласи да даде заем на кредитополучател, който не е надежден, той започва да има някакви проблеми, свързани с появата на закъснения. Точкуването елиминира подобни рискове във възможно най-голяма степен. Възможно е да се определи степента на надеждност на кредитополучателя и да се оцени неговата финансова стабилност и стабилност както по отношение на потенциален кредитополучател, действащ като гражданин, така и по отношение на юридическо лице.
Чрез скоринг базата е възможно да се проверяват както потенциални кредитополучатели, така и съществуващи. Благодарение на такава система е възможно да се идентифицират и идентифицират всички кредитни рискове, които могат да засегнат кредитния портфейл на кредиторската организация възможно най-скоро. Освен това скорингът, който оценява рисковете на кредитния портфейл на кредитора, също играе активна роля при прогнозирането на финансовите резерви. Процесът на създаване на система се осъществява на базата на фактори като финансовото състояние на потенциален кредитополучател, което трябва да отразява всичките му приходи, финансови задължения, разходи и активен баланс, както и кредитна история, съдържаща цялата информация за минали кредити и тяхното погасяване.
Критерии за оценка на финансите на кредитополучателя
Когато оценяват финансовата стабилност и финансовото състояние на кандидатстващите клиенти, кредитните институции по правило изхождат от качествени и количествени критерии. Най-важните параметри включват: работа (позиция), собственост върху недвижими имоти и друга собственост, постоянен и стабилен доход, (репутация) на получателя на заема, семейно положение, депозити и вноски, открити в институции, както и кандидата.
Що се отнася до количествените показатели, те включват размера на дохода, степента на платежоспособност, коефициента на кредитополучателя, както и сигурността на заема и условията на договора. Под обезпечение може да се разбира изпълнението на застраховка по отношение на предмета, както и съотношението на размера на заемния капитал и стойността на обезпечението. След оценка на клиента чрез скоринг схема, всеки потенциален длъжник, предмет на проверка, разполага със собствена скоринг карта, която съдържа голям брой задължителни елементи и разпоредби. Картата с показатели поставя определени коефициенти за всеки елемент, съдържащ се в нея, който се оценява. В резултат на задаване на всички коефициенти, точките просто се сумират.
Въз основа на конкретното число, получено при сумирането на коефициентите, на всеки потенциален кредитополучател се определя определен клас на финансова стабилност и материални възможности. Най-надеждните клиенти са онези кандидати, които след оценката са били причислени към клас A или B. Въпреки това има много случаи, когато клиентите от клас C също стават кредитополучатели.Гражданите, които са причислени към клас D и D, се признават за напълно неплатежоспособни и повечето ненадежден .
Ако намерите грешка, моля, маркирайте част от текста и щракнете Ctrl+Enter.
В тази статия порталът Creditoff (Credytoff) ще отговори на въпросите: „точкуване, какво е това? и как се извършва точковата оценка на кредитоспособността на дадено лице”.
Получаването на максимална печалба за банките е пряко свързано с качеството на кандидатстването за кредит. Банката е не по-малко заинтересована от връщането на издадения заем от кредитополучателя. Затова банкерите извършват строга проверка на кредитополучателите и анализират кредитния риск.
Скоринг оценка на кредитоспособността на физическо лице
Кредитният риск е възможна финансова загуба поради неизпълнение от страна на кредитополучателя на задълженията по договора за кредит. Това може да е свързано със забавени плащания (просрочени задължения) или пълен отказ за плащане на заема.
За да минимизират кредитните рискове, банкерите използват точкова оценка на потенциалните клиенти.
Днес скоринговата оценка на кредитоспособността на дадено лице се използва широко за оценка на надеждността на кредитополучателя. Скорингът дава разбиране, разчитайки на кредитната история на съществуващи или бивши клиенти, колко голям е шансът потенциалният кредитополучател да върне парите на датата, определена от договора.
Точкуване, какво е това?
Точкуване, какво е това? (Английски точкуване - "точкуване")
Това е система от определени характеристики на потенциален кредитополучател. Автоматизираният скоринг осигурява реална обективна оценка на финансовите рискове, за разлика от това, че кредитните инспектори директно биха извършили проверката (човешки фактор).
В резултат на проверката се получава определен показател (скор), който показва степента на риск, свързан с конкретен клиент. Този индикатор се сравнява с определена прагова стойност, която по същество е линия на рентабилност (здравейте напреднали читатели?). Ако индикаторът е над прага, тогава се взема решение за евентуално одобрение на заявлението. Ако е под прага, тогава, уви, клиентът ще бъде отказан.
Какви данни се вземат предвид при точкуване
Скоринговата оценка на кредитоспособността на дадено лице е доста сложна. Одобрението или отказът на клиент зависи от много показатели.
- Паспортни данни на потенциалния кредитополучател, къде е регистриран и къде действително живее, телефонни номера за контакт. Въз основа на тази информация се извършва първичната идентификация на клиента на банката. На този етап се отсяват клиенти с изтекъл паспорт, грешно или невярно предоставени данни и фалшиви документи. Всяка грешка в предоставените данни заплашва с незабавен отказ.
- На втория етап се оценяват възрастта, полът, семейното положение, трудовият стаж, броят на зависимите лица (непълнолетните деца са отрицателен фактор за оценяване), трудовият стаж на последното място на работа.
- След това програмата оценява платежоспособността на клиента. При оценката на финансовото състояние основна роля играе месечният потвърден доход. Тези. „Бели“ заплати, посочени в сертификат 2-NDFL. Ако доходът е потвърден с банково извлечение, крайният резултат се намалява. Заемът може да бъде одобрен, но сумата ще бъде по-малка.
- След приключване на предходните стъпки, програмата преминава към проверка. По правило данните на няколко BCI (кредитни бюра) се разглеждат наведнъж. Проверяват се не само закъсненията, но и финансовата тежест, ако има такава. Освен това BKI записва всички заявки към банката. Ако има много откази, това се отразява негативно на възможността за одобрение. Така че след като сте получили отказ веднъж, съветваме ви да проверите кредитната си история. Има възможност BCI данните да са грешни.
Скоринг оценка на кредитоспособността на отделен ТРЗ клиент на банката
За притежателите на карти за заплати е предвиден отделен чек. Транзакциите с карти се оценяват. Скорингът проверява условията на получаване и теглене, както и средното салдо по сметката. Трябва да се отбележи, че най-ниска оценка получават онези клиенти, които веднага след получаване на заплатата си я теглят изцяло в брой.
Как се взема решението
Скоринг оценка на кредитоспособността на физическо лице. Как се взема решението
След анализ на получените данни, точкуването издава решение. Потенциален кредитополучател получава цветна "маркировка": бяло, сиво, черно.
- Бял цвят - кредитополучателят може да разчита на заем
- Черен цвят - отхвърляне
- Сив цвят означава, че няма достатъчно данни за вземане на решение, необходима е допълнителна оценка на поемателя. Кредитният инспектор ще проучи по-подробно въпросника и предоставените данни. Той може да поиска допълнителни документи. След допълнителна проверка поемателят ще даде становище относно възможността за одобрение, както и относно максималния размер и падеж на кредита.
