Koncept hodnotenia bonity zákazníka

Definícia 1

Scoring je štatistický alebo matematický model, ktorý využíva údaje z úverovej histórie klientov bánk a v konečnom dôsledku je možné vypočítať pravdepodobnosť, že ďalší potenciálny dlžník vráti prijaté prostriedky včas.

Táto metodika hodnotenia dlžníkov je váženým súčtom určitého súboru charakteristík vo veľmi zjednodušenej forme. Je to potrebné na vytvorenie súhrnného ukazovateľa. Tento ukazovateľ sa ďalej porovnáva s takzvanou hranicou rentability.

Takéto hodnotenie platobnej schopnosti dlžníka je potrebné na určenie integrálneho ukazovateľa každého potenciálneho klienta a získaný výsledok je potrebné porovnať s vyššie uvedenou čiarou (podľa toho iba tí dlžníci, ktorí majú tento ukazovateľ nad hranicou rentability, budú môcť získať pôžičku).

Banky zvyčajne v národnom hospodárstve používajú upravené modely bodového hodnotenia bonity jednotlivca, ktoré sú prispôsobené ruským podmienkam.

Najprv je uvedené predbežné posúdenie možnosti získať úver na základe údajov z dotazníkov-žiadostí dlžníkov. Na základe výsledkov vyplnených žiadostí sa podpisujú protokoly o hodnotení možnosti poskytnutia pôžičiek.

Príklad 1

Ak je skóre nižšie ako 30, protokoly zaznamenajú odmietnutie poskytnutia pôžičky, ale ak bolo získaných viac ako 30 bodov, v ďalšej fáze sa riziko posúdi opatrnejšie, pričom sa zohľadnia dodatočné prieskumy.

Výhody a nevýhody kreditného scoringu

Metódy a modely bodovania umožňujú:

• znížiť riziko nesplácania úveru;
• rozhodovať o poskytnutí pôžičky rýchlo a nestranne;
• vám umožní efektívne spravovať vaše úverové portfólio;
• nie je potrebné tráviť veľa času školením zamestnancov úverového oddelenia;
• v prítomnosti klienta je možné vykonať expresnú analýzu žiadosti o úver.

Medzi obmedzenia metodiky bodovania patrí skutočnosť, že ju možno aplikovať len na informácie o tých klientoch, ktorým banka už poskytla úver. Aj zamestnanci banky musia pravidelne kontrolovať kvalitu metodiky a analýzy a vypracovať novú metodiku bodovania.

Ďalšie zlepšovanie metodiky bodovania rozšíri a zmení zoznam hodnotených charakteristík úverov.

Pri hypotekárnych úveroch pre občanov sa využíva upisovanie dlžníka, najdôležitejšie je posúdenie včasnej splátky úveru. Odhaduje sa pomer veľkosti mesačných záväzkov dlžníka k celkovému príjmu rodiny za rovnaké obdobie atď.

Proces vykonávania bodového hodnotenia bonity dlžníkov

Na analýzu úverovej bonity potenciálneho dlžníka sa zvyčajne vyžaduje:

• kópiu dokladov preukazujúcich totožnosť dlžníka;
• potvrdenie o príjme klienta: potvrdenie vo forme 2-NDFL, kópia daňového priznania vo forme 3-NDFL;
• Okrem toho môžu požadovať aj dokumenty o vlastníctve nehnuteľnosti a iné dokumenty, ktoré môžu potvrdiť platobnú schopnosť a obchodnú povesť klienta.

Špecialisti banky analyzujú platobnú schopnosť jednotlivého dlžníka na základe údajov o priemernom mesačnom príjme a výške zrážok za predchádzajúcich šesť mesiacov, ako aj informácií na základe dotazníka. Výsledok sa vypočíta ako priemerný mesačný príjem mínus všetky povinné platby a upraví sa o korekčný faktor, ktorý sa mení v závislosti od výšky príjmu (od 0,3 do 0,6). Čím väčší príjem, tým väčšia úprava.

Poznámka 1

Momentálne najuniverzálnejšou metódou hodnotenia bonity je metóda hodnotenia finančnej situácie klienta.

Na zníženie a kontrolu rizík musia banky štvrťročne hodnotiť finančnú situáciu dlžníka.

Ako zlepšenie hodnotenia bonity fyzických osôb sa pri určovaní objemu poskytnutých úverov navrhuje využívať bodovací systém.

Úverové skóre je určené na meranie rizika nesplatenia zo strany potenciálneho dlžníka, pričom sa zohľadňujú rôzne faktory úverovej histórie. Vzorce na výpočet kreditného skóre zvyčajne západné banky nezverejňujú, ale vo všeobecnosti sa používajú tieto komponenty, ktoré možno považovať za použiteľné skúsenosti:

1. 35% je úverová história – prítomnosť alebo absencia kompromitujúcich informácií. Dôvodom na odmietnutie poskytnutia úveru môže byť konkurz, záložné práva, rozsudky, dohody, konfiškácie, exekúcie majetku, oneskorené platby.
2. 30 % pákový efekt – Táto kategória sa zameriava na množstvo špecifických rozmerov pákového efektu, vrátane počtu kontokorentných účtov, existujúcich dlhových záväzkov, nákupov na splátky.
3. 15% podiel pripadá na dobu úverovej histórie - priemernú dobu poskytovania úveru a dobu trvania pôvodného úveru.
4. 10% je zhodnotenie druhov čerpaných úverov (splátkový plán, kontokorentné úvery, spotrebné úvery, hypotéky), zobrazuje históriu spravovania rôznych typov úverov.
5. 10 % podiel na skóre pripadá na počet žiadostí o pôžičku – hodnotenie dlžníka sa zníži, ak boli žiadosti v poslednom čase (14 – 45 dní) predložené vo veľkom počte.

Skóringové modely by mali byť založené na aktuálnych údajoch a mali by byť rýchlo prekonfigurované, keď sa zmení úverová politika banky.

Úverový úrad hrá dôležitú úlohu v práci scoringového modelu. Je potrebné preštudovať si úverovú históriu potenciálneho dlžníka a manžela/manželku žiadateľa. Všetky druhy príjmov a výdavkov dlžníka musia byť zdokladované.

Príklad 2

Pôžičky by sa nemali poskytovať občanom, ktorí majú platby podľa vykonávacích dokumentov vo výške 50 a viac percent ich čistého príjmu. Ako zábezpeka za pôžičky by sa tiež nemala akceptovať záruka jednotlivca, ktorého zrážky zo mzdy sa rovnajú alebo presahujú 50 percent čistého príjmu.

Obrázok 1 predstavuje informácie vyvinuté zahraničnými bankami na získanie informácií o účele pôžičky, osobných charakteristikách dlžníka a úverovej histórii dlžníka.

Obrázok 1. Premenné používané v skórovacích modeloch na hodnotenie úverovej bonity dlžníkov. Author24 - online výmena študentských prác

Pri posudzovaní úverových rizík potenciálnych dlžníkov sa zohľadňuje množstvo faktorov: vek, rodinný stav a vzdelanie, počet jeho vyživovaných osôb, bydlisko klienta, povolanie, odpracovaná doba, doterajšie pracovné skúsenosti. Rovnako ako nasledujúce finančné informácie: pravidelné príjmy a záväzky klienta; úverová história, ktorá zahŕňa fakty ako kvalitné splácanie úveru; predchádzajúca pozitívna spolupráca s bankou, ak je klient už klientom banky.

Skóringový systém komerčných bánk je mechanizmus na výber potenciálnych dlžníkov prostredníctvom odborného overovania faktorov ovplyvňujúcich solventnosť a riziko nesplatenia finančných prostriedkov prijatých z úveru. Mechanizmy používané na hodnotenie úrovne dôveryhodnosti klientov závisia predovšetkým od úverovej schémy zvolenej finančnou inštitúciou. V niektorých komerčných bankách môžu úveroví pracovníci a bezpečnostní pracovníci klásť na potenciálnych zákazníkov úplne jedinečné požiadavky.

Do pozornosti dávame 4 banky, v ktorých môžete získať úver so zlou úverovou históriou:

Úroková sadzba
od 9,5 %

Termín
do 5 rokov

Sum
až 700 tisíc rubľov

Získanie úveru v deň podania žiadosti v banke

Úroková sadzba
od 7,5 %

Termín
do 5 rokov

Sum
až 1 milión rubľov

Okamžité rozhodnutie; odkúpenie bez provízie

Úroková sadzba
od 10,5 %

Termín
do 7 rokov

Sum
až 4 milióny rubľov

Banka o žiadosti rozhodne do 3 minút

Klasický bankový systém na hodnotenie dlžníkov

Vzájomné hodnotenie zvyčajne začína preskúmaním informácií poskytnutých dlžníkom v žiadosti. Pri poskytovaní veľkých úverov môžu zástupcovia finančnej inštitúcie trvať na osobnom stretnutí s klientom. Počas takéhoto rozhovoru úverový úradník vizuálne zhodnotí dlžníka, pričom si všimne možné vonkajšie príznaky vážneho ochorenia, emocionálnej nestability alebo nezrovnalostí s niektorými údajmi uvedenými v pôvodnom dotazníku.

