Скоринг фізичних осіб. Скорингова система, її вразливість та перспектива розвитку у російських фінансових системах

Поняття скорингової оцінки кредитоспроможності клієнтів

Визначення 1

Скоринг – це статистична чи математична модель, з допомогою якої застосовуються дані кредитних історій клієнтів банк, й у кінцевому підсумку є можливість розрахувати ймовірність те, що черговий потенційний позичальник поверне отримані кошти вчасно.

Така методика оцінки позичальника є виваженою сумою певного набору показників дуже спрощеному вигляді. Це необхідно для формування зведеного показника. Цей показник далі порівнюється із так званою лінією беззбитковості.

Така оцінка платоспроможності позичальника потрібна для визначення інтегрального показника кожного потенційного клієнта, і отриманий результат необхідно порівнювати з вищезгаданою лінією (відповідно, кредит зможуть отримати лише ті позичальники, у яких цей показник вищий за лінію беззбитковості).

Зазвичай у національній економіці банки використовують адаптовані моделі скорингових оцінок кредитоспроможності фізичної особи, які пристосовані до російських умов.

Спочатку дається попередня оцінка можливості отримання позички, заснована на даних анкет-заяв кредитопозичальників. За результатами заповнених анкет-заяв підписуються протоколи оцінок можливості надання кредитів.

Приклад 1

Якщо розмір балів менше 30, у протоколах фіксується відмова у наданні кредиту, якщо було набрано більше 30 балів, то наступному етапі ризик оцінюють ретельніше з урахуванням додаткових опитувань.

Переваги та недоліки скорингової оцінки кредитоспроможності

Скорингові методики та моделі дозволяють:

знизити ризик неповернення кредиту;
прийняти рішення щодо видачі кредиту швидко та неупереджено;
дозволяють ефективно керувати кредитним портфелем;
не потрібно витрачати багато часу навчання співробітників кредитного відділу;
є можливість провести експрес-аналіз заявки на кредит у присутності клієнта.

До обмежень скорингової мотодики слід віднести те, що вона може застосовуватися лише щодо інформації про тих клієнтів, яким банк уже видавав позику. Також співробітникам банку доводиться періодично перевіряти якість методики та аналізу та розробляти нову методику скорингу.

Подальше поліпшення скорингової методики дозволить розширити та змінити перелік оцінюваних характеристик кредитів.

При іпотечному кредитуванні громадян використовується андеррайтинг позичальника, найважливіше – оцінка своєчасного внеску платежів за кредитом. Оцінюється відношення розміру щомісячних зобов'язань позичальника до сукупного сімейного доходу за період і т.п.

Процес проведення скорингової оцінки кредитоспроможності позичальників

Зазвичай для аналізу кредитоспроможності потенційного позичальника запитуються:

копія документів, що засвідчує особу позичальника;
підтвердження доходів клієнта: довідка за формою 2-ПДФО, копія податкової декларації за формою 3-ПДФО;
Додатково можуть запитати документи власності на майно та інші, які можуть підтвердити платоспроможність та ділову репутацію клієнта.

Фахівці банку проводять аналіз платоспроможності індивідуального позичальника на базі даних про середньомісячний дохід та розміри утримань за попередні шість місяців, а також відомостей на підставі анкети. Результат обчислюється як середньомісячний прибуток з відрахуванням всіх обов'язкових платежів і коригується на поправочний коефіцієнт, який залежить від величини доходу (від 0,3 до 0,6). Чим більший дохід, тим більше коригування.

Зауваження 1

На даний момент найбільш універсальним методом оцінки кредитоспроможності є метод оцінки фінансового становища клієнта.

Для зниження та контролю ризиків банки повинні щокварталу проводити оцінку фінансового стану позичальника.

Як удосконалення оцінки кредитоспроможності фізичних осіб пропонується використовувати скорингову систему щодо обсягів видаваних кредитів.

Кредитні бали призначені для вимірювання ризику дефолту потенційного позичальника з урахуванням різних факторів кредитної історії. Формули для розрахунку кредитних балів зазвичай західними банками не розкриваються, проте, загалом використовуються такі компоненти, які можна як застосовного досвіду:

35% становить кредитна історія – наявність або відсутність інформації, що компрометує. Банкрутство, застави, судові рішення, угоди, конфіскації, викуп майна, прострочені платежі можуть спричинити відмови у видачі кредиту.
30% припадає на боргове навантаження – ця категорія розглядає ряд конкретних вимірів боргового навантаження, включаючи кількість рахунків з овердрафтами, існуючі кредитні зобов'язання, покупки на виплат.
15% частка посідає термін кредитної історії – середній період кредитування і термін первинного кредиту.
10% становить оцінка використовуваних типів кредиту (розстрочка, офердрафти, споживче кредитування, іпотека), показує історію управління різними видами кредитів.
10% частка оцінки посідає кількість запитів видачу кредиту – рейтинг позичальника знижується, якщо запити було зроблено у великих кількостях останнім часом (14–45 днів).

Скорингові моделі мають бути засновані на актуальних даних та швидко переналаштовуватися при зміні кредитної політики банку.

У роботі скорингової моделі велику роль грає бюро кредитних історій. Необхідно вивчити кредитну історію потенційного позичальника та подружжя заявника. Усі види доходів та витрат позичальника мають бути документально підтверджені.

Приклад 2

Кредити не повинні видаватися громадянам, які мають виплати за виконавчими документами у розмірі 50 і більше відсотків чистого доходу. Також у забезпечення позик не повинно прийматися порука фізичної особи, яка має розміри утримань із заробітної плати рівні або перевищують 50 відсотків чистих доходів.

На малюнку 1 представлена інформація, розроблена зарубіжними банками для отримання інформації про мету кредиту, особисті особливості позичальника та кредитної історії позичальника.

Малюнок 1. Змінні, які у скорингових моделях оцінки кредитоспроможності позичальників. Автор24 - інтернет-біржа студентських робіт

При оцінці кредитних ризиків потенційних позичальників береться до уваги низка факторів: вік, сімейний стан та освіта, кількість його / її утриманців, місце проживання клієнта, професія, стаж, досвід роботи в даний час. А також наступна фінансова інформація: регулярні доходи клієнта та зобов'язання; кредитна історія, яка включає такі факти, як якісне погашення кредиту; попередня позитивна співпраця з банком, якщо клієнт є клієнтом банку.