„Точкуване, какво е това?“ - за кредитополучатели за първи път
„Точкуване, какво е това?“ - за кредитополучатели за първи път
Въпреки всички предимства на скоринга, днес банките редактират своите модели за проверка на клиенти. Много банки практикуват така наречената „адаптирана скоринг оценка на кредитоспособността на дадено лице“. Въвеждат се допълнителни параметри за проверка, например периодът на работа на компанията, в която работи потенциалният кредитополучател, обхватът на тази компания, финансовите резултати и др. Като цяло, допълвайки отговора на въпроса „Скоринг, какво е това?“, Трябва да се отбележи, че проверките за скоринг в много големи банки са много сходни. Ето защо, преди да кандидатствате, проверете вашите собствени, това ще ви спести време и нерви.
Дубовицки В.С.
анализатор в голяма руска банка
(град Москва)
Управление на корпоративните финанси
05 (65) 2014
Тази статия описва проучване за разработването на точков модел за оценка на кредитоспособността на големи търговски предприятия, което позволява въз основа на стойностите на отделните показатели да се прецени платежоспособността на кредитополучателя и да се оцени неговата ефективност. Най-обемните блокове при разработването на точков модел са изборът на система от показатели за оценка и определянето на коефициентите на тежест за тези показатели, които ще бъдат разгледани подробно в тази статия.
ВЪВЕДЕНИЕ
Една от ключовите сфери на дейност в банковия сектор е кредитирането. Именно заемите са в основата на банковите активи, осигурявайки на банката приходи от лихви. Напоследък в нашата страна се наблюдава бързо развитие на банковия сектор, преди всичко на кредитните отношения между банките и населението, предприемачите и големия бизнес. Заемите включват не само приходи от лихви, но и кредитни рискове, свързани с неплатежоспособността на кредитополучателя и загубата на заема. Оценката на кредитния риск е ключова област на анализ при вземане на решение за отпускане на заем на конкретен кредитополучател и благосъстоянието на финансовата институция до голяма степен зависи от това.
Днес банките използват различни методи за анализ, оценявайки нивото на възможните загуби и вероятността от неизпълнение от страна на кредитополучателя. Въз основа на този анализ кредитополучателят получава оценка за качество - „добро“, „средно“ или „лошо“, в съответствие с Наредба на Централната банка на Руската федерация № 254-p „За процедурата за формиране от кредитни институции на резерви за възможни загуби по заеми, по заем и еквивалентен дълг” 26 март 2004 г.
Централната банка действа като основен регулатор на кредитната система и дава препоръки за оценка на кредитоспособността на кредитополучателите. В съответствие с тях банките изграждат собствени оценъчни модели – тяхното разнообразие и изобретателността на авторите им са удивителни. Такива модели включват цялостна оценка на финансовото състояние на кредитополучателя като основен показател за бъдеща платежоспособност. Въпреки това, всички модели са насочени към кредитния рейтинг на кредитополучателя, който описва нивото на риск от финансова загуба. Според общоприетата класификация доброто ниво на кредитоспособност съответства на добро финансово състояние на компанията и нисък риск от възможни загуби, средното - на средно финансово състояние и средни рискове, лошото - на висока вероятност от неизпълнение от страна на кредитополучател. В добро състояние най-вероятно ще бъде взето положително решение за издаване на заем, средното ще изисква допълнителни изследвания и лошият кредитополучател ще бъде отказан.
Оценката на кредитния риск в банките винаги е заемала значимо място. По този начин, според проучвания на Бейли и Гейтли, съществуващите методи за оценка непрекъснато се подобряват, от време на време се появяват нови методи, като например оценка с помощта на невронни мрежи, което се дължи на голямото търсене от страна на кредитните институции за оптимизиране и подобряване на способността за прогнозиране на инструменти за оценка на вероятността от неизпълнение на задълженията на потенциалните кредитополучатели.
Така че оценката на кредитоспособността е ключова задача при отпускане на заем. Целта на тази работа е да създадем собствен скоринг модел за оценка на кредитното качество на юридическите лица. Той ще бъде разработен за големи търговци на дребно и ще позволи бързо да се вземе решение относно осъществимостта на финансирането на различни кредитополучатели.
Първо ще бъде направен кратък сравнителен анализ на съществуващите подходи за оценка на кредитоспособността. На негова основа ще бъдат дадени аргументи в полза на разработването на точков модел, след което директно ще бъде разработен точков модел с помощта на различни теоретични методи. Една от основните задачи в разработката е дефинирането на балансирана карта с показатели, като се вземе предвид избраната индустрия и определянето на коефициенти на тежест за тези показатели.
След това ще бъде направено статистическо изследване на базата на извадка от 41 търговци (за 16 от тях е отчетено неизпълнение), за да се сравнят резултатите по тегла на индикатора с първоначално получените резултати. Въз основа на резултатите от сравнението ще бъде дадено заключение за коректността на съставения точков модел. В края на тази статия ще бъде представена оценка на ефективността на разработения модел, ще бъде определена предсказващата способност на разработения модел и ще бъде направено заключение за неговата жизнеспособност.
РАЗЛИЧНИ ПОДХОДИ ЗА ОЦЕНКА НА КРЕДИТ
Всички съществуващи модели за оценка на кредитоспособността на кредитополучателите могат да бъдат представени като следната класификация (фиг. 1).
И така, разнообразието от подходи към анализа на кредитоспособността може да бъде систематизирано чрез разделяне на всички методи на три големи блока:
- количествени модели;
- прогнозни модели;
- качествени модели.
Количествените модели използват подходящи показатели и позволяват определянето на определен рейтинг на кредитополучателя въз основа на тях, прогнозните модели се основават на минали статистики и са насочени към моделиране на по-нататъшно развитие и вероятността за неизпълнение на кредитополучателя, а качествените модели използват система от разнообразни качествени индикатори.
За да определим най-ефективния подход за оценка на кредитоспособността, сравняваме описаните методи за оценка. В табл. 1 са показани сравнителните характеристики на разгледаните по-рано модели за оценка на кредита.