Klasický systém hodnotenia budúcich dlžníkov funguje nasledovne:

1. Klient osobne komunikuje so skúseným úverovým manažérom alebo bezpečnostným pracovníkom banky.
2. Dlžník vyplní žiadosť, v ktorej uvedie osobné údaje.
3. Úverový manažér predkladá Úrad úverových histórií - orgán, ktorý vykonáva činnosti na vytváranie, uchovávanie a spracovanie úverových histórií "\u003e kancelária úverovej históriežiadosť o získanie údajov o predchádzajúcich záväzkoch žiadateľa o úver, potrebných pre následnú analýzu.
4. Zástupca úverovej inštitúcie počas rozhovoru položí niekoľko jednoduchých otázok, ktorých spoľahlivosť bude závisieť od toho, či dlžník spĺňa kritériá komerčnej banky.
5. Špecialista vydá verdikt po preštudovaní prijatých dôverných údajov.

Tradičné metódy hodnotenia platobnej schopnosti dlžníkov sú ideálne pre veľké komerčné banky, ktoré majú možnosť otvárať oddelenia zaoberajúce sa odborným skúmaním dokumentov. Podobné bodovacie schémy a Underwriting je štúdium pravdepodobnosti splatenia alebo nesplatenia úveru. Tento postup vykonáva banka, ktorá rozhoduje o poskytnutí úveru, a zahŕňa určenie solventnosti a bonity potenciálneho dlžníka "> upisovanie aktívne využívajú veritelia, ktorí poskytujú dlhodobé cielené úvery. Preštudovanie požiadavky od klienta trvá v priemere až 36 hodín. Pri zabezpečených úveroch, pri ktorých je potrebné dodatočne posúdiť zabezpečenie a overiť platobnú schopnosť ručiteľa, môže posúdenie žiadosti trvať až 7 dní.

Ako funguje bodovací systém?

Boli vytvorené moderné automatizované skórovacie systémy s cieľom urýchliť proces poskytovania pôžičiek. Využívajú ich komerčné banky vo fáze vydávania kreditných kariet a rôzne nebankové inštitúcie zamerané na poskytovanie expresných pôžičiek. Postup hodnotenia, t. j. kontrola solventnosti, je založený na použití špecializovaného softvéru špecifického pre dané odvetvie, ktorého algoritmy sú nakonfigurované tak, aby študovali jednotlivé kritériá a overovali, či informácie poskytnuté dlžníkom sú v súlade s aktuálnymi podmienkami transakcie.

Automatizácia procesov hodnotenia umožňuje:

• Urýchlite kontrolu dotazníkov prijatých od potenciálnych zákazníkov.
• Znížiť počet zamestnancov úverovej inštitúcie.
• Preložte si postup vyplnenia, podávania a spracovania žiadostí o úver do virtuálnej roviny.
• Znížte riziko zamietnutia úveru.
• Znížiť riziko chýb zamestnancov banky spôsobených ľudským faktorom.
• Vytvorte štandardizovaný a jednotný systém hodnotenia budúcich dlžníkov.

Spoločnosti, ktoré poskytujú malé spotrebné úvery a plastové karty, denne spracúvajú obrovské toky žiadostí. V takýchto podmienkach je takmer nemožné zabezpečiť individuálny prístup k práci s každým potenciálnym klientom. Algoritmus automatického bodovacieho systému je založený na použití množstva jednoduchých parametrov, ktoré umožňujú dôkladné hodnotenie dlžníkov. Prvoradé sú zvyčajne informácie súvisiace s pasovými a platobnými údajmi.

Ako zaručiť úspešné zvládnutie bodovania v banke?

Na získanie úveru po kontrole platobnej schopnosti stačí, aby dlžník poskytol spoľahlivé informácie, ktoré sú podložené dokumentmi uvedenými v podmienkach budúcej transakcie. Softvér využíva verejne dostupné štatistické, analytické a matematické metódy na odhad pravdepodobnosti splatenia konkrétnej pôžičky, ale s cieľom urýchliť rozhodovanie o prijatých žiadostiach o streamovanie niektorí veritelia odmietajú spracovávať výpisy z príjmov a bankové výpisy. Prítomnosť ďalších údajov zvyšuje získaný koeficient. Ak na uzavretie transakcie postačuje minimálny počet bodov, nie sú potrebné žiadne sprievodné dokumenty.

Posúdenie solventnosti je ovplyvnené:

Úverová história a finančná stabilita potenciálneho dlžníka teda ovplyvňuje výpočet ratingu a výsledok rozhodnutia o úvere v rámci bodovacieho systému. Nepriamo môžu úroveň bonity meniť také faktory, ako je rodinný stav alebo vek klienta.

Niektoré organizácie berú do úvahy okolnosti, ktoré sú mimo kontroly klienta. Algoritmy skórovacieho stroja je možné upraviť s prihliadnutím na ekonomickú situáciu a politickú situáciu v regióne, typ a veľkosť úverového produktu, ako aj prítomnosť alebo absenciu negatívnych trendov v poskytovaní úverov.

Bankové bodovacie automaty sa nedajú oklamať, pretože aj náhodná chyba vo fáze vypĺňania žiadosti vedie k odmietnutiu pôžičky. Aby klient prešiel overením, bude musieť poskytnúť dôverné údaje. Veriteľ ručí za bezpečnosť dôverných informácií. Algoritmus je zameraný na spracovanie nielen prijatých odpovedí. Takýto systém vám umožňuje zhromažďovať a analyzovať užitočné štatistiky, ktoré poskytujú jedinečnú príležitosť predpovedať platobné správanie potenciálneho klienta.

Tiež by vás mohlo zaujímať:

Anuita a diferencovaná platba – aký je rozdiel?

Otázka splátky pôžičky je vždy zásadnou záležitosťou pre každého, kto si plánuje zobrať hotovostnú pôžičku alebo si ju už zobral. Podrobne zvažujeme rozdiely medzi anuitnými a diferencovanými platbami. Keď poznáte tieto rozdiely, budete si môcť vybrať najlepšiu možnosť úveru pre seba.

Každý užívateľ kreditu by mal vedieť, čo je to kreditné skóre. Tento koncept začali banky zavádzať začiatkom tohto storočia a je to spôsobené tým, že sa výrazne zvýšil rast úverov.

Scoring je špeciálne navrhnutý počítačový program, ktorý pomáha rýchlo určiť platobnú schopnosť klienta analýzou jeho osobných údajov.

Na tento účel sa digitálne údaje vytvorené formulárom vkladajú do programu podľa zásad konvenčného testovania. Potom bodovací program starostlivo analyzuje zadané údaje a výsledok dáva spravidla v bodoch: akejkoľvek otázke zodpovedá určitá číselná hodnota. Ukazuje sa teda, že o poskytnutí alebo neposkytnutí úveru klientovi nerozhoduje úverový manažér, ale počítač.

Credit scoring sa používa v prípadoch, keď dlžník potrebuje a. Pri vydaní ďalšieho veľkého úveru sa používa aj scoring, ale spolu s ďalšími analýzami (ocenenie kolaterálu a pod.).

Na čo je bodovanie?

Väčšina bánk sa rozhoduje o poskytnutí úveru len na základe bodovacieho systému, napr.

• ak dlžník získal vysoké skóre podľa bodovacieho systému, pôžička je mu poskytnutá bez ďalších kontrol;
• pri dosiahnutí priemerného počtu bodov žiadosť klienta o úver dodatočne posudzuje úverová komisia;
• s jasným nedostatkom bodov banka odmietne úver.

Výsledky výpočtov kreditného skóre závisia od programového systému banky. Na základe toho si banka z nepoctivých klientov vyberá spoľahlivých a žiadaných dlžníkov.

Testovacie otázky

Každá banka má svoj vlastný systém bodovania, ale v podstate zahŕňa rovnaké otázky. Napríklad najčastejšie používané testové otázky sú:

• vek, pohlavie dlžníka;
• oficiálny plat;
• výška a podmienky požadovaného úveru;
• či je dlžník ženatý (ženatý);
• či sú v rodine závislé osoby;
• či manželka (manžel) pracuje;
• Máte záznam v registri trestov a iné problémy?

Za jeden z najpozitívnejších a najvýznamnejších prvkov úverového bodovania by sa malo nepochybne považovať uľahčenie overenia platobnej schopnosti dlžníka.

Nevýhody bodovacieho programu

Existujú však aj nevýhody: program môže preskočiť bezohľadného dlžníka, ale spoľahlivého môže naopak odmietnuť. Pri kontrole inými spôsobmi sa táto situácia vyskytuje oveľa menej často.

Dá sa tiež povedať, že systém kreditného bodovania v istom zmysle zvyšuje cenu úveru, keďže pre úverovú inštitúciu nesie určité riziko.

Cieľová orientácia bodovacieho systému

Skóringový bankový systém fungujúci v úverových aktivitách umožňuje vo veľmi blízkej budúcnosti určiť nielen finančnú stabilitu klienta žiadateľa, ale aj vypočítať percento úverového rizika a prípadných materiálnych strát spojených s nesplácaním úveru dlžníkovi. Bodovací program vypracúva každá finančná inštitúcia individuálne.

Účelom kreditného scoringu je dosiahnuť maximálnu minimalizáciu rizikových situácií, ktorých vznik je možný pri úverovaní nespoľahlivého alebo neschopného splácať úverového klienta. Často, keď veriteľ súhlasí s pôžičkou dlžníkovi, ktorý nie je dôveryhodný, začne mať nejaké problémy spojené s výskytom omeškania. Bodovanie takéto riziká v maximálnej možnej miere eliminuje. Zistiť mieru spoľahlivosti dlžníka a posúdiť jeho finančnú stabilitu a stabilitu je možné tak vo vzťahu k potenciálnemu dlžníkovi, ktorý vystupuje ako občan, ako aj vo vzťahu k právnickej osobe.