Скорингова система комерційних банків - це механізм відбору потенційних позичальників шляхом експертної перевірки факторів, що впливають на платоспроможність та ризик неповернення отриманих у позику коштів. Використовувані механізми з метою оцінки рівня благонадійності клієнтів залежать насамперед від обраної фінансовою установою схеми кредитування. В окремих комерційних банках співробітники кредитного відділу та служби безпеки можуть висувати унікальні вимоги до потенційних клієнтів.

Пропонуємо до Вашої уваги 4 банки, в яких можна отримати кредит з поганою кредитною історією:

Процентна ставка
від 9.5%

Термін
до 5 років

Сума
до 700 тис. руб.

Отримання кредиту у день звернення до банку

Процентна ставка
від 7.5%

Термін
до 5 років

Сума
до 1 млн. руб.

Миттєве рішення; погашення без комісії

Процентна ставка
від 10.5%

Термін
до 7 років

Сума
до 4 млн. руб.

Банк приймає рішення щодо заявки за 3 хвилини

Класична банківська система оцінки позичальників

Експертна оцінка зазвичай починається з вивчення поданої позичальником у заявці інформації. Якщо йдеться про надання великих кредитів, представники фінансової установи можуть наполягти на особистій зустрічі з клієнтом. Під час такої співбесіди кредитний менеджер здійснить візуальну оцінку позичальника, наголосивши на можливих зовнішніх ознаках серйозних захворювань, емоційної нестабільності або невідповідності деяким із даних, наданих у початковій анкеті.

Класична система оцінки майбутніх позичальників працює так:

Клієнт особисто спілкується із досвідченим кредитним менеджером або співробітником служби безпеки банку.
Позичальник заповнює заявку, де надає персональні дані.
Кредитний менеджер подає в Бюро кредитних історій - орган, який здійснює діяльність з формування, зберігання та обробки кредитних історій"> Бюро кредитних історійзаявку на отримання необхідних для подальшого аналізу даних про попередні зобов'язання особи, яка претендує на отримання позики.
Представник кредитної організації під час співбесіди ставить кілька простих питань, від достовірності відповіді куди залежатиме відповідність позичальника критеріям комерційного банку.
Спеціаліст виносить вердикт після вивчення отриманих конфіденційних даних.

Традиційні методи оцінки платоспроможності позичальників ідеально підходять для великих комерційних банків, які мають можливість відкрити департаменти, які займаються експертним дослідженням документів. Подібні схеми скорингу та Андеррайтинг – вивчення ймовірності погашення чи непогашення кредиту. Ця процедура проводиться банком, який приймає рішення про видачу кредиту, і передбачає визначення платоспроможності та кредитоспроможності потенційного позичальника андеррайтингуактивно використовуються кредиторами, що видають довгострокові цільові позики. У середньому на вивчення заявки, що надходить від клієнта, йде до 36 годин. Якщо йдеться про забезпечені кредити, для отримання яких необхідно додатково провести оцінку заставного майна та перевірку платоспроможності поручителя, розгляд заявки може затягтися на 7 днів.

Як працює скорингова система?

Сучасні автоматизовані скорингові системи створені для прискорення процедури кредитування. Їх використовують комерційні банки на етапі емісії кредитних карток та різні небанківські установи, націлені на видачу експрес-кредитів. Процедура скорингу, тобто перевірки платоспроможності, ґрунтується на використанні спеціалізованого галузевого програмного забезпечення, алгоритми якого налаштовані на вивчення окремих критеріїв та перевірку відповідності наданої позичальником інформації поточним умовам угоди.

Автоматизація скорингових процесів дозволяє:

Прискорити розгляд анкет, що надходять від потенційних клієнтів.
Зменшити штат працівників кредитної організації.
Перевести процедуру заповнення, подання та обробки заявок на кредитування у віртуальну площину.
Скоротити ризик відмови у кредитуванні.
Зменшити ризик виникнення помилок співробітників банку, спричинених людським фактором.
Створити стандартизовану та уніфіковану систему оцінки майбутніх позичальників.

Компанії, що надають невеликі споживчі кредити та пластикові картки, щоденно обробляють величезні потоки заявок. У подібних умовах практично неможливо забезпечити індивідуальний підхід до роботи з кожним потенційним клієнтом. Алгоритм автоматизованої системи скорингу заснований на використанні ряду простих параметрів, що дозволяють зробити ретельну оцінку позичальників. Першорядною зазвичай є інформація, пов'язана з паспортними та платіжними даними.

Як гарантовано пройти скоринг у банку?

Щоб отримати кредит після перевірки платоспроможності, позичальнику достатньо надати достовірну інформацію, підкріпивши їх зазначеними в умовах майбутньої угоди документами. Програмне забезпечення за допомогою загальнодоступних статистичних, аналітичних та математичних методів оцінює ймовірність погашення певного кредиту, але з метою прискореного прийняття рішень щодо отриманих потокових заявок деякі кредитори відмовляються від обробки довідок про доходи та банківські виписки. Наявність додаткових даних збільшує отриманий коефіцієнт. Якщо для укладання угоди достатньо мінімального бала, супутні документи не потрібні.

На оцінку платоспроможності впливає:

Таким чином, на розрахунок рейтингу та результат рішення щодо кредиту в рамках системи скорингу впливає кредитна історія та фінансова стабільність потенційного позичальника. Опосередковано рівень кредитного рейтингу може змінити такі чинники, як сімейний стан чи вік клієнта.

Деякі організації враховують обставини, які залежить від клієнта. Алгоритми скорингових машин можуть коригуватися з урахуванням економічної ситуації та політичної обстановки в регіоні, типу та розміру кредитного продукту, а також наявності чи відсутності негативних тенденцій у сфері кредитування.