Таблица 1. Обобщена таблица на моделите за кредитен рейтинг
| Име на модела | Предимства на модела | Недостатъци на модела |
| Коефициентен метод | Позволява ви да оцените цялостно финансовото състояние на кредитополучателя | Не взема предвид показатели за качество, статистика от минали години. Неавтоматизираната система изисква постоянно тълкуване на стойностите на отделните индикатори |
| Рейтингови модели | Позволяват автоматизиране на оценката по метода на коефициентите чрез изчисляване на интегралния показател. Различават се в удобството и лекотата на използване | Те вземат предвид само финансови показатели, не използват статистики от минали години. Изискване на преструктуриране за различни видове компании |
| Точкуващи модели | Те ви позволяват да получите оценка на кредитоспособността в точков еквивалент и да разпределите кредитополучателя в една от трите групи. Прости и лесни за използване, помагат да се оценят нефинансовите показатели за качество. Когато се оценяват коефициентите на тежест чрез статистически методи, те позволяват да се вземат предвид данните за вече издадените заеми, са икономически обосновани | Не са универсални, изискват преструктуриране за определени видове компании. Изисква голямо количество данни за изследване на тегловните коефициенти |
| Модели на паричните потоци | Позволява ви да оцените бъдещите парични потоци на компанията и да ги сравните с дълговото натоварване | Те не отчитат пазарните условия и качествените показатели на фирмата кредитополучател. Може да доведе до противоречиви резултати |
| Модели за дискриминантен анализ | Позволява да се определи вероятността от неизпълнение на задълженията на компанията кредитополучател въз основа на статистика за предходни години | |
| Регресионни модели | Те позволяват да се определи вероятността от неизпълнение на задълженията на компанията кредитополучател въз основа на статистиката от предходни години. Когато използвате модела върху правилните данни, можете да получите резултати с висока степен на сигурност | Чисто емпирични, резултатите са силно зависими от обучителната извадка и при изследване на модела върху други данни често не отговарят на реалността. Изисква голямо количество данни за изследване на тегловните коефициенти |
| Модели за качествен анализ | Позволява ви да извършите цялостен анализ на компанията | Липсата на математически методи, водещи до субективна оценка на отделните показатели и грешки, свързани с човешкия фактор. Не вземайте предвид статистиката от предишни години. Няма ясни правила за оценка на кредитоспособността за качествени блокове за анализ |
Въз основа на горния сравнителен анализ можем да заключим, че моделът за оценяване е на върха на количествената еволюция Име на модела Предимства на модела Недостатъци на модела
Метод на съотношението Позволява цялостна оценка на финансовото състояние на кредитополучателя Не взема предвид качествени показатели, статистика от минали години. Неавтоматизираната система изисква постоянно тълкуване на стойностите на отделните индикатори
Рейтингови модели Позволяват автоматизиране на оценката по коефициентния метод чрез изчисляване на интегралния показател. Отличават се с удобство и лекота на използване, отчитат само финансови показатели, не използват статистики от минали години. Изискване на преструктуриране за различни видове компании
Скоринг моделите Позволяват да се получи оценка на кредитоспособността в точков еквивалент и да се причисли кредитополучателят към една от трите групи. Прости и лесни за използване, помагат да се оценят нефинансовите показатели за качество. Когато се оценяват коефициентите на тежест чрез статистически методи, те позволяват да се вземат предвид данните за вече издадените заеми, са икономически обосновани Не са универсални, изискват преструктуриране за определени видове компании. Изисква голямо количество данни за изследване на тегловните коефициенти
Модели на паричните потоци Позволяват да се оценят бъдещите парични потоци на компанията и да се сравнят с дълговото натоварване. Не взема предвид пазарните условия и показателите за качество на компанията-кредитополучател. Може да доведе до противоречиви резултати
Модели за дискриминантен анализ Позволяват да се определи вероятността от неизпълнение на фирмата кредитополучател въз основа на статистика за минали години.Чисто емпирични, резултатите са силно зависими от обучителната извадка и при изучаване на модела на други данни, те често не съответстват реалност. Изисква голямо количество данни за изследване на тегловните коефициенти
Модели за регресионен анализ Позволяват да се определи вероятността от неизпълнение на задълженията на компанията-кредитополучател въз основа на статистиката от предходни години. Когато използвате модела върху правилните данни, можете да получите резултати с висока степен на надеждност.Те са чисто емпирични, резултатите са силно зависими от набора за обучение и когато изучавате модела върху други данни, те често не съответстват реалност. Изисква голямо количество данни за изследване на тегловните коефициенти
Модели за качествен анализ Дават възможност за цялостен анализ на компанията. Липса на математически методи, водещи до субективна оценка на отделните показатели и грешки, свързани с човешкия фактор. Не вземайте предвид статистиката от предишни години. Няма ясни правила за оценка на кредитоспособността за качествени блокове от анализи с различен брой точки. Стойностите на коефициентите ще бъдат допълнително разделени на диапазони. За всеки диапазон (колона Диапазон на коефициента в Таблица 2) ще бъде зададен процент (25%, 50%, 75% или 100%) от тегловния коефициент в Таблица 2. 2. Коефициентът на тежест в този случай е максималната оценка. По-нататък ще се съсредоточим върху търсенето на тегловни коефициенти. По този начин разбивката на коефициентите в диапазони е условна (въз основа на логически съображения, базирани на стойностите на тези показатели за различни компании в индустрията; интервалите са взети по такъв начин, че около 60% от водещите компании в индустрията (Magnit, Dixy) попадат във втория интервал след максимума, X5 Retail Group, OK, L'Etoile), избран за определяне на средните пазарни коефициенти и показатели). намалява броя на точките, които трябва да получи показателят.коефициенти и ще се представя чрез два подхода - аналитичен (метод на Т. Саати) и статистически (регресионно изследване) (максималния брой точки в този случай съвпада с коефициента на тежест). самите коефициенти ще бъдат определени по-късно.
Финансовите показатели на скоринг модела са представени в табл. 2.
Таблица 2. Финансови показатели на скоринг модела
| Индикаторна група | Индекс | Диапазон на коефициента | |
| Ликвидност | > 0,75 | 1 | |
| 0,5-0,75 | 0,75 | ||
| 0,25-0,5 | 0,25 | ||
| 0-0,25 | 0 | ||
| Платежоспособност | 0-1 | 1 | |
| 1-1,5 | 0,75 | ||
| 1,5-2 | 0,5 | ||
| 2-2,5 | 0,25 | ||
| > 2,5 | 0 | ||
| < 1,5 | 1 | ||
| 1,5-2 | 0,5 | ||
| > 2 | 0 | ||
| Коефициент на лихвено покритие, EBIT/Лихва | > 1,5 | 1 | |
| 1,3-1,5 | 0,75 | ||
| 1-13 | 0,5 | ||
| < 1 | 0 | ||
| Бизнес активност | Възвръщаемост на продажбите, ROS | > 0,025 | 1 |
| 0,02-0,025 | 0,75 | ||
| 0,015-0,02 | 0,5 | ||
| < 0,015 | 0 | ||
| Загуба на дружеството за последните три отчетни периода | Не | 1 | |
| За един отчетен период | 0,5 | ||
| 0 |
Допустимите стойности на съотношението са определени на базата на средни стойности за петте водещи търговски компании в Русия въз основа на отчети по МСФО за три години: Magnit, X5 Retail Group, Dixy, OK, M.Video. Разгледахме най-важните финансови показатели, за да определим финансовото състояние на кредитополучателя. Кредитоспособността на дружеството обаче се влияе значително и от фактори, които провокират появата на рискове в бизнес процесите на кредитополучателя. На първо място е необходимо да се вземе предвид качеството на управление. Това е много труден показател за количествен анализ, т.к. е проблематично да се оцени обективно нивото на управление на компанията.
Ще се опитаме да преминем от качествена към количествена оценка и да зададем максимална оценка на този показател при следните условия:
- има ясна стратегия за развитие на компанията за следващите години;
- съставът на висшето ръководство не се е променил (генерален директор и главен счетоводител са на длъжности повече от две години), т.к. наличието на силен управленски екип се доказва, наред с други неща, от неговото постоянство;
- професионалните компетенции отговарят на високи изисквания (генералният директор и главният счетоводител имат специално висше образование, повече от пет години трудов стаж).