Prostredníctvom bodovacej základne je možné skontrolovať potenciálnych dlžníkov aj existujúcich. Vďaka takémuto systému je možné čo najskôr identifikovať a identifikovať všetky úverové riziká, ktoré môžu ovplyvniť úverové portfólio veriteľskej organizácie. Okrem toho pri prognózovaní finančných rezerv zohráva aktívnu úlohu aj skóring, ktorý hodnotí riziká úverového portfólia veriteľa. Proces vytvárania systému prebieha na základe faktorov, ako je finančná situácia potenciálneho dlžníka, ktorá by mala odrážať všetky jeho príjmy, finančné záväzky, výdavky a aktívny zostatok, ako aj úverová história obsahujúca všetky informácie o minulých úveroch. a ich splácanie.

Kritériá hodnotenia financií dlžníka

Pri hodnotení finančnej stability a finančnej situácie klientov žiadateľov úverové inštitúcie spravidla vychádzajú z kvalitatívnych a kvantitatívnych kritérií. Medzi najvýznamnejšie parametre patria: práca (pozícia), vlastníctvo nehnuteľnosti a iného majetku, stály a stabilný príjem, (povesť) príjemcu úveru, rodinný stav, vklady a príspevky otvorené v inštitúciách, ako aj žiadateľ.

Čo sa týka kvantitatívnych ukazovateľov, tie zahŕňajú výšku príjmu, mieru solventnosti, koeficient dlžníka, ako aj zabezpečenie úveru a podmienky zmluvy. Pod zábezpekou možno rozumieť uzatvorenie poistenia vo vzťahu k subjektu, ako aj pomer výšky úverového kapitálu a hodnoty zabezpečenia. Po ohodnotení klienta pomocou scoringovej schémy má každý potenciálny preverovaný dlžník vlastnú bodovaciu kartu, ktorá obsahuje veľké množstvo povinných položiek a ustanovení. Bodovacia karta dáva určité koeficienty pre každú položku v nej obsiahnutú, ktorá sa vyhodnocuje. V dôsledku nastavenia všetkých koeficientov sa body jednoducho spočítajú.

Na základe konkrétneho čísla získaného pri sčítaní koeficientov je každému potenciálnemu dlžníkovi pridelená určitá trieda finančnej stability a materiálnych príležitostí. Najspoľahlivejšími klientmi sú tí žiadatelia, ktorí boli po posúdení zaradení do triedy A alebo B. Napriek tomu je veľa prípadov, kedy sa dlžníkmi stanú aj klienti triedy C. Občania, ktorí sú zaradení do kategórie D a D, sú uznaní za úplne insolventných a väčšina nespoľahlivý .

Ak nájdete chybu, zvýraznite časť textu a kliknite Ctrl+Enter.

Portál Creditoff (Credytoff) v tomto článku odpovie na otázky: „skóre, čo to je? a ako sa vykonáva bodové hodnotenie bonity jednotlivca“.

Dosiahnutie maximálneho zisku pre banky priamo súvisí s kvalitou žiadostí o úver. O vrátenie poskytnutého úveru nemá banka o nič menší záujem ako dlžník. Preto bankári vykonávajú prísnu kontrolu dlžníkov a analyzujú úverové riziká.

Bodové hodnotenie bonity jednotlivca

Úverové riziko je možná finančná strata v dôsledku nesplnenia záväzkov zo strany dlžníka zo zmluvy o úvere. Môže sa to týkať oneskorených platieb (nedoplatkov) alebo úplného odmietnutia zaplatiť úver.

S cieľom minimalizovať úverové riziká bankári využívajú hodnotenie potenciálnych zákazníkov.

Dnes sa na posúdenie spoľahlivosti dlžníka vo veľkej miere používa skóringové hodnotenie bonity jednotlivca. Skóring umožňuje pochopiť, opierajúc sa o úverovú históriu existujúcich alebo bývalých klientov, aká veľká je šanca, že potenciálny dlžník vráti peniaze k dátumu stanovenému zmluvou.

Bodovanie, čo to je?

Bodovanie, čo to je? (anglické bodovanie - "scoring")

Ide o systém určitých vlastností potenciálneho dlžníka. Automatizovaný scoring poskytuje skutočné objektívne hodnotenie finančných rizík, na rozdiel od toho, že by overovanie vykonávali priamo úveroví inšpektori (ľudský faktor).

V dôsledku kontroly sa získa určitý ukazovateľ (skóre), ktorý udáva mieru rizika spojeného s konkrétnym klientom. Tento ukazovateľ sa porovnáva s určitou prahovou hodnotou, ktorá je v podstate hranicou rentability (ahojte pokročilí čitatelia?). Ak je ukazovateľ nadprahový, tak sa rozhodne o prípadnom schválení žiadosti. Ak je pod prahovou hodnotou, potom bohužiaľ, klient bude odmietnutý.

Aké údaje sa berú do úvahy pri bodovaní

Bodové hodnotenie bonity jednotlivca je pomerne komplikované. Schválenie alebo odmietnutie klienta závisí od mnohých ukazovateľov.

1. Údaje o pase potenciálneho dlžníka, kde je registrovaný a kde skutočne žije, kontaktné telefónne čísla. Na základe týchto informácií sa vykoná primárna identifikácia klienta banky. V tejto fáze sa preverujú klienti s pasom, ktorého platnosť vypršala, nesprávne alebo nepravdivo poskytnuté údaje a falošné doklady. Akákoľvek chyba v poskytnutých údajoch hrozí okamžitým odmietnutím.
2. Na druhom stupni sa hodnotí vek, pohlavie, rodinný stav, dĺžka služby, počet vyživovaných osôb (negatívne sú neplnoleté deti), dĺžka služby na poslednom pracovisku.
3. Program následne vyhodnotí platobnú schopnosť klienta. Pri posudzovaní finančnej situácie hrá hlavnú úlohu mesačný potvrdený príjem. Tie. "Biele" mzdy uvedené v osvedčení 2-NDFL. Ak je príjem potvrdený výpisom z účtu, konečné skóre sa zníži. Pôžička môže byť schválená, ale suma bude nižšia.
4. Po dokončení predchádzajúcich krokov program pokračuje v kontrole. Spravidla sa berú do úvahy údaje niekoľkých BCI (úverových úradov) naraz. Kontrolujú sa nielen meškania, ale aj prípadné finančné zaťaženie. Okrem toho BKI zaznamenáva všetky požiadavky do banky. Ak je veľa zamietnutí, negatívne to ovplyvňuje možnosť schválenia. Takže po prijatí odmietnutia vám odporúčame skontrolovať svoju úverovú históriu. Existuje možnosť, že údaje BCI môžu byť chybné.

Bodové hodnotenie bonity individuálneho mzdového klienta banky

Pre držiteľov platových kariet je zabezpečená samostatná kontrola. Transakcie kartou sa vyhodnocujú. Skóring kontroluje podmienky príjmov a výberov, ako aj priemerný zostatok na účte. Treba si uvedomiť, že najnižšie bodové hodnotenie dostávajú tí klienti, ktorí si mzdu ihneď po obdržaní výplaty vyberú v plnej výške v hotovosti.

Ako sa rozhoduje

Bodové hodnotenie bonity jednotlivca. Ako sa rozhoduje

Po analýze prijatých údajov bodovanie vydá rozhodnutie. Potenciálny dlžník dostane farebné „označenie“: biela, šedá, čierna.

• Biela farba - dlžník môže počítať s úverom
• Čierna farba - odmietnutie
• Sivá farba znamená, že na rozhodnutie nie je dostatok údajov, je potrebné dodatočné posúdenie upisovateľa. Úverový inšpektor si podrobnejšie preštuduje dotazník a poskytnuté údaje. Môže požiadať o ďalšie dokumenty. Po dodatočnom overení sa upisovateľ vyjadrí k možnosti schválenia, ako aj k maximálnej výške a splatnosti úveru.

"Skóre, čo to je?" - pre prvoprijímateľov pôžičky

"Skóre, čo to je?" - pre prvoprijímateľov pôžičky

Napriek všetkým výhodám scoringu dnes banky svoje modely overovania klientov upravujú. Mnohé banky praktizujú takzvané „prispôsobené skóringové hodnotenie bonity jednotlivca“. Zavádzajú sa ďalšie overovacie parametre, napríklad obdobie fungovania spoločnosti, v ktorej potenciálny dlžník pracuje, pôsobnosť tejto spoločnosti, finančné výsledky a pod. Vo všeobecnosti, doplnenie odpovede na otázku „Skóre, čo to je?“, Treba poznamenať, že bodovacie šeky v mnohých veľkých bankách sú veľmi podobné. Pred aplikáciou si preto skontrolujte tú svoju, ušetrí vám to čas a nervy.

Dubovitsky V.S.
analytik veľkej ruskej banky
(mesto Moskva)
Správa podnikových financií
05 (65) 2014

Tento článok popisuje štúdiu o vývoji skóringového modelu na hodnotenie bonity veľkých obchodných podnikov, ktorý umožňuje na základe hodnôt jednotlivých ukazovateľov posúdiť platobnú schopnosť dlžníka a vyhodnotiť jej efektívnosť. Najobjemnejšími blokmi vo vývoji skórovacieho modelu je výber systému hodnotiacich ukazovateľov a stanovenie váhových koeficientov pre tieto ukazovatele, ktorým sa budeme podrobne venovať v tomto článku.