Скорингові машини банку неможливо обдурити, адже навіть випадково допущена помилка на етапі заповнення заявки призводить до відмови у кредитуванні. Для перевірки клієнту доведеться надати конфіденційні дані. Кредитор гарантує збереження секретної інформації. Алгоритм спрямовано обробку як отриманих відповідей. Подібна система дозволяє збирати та аналізувати корисну статистику, що дає унікальну можливість спрогнозувати платіжну поведінку потенційного клієнта.

Вас також може зацікавити:

Ануїтетний та диференційований платіж - у чому різниця?

Питання платежу за кредитом завжди є важливим для будь-якої людини, яка планує взяти грошову позику, або вже взяла її. Докладно розглядаємо відмінності ануїтетного та диференційованого платежів. Знаючи ці відмінності, ви можете вибрати для себе оптимальний варіант кредитування.

Кожен користувач кредитами повинен знати, що таке кредитний скоринг. Це поняття почало впроваджуватися банками на початку цього століття, і це пов'язано з тим, що зростання кредитів суттєво зросло.

Скоринг - це спеціально розроблена комп'ютерна програма, яка допомагає швидко визначити платоспроможність клієнта за допомогою аналізу його анкетних даних.

Для цього в програму вводяться встановлені формою цифрові дані за принципами тестування. Потім програма скорингу проводить ретельний аналіз введених даних і видає результат, як правило, у балах: будь-якому питанню відповідає певне числове значення. Таким чином, виходить, що видавати кредит чи ні клієнту вирішує не кредитний менеджер, а комп'ютер.

Кредитний скоринг застосовується у випадках, коли позичальнику потрібно і . При видачі та іншого великого кредиту скоринг теж використовується, але поряд з іншими аналізами (оцінка заставного майна та ін.).

Для чого потрібний скоринг

Більшість банків рішення про видачу кредиту приймають лише на підставі бальної системи скорингу, наприклад:

якщо позичальник набрав високий бал у системі скорингу, то кредит видається йому без інших перевірок;
при наборі середньої кількості очок – прохання клієнта у кредиті додатково розглядається кредитним комітетом;
за явного недобору балів банк у кредиті відмовляє.

Підсумки з розрахунків кредитного скорингу залежить від системи програмування банку. На основі цього банк проводить відбір надійних та бажаних позичальників від несумлінних клієнтів.

Тестові питання

У кожного банку є своя система скорингу, але переважно вона передбачає одні й самі питання. Наприклад, найчастіше використовуються такі тестові питання, як:

вік, статева приналежність позичальника;
офіційна зарплатня;
сума та терміни необхідного кредиту;
одружений (одружена) чи позичальник;
чи є утриманці в сім'ї;
чи працює дружина (чоловік);
чи є судимості та інші питання.

Безперечно, однією з найбільш позитивних і значимих характеристик кредитного скорингу слід вважати полегшення перевірки платоспроможності позичальника.

Мінуси скорингової програми

Однак є і свої мінуси: програма може пропустити недобросовісного позичальника, а ось надійного, навпаки, забракувати. Під час перевірки іншими способами така ситуація виникає набагато рідше.

Також можна сказати, що система кредитного скорингу певною мірою збільшує ціну кредиту, оскільки несе певний ризик для кредитної організації.

Цільова спрямованість скорингової системи

Скорингова банківська система, що функціонує в кредитній діяльності, дозволяє в найближчі терміни визначити не лише фінансову стабільність клієнта-заявника, але й розрахувати відсоток кредитного ризику та можливих матеріальних втрат, пов'язаних із непогашенням позичальником позички. Скорингова програма розробляється кожною фінансовою установою за індивідуальним підходом.

Мета кредитного скорингу полягає у досягненні максимальної мінімізації ризикових ситуацій, настання яких можливе при кредитуванні ненадійного або не має можливості платити за позикою клієнта. Найчастіше, коли кредитор погоджується кредитувати позичальника, що не викликає довіри, у нього починаються певні неприємності, пов'язані з виникненням прострочок. Скоринг максимально виключає такі ризики. Визначити ступінь надійності позичальника і провести оцінку його фінансової стійкості та стабільності можна як щодо потенційного кредитоодержувача, який виступає як громадянин, так і щодо юридичної особи.

За допомогою скорингової бази можна здійснити перевірку як потенційних одержувачів, так і існуючих . Завдяки такій системі можна у найшвидші терміни визначити та виявити всі позикові ризики, які можуть торкнутися кредитного портфеля організації-кредитора. Більше того, скоринг, який здійснює оцінку ризиків щодо позичкового портфеля кредитора, також бере активну участь у прогнозуванні фінансових резервів. Процес створення системи відбувається на підставі таких факторів, як фінансовий стан потенційного позичальника, в якому повинні відображатися всі його доходи, фінансові зобов'язання, витрати та активний баланс, а також кредитна історія, що містить всю інформацію про минулі позики та їх погашення.

Критерії оцінки фінансів кредитоодержувача

При проведенні оцінки фінансової стабільності та матеріального становища клієнтів-заявників кредитні установи, як правило, виходять із якісних та кількісних критеріїв. До найбільш значущих параметрів можна віднести: роботу (посада), наявність у власності нерухомості та іншого майна, постійний та стабільний дохід, (репутацію) одержувача позички, сімейний стан, депозити та вклади, відкриті в установах, а також заявника.

Щодо кількісних показників, то в них входить розмір доходу, ступінь платоспроможності, коефіцієнт позичальника, а також забезпечення позики та умов договору. Під забезпеченням може розумітися оформлення страховки щодо предмета, а також співвідношення розміру позичкового капіталу та вартості заставного майна. Після проведення оцінки клієнта за допомогою використання скориногової схеми щодо кожного потенційного боржника, що підлягає перевірці, заводиться своя карта скорингу, яка містить велику кількість обов'язкових пунктів і положень. У скоринговій карті ставляться певні коефіцієнти кожному за що міститься у ньому пункту, який проходить оцінку. Внаслідок виставлення всіх коефіцієнтів бали просто підсумовуються.