Следващият важен фактор, който трябва да бъде включен в точковия модел, е животът на компанията. Освен това е необходимо да се въведе стоп фактор: ако бизнесът работи по-малко от една година, този модел няма да бъде приложим поради липса на отчетност и възможност за разбиране на бизнеса на компанията.
Друг необходим показател е положителна кредитна история. Това е един от най-важните нефинансови показатели, характеризиращи всъщност качеството на обслужване на бъдещ кредит. Би било неразумно да се разчита на навременно изплащане на кредитни средства от предприятие, което има закъснения към други кредитори. Да представим разгледаните нефинансови показатели и разпределението на точките за тях в табл. 3.
Таблица 3. Нефинансови показатели на скоринг модела
| Група | Индикаторни индикатори | Процент от максималния резултат за диапазона | |
| Бизнес процеси | Качество на управлението | 1 | |
| 0,5 | |||
| 0 | |||
| > 5 години | 1 | ||
| 3-5 години | 0,75 | ||
| 1-3 години | 0,25 | ||
| < 1 года | Стоп фактор | ||
| 1 | |||
| 0,5 | |||
| 0 | |||
| Наличието на системно забавяне на кредити и заеми за последната финансова година; значително количество просрочени задължения (> 25%) | Стоп фактор |
Съставихме система от показатели за оценка, която според нас трябва да оцени цялостно и изчерпателно качеството на кредитополучателя и способността му да изпълнява задълженията си. Следващата част от работата при създаването на който и да е скоринг модел е най-отнемащата време - определяне на тежестта на различни прогнозни показатели. Прогностичната стойност на нашия модел зависи от това колко обективно оценяваме важността на определени фактори. Тази статия ще анализира теглата въз основа на няколко метода за отстраняване на възможни грешки.
Коефициентите на тежест първо ще бъдат определени с помощта на аналитични процедури и след това ще бъдат сравнени с резултатите от регресионния анализ.
АНАЛИТИЧНА ОЦЕНКА НА ТЕГЛОВНИТЕ КОЕФИЦИЕНТИ НА МОДЕЛА
Като инструмент за оценка ще вземем методологията, описана подробно в книгата TL. Саати "Математически модели на конфликтни ситуации" [b]. Този метод ви позволява да се измъкнете от разнообразието от фактори и да сравните само два от тях за значимост в определен момент от време, като в крайна сметка определяте значимостта на влиянието на всеки от факторите върху всеки общ индикатор. Техниката се основава на съставянето на матрици от сдвоени сравнения, които са изградени за фактори, които влияят на всеки общ индикатор. Такива матрици могат да бъдат изградени например за индикатора за платежоспособност в контекста на факторите, представени от коефициентите на финансов ливъридж, дългово бреме и лихвено покритие. Задачата е да се изградят такива матрици за всички групи фактори, които влияят на общи показатели. В резултат на това ще бъдат създадени две матрици за таблицата. 2 - за групи показатели "Платежоспособност" и "Стопанска активност", една матрица за табл. 3 - за показатели на бизнес процеси, както и две матрици за агрегирани нива - една матрица за група финансови показатели, състояща се от групи показатели "Ликвидност", "Платежоспособност" и "Бизнес активност", и една за два агрегирани блока. - финансови и нефинансови показатели като цяло.
Има общо пет матрици за сравнение по двойки, всяка от които ще даде свой собствен коефициент за индикатора, включен в нея. По този начин, за да се получи коефициент на тежест за мярка в долната част на йерархията, например за коефициента на лихвено покритие, е необходимо да се умножи коефициентът на тежест на финансовите показатели по коефициента на тежест на показателите за платежоспособност в рамките на финансовите показатели и чрез коефициента на показателя лихвено покритие в рамките на финансовите показатели.
В заглавията на самите матрици за групи от показатели имената на факторите се поставят във вертикални и хоризонтални колони. След това матриците се попълват със стойности, представящи трансформацията на субективните предпочитания на един фактор в друг в емпирична форма по методологията, представена в табл. 4 (използване на данни от фиг. 2).
Таблица 4. Метод на T. Saaty. Класификация на предпочитанията (въз основа на фиг. 2)
Използват се предимно нечетни числа, но ако е трудно да изберете, можете да използвате четните като средно ниво между две нечетни. Пример за такава матрица за четири фактора е показан на фиг. 2. Съответно, когато сравняваме един и същ фактор, елементът приема стойност 1, така че такива матрици са идентичност. Лесно е да се види, че те също са обратно симетрични, което ни позволява да попълним такава матрица само за стойности, разположени над или под главния диагонал.
Като се има предвид, че матриците на двойните сравнения са обратно симетрични, трябва да се сравнява само в една посока и да се въвеждат съответните стойности в матрицата над главния диагонал, докато стойностите под главния диагонал ще бъдат обърнати.
След получаване на пет такива матрици се изчисляват коефициентите на тегло: теглото на всяка стойност в матриците ще бъде измерено спрямо общата сума в колоната и след това средното аритметично на тези стойности ще бъде взето от тези стойности във всеки ред. Средните аритметични стойности ще бъдат коефициентите на тегло. Пример за матрица за група показатели за платежоспособност е показан на фиг. 3.
След като направихме описаните изчисления, получаваме специфичното тегло на всеки показател. За удобство на по-нататъшните изчисления ние определяме максималната възможна оценка като произведение на специфичното тегло на индикатора с 50 1, последвано от закръгляване до цяло число (Таблица 5.6).
1 Тази операция е направена единствено за удобство, числото 50 позволява минималният коефициент да премине към цяло число (в този случай стойността 2). Тъй като всички коефициенти се умножават по едно и също число, ние не изкривяваме резултатите от аналитичния подход. - Прибл. изд.
ОПРЕДЕЛЯНЕ НА ЗНАЧИМОСТТА НА ПОКАЗАТЕЛИТЕ С ИЗПОЛЗВАНЕ НА РЕГРЕСИОНЕН АНАЛИЗ
За да направим статистическо проучване, използвахме данни за 41 големи компании от сектора на търговията на дребно. Тези компании издадоха корпоративни облигации, а 16 облигации бяха в неизпълнение. За всяко дружество бяха изчислени осем избрани показателя от скоринг модела въз основа на годишните отчети в годината на емитиране на корпоративните облигации. Примерът е представен в Приложение 1. Той съдържа поясняващ показател y - вероятността от неизпълнение, който приема стойност 1, ако компанията не е изпълнила задълженията си. Избраните три индикатора вдясно бяха зададени като фиктивни променливи (те могат да приемат само стойности от 0 или 1) поради техния качествен характер. Те приемат стойности 1, ако през последните три години компанията има нетна печалба > O (Nl > 0), стабилен и качествен мениджърски екип (мениджър) и положителна кредитна история (история). Финансовите показатели (първите пет показателя) са изчислени на базата на годишни финансови отчети по стандартите на МСФО в годината на емитиране на просрочените облигации.