ÚVOD

Jednou z kľúčových oblastí podnikania v bankovom sektore je poskytovanie úverov. Práve úvery sú základom bankových aktív, poskytujú banke úrokový výnos. V poslednej dobe u nás dochádza k prudkému rozvoju bankového sektora, predovšetkým úverových vzťahov medzi bankami a obyvateľstvom, podnikateľmi a veľkými podnikmi. Úvery zahŕňajú nielen úrokový výnos, ale aj úverové riziká spojené s platobnou neschopnosťou dlžníka a stratou úveru. Hodnotenie úverového rizika je kľúčovou oblasťou analýzy pri rozhodovaní o úvere konkrétnemu dlžníkovi a do značnej miery od neho závisí blaho finančnej inštitúcie.

V súčasnosti banky využívajú rôzne metódy analýzy, pričom posudzujú úroveň možných strát a pravdepodobnosť zlyhania dlžníka. Na základe tejto analýzy je dlžníkovi pridelené hodnotenie kvality - „dobrý“, „stredný“ alebo „slabý“, v súlade s nariadením Centrálnej banky Ruskej federácie č. 254-p „O postupe pri zakladaní rezervy úverových inštitúcií na možné straty z pôžičiek, z pôžičiek a podobných dlhov“ 26. marca 2004

Centrálna banka pôsobí ako hlavný regulátor úverového systému a vydáva odporúčania na hodnotenie úverovej bonity dlžníkov. V súlade s nimi si banky budujú vlastné modely oceňovania – úžasná je ich rôznorodosť a vynaliezavosť ich autorov. Takéto modely zahŕňajú komplexné hodnotenie finančnej situácie dlžníka ako hlavného ukazovateľa budúcej solventnosti. Všetky modely sú však zamerané na úverový rating dlžníka, ktorý popisuje mieru rizika finančnej straty. Podľa všeobecne uznávanej klasifikácie dobrá úroveň bonity zodpovedá dobrej finančnej kondícii spoločnosti a nízkemu riziku možných strát, stredná - priemerná finančná situácia a stredné riziká, zlá - vysoká pravdepodobnosť zlyhania zo strany spoločnosti. dlžník. V dobrom stave sa s najväčšou pravdepodobnosťou prijme kladné rozhodnutie o poskytnutí pôžičky, priemer bude vyžadovať ďalší výskum a zlý dlžník bude odmietnutý.

Hodnotenie kreditného rizika v bankách vždy zaujímalo významné postavenie. Podľa štúdií Baileyho a Gatelyho sa teda existujúce metódy oceňovania neustále zdokonaľujú, z času na čas sa objavujú nové metódy, ako napríklad oceňovanie pomocou neurónových sietí, čo je spôsobené vysokým dopytom úverových inštitúcií na optimalizáciu a zlepšenie prediktívnej schopnosti nástroje na hodnotenie pravdepodobnosti zlyhania potenciálnych dlžníkov.

Posúdenie bonity je teda kľúčovou úlohou pri poskytovaní úveru. Cieľom tejto práce je vytvorenie vlastného skóringového modelu na hodnotenie kreditnej kvality právnických osôb. Bude vyvinutý pre veľkých predajcov a umožní rýchlo rozhodnúť o možnosti financovania rôznych dlžníkov.

Najprv sa vykoná krátka porovnávacia analýza existujúcich prístupov k hodnoteniu úverovej bonity. Na jeho základe budú uvedené argumenty v prospech vývoja skórovacieho modelu, následne bude skórovací model priamo vyvinutý pomocou rôznych teoretických metód. Jednou z hlavných úloh pri vývoji je definovanie vyváženého skóre zohľadňujúceho vybrané odvetvie a stanovenie váhových faktorov pre tieto ukazovatele.

Ďalej sa uskutoční štatistická štúdia na vzorke 41 obchodníkov (u 16 z nich bolo zaznamenané zlyhanie) s cieľom porovnať výsledky podľa váh indikátorov s výsledkami získanými na začiatku. Na základe výsledkov porovnania bude urobený záver o správnosti zostaveného skórovacieho modelu. Na konci tohto článku bude prezentované hodnotenie efektívnosti vyvinutého modelu, bude stanovená prediktívna schopnosť vyvinutého modelu a bude urobený záver o jeho životaschopnosti.

RÔZNE PRÍSTUPY K POSUDZOVANIU ÚVERU

Všetky existujúce modely hodnotenia bonity dlžníkov je možné znázorniť ako nasledujúcu klasifikáciu (obr. 1).

Rozmanitosť prístupov k analýze bonity je teda možné systematizovať rozdelením všetkých metód do troch veľkých blokov:

• kvantitatívne modely;
• prediktívne modely;
• kvalitné modely.

Kvantitatívne modely využívajú relevantné ukazovatele a umožňujú na ich základe priradiť dlžníkovi určitý rating, prediktívne modely vychádzajú z minulých štatistík a sú zamerané na modelovanie ďalšieho vývoja a pravdepodobnosti zlyhania dlžníka a kvalitatívne modely využívajú systém všestranných kvalitatívnych ukazovateľov.

Pre určenie najefektívnejšieho prístupu k posudzovaniu bonity porovnávame opísané metódy posudzovania. V tabuľke. 1 sú znázornené porovnávacie charakteristiky predtým uvažovaných modelov hodnotenia úverov.

Tabuľka 1. Súhrnná tabuľka modelov úverových ratingov

Meno modela	Výhody modelu	Nevýhody modelu
Koeficientová metóda	Umožňuje komplexne posúdiť finančnú situáciu dlžníka	Neberie do úvahy ukazovatele kvality, štatistiky minulých rokov. Neautomatizovaný systém vyžaduje neustálu interpretáciu hodnôt jednotlivých ukazovateľov
Hodnotenie modelov	Umožniť automatizovať hodnotenie metódou koeficientov výpočtom integrálneho ukazovateľa. Líšia sa v pohodlí a jednoduchosti použitia	Zohľadňujú len finančné ukazovatele, nepoužívajú štatistiky z minulých rokov. Požadovať reštrukturalizáciu pre rôzne typy spoločností
Bodovacie modely	Umožňujú vám získať hodnotenie bonity v bodovom ekvivalente a zaradiť dlžníka do jednej z troch skupín. Jednoduché a ľahko použiteľné, pomáhajú vyhodnocovať nefinančné ukazovatele kvality. Pri posudzovaní váhových koeficientov štatistickými metódami umožňujú zohľadnenie údajov o už poskytnutých úveroch, sú ekonomicky opodstatnené	Nie sú univerzálne, vyžadujú reštrukturalizáciu pre určité typy spoločností. Na štúdium váhových koeficientov je potrebné veľké množstvo údajov
Modely peňažných tokov	Umožňuje odhadnúť budúce peňažné toky spoločnosti a porovnať ich s dlhovým zaťažením	Nezohľadňujú trhové podmienky a ukazovatele kvality požičiavajúcej spoločnosti. Môže spôsobiť nekonzistentné výsledky
Modely diskriminačnej analýzy	Umožňujú určiť pravdepodobnosť zlyhania spoločnosti prijímajúcej pôžičku na základe štatistík za predchádzajúce roky
Regresné modely	Umožňujú určiť pravdepodobnosť zlyhania spoločnosti prijímajúcej pôžičku na základe štatistík z predchádzajúcich rokov. Pri použití modelu na správnych údajoch môžete získať výsledky s vysokou mierou istoty	Čisto empiricky sú výsledky značne závislé od tréningovej vzorky a pri štúdiu modelu na iných dátach často nezodpovedajú realite. Na štúdium váhových koeficientov je potrebné veľké množstvo údajov
Modely kvalitatívnej analýzy	Umožňuje vykonať komplexnú analýzu spoločnosti	Absencia matematických metód, čo vedie k subjektívnemu hodnoteniu jednotlivých ukazovateľov a chýb spojených s ľudským faktorom. Neberte do úvahy štatistiky minulých rokov. Neexistujú jasné pravidlá na hodnotenie bonity pre kvalitné bloky analýzy

Na základe vyššie uvedenej porovnávacej analýzy môžeme konštatovať, že skórovací model je na vrchole kvantitatívneho vývoja Názov modelu Výhody modelu Nevýhody modelu

Pomerová metóda Umožňuje komplexne posúdiť finančnú situáciu dlžníka Nezohľadňuje ukazovatele kvality, štatistiky minulých rokov. Neautomatizovaný systém vyžaduje neustálu interpretáciu hodnôt jednotlivých ukazovateľov

Modely hodnotenia Umožňujú automatizovať hodnotenie metódou koeficientov výpočtom integrálneho ukazovateľa. Vyznačujú sa pohodlnosťou a jednoduchosťou používania.Zohľadňujú iba finančné ukazovatele, nepoužívajú štatistiky z predchádzajúcich rokov. Požadovať reštrukturalizáciu pre rôzne typy spoločností