На підставі конкретного отриманого під час підсумовування коефіцієнтів числа, кожному потенційному кредитоодержувачу присвоюється певний клас фінансової стабільності та матеріальних можливостей. Найбільш надійними клієнтами виступають такі заявники, які після проведення оцінки були віднесені до класу А або Б. Тим не менш, практика має чимало випадків, коли позичальниками стають і клієнти класу В. Повністю неплатоспроможними та максимально ненадійними визнаються громадяни, яким присвоєно клас Г та Д .

Якщо ви знайшли помилку, будь ласка, виділіть фрагмент тексту та натисніть Ctrl+Enter.

У статті портал Кредитофф (Credytoff) відповість на запитання: “скоринг, що це? та як здійснюється скорингова оцінка кредитоспроможності фізичної особи”.

Отримання максимального прибутку для банків безпосередньо з якістю кредитних заявок. Банк не менше позичальника зацікавлений у поверненні виданої позики. Тому банкіри проводять скрупульозну перевірку позичальників та аналізують кредитні ризики.

Скорингова оцінка кредитоспроможності фізичної особи

Кредитний ризик – це можливі фінансові втрати через невиконання позичальником зобов'язань за кредитним договором. Це може стосуватися несвоєчасних платежів (прострочень) або повної відмови від платежів за позикою.

Щоб максимально знизити кредитні ризики, банкірами використовується скорингова оцінка потенційних клієнтів.

На сьогоднішній день, скорингова оцінка кредитоспроможності фізичної особи широко застосовується для оцінки благонадійності позичальника. Скоринг дає розуміння, покладаючись на кредитні історії вже чинних чи колишніх клієнтів, наскільки великий шанс, що потенційний позичальник поверне гроші у встановлену договором дату.

Скоринг, що це?

Скоринг, що це? (англ. scoring - "підрахунок очок")

Це система певних показників потенційного позичальника. Автоматизований скоринг дає реальну об'єктивну оцінку фінансових ризиків, на відміну від того, якби перевірку здійснювали безпосередньо кредитні інспектори (людський фактор).

Через війну перевірки виходить певний показник (score), яких свідчить про ступінь ризику, що з тим чи іншим клієнтом. Цей показник порівнює з якимось граничним значенням, яке насправді є лінією беззбитковості (привіт просунутим читачам?). Якщо показник вищий за поріг, то приймається рішення про можливе схвалення заявки. Якщо нижче порога, то, на жаль, клієнту буде відмовлено.

Які дані розглядаються при скорингу

Скорингова оцінка кредитоспроможності фізичної особи є досить складною. Схвалення або відмова клієнту залежать від багатьох показників.

Паспортні дані потенційного позичальника, де прописано і проживає фактично, контактні номери телефонів. За цією інформацією проводиться первинна ідентифікація клієнта банку. На цьому етапі відсіваються клієнти з простроченими паспортами, неправильно або неправдиво наданими даними, підробленими документами. Будь-яка помилка в наданих даних загрожує моментальною відмовою.
На другому етапі оцінюються вік, стать, сімейний стан, трудовий стаж, кількість утриманців (неповнолітні діти – негативний фактор для скорингу), стаж на останньому місці роботи.
Потім програма оціниввет платоспроможність клієнта. Оцінюючи фінансове становище, основну роль грає щомісячний підтверджений доход. Тобто. «біла» заробітна плата, зазначена у довідці 2-ПДФО. Якщо ж дохід підтверджується Довідкою формою банку, то підсумковий бал скорингу знижується. Позику можуть і схвалити, але сума буде меншою.
Після того, як були пройдені попередні етапи, програма розпочинає перевірку. Зазвичай, розглядаються дані кількох БКИ(бюро кредитних історій) відразу. Перевіряються не тільки прострочення, але й фінансове навантаження, якщо вони є. Крім того, БКІ фіксує всі запити до банку. Якщо багато відмов – це негативно впливає можливість схвалення. Тож отримавши відмову один раз, радимо перевірити кредитну історію. Існує ймовірність, що дані БКІ можуть бути помилковими.

Скорингова оцінка кредитоспроможності фізичної особи зарплатного клієнта банку

Для власників зарплатних карток передбачено окрему перевірку. Оцінюються транзакції картою. Скоринг перевіряє терміни надходжень та знімань, а також середній залишок за рахунком. Найменший бал отримують ті клієнти, які відразу після надходження зарплати знімають її повністю готівкою.

Як приймається рішення

Скорингова оцінка кредитоспроможності фізичної особи. Як приймається рішення

Після аналізу отриманих даних скоринг видає рішення. Потенційний позичальник отримує кольорове маркування: білий, сірий, чорний.

Білий колір – позичальник може розраховувати на кредит
Чорний колір – відмова
Сірий колір означає, що для прийняття рішення не вистачає даних, потрібна додаткова оцінка андеррайтера. Кредитний інспектор докладніше вивчить анкету та надані дані. Можливо, він запросить додаткові документи. Після додаткової перевірки, андеррайтер дасть висновок про можливість схвалення, а також про максимальну суму та строк погашення кредиту.

"Скоринг, що це?" – для тих, хто отримує кредит вперше

Незважаючи на всі плюси скорингу, на сьогоднішній день банки редагують моделі перевірки своїх клієнтів. Багато банках практикується так звана «адаптована скорингова оцінка кредитоспроможності фізичної особи». Вводяться додаткові параметри перевірки, наприклад, термін роботи компанії, у якій працює потенційний позичальник, сфера діяльності цієї компанії, фінансові результати діяльності тощо. В цілому ж, доповнюючи відповідь на запитання «Скоринг, що це?», слід зазначити, що скорингова перевірка у багатьох великих банках дуже схожа. Тому, перед подачею заявки, перевірте свою самостійно, це дозволить заощадити вам час та нерви.