Като модел за изследването избираме конструкцията на линейна многовариантна регресия:
p = w 0 + w 1 x 1 + w 2 x 2 + ... + w n x n,
където p е зависимата променлива, описваща вероятността от неизпълнение;
w - коефициенти на тежест; х - показатели.
И така, нека въведем първоначалните данни в Excel и използваме функцията Анализ на данни - Регресия. При анализ на изходните данни за осем показателя на скоринг модела без корекции получаваме резултата, представен в Приложение 2. Коригираният R^2 е 0,55 – ниска, но приемлива стойност, показваща практическата значимост на изградената регресия. Възможно е да се направи предположение относно причината за ниската значимост на наличието на извънредни стойности в данните, например липсата на стойности за някои компании по отношение на EBIT / Лихва поради липсата на дългово натоварване ( опростено, за целите на изследването в този случай е взета стойността на коефициента, равна на 0) или отрицателната стойност на показателя Дълг / EBITDA поради отрицателен паричен поток. В този случай влиянието на отрицателен показател се възприема неправилно, тъй като, според логиката на изследването, колкото по-висок е дългът / EBITDA, толкова по-голяма е вероятността от неизпълнение; отрицателен показател, от своя страна, не е показател за ниска дългова тежест. Също така способността за прогнозиране се влияе от компании с изразени екстремни стойности на отделните показатели. И така, компанията Banana-Mama има собствен капитал от 10 000 рубли, което води до изкривяване на съответните показатели - финансовият ливъридж е 181 957 (със средни стойности за индустрията в диапазона от 0,7-1,5).
Таблица 5. Финансови показатели, като се вземе предвид тежестта
| Индекс | Тегло в картата с резултати | Максимален резултат | Диапазон на коефициента | |
| >1 | 5 | |||
| Коефициент на текуща ликвидност | 0,1072 | 5 | > 1 | 5 |
| 0,75-0,1 | 4 | |||
| 0,5-0,75 | 1 | |||
| 0-0,5 | 0 | |||
| Коефициент на текуща ликвидност | 0,1581 | 8 | < 1 | 8 |
| 1-1,5 | 6 | |||
| 1,5-2 | 4 | |||
| 2-2,5 | 2 | |||
| > 2,5 | 0 | |||
| Коефициент на натоварване на дълга, нетен дълг / EBITDA | 0,1581 | 8 | < 1.5 | 8 |
| 1,5-2 | 4 | |||
| > 2 | 0 | |||
| 0,0790 | 4 | > 1,5 | 4 | |
| 1,3-1,5 | 3 | |||
| 1-1,3 | 2 | |||
| < 1 | 0 | |||
| Възвръщаемост на продажбите, ROS | 0,1256 | 6 | > 0,025 | 6 |
| 0,02-0,025 | 5 | |||
| 0,015-0,02 | 3 | |||
| < 0,015 | 0 | |||
| 0,0418 | 2 | Не | 2 | |
| За един отчетен период | 1 | |||
| За два или повече отчетни периода | 0 | |||
| Обща сума | 0,6698 | 33 | - | 68 |
Нека изключим следните шест компании от изследването: супермаркет Город, Интертрейд, М.Видео (2013), Связной, Банана-Мама и Провиант. Също така отбелязваме невъзможността за едновременно използване на показателите за ROS и липсата на загуби (Nl> 0) поради тяхната висока корелация. Факт е, че ако компанията има загуби, рентабилността на продажбите автоматично приема отрицателна стойност.
Таблица 6. Нефинансови показатели по тежест
| Индекс | Тегло в картата с резултати | Максимален резултат | Диапазон на съотношението / методология за оценка | Брой точки за диапазона на теглото |
| Качество на управлението | 0,099 | 5 | Изпълнение на всички описани условия | 5 |
| Неизпълнение на едно от условията | 2,5 | |||
| Неизпълнение на повече от едно условие | 0 | |||
| Животът на компанията | 0,0528 | 3 | > 5 години | 3 |
| 3-5 години | 2 | |||
| 1-3 години | 1 | |||
| < 1 года | Стоп фактор | |||
| Положителна кредитна история | 0,1782 | 9 | Липса на просрочия по кредити и заеми, просрочени задължения | 9 |
| Наличие на информация за преструктуриране на дълга; незначителни забавяния на задълженията (до 10%) | 4,5 | |||
| Единичен случай на забава по заеми и кредити с последващо погасяване; значителни забавяния на дължимите сметки (10-25% от общия дълг) | 0 | |||
| Наличието на системно забавяне на кредити и заеми за последната финансова година; Значителен размер на просрочени задължения (>25%) | Стоп фактор | |||
| Обща сума | 17 |
Въз основа на тези съображения премахваме индикатора Nl > 0 от нашия модел. За нова седемфакторна регресия върху актуализирана извадка от 35 компании получаваме следния резултат (Приложение 3). Виждаме, че шест от седемте изследвани показателя са значими. Знаците при коефициентите правилно отразяват предположенията, направени по-горе: колкото по-висока е рентабилността на продажбите и качеството на управлението, толкова по-ниска е вероятността от неизпълнение (y = 1) и обратното: колкото по-голямо е дълговото натоварване, толкова по-голяма е вероятността по подразбиране. На пръв поглед знакът е неправилен само за коефициента на текуща ликвидност. Високите стойности на ликвидност обаче са също толкова лоши, колкото и малките - те показват ниска ефективност на бизнеса и пропуснати печалби. Компаниите с високи коефициенти на ликвидност са предразположени към недостиг на печалби, ниска рентабилност и рентабилност на бизнеса, което ги прави по-малко привлекателни в очите на потенциалните инвеститори и следователно по-уязвими към промени във финансовите условия. Най-значими са коефициентите D (или Дълг - обемът на лихвоносния дълг) / EBITDA, положителна кредитна история и финансов ливъридж; коефициентът на лихвено покритие е незначителен.
По-горе, при моделирането на коефициентите по метода на Т. Саати, ние също предположихме, че най-значимите показатели ще бъдат коефициентите за дългово натоварване и финансов ливъридж. Сравнителният анализ на крайната значимост на коефициентите е даден в табл. 7.
Таблица 7. Сравнителен анализ на значимостта на коефициентите
| Показател, базиран на експертни оценки по метода на Т. Саати | Коефициент | Индикатор, базиран на регресионен анализ | p-стойност |
| Положителна кредитна история | 0,1782 | Коефициент на натоварване на дълга, нетен дълг / EBITDA | 0,014 |
| Коефициент на финансов ливъридж | 0,1581 | Положителна кредитна история | 0,020 |
| Коефициент на натоварване на дълга, нетен дълг /EBITDA | 0,1581 | Коефициент на финансов ливъридж | 0,022 |
| Възвръщаемост на продажбите, ROS | 0,1256 | Качество на управлението | 0,037 |
| Коефициент на текуща ликвидност | 0,1072 | Възвръщаемост на продажбите, ROS | 0,039 |
| Качество на управлението | 0,099 | Коефициент на текуща ликвидност | 0,047 |
| Коефициент на лихвено покритие, EBIT / Лихва | 0,0790 | Коефициент на лихвено покритие, EBIT / Лихва | Незначителен |
| Загуба на дружеството за последните три отчетни периода | 0,0418 | Загуба на дружеството за последните три отчетни периода | Изследван е като нефинансов показател, незначим |
Тези резултати показват съответствието на метода на T. Saaty и статистическите данни. Трите най-значими показатели според аналитичния подход потвърждават високата си значимост в практическото изследване, само разпределението на подредбата на самите показатели е променено. Също така двата най-малко значими показателя за първата част от работата - качеството на управление и EBIT / Лихва - се оказаха незначими в статистическото изследване.