Skórovacie modely umožňujú získať hodnotenie bonity v bodovom ekvivalente a zaradiť dlžníka do jednej z troch skupín. Jednoduché a ľahko použiteľné, pomáhajú vyhodnocovať nefinančné ukazovatele kvality. Pri hodnotení váhových koeficientov štatistickými metódami umožňujú zohľadniť údaje o už poskytnutých úveroch, sú ekonomicky opodstatnené Nie sú univerzálne, vyžadujú reštrukturalizáciu pre určité typy spoločností. Na štúdium váhových koeficientov je potrebné veľké množstvo údajov

Modely peňažných tokov Umožňujú odhadnúť budúce peňažné toky spoločnosti a porovnať ich s dlhovým zaťažením Nezohľadňujú trhové podmienky a ukazovatele kvality požičiavajúcej si spoločnosti. Môže spôsobiť nekonzistentné výsledky

Modely diskriminačnej analýzy umožňujú určiť pravdepodobnosť zlyhania spoločnosti dlžníka na základe štatistík za minulé roky. Čisto empirické, výsledky sú veľmi závislé od cvičnej vzorky a pri štúdiu modelu na iných údajoch často nezodpovedajú reality. Na štúdium váhových koeficientov je potrebné veľké množstvo údajov

Modely regresnej analýzy umožňujú určiť pravdepodobnosť zlyhania spoločnosti prijímajúcej pôžičku na základe štatistík z predchádzajúcich rokov. Pri použití modelu na správnych údajoch môžete získať výsledky s vysokým stupňom spoľahlivosti. Tieto sú čisto empirické, výsledky sú značne závislé od trénovacej množiny a pri štúdiu modelu na iných údajoch často nezodpovedajú reality. Na štúdium váhových koeficientov je potrebné veľké množstvo údajov

Modely kvalitatívnej analýzy umožňujú komplexnú analýzu spoločnosti Absencia matematických metód, čo vedie k subjektívnemu hodnoteniu jednotlivých ukazovateľov a chýb spojených s ľudským faktorom. Neberte do úvahy štatistiky minulých rokov. Neexistujú jasné predpisy na hodnotenie bonity pre kvalitatívne bloky analýzy s rôznym počtom bodov. Hodnoty koeficientov budú ďalej rozdelené do rozsahov. Pre každý rozsah (stĺpec Coefficient Range v tabuľke 2) sa nastaví percento (25 %, 50 %, 75 % alebo 100 %) váhového koeficientu v tabuľke 2. 2. Váhovým faktorom je v tomto prípade maximálne skóre. V ďalšom sa zameriame na hľadanie váhových koeficientov. Rozdelenie koeficientov do rozsahov je teda podmienené (na základe logických úvah založených na hodnotách týchto ukazovateľov pre rôzne spoločnosti v odvetví; intervaly sa berú tak, že asi 60 % popredných spoločností v odvetvia (Magnit, Dixy) spadajú do druhého intervalu po maximálnom , X5 Retail Group, OK, L'Etoile) zvolenom na určenie priemerných trhových koeficientov a benchmarkov). Čím vyššie je dlhové zaťaženie, tým vyššia je pravdepodobnosť zlyhania a znížte počet bodov, ktoré by mal ukazovateľ získať.koeficienty a bude reprezentovaný dvoma prístupmi - analytickým (metóda T. Saatyho) a štatistickým (regresná štúdia) (maximálny počet bodov sa v tomto prípade zhoduje s váhovým koeficientom.) Váha samotné koeficienty budú určené neskôr.

Finančné ukazovatele scoringového modelu sú uvedené v tabuľke. 2.

Tabuľka 2. Finančné ukazovatele scoringového modelu

Skupina indikátorov	Index	Rozsah koeficientov
Likvidita		> 0,75	1
		0,5-0,75	0,75
		0,25-0,5	0,25
		0-0,25	0
Solventnosť		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
	Pomer úrokového krytia, EBIT/Úrok	> 1,5	1
		1,3-1,5	0,75
		1-13	0,5
		< 1	0
Obchodná činnosť	Návratnosť predaja, ROS	> 0,025	1
		0,02-0,025	0,75
		0,015-0,02	0,5
		< 0,015	0
	Strata spoločnosti za posledné tri účtovné obdobia	nie	1
		Za jedno vykazované obdobie	0,5
			0

Prípustné hodnoty pomeru boli stanovené na základe priemerných hodnôt pre päť popredných obchodných spoločností v Rusku na základe vyhlásení IFRS za tri roky: Magnit, X5 Retail Group, Dixy, OK, M.Video. Preskúmali sme najdôležitejšie finančné ukazovatele na určenie finančnej situácie dlžníka. Na bonitu spoločnosti však majú veľký vplyv aj faktory, ktoré vyvolávajú vznik rizík v obchodných procesoch dlžníka. V prvom rade je potrebné brať do úvahy kvalitu riadenia. Ide o veľmi zložitý ukazovateľ pre kvantitatívnu analýzu, pretože. je problematické objektívne posúdiť úroveň riadenia podniku.

Pokúsime sa prejsť od kvalitatívneho hodnotenia ku kvantitatívnemu a nastaviť maximálne hodnotenie tohto ukazovateľa za nasledujúcich podmienok:

• existuje jasná stratégia rozvoja spoločnosti na najbližšie roky;
• zloženie vrcholového manažmentu sa nezmenilo (generálny riaditeľ a hlavný účtovník sú vo funkciách viac ako dva roky), pretože o prítomnosti silného manažérskeho tímu svedčí okrem iného aj jeho stálosť;
• odborné kompetencie spĺňajú vysoké požiadavky (generálny riaditeľ a hlavný účtovník majú špecializované vysokoškolské vzdelanie, viac ako päťročnú prax).

Ďalším dôležitým faktorom, ktorý je potrebné zahrnúť do scoringového modelu, je životnosť spoločnosti. Okrem toho je potrebné zaviesť stop faktor: ak podnik podniká menej ako jeden rok, tento model nebude použiteľný z dôvodu nedostatku podávania správ a schopnosti porozumieť podnikaniu spoločnosti.

Ďalším nevyhnutným ukazovateľom je pozitívna úverová história. Ide o jeden z najdôležitejších nefinančných ukazovateľov, ktorý v podstate charakterizuje kvalitu obsluhy budúceho úveru. Bolo by nerozumné počítať s včasným splatením úverových prostriedkov od podniku, ktorý má meškanie voči iným veriteľom. Uvažujme nefinančné ukazovatele a rozdelenie bodov za ne v tabuľke. 3.

Tabuľka 3. Nefinančné ukazovatele skóringového modelu

Skupina	Indikátorové ukazovatele		Percento maximálneho skóre pre rozsah
Obchodné procesy	Kvalita riadenia		1
			0,5
			0
		> 5 rokov	1
		3-5 rokov	0,75
		1-3 roky	0,25
		< 1 года	Stop faktor
			1
			0,5
			0
		Prítomnosť systematického oneskorenia úverov a pôžičiek za posledný finančný rok; značná suma pohľadávok po splatnosti (> 25 %)	Stop faktor

Zostavili sme systém hodnotiacich ukazovateľov, ktoré by podľa nášho názoru mali komplexne a komplexne hodnotiť kvalitu dlžníka a jeho schopnosť plniť si svoje záväzky. Ďalšia časť práce pri vytváraní akéhokoľvek skóringového modelu je časovo najnáročnejšia - stanovenie váhy rôznych odhadovaných ukazovateľov. Prediktívna hodnota nášho modelu závisí od toho, ako objektívne hodnotíme dôležitosť určitých faktorov. Tento článok bude analyzovať váhy na základe niekoľkých metód na odstránenie možných chýb.

Váhové koeficienty sa najprv určia pomocou analytických postupov a potom sa porovnajú s výsledkami regresnej analýzy.

ANALYTICKÝ ODHAD VÁHOVÝCH KOEFICIENTOV MODELU

Ako nástroj hodnotenia použijeme metodiku podrobne opísanú v knihe TL. Saaty „Matematické modely konfliktných situácií“ [b]. Táto metóda vám umožňuje vyhnúť sa rôznorodosti faktorov a porovnať význam iba dvoch z nich v konkrétnom časovom bode, čím sa v konečnom dôsledku určí významnosť vplyvu každého z faktorov na akýkoľvek všeobecný ukazovateľ. Technika je založená na kompilácii matíc párových porovnaní, ktoré sú zostavené pre faktory, ktoré ovplyvňujú akýkoľvek spoločný ukazovateľ. Takéto matice je možné zostaviť napríklad pre ukazovateľ solventnosti v kontexte faktorov reprezentovaných koeficientmi finančnej páky, dlhového zaťaženia a úrokového krytia. Úlohou je zostaviť takéto matice pre všetky skupiny faktorov, ktoré ovplyvňujú akékoľvek všeobecné ukazovatele. V dôsledku toho sa vytvoria dve matice pre tabuľku. 2 - pre skupiny ukazovateľov "Solventnosť" a "Obchodná činnosť" jedna matica pre tabuľku. 3 - pre ukazovatele podnikových procesov, ako aj dve matice pre agregované úrovne - jedna matica pre skupinu finančných ukazovateľov, pozostávajúca zo skupín ukazovateľov "Likvidita", "Splatnosť" a "Obchodná činnosť", a jedna pre dva agregované bloky - finančné a nefinančné ukazovatele vo všeobecnosti.

Existuje celkom päť párových porovnávacích matíc, z ktorých každá udáva svoj vlastný koeficient pre ukazovateľ, ktorý je v nej zahrnutý. Na získanie váhového faktora pre opatrenie na spodku hierarchie, napríklad pre pomer úrokového krytia, je teda potrebné vynásobiť váhový faktor finančných indikátorov váhovým faktorom indikátorov solventnosti v rámci finančných indikátorov a koeficientom ukazovateľa úrokového krytia v rámci finančných ukazovateľov.

