მომხმარებელთა კრედიტუნარიანობის შეფასების კონცეფცია

განმარტება 1

სკორინგი არის სტატისტიკური ან მათემატიკური მოდელი, რომელიც იყენებს ბანკის კლიენტების საკრედიტო ისტორიის მონაცემებს და საბოლოო ჯამში შესაძლებელია გამოითვალოს ალბათობა იმისა, რომ შემდეგი პოტენციური მსესხებელი დროულად დააბრუნებს მიღებულ სახსრებს.

მსესხებლის შეფასების ეს მეთოდოლოგია არის მახასიათებლების გარკვეული ნაკრების შეწონილი ჯამი ძალიან გამარტივებული ფორმით. ეს აუცილებელია შემაჯამებელი ინდიკატორის ფორმირებისთვის. ეს მაჩვენებელი შემდგომში შედარებულია ე.წ.

მსესხებლის გადახდისუნარიანობის ასეთი შეფასება საჭიროა თითოეული პოტენციური კლიენტის განუყოფელი ინდიკატორის დასადგენად და მიღებული შედეგი უნდა შევადაროთ ზემოაღნიშნულ ხაზს (შესაბამისად, მხოლოდ ის მსესხებლები, რომლებსაც აქვთ ეს მაჩვენებელი წყვეტის ხაზს ზემოთ, შეძლებენ მიიღეთ სესხი).

ჩვეულებრივ, ეროვნულ ეკონომიკაში ბანკები იყენებენ ინდივიდის კრედიტუნარიანობის შეფასების ადაპტირებულ მოდელებს, რომლებიც ადაპტირებულია რუსეთის პირობებთან.

პირველ რიგში, მოცემულია სესხის აღების შესაძლებლობის წინასწარი შეფასება, მსესხებლების კითხვარ-განცხადებების მონაცემების საფუძველზე. შევსებული სააპლიკაციო ფორმების შედეგების საფუძველზე გაფორმებულია ოქმები სესხების გაცემის შესაძლებლობის შესაფასებლად.

მაგალითი 1

თუ ქულა 30-ზე ნაკლებია, ოქმებში აღირიცხება სესხის გაცემაზე უარი, მაგრამ თუ 30 ქულაზე მეტი იქნა დაფიქსირებული, შემდეგ ეტაპზე რისკი უფრო ფრთხილად ფასდება, დამატებითი გამოკითხვების გათვალისწინებით.

საკრედიტო ქულების უპირატესობები და უარყოფითი მხარეები

შეფასების მეთოდები და მოდელები იძლევა საშუალებას:

• შეამციროს სესხის დაფარვის რისკი;
• სწრაფად და მიუკერძოებლად მიიღოს გადაწყვეტილებები სესხის გაცემაზე;
• საშუალებას გაძლევთ ეფექტურად მართოთ თქვენი საკრედიტო პორტფელი;
• არ არის საჭირო დიდი დროის დახარჯვა საკრედიტო დეპარტამენტის თანამშრომლების მომზადებაზე;
• კლიენტის თანდასწრებით შესაძლებელია სესხის განაცხადის ექსპრეს ანალიზის ჩატარება.

ქულების მეთოდოლოგიის შეზღუდვები მოიცავს იმ ფაქტს, რომ მისი გამოყენება შესაძლებელია მხოლოდ იმ მომხმარებლების შესახებ ინფორმაციის მიმართ, რომლებზეც ბანკმა უკვე გასცა სესხი. ასევე, ბანკის თანამშრომლებს პერიოდულად უწევთ მეთოდოლოგიისა და ანალიზის ხარისხის შემოწმება და ქულების ახალი მეთოდოლოგიის შემუშავება.

ქულების შეფასების მეთოდოლოგიის შემდგომი გაუმჯობესება გააფართოვებს და შეცვლის სესხების შეფასებული მახასიათებლების ჩამონათვალს.

მოქალაქეების იპოთეკური სესხის გაცემისას გამოიყენება მსესხებლის ანდერრაიტი, რაც მთავარია სესხის გადახდის დროულად განვადების შეფასება. ფასდება მსესხებლის ყოველთვიური ვალდებულებების სიდიდის თანაფარდობა იმავე პერიოდის ოჯახის მთლიან შემოსავალთან და ა.შ.

მსესხებლების კრედიტუნარიანობის ქულების შეფასების ჩატარების პროცესი

როგორც წესი, პოტენციური მსესხებლის კრედიტუნარიანობის გასაანალიზებლად, საჭიროა შემდეგი:

• მსესხებლის ვინაობის დამადასტურებელი დოკუმენტების ასლი;
• კლიენტის შემოსავლის დადასტურება: ცნობა 2-NDFL ფორმით, საგადასახადო დეკლარაციის ასლი 3-NDFL ფორმით;
• გარდა ამისა, მათ შეუძლიათ მოითხოვონ ქონების საკუთრების დოკუმენტები და სხვა დოკუმენტები, რომლებიც ადასტურებენ კლიენტის გადახდისუნარიანობას და საქმიან რეპუტაციას.

ბანკის სპეციალისტები ინდივიდუალური მსესხებლის გადახდისუნარიანობას აანალიზებენ წინა ექვსი თვის საშუალო თვიური შემოსავლისა და გამოქვითვების ოდენობის, ასევე კითხვარზე დაფუძნებული ინფორმაციის საფუძველზე. შედეგი გამოითვლება როგორც საშუალო თვიური შემოსავალი ყველა სავალდებულო გადასახადის გამოკლებით და კორექტირებულია კორექტირების ფაქტორით, რომელიც მერყეობს შემოსავლის ოდენობის მიხედვით (0,3-დან 0,6-მდე). რაც უფრო დიდია შემოსავალი, მით მეტია კორექტირება.

შენიშვნა 1

ამ დროისთვის კრედიტუნარიანობის შეფასების ყველაზე უნივერსალური მეთოდია კლიენტის ფინანსური მდგომარეობის შეფასების მეთოდი.

რისკების შესამცირებლად და გასაკონტროლებლად ბანკებმა კვარტალურად უნდა შეაფასონ მსესხებლის ფინანსური მდგომარეობა.

ფიზიკურ პირთა კრედიტუნარიანობის შეფასების გაუმჯობესების მიზნით, შემოთავაზებულია გაცემული სესხების მოცულობის დადგენისას სკორინგის სისტემის გამოყენება.

საკრედიტო ქულები შექმნილია პოტენციური მსესხებლის მიერ დეფოლტის რისკის შესაფასებლად, საკრედიტო ისტორიის სხვადასხვა ფაქტორების გათვალისწინებით. საკრედიტო ქულების გამოთვლის ფორმულები, როგორც წესი, არ არის გამჟღავნებული დასავლური ბანკების მიერ, მაგრამ ზოგადად გამოიყენება შემდეგი კომპონენტები, რომლებიც შეიძლება ჩაითვალოს გამოსაყენებელ გამოცდილებად:

1. 35% არის საკრედიტო ისტორია - კომპრომატების არსებობა ან არარსებობა. სესხის გაცემაზე უარის თქმის მიზეზი შეიძლება გახდეს გაკოტრება, გირავნობა, განაჩენი, შეთანხმება, კონფისკაცია, ქონების ჩამორთმევა, დაგვიანებული გადახდა.
2. 30% ბერკეტი - ეს კატეგორია განიხილავს ბერკეტის რამდენიმე სპეციფიკურ განზომილებას, მათ შორის ოვერდრაფტის ანგარიშების რაოდენობას, არსებულ სავალო ვალდებულებებს, განვადებით შესყიდვებს.
3. 15%-იანი წილი მოდის საკრედიტო ისტორიის ვადაზე - სესხის გაცემის საშუალო პერიოდსა და თავდაპირველი სესხის ვადაზე.
4. 10% არის გამოყენებული კრედიტის სახეების შეფასება (განვადება, ოვერდრაფტი, სამომხმარებლო სესხი, იპოთეკა), აჩვენებს სხვადასხვა ტიპის სესხების მართვის ისტორიას.
5. ქულის 10% მოდის სესხის მოთხოვნის რაოდენობაზე - მსესხებლის რეიტინგი მცირდება, თუ მოთხოვნა დიდი რაოდენობით იქნა გაკეთებული (14-45 დღე).

ქულების შეფასების მოდელები უნდა ეფუძნებოდეს განახლებულ მონაცემებს და სწრაფად ხელახლა კონფიგურირებული იყოს ბანკის საკრედიტო პოლიტიკის ცვლილებისას.

საკრედიტო ბიურო მნიშვნელოვან როლს ასრულებს სკორინგის მოდელის მუშაობაში. აუცილებელია პოტენციური მსესხებლისა და განმცხადებლის მეუღლის საკრედიტო ისტორიის შესწავლა. მსესხებლის ყველა სახის შემოსავალი და ხარჯი უნდა იყოს დოკუმენტირებული.

მაგალითი 2

სესხი არ უნდა გაიცეს იმ მოქალაქეებზე, რომლებსაც აღმასრულებელი დოკუმენტებით აქვთ გადახდილი წმინდა შემოსავლის 50 პროცენტი ან მეტი. ასევე, პირის გარანტია, რომლის ხელფასის დაქვითვა უდრის ან აღემატება წმინდა შემოსავლის 50 პროცენტს, არ უნდა იქნას მიღებული სესხის უზრუნველყოფად.

დიაგრამა 1-ში წარმოდგენილია უცხოური ბანკების მიერ შემუშავებული ინფორმაცია სესხის მიზნის, მსესხებლის პიროვნული მახასიათებლებისა და მსესხებლის საკრედიტო ისტორიის შესახებ ინფორმაციის მისაღებად.

დიაგრამა 1. ცვლადები, რომლებიც გამოიყენება მსესხებლების კრედიტუნარიანობის შეფასების მოდელებში. ავტორი24 - სტუდენტური ნაშრომების ონლაინ გაცვლა

პოტენციური მსესხებლების საკრედიტო რისკების შეფასებისას გათვალისწინებულია მთელი რიგი ფაქტორები: ასაკი, ოჯახური მდგომარეობა და განათლება, მის დამოკიდებულ პირთა რაოდენობა, კლიენტის საცხოვრებელი ადგილი, პროფესია, სტაჟი, მიმდინარე სამუშაო გამოცდილება. ასევე შემდეგი ფინანსური ინფორმაცია: კლიენტის რეგულარული შემოსავალი და ვალდებულებები; საკრედიტო ისტორია, რომელიც მოიცავს ფაქტებს, როგორიცაა სესხის მაღალი ხარისხის დაფარვა; წინა პოზიტიური თანამშრომლობა ბანკთან, თუ კლიენტი უკვე არის ბანკის კლიენტი.

კომერციული ბანკების სკორინგის სისტემა წარმოადგენს პოტენციური მსესხებლების შერჩევის მექანიზმს გადახდისუნარიანობაზე მოქმედი ფაქტორების ექსპერტიზის შემოწმების გზით და სესხზე მიღებული სახსრების გადაუხდელობის რისკზე. მომხმარებელთა სანდოობის დონის შესაფასებლად გამოყენებული მექანიზმები, პირველ რიგში, ფინანსური ინსტიტუტის მიერ არჩეულ დაკრედიტების სქემაზეა დამოკიდებული. ზოგიერთ კომერციულ ბანკში, საკრედიტო ოფიცრებმა და უსაფრთხოების ოფიცრებმა შეიძლება წარმოადგინონ სრულიად უნიკალური მოთხოვნები პოტენციური კლიენტებისთვის.

თქვენს ყურადღებას ვაქცევთ 4 ბანკს, სადაც შეგიძლიათ მიიღოთ სესხი ცუდი საკრედიტო ისტორიით:

საპროცენტო განაკვეთი
9.5%-დან

ვადა
5 წლამდე

ჯამი
700 ათას რუბლამდე

სესხის აღება ბანკში მიმართვის დღეს

საპროცენტო განაკვეთი
7.5%-დან

ვადა
5 წლამდე

ჯამი
1 მილიონ რუბლამდე

მყისიერი გადაწყვეტილება; გამოსყიდვა საკომისიოს გარეშე

საპროცენტო განაკვეთი
10.5%-დან

ვადა
7 წლამდე

ჯამი
4 მილიონ რუბლამდე

ბანკი განაცხადზე გადაწყვეტილებას იღებს 3 წუთში

მსესხებლების შეფასების კლასიკური საბანკო სისტემა

განხილვა ჩვეულებრივ იწყება განაცხადში მსესხებლის მიერ მოწოდებული ინფორმაციის შემოწმებით. როდესაც საქმე ეხება დიდი სესხების გაცემას, ფინანსური ინსტიტუტის წარმომადგენლებმა შეიძლება მოითხოვონ კლიენტთან პირადი შეხვედრა. ასეთი ინტერვიუს დროს, სესხის მენეჯერი გააკეთებს მსესხებლის ვიზუალურ შეფასებას, აღნიშნავს სერიოზული ავადმყოფობის შესაძლო გარეგნულ ნიშნებს, ემოციურ არასტაბილურობას ან შეუსაბამობას ორიგინალ კითხვარში მოცემულ ზოგიერთ მონაცემთან.

