แนวคิดในการให้คะแนนความน่าเชื่อถือของลูกค้า
คำจำกัดความ 1
การให้คะแนนคือแบบจำลองทางสถิติหรือทางคณิตศาสตร์ที่ใช้ข้อมูลจากประวัติเครดิตของลูกค้าธนาคาร และท้ายที่สุด เป็นไปได้ที่จะคำนวณความน่าจะเป็นที่ผู้กู้รายต่อไปจะคืนเงินที่ได้รับตรงเวลา
วิธีการประเมินผู้ยืมนี้เป็นผลรวมถ่วงน้ำหนักของคุณลักษณะบางชุดในรูปแบบที่เรียบง่าย นี่เป็นสิ่งจำเป็นสำหรับการสร้างตัวบ่งชี้สรุป ตัวบ่งชี้นี้ถูกเปรียบเทียบกับเส้นคุ้มทุนที่เรียกว่า
การประเมินความสามารถในการชำระหนี้ของผู้กู้ดังกล่าวมีความจำเป็นในการกำหนดตัวบ่งชี้ที่สำคัญของลูกค้าที่มีศักยภาพแต่ละราย และผลลัพธ์ที่ได้จะต้องนำมาเปรียบเทียบกับบรรทัดด้านบน (ดังนั้น เฉพาะผู้กู้ที่มีตัวบ่งชี้นี้อยู่เหนือเส้นคุ้มทุนเท่านั้นที่จะสามารถ รับเงินกู้)
โดยปกติ ในเศรษฐกิจของประเทศ ธนาคารใช้แบบจำลองการประเมินการให้คะแนนความน่าเชื่อถือของแต่ละบุคคล ซึ่งปรับให้เข้ากับเงื่อนไขของรัสเซีย
ขั้นแรกให้ประเมินเบื้องต้นเกี่ยวกับความเป็นไปได้ในการได้รับเงินกู้ตามข้อมูลของแบบสอบถาม - ใบสมัครของผู้กู้ ตามผลลัพธ์ของแบบฟอร์มใบสมัครที่กรอกแล้วจะมีการลงนามโปรโตคอลสำหรับการประเมินความเป็นไปได้ในการให้สินเชื่อ
ตัวอย่าง 1
หากคะแนนน้อยกว่า 30 โปรโตคอลจะบันทึกการปฏิเสธที่จะให้เงินกู้ แต่ถ้าคะแนนมากกว่า 30 คะแนน ความเสี่ยงจะได้รับการประเมินในขั้นต่อไปโดยพิจารณาจากการสำรวจเพิ่มเติม
ข้อดีและข้อเสียของการให้คะแนนเครดิต
วิธีการให้คะแนนและแบบจำลองช่วยให้:
- ลดความเสี่ยงจากการผิดนัดเงินกู้
- ตัดสินใจในการออกเงินกู้อย่างรวดเร็วและเป็นกลาง
- ช่วยให้คุณสามารถจัดการพอร์ตสินเชื่อของคุณได้อย่างมีประสิทธิภาพ
- ไม่จำเป็นต้องใช้เวลามากในการฝึกอบรมพนักงานของแผนกสินเชื่อ
- เป็นไปได้ที่จะทำการวิเคราะห์โดยชัดแจ้งของการขอสินเชื่อต่อหน้าลูกค้า
ข้อจำกัดของวิธีการให้คะแนนรวมถึงข้อเท็จจริงที่ว่าสามารถใช้ได้กับข้อมูลเกี่ยวกับลูกค้าที่ธนาคารได้ออกเงินกู้ให้แล้วเท่านั้น นอกจากนี้ พนักงานธนาคารยังต้องตรวจสอบคุณภาพของวิธีการและการวิเคราะห์เป็นระยะๆ และพัฒนาวิธีการให้คะแนนแบบใหม่
การปรับปรุงวิธีการให้คะแนนเพิ่มเติมจะขยายและเปลี่ยนแปลงรายการลักษณะที่ประเมินของสินเชื่อ
ในการให้สินเชื่อจำนองแก่ประชาชนนั้นมีการใช้การรับประกันภัยของผู้กู้ สิ่งที่สำคัญที่สุดคือการประเมินการผ่อนชำระของเงินกู้ในเวลาที่เหมาะสม อัตราส่วนของขนาดของภาระผูกพันรายเดือนของผู้กู้ต่อรายได้รวมของครอบครัวในช่วงเวลาเดียวกัน ฯลฯ เป็นการประมาณการ
ขั้นตอนการประเมินการให้คะแนนความน่าเชื่อถือของผู้กู้
โดยทั่วไป ในการวิเคราะห์ความน่าเชื่อถือของผู้กู้ที่มีศักยภาพ จะมีการขอสิ่งต่อไปนี้:
- สำเนาเอกสารพิสูจน์ตัวตนของผู้กู้
- การยืนยันรายได้ของลูกค้า: ใบรับรองในรูปแบบ 2-NDFL สำเนาการคืนภาษีในรูปแบบ 3-NDFL
- นอกจากนี้ พวกเขายังอาจขอเอกสารการเป็นเจ้าของทรัพย์สินและเอกสารอื่น ๆ ที่สามารถยืนยันการละลายและชื่อเสียงทางธุรกิจของลูกค้า
ผู้เชี่ยวชาญของธนาคารวิเคราะห์การละลายของผู้กู้รายบุคคลโดยพิจารณาจากข้อมูลรายได้เฉลี่ยต่อเดือนและจำนวนการหักเงินในช่วง 6 เดือนที่ผ่านมา ตลอดจนข้อมูลตามแบบสอบถาม ผลลัพธ์จะคำนวณเป็นรายได้เฉลี่ยต่อเดือนลบการชำระเงินบังคับทั้งหมด และปรับด้วยปัจจัยการแก้ไขที่แตกต่างกันไปตามจำนวนรายได้ (จาก 0.3 ถึง 0.6) ยิ่งรายได้มาก การปรับตัวก็ยิ่งมากขึ้น
หมายเหตุ 1
ในขณะนี้ วิธีการประเมินความน่าเชื่อถือทางเครดิตที่เป็นสากลที่สุดคือวิธีการประเมินฐานะการเงินของลูกค้า
เพื่อลดและควบคุมความเสี่ยง ธนาคารต้องประเมินฐานะการเงินของผู้กู้เป็นรายไตรมาส
เพื่อเป็นการปรับปรุงการประเมินความน่าเชื่อถือทางเครดิตของบุคคล ขอแนะนำให้ใช้ระบบการให้คะแนนในการกำหนดปริมาณสินเชื่อที่ออก
คะแนนเครดิตได้รับการออกแบบมาเพื่อวัดความเสี่ยงของการผิดนัดชำระหนี้โดยผู้มีโอกาสกู้ยืม โดยคำนึงถึงปัจจัยต่างๆ ของประวัติเครดิต สูตรสำหรับการคำนวณคะแนนเครดิตมักจะไม่เปิดเผยโดยธนาคารตะวันตก แต่โดยทั่วไปจะใช้องค์ประกอบต่อไปนี้ ซึ่งถือได้ว่าเป็นประสบการณ์ที่เกี่ยวข้อง:
- 35% เป็นประวัติเครดิต - มีหรือไม่มีข้อมูลประนีประนอม การล้มละลาย คำมั่นสัญญา คำพิพากษา ข้อตกลง การริบทรัพย์สิน การชำระหนี้ล่าช้าอาจเป็นสาเหตุของการปฏิเสธที่จะออกเงินกู้ได้
- เลเวอเรจ 30% – หมวดหมู่นี้จะพิจารณามิติเฉพาะของเลเวอเรจ รวมถึงจำนวนบัญชีเงินเบิกเกินบัญชี ภาระหนี้ที่มีอยู่ การซื้อแบบผ่อนชำระ
- ส่วนแบ่ง 15% ขึ้นอยู่กับระยะเวลาของประวัติเครดิต - ระยะเวลาเฉลี่ยของเงินกู้และระยะเวลาของเงินกู้เดิม
- 10% เป็นการประเมินประเภทสินเชื่อที่ใช้ (แผนผ่อนชำระ เงินเบิกเกินบัญชี สินเชื่อผู้บริโภค สินเชื่อที่อยู่อาศัย) แสดงประวัติการบริหารสินเชื่อประเภทต่างๆ
- ส่วนแบ่ง 10% ของคะแนนขึ้นอยู่กับจำนวนคำขอสินเชื่อ - คะแนนของผู้กู้จะลดลงหากมีการร้องขอจำนวนมากเมื่อเร็ว ๆ นี้ (14-45 วัน)
แบบจำลองการให้คะแนนควรยึดตามข้อมูลที่เป็นปัจจุบันและกำหนดค่าใหม่อย่างรวดเร็วเมื่อนโยบายสินเชื่อของธนาคารมีการเปลี่ยนแปลง
เครดิตบูโรมีบทบาทสำคัญในการทำงานของรูปแบบการให้คะแนน จำเป็นต้องศึกษาประวัติเครดิตของผู้กู้ที่มีศักยภาพและคู่สมรสของผู้สมัคร รายได้และค่าใช้จ่ายทุกประเภทของผู้กู้จะต้องจัดทำเป็นเอกสาร
ตัวอย่างที่ 2
ไม่ควรให้เงินกู้ยืมแก่ประชาชนที่มีการชำระเงินภายใต้เอกสารของผู้บริหารในจำนวน 50 เปอร์เซ็นต์หรือมากกว่าของรายได้สุทธิ นอกจากนี้ ไม่ควรรับหลักประกันของบุคคลที่มีการหักเงินเดือนเท่ากับหรือมากกว่าร้อยละ 50 ของรายได้สุทธิเป็นหลักประกันเงินกู้
รูปที่ 1 แสดงข้อมูลที่ธนาคารต่างประเทศพัฒนาขึ้นเพื่อรับข้อมูลเกี่ยวกับวัตถุประสงค์ของการกู้ยืม ลักษณะส่วนบุคคลของผู้กู้ และประวัติเครดิตของผู้กู้
รูปที่ 1 ตัวแปรที่ใช้ในแบบจำลองการให้คะแนนเพื่อประเมินความน่าเชื่อถือของผู้กู้ Author24 - แลกเปลี่ยนเอกสารนักเรียนออนไลน์
เมื่อประเมินความเสี่ยงด้านเครดิตของผู้กู้ที่มีศักยภาพ จะพิจารณาปัจจัยหลายประการ ได้แก่ อายุ สถานภาพการสมรสและการศึกษา จำนวนผู้ติดตามของเขา/เธอ ที่อยู่อาศัยของลูกค้า อาชีพ อายุงาน ประสบการณ์การทำงานในปัจจุบัน เช่นเดียวกับข้อมูลทางการเงินต่อไปนี้: รายได้ประจำและหนี้สินของลูกค้า; ประวัติเครดิตซึ่งรวมถึงข้อเท็จจริงเช่นการชำระคืนเงินกู้คุณภาพสูง ความร่วมมือเชิงบวกกับธนาคารก่อนหน้านี้ หากลูกค้าเป็นลูกค้าของธนาคารอยู่แล้ว
ระบบการให้คะแนนของธนาคารพาณิชย์เป็นกลไกในการเลือกผู้ที่จะกู้ผ่านการตรวจสอบจากผู้เชี่ยวชาญของปัจจัยที่มีผลต่อการชำระหนี้และความเสี่ยงของการไม่ชำระคืนเงินกู้ยืมที่ได้รับ กลไกที่ใช้ในการประเมินระดับความน่าเชื่อถือของลูกค้าขึ้นอยู่กับรูปแบบการให้กู้ยืมที่สถาบันการเงินเลือกใช้เป็นหลัก ในธนาคารพาณิชย์บางแห่ง เจ้าหน้าที่สินเชื่อและเจ้าหน้าที่รักษาความปลอดภัยอาจเสนอข้อกำหนดเฉพาะสำหรับผู้มีโอกาสเป็นลูกค้าโดยเฉพาะ
เราขอนำเสนอธนาคาร 4 แห่งที่คุณสามารถรับเงินกู้ที่มีประวัติเครดิตไม่ดีได้:
อัตราดอกเบี้ย
จาก 9.5%
ภาคเรียน
นานถึง 5 ปี
ซำ
มากถึง 700,000 rubles
รับเงินกู้ในวันสมัครกับธนาคาร
อัตราดอกเบี้ย
จาก 7.5%
ภาคเรียน
นานถึง 5 ปี
ซำ
มากถึง 1 ล้านรูเบิล
ตัดสินใจได้ทันที; การไถ่ถอนโดยไม่มีค่าคอมมิชชั่น
อัตราดอกเบี้ย
จาก 10.5%
ภาคเรียน
นานถึง 7 ปี
ซำ
มากถึง 4 ล้านรูเบิล
ธนาคารจะตัดสินการสมัครภายใน 3 นาที
ระบบธนาคารคลาสสิกสำหรับการประเมินผู้กู้
การตรวจสอบโดยเพื่อนมักจะเริ่มต้นด้วยการตรวจสอบข้อมูลที่ผู้ยืมให้ไว้ในใบสมัคร เมื่อพูดถึงการให้สินเชื่อจำนวนมาก ตัวแทนของสถาบันการเงินอาจยืนกรานที่จะพบปะกับลูกค้าเป็นการส่วนตัว ในระหว่างการสัมภาษณ์ เจ้าหน้าที่สินเชื่อจะทำการประเมินผู้กู้ด้วยสายตา โดยสังเกตสัญญาณภายนอกที่เป็นไปได้ของการเจ็บป่วยที่รุนแรง ความไม่มั่นคงทางอารมณ์ หรือไม่สอดคล้องกับข้อมูลบางส่วนที่ให้ไว้ในแบบสอบถามเดิม
ระบบคลาสสิกสำหรับการประเมินผู้กู้ในอนาคตทำงานดังนี้:
- ลูกค้าติดต่อกับผู้จัดการสินเชื่อที่มีประสบการณ์หรือเจ้าหน้าที่รักษาความปลอดภัยของธนาคารเป็นการส่วนตัว
- ผู้ยืมกรอกใบสมัครที่เขาให้ข้อมูลส่วนบุคคล
- ผู้จัดการเครดิตยื่นคำร้อง สำนักประวัติเครดิต - หน่วยงานที่ดำเนินกิจกรรมเพื่อสร้างการจัดเก็บและประมวลผลประวัติเครดิต "\u003e สำนักประวัติเครดิตใบสมัครเพื่อรับข้อมูลเกี่ยวกับภาระผูกพันก่อนหน้าของผู้ขอสินเชื่อซึ่งจำเป็นสำหรับการวิเคราะห์ในภายหลัง
- ในระหว่างการสัมภาษณ์ ตัวแทนของสถาบันสินเชื่อจะถามคำถามง่ายๆ สองสามข้อ ความน่าเชื่อถือของคำตอบจะขึ้นอยู่กับการปฏิบัติตามหลักเกณฑ์ของธนาคารพาณิชย์ของผู้กู้
- ผู้เชี่ยวชาญออกคำตัดสินหลังจากศึกษาข้อมูลที่เป็นความลับที่ได้รับ
วิธีการประเมินการละลายของผู้กู้แบบเดิมเหมาะสำหรับธนาคารพาณิชย์ขนาดใหญ่ที่มีโอกาสเปิดแผนกต่างๆ ที่เกี่ยวข้องกับการตรวจสอบเอกสารโดยผู้เชี่ยวชาญ รูปแบบการให้คะแนนที่คล้ายกันและ การรับประกันภัยคือการศึกษาความน่าจะเป็นของการชำระคืนหรือการไม่ชำระคืนเงินกู้ ขั้นตอนนี้ดำเนินการโดยธนาคารที่ตัดสินใจออกเงินกู้และเกี่ยวข้องกับการกำหนดความสามารถในการชำระหนี้และความน่าเชื่อถือของผู้กู้ที่มีศักยภาพ "> การรับประกันภัยใช้อย่างแข็งขันโดยผู้ให้กู้ที่ออกเงินกู้ระยะยาว โดยเฉลี่ยจะใช้เวลาถึง 36 ชั่วโมงในการศึกษาคำขอจากลูกค้า เมื่อพูดถึงสินเชื่อที่มีหลักประกันซึ่งจำเป็นต้องประเมินหลักประกันเพิ่มเติมและยืนยันการชำระหนี้ของผู้ค้ำประกัน การพิจารณาคำขออาจใช้เวลาถึง 7 วัน
ระบบการให้คะแนนทำงานอย่างไร?