V nadpisoch samotných matíc pre skupiny ukazovateľov sú názvy faktorov umiestnené vo zvislých a vodorovných stĺpcoch. Potom sa matice naplnia hodnotami, ktoré predstavujú transformáciu subjektívnych preferencií jedného faktora na druhý do empirickej podoby podľa metodológie uvedenej v tabuľke. 4 (s použitím údajov z obr. 2).

Tabuľka 4. Metóda T. Saatyho. Klasifikácia preferencií (na základe obr. 2)

Väčšinou sa používajú nepárne čísla, ak je však ťažké vybrať, môžete použiť párne ako priemernú úroveň medzi dvoma nepárnymi. Príklad takejto matice pre štyri faktory je znázornený na obr. 2. Podľa toho, keď porovnávame rovnaký faktor, prvok nadobúda hodnotu 1, takže takéto matice sú identitou. Je ľahké vidieť, že sú tiež inverzne symetrické, čo nám umožňuje vyplniť takúto maticu iba pre hodnoty ležiace buď nad alebo pod hlavnou uhlopriečkou.

Vzhľadom na to, že matice párových porovnaní sú nepriamo symetrické, mali by ste porovnávať iba v jednom smere a zadať zodpovedajúce hodnoty do matice nad hlavnou uhlopriečkou, zatiaľ čo hodnoty pod hlavnou uhlopriečkou budú obrátené.

Po prijatí piatich takýchto matíc sa vypočítajú váhové koeficienty: zmeria sa váha každej hodnoty v maticiach vzhľadom na celkový súčet v stĺpci a potom sa z týchto hodnôt vyberie aritmetický priemer týchto hodnôt. v každom riadku. Hodnoty aritmetického priemeru budú váhové koeficienty. Príklad matice pre skupinu ukazovateľov solventnosti je na obr. 3.

Po vykonaní opísaných výpočtov získame špecifickú váhu každého ukazovateľa. Pre pohodlie ďalších výpočtov definujeme maximálne možné skóre ako súčin špecifickej váhy ukazovateľa číslom 50 1, po ktorom nasleduje zaokrúhlenie na celé číslo (tabuľka 5.6).

1 Táto operácia sa robí len pre pohodlie, číslo 50 umožňuje, aby minimálny koeficient prešiel na celočíselné hodnoty (v tomto prípade na hodnotu 2). Keďže všetky koeficienty sú vynásobené rovnakým číslom, neskresľujeme výsledky analytického prístupu. - Približne. vyd.

STANOVENIE VÝZNAMU UKAZOVATEĽOV POMOCOU REGRESNEJ ANALÝZY

Na vykonanie štatistickej štúdie sme použili údaje o 41 veľkých spoločnostiach z maloobchodného sektora. Tieto spoločnosti vydali podnikové dlhopisy a 16 dlhopisov zlyhalo. Pre každú spoločnosť bolo vypočítaných osem vybraných ukazovateľov scoringového modelu na základe výročných správ v roku emisie podnikových dlhopisov. Vzorka je uvedená v prílohe 1. Obsahuje vysvetľujúci ukazovateľ y - pravdepodobnosť zlyhania, ktorý má hodnotu 1, ak si spoločnosť nesplnila svoje záväzky. Vybrané tri indikátory vpravo boli nastavené ako fiktívne premenné (môžu nadobúdať iba hodnoty 0 alebo 1) kvôli ich kvalitatívnemu charakteru. Hodnoty 1 nadobúdajú, ak má spoločnosť za posledné tri roky čistý zisk > O (Nl > 0), stabilný a kvalitný manažérsky tím (manažér) a pozitívnu úverovú históriu (histor). Finančné ukazovatele (prvých päť ukazovateľov) boli vypočítané na základe ročnej účtovnej závierky podľa IFRS štandardov v roku emisie zlyhaných dlhopisov.

Ako model pre štúdiu volíme konštrukciu lineárnej multivariačnej regresie:

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

kde p je závislá premenná opisujúca pravdepodobnosť zlyhania;
w - hmotnostné koeficienty; x - ukazovatele.

Zadáme teda počiatočné údaje v Exceli a použijeme funkciu Analýza údajov - Regresia. Pri analýze počiatočných údajov pre osem ukazovateľov skórovacieho modelu bez úprav získame výsledok uvedený v prílohe 2. Upravené R^2 je 0,55 – nízka, ale prijateľná hodnota, čo naznačuje praktický význam konštruovanej regresie. Je možné predložiť predpoklad o dôvode nízkej významnosti prítomnosti odľahlých hodnôt v údajoch, napríklad absencia hodnôt pre niektoré spoločnosti z hľadiska EBIT / úrokov z dôvodu nedostatku dlhového zaťaženia ( zjednodušene, pre účely štúdie bola v tomto prípade braná hodnota koeficientu rovnajúca sa 0) alebo záporná hodnota ukazovateľa Dlh / EBITDA z dôvodu negatívneho cash flow. V tomto prípade je vplyv negatívneho ukazovateľa vnímaný nesprávne, pretože podľa logiky štúdie platí, že čím vyšší dlh / EBITDA, tým vyššia pravdepodobnosť zlyhania; negatívny ukazovateľ zasa nie je ukazovateľom nízkeho dlhového zaťaženia. Predikčnú schopnosť ovplyvňujú aj spoločnosti s výraznými extrémnymi hodnotami jednotlivých ukazovateľov. Spoločnosť Banana-Mama má teda vlastný kapitál 10 000 rubľov, čo vedie k skresleniu zodpovedajúcich ukazovateľov - finančná páka je 181 957 (s priemernými hodnotami v odvetví v rozmedzí 0,7-1,5).

Tabuľka 5. Finančné ukazovatele zohľadňujúce váhu

Index	Váha v tabuľke výsledkov	Maximálne skóre	Rozsah koeficientov
			>1	5
Ukazovateľ bežnej likvidity	0,1072	5	> 1	5
			0,75-0,1	4
			0,5-0,75	1
			0-0,5	0
Ukazovateľ bežnej likvidity	0,1581	8	< 1	8
			1-1,5	6
			1,5-2	4
			2-2,5	2
			> 2,5	0
Pomer zaťaženia dlhu, čistý dlh / 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
Návratnosť predaja, ROS	0,1256	6	> 0,025	6
			0,02-0,025	5
			0,015-0,02	3
			< 0,015	0
	0,0418	2	nie	2
			Za jedno vykazované obdobie	1
			Za dve alebo viac vykazovaných období	0
Celkom	0,6698	33	-	68

Zo štúdie vylúčme nasledujúcich šesť spoločností: supermarket Gorod, Intertrade, M.Video (2013), Svyaznoy, Banana-Mama a Proviant. Poznamenávame tiež nemožnosť súčasného použitia ukazovateľov ROS a absenciu strát (Nl > 0) z dôvodu ich vysokej korelácie. Faktom je, že ak má spoločnosť straty, ziskovosť tržieb automaticky nadobúda zápornú hodnotu.

Tabuľka 6. Váhové nefinančné ukazovatele

Index	Váha v tabuľke výsledkov	Maximálne skóre	Rozsah pomerov / Metodika odhadu	Počet bodov pre rozsah hmotnosti
Kvalita riadenia	0,099	5	Splnenie všetkých popísaných podmienok	5
			Nesplnenie jednej z podmienok	2,5
			Nesplnenie viacerých podmienok	0
Život spoločnosti	0,0528	3	> 5 rokov	3
			3-5 rokov	2
			1-3 roky	1
			< 1 года	Stop faktor
Pozitívna úverová história	0,1782	9	Absencia omeškania z úverov a pôžičiek, splatné účty po lehote splatnosti	9
			Dostupnosť informácií o reštrukturalizácii dlhu; nevýznamné omeškania splatných účtov (až do 10 %)	4,5
			Jediný prípad omeškania pôžičiek a úverov s následným splatením; výrazné omeškania splatných účtov (10 – 25 % z celkového dlhu)	0
			Prítomnosť systematického oneskorenia úverov a pôžičiek za posledný finančný rok; Značná suma splatných účtov po splatnosti (> 25 %)	Stop faktor
Celkom		17

Na základe týchto úvah odstraňujeme z nášho modelu indikátor Nl > 0. Pre novú sedemfaktorovú regresiu na aktualizovanej vzorke 35 spoločností dostávame nasledujúci výsledok (príloha 3). Vidíme, že šesť zo siedmich skúmaných ukazovateľov je významných. Znamienka pri koeficientoch správne odrážajú vyššie uvedené predpoklady: čím vyššia je ziskovosť predaja a kvalita riadenia, tým nižšia je pravdepodobnosť zlyhania (y = 1) a naopak: čím vyššie je dlhové zaťaženie, tým vyššia je pravdepodobnosť. predvolenej hodnoty. Znamienko je na prvý pohľad nesprávne len pre aktuálny ukazovateľ likvidity. Vysoké hodnoty likvidity sú však rovnako zlé ako malé – naznačujú nízku efektivitu podnikania a ušlý zisk. Spoločnosti s vysokým pomerom likvidity sú náchylné na výpadky ziskov, nízku ziskovosť a ziskovosť podnikania, čo ich robí menej atraktívnymi v očiach potenciálnych investorov, a preto sú zraniteľnejšie voči zmenám finančných podmienok. Najvýznamnejšie sú koeficienty D (alebo Debt - objem úročeného dlhu) / EBITDA, pozitívna úverová história a finančná páka; pomer úrokového krytia je zanedbateľný.