მომავალი მსესხებლების შეფასების კლასიკური სისტემა მუშაობს შემდეგნაირად:

1. კლიენტი პირადად ურთიერთობს გამოცდილ საკრედიტო მენეჯერთან ან ბანკის უსაფრთხოების ოფიცერთან.
2. მსესხებელი ავსებს განაცხადს, რომელშიც აწვდის პერსონალურ მონაცემებს.
3. საკრედიტო მენეჯერი წარუდგენს საკრედიტო ისტორიების ბიურო - ორგანო, რომელიც ახორციელებს საკრედიტო ისტორიების ფორმირების, შენახვისა და დამუშავების საქმიანობას "\u003e საკრედიტო ისტორიის ბიუროგანცხადება სესხზე განმცხადებლის წინა ვალდებულებების შესახებ მონაცემების მოპოვების შესახებ, რომელიც აუცილებელია შემდგომი ანალიზისთვის.
4. საკრედიტო ორგანიზაციის წარმომადგენელი გასაუბრების დროს სვამს რამდენიმე მარტივ კითხვას, რომლებზეც პასუხების სანდოობა დამოკიდებული იქნება მსესხებლის მიერ კომერციული ბანკის კრიტერიუმებთან შესაბამისობაში.
5. სპეციალისტი მიღებული კონფიდენციალური მონაცემების შესწავლის შემდეგ გამოაქვს განაჩენს.

მსესხებლების გადახდისუნარიანობის შეფასების ტრადიციული მეთოდები იდეალურია მსხვილი კომერციული ბანკებისთვის, რომლებსაც აქვთ შესაძლებლობა გახსნან განყოფილებები, რომლებიც ჩართული არიან დოკუმენტების ექსპერტიზაში. მსგავსი ქულების სქემები და ანდერრაიტი არის სესხის დაფარვის ან დაუბრუნებლობის ალბათობის შესწავლა. ამ პროცედურას ახორციელებს ბანკი, რომელიც იღებს გადაწყვეტილებას სესხის გაცემის შესახებ და გულისხმობს პოტენციური მსესხებლის გადახდისუნარიანობისა და კრედიტუნარიანობის განსაზღვრას.აქტიურად იყენებენ კრედიტორებს, რომლებიც გასცემენ გრძელვადიან მიზნობრივ სესხებს. საშუალოდ, კლიენტის მოთხოვნის შესწავლას 36 საათამდე სჭირდება. რაც შეეხება გარანტირებულ სესხებს, რისთვისაც საჭიროა უზრუნველყოფის დამატებითი შეფასება და გარანტის გადახდისუნარიანობის დადასტურება, განაცხადის განხილვას შესაძლოა 7 დღემდე დასჭირდეს.

როგორ მუშაობს ქულების სისტემა?

დაკრედიტების პროცედურის დაჩქარების მიზნით შეიქმნა თანამედროვე ავტომატიზირებული ქულების სისტემები. მათ იყენებენ კომერციული ბანკები საკრედიტო ბარათების გაცემის ეტაპზე და სხვადასხვა არასაბანკო დაწესებულებები, რომლებიც მიმართულია ექსპრეს სესხების გაცემაზე. ქულების შეფასების პროცედურა, ანუ გადახდისუნარიანობის შემოწმება, ეფუძნება სპეციალიზებული ინდუსტრიის პროგრამული უზრუნველყოფის გამოყენებას, რომლის ალგორითმები მორგებულია ინდივიდუალური კრიტერიუმების შესასწავლად და შესამოწმებლად, შეესაბამება თუ არა მსესხებლის მიერ მოწოდებული ინფორმაცია გარიგების მიმდინარე პირობებს.

შეფასების პროცესების ავტომატიზაცია საშუალებას იძლევა:

• დააჩქარეთ პოტენციური მომხმარებლებისგან მიღებული კითხვარების განხილვა.
• საკრედიტო დაწესებულების პერსონალის შემცირება.
• თარგმნეთ სესხის განაცხადების შევსების, წარდგენისა და დამუშავების პროცედურა ვირტუალურ სიბრტყეში.
• შეამცირეთ სესხის უარყოფის რისკი.
• შეამცირეთ ადამიანური ფაქტორით გამოწვეული ბანკის თანამშრომლების შეცდომების რისკი.
• მომავალი მსესხებლების შეფასების სტანდარტიზებული და ერთიანი სისტემის შექმნა.

კომპანიები, რომლებიც უზრუნველყოფენ მცირე სამომხმარებლო სესხებს და პლასტიკურ ბარათებს, ყოველდღიურად ამუშავებენ განაცხადების უზარმაზარ ნაკადს. ასეთ პირობებში თითქმის შეუძლებელია თითოეულ პოტენციურ კლიენტთან მუშაობის ინდივიდუალური მიდგომა. ავტომატური ქულების სისტემის ალგორითმი ეფუძნება რამდენიმე მარტივი პარამეტრის გამოყენებას, რაც საშუალებას იძლევა მსესხებლების საფუძვლიანი შეფასება. Paramount ჩვეულებრივ არის ინფორმაცია, რომელიც დაკავშირებულია პასპორტთან და გადახდის მონაცემებთან.

როგორ უნდა იყოს გარანტირებული ქულის გავლა ბანკში?

გადახდისუნარიანობის შემოწმების შემდეგ სესხის მისაღებად საკმარისია მსესხებელმა მიაწოდოს სანდო ინფორმაცია, დააფიქსიროს იგი მომავალი ტრანზაქციის პირობებში მითითებული დოკუმენტებით. პროგრამული უზრუნველყოფა იყენებს საჯაროდ ხელმისაწვდომ სტატისტიკურ, ანალიტიკურ და მათემატიკურ მეთოდებს კონკრეტული სესხის დაფარვის ალბათობის შესაფასებლად, მაგრამ იმისათვის, რომ დააჩქაროს გადაწყვეტილების მიღება მიღებულ სტრიმინგ აპლიკაციებზე, ზოგიერთი კრედიტორი უარს ამბობს შემოსავლის და საბანკო ანგარიშგების დამუშავებაზე. დამატებითი მონაცემების არსებობა ზრდის მიღებულ კოეფიციენტს. თუ მინიმალური ქულა საკმარისია გარიგების დასასრულებლად, არ არის საჭირო თანმხლები დოკუმენტები.

გადახდისუნარიანობის შეფასებაზე გავლენას ახდენს:

ამრიგად, პოტენციური მსესხებლის საკრედიტო ისტორია და ფინანსური სტაბილურობა გავლენას ახდენს რეიტინგის გაანგარიშებაზე და სესხის გადაწყვეტილების შედეგზე სკორინგის სისტემის ფარგლებში. ირიბად, საკრედიტო რეიტინგის დონე შეიძლება შეიცვალოს ისეთი ფაქტორებით, როგორიცაა ოჯახური მდგომარეობა ან კლიენტის ასაკი.

ზოგიერთი ორგანიზაცია ითვალისწინებს გარემოებებს, რომლებიც კლიენტის კონტროლის მიღმაა. სკორინგის მანქანების ალგორითმები შეიძლება დარეგულირდეს რეგიონში არსებული ეკონომიკური სიტუაციისა და პოლიტიკური სიტუაციის, სასესხო პროდუქტის ტიპისა და ზომის, ასევე დაკრედიტების უარყოფითი ტენდენციების არსებობის ან არარსებობის გათვალისწინებით.

საბანკო სკორინგის აპარატების მოტყუება შეუძლებელია, რადგან განაცხადის შევსების ეტაპზე შემთხვევითი შეცდომაც კი იწვევს სესხზე უარის თქმას. გადამოწმების გასავლელად, კლიენტმა უნდა მიაწოდოს კონფიდენციალური მონაცემები. კრედიტორი გარანტიას იძლევა კონფიდენციალური ინფორმაციის უსაფრთხოებას. ალგორითმი მიზნად ისახავს არა მხოლოდ მიღებული პასუხების დამუშავებას. ასეთი სისტემა საშუალებას გაძლევთ შეაგროვოთ და გაანალიზოთ სასარგებლო სტატისტიკა, რომელიც იძლევა უნიკალურ შესაძლებლობას წინასწარ განსაზღვროთ პოტენციური კლიენტის გადახდის ქცევა.

თქვენ ასევე შეიძლება დაგაინტერესოთ:

ანუიტეტი და დიფერენცირებული გადახდა - რა განსხვავებაა?

სესხზე გადახდის საკითხი ყოველთვის პრინციპული საკითხია ნებისმიერი ადამიანისთვის, რომელიც გეგმავს ნაღდი ფულის სესხის აღებას, ან უკვე აიღო. ჩვენ დეტალურად განვიხილავთ განსხვავებას ანუიტეტსა და დიფერენცირებულ გადასახადებს შორის. იცოდეთ ეს განსხვავებები, შეგიძლიათ აირჩიოთ სესხის საუკეთესო ვარიანტი თქვენთვის.

ყველა საკრედიტო მომხმარებელმა უნდა იცოდეს რა არის საკრედიტო ქულა. ამ კონცეფციის დანერგვა ბანკებმა ამ საუკუნის დასაწყისში დაიწყეს და ეს განპირობებულია იმით, რომ სესხების ზრდა საგრძნობლად გაიზარდა.

Scoring არის სპეციალურად შექმნილი კომპიუტერული პროგრამა, რომელიც ეხმარება სწრაფად განსაზღვროს კლიენტის გადახდისუნარიანობა მისი პერსონალური მონაცემების ანალიზით.

ამისათვის ფორმაში დადგენილი ციფრული მონაცემები შედის პროგრამაში ჩვეულებრივი ტესტირების პრინციპების მიხედვით. შემდეგ ქულების პროგრამა გულდასმით აანალიზებს შეყვანილ მონაცემებს და იძლევა შედეგს, როგორც წესი, ქულებით: გარკვეული რიცხვითი მნიშვნელობა შეესაბამება ნებისმიერ კითხვას. ამრიგად, გამოდის, რომ კლიენტზე სესხის გაცემას თუ არა კრედიტის მენეჯერი წყვეტს, არამედ კომპიუტერი.

საკრედიტო სკორინგი გამოიყენება იმ შემთხვევებში, როდესაც მსესხებელს სჭირდება და. მორიგი მსხვილი სესხის გაცემისას ასევე გამოიყენება სკორინგი, მაგრამ სხვა ანალიზებთან ერთად (გირაოს შეფასება და ა.შ.).

რისთვის არის გოლის გატანა?

ბანკების უმეტესობა სესხის გაცემაზე გადაწყვეტილებას იღებს მხოლოდ სკორინგის სისტემის საფუძველზე, მაგალითად:

• თუ მსესხებელმა ქულათა სისტემის მიხედვით მაღალი ქულა დააგროვა, მაშინ მას სესხი სხვა ჩეკების გარეშე გაიცემა;
• ქულების საშუალო რაოდენობის დაგროვებისას კლიენტის მოთხოვნა სესხზე დამატებით განიხილება საკრედიტო კომიტეტის მიერ;
• ქულების აშკარა დეფიციტით, ბანკი უარს ამბობს სესხზე.

საკრედიტო სკორინგის გამოთვლების შედეგები დამოკიდებულია ბანკის პროგრამირების სისტემაზე. ამის საფუძველზე ბანკი არაკეთილსინდისიერი კლიენტებიდან ირჩევს სანდო და სასურველ მსესხებლებს.

ტესტის კითხვები

თითოეულ ბანკს აქვს საკუთარი ქულების სისტემა, მაგრამ ძირითადად ის ერთსა და იმავე კითხვებს მოიცავს. მაგალითად, ყველაზე ხშირად გამოყენებული ტესტის კითხვებია:

• მსესხებლის ასაკი, სქესი;
• ოფიციალური ხელფასი;
• საჭირო სესხის ოდენობა და პირობები;
• არის თუ არა მსესხებელი დაქორწინებული (დაქორწინებული);
• არიან თუ არა ოჯახში დამოკიდებულები;
• მუშაობს თუ არა ცოლი (ქმარი);
• გაქვთ კრიმინალური ჩანაწერი და სხვა საკითხები?

უდავოდ, კრედიტის სკორინგის ერთ-ერთ ყველაზე პოზიტიურ და მნიშვნელოვან მახასიათებელად უნდა მივიჩნიოთ მსესხებლის გადახდისუნარიანობის დამოწმების ხელშეწყობა.

ქულების პროგრამის მინუსები

თუმცა, ასევე არის უარყოფითი მხარეები: პროგრამას შეუძლია გამოტოვოს არაკეთილსინდისიერი მსესხებელი, მაგრამ სანდო, პირიქით, შეიძლება უარი თქვას. სხვა გზებით შემოწმებისას, ეს სიტუაცია გაცილებით იშვიათად ხდება.

ასევე შეიძლება ითქვას, რომ საკრედიტო სკორინგის სისტემა გარკვეულწილად ზრდის სესხის ფასს, ვინაიდან ის გარკვეულ რისკს შეიცავს საკრედიტო ინსტიტუტისთვის.

ქულების სისტემის სამიზნე ორიენტაცია

საკრედიტო საქმიანობაში მოქმედი სკორინგის საბანკო სისტემა საშუალებას იძლევა უახლოეს მომავალში განისაზღვროს არა მხოლოდ კლიენტ-აპლიკანტის ფინანსური სტაბილურობა, არამედ გამოთვალოს საკრედიტო რისკის პროცენტი და შესაძლო მატერიალური ზარალი, რომელიც დაკავშირებულია სესხის გადაუხდელობასთან. მსესხებლის მიერ. ქულების პროგრამა შემუშავებულია თითოეული ფინანსური ინსტიტუტის მიერ ინდივიდუალურად.