ระบบการให้คะแนนอัตโนมัติสมัยใหม่ได้ถูกสร้างขึ้นเพื่อเร่งขั้นตอนการให้ยืม ธนาคารพาณิชย์ใช้ในขั้นตอนการออกบัตรเครดิตและสถาบันที่ไม่ใช่ธนาคารหลายแห่งที่มุ่งเป้าไปที่การออกสินเชื่อด่วน ขั้นตอนการให้คะแนน เช่น การตรวจสอบความสามารถในการละลายจะขึ้นอยู่กับการใช้ซอฟต์แวร์เฉพาะอุตสาหกรรม ซึ่งอัลกอริธึมได้รับการกำหนดค่าให้ศึกษาเกณฑ์แต่ละรายการและตรวจสอบว่าข้อมูลที่ผู้ยืมให้มานั้นสอดคล้องกับเงื่อนไขปัจจุบันของธุรกรรม
ระบบอัตโนมัติของกระบวนการให้คะแนนช่วยให้:
- เร่งตรวจสอบแบบสอบถามที่ได้รับจากผู้มีโอกาสเป็นลูกค้า
- ลดพนักงานของสถาบันสินเชื่อ
- แปลขั้นตอนการกรอก ยื่น และประมวลผลการขอสินเชื่อเป็นระนาบเสมือน
- ลดความเสี่ยงจากการถูกปฏิเสธเงินกู้
- ลดความเสี่ยงความผิดพลาดของพนักงานธนาคารที่เกิดจากปัจจัยมนุษย์
- สร้างระบบที่เป็นมาตรฐานและเป็นหนึ่งเดียวสำหรับการประเมินผู้กู้ในอนาคต
บริษัทที่ให้บริการสินเชื่อผู้บริโภครายย่อยและบัตรพลาสติกมีขั้นตอนการสมัครจำนวนมากในแต่ละวัน ในเงื่อนไขดังกล่าว แทบจะเป็นไปไม่ได้เลยที่จะให้แนวทางส่วนบุคคลในการทำงานกับผู้มีโอกาสเป็นลูกค้าแต่ละราย อัลกอริธึมของระบบการให้คะแนนอัตโนมัติขึ้นอยู่กับการใช้พารามิเตอร์ง่าย ๆ จำนวนหนึ่งที่ช่วยให้สามารถประเมินผู้กู้ได้อย่างละเอียด Paramount มักเป็นข้อมูลที่เกี่ยวข้องกับหนังสือเดินทางและข้อมูลการชำระเงิน
จะรับประกันคะแนนผ่านที่ธนาคารได้อย่างไร?
ในการรับเงินกู้หลังจากตรวจสอบการชำระหนี้ ก็เพียงพอแล้วที่ผู้กู้จะให้ข้อมูลที่เชื่อถือได้ สำรองด้วยเอกสารที่ระบุในเงื่อนไขของธุรกรรมในอนาคต ซอฟต์แวร์ใช้วิธีการทางสถิติ การวิเคราะห์ และคณิตศาสตร์ที่เปิดเผยต่อสาธารณะเพื่อประเมินความเป็นไปได้ในการชำระคืนเงินกู้โดยเฉพาะ แต่เพื่อเร่งการตัดสินใจเกี่ยวกับแอปพลิเคชันสตรีมมิ่งที่ได้รับ ผู้ให้กู้บางรายปฏิเสธที่จะประมวลผลใบแจ้งยอดรายได้และใบแจ้งยอดจากธนาคาร การมีข้อมูลเพิ่มเติมจะเพิ่มค่าสัมประสิทธิ์ที่ได้รับ หากคะแนนขั้นต่ำเพียงพอที่จะสรุปธุรกรรม ไม่จำเป็นต้องมีเอกสารประกอบ
การประเมินความสามารถในการละลายได้รับผลกระทบจาก:
ดังนั้น ประวัติเครดิตและความมั่นคงทางการเงินของผู้กู้ที่มีศักยภาพจะส่งผลต่อการคำนวณอันดับเครดิตและผลของการตัดสินใจกู้เงินภายในระบบการให้คะแนน โดยทางอ้อม ระดับของการจัดอันดับเครดิตสามารถเปลี่ยนแปลงได้โดยปัจจัยต่างๆ เช่น สถานภาพการสมรสหรืออายุของลูกค้า
บางองค์กรพิจารณาสถานการณ์ที่อยู่นอกเหนือการควบคุมของลูกค้า อัลกอริธึมเครื่องให้คะแนนสามารถปรับได้โดยคำนึงถึงสถานการณ์ทางเศรษฐกิจและสถานการณ์ทางการเมืองในภูมิภาค ประเภทและขนาดของผลิตภัณฑ์สินเชื่อ เช่นเดียวกับการมีอยู่หรือไม่มีแนวโน้มเชิงลบในการให้กู้ยืม
เครื่องให้คะแนนของธนาคารไม่สามารถหลอกได้ เพราะแม้แต่ความผิดพลาดโดยไม่ได้ตั้งใจในขั้นตอนของการกรอกใบสมัครก็นำไปสู่การปฏิเสธที่จะให้ยืม ในการผ่านการตรวจสอบ ลูกค้าจะต้องให้ข้อมูลที่เป็นความลับ ผู้ให้กู้รับประกันความปลอดภัยของข้อมูลที่เป็นความลับ อัลกอริทึมนี้มุ่งเป้าไปที่การประมวลผลไม่เพียงแต่คำตอบที่ได้รับเท่านั้น ระบบดังกล่าวช่วยให้คุณสามารถรวบรวมและวิเคราะห์สถิติที่เป็นประโยชน์ซึ่งให้โอกาสพิเศษในการทำนายพฤติกรรมการชำระเงินของผู้มีโอกาสเป็นลูกค้า
คุณอาจสนใจ:
เงินงวดและการชำระเงินที่แตกต่าง - อะไรคือความแตกต่าง?
ประเด็นเรื่องการชำระเงินกู้เป็นเรื่องของหลักการเสมอสำหรับใครก็ตามที่วางแผนจะกู้เงินด้วยเงินสดหรือได้ดำเนินการไปแล้ว เราพิจารณารายละเอียดความแตกต่างระหว่างเงินรายปีและการชำระเงินที่แตกต่างกัน เมื่อทราบความแตกต่างเหล่านี้ คุณจะสามารถเลือกตัวเลือกเงินกู้ที่ดีที่สุดสำหรับตัวคุณเอง
ผู้ใช้เครดิตทุกคนควรรู้ว่าการให้คะแนนเครดิตคืออะไร แนวคิดนี้เริ่มนำมาใช้โดยธนาคารเมื่อต้นศตวรรษนี้ และนี่เป็นเพราะความจริงที่ว่าการเติบโตของสินเชื่อเพิ่มขึ้นอย่างมาก
Scoring เป็นโปรแกรมคอมพิวเตอร์ที่ออกแบบมาเป็นพิเศษซึ่งช่วยในการระบุความสามารถในการละลายของลูกค้าได้อย่างรวดเร็วโดยการวิเคราะห์ข้อมูลส่วนบุคคลของเขา
เมื่อต้องการทำเช่นนี้ ข้อมูลดิจิทัลที่สร้างโดยแบบฟอร์มจะถูกป้อนลงในโปรแกรมตามหลักการทดสอบทั่วไป จากนั้นโปรแกรมการให้คะแนนจะวิเคราะห์ข้อมูลที่ป้อนอย่างระมัดระวังและให้ผลลัพธ์เป็นคะแนนตามกฎ: ค่าตัวเลขที่แน่นอนจะสอดคล้องกับคำถามใด ๆ ดังนั้นปรากฎว่าไม่ใช่ผู้จัดการเครดิตที่ตัดสินใจว่าจะออกเงินกู้ให้กับลูกค้าหรือไม่ แต่เป็นคอมพิวเตอร์
การให้คะแนนเครดิตจะใช้ในกรณีที่ผู้กู้ต้องการและ ในการออกเงินกู้ก้อนใหญ่อีกรายการหนึ่ง จะใช้การให้คะแนนด้วย แต่ร่วมกับการวิเคราะห์อื่นๆ (การประเมินมูลค่าหลักประกัน ฯลฯ)
คะแนนมีไว้เพื่ออะไร?
ธนาคารส่วนใหญ่ตัดสินใจในการออกเงินกู้โดยใช้ระบบการให้คะแนนเท่านั้น ตัวอย่างเช่น
- หากผู้ยืมทำคะแนนได้สูงตามระบบการให้คะแนน เงินกู้จะออกให้แก่เขาโดยไม่มีการตรวจสอบอื่น ๆ
- เมื่อให้คะแนนเฉลี่ยของคะแนน คำขอสินเชื่อของลูกค้าจะได้รับการพิจารณาเพิ่มเติมโดยคณะกรรมการสินเชื่อ
- ด้วยคะแนนที่ชัดเจนธนาคารปฏิเสธเงินกู้
ผลการคำนวณคะแนนเครดิตขึ้นอยู่กับระบบการเขียนโปรแกรมของธนาคาร ด้วยเหตุนี้ ธนาคารจึงเลือกผู้กู้ที่น่าเชื่อถือและน่าพึงพอใจจากลูกค้าที่ไม่ซื่อสัตย์
คำถามทดสอบ
แต่ละธนาคารมีระบบการให้คะแนนของตัวเอง แต่โดยพื้นฐานแล้วมันเกี่ยวข้องกับคำถามเดียวกัน ตัวอย่างเช่น คำถามทดสอบที่ใช้บ่อยที่สุดคือ:
- อายุ เพศของผู้กู้
- เงินเดือนราชการ
- จำนวนและเงื่อนไขของเงินกู้ที่ต้องการ;
- ไม่ว่าผู้กู้จะแต่งงาน (แต่งงานแล้ว);
- มีผู้อยู่ในความอุปการะในครอบครัวหรือไม่
- ไม่ว่าภรรยา (สามี) ทำงานหรือไม่
- คุณมีประวัติอาชญากรรมและปัญหาอื่น ๆ หรือไม่?
