คะแนนรายบุคคล. ระบบการให้คะแนน ช่องโหว่ และแนวโน้มการพัฒนาในระบบการเงินของรัสเซีย

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

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