საკრედიტო სკორინგის მიზანია მიაღწიოს რისკის სიტუაციების მაქსიმალურ მინიმიზაციას, რომლის წარმოქმნა შესაძლებელია არასანდო ან ვერ ახერხებს სესხის კლიენტს სესხის გაცემისას. ხშირად, როდესაც გამსესხებელი თანხმდება სესხის გაცემაზე მსესხებელზე, რომელიც არ არის სანდო, მას ეწყება რაიმე სახის პრობლემა, რომელიც დაკავშირებულია დაგვიანებასთან. ქულების აღება შეძლებისდაგვარად გამორიცხავს ასეთ რისკებს. შესაძლებელია მსესხებლის სანდოობის ხარისხის დადგენა და მისი ფინანსური სტაბილურობისა და სტაბილურობის შეფასება როგორც პოტენციურ მსესხებელთან, როგორც მოქალაქესთან, ასევე იურიდიულ პირთან მიმართებაში.

ქულების ბაზის მეშვეობით შესაძლებელია როგორც პოტენციური მსესხებლების, ასევე არსებულის შემოწმება. ასეთი სისტემის წყალობით შესაძლებელია ყველა სასესხო რისკის იდენტიფიცირება და იდენტიფიცირება, რომელიც შეიძლება გავლენა იქონიოს კრედიტორი ორგანიზაციის საკრედიტო პორტფელზე რაც შეიძლება მალე. უფრო მეტიც, სკორინგი, რომელიც აფასებს კრედიტორის სასესხო პორტფელის რისკებს, ასევე აქტიურ როლს თამაშობს ფინანსური რეზერვების პროგნოზირებაში. სისტემის შექმნის პროცესი ხდება ისეთი ფაქტორების საფუძველზე, როგორიცაა პოტენციური მსესხებლის ფინანსური მდგომარეობა, რომელიც უნდა ასახავდეს მის მთელ შემოსავალს, ფინანსურ ვალდებულებებს, ხარჯებს და აქტიურ ნაშთს, ასევე საკრედიტო ისტორიას, რომელიც შეიცავს ყველა ინფორმაციას გასული სესხების შესახებ. და მათი დაფარვა.

მსესხებლის ფინანსების შეფასების კრიტერიუმები

განმცხადებელი კლიენტების ფინანსური სტაბილურობისა და ფინანსური მდგომარეობის შეფასებისას საკრედიტო ინსტიტუტები, როგორც წესი, ემყარება ხარისხობრივ და რაოდენობრივ კრიტერიუმებს. ყველაზე მნიშვნელოვანი პარამეტრებია: სამუშაო (თანამდებობა), უძრავი და სხვა ქონების საკუთრება, მუდმივი და სტაბილური შემოსავალი, სესხის მიმღების (რეპუტაცია), ოჯახური მდგომარეობა, დაწესებულებებში გახსნილი დეპოზიტები და შენატანები, ასევე განმცხადებელი.

რაც შეეხება რაოდენობრივ მაჩვენებლებს, ისინი მოიცავს შემოსავლის ოდენობას, გადახდისუნარიანობის ხარისხს, მსესხებლის კოეფიციენტს, ასევე სესხის უზრუნველყოფას და ხელშეკრულების პირობებს. გირაო შეიძლება გავიგოთ როგორც დაზღვევის განხორციელება საგანთან მიმართებაში, ასევე სასესხო კაპიტალის ოდენობისა და უზრუნველყოფის ღირებულების თანაფარდობა. ქულების სქემის გამოყენებით კლიენტის შეფასების შემდეგ, შემოწმებას დაქვემდებარებული თითოეულ პოტენციურ მოვალეს აქვს საკუთარი ქულების ბარათი, რომელიც შეიცავს დიდი რაოდენობით სავალდებულო პუნქტებსა და დებულებებს. ქულების ბარათი აყენებს გარკვეულ კოეფიციენტებს მასში შემავალი თითოეული პუნქტისთვის, რომელიც ფასდება. ყველა კოეფიციენტის დადგენის შედეგად ქულები უბრალოდ ჯამდება.

კოეფიციენტების შეჯამებისას მიღებული კონკრეტული რიცხვიდან გამომდინარე, თითოეულ პოტენციურ მსესხებელს ენიჭება ფინანსური სტაბილურობისა და მატერიალური შესაძლებლობების გარკვეული კლასი. ყველაზე სანდო კლიენტები არიან ის აპლიკანტები, რომლებიც შეფასების შემდეგ გადაიყვანეს A ან B კლასში. მიუხედავად ამისა, ხშირია შემთხვევები, როდესაც C კლასის კლიენტებიც ხდებიან მსესხებლები. მოქალაქეები, რომლებსაც ენიჭებათ D და D კლასები, აღიარებულნი არიან სრულიად გადახდისუუნარო და ყველაზე მეტად. არასანდო.

თუ შეცდომას იპოვით, გთხოვთ, მონიშნეთ ტექსტის ნაწილი და დააწკაპუნეთ Ctrl+Enter.

ამ სტატიაში პორტალი Creditoff (Credytoff) უპასუხებს კითხვებს: ”გატანა, რა არის ეს? და როგორ ხდება ფიზიკური პირის კრედიტუნარიანობის ქულების შეფასება“.

ბანკებისთვის მაქსიმალური მოგების მიღება პირდაპირ კავშირშია სასესხო განაცხადების ხარისხთან. ბანკი არანაკლებ დაინტერესებულია გაცემული სესხის დაბრუნებით, ვიდრე მსესხებელი. ამიტომ, ბანკირები ატარებენ მსესხებლების მკაცრ შემოწმებას და აანალიზებენ საკრედიტო რისკებს.

ინდივიდის კრედიტუნარიანობის ქულების შეფასება

საკრედიტო რისკი არის შესაძლო ფინანსური ზარალი მსესხებლის მიერ სესხის ხელშეკრულებით გათვალისწინებული ვალდებულებების შეუსრულებლობის გამო. ეს შეიძლება ეხებოდეს დაგვიანებულ გადახდას (ვადაგადაცილებას) ან სესხის გადახდაზე სრულ უარს.

საკრედიტო რისკების მინიმიზაციის მიზნით, ბანკირები იყენებენ პოტენციური კლიენტების ქულების შეფასებას.

დღესდღეობით, მსესხებლის სანდოობის შესაფასებლად ფართოდ გამოიყენება ინდივიდის კრედიტუნარიანობის ქულების შეფასება. ქულების გაანგარიშება იძლევა იმის გაგებას, რომ ეყრდნობა არსებული ან ყოფილი კლიენტების საკრედიტო ისტორიებს, რამდენად დიდია შანსი იმისა, რომ პოტენციურმა მსესხებელმა დააბრუნოს თანხა ხელშეკრულებით დადგენილ თარიღში.

გაიტანა, რა არის?

გაიტანა, რა არის? (ინგლისური ქულები - "scoring")

ეს არის პოტენციური მსესხებლის გარკვეული მახასიათებლების სისტემა. ავტომატური სკორინგი უზრუნველყოფს ფინანსური რისკების რეალურ ობიექტურ შეფასებას, განსხვავებით იმისგან, რომ საკრედიტო ინსპექტორები უშუალოდ ახორციელებდნენ შემოწმებას (ადამიანური ფაქტორი).

შემოწმების შედეგად მიიღება გარკვეული მაჩვენებელი (ქულა), რომელიც მიუთითებს კონკრეტულ კლიენტთან დაკავშირებული რისკის ხარისხზე. ეს მაჩვენებელი ადარებს გარკვეულ ზღვრულ მნიშვნელობას, რომელიც არსებითად არის წყვეტის ხაზი (გამარჯობა მოწინავე მკითხველებო?). თუ ინდიკატორი ზღურბლს აღემატება, მაშინ გადაწყვეტილება მიიღება განაცხადის შესაძლო დამტკიცების შესახებ. თუ ზღვარს ქვემოთ, მაშინ სამწუხაროდ, კლიენტს უარს ეუბნება.

რა მონაცემებია გათვალისწინებული ქულების შედგენისას

პიროვნების კრედიტუნარიანობის ქულების შეფასება საკმაოდ რთულია. კლიენტის დამტკიცება ან უარყოფა დამოკიდებულია ბევრ ინდიკატორზე.

1. პოტენციური მსესხებლის პასპორტის დეტალები, სად არის რეგისტრირებული და სად ცხოვრობს რეალურად, საკონტაქტო ტელეფონის ნომრები. ამ ინფორმაციის საფუძველზე ხდება ბანკის კლიენტის პირველადი იდენტიფიკაცია. ამ ეტაპზე ვადაგასული პასპორტების, არასწორად ან ტყუილად მოწოდებული მონაცემების და ყალბი დოკუმენტების მქონე კლიენტებს სკრინინგდება. მოწოდებულ მონაცემებში ნებისმიერი შეცდომა ემუქრება მყისიერ უარყოფას.
2. მეორე ეტაპზე ფასდება ასაკი, სქესი, ოჯახური მდგომარეობა, სტაჟი, დამოკიდებულ პირთა რაოდენობა (არასრულწლოვანი ბავშვები ქულების უარყოფითი ფაქტორია), სამუშაოს ბოლო ადგილზე სტაჟი.
3. შემდეგ პროგრამა აფასებს კლიენტის გადახდისუნარიანობას. ფინანსური მდგომარეობის შეფასებისას მთავარ როლს ყოველთვიური დადასტურებული შემოსავალი თამაშობს. იმათ. "თეთრი" ხელფასი მითითებულია სერთიფიკატში 2-NDFL. თუ შემოსავალი დადასტურებულია საბანკო ანგარიშში, მაშინ საბოლოო ქულა ქვეითდება. სესხი შეიძლება დამტკიცდეს, მაგრამ თანხა ნაკლები იქნება.
4. წინა ნაბიჯების დასრულების შემდეგ, პროგრამა აგრძელებს შემოწმებას. როგორც წესი, ერთდროულად რამდენიმე BCI-ის (საკრედიტო ბიუროს) მონაცემები განიხილება. შემოწმებულია არა მხოლოდ შეფერხებები, არამედ ფინანსური ტვირთი, ასეთის არსებობის შემთხვევაში. გარდა ამისა, BKI აღრიცხავს ყველა მოთხოვნას ბანკში. თუ ბევრი უარია, ეს უარყოფითად მოქმედებს დამტკიცების შესაძლებლობაზე. ასე რომ, ერთხელ რომ მივიღეთ უარი, გირჩევთ შეამოწმოთ თქვენი საკრედიტო ისტორია. არსებობს შესაძლებლობა, რომ BCI მონაცემები შეიძლება იყოს მცდარი.

ბანკის ინდივიდუალური სახელფასო კლიენტის კრედიტუნარიანობის ქულების შეფასება

სახელფასო ბარათების მფლობელებისთვის გათვალისწინებულია ცალკე ჩეკი. ბარათის ტრანზაქციები ფასდება. ქულები ამოწმებს ქვითრებისა და განაღდების პირობებს, ასევე ანგარიშის საშუალო ბალანსს. აღსანიშნავია, რომ ყველაზე დაბალ ქულას იღებენ ის კლიენტები, რომლებიც ხელფასის მიღებისთანავე იღებენ მას სრულად ნაღდი ფულით.

როგორ მიიღება გადაწყვეტილება

ინდივიდის კრედიტუნარიანობის ქულების შეფასება. როგორ მიიღება გადაწყვეტილება

მიღებული მონაცემების გაანალიზების შემდეგ, ქულები იღებს გადაწყვეტილებას. პოტენციური მსესხებელი იღებს ფერად „ნიშანს“: თეთრი, ნაცრისფერი, შავი.

• თეთრი ფერი - მსესხებელს შეუძლია სესხის იმედი ჰქონდეს
• შავი ფერი - უარყოფა
• ნაცრისფერი ფერი ნიშნავს, რომ არ არის საკმარისი მონაცემები გადაწყვეტილების მისაღებად, საჭიროა ანდერრაიტერის დამატებითი შეფასება. სესხის ინსპექტორი უფრო დეტალურად შეისწავლის კითხვარს და მოწოდებულ მონაცემებს. მან შეიძლება მოითხოვოს დამატებითი დოკუმენტები. დამატებითი შემოწმების შემდეგ ანდერრაიტერი გამოსცემს დასკვნას დამტკიცების შესაძლებლობის, ასევე სესხის მაქსიმალური ოდენობისა და ვადის შესახებ.