ไม่ต้องสงสัยเลยว่าหนึ่งในคุณลักษณะเชิงบวกและสำคัญที่สุดของการให้คะแนนเครดิตควรได้รับการพิจารณาเพื่ออำนวยความสะดวกในการตรวจสอบการละลายของผู้กู้
ข้อเสียของโปรแกรมการให้คะแนน
อย่างไรก็ตาม ยังมีข้อเสียอยู่ด้วย: โปรแกรมสามารถข้ามผู้ยืมที่ไร้ยางอายได้ แต่ในทางกลับกัน โปรแกรมที่เชื่อถือได้สามารถถูกปฏิเสธได้ เมื่อตรวจสอบด้วยวิธีอื่น สถานการณ์นี้เกิดขึ้นไม่บ่อยนัก
อาจกล่าวได้ว่าระบบการให้คะแนนเครดิตในแง่หนึ่งจะเพิ่มราคาเงินกู้ เนื่องจากมีความเสี่ยงต่อสถาบันสินเชื่อ
การวางแนวเป้าหมายของระบบการให้คะแนน
ระบบการให้คะแนนธนาคารที่ทำงานในกิจกรรมการให้กู้ยืมช่วยให้ในอนาคตอันใกล้นี้ไม่เพียงกำหนดความมั่นคงทางการเงินของลูกค้าผู้สมัครเท่านั้น แต่ยังคำนวณเปอร์เซ็นต์ของความเสี่ยงด้านเครดิตและการสูญเสียวัสดุที่เป็นไปได้ที่เกี่ยวข้องกับการไม่ชำระคืนเงินกู้โดย ผู้กู้ โปรแกรมการให้คะแนนได้รับการพัฒนาโดยสถาบันการเงินแต่ละแห่งเป็นรายบุคคล
วัตถุประสงค์ของการให้คะแนนเครดิตคือการบรรลุการลดความเสี่ยงสูงสุดซึ่งอาจเกิดขึ้นได้เมื่อให้ยืมแก่ผู้ที่ไม่น่าเชื่อถือหรือไม่สามารถชำระคืนเงินกู้ได้ บ่อยครั้งเมื่อผู้ให้กู้ตกลงที่จะให้ยืมแก่ผู้กู้ที่ไม่น่าเชื่อถือ เขาเริ่มมีปัญหาบางอย่างที่เกี่ยวข้องกับการเกิดความล่าช้า การให้คะแนนช่วยขจัดความเสี่ยงดังกล่าวให้ได้มากที่สุด เป็นไปได้ที่จะกำหนดระดับความน่าเชื่อถือของผู้กู้และประเมินความมั่นคงทางการเงินและความมั่นคงทั้งที่สัมพันธ์กับผู้กู้ที่มีศักยภาพ ทำหน้าที่เป็นพลเมือง และเกี่ยวข้องกับนิติบุคคล
สามารถตรวจสอบทั้งผู้กู้ที่มีศักยภาพและผู้ที่มีอยู่ผ่านฐานการให้คะแนนได้ ด้วยระบบดังกล่าว ทำให้สามารถระบุและระบุความเสี่ยงของสินเชื่อทั้งหมดที่อาจส่งผลกระทบต่อพอร์ตสินเชื่อขององค์กรเจ้าหนี้โดยเร็วที่สุด นอกจากนี้ การให้คะแนนซึ่งประเมินความเสี่ยงของพอร์ตสินเชื่อของผู้ให้กู้ยังมีส่วนสำคัญในการคาดการณ์เงินสำรองทางการเงินอีกด้วย กระบวนการสร้างระบบเกิดขึ้นจากปัจจัยต่างๆ เช่น สถานะทางการเงินของผู้กู้ที่มีศักยภาพ ซึ่งควรสะท้อนรายได้ หนี้สินทางการเงิน ค่าใช้จ่าย และยอดคงเหลือทั้งหมดของเขา รวมถึงประวัติเครดิตที่มีข้อมูลทั้งหมดเกี่ยวกับเงินกู้ในอดีต และการชำระคืนของพวกเขา
หลักเกณฑ์การประเมินการเงินของผู้กู้
ในการประเมินเสถียรภาพทางการเงินและสถานะทางการเงินของลูกค้าผู้สมัคร สถาบันสินเชื่อ ตามกฎแล้ว ให้ดำเนินการตามเกณฑ์เชิงคุณภาพและเชิงปริมาณ พารามิเตอร์ที่สำคัญที่สุด ได้แก่ งาน (ตำแหน่ง) ความเป็นเจ้าของอสังหาริมทรัพย์และทรัพย์สินอื่น ๆ รายได้คงที่และมั่นคง (ชื่อเสียง) ของผู้รับเงินกู้ สถานภาพการสมรส เงินฝากและเงินสมทบที่เปิดในสถาบันตลอดจนผู้สมัคร
สำหรับตัวชี้วัดเชิงปริมาณ จะรวมถึงจำนวนรายได้ ระดับการชำระหนี้ ค่าสัมประสิทธิ์ของผู้กู้ ตลอดจนความปลอดภัยของเงินกู้และเงื่อนไขของสัญญา หลักประกันสามารถเข้าใจได้ว่าเป็นการดำเนินการของการประกันภัยที่เกี่ยวข้องกับเรื่องเช่นเดียวกับอัตราส่วนของจำนวนเงินกู้และมูลค่าของหลักประกัน หลังจากประเมินลูกค้าโดยใช้รูปแบบการให้คะแนนแล้ว ผู้มีโอกาสเป็นลูกหนี้แต่ละรายที่อยู่ภายใต้การตรวจสอบจะมีบัตรให้คะแนนของตนเอง ซึ่งมีรายการและข้อกำหนดบังคับจำนวนมาก ตารางสรุปสถิติจะใส่ค่าสัมประสิทธิ์บางอย่างสำหรับแต่ละรายการที่อยู่ในนั้นซึ่งจะถูกประเมิน จากการตั้งสัมประสิทธิ์ทั้งหมด คะแนนจะถูกสรุปอย่างง่ายๆ
ตามจำนวนเฉพาะที่ได้รับระหว่างการบวกค่าสัมประสิทธิ์ ผู้กู้ที่มีศักยภาพแต่ละคนจะได้รับความมั่นคงทางการเงินและโอกาสที่สำคัญบางประเภท ลูกค้าที่น่าเชื่อถือที่สุดคือผู้สมัครที่ได้รับมอบหมายให้เรียนคลาส A หรือ B ภายหลังการประเมิน อย่างไรก็ตาม มีหลายกรณีที่ลูกค้าประเภท C กลายเป็นผู้กู้ยืมด้วย พลเมืองที่ได้รับมอบหมายคลาส D และ D ถือเป็นบุคคลล้มละลายโดยสิ้นเชิงและส่วนใหญ่ ไม่น่าเชื่อถือ
หากคุณพบข้อผิดพลาด โปรดเน้นข้อความและคลิก Ctrl+Enter.
ในบทความนี้ พอร์ทัล Creditoff (Credytoff) จะตอบคำถาม: "การให้คะแนน มันคืออะไร? และการประเมินการให้คะแนนความน่าเชื่อถือของบุคคล”
การได้รับผลกำไรสูงสุดสำหรับธนาคารนั้นเกี่ยวข้องโดยตรงกับคุณภาพของการขอสินเชื่อ ธนาคารไม่สนใจคืนเงินกู้ที่ออกให้น้อยกว่าผู้กู้ ดังนั้นนายธนาคารจึงดำเนินการตรวจสอบผู้กู้อย่างเข้มงวดและวิเคราะห์ความเสี่ยงด้านเครดิต
การประเมินการให้คะแนนความน่าเชื่อถือของแต่ละบุคคล
ความเสี่ยงด้านเครดิตคือการสูญเสียทางการเงินที่อาจเกิดขึ้นเนื่องจากการผิดนัดโดยผู้ยืมภาระผูกพันภายใต้สัญญาเงินกู้ ซึ่งอาจเกี่ยวข้องกับการชำระเงินล่าช้า (ค้างชำระ) หรือการปฏิเสธการชำระเงินกู้โดยสมบูรณ์
เพื่อลดความเสี่ยงด้านเครดิต นายธนาคารใช้การประเมินการให้คะแนนของผู้มีโอกาสเป็นลูกค้า
วันนี้การประเมินการให้คะแนนความน่าเชื่อถือของแต่ละบุคคลถูกนำมาใช้กันอย่างแพร่หลายในการประเมินความน่าเชื่อถือของผู้กู้ การให้คะแนนช่วยให้เข้าใจ โดยอาศัยประวัติเครดิตของลูกค้าปัจจุบันหรือลูกค้าเก่า โอกาสที่ผู้ยืมจะคืนเงินจะมีมากเพียงใดในวันที่กำหนดโดยข้อตกลง
คะแนน มันคืออะไร?
คะแนน มันคืออะไร? (การให้คะแนนภาษาอังกฤษ - "การให้คะแนน")
นี่คือระบบที่มีลักษณะเฉพาะของผู้กู้ที่มีศักยภาพ การให้คะแนนอัตโนมัติให้การประเมินความเสี่ยงทางการเงินตามวัตถุประสงค์อย่างแท้จริง ตรงกันข้ามกับข้อเท็จจริงที่ว่าผู้ตรวจสอบเครดิตจะดำเนินการตรวจสอบโดยตรง (ปัจจัยมนุษย์)
จากการตรวจสอบ จะได้รับตัวบ่งชี้ (คะแนน) ซึ่งระบุระดับความเสี่ยงที่เกี่ยวข้องกับลูกค้ารายใดรายหนึ่ง ตัวบ่งชี้นี้เปรียบเทียบกับค่าเกณฑ์ที่กำหนด ซึ่งโดยพื้นฐานแล้วคือเส้นคุ้มทุน (สวัสดีผู้อ่านขั้นสูง?) หากตัวบ่งชี้อยู่เหนือเกณฑ์ จะมีการตัดสินใจเกี่ยวกับการอนุมัติแอปพลิเคชันที่เป็นไปได้ หากต่ำกว่าเกณฑ์ อนิจจา ลูกค้าจะถูกปฏิเสธ
ข้อมูลใดที่นำมาพิจารณาในการให้คะแนน
การประเมินคะแนนความน่าเชื่อถือของบุคคลนั้นค่อนข้างซับซ้อน การอนุมัติหรือการปฏิเสธของลูกค้าขึ้นอยู่กับตัวบ่งชี้หลายอย่าง
- รายละเอียดหนังสือเดินทางของผู้กู้ที่มีศักยภาพ ที่เขาลงทะเบียนและที่อยู่จริง ๆ หมายเลขโทรศัพท์ติดต่อ จากข้อมูลนี้ การระบุหลักของลูกค้าของธนาคารจะดำเนินการ ในขั้นตอนนี้ ลูกค้าที่มีหนังสือเดินทางหมดอายุ ให้ข้อมูลที่ไม่ถูกต้องหรือเป็นเท็จ และเอกสารปลอมจะถูกคัดออก ความผิดพลาดใด ๆ ในข้อมูลที่ให้ไว้คุกคามด้วยการปฏิเสธทันที
- ในขั้นตอนที่สอง อายุ เพศ สถานภาพสมรส อายุงาน จำนวนผู้ติดตาม (บุตรที่ยังไม่บรรลุนิติภาวะเป็นปัจจัยลบในการให้คะแนน) ระยะเวลาในการให้บริการ ณ สถานที่ทำงานสุดท้ายจะถูกประเมิน
- โปรแกรมจะประเมินความสามารถในการละลายของลูกค้า การประเมินสภาพทางการเงินมีบทบาทหลักโดยรายได้ที่ยืนยันรายเดือน เหล่านั้น. ค่าจ้าง "ขาว" ระบุไว้ในใบรับรอง 2-NDFL หากรายได้ได้รับการยืนยันจากใบแจ้งยอดธนาคาร คะแนนการให้คะแนนสุดท้ายจะลดลง เงินกู้อาจได้รับการอนุมัติ แต่จำนวนเงินจะน้อยกว่า
- หลังจากทำตามขั้นตอนก่อนหน้านี้แล้ว โปรแกรมจะดำเนินการตรวจสอบ ตามกฎแล้ว ข้อมูลของ BCIs (เครดิตบูโร) หลายแห่งจะได้รับการพิจารณาในคราวเดียว ไม่เพียงแต่มีการตรวจสอบความล่าช้า แต่ยังรวมถึงภาระทางการเงินด้วย หากมี นอกจากนี้ BKI ยังบันทึกคำขอทั้งหมดไปยังธนาคาร หากมีการปฏิเสธหลายครั้ง สิ่งนี้จะส่งผลเสียต่อความเป็นไปได้ของการอนุมัติ เมื่อได้รับการปฏิเสธเพียงครั้งเดียว เราขอแนะนำให้คุณตรวจสอบประวัติเครดิตของคุณ มีความเป็นไปได้ที่ข้อมูล BCI อาจผิดพลาด
การประเมินการให้คะแนนความน่าเชื่อถือของลูกค้าบัญชีเงินเดือนรายบุคคลของธนาคาร
สำหรับผู้ถือบัตรเงินเดือน จะได้รับเช็คแยกต่างหาก ธุรกรรมบัตรจะได้รับการประเมิน การให้คะแนนจะตรวจสอบเงื่อนไขการรับและถอนเงิน ตลอดจนยอดเงินในบัญชีเฉลี่ย ควรสังเกตว่าลูกค้าเหล่านั้นได้รับคะแนนต่ำสุดซึ่งทันทีหลังจากได้รับเงินเดือนแล้วถอนเป็นเงินสดเต็มจำนวน
ตัดสินใจอย่างไร
การประเมินการให้คะแนนความน่าเชื่อถือของบุคคล ตัดสินใจอย่างไร
หลังจากวิเคราะห์ข้อมูลที่ได้รับ การให้คะแนนจะออกการตัดสินใจ ผู้ยืมที่มีศักยภาพจะได้รับ "เครื่องหมาย" สี: ขาว, เทา, ดำ
- สีขาว - ผู้กู้สามารถวางใจในเงินกู้ได้
- สีดำ - ปฏิเสธ
- สีเทาหมายความว่ามีข้อมูลไม่เพียงพอในการตัดสินใจ จำเป็นต้องมีการประเมินเพิ่มเติมของผู้รับประกันการจัดจำหน่าย ผู้ตรวจสอบสินเชื่อจะศึกษาแบบสอบถามและข้อมูลที่ให้รายละเอียดเพิ่มเติม เขาอาจขอเอกสารเพิ่มเติม หลังจากการตรวจสอบเพิ่มเติม ผู้จัดการการจัดจำหน่ายจะให้ความเห็นเกี่ยวกับความเป็นไปได้ของการอนุมัติ ตลอดจนจำนวนเงินสูงสุดและอายุของเงินกู้
"สกอร์ มันคืออะไร" - สำหรับผู้รับเงินกู้ครั้งแรก
"สกอร์ มันคืออะไร" - สำหรับผู้รับเงินกู้ครั้งแรก
แม้จะมีข้อดีของการให้คะแนน แต่วันนี้ธนาคารกำลังแก้ไขรูปแบบการยืนยันลูกค้าของตน ธนาคารหลายแห่งปฏิบัติตามสิ่งที่เรียกว่า มีการแนะนำพารามิเตอร์การตรวจสอบเพิ่มเติม เช่น ระยะเวลาการดำเนินงานของบริษัทที่ผู้กู้ที่มีศักยภาพทำงาน ขอบเขตของบริษัทนี้ ผลประกอบการทางการเงิน เป็นต้น โดยทั่วไปการเสริมคำตอบสำหรับคำถาม "การให้คะแนนคืออะไร" ควรสังเกตว่าการตรวจสอบการให้คะแนนในธนาคารขนาดใหญ่หลายแห่งมีความคล้ายคลึงกันมาก ดังนั้นก่อนสมัครควรตรวจสอบตัวเองก่อนว่าจะช่วยประหยัดเวลาและความกังวล
Dubovitsky V. S.