Vyššie, pri modelovaní koeficientov metódou T. Saatyho sme tiež predpokladali, že najvýznamnejšími ukazovateľmi budú koeficienty pre dlhové zaťaženie a finančnú páku. Porovnávacia analýza konečnej významnosti koeficientov je uvedená v tabuľke. 7.

Tabuľka 7. Porovnávacia analýza významnosti koeficientov

Ukazovateľ na základe odborných posudkov podľa metódy T. Saatyho	Koeficient	Ukazovateľ založený na regresnej analýze	p-hodnota
Pozitívna úverová história	0,1782	Pomer zaťaženia dlhu, čistý dlh / EBITDA	0,014
Pomer finančnej páky	0,1581	Pozitívna úverová história	0,020
Pomer zaťaženia, čistý dlh /EBITDA	0,1581	Pomer finančnej páky	0,022
Návratnosť predaja, ROS	0,1256	Kvalita riadenia	0,037
Ukazovateľ bežnej likvidity	0,1072	Návratnosť predaja, ROS	0,039
Kvalita riadenia	0,099	Ukazovateľ bežnej likvidity	0,047
Pomer úrokového krytia, EBIT / Úrok	0,0790	Pomer úrokového krytia, EBIT / Úrok	Bezvýznamný
Strata spoločnosti za posledné tri účtovné obdobia	0,0418	Strata spoločnosti za posledné tri účtovné obdobia	Bol skúmaný ako nefinančný ukazovateľ, nevýznamný

Tieto výsledky poukazujú na konzistentnosť metódy T. Saatyho a štatistických údajov. Tri najvýznamnejšie ukazovatele podľa analytického prístupu potvrdzujú v praktickej štúdii svoju vysokú významnosť, zmenilo sa len rozloženie poradia samotných ukazovateľov. Taktiež dva najmenej významné ukazovatele pre prvú časť práce – kvalita riadenia a EBIT/Úrok – sa v štatistickej štúdii ukázali ako nevýznamné.

Regresná analýza teda potvrdzuje princípy klasifikácie významnosti váhových koeficientov v analytickej časti práce a umožňuje hovoriť o štatistickej významnosti zostrojeného skórovacieho modelu.

STANOVENIE VÝSLEDKOV VYVINUTÉHO MODELU SKOROVANIA

Celkové maximálne skóre skórovacieho modelu je 50. Pre každý ukazovateľ sme v procese určovania rozsahov hodnôt identifikovali ďalšiu úroveň po maximálnom skóre, čo je tiež prijateľné, aj keď s relatívne vysokou mierou rizika, na základe o trhových hodnotách ukazovateľov. Pre niektoré ukazovatele bola úroveň po maxime 75% z celkového počtu bodov, pre iné - 50%. Všetky nasledujúce úrovne sa budú považovať za úrovne s vysokým úverovým rizikom a príslušní dlžníci budú klasifikovaní ako zlí. Najvýhodnejšia skupina zahŕňa dlžníkov, ktorí spĺňajú maximálne požiadavky na najvýznamnejšie (z hľadiska váhových koeficientov) ukazovatele: úverovú históriu, finančnú páku a dlhové zaťaženie, ako aj návratnosť tržieb vo výške 31 bodov a splnenie min. nasledovná maximálna úroveň požiadaviek na ostatné ukazovatele - spolu 12,5. Spolu 43,5 bodu za nižšiu úroveň vysokej bonity.

Pre určenie hraničného intervalu charakterizujúceho vysoký stupeň bonity vypočítame počet bodov pre finančné a nefinančné ukazovatele v ďalšom po maximálnom rozsahu hodnôt z tabuľky. 5 a b. Ukazovatele sú rozdelené podľa akceptovaných hodnôt koeficientov do iných rozsahov. Dostaneme nasledujúcu klasifikáciu (tabuľka 8).

Tabuľka 8. Klasifikácia výsledkov

Tabuľka 9. Prediktívna schopnosť skórovacieho modelu, %

Na základe tabuľky. 8 vyhodnotíme predikčnú schopnosť nášho modelu dosadením podnikových údajov do jeho podmienok. V prílohe 4 sú uvedené vypočítané skóre pre skúmané spoločnosti. V závislosti od hodnoty ukazovateľa sa do tabuľky zapísalo jeho skóre podľa vyvinutého modelu a následne sa všetky skóre zrátali do integrálneho ukazovateľa (stĺpec „Súčet“). Na základe celkového skóre boli spoločnosti rozdelené do troch tried, potom boli údaje porovnané so skutočnou prítomnosťou alebo absenciou zlyhania spoločnosti. V stĺpci „Pravda alebo nie“ znamená 1 správny výsledok bodovacieho modelu, 0 – chybu. Takto sme dostali nasledujúci výsledok (tabuľka 9).

Získali sme priemerný výsledok (v porovnaní s tými, ktoré sú opísané v rôznych zdrojoch) pre predikčnú schopnosť skórovacích modelov. Za zmienku však stojí nízke percento chýb typu II, ktoré zvyšuje predikčnú hodnotu nášho modelu. Tento výsledok možno považovať za pozitívny a potvrdzuje účinnosť štúdie.

ZÁVER

V tomto príspevku bol navrhnutý skóringový model na posúdenie bonity veľkých maloobchodných podnikov. Model je založený na súbore ukazovateľov výkonnosti, ktoré umožňujú komplexne posúdiť finančnú a nefinančnú kondíciu dlžníka.

Na základe výsledkov hodnotenia je dlžníkovi pridelená jedna z troch tried bonity, ktorá charakterizuje mieru úverového rizika a realizovateľnosť úveru.

Namodelovali sme systém ukazovateľov výkonnosti, ktoré nám umožňujú čo najpresnejšie posúdiť stav dlžníka z retailového sektora. Po analýze lídrov maloobchodného trhu a výpočte ukazovateľov, ktoré sa pre nich používajú, sme pre nich určili hranice prijateľných hodnôt a zoradili ich do rôznych skupín s rôznymi percentami maximálneho možného skóre.

Časovo najnáročnejšou úlohou bolo určiť váhové koeficienty pre študované ukazovatele. Dospelo sa k záveru, že je potrebný integrovaný prístup, pretože neexistuje žiadna ideálna metóda. Integrovaný prístup bol implementovaný nasledovne: v prvej časti práce boli váhové koeficienty stanovené pomocou analytických postupov av druhej časti pomocou štatistickej štúdie.

Vyvinutý model ukázal vysoké výsledky v prediktívnych schopnostiach, pričom nevyžaduje veľké náklady na zdroje na analýzu. Uvedením vyvinutého scoringového systému do prevádzky sa zvýši efektívnosť úverového rozhodovania v oblasti veľkých retailových podnikov a optimalizuje sa úverový proces.

Literatúra

1. Ayvazyan S.A., Mkhitaryan B.C. Aplikovaná štatistika a základy ekonometrie. - M.: GU HSE, 1998.

2. Gavrilová A.H. Financie organizácie. - M.: Knorus, 2007.

3. Korobová G.G., Petrov M.A. Solventnosť bankového dlžníka a jej hodnotenie v konkurenčnom prostredí // Bankové služby. -2005. -Č.7/8. -C. 22-24.

4. Kulikov N.I., Chainikova L.I. Posúdenie bonity podniku-dlžníka. - Tambov: Univerzita TSTU, 2007.

5. Nariadenie Centrálnej banky Ruskej federácie č. 254-P „O postupe pri vytváraní rezerv úverovými inštitúciami na možné straty z úverov, úverov a ekvivalentných dlhov“ z 26. marca 2004 - http:// base.garant.ru/584458/.

6. Saati T.L. Matematické modely konfliktných situácií / Ed. I.A. Ušakov. - M.: Sovietsky rozhlas, 1977.

7. Sheremet A.D., Saifulin R.C., Negashev H.B. Metódy finančnej analýzy. - M.: Infra-M, 2001.

8. Abdou H.A., Pointon J. (2011). "Kreditné bodovanie, štatistické techniky a hodnotiace kritériá: prehľad literatúry". Inteligentné systémy v účtovníctve, financiách a manažmente, roč. 18, č. 2-3, str. 59-88.

9. Bailey M. (2004). Kvalita spotrebiteľského úveru: upisovanie, hodnotenie, predchádzanie podvodom a vymáhanie pohľadávok. White Box Publishing, Kingswood, Bristol.

10. Crook J., Edelman D., Thomas L. (2007). "Nedávny vývoj v hodnotení spotrebiteľského úverového rizika". Európsky vestník operačného výskumu, roč. 183, č. 3, str. 1447-1465.

11. Gately E. (1996). Neurónové siete pre finančné prognózovanie: Najlepšie techniky na navrhovanie a aplikáciu najnovších obchodných systémov. New York: John Wiley & Sons, Inc.

12. Guillen M., Artis M. (1992). Modely počtu údajov pre systém kreditného bodovania: Séria európskych konferencií v kvantitatívnej ekonómii a ekonometrii o ekonometrii modelov trvania, počtu a prechodu. Paríž.