"გოლის გატანა, რა არის?" - პირველად სესხის მიმღებთათვის

"გოლის გატანა, რა არის?" - პირველად სესხის მიმღებთათვის

ქულების ყველა უპირატესობის მიუხედავად, დღეს ბანკები არედაქტირებენ კლიენტის გადამოწმების მოდელებს. ბევრი ბანკი ახორციელებს ეგრეთ წოდებულ „პიროვნების კრედიტუნარიანობის ადაპტირებული ქულების შეფასებას“. დანერგილია დამატებითი გადამოწმების პარამეტრები, მაგალითად, კომპანიის მუშაობის პერიოდი, რომელშიც მუშაობს პოტენციური მსესხებელი, ამ კომპანიის ფარგლები, ფინანსური შედეგები და ა.შ. ზოგადად, ავსებს პასუხს კითხვაზე "გაანგარიშება, რა არის ეს?", უნდა აღინიშნოს, რომ ბევრ მსხვილ ბანკში ჩეკების გაანგარიშება ძალიან ჰგავს. ამიტომ, სანამ მიმართავთ, შეამოწმეთ საკუთარი, ეს დაგიზოგავთ დროს და ნერვებს.

დუბოვიცკი V.S.
ანალიტიკოსი მსხვილ რუსულ ბანკში
(ქალაქი მოსკოვი)
კორპორატიული ფინანსების მენეჯმენტი
05 (65) 2014

ეს სტატია აღწერს კვლევას მსხვილი სავაჭრო საწარმოების კრედიტუნარიანობის შეფასების სკორინგის მოდელის შემუშავების შესახებ, რაც შესაძლებელს ხდის ცალკეული ინდიკატორების მნიშვნელობებზე დაყრდნობით განვსაჯოთ მსესხებლის გადახდისუნარიანობა და შეაფასოს მისი ეფექტურობა. ქულების მოდელის შემუშავების ყველაზე მოცულობითი ბლოკებია შეფასების ინდიკატორების სისტემის არჩევანი და ამ ინდიკატორების შეწონვის ფაქტორების განსაზღვრა, რაც დეტალურად იქნება განხილული ამ სტატიაში.

შესავალი

საბანკო სექტორში ბიზნესის ერთ-ერთი ძირითადი მიმართულებაა დაკრედიტება. სწორედ სესხები წარმოადგენს საბანკო აქტივების საფუძველს, რაც უზრუნველყოფს ბანკს საპროცენტო შემოსავლით. ბოლო დროს ჩვენს ქვეყანაში სწრაფად განვითარდა საბანკო სექტორი, პირველ რიგში, საკრედიტო ურთიერთობები ბანკებსა და მოსახლეობას, მეწარმეებსა და მსხვილ ბიზნესს შორის. სესხები მოიცავს არა მხოლოდ საპროცენტო შემოსავალს, არამედ საკრედიტო რისკებს, რომლებიც დაკავშირებულია მსესხებლის გადახდისუუნარობასთან და სესხის დაკარგვასთან. საკრედიტო რისკის სიდიდის შეფასება არის ანალიზის ძირითადი სფერო კონკრეტული მსესხებლის დაკრედიტების შესახებ გადაწყვეტილების მიღებისას და ფინანსური ინსტიტუტის კეთილდღეობა დიდწილად მასზეა დამოკიდებული.

დღესდღეობით, ბანკები იყენებენ ანალიზის სხვადასხვა მეთოდს, აფასებენ შესაძლო ზარალის დონეს და მსესხებლის მიერ დეფოლტის ალბათობას. ამ ანალიზის საფუძველზე, მსესხებელს ენიჭება ხარისხის რეიტინგი - "კარგი", "საშუალო" ან "ცუდი", რუსეთის ფედერაციის ცენტრალური ბანკის რეგლამენტის No254-p "ფორმირების პროცედურის შესახებ" შესაბამისად. რეზერვების საკრედიტო ინსტიტუტების მიერ სესხებზე, სესხებზე და მათ ეკვივალენტურ დავალიანებაზე შესაძლო ზარალისთვის“ 2004 წლის 26 მარტი.

ცენტრალური ბანკი მოქმედებს როგორც საკრედიტო სისტემის მთავარი მარეგულირებელი და იძლევა რეკომენდაციებს მსესხებლების კრედიტუნარიანობის შეფასების შესახებ. მათი შესაბამისად, ბანკები ქმნიან შეფასების საკუთარ მოდელებს - გასაოცარია მათი მრავალფეროვნება და მათი ავტორების გამომგონებლობა. ასეთი მოდელები მოიცავს მსესხებლის ფინანსური მდგომარეობის ყოვლისმომცველ შეფასებას, როგორც მომავალი გადახდისუნარიანობის მთავარ ინდიკატორს. თუმცა, ყველა მოდელი მიმართულია მსესხებლის საკრედიტო რეიტინგზე, რომელიც აღწერს ფინანსური ზარალის რისკის დონეს. ზოგადად მიღებული კლასიფიკაციის მიხედვით, კრედიტუნარიანობის კარგი დონე შეესაბამება კომპანიის კარგ ფინანსურ მდგომარეობას და შესაძლო ზარალის დაბალ რისკს, საშუალო - საშუალო ფინანსურ მდგომარეობას და საშუალო რისკებს, ცუდი - მაღალ ალბათობას დეფოლტისგან. მსესხებელი. კარგ მდგომარეობაში, დიდი ალბათობით, პოზიტიური გადაწყვეტილება მიიღება სესხის გაცემაზე, საშუალო დასჭირდება დამატებით კვლევას, ცუდი მსესხებლის უარყოფა.

ბანკებში საკრედიტო რისკის შეფასება ყოველთვის მნიშვნელოვან ადგილს იკავებდა. ამრიგად, ბეილისა და გეითლის კვლევების მიხედვით, არსებული შეფასების მეთოდები მუდმივად იხვეწება, დროდადრო ჩნდება ახალი მეთოდები, როგორიცაა შეფასება ნერვული ქსელების გამოყენებით, რაც გამოწვეულია საკრედიტო ორგანიზაციების მხრიდან მაღალი მოთხოვნით ოპტიმიზაციისა და პროგნოზირების უნარის გასაუმჯობესებლად. პოტენციური მსესხებლების დეფოლტის ალბათობის შეფასების ინსტრუმენტები.

ასე რომ, კრედიტუნარიანობის შეფასება საკვანძო ამოცანაა სესხის გაცემისას. ამ სამუშაოს მიზანია შევქმნათ საკუთარი ქულების მოდელი იურიდიული პირების საკრედიტო ხარისხის შესაფასებლად. ის შემუშავებული იქნება მსხვილი საცალო ვაჭრობისთვის და საშუალებას მისცემს სწრაფად გადაწყვიტონ სხვადასხვა მსესხებლების დაფინანსების მიზანშეწონილობა.

პირველ რიგში, მოხდება კრედიტუნარიანობის შეფასების არსებული მიდგომების მოკლე შედარებითი ანალიზი. მის საფუძველზე მოყვანილი იქნება არგუმენტები ქულების მოდელის შემუშავების სასარგებლოდ, შემდეგ კი პირდაპირ შემუშავდება ქულების მოდელი სხვადასხვა თეორიული მეთოდების გამოყენებით. შემუშავების ერთ-ერთი მთავარი ამოცანაა დაბალანსებული ქულების ბარათის განსაზღვრა შერჩეული ინდუსტრიის გათვალისწინებით და ამ მაჩვენებლების შეწონვის ფაქტორების განსაზღვრა.

შემდეგი, ჩატარდება სტატისტიკური კვლევა 41 ვაჭრისგან შემდგარი ნიმუშის საფუძველზე (მათგან 16 ნაგულისხმევი ვაჭრობისთვის), რათა შედეგები შევადაროთ ინდიკატორის წონით თავდაპირველად მიღებულ შედეგებს. შედარების შედეგების საფუძველზე დადგინდება შედგენილი ქულების მოდელის სისწორეზე. ამ სტატიის ბოლოს წარმოდგენილი იქნება შემუშავებული მოდელის ეფექტურობის შეფასება, დადგინდება შემუშავებული მოდელის პროგნოზირების უნარი და გაკეთდება დასკვნა მისი სიცოცხლისუნარიანობის შესახებ.

კრედიტის შეფასების სხვადასხვა მიდგომები

მსესხებლების კრედიტუნარიანობის შეფასების ყველა არსებული მოდელი შეიძლება წარმოდგენილი იყოს შემდეგი კლასიფიკაციით (ნახ. 1).

ამრიგად, კრედიტუნარიანობის ანალიზის მიდგომების მრავალფეროვნება შეიძლება სისტემატიზდეს ყველა მეთოდის სამ დიდ ბლოკად დაყოფით:

• რაოდენობრივი მოდელები;
• პროგნოზირებადი მოდელები;
• ხარისხის მოდელები.

რაოდენობრივი მოდელები იყენებენ შესაბამის ინდიკატორებს და მათზე დაყრდნობით მსესხებელს გარკვეული რეიტინგის მინიჭების საშუალებას აძლევს, პროგნოზირებადი მოდელები ეფუძნება წარსულის სტატისტიკას და მიზნად ისახავს შემდგომი განვითარების მოდელირებას და მსესხებლის ნაგულისხმევი ალბათობის მოდელირებას, ხოლო თვისებრივი მოდელები იყენებს მრავალმხრივი ხარისხობრივი მაჩვენებლების სისტემას.

კრედიტუნარიანობის შეფასების ყველაზე ეფექტური მიდგომის დასადგენად, ჩვენ ვადარებთ აღწერილ შეფასების მეთოდებს. მაგიდაზე. 1 გვიჩვენებს ადრე განხილული სესხის შეფასების მოდელების შედარებითი მახასიათებლები.

ცხრილი 1. საკრედიტო რეიტინგის მოდელების შემაჯამებელი ცხრილი

Მოდელის სახელი	მოდელის უპირატესობები	მოდელის ნაკლოვანებები
კოეფიციენტის მეთოდი	საშუალებას გაძლევთ ამომწურავად შეაფასოთ მსესხებლის ფინანსური მდგომარეობა	არ ითვალისწინებს ხარისხის მაჩვენებლებს, წინა წლების სტატისტიკას. არაავტომატური სისტემა მოითხოვს ინდივიდუალური ინდიკატორების მნიშვნელობების მუდმივ ინტერპრეტაციას
რეიტინგის მოდელები	ნება მიეცით შეფასების ავტომატიზირება კოეფიციენტების მეთოდით ინტეგრალური ინდიკატორის გამოთვლით. განსხვავდება მოხერხებულობითა და გამოყენების სიმარტივით	ისინი ითვალისწინებენ მხოლოდ ფინანსურ მაჩვენებლებს, არ იყენებენ წინა წლების სტატისტიკას. მოითხოვს რესტრუქტურიზაციას სხვადასხვა ტიპის კომპანიებისთვის
ქულების მოდელები	ისინი საშუალებას გაძლევთ მიიღოთ კრედიტუნარიანობის შეფასება ქულის ეკვივალენტში და მსესხებელს მიაკუთვნოთ სამი ჯგუფიდან ერთ-ერთს. მარტივი და მარტივი გამოსაყენებელი, ხელს უწყობს არაფინანსური ხარისხის ინდიკატორების შეფასებას. წონითი კოეფიციენტების სტატისტიკური მეთოდებით შეფასებისას, ისინი საშუალებას იძლევა გავითვალისწინოთ უკვე გაცემული სესხების მონაცემები, რომლებიც ეკონომიკურად გამართლებულია.	არ არის უნივერსალური, მოითხოვს რესტრუქტურიზაციას გარკვეული ტიპის კომპანიებისთვის. შეწონვის კოეფიციენტების შესასწავლად საჭიროა დიდი რაოდენობით მონაცემები
ფულადი ნაკადების მოდელები	საშუალებას გაძლევთ შეაფასოთ კომპანიის მომავალი ფულადი ნაკადები და შეადაროთ ისინი ვალის დატვირთვას	ისინი არ ითვალისწინებენ საბაზრო პირობებს და მსესხებელი კომპანიის ხარისხის მაჩვენებლებს. შეიძლება გამოიწვიოს არათანმიმდევრული შედეგები
დისკრიმინაციული ანალიზის მოდელები	მიეცით საშუალება, განისაზღვროს მსესხებელი კომპანიის წარუმატებლობის ალბათობა წინა წლების სტატისტიკის საფუძველზე
რეგრესიის მოდელები	ისინი საშუალებას იძლევა განისაზღვროს მსესხებელი კომპანიის წარუმატებლობის ალბათობა წინა წლების სტატისტიკის საფუძველზე. მოდელის სწორ მონაცემებზე გამოყენებისას, შეგიძლიათ მიიღოთ შედეგები მაღალი ხარისხის დარწმუნებით	წმინდა ემპირიულად, შედეგები დიდად არის დამოკიდებული ტრენინგის ნიმუშზე და მოდელის სხვა მონაცემებზე შესწავლისას, ისინი ხშირად არ შეესაბამება რეალობას. შეწონვის კოეფიციენტების შესასწავლად საჭიროა დიდი რაოდენობით მონაცემები
ხარისხობრივი ანალიზის მოდელები	საშუალებას გაძლევთ ჩაატაროთ კომპანიის ყოვლისმომცველი ანალიზი	მათემატიკური მეთოდების არარსებობა, რაც იწვევს ინდივიდუალური მაჩვენებლების სუბიექტურ შეფასებას და ადამიანურ ფაქტორთან დაკავშირებული შეცდომებს. არ გაითვალისწინოთ წინა წლების სტატისტიკა. არ არსებობს მკაფიო რეგულაციები ხარისხის ანალიზის ბლოკების კრედიტუნარიანობის შესაფასებლად