นักวิเคราะห์ของธนาคารใหญ่รัสเซีย
(กรุงมอสโก)
การจัดการการเงินองค์กร
05 (65) 2014
บทความนี้อธิบายการศึกษาเกี่ยวกับการพัฒนารูปแบบการให้คะแนนสำหรับการประเมินความน่าเชื่อถือทางเครดิตขององค์กรการค้าขนาดใหญ่ ซึ่งทำให้สามารถตัดสินความสามารถในการละลายของผู้กู้และประเมินประสิทธิผลโดยอิงตามค่าของตัวบ่งชี้แต่ละตัว บล็อกที่ใหญ่โตที่สุดในการพัฒนาแบบจำลองการให้คะแนนคือการเลือกระบบตัวบ่งชี้การประเมินและการกำหนดค่าสัมประสิทธิ์น้ำหนักสำหรับตัวบ่งชี้เหล่านี้ ซึ่งจะกล่าวถึงในรายละเอียดในบทความนี้
การแนะนำ
หนึ่งในพื้นที่สำคัญของธุรกิจในภาคการธนาคารคือการให้กู้ยืม เป็นเงินกู้ที่เป็นพื้นฐานของสินทรัพย์ของธนาคารโดยให้รายได้ดอกเบี้ยแก่ธนาคาร เมื่อเร็ว ๆ นี้ในประเทศของเรามีการพัฒนาอย่างรวดเร็วของภาคการธนาคารโดยเฉพาะอย่างยิ่งความสัมพันธ์ด้านเครดิตระหว่างธนาคารกับประชากร ผู้ประกอบการและธุรกิจขนาดใหญ่ เงินให้สินเชื่อไม่เพียงเกี่ยวข้องกับรายได้ดอกเบี้ยเท่านั้น แต่ยังรวมถึงความเสี่ยงด้านเครดิตที่เกี่ยวข้องกับการล้มละลายของผู้กู้และการสูญเสียเงินกู้ การประเมินความเสี่ยงด้านเครดิตเป็นประเด็นสำคัญในการวิเคราะห์เมื่อตัดสินใจให้กู้ยืมแก่ผู้กู้รายใดรายหนึ่ง และสวัสดิภาพของสถาบันการเงินส่วนใหญ่ขึ้นอยู่กับมัน
ปัจจุบันธนาคารใช้วิธีการวิเคราะห์ที่หลากหลาย โดยประเมินระดับของการสูญเสียที่อาจเกิดขึ้นและความน่าจะเป็นที่ผู้กู้ผิดนัดชำระหนี้ จากการวิเคราะห์นี้ผู้กู้จะได้รับการจัดอันดับคุณภาพ - "ดี", "ปานกลาง" หรือ "แย่" ตามระเบียบของธนาคารกลางแห่งสหพันธรัฐรัสเซียหมายเลข 254-p "ในขั้นตอนของการก่อตัว โดยสถาบันสินเชื่อสำรองสำหรับการสูญเสียที่อาจเกิดขึ้นจากเงินให้กู้ยืมเงินกู้ยืมและหนี้เทียบเท่า” 26 มีนาคม 2547
ธนาคารกลางทำหน้าที่เป็นผู้ควบคุมหลักของระบบสินเชื่อและให้คำแนะนำในการประเมินความน่าเชื่อถือทางเครดิตของผู้กู้ ตามพวกเขา ธนาคารสร้างแบบจำลองการประเมินมูลค่าของตนเอง - ความหลากหลายและความเฉลียวฉลาดของผู้เขียนนั้นน่าทึ่งมาก โมเดลดังกล่าวรวมถึงการประเมินสภาพทางการเงินของผู้กู้อย่างครอบคลุมเป็นตัวบ่งชี้หลักของการละลายในอนาคต อย่างไรก็ตาม โมเดลทั้งหมดมุ่งเป้าไปที่อันดับความน่าเชื่อถือของผู้กู้ ซึ่งอธิบายระดับความเสี่ยงของการสูญเสียทางการเงิน ตามการจัดประเภทที่ยอมรับโดยทั่วไป ระดับความน่าเชื่อถือทางเครดิตที่ดีสอดคล้องกับสถานะทางการเงินที่ดีของบริษัทและความเสี่ยงต่ำของการสูญเสียที่อาจเกิดขึ้น สถานะทางการเงินปานกลางถึงปานกลางและความเสี่ยงปานกลาง แย่ - มีโอกาสสูงที่จะถูกผิดนัดโดย ผู้กู้ ในสภาพที่ดีน่าจะมีการตัดสินใจในเชิงบวกเกี่ยวกับการออกเงินกู้โดยเฉลี่ยจะต้องมีการวิจัยเพิ่มเติมและผู้กู้ที่ไม่ดีจะถูกปฏิเสธ
การประเมินความเสี่ยงด้านเครดิตในธนาคารมีความสำคัญเสมอมา ดังนั้น จากการศึกษาของ Bailey และ Gately วิธีการประเมินที่มีอยู่จึงได้รับการปรับปรุงอย่างต่อเนื่อง และมีวิธีการใหม่ๆ ปรากฏขึ้นเป็นครั้งคราว เช่น การประเมินค่าโดยใช้โครงข่ายประสาทเทียม ซึ่งเกิดจากความต้องการที่สูงจากสถาบันสินเชื่อเพื่อเพิ่มประสิทธิภาพและปรับปรุงความสามารถในการคาดการณ์ของ เครื่องมือในการประเมินความน่าจะเป็นของการผิดสัญญาของผู้กู้ที่มีศักยภาพ .
ดังนั้น การประเมินความน่าเชื่อถือทางเครดิตจึงเป็นภารกิจหลักในการออกเงินกู้ วัตถุประสงค์ของงานนี้คือการสร้างแบบจำลองการให้คะแนนของเราเองสำหรับการประเมินคุณภาพเครดิตของนิติบุคคล จะได้รับการพัฒนาสำหรับผู้ค้าปลีกรายใหญ่และจะช่วยให้ตัดสินใจได้อย่างรวดเร็วเกี่ยวกับความเป็นไปได้ในการจัดหาเงินทุนสำหรับผู้กู้ต่างๆ
ขั้นแรก จะทำการวิเคราะห์เปรียบเทียบโดยสังเขปของแนวทางที่มีอยู่เพื่อประเมินความน่าเชื่อถือทางเครดิต บนพื้นฐานของมัน อาร์กิวเมนต์จะได้รับเพื่อสนับสนุนการพัฒนารูปแบบการให้คะแนน จากนั้นรูปแบบการให้คะแนนจะได้รับการพัฒนาโดยตรงโดยใช้วิธีการทางทฤษฎีต่างๆ งานหลักอย่างหนึ่งในการพัฒนาคือการกำหนดดัชนีชี้วัดที่สมดุลโดยคำนึงถึงอุตสาหกรรมที่เลือกและการกำหนดปัจจัยการถ่วงน้ำหนักสำหรับตัวชี้วัดเหล่านี้
ถัดไป จะทำการศึกษาทางสถิติโดยใช้ตัวอย่างจากผู้ค้า 41 ราย (สำหรับ 16 รายในจำนวนนั้นเป็นค่าเริ่มต้นที่บันทึกไว้) เพื่อเปรียบเทียบผลลัพธ์ตามน้ำหนักของตัวบ่งชี้กับผลลัพธ์ที่ได้รับในตอนแรก จากผลการเปรียบเทียบ จะมีการให้ข้อสรุปเกี่ยวกับความถูกต้องของแบบจำลองการให้คะแนนที่รวบรวมไว้ ในตอนท้ายของบทความนี้ การประเมินประสิทธิผลของแบบจำลองที่พัฒนาแล้วจะถูกนำเสนอ ความสามารถในการคาดการณ์ของแบบจำลองที่พัฒนาแล้วจะได้รับการพิจารณา และจะมีการสรุปข้อสรุปเกี่ยวกับความสามารถในการดำรงอยู่ของมัน
แนวทางที่แตกต่างกันในการประเมินเครดิต
แบบจำลองที่มีอยู่ทั้งหมดสำหรับการประเมินความน่าเชื่อถือของผู้กู้สามารถแสดงเป็นการจัดประเภทดังต่อไปนี้ (รูปที่ 1)
ดังนั้น ความหลากหลายของแนวทางในการวิเคราะห์ความน่าเชื่อถือทางเครดิตจึงสามารถจัดระบบได้โดยแบ่งวิธีทั้งหมดออกเป็นสามกลุ่มใหญ่ๆ ดังนี้
- แบบจำลองเชิงปริมาณ
- แบบจำลองการทำนาย
- โมเดลคุณภาพ
แบบจำลองเชิงปริมาณใช้ตัวบ่งชี้ที่เกี่ยวข้องและอนุญาตให้กำหนดอันดับที่แน่นอนให้กับผู้ยืมโดยอิงจากพวกมัน แบบจำลองการคาดการณ์ขึ้นอยู่กับสถิติที่ผ่านมาและมุ่งเป้าไปที่การสร้างแบบจำลองการพัฒนาเพิ่มเติมและความน่าจะเป็นเริ่มต้นของผู้ยืม และแบบจำลองเชิงคุณภาพใช้ระบบตัวบ่งชี้เชิงคุณภาพที่หลากหลาย
เพื่อกำหนดแนวทางการประเมินความน่าเชื่อถือทางเครดิตที่มีประสิทธิภาพสูงสุด เราเปรียบเทียบวิธีการประเมินที่อธิบายไว้ ในตาราง. 1 แสดงลักษณะเปรียบเทียบของแบบจำลองการประเมินสินเชื่อที่พิจารณาก่อนหน้านี้
ตารางที่ 1. ตารางสรุปแบบจำลองอันดับความน่าเชื่อถือ
ชื่อรุ่น | ข้อดีของรุ่น | ข้อเสียของโมเดล |
วิธีสัมประสิทธิ์ | ให้คุณประเมินสถานะทางการเงินของผู้กู้ได้อย่างครอบคลุม | ไม่คำนึงถึงตัวชี้วัดคุณภาพสถิติปีก่อนหน้า ระบบที่ไม่อัตโนมัติต้องการการตีความค่าของตัวบ่งชี้แต่ละตัวอย่างต่อเนื่อง |
โมเดลเรตติ้ง | อนุญาตให้ทำการประเมินโดยอัตโนมัติโดยใช้วิธีสัมประสิทธิ์โดยการคำนวณอินดิเคเตอร์อินทิกรัล แตกต่างทั้งความสะดวกและใช้งานง่าย | พวกเขาคำนึงถึงตัวชี้วัดทางการเงินเท่านั้นอย่าใช้สถิติจากปีก่อนหน้า ต้องมีการปรับโครงสร้างสำหรับบริษัทประเภทต่างๆ |
โมเดลการให้คะแนน | ช่วยให้คุณได้รับการประเมินความน่าเชื่อถือในจุดเทียบเท่าและมอบหมายผู้กู้ให้เป็นหนึ่งในสามกลุ่ม ง่ายและใช้งานง่าย ช่วยประเมินตัวบ่งชี้คุณภาพที่ไม่ใช่ทางการเงิน เมื่อประเมินค่าสัมประสิทธิ์น้ำหนักด้วยวิธีการทางสถิติแล้ว ให้คำนึงถึงข้อมูลสินเชื่อที่ออกให้แล้ว มีเหตุผลทางเศรษฐกิจ | ไม่เป็นสากล ต้องการการปรับโครงสร้างสำหรับบริษัทบางประเภท ต้องใช้ข้อมูลจำนวนมากเพื่อศึกษาค่าสัมประสิทธิ์การถ่วงน้ำหนัก |
แบบจำลองกระแสเงินสด | ให้คุณประเมินกระแสเงินสดในอนาคตของบริษัทและเปรียบเทียบกับภาระหนี้ | พวกเขาไม่คำนึงถึงสภาวะตลาดและตัวชี้วัดคุณภาพของบริษัทที่กู้ยืม อาจให้ผลลัพธ์ที่ไม่สอดคล้องกัน |
แบบจำลองการวิเคราะห์การเลือกปฏิบัติ | อนุญาตให้กำหนดความน่าจะเป็นของการผิดนัดของบริษัทเงินกู้ตามสถิติของปีก่อนๆ | |
แบบจำลองการถดถอย | อนุญาตให้กำหนดความน่าจะเป็นของการผิดนัดของ บริษัท ยืมโดยพิจารณาจากสถิติของปีก่อนหน้า เมื่อใช้โมเดลกับข้อมูลที่ถูกต้อง คุณจะได้ผลลัพธ์ที่มีความมั่นใจสูง | ผลลัพธ์ที่ได้ขึ้นอยู่กับตัวอย่างการฝึกอย่างมาก และเมื่อศึกษาแบบจำลองจากข้อมูลอื่น ผลลัพธ์มักจะไม่สอดคล้องกับความเป็นจริง ต้องใช้ข้อมูลจำนวนมากเพื่อศึกษาค่าสัมประสิทธิ์การถ่วงน้ำหนัก |
แบบจำลองการวิเคราะห์เชิงคุณภาพ | ให้คุณทำการวิเคราะห์ที่ครอบคลุมของบริษัท | การขาดวิธีการทางคณิตศาสตร์นำไปสู่การประเมินอัตนัยของตัวบ่งชี้แต่ละตัวและข้อผิดพลาดที่เกี่ยวข้องกับปัจจัยมนุษย์ อย่าคำนึงถึงสถิติของปีก่อนๆ ไม่มีกฎระเบียบที่ชัดเจนสำหรับการประเมินความน่าเชื่อถือสำหรับกลุ่มคุณภาพของการวิเคราะห์ |
จากการวิเคราะห์เปรียบเทียบข้างต้น เราสามารถสรุปได้ว่ารูปแบบการให้คะแนนอยู่ที่ด้านบนสุดของวิวัฒนาการเชิงปริมาณ ชื่อของแบบจำลอง ข้อดีของแบบจำลอง ข้อเสียของแบบจำลอง
วิธีอัตราส่วน ช่วยให้มีการประเมินสภาพทางการเงินของผู้กู้อย่างครอบคลุม ไม่คำนึงถึงตัวชี้วัดคุณภาพสถิติของปีก่อนหน้า ระบบที่ไม่อัตโนมัติต้องการการตีความค่าของตัวบ่งชี้แต่ละตัวอย่างต่อเนื่อง
แบบจำลองการจัดอันดับ อนุญาตให้ทำการประเมินโดยอัตโนมัติโดยวิธีสัมประสิทธิ์โดยการคำนวณตัวบ่งชี้หนึ่ง โดดเด่นด้วยความสะดวกและใช้งานง่ายโดยคำนึงถึงตัวชี้วัดทางการเงินเท่านั้นอย่าใช้สถิติจากปีก่อนหน้า ต้องมีการปรับโครงสร้างสำหรับบริษัทประเภทต่างๆ
แบบจำลองการให้คะแนน อนุญาตให้ได้รับการประเมินความน่าเชื่อถือในจุดเทียบเท่าและมอบหมายผู้กู้ให้เป็นหนึ่งในสามกลุ่ม ง่ายและใช้งานง่าย ช่วยประเมินตัวบ่งชี้คุณภาพที่ไม่ใช่ทางการเงิน เมื่อประเมินค่าสัมประสิทธิ์น้ำหนักโดยวิธีทางสถิติ อนุญาตให้พิจารณาข้อมูลสินเชื่อที่ออกแล้ว มีเหตุผลทางเศรษฐกิจ ไม่สากล ต้องมีการปรับโครงสร้างสำหรับบริษัทบางประเภท ต้องใช้ข้อมูลจำนวนมากเพื่อศึกษาค่าสัมประสิทธิ์การถ่วงน้ำหนัก
แบบจำลองกระแสเงินสด อนุญาตให้ประมาณการกระแสเงินสดในอนาคตของบริษัทและเปรียบเทียบกับภาระหนี้ ไม่คำนึงถึงสภาวะตลาดและตัวชี้วัดคุณภาพของบริษัทที่กู้ยืม อาจให้ผลลัพธ์ที่ไม่สอดคล้องกัน
แบบจำลองการวิเคราะห์จำแนกประเภท อนุญาตให้กำหนดความน่าจะเป็นของการผิดนัดชำระหนี้ของบริษัทผู้ยืมโดยพิจารณาจากสถิติในปีที่ผ่านมา ผลลัพธ์ที่ได้ขึ้นอยู่กับกลุ่มตัวอย่างในการฝึกอบรมอย่างหมดจดและชัดเจน ความเป็นจริง ต้องใช้ข้อมูลจำนวนมากเพื่อศึกษาค่าสัมประสิทธิ์การถ่วงน้ำหนัก