По този начин регресионният анализ потвърждава принципите на класификация на значимостта на коефициентите на тежест в аналитичната част на работата и ни позволява да говорим за статистическата значимост на изградения точков модел.
ОПРЕДЕЛЯНЕ НА РЕЗУЛТАТИТЕ ОТ РАЗРАБОТЕНИЯ СКОРИНГ МОДЕЛ
Общият максимален резултат на точкуващия модел е 50. За всеки индикатор, в процеса на определяне на диапазоните от стойности, идентифицирахме следващото ниво след максималния резултат, което също е приемливо, макар и с относително високо ниво на риск, на база върху пазарните стойности на индикаторите. По някои показатели нивото след максимума е 75% от общия брой точки, по други – 50%. Всички следващи нива ще се считат за нива с висок кредитен риск и съответните кредитополучатели ще бъдат класифицирани като лоши. Най-предпочитаната група включва кредитополучатели, които отговарят на максималните изисквания за най-значимите (по отношение на коефициентите на тежест) показатели: кредитна история, финансов ливъридж и дългово натоварване, както и възвръщаемост от продажби в размер на 31 точки и изпълнение на най-малко следното максимално ниво на изисквания по останалите показатели - общо 12,5. Общо 43,5 точки за по-ниско ниво на висока кредитоспособност.
За да определим граничния интервал, характеризиращ висока степен на кредитоспособност, изчисляваме броя на точките за финансови и нефинансови показатели в следващия след максималния диапазон от стойности от табл. 5 и б. Индикаторите са разделени според приетите стойности на коефициентите в други диапазони. Ще получим следната класификация (Таблица 8).
Таблица 8. Класификация на резултатите
Таблица 9. Прогностична способност на точковия модел, %
Въз основа на табл. 8, ние ще оценим предсказващата способност на нашия модел, като заместим данните на компанията в неговите условия. Приложение 4 показва изчислените резултати за анкетираните фирми. В зависимост от стойността на показателя, оценката му се въвежда в таблицата съгласно разработения модел, след което всички оценки се сумират в интегрален показател (колона „Сума“). Въз основа на общите резултати компаниите бяха разделени на три класа, след което данните бяха сравнени с действителното наличие или липса на неизпълнение от страна на компанията. В колоната „Вярно или не“ 1 означава правилния резултат от точковия модел, 0 – грешка. Така получихме следния резултат (Таблица 9).
Получихме среден (спрямо тези, описани в различни източници) резултат за предсказващата способност на моделите за точкуване. Заслужава обаче да се отбележи ниският процент на грешки от тип II, което увеличава прогнозната стойност на нашия модел. Този резултат може да се счита за положителен и потвърждава ефективността на изследването.
ЗАКЛЮЧЕНИЕ
В този документ беше предложен точков модел за оценка на кредитоспособността на големите предприятия за търговия на дребно. Моделът се основава на набор от показатели за ефективност, които позволяват цялостна оценка на финансовото и нефинансовото състояние на кредитополучателя.
Въз основа на резултатите от оценката на кредитополучателя се определя един от трите класа на кредитоспособност, който характеризира степента на кредитен риск и осъществимостта на кредитирането.
Ние моделирахме система от показатели за ефективност, които ни позволяват най-точно да оценим състоянието на кредитополучател от сектора на търговията на дребно. След като анализирахме лидерите на пазара на дребно и изчислихме използваните за тях показатели, ние определихме границите на приемливите стойности за тях и ги класирахме в различни групи с различни проценти на максималния възможен резултат.
Най-трудоемката задача беше определянето на коефициентите на тежест за изследваните показатели. Стигна се до заключението, че е необходим интегриран подход поради липсата на един идеален метод. Интегрираният подход беше приложен, както следва: в първата част на работата коефициентите на тежест бяха определени с помощта на аналитични процедури, а във втората част - с помощта на статистическо изследване.
Разработеният модел показа високи резултати в предсказуемостта, като същевременно не изисква големи разходи за ресурси за анализ. Въвеждането в експлоатация на разработената скоринг система ще повиши ефективността на вземане на кредитни решения в областта на големите търговски предприятия и ще оптимизира кредитния процес.
Литература
1. Ayvazyan S.A., Mkhitaryan B.C. Приложна статистика и основи на иконометрията. - М .: GU HSE, 1998.
2. Гаврилова А.Х. Финанси на организацията. - М.: Кнорус, 2007.
3. Коробова Г.Г., Петров М.А. Платежоспособността на банковия кредитополучател и нейната оценка в конкурентна среда // Банкови услуги. -2005. -№ 7/8. -° С. 22-24.
4. Куликов Н.И., Чайникова Л.И. Оценка на кредитоспособността на предприятието-кредитополучател. - Тамбов: Университет на TSTU, 2007.
5. Наредба на Централната банка на Руската федерация № 254-P „За реда за формиране от кредитни институции на резерви за възможни загуби по заеми, заеми и еквивалентен дълг“ от 26 март 2004 г. - http:// base.garant.ru/584458/.
6. Саати Т.Л. Математически модели на конфликтни ситуации / Изд. И.А. Ушаков. - М.: Съветско радио, 1977 г.
7. Шеремет A.D., Saifulin R.C., Негашев H.B. Методи за финансов анализ. - М.: Инфра-М, 2001.
8. Abdou H.A., Pointon J. (2011). „Кредитен скоринг, статистически техники и критерии за оценка: преглед на литературата“. Интелигентни системи в счетоводството, финансите и управлението, бр. 18, бр. 2-3, стр. 59-88.
9. Бейли М. (2004). Качество на потребителския кредит: Гарантиране, точкуване, предотвратяване на измами и събиране. Издателство White Box, Kingswood, Бристол.
10. Крук Дж., Еделман Д., Томас Л. (2007). „Последни развития в оценката на потребителския кредитен риск“. European Journal of Operational Research, том. 183, бр. 3, стр. 1447-1465.
11. Гейтли Е. (1996). Невронни мрежи за финансово прогнозиране: Топ техники за проектиране и прилагане на най-новите системи за търговия. Ню Йорк: John Wiley & Sons, Inc.
12. Гилен М., Артис М. (1992). Брой модели на данни за система за кредитен скоринг: Европейска поредица от конференции по количествена икономика и иконометрия за иконометрични модели на продължителност, броене и преход. Париж.
13. Хефернан С. (2004). модерно банкиране. John Wiley & Sons, Inc., Чичестър, Западен Съсекс.