Дубовицький В. С.
аналітик великого російського банку
(м Москва)
Управління корпоративними фінансами
05 (65) 2014

У цій статті описано дослідження з розробки скорингової моделі з метою оцінки кредитоспроможності великих торгових підприємств, що дозволяє з урахуванням значень окремих показників судити про спроможність позичальника, оцінюється її ефективність. Найбільш об'ємними блоками в розробці скорингової моделі є вибір системи оціночних показників та визначення вагових коефіцієнтів для цих показників, що буде детально висвітлено у цій статті

ВСТУП

Один із ключових напрямів бізнесу у банківській сфері - кредитування. Саме кредити є основою банківських активів, забезпечуючи банку відсотковий дохід. Останнім часом у нашій країні відбувається бурхливий розвиток банківської сфери, насамперед кредитних відносин банків із населенням, підприємцями та великим бізнесом. Кредити мають на увазі не тільки процентні доходи, а й кредитні ризики, пов'язані з неспроможністю позичальника та втратою позички. Оцінка величини кредитного ризику є ключовим напрямом аналізу після ухвалення рішення про кредитуванні тієї чи іншої позичальника, і від неї багато в чому залежить добробут фінансової установи.

У наші дні банки використовують різні методи аналізу, оцінюючи рівень можливих втрат та ймовірність дефолту позичальника. Виходячи з цього аналізу позичальнику присуджується рейтинг якості - «хороший», «середній» або «поганий», згідно з Положенням ЦБ РФ №254-п «Про порядок формування кредитними організаціями резервів на можливі втрати з позик, за позичковою та прирівняною до неї заборгованістю» від 26 березня 2004 р.

Центральний банк виступає головним регулятором кредитної системи та дає рекомендації щодо оцінки кредитоспроможності позичальників. Відповідно до них банки вибудовують свої моделі оцінки - їх різноманіття та винахідливість їх авторів вражають. Такі моделі включають комплексну оцінку фінансового становища позичальника як головного показника майбутньої платоспроможності. Однак усі моделі націлені на кредитний рейтинг позичальника, який визначає рівень ризику фінансових втрат. Відповідно до загальноприйнятої класифікації, хороший рівень кредитоспроможності відповідає хорошому фінансовому стану компанії та низькому ризику можливих втрат, середній – середньому фінансовому стану та середнім ризикам, поганий – високій ймовірності дефолту позичальника. За добрим станом, найімовірніше, буде винесено позитивне рішення про видачу позички, середнє вимагатиме додаткових досліджень, а поганому позичальнику буде відмовлено.

Оцінка кредитного ризику у банках завжди займала вагоме становище. Так, згідно з дослідженнями Bailey і Gately, існуючі методи оцінки невпинно вдосконалюються, іноді з'являються нові методики, такі як оцінка за допомогою нейронних мереж, що викликано високим попитом з боку кредитних організацій на оптимізацію та покращення прогнозної спроможності інструментів для оцінки ймовірності дефолту потенційних позичальників. .

Отже, оцінка кредитоспроможності є ключовим завданням під час видачі кредиту. Мета цієї роботи - створення власної скорингової моделі з метою оцінки кредитної якості юридичних. Вона буде розроблена для великих підприємств роздрібної торгівлі та дозволить оперативно приймати рішення щодо доцільності фінансування різних позичальників.

Спочатку буде проведено короткий порівняльний аналіз існуючих підходів до оцінки кредитоспроможності. На його підставі будуть наведені аргументи на користь розробки скорингової моделі, потім безпосередньо розроблена скорингова модель з використанням різних теоретичних методів. Одні з головних завдань при розробці - визначення збалансованої системи оціночних показників з урахуванням обраної галузі та визначення вагових коефіцієнтів цих показників.

Далі буде проведено статистичне дослідження на основі вибірки з 41 торгового підприємства (для 16-ти з них було зафіксовано дефолт) з метою порівняти результати за вагами показників із результатами, отриманими спочатку. За підсумками порівняння буде дано висновок про коректність складеної скорингової моделі. На закінчення цієї статті буде представлено оцінку ефективності розробленої моделі, визначено прогнозну здатність розробленої моделі та зроблено висновок про її спроможність.

РІЗНІ ПІДХОДИ ДО ОЦІНКИ КРЕДИТОЗДАТНОСТІ

Усі існуючі моделі оцінки кредитоспроможності позичальників можна як наступної класифікації (рис. 1).

Отже, різноманіття підходів до аналізу кредитоспроможності можна систематизувати, розділивши всі методи на три великі блоки:

кількісні моделі;
прогнозні моделі;
якісні моделі.

Кількісні моделі використовують відповідні показники та дозволяють присвоїти позичальнику на їх основі певний рейтинг, прогнозні спираються на статистику минулих років та націлені на моделювання подальшого розвитку подій та ймовірності дефолту позичальника, а якісні моделі використовують систему різнобічних якісних показників.

Для визначення найбільш ефективного підходу до оцінки кредитоспроможності можна порівняти описані методи оцінки. У табл. 1 наведено порівняльні характеристики розглянутих раніше моделей оцінки кредитів.

Таблиця 1. Зведена таблиця моделей оцінки кредитоспроможності

Найменування моделі	Переваги моделі	Недоліки моделі
Метод коефіцієнтів	Дозволяє комплексно оцінити фінансовий стан позичальника	Не враховує якісних показників, статистики минулих років. Неавтоматизована система потребує постійної інтерпретації значень окремих показників
Рейтингові моделі	Дозволяють автоматизувати оцінку методом коефіцієнтів шляхом обчислення інтегрального показника. Відрізняються зручністю та простотою використання	Враховують лише фінансові показники, які не використовують статистику минулих років. Вимагають перебудови для різних типів компаній
Скорингові моделі	Дозволяють отримати оцінку кредитоспроможності у бальному еквіваленті та віднести позичальника до однієї із трьох груп. Прості та зручні у використанні, допомагають оцінювати нефінансові якісні показники. При оцінці вагових коефіцієнтів статистичними методами дозволяють врахувати дані щодо вже виданих кредитів, є економічно обґрунтованими	Чи не універсальні, вимагають перебудови під певні типи компаній. Вимагають великого обсягу даних для дослідження вагових коефіцієнтів
Моделі Cash Flow	Дозволяють оцінити майбутні грошові потоки компанії та зіставити їх із борговим навантаженням	Не враховують ринкову кон'юнктуру та якісні показники компанії-позичальника. Можуть давати несумісні з реальністю результати
Моделі дискримінантного аналізу	Дозволяють визначити ймовірність дефолту компанії-позичальника на основі статистики за минулі роки
Моделі регресійного аналізу	Дозволяють визначити можливість дефолту компанії-позичальника на основі статистики минулих років. При використанні моделі на коректних даних можна отримати результати високого ступеня достовірності	Суто емпіричні результати сильно залежать від навчальної вибірки і при дослідженні моделі на інших даних часто не відповідають реальності. Вимагають великого обсягу даних для дослідження вагових коефіцієнтів
Моделі якісного аналізу	Дозволяють провести комплексний аналіз компанії	Відсутність математичних методів, що призводить до суб'єктивної оцінки окремих показників та помилок, пов'язаних з людським фактором. Не враховують статистики минулих років. Немає чітких регламентів оцінки кредитоспроможності для якісних блоків аналізу