แบบจำลองการวิเคราะห์การถดถอย อนุญาตให้กำหนดความน่าจะเป็นของการผิดนัดชำระหนี้ของบริษัทที่กู้ยืมตามสถิติของปีก่อนหน้า เมื่อใช้แบบจำลองกับข้อมูลที่ถูกต้อง คุณจะได้ผลลัพธ์ที่มีความน่าเชื่อถือสูง สิ่งเหล่านี้เป็นเพียงการทดลองเชิงประจักษ์เท่านั้น ผลลัพธ์จะขึ้นอยู่กับชุดการฝึกเป็นอย่างมาก และเมื่อศึกษาแบบจำลองจากข้อมูลอื่น ๆ มักจะไม่สอดคล้องกับ ความเป็นจริง ต้องใช้ข้อมูลจำนวนมากเพื่อศึกษาค่าสัมประสิทธิ์การถ่วงน้ำหนัก
แบบจำลองการวิเคราะห์เชิงคุณภาพ อนุญาตให้ทำการวิเคราะห์บริษัทอย่างครอบคลุม ไม่มีวิธีการทางคณิตศาสตร์ นำไปสู่การประเมินส่วนตัวของตัวบ่งชี้แต่ละตัวและข้อผิดพลาดที่เกี่ยวข้องกับปัจจัยมนุษย์ อย่าคำนึงถึงสถิติของปีก่อนๆ ไม่มีกฎระเบียบที่ชัดเจนสำหรับการประเมินความน่าเชื่อถือทางเครดิตสำหรับกลุ่มการวิเคราะห์เชิงคุณภาพที่มีคะแนนต่างกัน ค่าสัมประสิทธิ์จะแบ่งออกเป็นช่วงเพิ่มเติม สำหรับแต่ละช่วง (คอลัมน์ช่วงค่าสัมประสิทธิ์ในตารางที่ 2) เปอร์เซ็นต์ (25%, 50%, 75% หรือ 100%) ของสัมประสิทธิ์การถ่วงน้ำหนักในตารางที่ 2 จะถูกตั้งค่า 2. ตัวคูณน้ำหนักในกรณีนี้คือคะแนนสูงสุด ต่อไปเราจะเน้นการค้นหาค่าสัมประสิทธิ์น้ำหนัก ดังนั้นการแจกแจงสัมประสิทธิ์เป็นช่วงจึงเป็นเงื่อนไข (ขึ้นอยู่กับการพิจารณาเชิงตรรกะตามค่าของตัวบ่งชี้เหล่านี้สำหรับบริษัทต่างๆ ในอุตสาหกรรม ช่วงเวลาจะถูกนำมาในลักษณะที่ประมาณ 60% ของบริษัทชั้นนำใน อุตสาหกรรม (Magnit, Dixy) อยู่ในช่วงที่สองหลังจากสูงสุด , X5 Retail Group, OK, L'Etoile) เลือกเพื่อกำหนดสัมประสิทธิ์ตลาดโดยเฉลี่ยและเกณฑ์มาตรฐาน) ยิ่งภาระหนี้สูงเท่าใดโอกาสในการผิดนัดชำระก็จะยิ่งสูงขึ้นและ ลดจำนวนคะแนนที่ตัวบ่งชี้ควรได้รับ สัมประสิทธิ์และจะแสดงด้วยสองวิธี - การวิเคราะห์ (วิธีของ T. Saaty) และทางสถิติ (การศึกษาการถดถอย) (จำนวนจุดสูงสุดในกรณีนี้ตรงกับค่าสัมประสิทธิ์น้ำหนัก) น้ำหนัก ค่าสัมประสิทธิ์จะถูกกำหนดในภายหลัง
ตัวชี้วัดทางการเงินของรูปแบบการให้คะแนนแสดงไว้ในตาราง 2.
ตารางที่ 2. ตัวชี้วัดทางการเงินของแบบจำลองการให้คะแนน
กลุ่มอินดิเคเตอร์ | ดัชนี | ช่วงค่าสัมประสิทธิ์ | |
สภาพคล่อง | > 0,75 | 1 | |
0,5-0,75 | 0,75 | ||
0,25-0,5 | 0,25 | ||
0-0,25 | 0 | ||
ตัวทำละลาย | 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 | ||
อัตราส่วนความสามารถในการชำระดอกเบี้ย EBIT/ดอกเบี้ย | > 1,5 | 1 | |
1,3-1,5 | 0,75 | ||
1-13 | 0,5 | ||
< 1 | 0 | ||
กิจกรรมทางธุรกิจ | ผลตอบแทนจากการขาย ROS | > 0,025 | 1 |
0,02-0,025 | 0,75 | ||
0,015-0,02 | 0,5 | ||
< 0,015 | 0 | ||
ขาดทุนของบริษัทในช่วงสามรอบระยะเวลารายงานล่าสุด | ไม่ | 1 | |
สำหรับรอบระยะเวลาการรายงานหนึ่ง | 0,5 | ||
0 |
ค่าอัตราส่วนที่อนุญาตนั้นพิจารณาจากค่าเฉลี่ยของบริษัทการค้าชั้นนำห้าแห่งในรัสเซียตามงบ IFRS เป็นเวลาสามปี: Magnit, X5 Retail Group, Dixy, OK, M.Video เราตรวจสอบตัวชี้วัดทางการเงินที่สำคัญที่สุดเพื่อกำหนดสถานะทางการเงินของผู้กู้ อย่างไรก็ตาม ความน่าเชื่อถือทางเครดิตของบริษัทยังได้รับอิทธิพลอย่างมากจากปัจจัยที่ก่อให้เกิดความเสี่ยงในกระบวนการทางธุรกิจของผู้กู้ ก่อนอื่นต้องคำนึงถึงคุณภาพของการจัดการด้วย นี่เป็นตัวบ่งชี้ที่ยากมากสำหรับการวิเคราะห์เชิงปริมาณเพราะ เป็นปัญหาในการประเมินระดับการจัดการบริษัทอย่างเป็นกลาง
เราจะพยายามเปลี่ยนจากการประเมินเชิงคุณภาพเป็นเชิงปริมาณและกำหนดการประเมินสูงสุดของตัวบ่งชี้นี้ภายใต้เงื่อนไขต่อไปนี้:
- มีกลยุทธ์ที่ชัดเจนในการพัฒนาบริษัทในปีต่อๆ ไป
- องค์ประกอบของผู้บริหารระดับสูงไม่เปลี่ยนแปลง (ผู้อำนวยการทั่วไปและหัวหน้าฝ่ายบัญชีอยู่ในตำแหน่งมากกว่าสองปี) เนื่องจาก การปรากฏตัวของทีมผู้บริหารที่แข็งแกร่งนั้นพิสูจน์ได้จากความคงเส้นคงวา
- ความสามารถระดับมืออาชีพตรงตามข้อกำหนดสูง (ผู้อำนวยการทั่วไปและหัวหน้าฝ่ายบัญชีมีการศึกษาระดับอุดมศึกษาเฉพาะทางและมีประสบการณ์การทำงานมากกว่าห้าปี)
ปัจจัยสำคัญต่อไปที่จะรวมอยู่ในรูปแบบการให้คะแนนคือชีวิตของบริษัท นอกจากนี้ จำเป็นต้องแนะนำปัจจัยหยุด: หากธุรกิจอยู่ในธุรกิจน้อยกว่าหนึ่งปี โมเดลนี้จะไม่สามารถใช้ได้เนื่องจากขาดการรายงานและความสามารถในการเข้าใจธุรกิจของบริษัท
ตัวบ่งชี้ที่จำเป็นอีกอย่างหนึ่งคือประวัติเครดิตที่เป็นบวก นี่เป็นหนึ่งในตัวชี้วัดที่ไม่ใช่ทางการเงินที่สำคัญที่สุด อันที่จริงแล้ว ลักษณะของการให้บริการสินเชื่อในอนาคต นับว่าไม่มีเหตุผลที่จะนับการชำระคืนเงินกู้ยืมจากองค์กรที่มีความล่าช้าให้กับเจ้าหนี้รายอื่นในเวลาที่เหมาะสม มานำเสนอตัวบ่งชี้ที่ไม่ใช่ทางการเงินที่พิจารณาแล้วและการกระจายคะแนนสำหรับพวกเขาในตาราง 3.
ตารางที่ 3 ตัวชี้วัดที่ไม่ใช่ทางการเงินของรูปแบบการให้คะแนน
กลุ่ม | ตัวชี้วัด ตัวชี้วัด | เปอร์เซ็นต์ของคะแนนสูงสุดสำหรับช่วงนั้น | |
กระบวนการทางธุรกิจ | คุณภาพการจัดการ | 1 | |
0,5 | |||
0 | |||
> 5 ปี | 1 | ||
3-5 ปี | 0,75 | ||
1-3 ปี | 0,25 | ||
< 1 года | ปัจจัยหยุด | ||
1 | |||
0,5 | |||
0 | |||
การปรากฏตัวของความล่าช้าอย่างเป็นระบบในสินเชื่อและการกู้ยืมสำหรับปีการเงินที่ผ่านมา เจ้าหนี้ค้างชำระจำนวนมากที่มีนัยสำคัญ (> 25%) | ปัจจัยหยุด |
เราได้รวบรวมระบบตัวบ่งชี้การประเมินซึ่งในความเห็นของเราควรประเมินคุณภาพของผู้กู้และความสามารถของเขาในการปฏิบัติตามภาระผูกพันอย่างครอบคลุมและครอบคลุม ส่วนต่อไปของงาน เมื่อสร้างแบบจำลองการให้คะแนนใดๆ จะเป็นส่วนที่ใช้เวลานานที่สุด - การกำหนดน้ำหนักของตัวบ่งชี้โดยประมาณต่างๆ ค่าพยากรณ์ของแบบจำลองของเราขึ้นอยู่กับว่าเราประเมินความสำคัญของปัจจัยบางอย่างอย่างเป็นกลางอย่างไร บทความนี้จะวิเคราะห์น้ำหนักตามวิธีการต่างๆ เพื่อขจัดข้อผิดพลาดที่อาจเกิดขึ้น
ขั้นแรก ค่าสัมประสิทธิ์การถ่วงน้ำหนักจะถูกกำหนดโดยใช้ขั้นตอนการวิเคราะห์ จากนั้นเปรียบเทียบกับผลการวิเคราะห์การถดถอย
การประมาณค่าเชิงวิเคราะห์ของค่าสัมประสิทธิ์การชั่งน้ำหนักของแบบจำลอง
เพื่อเป็นเครื่องมือในการประเมิน เราจะใช้วิธีการที่อธิบายไว้ในรายละเอียดในหนังสือ TL Saaty "แบบจำลองทางคณิตศาสตร์ของสถานการณ์ความขัดแย้ง" [b] วิธีนี้ช่วยให้คุณหลีกหนีจากปัจจัยที่หลากหลายและเปรียบเทียบเพียงสองปัจจัยสำหรับความสำคัญ ณ จุดใดเวลาหนึ่ง ซึ่งท้ายที่สุดแล้วจะเป็นการกำหนดความสำคัญของอิทธิพลของแต่ละปัจจัยต่อตัวบ่งชี้ทั่วไปใดๆ เทคนิคนี้ใช้การรวบรวมเมทริกซ์ของการเปรียบเทียบแบบคู่ ซึ่งสร้างขึ้นสำหรับปัจจัยที่ส่งผลต่อตัวบ่งชี้ทั่วไปใดๆ เมทริกซ์ดังกล่าวสามารถสร้างขึ้นได้ ตัวอย่างเช่น สำหรับตัวบ่งชี้ความสามารถในการละลายในบริบทของปัจจัยที่แสดงโดยสัมประสิทธิ์ของเลเวอเรจทางการเงิน ภาระหนี้ และการครอบคลุมดอกเบี้ย ภารกิจคือการสร้างเมทริกซ์ดังกล่าวสำหรับกลุ่มปัจจัยทั้งหมดที่มีผลต่อตัวบ่งชี้ทั่วไป ด้วยเหตุนี้ เมทริกซ์สองตัวสำหรับตารางจะถูกสร้างขึ้น 2 - สำหรับกลุ่มของตัวบ่งชี้ "ความสามารถในการละลาย" และ "กิจกรรมทางธุรกิจ" หนึ่งเมทริกซ์สำหรับตาราง 3 - สำหรับตัวบ่งชี้ของกระบวนการทางธุรกิจ เช่นเดียวกับเมทริกซ์สองตัวสำหรับระดับรวม - หนึ่งเมทริกซ์สำหรับกลุ่มของตัวบ่งชี้ทางการเงิน ซึ่งประกอบด้วยกลุ่มของตัวบ่งชี้ "สภาพคล่อง" "ความสามารถในการละลาย" และ "กิจกรรมทางธุรกิจ" และอีกหนึ่งสำหรับสองบล็อกที่รวมเข้าด้วยกัน - ตัวชี้วัดทางการเงินและไม่ใช่ทางการเงินโดยทั่วไป
มีเมทริกซ์เปรียบเทียบแบบคู่ทั้งหมดห้าเมทริกซ์ ซึ่งแต่ละอันจะให้ค่าสัมประสิทธิ์ของตัวเองสำหรับตัวบ่งชี้ที่รวมอยู่ในนั้น ดังนั้น เพื่อให้ได้ตัวประกอบการถ่วงน้ำหนักสำหรับการวัดที่ด้านล่างของลำดับชั้น ตัวอย่างเช่น สำหรับอัตราส่วนความครอบคลุมดอกเบี้ย จำเป็นต้องคูณปัจจัยการถ่วงน้ำหนักของตัวชี้วัดทางการเงินด้วยปัจจัยการถ่วงน้ำหนักของตัวบ่งชี้การละลายภายในตัวชี้วัดทางการเงิน และ โดยค่าสัมประสิทธิ์ของตัวบ่งชี้ความครอบคลุมดอกเบี้ยภายในตัวชี้วัดทางการเงิน
ในส่วนหัวของเมทริกซ์สำหรับกลุ่มของตัวบ่งชี้ ชื่อของปัจจัยจะอยู่ในคอลัมน์แนวตั้งและแนวนอน จากนั้นเมทริกซ์จะเต็มไปด้วยค่าที่แสดงถึงการเปลี่ยนแปลงความชอบส่วนตัวของปัจจัยหนึ่งไปสู่อีกปัจจัยหนึ่งในรูปแบบเชิงประจักษ์ตามวิธีการที่แสดงในตาราง 4 (โดยใช้ข้อมูลจากรูปที่ 2)
ตารางที่ 4. วิธีการของ ต. สาตี. การจำแนกความชอบ (ตามรูปที่ 2)
ส่วนใหญ่ใช้เลขคี่ อย่างไรก็ตาม หากเลือกได้ยาก คุณสามารถใช้เลขคู่เป็นระดับเฉลี่ยระหว่างเลขคี่สองตัวได้ ตัวอย่างของเมทริกซ์สำหรับปัจจัยสี่ประการดังแสดงในรูปที่ 2. ดังนั้น เมื่อเราเปรียบเทียบปัจจัยเดียวกัน องค์ประกอบจะใช้ค่า 1 ดังนั้นเมทริกซ์ดังกล่าวจึงเป็นเอกลักษณ์ เป็นเรื่องง่ายที่จะเห็นว่าพวกมันมีความสมมาตรผกผันซึ่งช่วยให้เราสามารถเติมเมทริกซ์ดังกล่าวได้เฉพาะค่าที่อยู่เหนือหรือใต้เส้นทแยงมุมหลักเท่านั้น
เนื่องจากเมทริกซ์ของการเปรียบเทียบแบบคู่มีความสมมาตรผกผัน เราควรเปรียบเทียบในทิศทางเดียวเท่านั้นและป้อนค่าที่สอดคล้องกันลงในเมทริกซ์ที่อยู่เหนือเส้นทแยงมุมหลัก ในขณะที่ค่าภายใต้เส้นทแยงมุมหลักจะกลับกัน
หลังจากได้รับห้าเมทริกซ์ดังกล่าว ค่าสัมประสิทธิ์น้ำหนักจะถูกคำนวณ: น้ำหนักของแต่ละค่าในเมทริกซ์ที่สัมพันธ์กับผลรวมทั้งหมดในคอลัมน์จะถูกวัด จากนั้นค่าเฉลี่ยเลขคณิตของค่าเหล่านี้จะถูกนำมาจากค่าเหล่านี้ ในแต่ละแถว ค่าเฉลี่ยเลขคณิตจะเป็นค่าสัมประสิทธิ์น้ำหนัก ตัวอย่างของเมทริกซ์สำหรับกลุ่มตัวบ่งชี้ความสามารถในการละลายแสดงในรูปที่ 3.