14. Liang Q. (2003). „Корпоративно финансово затруднение в Китай: емпиричен анализ, използващ модели за кредитен рейтинг“. Hitotsubashi Journal of Commerce and Management, Vol. 38, бр. 1, стр. 13-28.
ПРИЛОЖЕНИЕ 1.
Учебна проба
| № | Търговско дружество | y / Флаг по подразбиране | Коефициент на текуща ликвидност | EBIT / Лихва / Съотношение EBIT към лихва | NI > 0/ Наличие на нетна печалба | |||||
| 1 | Аптека 36.6 | 0 | 0,82 | 1,32 | 2,41 | 1,83 | 0,0496 | 1 | 1 | 1 |
| 2 | Л „Етоал | 0 | 5,04 | 2,75 | 10,98 | 1,64 | 0,007 | 1 | 1 | 1 |
| 3 | Кора | 0 | 0,795 | 0,77 | 3,13 | 1,89 | 0 | 0 | 1 | 1 |
| 4 | Панделка | 0 | 0,75 | 9,7 | 2,91 | 3,1 | 0,049 | 1 | 1 | 1 |
| 5 | Добре | 0 | 0,67 | 0,78 | 1,59 | 7,01 | 0,0357 | 1 | 1 | 1 |
| 6 | Автосвят | 0 | 1,2 | 0,65 | 3,09 | 1,35 | 0,04 | 1 | 1 | 1 |
| 7 | Х5 Retail Group | 0 | 0,55 | 0,53 | 3,32 | 2,82 | 0,027 | 1 | 1 | 1 |
| 8 | град | 0 | 0,99 | 18,97 | 10,25 | 1,29 | 0,01 | 1 | 1 | 0 |
| 9 | Детски свят | 0 | 0,93 | 0,83 | 2,14 | 3,99 | 0,032 | 1 | 1 | 1 |
| 10 | Дикси | 0 | 0,77 | 1,19 | 6,1 | 1,78 | 0,01 | 1 | 1 | 1 |
| 11 | ИнтерТрейд | 0 | 1,24 | 20,65 | 4,92 | 2,1 | 0,015 | 1 | 1 | 0 |
| 12 | Въртележка | 0 | 0,73 | 0,68 | 3,175 | 1,71 | 0,059 | 1 | 1 | 1 |
| 13 | пени | 0 | 0,68 | 2,93 | 7,03 | 1,82 | 0 | 0 | 1 | 1 |
| 14 | Група Космос | 0 | 1,64 | 1,11 | 2,88 | 2,65 | 0,043 | 1 | 1 | 1 |
| 15 | Магнит | 0 | и | 0,54 | 1,11 | 10,2 | 0,061 | 1 | 1 | 1 |
| 16 | Магнолия | 0 | 0,27 | 2,35 | 3,55 | 1,02 | 0,064 | 1 | 1 | 1 |
| 17 | M.Video (2007) | 0 | 1,31 | 0,73 | 1,9 | 2,58 | 0,013 | 1 | 1 | 1 |
| 18 | M.Video (2013) | 0 | 0,95 | 0 | 0 | 0 | 0,039 | 1 | 1 | 1 |
| 19 | АД "НТС" | 0 | 1,18 | 3,09 | 5,44 | 1,05 | 0,21 | 1 | 0 | 1 |
| 20 | Обувки на Русия | 0 | 0,87 | 2,34 | 1,87 | 5,65 | 0,1 | 1 | 1 | 1 |
| 21 | Crossroads (2005) | 0 | 0,54 | 1,09 | 3,16 | 3,92 | 0,026 | 1 | 1 | 1 |
| 22 | Пивдом | 0 | 1,99 | 3 | 8 | 1,1 | 0,0006 | 1 | 0 | 1 |
| 23 | Семейство | 0 | 10 | 0,28 | 1,66 | 6 | 0,58 | 1 | 1 | 1 |
| 24 | Связной | 0 | 1,07 | 0 | 0 | 0 | 0,001 | 1 | 1 | 1 |
| 25 | Елекам | 0 | 1,44 | 1,82 | 4,25 | 1,3 | 0,01 | 1 | 1 | 1 |
| 26 | Макро | 1 | 1 | 15 | 11 | 1,52 | 0,01 | 1 | 0 | 1 |
| 27 | Престиж Експрес | 1 | 8 | 0,98 | 12,43 | 1,02 | 0,002 | 1 | 0 | 1 |
| 28 | Арбат Престиж | 1 | 0,49 | 1,81 | 7,6 | 1,45 | 0,017 | 1 | 1 | 0 |
| 29 | Орхидея | 1 | 3 | 1,164 | 13 | 0 | 0,01 | 1 | 0 | 1 |
| 30 | Бананова мама | 1 | 0,94 | 181957 | -35 | -0,6 | -0,033 | 0 | 1 | 0 |
| 31 | бяла фрегата | 1 | 7 | 932 | 8,76 | 0,88 | -0,4 | 0 | 1 | 1 |
| 32 | Марта | 1 | 3,96 | 20 | 11 | 1/17 | 0,003 | 1 | 1 | 1 |
| 33 | Матрица | 1 | 2,38 | 21 | 6,82 | 1 | 0,001 | 1 | 0 | 0 |
| 34 | живак (самохвала) |
1 | 1,12 | 9,98 | 7,32 | 1,27 | 0,003 | 1 | 1 | 1 |
| 35 | Минеско | 1 | 0,79 | 4,39 | 12 | 0,12 | -0,047 | 0 | 1 | 1 |
| 36 | Mosmart | 1 | 12 | 5 | 8 | 1,5 | 0 | 0 | 0 | 0 |
| 37 | Полисия | 1 | 7,93 | 15 | 14 | 1,03 | 0,003 | 1 | 0 | 1 |
| 38 | Предоставяне | 1 | 0,12 | 35557 | 0 | 0 | -0,819 | 0 | 0 | 1 |
| 39 | седми континент | 1 | 1,93 | 0,41 | 1,52 | 1,35 | 0,07 | 1 | 0 | 1 |
| 40 | Техносила | 1 | 14 | 18 | 10,36 | 1 | 0,002 | 1 | 1 | 1 |
| 41 | TOAP | 1 | 7 | 22 | 10,83 | 1,04 | 0,009 | 0 | 0 | 1 |
Забележка: ако компанията е имала неизпълнение, тогава коефициентът приема стойност 1 и 0, ако не е имало неизпълнение.