Спираючись на наведений порівняльний аналіз, можна зробити висновок, що скорингова модель знаходиться на вершині еволюції кількісних.

Метод коефіцієнтів Дозволяє комплексно оцінити фінансовий стан позичальника. Не враховує якісних показників, статистики минулих років. Неавтоматизована система потребує постійної інтерпретації значень окремих показників

Рейтингові моделі дозволяють автоматизувати оцінку методом коефіцієнтів шляхом обчислення інтегрального показника. Відрізняються зручністю та простотою використання Враховують лише фінансові показники, не використовують статистику минулих років. Вимагають перебудови для різних типів компаній

Скорингові моделі Дозволяють отримати оцінку кредитоспроможності у бальному еквіваленті та віднести позичальника до однієї із трьох груп. Прості та зручні у використанні, допомагають оцінювати нефінансові якісні показники. Оцінюючи вагових коефіцієнтів статистичними методами дозволяють врахувати дані за вже виданими кредитами, є економічно обгрунтованими Не універсальні, вимагають перебудови під певні типи підприємств. Вимагають великого обсягу даних для дослідження вагових коефіцієнтів

Моделі Cash Flow Дозволяють оцінити майбутні грошові потоки компанії та зіставити їх із борговим навантаженням Не враховують ринкову кон'юнктуру та якісні показники компанії-позичальника. Можуть давати несумісні з реальністю результати

Моделі дискримінантного аналізу Дозволяють визначити можливість дефолту компанії-позичальника на основі статистики за минулі роки Суто емпіричні, результати сильно залежать від навчальної вибірки і при дослідженні моделі на інших даних найчастіше не відповідають реальності. Вимагають великого обсягу даних для дослідження вагових коефіцієнтів

Моделі регресійного аналізу Дозволяють визначити можливість дефолту компанії-позичальника на основі статистики минулих років. При використанні моделі на коректних даних можна отримати результати високого ступеня достовірності суто емпіричні, результати сильно залежать від навчальної вибірки і при дослідженні моделі на інших даних часто не відповідають реальності. Вимагають великого обсягу даних для дослідження вагових коефіцієнтів

Моделі якісного аналізу Дозволяють провести комплексний аналіз компанії Відсутність математичних методів, що призводить до суб'єктивної оцінки окремих показників та помилок, пов'язаних із людським фактором. Не враховують статистики минулих років. Немає чітких регламентів оцінки кредитоспроможності для якісних блоків аналізу різної кількості балів. Значення коефіцієнтів надалі буде розбито на діапазони. Для кожного діапазону (стовпець «Діапазон коефіцієнта» у табл. 2) буде встановлено процентну частку (25%, 50%, 75% або 100%) від вагового коефіцієнта в табл. 2. Ваговий коефіцієнт у разі є максимальним балом. Надалі йтиметься саме про пошук вагових коефіцієнтів. Таким чином, розбивка коефіцієнтів на діапазони є умовною (заснована на логічних міркуваннях виходячи із значень даних показників для різних компаній галузі; інтервали взяті таким чином, щоб у другий інтервал після максимального потрапило близько 60% провідних компаній галузі («Магніт», «Діксі») , Х5 Retail Group, «ОК», «Л" Етуаль»), обраних для визначення середньоринкових коефіцієнтів і орієнтирів). Чим вище боргове навантаження, тим вище ймовірність дефолту і тим менша кількість балів повинен отримати показник. коефіцієнтів і будуть представлені двома підходами - аналітичним (метод Т. Сааті) та статистичним (регресійне дослідження) (максимальна кількість балів у даному випадку збігається з ваговим коефіцієнтом), а самі вагові коефіцієнти будуть визначені пізніше.

Фінансові показники скорингової моделі представлені у табл. 2.

Таблиця 2. Фінансові показники скорингової моделі

Група показників	Показник	Діапазон коефіцієнта
Ліквідність		> 0,75	1
		0,5-0,75	0,75
		0,25-0,5	0,25
		0-0,25	0
Платоспроможність		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
	Коефіцієнт покриття відсотків, EBIT/Interest	> 1,5	1
		1,3-1,5	0,75
		1-13	0,5
		< 1	0
Ділова активність	Рентабельність продажів, ROS	> 0,025	1
		0,02-0,025	0,75
		0,015-0,02	0,5
		< 0,015	0
	Збиток компанії за останні останні звітні періоди	Ні	1
		За один звітний період	0,5
			0

Допустимі значення коефіцієнтів визначалися з урахуванням середніх значень для п'яти провідних торгових підприємств Росії з урахуванням звітності МСФЗ протягом трьох років: «Магніт», Х5 Retail Group, «Діксі», «ОК», «М.Відео». Ми розглянули найважливіші фінансові показники визначення фінансового становища позичальника. Однак великий вплив на кредитоспроможність компанії мають також фактори, що провокують виникнення ризиків у бізнес-процесах позичальника. Насамперед необхідно врахувати якість менеджменту. Це дуже складний показник для кількісного аналізу, т.к. проблематично об'єктивно оцінити рівень керування компанією.