เมื่อทำการคำนวณตามที่อธิบายไว้แล้ว เราก็ได้น้ำหนักเฉพาะของตัวบ่งชี้แต่ละตัว เพื่อความสะดวกในการคำนวณเพิ่มเติม เรากำหนดคะแนนสูงสุดที่เป็นไปได้เป็นผลคูณของน้ำหนักเฉพาะของตัวบ่งชี้ 50 1 ตามด้วยการปัดเศษเป็นจำนวนเต็ม (ตารางที่ 5.6)
1 การดำเนินการนี้ทำขึ้นเพื่อความสะดวกเท่านั้น หมายเลข 50 ช่วยให้สัมประสิทธิ์ขั้นต่ำเป็นค่าจำนวนเต็ม (ในกรณีนี้คือค่า 2) เนื่องจากสัมประสิทธิ์ทั้งหมดถูกคูณด้วยจำนวนเดียวกัน เราจึงไม่บิดเบือนผลลัพธ์ของวิธีการวิเคราะห์ - ประมาณ. เอ็ด
การกำหนดความสำคัญของตัวบ่งชี้โดยใช้การวิเคราะห์การถดถอย
เพื่อทำการศึกษาทางสถิติ เราใช้ข้อมูลจากบริษัทขนาดใหญ่ 41 แห่งจากภาคการค้าปลีก บริษัทเหล่านี้ออกหุ้นกู้ และ 16 หุ้นกู้ผิดนัด สำหรับแต่ละบริษัท ตัวชี้วัดที่เลือกไว้แปดตัวของแบบจำลองการให้คะแนนคำนวณจากรายงานประจำปีในปีที่ออกหุ้นกู้ ตัวอย่างถูกนำเสนอในภาคผนวก 1 ประกอบด้วยตัวบ่งชี้ที่อธิบาย y - ความน่าจะเป็นของการผิดนัด ซึ่งใช้ค่า 1 หากบริษัทไม่ปฏิบัติตามภาระผูกพัน ตัวบ่งชี้สามตัวที่เลือกทางด้านขวาถูกตั้งค่าเป็นตัวแปรจำลอง (สามารถรับได้เฉพาะค่า 0 หรือ 1) เนื่องจากลักษณะเชิงคุณภาพ พวกเขาใช้ค่า 1 หากในช่วงสามปีที่ผ่านมา บริษัท มีกำไรสุทธิ> O (Nl> 0) ทีมผู้บริหาร (ผู้จัดการ) ที่มีเสถียรภาพและมีคุณภาพสูงและประวัติเครดิตที่เป็นบวก (ประวัติ) ตัวชี้วัดทางการเงิน (ตัวชี้วัดห้าตัวแรก) คำนวณจากงบการเงินประจำปีภายใต้มาตรฐาน IFRS ในปีที่ออกพันธบัตรที่ผิดนัด
เพื่อเป็นแบบจำลองในการศึกษา เราเลือกการสร้างการถดถอยพหุตัวแปรเชิงเส้น:
p = w 0 + w 1 x 1 + w 2 x 2 + ... + w n x n ,
โดยที่ p คือตัวแปรตามซึ่งอธิบายความน่าจะเป็นของค่าเริ่มต้น
w - ค่าสัมประสิทธิ์น้ำหนัก x - ตัวชี้วัด
ป้อนข้อมูลเริ่มต้นใน Excel และใช้ฟังก์ชันการวิเคราะห์ข้อมูล - การถดถอย เมื่อวิเคราะห์ข้อมูลเบื้องต้นสำหรับตัวบ่งชี้แปดตัวของรูปแบบการให้คะแนนโดยไม่มีการปรับ เราจะได้ผลลัพธ์ที่แสดงในภาคผนวก 2 ค่า R^2 ที่ปรับปรุงแล้วคือ 0.55 ซึ่งเป็นค่าที่ต่ำแต่ยอมรับได้ ซึ่งบ่งชี้ถึงนัยสำคัญในทางปฏิบัติของการถดถอยที่สร้างขึ้น เป็นไปได้ที่จะหยิบยกสมมติฐานเกี่ยวกับสาเหตุของการมีอยู่ของค่าผิดปกติในข้อมูลที่มีนัยสำคัญต่ำ เช่น การไม่มีค่าสำหรับบางบริษัทในแง่ของ EBIT / ดอกเบี้ยเนื่องจากไม่มีภาระหนี้ ( อย่างง่ายเพื่อวัตถุประสงค์ของการศึกษาในกรณีนี้ใช้ค่าสัมประสิทธิ์เท่ากับ 0) หรือค่าลบของตัวบ่งชี้หนี้ / EBITDA เนื่องจากกระแสเงินสดติดลบ ในกรณีนี้ อิทธิพลของตัวบ่งชี้เชิงลบถูกรับรู้อย่างไม่ถูกต้อง เนื่องจากตามตรรกะของการศึกษา หนี้ / EBITDA ที่สูงขึ้น ความน่าจะเป็นของการผิดนัดก็จะสูงขึ้น ในทางกลับกัน ตัวบ่งชี้เชิงลบไม่ใช่ตัวบ่งชี้ภาระหนี้ที่ต่ำ นอกจากนี้ ความสามารถในการคาดการณ์ยังได้รับผลกระทบจากบริษัทที่มีค่าดัชนีชี้วัดแต่ละตัวอย่างชัดเจน ดังนั้น บริษัท Banana-Mama มีทุน 10,000 รูเบิลซึ่งนำไปสู่การบิดเบือนของตัวบ่งชี้ที่เกี่ยวข้อง - เลเวอเรจทางการเงินคือ 181,957 (โดยค่าเฉลี่ยอุตสาหกรรมอยู่ในช่วง 0.7-1.5)
ตารางที่ 5. ตัวชี้วัดทางการเงินโดยคำนึงถึงน้ำหนัก
ดัชนี | น้ำหนักในตารางสรุปสถิติ | คะแนนสูงสุด | ช่วงค่าสัมประสิทธิ์ | |
>1 | 5 | |||
อัตราส่วนสภาพคล่องปัจจุบัน | 0,1072 | 5 | > 1 | 5 |
0,75-0,1 | 4 | |||
0,5-0,75 | 1 | |||
0-0,5 | 0 | |||
อัตราส่วนสภาพคล่องปัจจุบัน | 0,1581 | 8 | < 1 | 8 |
1-1,5 | 6 | |||
1,5-2 | 4 | |||
2-2,5 | 2 | |||
> 2,5 | 0 | |||
อัตราส่วนภาระหนี้ หนี้สุทธิ / 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 | |||
ผลตอบแทนจากการขาย ROS | 0,1256 | 6 | > 0,025 | 6 |
0,02-0,025 | 5 | |||
0,015-0,02 | 3 | |||
< 0,015 | 0 | |||
0,0418 | 2 | ไม่ | 2 | |
สำหรับรอบระยะเวลาการรายงานหนึ่ง | 1 | |||
สำหรับสองรอบระยะเวลาการรายงานขึ้นไป | 0 | |||
ทั้งหมด | 0,6698 | 33 | - | 68 |
ขอให้เราแยกบริษัทหกแห่งต่อไปนี้ออกจากการศึกษา: Gorod supermarket, Intertrade, M.Video (2013), Svyaznoy, Banana-Mama และ Proviant นอกจากนี้เรายังทราบถึงความเป็นไปไม่ได้ของการใช้ตัวบ่งชี้ ROS พร้อมกันและการไม่มีการสูญเสีย (Nl > 0) เนื่องจากความสัมพันธ์สูง ความจริงก็คือถ้าบริษัทขาดทุน ความสามารถในการทำกำไรของการขายจะถูกลบไปโดยอัตโนมัติ
ตารางที่ 6. ตัวชี้วัดที่ไม่ใช่ทางการเงินตามน้ำหนัก
ดัชนี | น้ำหนักในตารางสรุปสถิติ | คะแนนสูงสุด | ช่วงอัตราส่วน / วิธีการประมาณค่า | จำนวนคะแนนสำหรับช่วงน้ำหนัก |
คุณภาพการจัดการ | 0,099 | 5 | การปฏิบัติตามเงื่อนไขที่อธิบายไว้ทั้งหมด | 5 |
ไม่ปฏิบัติตามเงื่อนไขข้อใดข้อหนึ่ง | 2,5 | |||
ไม่ตรงตามเงื่อนไขมากกว่าหนึ่งข้อ | 0 | |||
ชีวิตของบริษัท | 0,0528 | 3 | > 5 ปี | 3 |
3-5 ปี | 2 | |||
1-3 ปี | 1 | |||
< 1 года | ปัจจัยหยุด | |||
ประวัติเครดิตที่เป็นบวก | 0,1782 | 9 | ไม่มีความผิดเกี่ยวกับเงินให้กู้ยืมและเงินกู้ยืม เจ้าหนี้ค้างชำระ | 9 |
ความพร้อมของข้อมูลการปรับโครงสร้างหนี้ ความล่าช้าเล็กน้อยในบัญชีเจ้าหนี้ (มากถึง 10%) | 4,5 | |||
กรณีเดียวของความล่าช้าในการให้สินเชื่อและสินเชื่อกับการชำระคืนในภายหลัง; เจ้าหนี้การค้าล่าช้าอย่างมีนัยสำคัญ (10-25% ของหนี้ทั้งหมด) | 0 | |||
การปรากฏตัวของความล่าช้าอย่างเป็นระบบในสินเชื่อและการกู้ยืมสำหรับปีการเงินที่ผ่านมา เจ้าหนี้ค้างชำระที่มีนัยสำคัญ (>25%) | ปัจจัยหยุด | |||
ทั้งหมด | 17 |
จากการพิจารณาเหล่านี้ เราจะลบตัวบ่งชี้ Nl > 0 ออกจากแบบจำลองของเรา สำหรับการถดถอยเจ็ดปัจจัยใหม่ในตัวอย่างที่อัปเดตของบริษัท 35 แห่ง เราได้รับผลลัพธ์ดังต่อไปนี้ (ภาคผนวก 3) เราเห็นว่าหกในเจ็ดตัวบ่งชี้ที่ศึกษามีความสำคัญ เครื่องหมายที่ค่าสัมประสิทธิ์สะท้อนสมมติฐานข้างต้นอย่างถูกต้อง: ยิ่งความสามารถในการทำกำไรของการขายและคุณภาพการจัดการสูงขึ้น ความน่าจะเป็นที่จะผิดนัดชำระก็จะยิ่งต่ำลง (y = 1) และในทางกลับกัน: ยิ่งมีภาระหนี้มากเท่าใด ความน่าจะเป็นก็จะยิ่งสูงขึ้น ของค่าเริ่มต้น เมื่อมองแวบแรก สัญญาณไม่ถูกต้องสำหรับอัตราส่วนสภาพคล่องในปัจจุบันเท่านั้น อย่างไรก็ตาม ค่าสภาพคล่องที่สูงนั้นแย่พอๆ กับมูลค่าเล็กน้อย ซึ่งบ่งชี้ว่าธุรกิจมีประสิทธิภาพต่ำและสูญเสียผลกำไร บริษัทที่มีอัตราส่วนสภาพคล่องสูงมีแนวโน้มที่จะมีกำไรไม่เพียงพอ ความสามารถในการทำกำไรต่ำ และความสามารถในการทำกำไรของธุรกิจ ซึ่งทำให้บริษัทเหล่านี้มีความน่าสนใจน้อยลงในสายตาของผู้มีโอกาสเป็นนักลงทุน ดังนั้นจึงมีความเสี่ยงต่อการเปลี่ยนแปลงของสภาวะทางการเงินมากขึ้น ที่สำคัญที่สุดคือสัมประสิทธิ์ D (หรือหนี้ - ปริมาณหนี้ที่มีภาระดอกเบี้ย) / EBITDA ประวัติเครดิตที่เป็นบวกและเลเวอเรจทางการเงิน อัตราส่วนความสามารถในการชำระดอกเบี้ยไม่มีนัยสำคัญ
ข้างต้น เมื่อสร้างแบบจำลองสัมประสิทธิ์โดยใช้วิธี T. Saaty เรายังสันนิษฐานว่าตัวบ่งชี้ที่สำคัญที่สุดน่าจะเป็นค่าสัมประสิทธิ์สำหรับภาระหนี้และเลเวอเรจทางการเงิน การวิเคราะห์เปรียบเทียบความสำคัญขั้นสุดท้ายของสัมประสิทธิ์แสดงไว้ในตาราง 7.