ზემოაღნიშნული შედარებითი ანალიზის საფუძველზე შეგვიძლია დავასკვნათ, რომ ქულების მოდელი რაოდენობრივი ევოლუციის სათავეშია მოდელის დასახელება მოდელის უპირატესობები მოდელის უარყოფითი მხარეები

თანაფარდობის მეთოდი იძლევა მსესხებლის ფინანსური მდგომარეობის ყოვლისმომცველი შეფასების საშუალებას. არ ითვალისწინებს ხარისხის მაჩვენებლებს, წინა წლების სტატისტიკას. არაავტომატური სისტემა მოითხოვს ინდივიდუალური ინდიკატორების მნიშვნელობების მუდმივ ინტერპრეტაციას

რეიტინგის მოდელები საშუალებას იძლევა ავტომატიზირება შეფასდეს კოეფიციენტის მეთოდით ინტეგრალური ინდიკატორის გამოთვლით. ისინი გამოირჩევიან მოხერხებულობითა და გამოყენების სიმარტივით, ითვალისწინებენ მხოლოდ ფინანსურ მაჩვენებლებს, არ იყენებენ წინა წლების სტატისტიკას. მოითხოვს რესტრუქტურიზაციას სხვადასხვა ტიპის კომპანიებისთვის

ქულების შეფასების მოდელები ნება მიეცით მიიღოთ კრედიტუნარიანობის შეფასება ქულის ექვივალენტში და მსესხებლის მინიჭება სამი ჯგუფიდან ერთ-ერთში. მარტივი და მარტივი გამოსაყენებელი, ხელს უწყობს არაფინანსური ხარისხის ინდიკატორების შეფასებას. წონითი კოეფიციენტების სტატისტიკური მეთოდებით შეფასებისას, ისინი საშუალებას იძლევა გავითვალისწინოთ უკვე გაცემული სესხების მონაცემები, ეკონომიკურად გამართლებული არ არის უნივერსალური, საჭიროებს რესტრუქტურიზაციას გარკვეული ტიპის კომპანიებისთვის. შეწონვის კოეფიციენტების შესასწავლად საჭიროა დიდი რაოდენობით მონაცემები

ფულადი სახსრების ნაკადების მოდელები საშუალებას იძლევა შეფასდეს კომპანიის მომავალი ფულადი ნაკადები და შევადაროთ ისინი ვალის დატვირთვას. არ ითვალისწინებს საბაზრო პირობებს და მსესხებელი კომპანიის ხარისხის მაჩვენებლებს. შეიძლება გამოიწვიოს არათანმიმდევრული შედეგები

დისკრიმინაციული ანალიზის მოდელები საშუალებას იძლევა განისაზღვროს მსესხებლის კომპანიის გადაუხდელობის ალბათობა წინა წლების სტატისტიკაზე დაყრდნობით.წმინდა ემპირიული შედეგები დიდად არის დამოკიდებული ტრენინგის ნიმუშზე და მოდელის სხვა მონაცემებზე შესწავლისას ხშირად არ შეესაბამება რეალობას. შეწონვის კოეფიციენტების შესასწავლად საჭიროა დიდი რაოდენობით მონაცემები

რეგრესიული ანალიზის მოდელები საშუალებას იძლევა განისაზღვროს მსესხებელი კომპანიის უკმარისობის ალბათობა წინა წლების სტატისტიკის საფუძველზე. მოდელის სწორ მონაცემებზე გამოყენებისას შეგიძლიათ მიიღოთ მაღალი საიმედოობის შედეგები. ეს არის წმინდა ემპირიული, შედეგები დიდად არის დამოკიდებული ტრენინგის კომპლექტზე და მოდელის სხვა მონაცემებზე შესწავლისას, ისინი ხშირად არ შეესაბამება რეალობა. შეწონვის კოეფიციენტების შესასწავლად საჭიროა დიდი რაოდენობით მონაცემები

თვისებრივი ანალიზის მოდელები საშუალებას იძლევა ჩაატაროს კომპანიის ყოვლისმომცველი ანალიზი მათემატიკური მეთოდების არარსებობა, რაც იწვევს ინდივიდუალური ინდიკატორებისა და ადამიანურ ფაქტორთან დაკავშირებული შეცდომების სუბიექტურ შეფასებას. არ გაითვალისწინოთ წინა წლების სტატისტიკა. არ არსებობს მკაფიო რეგულაციები კრედიტუნარიანობის შესაფასებლად ხარისხობრივი ანალიზის ბლოკებისთვის ქულების განსხვავებული რაოდენობით. კოეფიციენტების მნიშვნელობები შემდგომში დაიყოფა დიაპაზონებად. თითოეული დიაპაზონისთვის (კოეფიციენტის დიაპაზონის სვეტი ცხრილში 2) დადგინდება 2-ში მოცემული შეწონილი კოეფიციენტის პროცენტი (25%, 50%, 75% ან 100%). 2. შეწონვის ფაქტორი ამ შემთხვევაში არის მაქსიმალური ქულა. შემდგომში ყურადღებას გავამახვილებთ წონის კოეფიციენტების ძიებაზე. ამრიგად, კოეფიციენტების დიაპაზონებად დაყოფა პირობითია (ლოგიკური მოსაზრებებიდან გამომდინარე, ამ ინდიკატორების მნიშვნელობებზე დაფუძნებული ინდუსტრიის სხვადასხვა კომპანიისთვის; ინტერვალები მიღებულია ისე, რომ წამყვანი კომპანიების დაახლოებით 60% ინდუსტრია (Magnit, Dixy) ხვდება მეორე ინტერვალში მაქსიმალური , X5 Retail Group, OK, L'Etoile) შემდეგ, რომელიც შერჩეულია საშუალო საბაზრო კოეფიციენტებისა და კრიტერიუმების დასადგენად). შეამცირეთ ქულების რაოდენობა, რომელიც ინდიკატორმა უნდა მიიღოს, კოეფიციენტები და წარმოდგენილი იქნება ორი მიდგომით - ანალიტიკური (ტ. საატის მეთოდი) და სტატისტიკური (რეგრესიული კვლევა) (ქულების მაქსიმალური რაოდენობა ამ შემთხვევაში ემთხვევა წონის კოეფიციენტს). თავად კოეფიციენტები მოგვიანებით დადგინდება.

ქულების მოდელის ფინანსური მაჩვენებლები წარმოდგენილია ცხრილში. 2.

ცხრილი 2. ქულების მოდელის ფინანსური მაჩვენებლები

ინდიკატორი ჯგუფი	ინდექსი	კოეფიციენტის დიაპაზონი
ლიკვიდურობა		> 0,75	1
		0,5-0,75	0,75
		0,25-0,5	0,25
		0-0,25	0
გადახდისუნარიანობა		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
	პროცენტის დაფარვის კოეფიციენტი, EBIT/პროცენტი	> 1,5	1
		1,3-1,5	0,75
		1-13	0,5
		< 1	0
ბიზნეს საქმიანობა	გაყიდვებზე დაბრუნება, ROS	> 0,025	1
		0,02-0,025	0,75
		0,015-0,02	0,5
		< 0,015	0
	კომპანიის ზარალი ბოლო სამი საანგარიშო პერიოდისთვის	არა	1
		ერთი საანგარიშო პერიოდისთვის	0,5
			0

დასაშვები თანაფარდობის მნიშვნელობები განისაზღვრა რუსეთში ხუთი წამყვანი სავაჭრო კომპანიისთვის საშუალო მნიშვნელობების საფუძველზე, IFRS განცხადებების საფუძველზე სამი წლის განმავლობაში: Magnit, X5 Retail Group, Dixy, OK, M.Video. ჩვენ განვიხილეთ ყველაზე მნიშვნელოვანი ფინანსური მაჩვენებლები მსესხებლის ფინანსური მდგომარეობის დასადგენად. თუმცა კომპანიის კრედიტუნარიანობაზე ასევე დიდ გავლენას ახდენს მსესხებლის ბიზნეს პროცესებში რისკების გაჩენის პროვოცირების ფაქტორები. პირველ რიგში აუცილებელია მენეჯმენტის ხარისხის გათვალისწინება. ეს ძალიან რთული მაჩვენებელია რაოდენობრივი ანალიზისთვის, რადგან. პრობლემურია კომპანიის მენეჯმენტის დონის ობიექტურად შეფასება.

შევეცდებით გადავიდეთ ხარისხობრივი შეფასებადან რაოდენობრივ შეფასებაზე და დავადგინოთ ამ ინდიკატორის მაქსიმალური შეფასება შემდეგი პირობებით:

• არსებობს კომპანიის განვითარების მკაფიო სტრატეგია მომავალი წლებისთვის;
• უმაღლესი მენეჯმენტის შემადგენლობა არ შეცვლილა (გენერალური დირექტორი და მთავარი ბუღალტერი ორ წელზე მეტი ხნის განმავლობაში მუშაობდნენ), რადგან ძლიერი მენეჯმენტის გუნდის არსებობა მოწმობს, სხვა საკითხებთან ერთად, მისი მუდმივობით;
• პროფესიული კომპეტენციები აკმაყოფილებს მაღალ მოთხოვნებს (გენერალურ დირექტორს და მთავარ ბუღალტერს აქვთ სპეციალიზებული უმაღლესი განათლება, ხუთ წელზე მეტი სამუშაო გამოცდილება).

შემდეგი მნიშვნელოვანი ფაქტორი, რომელიც უნდა ჩაერთოს ქულების მოდელში, არის კომპანიის ცხოვრება. გარდა ამისა, აუცილებელია სტოპ ფაქტორის შემოღება: თუ ბიზნესი ერთ წელზე ნაკლებია, რაც საქმიანობს, ეს მოდელი არ იქნება გამოყენებული ანგარიშგების არარსებობისა და კომპანიის ბიზნესის გაგების უნარის გამო.

კიდევ ერთი აუცილებელი მაჩვენებელია დადებითი საკრედიტო ისტორია. ეს არის ერთ-ერთი ყველაზე მნიშვნელოვანი არაფინანსური მაჩვენებელი, რომელიც ახასიათებს, ფაქტობრივად, მომავალი სესხის მომსახურების ხარისხს. არაგონივრული იქნებოდა საკრედიტო სახსრების დროულად დაფარვაზე დათვლა საწარმოსგან, რომელსაც აქვს დაგვიანება სხვა კრედიტორებთან. განვიხილოთ განხილული არაფინანსური მაჩვენებლები და მათთვის ქულების განაწილება ცხრილში. 3.

ცხრილი 3. ქულების მოდელის არაფინანსური მაჩვენებლები

ჯგუფი	ინდიკატორის ინდიკატორები		მაქსიმალური ქულის პროცენტი დიაპაზონისთვის
Ბიზნეს პროცესები	მენეჯმენტის ხარისხი		1
			0,5
			0
		> 5 წელი	1
		3-5 წელი	0,75
		1-3 წელი	0,25
		< 1 года	გაჩერების ფაქტორი
			1
			0,5
			0
		გასული ფინანსური წლის განმავლობაში სესხებისა და სესხების სისტემატური დაგვიანების არსებობა; ვადაგადაცილებული ანგარიშების მნიშვნელოვანი რაოდენობა (> 25%)	გაჩერების ფაქტორი

ჩვენ შევადგინეთ შეფასების ინდიკატორების სისტემა, რომელმაც, ჩვენი აზრით, სრულყოფილად და სრულყოფილად უნდა შეაფასოს მსესხებლის ხარისხი და მისი ვალდებულებების შესრულების უნარი. სამუშაოს შემდეგი ნაწილი, ნებისმიერი ქულების მოდელის შექმნისას, ყველაზე შრომატევადია - სხვადასხვა სავარაუდო ინდიკატორის წონის განსაზღვრა. ჩვენი მოდელის პროგნოზირებადი მნიშვნელობა დამოკიდებულია იმაზე, თუ რამდენად ობიექტურად ვაფასებთ გარკვეული ფაქტორების მნიშვნელობას. ეს სტატია გავაანალიზებთ წონებს რამდენიმე მეთოდზე დაყრდნობით შესაძლო შეცდომების აღმოსაფხვრელად.

შეწონვის კოეფიციენტები ჯერ დადგინდება ანალიტიკური პროცედურების გამოყენებით და შემდეგ შედარება რეგრესიული ანალიზის შედეგებთან.