Постараємося перейти від якісної до кількісної оцінки та поставимо максимальну оцінку цього показника при виконанні наступних умов:

Є чітка стратегія розвитку компанії на найближчі роки;
незмінено склад топ-менеджменту (генеральний директор і головний бухгалтер займають посади понад два роки), т.к. про наявність сильної команди менеджерів говорить серед іншого та її сталість;
професійні компетенції відповідають високим вимогам (наявність профільної вищої освіти у генерального директора та головного бухгалтера, досвід роботи – понад п'ять років).

Наступний важливий фактор, який буде включений до скорингової моделі, - це термін функціонування компанії. Крім того, необхідно ввести стоп-фактор: при терміні ведення бізнесу менше одного року дана модель буде незастосовна через відсутність звітності та можливість зрозуміти бізнес компанії.

Ще один необхідний показник – позитивна кредитна історія. Це один із найважливіших нефінансових показників, що характеризує, по суті, якість обслуговування майбутньої позички. Було б необґрунтовано розраховувати на своєчасне повернення кредитних коштів від підприємства, що має прострочення іншим кредиторам. Представимо розглянуті нефінансові показники та розподіл балів за ними у табл. 3.

Таблиця 3. Нефінансові показники скорингової моделі

Група	Показники показників		Частка від максимальної кількості балів для діапазону
Бізнес-процеси	Якість менеджменту		1
			0,5
			0
		> 5 років	1
		3-5 років	0,75
		1-3 роки	0,25
		< 1 года	Стоп-фактор
			1
			0,5
			0
		Наявність систематичного прострочення за кредитами та позиками за останній фінансовий рік; суттєвий обсяг прострочення за кредиторською заборгованістю (> 25%)	Стоп-фактор

Ми склали систему оціночних показників, яка, на нашу думку, має комплексно та різнобічно оцінювати якість позичальника та його здатність виконувати свої зобов'язання. Наступна частина роботи при створенні будь-якої моделі скорингу найбільш трудомістка - це визначення ваги різних оціночних показників. Тому, наскільки об'єктивно ми оцінимо важливість тих чи інших чинників, залежить прогнозна цінність нашої моделі. У цій статті буде проведено аналіз ваги на основі декількох методів для виключення можливих помилок.

Вагові коефіцієнти спочатку буде визначено за допомогою аналітичних процедур, а потім зіставлено з результатами регресійного аналізу.

АНАЛІТИЧНА ОЦІНКА ВАГОВИХ КОЕФІЦІЄНТІВ МОДЕЛІ

Як інструмент оцінки візьмемо методику, докладно описану в книзі ТЛ. Сааті «Математичні моделі конфліктних ситуацій» [б]. Даний метод дозволяє уникнути різноманітності чинників і порівняти щодо значимості у конкретний час лише дві їх, зрештою визначивши значимість впливу кожного з чинників якийсь загальний показник. Методика заснована на складанні матриць парних порівнянь, що будуються для факторів, що впливають на будь-який загальний показник. Такі матриці можуть бути побудовані, наприклад, для показника платоспроможності у розрізі факторів, представлених коефіцієнтами фінансового важеля, боргового навантаження та покриття відсотків. Завдання полягає в тому, щоб побудувати такі матриці для всіх груп факторів, що впливають будь-які загальні показники. У результаті буде створено дві матриці для табл. 2 - для груп показників «Платоспроможність» та «Ділова активність», одна матриця для табл. 3 – для показників бізнес-процесів, а також дві матриці для агрегованих рівнів – одна матриця для групи фінансових показників, що складається з груп показників «Ліквідність», «Платоспроможність» та «Ділова активність», і одна для двох агрегованих блоків – фінансових та нефінансових показників загалом.

Разом п'ять попарних матриць порівняння, кожна з яких дасть свій коефіцієнт для показника, що входить до неї. Таким чином, щоб отримати ваговий коефіцієнт для показника на нижньому щаблі ієрархії, наприклад для коефіцієнта покриття відсотків, необхідно помножити ваговий коефіцієнт фінансових показників на ваговий коефіцієнт показників платоспроможності всередині фінансових показників і коефіцієнт показника покриття відсотків всередині фінансових показників.

У заголовках самих матриць для груп показників у вертикальних та горизонтальних стовпцях містяться найменування факторів. Потім матриці заповнюються значеннями, що є трансформацією суб'єктивних переваг одного фактора іншому в емпіричний вигляд згідно з методикою, представленою в табл. 4 (з використанням даних рис. 2).

Таблиця 4. Метод Т. Сааті. Класифікація переваг (на основі рис.2)

В основному застосовуються непарні числа, проте при утрудненні у виборі можна скористатися парними як середнім рівнем між двома непарними. Приклад такої матриці для чотирьох факторів показано на рис. 2. Відповідно, коли ми порівнюємо той самий чинник, елемент набуває значення 1, тому такі матриці є одиничними. Неважко помітити, що вони також обернено симетричні, що дозволяє нам заповнити таку матрицю тільки для значень, що лежать або вище, або нижче головної діагоналі.

Враховуючи, що матриці попарних порівнянь є симетричними, слід зробити порівняння тільки в одну сторону і внести відповідні значення в матрицю над головною діагоналлю, а значення під головною діагоналлю будуть зворотними.

Після отримання п'яти таких матриць проводиться розрахунок вагових коефіцієнтів: буде виміряно вагу кожного значення в матрицях щодо загальної суми в стовпці, а потім із цих значень у кожному рядку буде взято середнє арифметичне за цими значеннями. Середньоарифметичні значення і будуть ваговими коефіцієнтами. Приклад матриці групи показників платоспроможності представлений на рис. 3.

Зробивши описані розрахунки, отримаємо питому вагу кожного показника. Для зручності подальших розрахунків визначимо максимально можливий бал як добуток частки показника на 50 1 з наступним округленням до цілого числа (табл. 5,6).

1 Ця операція зроблена виключно для зручності, число 50 дозволяє мінімальному коефіцієнту перейти до цілого значення (в даному випадку значення 2). Оскільки всі коефіцієнти множаться на те саме число, ми не спотворюємо результатів аналітичного підходу. - Прим. авт.