ตารางที่ 7. การวิเคราะห์เปรียบเทียบความสำคัญของสัมประสิทธิ์
ตัวบ่งชี้ตามการประเมินของผู้เชี่ยวชาญตามวิธีการของ ต. สัตย์ | ค่าสัมประสิทธิ์ | ตัวบ่งชี้ตามการวิเคราะห์การถดถอย | p-value |
ประวัติเครดิตที่เป็นบวก | 0,1782 | อัตราส่วนภาระหนี้ หนี้สุทธิ / EBITDA | 0,014 |
อัตราส่วนหนี้สินทางการเงิน | 0,1581 | ประวัติเครดิตที่เป็นบวก | 0,020 |
อัตราส่วนภาระหนี้ หนี้สุทธิ /EBITDA | 0,1581 | อัตราส่วนหนี้สินทางการเงิน | 0,022 |
ผลตอบแทนจากการขาย ROS | 0,1256 | คุณภาพการจัดการ | 0,037 |
อัตราส่วนสภาพคล่องปัจจุบัน | 0,1072 | ผลตอบแทนจากการขาย ROS | 0,039 |
คุณภาพการจัดการ | 0,099 | อัตราส่วนสภาพคล่องปัจจุบัน | 0,047 |
อัตราส่วนความสามารถในการชำระดอกเบี้ย EBIT / ดอกเบี้ย | 0,0790 | อัตราส่วนความสามารถในการชำระดอกเบี้ย EBIT / ดอกเบี้ย | ไม่สำคัญ |
ขาดทุนของบริษัทในช่วงสามรอบระยะเวลารายงานล่าสุด | 0,0418 | ขาดทุนของบริษัทในช่วงสามรอบระยะเวลารายงานล่าสุด | ได้รับการศึกษาเป็นเครื่องบ่งชี้ที่ไม่ใช่ทางการเงิน ไม่มีนัยสำคัญ |
ผลลัพธ์เหล่านี้บ่งชี้ถึงความสอดคล้องของวิธีการของ T. Saaty และข้อมูลทางสถิติ ตัวบ่งชี้ที่สำคัญที่สุดสามตัวตามวิธีการวิเคราะห์ยืนยันความสำคัญสูงในการศึกษาเชิงปฏิบัติ มีเพียงการกระจายลำดับของตัวบ่งชี้เท่านั้นที่เปลี่ยนแปลง นอกจากนี้ ตัวบ่งชี้ที่มีนัยสำคัญน้อยที่สุดสองตัวสำหรับส่วนแรกของงาน - คุณภาพของการจัดการและ EBIT / ดอกเบี้ย - กลับกลายเป็นว่าไม่มีนัยสำคัญในการศึกษาทางสถิติ
ดังนั้น การวิเคราะห์การถดถอยยืนยันหลักการของการจำแนกความสำคัญของสัมประสิทธิ์น้ำหนักในส่วนการวิเคราะห์ของงาน และช่วยให้เราสามารถพูดเกี่ยวกับนัยสำคัญทางสถิติของแบบจำลองการให้คะแนนที่สร้างขึ้น
การกำหนดผลลัพธ์ของรูปแบบการให้คะแนนที่พัฒนาขึ้น
คะแนนสูงสุดรวมของรูปแบบการให้คะแนนคือ 50 สำหรับแต่ละตัวบ่งชี้ ในกระบวนการกำหนดช่วงของค่า เราได้ระบุระดับถัดไปหลังจากคะแนนสูงสุด ซึ่งก็ยอมรับได้เช่นกัน แม้ว่าจะมีระดับความเสี่ยงค่อนข้างสูงก็ตาม เกี่ยวกับมูลค่าตลาดของอินดิเคเตอร์ สำหรับตัวชี้วัดบางตัว ระดับที่ตามมาสูงสุดคือ 75% ของจำนวนคะแนนทั้งหมด สำหรับตัวอื่นๆ - 50% ระดับที่ตามมาทั้งหมดจะถือเป็นระดับที่มีความเสี่ยงด้านเครดิตสูง และผู้กู้ที่เกี่ยวข้องจะถูกจัดประเภทว่าไม่ดี กลุ่มที่ต้องการมากที่สุด ได้แก่ ผู้กู้ที่มีคุณสมบัติตรงตามข้อกำหนดสูงสุดสำหรับตัวบ่งชี้ที่สำคัญที่สุด (ในแง่ของค่าสัมประสิทธิ์น้ำหนัก): ประวัติเครดิต เลเวอเรจทางการเงิน และภาระหนี้ ตลอดจนผลตอบแทนจากการขายจำนวน 31 คะแนน และดำเนินการให้สำเร็จอย่างน้อย ข้อกำหนดระดับสูงสุดต่อไปนี้สำหรับตัวบ่งชี้อื่น ๆ - รวม 12.5 รวม 43.5 คะแนน สำหรับระดับล่างที่มีความน่าเชื่อถือสูง
ในการกำหนดช่วงขอบเขตที่แสดงถึงระดับความน่าเชื่อถือในระดับสูง เราจะคำนวณจำนวนคะแนนสำหรับตัวชี้วัดทางการเงินและที่ไม่ใช่ทางการเงินในลำดับถัดไปหลังจากช่วงค่าสูงสุดจากตาราง 5 และ ข. ตัวชี้วัดจะถูกแบ่งตามค่าสัมประสิทธิ์ที่ยอมรับเป็นช่วงอื่นๆ เราจะได้รับการจัดประเภทต่อไปนี้ (ตารางที่ 8)
ตารางที่ 8. การจำแนกผลลัพธ์
ตารางที่ 9. ความสามารถในการทำนายของแบบจำลองการให้คะแนน %
ขึ้นอยู่กับตาราง 8 เราจะประเมินความสามารถในการคาดการณ์ของแบบจำลองของเราโดยแทนที่ข้อมูลของบริษัทให้เป็นเงื่อนไข ภาคผนวก 4 แสดงคะแนนที่คำนวณได้สำหรับบริษัทที่ทำการสำรวจ ขึ้นอยู่กับค่าของตัวบ่งชี้ คะแนนของมันถูกป้อนในตารางตามแบบจำลองที่พัฒนาขึ้น จากนั้นคะแนนทั้งหมดจะถูกรวมเป็นตัวบ่งชี้หนึ่ง (คอลัมน์ผลรวม) ตามคะแนนรวม บริษัทต่างๆ ถูกแบ่งออกเป็นสามประเภท จากนั้นข้อมูลจะถูกเปรียบเทียบกับการมีอยู่จริงหรือไม่มีการผิดนัดโดยบริษัท ในคอลัมน์ "จริงหรือไม่" 1 หมายถึงผลลัพธ์ที่ถูกต้องของรูปแบบการให้คะแนน 0 - ข้อผิดพลาด ดังนั้นเราจึงได้ผลลัพธ์ดังต่อไปนี้ (ตารางที่ 9)
เราได้รับผลลัพธ์โดยเฉลี่ย (เทียบกับที่อธิบายไว้ในแหล่งข้อมูลต่างๆ) สำหรับความสามารถในการคาดการณ์ของแบบจำลองการให้คะแนน อย่างไรก็ตาม ควรสังเกตว่าข้อผิดพลาดประเภท II มีเปอร์เซ็นต์ต่ำ ซึ่งจะเพิ่มมูลค่าการทำนายของแบบจำลองของเรา ผลลัพธ์นี้ถือได้ว่าเป็นผลบวกและยืนยันประสิทธิภาพของการศึกษา
บทสรุป
ในบทความนี้ ได้มีการเสนอรูปแบบการให้คะแนนเพื่อประเมินความน่าเชื่อถือของผู้ประกอบการค้าปลีกรายใหญ่ แบบจำลองนี้ยึดตามชุดของตัวบ่งชี้ประสิทธิภาพที่ทำให้สามารถประเมินสภาพทางการเงินและไม่ใช่ทางการเงินของผู้กู้ได้อย่างครอบคลุม
จากผลการประเมิน ผู้กู้ได้รับมอบหมายหนึ่งในสามประเภทความน่าเชื่อถือทางเครดิต ซึ่งระบุระดับความเสี่ยงด้านเครดิตและความเป็นไปได้ในการให้กู้ยืม
เราจำลองระบบของตัวบ่งชี้ประสิทธิภาพที่ช่วยให้เราสามารถประเมินสภาพของผู้กู้จากภาคการค้าปลีกได้อย่างแม่นยำที่สุด หลังจากวิเคราะห์ผู้นำของตลาดค้าปลีกและคำนวณตัวบ่งชี้ที่ใช้สำหรับพวกเขา เราได้กำหนดขอบเขตของค่าที่ยอมรับได้สำหรับพวกเขา และจัดอันดับพวกเขาในกลุ่มต่างๆ ด้วยเปอร์เซ็นต์ที่แตกต่างกันของคะแนนสูงสุดที่เป็นไปได้
งานที่ใช้เวลานานที่สุดคือการหาค่าสัมประสิทธิ์น้ำหนักสำหรับตัวบ่งชี้ที่ศึกษา สรุปได้ว่าจำเป็นต้องมีวิธีการแบบบูรณาการเนื่องจากขาดวิธีการในอุดมคติแบบใดแบบหนึ่ง แนวทางบูรณาการได้ดำเนินการดังนี้ ในส่วนแรกของงาน ค่าสัมประสิทธิ์น้ำหนักถูกกำหนดโดยใช้ขั้นตอนการวิเคราะห์ และในส่วนที่สอง โดยใช้การศึกษาทางสถิติ
แบบจำลองที่พัฒนาแล้วแสดงให้เห็นผลลัพธ์ในระดับสูงในด้านความสามารถในการคาดการณ์ ในขณะที่ไม่ต้องใช้ต้นทุนทรัพยากรจำนวนมากในการวิเคราะห์ การทดสอบระบบการให้คะแนนที่พัฒนาขึ้นจะช่วยเพิ่มประสิทธิภาพในการตัดสินใจด้านสินเชื่อในธุรกิจค้าปลีกขนาดใหญ่และปรับกระบวนการเครดิตให้เหมาะสม
วรรณกรรม
1. Ayvazyan S.A. , Mkhitaryan B.C. สถิติประยุกต์และพื้นฐานของเศรษฐมิติ - ม.: GU HSE, 1998.
2. Gavrilova A.H. การเงินองค์กร - ม.: คนอรัส, 2550.
3. Korobova G.G. , Petrov M.A. การละลายของผู้กู้ธนาคารและการประเมินในสภาพแวดล้อมการแข่งขัน // บริการธนาคาร -2005. -หมายเลข 7/8. -ค. 22-24.
4. Kulikov N.I. , Chainikova L.I. การประเมินความน่าเชื่อถือของผู้กู้วิสาหกิจ - Tambov: มหาวิทยาลัย TSTU, 2007.
5. ระเบียบของธนาคารกลางแห่งสหพันธรัฐรัสเซียหมายเลข 254-P "ในขั้นตอนการจัดตั้งสถาบันสินเชื่อสำรองสำหรับการสูญเสียที่อาจเกิดขึ้นจากสินเชื่อเงินกู้และหนี้เทียบเท่า" ลงวันที่ 26 มีนาคม 2547 - http:// base.garant.ru/584458/.
6. สาติ ที.แอล. แบบจำลองทางคณิตศาสตร์ของสถานการณ์ความขัดแย้ง / ศ. ไอ.เอ. อูชาคอฟ. - ม.: วิทยุโซเวียต, 1977.
7. Sheremet A.D. , Saifulin R.C. , Negashev H.B. วิธีการวิเคราะห์ทางการเงิน - ม.: Infra-M, 2001.
8. Abdou H.A. , Pointon J. (2011) "การให้คะแนนเครดิต เทคนิคทางสถิติ และเกณฑ์การประเมิน: การทบทวนวรรณกรรม" ระบบอัจฉริยะทางบัญชี การเงินและการจัดการ เล่ม 1 18, ไม่ 2-3, น. 59-88.
9. เบลีย์ เอ็ม. (2004). คุณภาพสินเชื่อผู้บริโภค: การรับประกันภัย การให้คะแนน การป้องกันการฉ้อโกง และการรวบรวม สำนักพิมพ์กล่องขาว, คิงส์วูด, บริสตอล
10. Crook J. , Edelman D. , Thomas L. (2007). "การพัฒนาล่าสุดในการประเมินความเสี่ยงด้านเครดิตของผู้บริโภค". European Journal of Operational Research, ฉบับที่. 183 ไม่ใช่ 3 หน้า 1447-1465.