მოდელის წონით კოეფიციენტების ანალიტიკური შეფასება

როგორც შეფასების ინსტრუმენტს, ჩვენ ავიღებთ TL წიგნში დეტალურად აღწერილ მეთოდოლოგიას. Saaty "კონფლიქტური სიტუაციების მათემატიკური მოდელები" [b]. ეს მეთოდი საშუალებას გაძლევთ თავი დააღწიოთ ფაქტორების მრავალფეროვნებას და შეადაროთ მხოლოდ ორი მათგანი დროის კონკრეტულ მომენტში მნიშვნელობისთვის, საბოლოო ჯამში, განსაზღვროთ თითოეული ფაქტორის გავლენის მნიშვნელობა ნებისმიერ ზოგად ინდიკატორზე. ტექნიკა დაფუძნებულია დაწყვილებული შედარებების მატრიცების შედგენაზე, რომლებიც აგებულია ფაქტორებზე, რომლებიც გავლენას ახდენენ ნებისმიერ საერთო ინდიკატორზე. ასეთი მატრიცები შეიძლება აშენდეს, მაგალითად, გადახდისუნარიანობის ინდიკატორისთვის იმ ფაქტორების კონტექსტში, რომლებიც წარმოდგენილია ფინანსური ბერკეტების, ვალის ტვირთის და პროცენტის დაფარვის კოეფიციენტებით. ამოცანაა ისეთი მატრიცების შექმნა ფაქტორების ყველა ჯგუფისთვის, რომლებიც გავლენას ახდენენ ნებისმიერ ზოგად ინდიკატორზე. შედეგად, შეიქმნება ცხრილის ორი მატრიცა. 2 - ინდიკატორთა ჯგუფებისთვის "გადახდისუნარიანობა" და "საქმიანი საქმიანობა", ცხრილისთვის ერთი მატრიცა. 3 - ბიზნეს პროცესების ინდიკატორებისთვის, ასევე ორი მატრიცა გაერთიანებული დონისთვის - ერთი მატრიცა ფინანსური ინდიკატორების ჯგუფისთვის, რომელიც შედგება ინდიკატორების ჯგუფები "ლიკვიდობა", "გადახდისუნარიანობა" და "ბიზნეს აქტივობა" და ერთი ორი აგრეგირებული ბლოკისთვის. - ზოგადად ფინანსური და არაფინანსური მაჩვენებლები.

სულ ხუთი წყვილი შედარების მატრიცაა, რომელთაგან თითოეული მისცემს საკუთარ კოეფიციენტს მასში შემავალი ინდიკატორისთვის. ამრიგად, იერარქიის ბოლოში მდებარე ღონისძიების შეწონვის კოეფიციენტის მისაღებად, მაგალითად, პროცენტის დაფარვის კოეფიციენტისთვის, აუცილებელია ფინანსური ინდიკატორების წონითი კოეფიციენტის გამრავლება გადახდისუნარიანობის ინდიკატორების წონით კოეფიციენტზე ფინანსურში. მაჩვენებლებით და ფინანსური მაჩვენებლების ფარგლებში პროცენტის დაფარვის ინდიკატორის კოეფიციენტით.

თავად მატრიცების სათაურებში ინდიკატორების ჯგუფებისთვის, ფაქტორების სახელები მოთავსებულია ვერტიკალურ და ჰორიზონტალურ სვეტებში. შემდეგ მატრიცები ივსება მნიშვნელობებით, რომლებიც წარმოადგენს ერთი ფაქტორის სუბიექტური უპირატესობების მეორეზე გადაქცევას ემპირიულ ფორმაში, ცხრილში წარმოდგენილი მეთოდოლოგიის მიხედვით. 4 (მონაცემების გამოყენებით ნახ. 2).

ცხრილი 4. T. Saaty-ის მეთოდი. პრეფერენციების კლასიფიკაცია (ნახ. 2-ზე დაყრდნობით)

ძირითადად გამოიყენება კენტი რიცხვები, თუმცა, თუ არჩევა რთულია, შეგიძლიათ გამოიყენოთ ლუწი, როგორც საშუალო დონე ორ კენტს შორის. ოთხი ფაქტორისთვის ასეთი მატრიცის მაგალითი ნაჩვენებია ნახ. 2. შესაბამისად, როდესაც ერთსა და იმავე ფაქტორს ვადარებთ, ელემენტი იღებს მნიშვნელობას 1, ამიტომ ასეთი მატრიცები არის იდენტურობა. ადვილი მისახვედრია, რომ ისინი ასევე უკუსიმეტრიულია, რაც საშუალებას გვაძლევს შევავსოთ ასეთი მატრიცა მხოლოდ ძირითადი დიაგონალის ზემოთ ან ქვემოთ მდებარე მნიშვნელობებისთვის.

იმის გათვალისწინებით, რომ წყვილთა შედარების მატრიცები საპირისპირო სიმეტრიულია, უნდა შევადაროთ მხოლოდ ერთი მიმართულებით და შეიყვანოთ შესაბამისი მნიშვნელობები მატრიცაში მთავარი დიაგონალის ზემოთ, ხოლო ძირითადი დიაგონალის ქვეშ არსებული მნიშვნელობები შებრუნებული იქნება.

ხუთი ასეთი მატრიცის მიღების შემდეგ, გამოითვლება წონის კოეფიციენტები: გაიზომება მატრიცებში თითოეული მნიშვნელობის წონა სვეტის მთლიან ჯამთან მიმართებაში, შემდეგ კი ამ მნიშვნელობებიდან აიღეთ ამ მნიშვნელობების საშუალო არითმეტიკული. თითოეულ რიგში. საშუალო არითმეტიკული მნიშვნელობები იქნება წონის კოეფიციენტები. გადახდისუნარიანობის ინდიკატორების ჯგუფის მატრიცის მაგალითი ნაჩვენებია ნახ. 3.

აღწერილი გამოთვლების გაკეთების შემდეგ, ჩვენ ვიღებთ თითოეული ინდიკატორის სპეციფიკურ წონას. შემდგომი გამოთვლების მოხერხებულობისთვის, ჩვენ განვსაზღვრავთ მაქსიმალურ შესაძლო ქულას, როგორც ინდიკატორის სპეციფიკური წონის ნამრავლს 50 1-ით, რასაც მოჰყვება დამრგვალება მთელ რიცხვზე (ცხრილი 5.6).

1 ეს ოპერაცია შესრულებულია მხოლოდ მოხერხებულობისთვის, რიცხვი 50 საშუალებას აძლევს მინიმალურ კოეფიციენტს გადავიდეს მთელ რიცხვამდე (ამ შემთხვევაში, მნიშვნელობა 2). ვინაიდან ყველა კოეფიციენტი მრავლდება ერთსა და იმავე რიცხვზე, ჩვენ არ ვამახინჯებთ ანალიტიკური მიდგომის შედეგებს. - დაახლ. რედ.

ინდიკატორების მნიშვნელობის განსაზღვრა რეგრესიული ანალიზის გამოყენებით

სტატისტიკური კვლევის ჩასატარებლად გამოვიყენეთ მონაცემები საცალო ვაჭრობის სექტორის 41 მსხვილი კომპანიის შესახებ. ამ კომპანიებმა გამოუშვეს კორპორატიული ობლიგაციები, ხოლო 16 ობლიგაციამ დაასრულა. თითოეული კომპანიისთვის, კორპორატიული ობლიგაციების გამოშვების წლის წლიური ანგარიშების საფუძველზე გამოითვალა სკორინგის მოდელის რვა შერჩეული ინდიკატორი. ნიმუში წარმოდგენილია დანართ 1-ში. იგი შეიცავს განმარტებით ინდიკატორს y - დეფოლტის ალბათობას, რომელიც იღებს მნიშვნელობას 1, თუ კომპანიამ არ შეასრულა თავისი ვალდებულებები. შერჩეული სამი ინდიკატორი მარჯვნივ დაყენებული იყო, როგორც მოჩვენებითი ცვლადები (მათ შეუძლიათ მიიღონ მხოლოდ 0 ან 1 მნიშვნელობები) მათი ხარისხობრივი ბუნების გამო. ისინი იღებენ მნიშვნელობებს 1, თუ ბოლო სამი წლის განმავლობაში კომპანიას აქვს წმინდა მოგება > O (Nl > 0), სტაბილური და მაღალი ხარისხის მართვის გუნდი (მენეჯერი) და დადებითი საკრედიტო ისტორია (ისტორია). ფინანსური ინდიკატორები (პირველი ხუთი ინდიკატორი) გამოითვალა წლიური ფინანსური ანგარიშგების საფუძველზე IFRS სტანდარტების მიხედვით, ვადაგადაცილებული ობლიგაციების გამოშვების წელს.

კვლევის მოდელად ვირჩევთ წრფივი მრავალვარიანტული რეგრესიის კონსტრუქციას:

p = w 0 + w 1 x 1 + w 2 x 2 + ... + w n x n,

სადაც p არის დამოკიდებული ცვლადი, რომელიც აღწერს დეფოლტის ალბათობას;
w - წონის კოეფიციენტები; x - ინდიკატორები.

მაშ ასე, შევიტანოთ საწყისი მონაცემები Excel-ში და გამოვიყენოთ მონაცემთა ანალიზი - რეგრესიის ფუნქცია. ქულების მოდელის რვა ინდიკატორის საწყისი მონაცემების გაანალიზებისას კორექტირების გარეშე ვიღებთ შედეგს, რომელიც წარმოდგენილია დანართ 2-ში. მორგებული R^2 არის 0.55 - დაბალი, მაგრამ მისაღები მნიშვნელობა, რომელიც მიუთითებს აგებული რეგრესიის პრაქტიკულ მნიშვნელობაზე. შესაძლებელია გამოვთქვათ ვარაუდი მონაცემებში გარე ნიშნების არსებობის დაბალი მნიშვნელობის მიზეზის შესახებ, მაგალითად, ზოგიერთი კომპანიისთვის ღირებულებების არარსებობა EBIT / პროცენტის თვალსაზრისით, ვალის დატვირთვის არარსებობის გამო ( გამარტივებული, კვლევის მიზნებისთვის აღებულია კოეფიციენტის მნიშვნელობა ამ შემთხვევაში 0-ის ტოლი) ან სესხის / EBITDA ინდიკატორის უარყოფითი მნიშვნელობა ფულადი სახსრების უარყოფითი ნაკადის გამო. ამ შემთხვევაში უარყოფითი ინდიკატორის გავლენა არასწორად აღიქმება, რადგან, კვლევის ლოგიკის მიხედვით, რაც უფრო მაღალია დავალიანება/EBITDA, მით უფრო მაღალია დეფოლტის ალბათობა; უარყოფითი მაჩვენებელი, თავის მხრივ, არ არის დაბალი ვალის ტვირთის მაჩვენებელი. ასევე, პროგნოზირების უნარზე გავლენას ახდენს კომპანიები ინდივიდუალური ინდიკატორების გამოხატული ექსტრემალური მნიშვნელობებით. ასე რომ, ბანანა-მამა კომპანიას აქვს სააქციო კაპიტალი 10,000 რუბლი, რაც იწვევს შესაბამისი მაჩვენებლების დამახინჯებას - ფინანსური ბერკეტი არის 181,957 (ინდუსტრიის საშუალო მნიშვნელობებით 0,7-1,5 დიაპაზონში).

ცხრილი 5. ფინანსური მაჩვენებლები წონის გათვალისწინებით

ინდექსი	წონა ქულათა ბარათში	მაქსიმალური ქულა	კოეფიციენტის დიაპაზონი
			>1	5
მიმდინარე ლიკვიდობის კოეფიციენტი	0,1072	5	> 1	5
			0,75-0,1	4
			0,5-0,75	1
			0-0,5	0
მიმდინარე ლიკვიდობის კოეფიციენტი	0,1581	8	< 1	8
			1-1,5	6
			1,5-2	4
			2-2,5	2
			> 2,5	0
ვალის დატვირთვის კოეფიციენტი, წმინდა დავალიანება / 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
გაყიდვებზე დაბრუნება, ROS	0,1256	6	> 0,025	6
			0,02-0,025	5
			0,015-0,02	3
			< 0,015	0
	0,0418	2	არა	2
			ერთი საანგარიშო პერიოდისთვის	1
			ორი ან მეტი საანგარიშო პერიოდისთვის	0
სულ	0,6698	33	-	68

გამოვრიცხოთ კვლევიდან შემდეგი ექვსი კომპანია: Gorod supermarket, Intertrade, M.Video (2013), Svyaznoy, Banana-Mama და Proviant. ჩვენ ასევე აღვნიშნავთ ROS ინდიკატორების ერთდროული გამოყენების შეუძლებლობას და დანაკარგების არარსებობას (Nl > 0) მათი მაღალი კორელაციის გამო. ფაქტია, რომ თუ კომპანიას აქვს ზარალი, გაყიდვების მომგებიანობა ავტომატურად იღებს უარყოფით მნიშვნელობას.