13. Heffernan S. (2004). moderné bankovníctvo. John Wiley & Sons, Inc., Chichester, West Sussex.

14. Liang Q. (2003). „Firemné finančné ťažkosti v Číne: empirická analýza využívajúca modely kreditného bodovania“. Hitotsubashi Journal of Commerce and Management, Vol. 38, č. 1, str. 13-28.

PRÍLOHA 1.

Študijná vzorka

№	Spoločnosť	y / Predvolený príznak	Ukazovateľ bežnej likvidity			Pomer EBIT / Úrok/ EBIT k úrokom		NI > 0/ Prítomnosť čistého zisku
1	Lekáreň 36.6	0	0,82	1,32	2,41	1,83	0,0496	1	1	1
2	L "Etoile	0	5,04	2,75	10,98	1,64	0,007	1	1	1
3	Štekať	0	0,795	0,77	3,13	1,89	0	0	1	1
4	Stuha	0	0,75	9,7	2,91	3,1	0,049	1	1	1
5	OK	0	0,67	0,78	1,59	7,01	0,0357	1	1	1
6	Autoworld	0	1,2	0,65	3,09	1,35	0,04	1	1	1
7	Х5 Maloobchodná skupina	0	0,55	0,53	3,32	2,82	0,027	1	1	1
8	Mesto	0	0,99	18,97	10,25	1,29	0,01	1	1	0
9	Detský svet	0	0,93	0,83	2,14	3,99	0,032	1	1	1
10	Dixie	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	Kolotoč	0	0,73	0,68	3,175	1,71	0,059	1	1	1
13	cent	0	0,68	2,93	7,03	1,82	0	0	1	1
14	Skupina Kosmos	0	1,64	1,11	2,88	2,65	0,043	1	1	1
15	Magnet	0	a	0,54	1,11	10,2	0,061	1	1	1
16	Magnólia	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	JSC "NTS"	0	1,18	3,09	5,44	1,05	0,21	1	0	1
20	Topánky z Ruska	0	0,87	2,34	1,87	5,65	0,1	1	1	1
21	Križovatka (2005)	0	0,54	1,09	3,16	3,92	0,026	1	1	1
22	Pivdom	0	1,99	3	8	1,1	0,0006	1	0	1
23	Rodina	0	10	0,28	1,66	6	0,58	1	1	1
24	Svyaznoy	0	1,07	0	0	0	0,001	1	1	1
25	Elekam	0	1,44	1,82	4,25	1,3	0,01	1	1	1
26	Makro	1	1	15	11	1,52	0,01	1	0	1
27	Prestige Express	1	8	0,98	12,43	1,02	0,002	1	0	1
28	Arbat Prestige	1	0,49	1,81	7,6	1,45	0,017	1	1	0
29	Orchidea	1	3	1,164	13	0	0,01	1	0	1
30	Banánová mama	1	0,94	181957	-35	-0,6	-0,033	0	1	0
31	biela fregata	1	7	932	8,76	0,88	-0,4	0	1	1
32	Martha	1	3,96	20	11	1/17	0,003	1	1	1
33	Matrix	1	2,38	21	6,82	1	0,001	1	0	0
34	Merkúr (sebachvála)	1	1,12	9,98	7,32	1,27	0,003	1	1	1
35	Minnesco	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	Polissya	1	7,93	15	14	1,03	0,003	1	0	1
38	Ustanovenie	1	0,12	35557	0	0	-0,819	0	0	1
39	siedmy kontinent	1	1,93	0,41	1,52	1,35	0,07	1	0	1
40	Technosila	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

Poznámka: ak mala spoločnosť zlyhanie, potom koeficient nadobudne hodnotu 1 a 0, ak nedošlo k žiadnemu zlyhania.

DODATOK 2

Regresia ôsmich faktorov pre 41 spoločností

Regresia a zostatok	DF / Počet stupňov voľnosti	SS / Súčet štvorcov	MS = SS/DF	F-štatistika	Význam F / Význam
Regresia / Regresia	8	6,250849408	0,781356176	7,133131961	2.17209Е-05
Reziduálny	32	3,505248153	0,109539005	-	-
Celkom / Celkom	40	9,756097561	-	-	-

Použité parametre			tStat/ t-štatistika	P-vaiue / Význam
Zachytenie / Konštantné	0,354797355	0,281481615	1,260463691	0,216616062
Ukazovateľ bežnej likvidity	0,034652978	0,01876389	1,846790732	0,074043212
Pákový efekt / Finančná páka	1,31819Е-05	4.77939E-06	2,758072506	0,009529947
D / EBITDA / Pomer úročeného dlhu k EBITDA	0,044980795	0,018152923	2,477881708	0,018682248
	-0,012377044	0,030936193	-0,40008296	0,691753745
ROS / Návratnosť tržieb	-0,530759612	0,375019201	-1,415286499	0,166643428
NI > 0 / Prítomnosť čistého zisku	-0,02891433	0,164713359	-0,175543319	0,861758855
Manažér / Manažér kvality	-0,266367 tl2	0,134861932	-1,975109717	0,056935374
Histor/ Kvalita úverovej histórie	-0,109402928	0,159841844	-0,684444857	0,498621797

DODATOK 3

Regresia na siedmich faktoroch pre 35 spoločností

Regresia a zostatok	DFI Počet stupňov voľnosti	SS / Súčet štvorcov	MS = SS/DF	F-štatistika	Význam F / Význam F
Regresia / Regresia	7	5,898901667	0,842700238	9,097165886	9,56 Е-06
Reziduálny	27	2,501098333	0,092633272	-	-
Celkom / Celkom	34	8,4	-	-	-

Použité parametre	Koeficienty / Koeficienty	Štandardná chyba / štandardná chyba	t Stat/ t-statistic	P-hodnota / Význam
Zachytenie / Konštantné	0,473712463	0,25308461	1,871755309	0,072111654
Ukazovateľ bežnej likvidity	0,018420061	0,017803477	1,034632774	0,047018946
Pákový efekt / Finančná páka	0,017110959	0,009674238	1,768713818	0,022823937
D / EBITDA / Pomer úročeného dlhu k EBITDA	0,046019604	0,021802198	2,110778177	0,014194286
Pomer EBIT / úrok / EBIT k úroku	-0,004583381	0,032996403	-0,13890548	0,89055573
ROS / Návratnosť tržieb	-0,582081686	0,483677061	-1,203451088	0,039247801
Manažér / Manažér kvality	-0,174077167	0,138900851	-1,253247659	0,03786026
História / Kvalita úverovej histórie	-0,378981463	0,194742843	-1,946061058	0,020243892

DODATOK 4

Hodnotenie spoločností zo vzorky pomocou skóringového modelu

Spoločnosť	O	Ukazovateľ bežnej likvidity	Pákový efekt / Finančná páka	D / EBITDA / Pomer úročeného dlhu k EBITDA	Pomer EBIT / úrok / EBIT k úroku	ROS / Návratnosť tržieb	Manažér / Manažér kvality	História / Pozitívna úverová história	Život spoločnosti	Sum	Trieda	Pravda alebo nie*
Lekáreň 36.6	0	4	6	4	4	6	5	9	3	41	2	1
L "Etoile	0	5	0	0	4	0	5	9	3	26	3	0
Štekať	0	4	8	0	4	0	5	9	3	33	2	1
Stuha	0	1	0	0	4	6	5	9	3	28	3	0
OK	0	1	8	4	4	6	5	9	3	40	2	1
Autoworld	0	5	8	0	3	6	5	9	3	39	2	1
Х5 Maloobchodná skupina	0	1	8	0	4	5	5	9	3	35	2	1
Detský svet	0	4	8	4	4	6	5	9	3	43	2	1
Dixie	0	4	6	0	4	0	5	9	3	31	2	1
Kolotoč	0	1	8	0	4	6	5	9	3	36	2	1
cent	0	1	0	0	4	0	5	9	3	22	3	0
Skupina Kosmos	0	5	6	0	4	6	5	9	3	38	2	1
Magnet	0	5	8	8	4	6	5	9	3	48	1	1
Magnólia	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
JSC "NTS"	0	5	0	0	2	6	0	9	3	25	3	0
Topánky z Ruska	0	4	2	4	4	6	5	9	3	37	2	1
Križovatka (2005)	0	1	6	0	4	5	5	9	3	33	2	1
Pivdom	0	5	0	0	2	0	0	9	3	19	3	0
Rodina	0	5	8	4	4	6	5	9	3	44	1	1
Elekam	0	5	4	0	2	0	5	9	3	28	3	0
Makro	1	4	0	0	4	0	0	9	3	20	3	1
Prestige Express	1	5	8	0	2	0	0	9	3	27	3	1
Arbat Prestige	1	0	4	0	3	0	5	0	3	15	3	1
Orchidea	1	5	6	0	0	0	0	9	3	23	3	1
biela fregata	1	5	0	0	0	0	5	9	3	22	3	1
Martha	1	5	0	0	2	0	5	9	3	24	3	1
Matrix	1	5	0	0	0	0	0	0	3	8	3	1
Merkúr (sebachvála)	1	5	0	0	2	0	5	9	3	24	3	1
Minnesco	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
Polissya	1	5	0	0	2	0	0	9	3	19	3	1
siedmy kontinent	1	5	8	4	3	6	0	9	3	38	2	0
Technosila	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

* Stĺpec zobrazuje, či sme dostali správne rozhodnutie o úvere spoločnosti podľa bodovacieho modelu.