11. Gately E. (1996). โครงข่ายประสาทเทียมสำหรับการพยากรณ์ทางการเงิน: เทคนิคยอดนิยมสำหรับการออกแบบและการใช้ระบบการซื้อขายล่าสุด นิวยอร์ก: John Wiley & Sons, Inc.
12. Guillen M. , Artis M. (1992). แบบจำลองข้อมูลการนับสำหรับระบบการให้คะแนนเครดิต: ชุดการประชุมยุโรปในเศรษฐศาสตร์เชิงปริมาณและเศรษฐมิติเกี่ยวกับเศรษฐมิติของระยะเวลา การนับ และแบบจำลองการเปลี่ยนแปลง ปารีส.
13. เฮฟเฟอร์แนน เอส. (2004). ธนาคารสมัยใหม่ John Wiley & Sons, Inc., ชิเชสเตอร์, West Sussex
14. เหลียง คิว (2003). "ความทุกข์ทางการเงินขององค์กรในจีน: การวิเคราะห์เชิงประจักษ์โดยใช้แบบจำลองการให้คะแนนเครดิต" วารสารการค้าและการจัดการฮิโตสึบาชิ ฉบับที่. 38, ไม่ 1, น. 13-28.
เอกสารแนบ 1
ตัวอย่างการศึกษา
№ | บริษัท | y / แฟล็กเริ่มต้น | อัตราส่วนสภาพคล่องปัจจุบัน | EBIT / ดอกเบี้ย / EBIT ต่ออัตราดอกเบี้ย | NI > 0/ การมีกำไรสุทธิ | |||||
1 | ร้านขายยา 36.6 | 0 | 0,82 | 1,32 | 2,41 | 1,83 | 0,0496 | 1 | 1 | 1 |
2 | แอล "เอตวล | 0 | 5,04 | 2,75 | 10,98 | 1,64 | 0,007 | 1 | 1 | 1 |
3 | เห่า | 0 | 0,795 | 0,77 | 3,13 | 1,89 | 0 | 0 | 1 | 1 |
4 | ริบบิ้น | 0 | 0,75 | 9,7 | 2,91 | 3,1 | 0,049 | 1 | 1 | 1 |
5 | ตกลง | 0 | 0,67 | 0,78 | 1,59 | 7,01 | 0,0357 | 1 | 1 | 1 |
6 | ออโต้เวิร์ล | 0 | 1,2 | 0,65 | 3,09 | 1,35 | 0,04 | 1 | 1 | 1 |
7 | Х5 กลุ่มค้าปลีก | 0 | 0,55 | 0,53 | 3,32 | 2,82 | 0,027 | 1 | 1 | 1 |
8 | เมือง | 0 | 0,99 | 18,97 | 10,25 | 1,29 | 0,01 | 1 | 1 | 0 |
9 | โลกของลูก | 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 | อินเตอร์เทรด | 0 | 1,24 | 20,65 | 4,92 | 2,1 | 0,015 | 1 | 1 | 0 |
12 | ม้าหมุน | 0 | 0,73 | 0,68 | 3,175 | 1,71 | 0,059 | 1 | 1 | 1 |
13 | เงิน | 0 | 0,68 | 2,93 | 7,03 | 1,82 | 0 | 0 | 1 | 1 |
14 | คอสมอส กรุ๊ป | 0 | 1,64 | 1,11 | 2,88 | 2,65 | 0,043 | 1 | 1 | 1 |
15 | แม่เหล็ก | 0 | และ | 0,54 | 1,11 | 10,2 | 0,061 | 1 | 1 | 1 |
16 | แมกโนเลีย | 0 | 0,27 | 2,35 | 3,55 | 1,02 | 0,064 | 1 | 1 | 1 |
17 | เอ็ม.วิดีโอ (2007) | 0 | 1,31 | 0,73 | 1,9 | 2,58 | 0,013 | 1 | 1 | 1 |
18 | เอ็ม.วิดีโอ (2013) | 0 | 0,95 | 0 | 0 | 0 | 0,039 | 1 | 1 | 1 |
19 | เจเอสซี "เอ็นทีเอส" | 0 | 1,18 | 3,09 | 5,44 | 1,05 | 0,21 | 1 | 0 | 1 |
20 | รองเท้าของรัสเซีย | 0 | 0,87 | 2,34 | 1,87 | 5,65 | 0,1 | 1 | 1 | 1 |
21 | ทางแยก (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 | ครอบครัว | 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 | เอเลคาม | 0 | 1,44 | 1,82 | 4,25 | 1,3 | 0,01 | 1 | 1 | 1 |
26 | มาโคร | 1 | 1 | 15 | 11 | 1,52 | 0,01 | 1 | 0 | 1 |
27 | เพรสทีจ เอ็กซ์เพรส | 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 | กล้วยไม้ | 1 | 3 | 1,164 | 13 | 0 | 0,01 | 1 | 0 | 1 |
30 | แม่กล้วย | 1 | 0,94 | 181957 | -35 | -0,6 | -0,033 | 0 | 1 | 0 |
31 | เรือรบสีขาว | 1 | 7 | 932 | 8,76 | 0,88 | -0,4 | 0 | 1 | 1 |
32 | มาร์ธา | 1 | 3,96 | 20 | 11 | 1/17 | 0,003 | 1 | 1 | 1 |
33 | เมทริกซ์ | 1 | 2,38 | 21 | 6,82 | 1 | 0,001 | 1 | 0 | 0 |
34 | ปรอท (ชื่นชมตัวเอง) |
1 | 1,12 | 9,98 | 7,32 | 1,27 | 0,003 | 1 | 1 | 1 |
35 | มินเนสโก | 1 | 0,79 | 4,39 | 12 | 0,12 | -0,047 | 0 | 1 | 1 |
36 | มอสมาร์ท | 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 | บทบัญญัติ | 1 | 0,12 | 35557 | 0 | 0 | -0,819 | 0 | 0 | 1 |
39 | ทวีปที่เจ็ด | 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 |
หมายเหตุ: หากบริษัทมีค่าเริ่มต้น สัมประสิทธิ์จะใช้ค่า 1 และ 0 ถ้าไม่มีค่าเริ่มต้น
ภาคผนวก 2
การถดถอยปัจจัยแปดสำหรับ 41 บริษัท
การถดถอยและเศษเหลือ | DF / จำนวนองศาอิสระ | SS / ผลรวมของสี่เหลี่ยม | MS=SS/DF | F-สถิติ | ความสำคัญ F / ความสำคัญ |
การถดถอย / การถดถอย | 8 | 6,250849408 | 0,781356176 | 7,133131961 | 2.17209Е-05 |
ที่เหลือ | 32 | 3,505248153 | 0,109539005 | - | - |
รวม / รวม | 40 | 9,756097561 | - | - | - |
พารามิเตอร์ที่ใช้ | tStat/ t-สถิติ | P-vaiue / ความสำคัญ | ||
การสกัดกั้น / ค่าคงที่ | 0,354797355 | 0,281481615 | 1,260463691 | 0,216616062 |
อัตราส่วนสภาพคล่องปัจจุบัน | 0,034652978 | 0,01876389 | 1,846790732 | 0,074043212 |
เลเวอเรจ / เลเวอเรจทางการเงิน | 1.31819Е-05 | 4.77939E-06 | 2,758072506 | 0,009529947 |
D / EBITDA / อัตราส่วนหนี้สินที่มีภาระดอกเบี้ยต่อ EBITDA | 0,044980795 | 0,018152923 | 2,477881708 | 0,018682248 |
-0,012377044 | 0,030936193 | -0,40008296 | 0,691753745 | |
ROS / ผลตอบแทนจากการขาย | -0,530759612 | 0,375019201 | -1,415286499 | 0,166643428 |
NI > 0 / การมีกำไรสุทธิ | -0,02891433 | 0,164713359 | -0,175543319 | 0,861758855 |
ผู้จัดการ / การจัดการคุณภาพ | -0.266367tl2 | 0,134861932 | -1,975109717 | 0,056935374 |
ประวัติ/ คุณภาพของประวัติสินเชื่อ | -0,109402928 | 0,159841844 | -0,684444857 | 0,498621797 |
ภาคผนวก 3
การถดถอยปัจจัยเจ็ดสำหรับ 35 บริษัท
การถดถอยและเศษเหลือ | DFI จำนวนองศาอิสระ | SS / ผลรวมของสี่เหลี่ยม | MS=SS/DF | F-สถิติ | ความสำคัญ F / ความสำคัญ F |
การถดถอย / การถดถอย | 7 | 5,898901667 | 0,842700238 | 9,097165886 | 9.56E-06 |
ที่เหลือ | 27 | 2,501098333 | 0,092633272 | - | - |
รวม / รวม | 34 | 8,4 | - | - | - |
พารามิเตอร์ที่ใช้ | ค่าสัมประสิทธิ์ / ค่าสัมประสิทธิ์ | ข้อผิดพลาดมาตรฐาน / ข้อผิดพลาดมาตรฐาน | t สถิติ/ t-สถิติ | ค่า P / ความสำคัญ |
การสกัดกั้น / ค่าคงที่ | 0,473712463 | 0,25308461 | 1,871755309 | 0,072111654 |
อัตราส่วนสภาพคล่องปัจจุบัน | 0,018420061 | 0,017803477 | 1,034632774 | 0,047018946 |
เลเวอเรจ / เลเวอเรจทางการเงิน | 0,017110959 | 0,009674238 | 1,768713818 | 0,022823937 |
D / EBITDA / อัตราส่วนหนี้สินที่มีภาระดอกเบี้ยต่อ EBITDA | 0,046019604 | 0,021802198 | 2,110778177 | 0,014194286 |
EBIT / ดอกเบี้ย / EBIT ต่ออัตราดอกเบี้ย | -0,004583381 | 0,032996403 | -0,13890548 | 0,89055573 |
ROS / ผลตอบแทนจากการขาย | -0,582081686 | 0,483677061 | -1,203451088 | 0,039247801 |
ผู้จัดการ / การจัดการคุณภาพ | -0,174077167 | 0,138900851 | -1,253247659 | 0,03786026 |
ประวัติ / คุณภาพของประวัติสินเชื่อ | -0,378981463 | 0,194742843 | -1,946061058 | 0,020243892 |
ภาคผนวก 4
การประเมินบริษัทจากกลุ่มตัวอย่างโดยใช้แบบจำลองการให้คะแนน
บริษัท | ที่ | อัตราส่วนสภาพคล่องปัจจุบัน | เลเวอเรจ / เลเวอเรจทางการเงิน | D / EBITDA / อัตราส่วนหนี้สินที่มีภาระดอกเบี้ยต่อ EBITDA | EBIT / ดอกเบี้ย / EBIT ต่ออัตราดอกเบี้ย | ROS / ผลตอบแทนจากการขาย | ผู้จัดการ / การจัดการคุณภาพ | ประวัติ / ประวัติเครดิตเชิงบวก | ชีวิตของบริษัท | ซำ | ระดับ | จริงหรือไม่* |
ร้านขายยา 36.6 | 0 | 4 | 6 | 4 | 4 | 6 | 5 | 9 | 3 | 41 | 2 | 1 |
แอล "เอตวล | 0 | 5 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 26 | 3 | 0 |
เห่า | 0 | 4 | 8 | 0 | 4 | 0 | 5 | 9 | 3 | 33 | 2 | 1 |
ริบบิ้น | 0 | 1 | 0 | 0 | 4 | 6 | 5 | 9 | 3 | 28 | 3 | 0 |
ตกลง | 0 | 1 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 40 | 2 | 1 |
ออโต้เวิร์ล | 0 | 5 | 8 | 0 | 3 | 6 | 5 | 9 | 3 | 39 | 2 | 1 |
Х5 กลุ่มค้าปลีก | 0 | 1 | 8 | 0 | 4 | 5 | 5 | 9 | 3 | 35 | 2 | 1 |
โลกของลูก | 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 |
ม้าหมุน | 0 | 1 | 8 | 0 | 4 | 6 | 5 | 9 | 3 | 36 | 2 | 1 |
เงิน | 0 | 1 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 22 | 3 | 0 |
คอสมอส กรุ๊ป | 0 | 5 | 6 | 0 | 4 | 6 | 5 | 9 | 3 | 38 | 2 | 1 |
แม่เหล็ก | 0 | 5 | 8 | 8 | 4 | 6 | 5 | 9 | 3 | 48 | 1 | 1 |
แมกโนเลีย | 0 | 0 | 2 | 0 | 2 | 6 | 5 | 9 | 3 | 27 | 3 | 0 |
เอ็ม.วิดีโอ (2007) | 0 | 5 | 8 | 4 | 4 | 0 | 5 | 9 | 3 | 38 | 2 | 1 |
เจเอสซี "เอ็นทีเอส" | 0 | 5 | 0 | 0 | 2 | 6 | 0 | 9 | 3 | 25 | 3 | 0 |
รองเท้าของรัสเซีย | 0 | 4 | 2 | 4 | 4 | 6 | 5 | 9 | 3 | 37 | 2 | 1 |
ทางแยก (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 |
ครอบครัว | 0 | 5 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 44 | 1 | 1 |
เอเลคาม | 0 | 5 | 4 | 0 | 2 | 0 | 5 | 9 | 3 | 28 | 3 | 0 |
มาโคร | 1 | 4 | 0 | 0 | 4 | 0 | 0 | 9 | 3 | 20 | 3 | 1 |
เพรสทีจ เอ็กซ์เพรส | 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 |
กล้วยไม้ | 1 | 5 | 6 | 0 | 0 | 0 | 0 | 9 | 3 | 23 | 3 | 1 |
เรือรบสีขาว | 1 | 5 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 22 | 3 | 1 |
มาร์ธา | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
เมทริกซ์ | 1 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 8 | 3 | 1 |
ปรอท (สรรเสริญตนเอง) | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
มินเนสโก | 1 | 4 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 21 | 3 | 1 |
มอสมาร์ท | 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 |
ทวีปที่เจ็ด | 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 |
* คอลัมน์แสดงว่าเราได้รับการตัดสินใจที่ถูกต้องเกี่ยวกับการให้กู้ยืมแก่บริษัทตามรูปแบบการให้คะแนนหรือไม่