ПРИЛОЖЕНИЕ 2
Регресия по осем фактора за 41 компании
| Регресия и остатък | DF / Брой степени на свобода | SS / Сума от квадрати | MS=SS/DF | F-статистика | Значение F / Значение |
| Регресия / Регресия | 8 | 6,250849408 | 0,781356176 | 7,133131961 | 2.17209Е-05 |
| Остатъчен | 32 | 3,505248153 | 0,109539005 | - | - |
| Общо / Общо | 40 | 9,756097561 | - | - | - |
| Използвани параметри | tStat/ t-статистика | P-стойност / Значение | ||
| Интерсепт / Константа | 0,354797355 | 0,281481615 | 1,260463691 | 0,216616062 |
| Коефициент на текуща ликвидност | 0,034652978 | 0,01876389 | 1,846790732 | 0,074043212 |
| Ливъридж / Финансов ливъридж | 1.31819Е-05 | 4.77939E-06 | 2,758072506 | 0,009529947 |
| D / EBITDA / Съотношение на лихвен дълг към EBITDA | 0,044980795 | 0,018152923 | 2,477881708 | 0,018682248 |
| -0,012377044 | 0,030936193 | -0,40008296 | 0,691753745 | |
| ROS / Възвръщаемост на продажбите | -0,530759612 | 0,375019201 | -1,415286499 | 0,166643428 |
| NI > 0 / Наличие на нетна печалба | -0,02891433 | 0,164713359 | -0,175543319 | 0,861758855 |
| Мениджър / Управление на качеството | -0,266367tl2 | 0,134861932 | -1,975109717 | 0,056935374 |
| История/ Качество на кредитната история | -0,109402928 | 0,159841844 | -0,684444857 | 0,498621797 |
ПРИЛОЖЕНИЕ 3
Регресия по седем фактора за 35 компании
| Регресия и остатък | DFI Брой степени на свобода | SS / Сума от квадрати | MS=SS/DF | F-статистика | Значение F / Значение F |
| Регресия / Регресия | 7 | 5,898901667 | 0,842700238 | 9,097165886 | 9.56Е-06 |
| Остатъчен | 27 | 2,501098333 | 0,092633272 | - | - |
| Общо / Общо | 34 | 8,4 | - | - | - |
| Използвани параметри | Коефициенти / Коефициенти | Стандартна грешка / Стандартна грешка | t Стат/ t-статистика | P-стойност / значимост |
| Интерсепт / Константа | 0,473712463 | 0,25308461 | 1,871755309 | 0,072111654 |
| Коефициент на текуща ликвидност | 0,018420061 | 0,017803477 | 1,034632774 | 0,047018946 |
| Ливъридж / Финансов ливъридж | 0,017110959 | 0,009674238 | 1,768713818 | 0,022823937 |
| D / EBITDA / Съотношение на лихвен дълг към EBITDA | 0,046019604 | 0,021802198 | 2,110778177 | 0,014194286 |
| Съотношение EBIT / Лихва / EBIT към лихва | -0,004583381 | 0,032996403 | -0,13890548 | 0,89055573 |
| ROS / Възвръщаемост на продажбите | -0,582081686 | 0,483677061 | -1,203451088 | 0,039247801 |
| Мениджър / Управление на качеството | -0,174077167 | 0,138900851 | -1,253247659 | 0,03786026 |
| Histori / Качество на кредитната история | -0,378981463 | 0,194742843 | -1,946061058 | 0,020243892 |
ПРИЛОЖЕНИЕ 4
Оценка на фирмите от извадката чрез точковия модел
| Търговско дружество | При | Коефициент на текуща ликвидност | Ливъридж / Финансов ливъридж | D / EBITDA / Съотношение на лихвен дълг към EBITDA | Съотношение EBIT / Лихва / EBIT към лихва | ROS / Възвръщаемост на продажбите | Мениджър / Управление на качеството | История / Положителна кредитна история | Животът на компанията | Сума | Клас | Вярно или не* |
| Аптека 36.6 | 0 | 4 | 6 | 4 | 4 | 6 | 5 | 9 | 3 | 41 | 2 | 1 |
| Л „Етоал | 0 | 5 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 26 | 3 | 0 |
| Кора | 0 | 4 | 8 | 0 | 4 | 0 | 5 | 9 | 3 | 33 | 2 | 1 |
| Панделка | 0 | 1 | 0 | 0 | 4 | 6 | 5 | 9 | 3 | 28 | 3 | 0 |
| Добре | 0 | 1 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 40 | 2 | 1 |
| Автосвят | 0 | 5 | 8 | 0 | 3 | 6 | 5 | 9 | 3 | 39 | 2 | 1 |
| Х5 Retail Group | 0 | 1 | 8 | 0 | 4 | 5 | 5 | 9 | 3 | 35 | 2 | 1 |
| Детски свят | 0 | 4 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 43 | 2 | 1 |
| Дикси | 0 | 4 | 6 | 0 | 4 | 0 | 5 | 9 | 3 | 31 | 2 | 1 |
| Въртележка | 0 | 1 | 8 | 0 | 4 | 6 | 5 | 9 | 3 | 36 | 2 | 1 |
| пени | 0 | 1 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 22 | 3 | 0 |
| Група Космос | 0 | 5 | 6 | 0 | 4 | 6 | 5 | 9 | 3 | 38 | 2 | 1 |
| Магнит | 0 | 5 | 8 | 8 | 4 | 6 | 5 | 9 | 3 | 48 | 1 | 1 |
| Магнолия | 0 | 0 | 2 | 0 | 2 | 6 | 5 | 9 | 3 | 27 | 3 | 0 |
| M.Video (2007) | 0 | 5 | 8 | 4 | 4 | 0 | 5 | 9 | 3 | 38 | 2 | 1 |
| АД "НТС" | 0 | 5 | 0 | 0 | 2 | 6 | 0 | 9 | 3 | 25 | 3 | 0 |
| Обувки на Русия | 0 | 4 | 2 | 4 | 4 | 6 | 5 | 9 | 3 | 37 | 2 | 1 |
| Crossroads (2005) | 0 | 1 | 6 | 0 | 4 | 5 | 5 | 9 | 3 | 33 | 2 | 1 |
| Пивдом | 0 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 0 |
| Семейство | 0 | 5 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 44 | 1 | 1 |
| Елекам | 0 | 5 | 4 | 0 | 2 | 0 | 5 | 9 | 3 | 28 | 3 | 0 |
| Макро | 1 | 4 | 0 | 0 | 4 | 0 | 0 | 9 | 3 | 20 | 3 | 1 |
| Престиж Експрес | 1 | 5 | 8 | 0 | 2 | 0 | 0 | 9 | 3 | 27 | 3 | 1 |
| Арбат Престиж | 1 | 0 | 4 | 0 | 3 | 0 | 5 | 0 | 3 | 15 | 3 | 1 |
| Орхидея | 1 | 5 | 6 | 0 | 0 | 0 | 0 | 9 | 3 | 23 | 3 | 1 |
| бяла фрегата | 1 | 5 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 22 | 3 | 1 |
| Марта | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
| Матрица | 1 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 8 | 3 | 1 |
| Меркурий (самовъзхвала) | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
| Минеско | 1 | 4 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 21 | 3 | 1 |
| Mosmart | 1 | 5 | 0 | 0 | 3 | 0 | 0 | 0 | 3 | 11 | 3 | 1 |
| Полисия | 1 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 1 |
| седми континент | 1 | 5 | 8 | 4 | 3 | 6 | 0 | 9 | 3 | 38 | 2 | 0 |
| Техносила | 1 | 5 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 22 | 3 | 1 |
| TOAP | 1 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 1 |
* Колоната показва дали сме получили правилното решение за кредитиране на компанията според скоринг модела.