ცხრილი 6. არაფინანსური მაჩვენებლები წონით

ინდექსი	წონა ქულათა ბარათში	მაქსიმალური ქულა	თანაფარდობის დიაპაზონი / შეფასების მეთოდოლოგია	ქულების რაოდენობა წონის დიაპაზონისთვის
მენეჯმენტის ხარისხი	0,099	5	ყველა აღწერილი პირობის შესრულება	5
			ერთ-ერთი პირობის შეუსრულებლობა	2,5
			ერთზე მეტი პირობის შეუსრულებლობა	0
კომპანიის ცხოვრება	0,0528	3	> 5 წელი	3
			3-5 წელი	2
			1-3 წელი	1
			< 1 года	გაჩერების ფაქტორი
დადებითი საკრედიტო ისტორია	0,1782	9	სესხებსა და სესხებზე დავალიანების არარსებობა, ვადაგადაცილებული დავალიანება	9
			ვალის რესტრუქტურიზაციის შესახებ ინფორმაციის ხელმისაწვდომობა; გადასახდელების უმნიშვნელო შეფერხებები (10%-მდე).	4,5
			სესხებისა და კრედიტების დაგვიანების ერთი შემთხვევა შემდგომი დაფარვით; გადასახდელების მნიშვნელოვანი დაგვიანებები (მთლიანი დავალიანების 10-25%)	0
			გასული ფინანსური წლის განმავლობაში სესხებისა და სესხების სისტემატური დაგვიანების არსებობა; ვადაგადაცილებული გადასახდელების მნიშვნელოვანი რაოდენობა (>25%)	გაჩერების ფაქტორი
სულ		17

ამ მოსაზრებებიდან გამომდინარე, ჩვენ ვხსნით ინდიკატორს Nl > 0 ჩვენი მოდელიდან. ახალი შვიდფაქტორიანი რეგრესია 35 კომპანიის განახლებულ ნიმუშზე, მივიღებთ შემდეგ შედეგს (დანართი 3). ჩვენ ვხედავთ, რომ შვიდი შესწავლილი ინდიკატორიდან ექვსი მნიშვნელოვანია. კოეფიციენტების ნიშნები სწორად ასახავს ზემოთ დაშვებულ დაშვებებს: რაც უფრო მაღალია გაყიდვების მომგებიანობა და მენეჯმენტის ხარისხი, მით უფრო დაბალია გადაუხდელობის ალბათობა (y = 1) და პირიქით: რაც უფრო მაღალია ვალის დატვირთვა, მით მეტია ალბათობა. ნაგულისხმევი. ერთი შეხედვით, ნიშანი არასწორია მხოლოდ მიმდინარე ლიკვიდობის კოეფიციენტისთვის. თუმცა, მაღალი ლიკვიდურობის ღირებულებები ისეთივე ცუდია, როგორც მცირე - ისინი მიუთითებენ ბიზნესის დაბალ ეფექტურობაზე და დაკარგულ მოგებაზე. კომპანიები, რომლებსაც აქვთ დიდი ლიკვიდურობის კოეფიციენტები, მიდრეკილნი არიან მოგების, დაბალი მომგებიანობისა და ბიზნესის მომგებიანობისკენ, რაც მათ ნაკლებად მიმზიდველს ხდის პოტენციური ინვესტორების თვალში და, შესაბამისად, უფრო დაუცველებს ფინანსური პირობების ცვლილების მიმართ. ყველაზე მნიშვნელოვანი არის კოეფიციენტები D (ან დავალიანება - პროცენტიანი ვალის მოცულობა) / EBITDA, დადებითი საკრედიტო ისტორია და ფინანსური ბერკეტი; პროცენტის დაფარვის კოეფიციენტი უმნიშვნელოა.

ზემოთ, კოეფიციენტების მოდელირებისას T. Saaty მეთოდით, ჩვენ ასევე ვივარაუდეთ, რომ ყველაზე მნიშვნელოვანი მაჩვენებლები იქნება ვალის დატვირთვისა და ფინანსური ბერკეტის კოეფიციენტები. კოეფიციენტების საბოლოო მნიშვნელობის შედარებითი ანალიზი მოცემულია ცხრილში. 7.

ცხრილი 7. კოეფიციენტების მნიშვნელოვნების შედარებითი ანალიზი

ექსპერტის შეფასებებზე დაფუძნებული ინდიკატორი თ.საათის მეთოდის მიხედვით	კოეფიციენტი	ინდიკატორი რეგრესიული ანალიზის საფუძველზე	p-მნიშვნელობა
დადებითი საკრედიტო ისტორია	0,1782	ვალის დატვირთვის კოეფიციენტი, წმინდა დავალიანება / EBITDA	0,014
ფინანსური ბერკეტის კოეფიციენტი	0,1581	დადებითი საკრედიტო ისტორია	0,020
ვალის დატვირთვის კოეფიციენტი, წმინდა დავალიანება /EBITDA	0,1581	ფინანსური ბერკეტის კოეფიციენტი	0,022
გაყიდვებზე დაბრუნება, ROS	0,1256	მენეჯმენტის ხარისხი	0,037
მიმდინარე ლიკვიდობის კოეფიციენტი	0,1072	გაყიდვებზე დაბრუნება, ROS	0,039
მენეჯმენტის ხარისხი	0,099	მიმდინარე ლიკვიდობის კოეფიციენტი	0,047
პროცენტის დაფარვის კოეფიციენტი, EBIT / პროცენტი	0,0790	პროცენტის დაფარვის კოეფიციენტი, EBIT / პროცენტი	უმნიშვნელო
კომპანიის ზარალი ბოლო სამი საანგარიშო პერიოდისთვის	0,0418	კომპანიის ზარალი ბოლო სამი საანგარიშო პერიოდისთვის	შესწავლილი იყო როგორც არაფინანსური მაჩვენებელი, უმნიშვნელო

ეს შედეგები მიუთითებს T. Saaty-ის მეთოდისა და სტატისტიკური მონაცემების თანმიმდევრულობაზე. სამი ყველაზე მნიშვნელოვანი ინდიკატორი ანალიტიკური მიდგომის მიხედვით ადასტურებს მათ მაღალ მნიშვნელობას პრაქტიკულ კვლევაში, შეიცვალა მხოლოდ თავად ინდიკატორების რიგითობის განაწილება. ასევე, სამუშაოს პირველი ნაწილის ორი ყველაზე ნაკლებად მნიშვნელოვანი მაჩვენებელი - მენეჯმენტის ხარისხი და EBIT/პროცენტი - უმნიშვნელო აღმოჩნდა სტატისტიკურ კვლევაში.

ამრიგად, რეგრესიული ანალიზი ადასტურებს ნაწარმოების ანალიტიკურ ნაწილში წონის კოეფიციენტების მნიშვნელოვნების კლასიფიკაციის პრინციპებს და საშუალებას გვაძლევს ვისაუბროთ აგებული ქულების მოდელის სტატისტიკურ მნიშვნელობაზე.

შემუშავებული ქულების მოდელის შედეგების განსაზღვრა

ქულების მოდელის ჯამური მაქსიმალური ქულა არის 50. თითოეული ინდიკატორისთვის, მნიშვნელობების დიაპაზონების განსაზღვრის პროცესში, ჩვენ გამოვყავით შემდეგი დონე მაქსიმალური ქულის შემდეგ, რომელიც ასევე მისაღებია, თუმცა რისკის შედარებით მაღალი დონით, ეფუძნება ინდიკატორების საბაზრო ღირებულებებზე. ზოგიერთი ინდიკატორისთვის მაქსიმალურის შემდგომი დონე იყო ქულების საერთო რაოდენობის 75%, სხვებისთვის - 50%. ყველა შემდგომი დონე ჩაითვლება მაღალი საკრედიტო რისკის მქონე დონეზე და შესაბამისი მსესხებლები კლასიფიცირდება როგორც ცუდი. ყველაზე სასურველ ჯგუფში შედის მსესხებლები, რომლებიც აკმაყოფილებენ მაქსიმალურ მოთხოვნებს ყველაზე მნიშვნელოვან (წონის კოეფიციენტების თვალსაზრისით) ინდიკატორებზე: საკრედიტო ისტორია, ფინანსური ბერკეტი და დავალიანების დატვირთვა, ასევე გაყიდვებზე დაბრუნება 31 ქულის ოდენობით და მინიმუმის შესრულება. სხვა ინდიკატორებზე მოთხოვნების შემდეგი მაქსიმალური დონე - ჯამში 12,5. სულ 43.5 ქულა მაღალი კრედიტუნარიანობის ქვედა დონისთვის.

სასაზღვრო ინტერვალის დასადგენად, რომელიც ახასიათებს კრედიტუნარიანობის მაღალ ხარისხს, ჩვენ ვიანგარიშებთ ქულების რაოდენობას ფინანსური და არაფინანსური ინდიკატორებისთვის შემდეგში ცხრილის მნიშვნელობების მაქსიმალური დიაპაზონის შემდეგ. 5 და ბ. ინდიკატორები დაყოფილია კოეფიციენტების მიღებული მნიშვნელობების მიხედვით სხვა დიაპაზონებში. მივიღებთ შემდეგ კლასიფიკაციას (ცხრილი 8).

ცხრილი 8. შედეგების კლასიფიკაცია

ცხრილი 9. ქულების მოდელის პროგნოზირების უნარი, %

ცხრილის საფუძველზე. 8, ჩვენ შევაფასებთ ჩვენი მოდელის პროგნოზირების უნარს კომპანიის მონაცემების მის პირობებში ჩანაცვლებით. დანართი 4 აჩვენებს გამოკითხული კომპანიების გამოთვლილ ქულებს. ინდიკატორის მნიშვნელობიდან გამომდინარე, შემუშავებული მოდელის მიხედვით შეტანილი იყო მისი ქულა ცხრილში, შემდეგ კი ყველა ქულა შეჯამდა ინტეგრალურ ინდიკატორში (სვეტი „ჯამ“). ჯამური ქულების მიხედვით, კომპანიები დაიყო სამ კლასად, შემდეგ მონაცემები შეადარეს კომპანიის მიერ დეფოლტის რეალურ არსებობას ან არარსებობას. სვეტში "მართალია თუ არა" 1 ნიშნავს ქულების მოდელის სწორ შედეგს, 0 - შეცდომას. ამრიგად, მივიღეთ შემდეგი შედეგი (ცხრილი 9).

ჩვენ მივიღეთ საშუალო (სხვადასხვა წყაროებში აღწერილთან შედარებით) შედეგი მოდელების პროგნოზირების უნარისთვის. თუმცა, აღსანიშნავია II ტიპის შეცდომების დაბალი პროცენტი, რაც ზრდის ჩვენი მოდელის პროგნოზირებულ მნიშვნელობას. ეს შედეგი შეიძლება ჩაითვალოს დადებითად და ადასტურებს კვლევის ეფექტურობას.

დასკვნა

ამ ნაშრომში შემოთავაზებული იყო სკორინგის მოდელი მსხვილი საცალო ვაჭრობის საწარმოების კრედიტუნარიანობის შესაფასებლად. მოდელი ეფუძნება შესრულების ინდიკატორების ერთობლიობას, რაც შესაძლებელს ხდის მსესხებლის ფინანსური და არაფინანსური მდგომარეობის ყოვლისმომცველ შეფასებას.

შეფასების შედეგების საფუძველზე მსესხებელს ენიჭება კრედიტუნარიანობის სამი კლასიდან ერთ-ერთი, რომელიც ახასიათებს საკრედიტო რისკის ხარისხს და სესხის გაცემის შესაძლებლობას.

ჩვენ შევქმენით შესრულების ინდიკატორების სისტემა, რომელიც საშუალებას გვაძლევს ყველაზე ზუსტად შევაფასოთ მსესხებლის მდგომარეობა საცალო ვაჭრობის სექტორიდან. საცალო ბაზრის ლიდერების ანალიზისა და მათთვის გამოყენებული ინდიკატორების გაანგარიშების შემდეგ, ჩვენ დავადგინეთ მათთვის მისაღები მნიშვნელობების საზღვრები და დავასახელეთ ისინი სხვადასხვა ჯგუფში მაქსიმალური შესაძლო ქულის სხვადასხვა პროცენტებით.

ყველაზე შრომატევადი ამოცანა იყო შესწავლილი ინდიკატორების შეწონვის კოეფიციენტების განსაზღვრა. დაასკვნეს, რომ საჭიროა ინტეგრირებული მიდგომა რომელიმე იდეალური მეთოდის არარსებობის გამო. ინტეგრირებული მიდგომა განხორციელდა შემდეგნაირად: სამუშაოს პირველ ნაწილში წონის კოეფიციენტები განისაზღვრა ანალიტიკური პროცედურების გამოყენებით, მეორე ნაწილში კი სტატისტიკური კვლევის გამოყენებით.

შემუშავებულმა მოდელმა აჩვენა მაღალი შედეგები პროგნოზირების უნარში, ხოლო ანალიზისთვის არ საჭიროებს რესურსის დიდ ხარჯებს. შემუშავებული სკორინგის სისტემის ამოქმედება გაზრდის საკრედიტო გადაწყვეტილების მიღების ეფექტურობას მსხვილი საცალო საწარმოების სფეროში და ოპტიმიზაციას გაუწევს საკრედიტო პროცესს.

ლიტერატურა

1. Ayvazyan S.A., Mkhitaryan B.C. გამოყენებითი სტატისტიკა და ეკონომეტრიის საფუძვლები. - M.: GU HSE, 1998 წ.

2. გავრილოვა ა.ჰ. ორგანიზაციის ფინანსები. - M.: Knorus, 2007 წ.

3. კორობოვა გ.გ., პეტროვი მ.ა. ბანკის მსესხებლის გადახდისუნარიანობა და მისი შეფასება კონკურენტულ გარემოში // საბანკო მომსახურება. -2005წ. -No7/8. -გ. 22-24.

4. კულიკოვი ნ.ი., ჩაინიკოვა ლ.ი. საწარმო-მსესხებლის კრედიტუნარიანობის შეფასება. - ტამბოვი: თსტუს უნივერსიტეტი, 2007 წ.

5. რუსეთის ფედერაციის ცენტრალური ბანკის დებულება No254-P „სესხებზე შესაძლო ზარალზე საკრედიტო ინსტიტუტების მიერ რეზერვების ფორმირების პროცედურის შესახებ, სესხებზე და მათ ეკვივალენტურ დავალიანებაზე“ 2004 წლის 26 მარტი - http:// base.garant.ru/584458/.

6. საათი თ.ლ. კონფლიქტური სიტუაციების მათემატიკური მოდელები / რედ. ი.ა. უშაკოვი. - მ.: საბჭოთა რადიო, 1977 წ.

7. Sheremet A.D., Saifulin R.C., Negashev H.B. ფინანსური ანალიზის მეთოდები. - მ.: ინფრა-მ, 2001 წ.

8. Abdou H.A., Pointon J. (2011). „კრედიტის შეფასება, სტატისტიკური ტექნიკა და შეფასების კრიტერიუმები: ლიტერატურის მიმოხილვა“. ინტელექტუალური სისტემები ბუღალტერიაში, ფინანსებსა და მენეჯმენტში, ტ. 18, არა. 2-3, გვ. 59-88 წწ.

9. ბეილი მ. (2004). სამომხმარებლო კრედიტის ხარისხი: ანდერრაითინგი, ქულების შეგროვება, თაღლითობის პრევენცია და შეგროვება. White Box Publishing, Kingswood, Bristol.

10. Crook J., Edelman D., Thomas L. (2007). "უახლესი მოვლენები სამომხმარებლო საკრედიტო რისკის შეფასებაში". ოპერაციული კვლევის ევროპული ჟურნალი, ტ. 183, No. 3, გვ. 1447-1465 წწ.

11. Gately E. (1996). ნერვული ქსელები ფინანსური პროგნოზირებისთვის: უახლესი სავაჭრო სისტემების დიზაინისა და გამოყენების საუკეთესო ტექნიკა. ნიუ-იორკი: John Wiley & Sons, Inc.

12. Guillen M., Artis M. (1992). დათვლის მონაცემთა მოდელები საკრედიტო ქულების სისტემისთვის: ევროპული კონფერენციების სერია რაოდენობრივ ეკონომიკაში და ეკონომეტრიაში ხანგრძლივობის, დათვლის და გარდამავალი მოდელების ეკონომეტრიაზე. პარიზი.

13. Heffernan S. (2004). თანამედროვე საბანკო საქმე. John Wiley & Sons, Inc., ჩიჩესტერი, დასავლეთ სასექსი.

14. Liang Q. (2003). "კორპორატიული ფინანსური დისტრესი ჩინეთში: ემპირიული ანალიზი საკრედიტო ქულების მოდელების გამოყენებით". Hitotsubashi Journal of Commerce and Management, ტ. 38, No. 1, გვ. 13-28.

დანართი 1.

კვლევის ნიმუში

№	კომპანია	y / ნაგულისხმევი დროშა	მიმდინარე ლიკვიდობის კოეფიციენტი			EBIT / პროცენტი / EBIT პროცენტის თანაფარდობა		NI > 0/ წმინდა მოგების არსებობა
1	აფთიაქი 36.6	0	0,82	1,32	2,41	1,83	0,0496	1	1	1
2	L "ეტუილი	0	5,04	2,75	10,98	1,64	0,007	1	1	1
3	Ქერქი	0	0,795	0,77	3,13	1,89	0	0	1	1
4	ლენტი	0	0,75	9,7	2,91	3,1	0,049	1	1	1
5	კარგი	0	0,67	0,78	1,59	7,01	0,0357	1	1	1
6	ავტოსამყარო	0	1,2	0,65	3,09	1,35	0,04	1	1	1
7	Х5 საცალო ჯგუფი	0	0,55	0,53	3,32	2,82	0,027	1	1	1
8	ქალაქი	0	0,99	18,97	10,25	1,29	0,01	1	1	0
9	ბავშვთა სამყარო	0	0,93	0,83	2,14	3,99	0,032	1	1	1
10	დიქსი	0	0,77	1,19	6,1	1,78	0,01	1	1	1
11	InterTrade	0	1,24	20,65	4,92	2,1	0,015	1	1	0
12	კარუსელი	0	0,73	0,68	3,175	1,71	0,059	1	1	1
13	პენი	0	0,68	2,93	7,03	1,82	0	0	1	1
14	კოსმოს ჯგუფი	0	1,64	1,11	2,88	2,65	0,043	1	1	1
15	მაგნიტი	0	და	0,54	1,11	10,2	0,061	1	1	1
16	მაგნოლია	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	OAO NTS	0	1,18	3,09	5,44	1,05	0,21	1	0	1
20	რუსეთის ფეხსაცმელი	0	0,87	2,34	1,87	5,65	0,1	1	1	1
21	გზაჯვარედინზე (2005)	0	0,54	1,09	3,16	3,92	0,026	1	1	1
22	პივდომი	0	1,99	3	8	1,1	0,0006	1	0	1
23	Ოჯახი	0	10	0,28	1,66	6	0,58	1	1	1
24	სვიაზნოი	0	1,07	0	0	0	0,001	1	1	1
25	ელეკამ	0	1,44	1,82	4,25	1,3	0,01	1	1	1
26	მაკრო	1	1	15	11	1,52	0,01	1	0	1
27	პრესტიჟის ექსპრესი	1	8	0,98	12,43	1,02	0,002	1	0	1
28	არბატ პრესტიჟი	1	0,49	1,81	7,6	1,45	0,017	1	1	0
29	ორქიდეა	1	3	1,164	13	0	0,01	1	0	1
30	ბანანის დედა	1	0,94	181957	-35	-0,6	-0,033	0	1	0
31	თეთრი ფრეგატი	1	7	932	8,76	0,88	-0,4	0	1	1
32	მართა	1	3,96	20	11	1/17	0,003	1	1	1
33	მატრიცა	1	2,38	21	6,82	1	0,001	1	0	0
34	მერკური (თვითქება)	1	1,12	9,98	7,32	1,27	0,003	1	1	1
35	მინესკო	1	0,79	4,39	12	0,12	-0,047	0	1	1
36	მოსმარტი	1	12	5	8	1,5	0	0	0	0
37	პოლისია	1	7,93	15	14	1,03	0,003	1	0	1
38	უზრუნველყოფა	1	0,12	35557	0	0	-0,819	0	0	1
39	მეშვიდე კონტინენტი	1	1,93	0,41	1,52	1,35	0,07	1	0	1
40	ტექნოსილა	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

შენიშვნა: თუ კომპანიას ჰქონდა ნაგულისხმევი, მაშინ კოეფიციენტი იღებს მნიშვნელობას 1 და 0, თუ არ იყო ნაგულისხმევი.

დანართი 2

რეგრესია რვა ფაქტორზე 41 კომპანიისთვის

რეგრესია და ნარჩენი	DF / თავისუფლების ხარისხების რაოდენობა	SS / კვადრატების ჯამი	MS=SS/DF	F- სტატისტიკა	მნიშვნელობა F / მნიშვნელობა
რეგრესია / რეგრესია	8	6,250849408	0,781356176	7,133131961	2.17209Е-05
ნარჩენი	32	3,505248153	0,109539005	-	-
სულ / სულ	40	9,756097561	-	-	-

გამოყენებული პარამეტრები			tStat/ t-statistic	P-vaiue / მნიშვნელობა
ჩაჭრა / მუდმივი	0,354797355	0,281481615	1,260463691	0,216616062
მიმდინარე ლიკვიდობის კოეფიციენტი	0,034652978	0,01876389	1,846790732	0,074043212
ბერკეტი / ფინანსური ბერკეტი	1.31819Е-05	4.77939E-06	2,758072506	0,009529947
D / EBITDA / პროცენტიანი დავალიანება EBITDA-ს თანაფარდობა	0,044980795	0,018152923	2,477881708	0,018682248
	-0,012377044	0,030936193	-0,40008296	0,691753745
ROS / გაყიდვებზე დაბრუნება	-0,530759612	0,375019201	-1,415286499	0,166643428
NI > 0 / წმინდა მოგების არსებობა	-0,02891433	0,164713359	-0,175543319	0,861758855
მენეჯერი / ხარისხის მენეჯმენტი	-0,266367ტლ2	0,134861932	-1,975109717	0,056935374
ისტორია/ საკრედიტო ისტორიის ხარისხი	-0,109402928	0,159841844	-0,684444857	0,498621797

დანართი 3

რეგრესია შვიდ ფაქტორზე 35 კომპანიისთვის

რეგრესია და ნარჩენი	DFI თავისუფლების ხარისხების რაოდენობა	SS / კვადრატების ჯამი	MS=SS/DF	F- სტატისტიკა	მნიშვნელობა F / მნიშვნელობა F
რეგრესია / რეგრესია	7	5,898901667	0,842700238	9,097165886	9.56Е-06
ნარჩენი	27	2,501098333	0,092633272	-	-
სულ / სულ	34	8,4	-	-	-

გამოყენებული პარამეტრები	კოეფიციენტები / კოეფიციენტები	სტანდარტული შეცდომა / სტანდარტული შეცდომა	t სტატისტიკა/ t-სტატისტიკა	P-მნიშვნელობა / მნიშვნელობა
ჩაჭრა / მუდმივი	0,473712463	0,25308461	1,871755309	0,072111654
მიმდინარე ლიკვიდობის კოეფიციენტი	0,018420061	0,017803477	1,034632774	0,047018946
ბერკეტი / ფინანსური ბერკეტი	0,017110959	0,009674238	1,768713818	0,022823937
D / EBITDA / პროცენტიანი დავალიანება EBITDA-ს თანაფარდობა	0,046019604	0,021802198	2,110778177	0,014194286
EBIT / პროცენტი / EBIT პროცენტის თანაფარდობა	-0,004583381	0,032996403	-0,13890548	0,89055573
ROS / გაყიდვებზე დაბრუნება	-0,582081686	0,483677061	-1,203451088	0,039247801
მენეჯერი / ხარისხის მენეჯმენტი	-0,174077167	0,138900851	-1,253247659	0,03786026
ისტორია / საკრედიტო ისტორიის ხარისხი	-0,378981463	0,194742843	-1,946061058	0,020243892

დანართი 4

კომპანიების შეფასება შერჩეულიდან ქულების მოდელის გამოყენებით

კომპანია	ზე	მიმდინარე ლიკვიდობის კოეფიციენტი	ბერკეტი / ფინანსური ბერკეტი	D / EBITDA / პროცენტიანი დავალიანება EBITDA-ს თანაფარდობა	EBIT / პროცენტი / EBIT პროცენტის თანაფარდობა	ROS / გაყიდვებზე დაბრუნება	მენეჯერი / ხარისხის მენეჯმენტი	ისტორია / დადებითი საკრედიტო ისტორია	კომპანიის ცხოვრება	ჯამი	Კლასი	მართალია თუ არა*
აფთიაქი 36.6	0	4	6	4	4	6	5	9	3	41	2	1
L "ეტუილი	0	5	0	0	4	0	5	9	3	26	3	0
Ქერქი	0	4	8	0	4	0	5	9	3	33	2	1
ლენტი	0	1	0	0	4	6	5	9	3	28	3	0
კარგი	0	1	8	4	4	6	5	9	3	40	2	1
ავტოსამყარო	0	5	8	0	3	6	5	9	3	39	2	1
Х5 საცალო ჯგუფი	0	1	8	0	4	5	5	9	3	35	2	1
ბავშვთა სამყარო	0	4	8	4	4	6	5	9	3	43	2	1
დიქსი	0	4	6	0	4	0	5	9	3	31	2	1
კარუსელი	0	1	8	0	4	6	5	9	3	36	2	1
პენი	0	1	0	0	4	0	5	9	3	22	3	0
კოსმოს ჯგუფი	0	5	6	0	4	6	5	9	3	38	2	1
მაგნიტი	0	5	8	8	4	6	5	9	3	48	1	1
მაგნოლია	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
OAO NTS	0	5	0	0	2	6	0	9	3	25	3	0
რუსეთის ფეხსაცმელი	0	4	2	4	4	6	5	9	3	37	2	1
გზაჯვარედინზე (2005)	0	1	6	0	4	5	5	9	3	33	2	1
პივდომი	0	5	0	0	2	0	0	9	3	19	3	0
Ოჯახი	0	5	8	4	4	6	5	9	3	44	1	1
ელეკამ	0	5	4	0	2	0	5	9	3	28	3	0
მაკრო	1	4	0	0	4	0	0	9	3	20	3	1
პრესტიჟის ექსპრესი	1	5	8	0	2	0	0	9	3	27	3	1
არბატ პრესტიჟი	1	0	4	0	3	0	5	0	3	15	3	1
ორქიდეა	1	5	6	0	0	0	0	9	3	23	3	1
თეთრი ფრეგატი	1	5	0	0	0	0	5	9	3	22	3	1
მართა	1	5	0	0	2	0	5	9	3	24	3	1
მატრიცა	1	5	0	0	0	0	0	0	3	8	3	1
მერკური (თვითქება)	1	5	0	0	2	0	5	9	3	24	3	1
მინესკო	1	4	0	0	0	0	5	9	3	21	3	1
მოსმარტი	1	5	0	0	3	0	0	0	3	11	3	1
პოლისია	1	5	0	0	2	0	0	9	3	19	3	1
მეშვიდე კონტინენტი	1	5	8	4	3	6	0	9	3	38	2	0
ტექნოსილა	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

* სვეტი გვიჩვენებს, მივიღეთ თუ არა სწორი გადაწყვეტილება კომპანიისთვის დაკრედიტების შესახებ სკორინგის მოდელის მიხედვით.