ВИЗНАЧЕННЯ ЗНАЧИМОСТІ ПОКАЗНИКІВ ЗА ДОПОМОГОЮ РЕГРЕСІЙНОГО АНАЛІЗУ

Для проведення статистичного дослідження ми використали дані щодо 41 великої компанії із сектора роздрібної торгівлі. Ці компанії випускали корпоративні облігації і за 16 облігаціями було зафіксовано дефолт. По кожній компанії було розраховано вісім обраних показників скорингової моделі на основі річної звітності на рік випуску корпоративних облігацій. Вибірка представлена в Додатку 1. У ньому заданий пояснюваний показник - ймовірність дефолту, що приймає значення 1, якщо компанія не виконала свої зобов'язання. Виділені три показники праворуч були задані дамми-змінними (можуть приймати тільки значення 0 або 1) через їхню якісну природу. Вони набувають значення 1, якщо за останні три роки у компанії чистий прибуток > О (Nl > 0), стабільний та якісний керівний склад (manager) та позитивна кредитна історія (histor). Фінансові показники (перші п'ять показників) розраховувалися на основі річної звітності за стандартами МСФЗ на рік випуску дефолтних облігацій.

Як модель для дослідження виберемо побудову лінійної багатофакторної регресії:

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

де р - залежна змінна, що описує ймовірність дефолту;
w - вагові коефіцієнти; х – показники.

Отже, введемо вихідні дані до Excel і скористаємося функцією Data analysis - Regression. При аналізі вихідних даних за восьми показниками скорингової моделі без коригування отримуємо результат, представлений у Додатку 2. Adjusted R^2 дорівнює 0,55 - невисоке, але прийнятне значення, що говорить про практичну значущість побудованої регресії. Можна висунути припущення про причину невисокої значущості наявності викидів у даних, наприклад, відсутність значень для деяких компаній за показником EBIT/Interest через відсутність боргового навантаження (спрощено з метою дослідження в такому випадку приймалося значення коефіцієнта, що дорівнює 0) або негативне значення показника Debt/EBITDA через негативного грошового потоку. В даному випадку некоректно сприймається вплив негативного показника, тому що, за логікою дослідження, чим вище Debt/EBITDA, тим вища ймовірність дефолту; негативний показник, своєю чергою, перестав бути показником низької боргової навантаження. Також на прогнозну здатність впливають компанії з яскраво вираженими екстремальними значеннями окремих показників. Так, у компанії «Банана-Мама» власний капітал становить 10 000 руб., що призводить до спотворення відповідних показників – фінансовий важіль дорівнює 181 957 (при середньогалузеві значення в діапазоні 0,7-1,5).

Таблиця 5. Фінансові показники з урахуванням ваги

Показник	Вага у системі показників	Максимальний бал	Діапазон коефіцієнта
			>1	5
Коефіцієнт поточної ліквідності	0,1072	5	> 1	5
			0,75-0,1	4
			0,5-0,75	1
			0-0,5	0
Коефіцієнт поточної ліквідності	0,1581	8	< 1	8
			1-1,5	6
			1,5-2	4
			2-2,5	2
			> 2,5	0
Коефіцієнт боргового навантаження, Net Debt/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
Рентабельність продажів, ROS	0,1256	6	> 0,025	6
			0,02-0,025	5
			0,015-0,02	3
			< 0,015	0
	0,0418	2	Ні	2
			За один звітний період	1
			За два звітні періоди і більше	0
Разом	0,6698	33	-	68

Виключимо такі шість компаній із дослідження: супермаркет «Місто», «Інтертрейд», М.Відео» (2013 р.), «Зв'язковий», «Банана-Мама», «Провіант». Також відзначимо неможливість одночасного використання показників ROS та відсутності збитків (Nl > 0) через їх високу кореляцію. Справа в тому, що за наявності збитків у компанії рентабельність продажів автоматично набуває негативного значення.

Таблиця 6. Нефінансові показники з урахуванням ваги

Показник	Вага у системі показників	Максимальний бал	Діапазон коефіцієнта / методика оцінки	Кількість балів для діапазону з урахуванням ваги
Якість менеджменту	0,099	5	Виконання всіх описаних умов	5
			Невиконання однієї з умов	2,5
			Невиконання більш ніж однієї умови	0
Термін функціонування компанії	0,0528	3	> 5 років	3
			3-5 років	2
			1-3 роки	1
			< 1 года	Стоп-фактор
Позитивна кредитна історія	0,1782	9	Відсутність прострочок за кредитами та позиками, простроченої кредиторської заборгованості	9
			наявність інформації про реструктуризацію заборгованості; незначні прострочення кредиторської заборгованості (до 10%)	4,5
			Одиничний випадок прострочення за позиками та кредитами з подальшим погашенням; значні прострочення кредиторської заборгованості (10-25% від загального обсягу заборгованості)	0
			Наявність систематичного прострочення за кредитами та позиками за останній фінансовий рік; суттєвий обсяг прострочення кредиторської заборгованості (>25%)	Стоп-фактор
Разом		17

Маючи дані міркування, видалимо показник Nl > 0 з нашої моделі. Для нової семифакторної регресії на оновленій вибірці з 35 компаній отримаємо наступний результат (Додаток 3). Ми бачимо, що значущі шість із семи досліджуваних показників. Знаки при коефіцієнтах чітко відбивають припущення, висловлені вище: що стоїть рентабельність продажів і якість менеджменту, то нижче ймовірність дефолту (у = 1), і навпаки: що стоїть боргова навантаження, то вище ймовірність дефолту. На погляд знак неправильний лише в коефіцієнта поточної ліквідності. Однак великі значення ліквідності так само погані, як і малі, - вони говорять про низьку ефективність бізнесу та недоотриманий прибуток. Компанії з більшими коефіцієнтами ліквідності схильні до недоотримання прибутку, низької рентабельності та прибутковості бізнесу, що робить їх менш привабливими в очах потенційних інвесторів, а отже, і більш уразливими до змін фінансових умов. Найбільш значущими є коефіцієнти D (або Debt – обсяг відсоткового боргу)/EBITDA, позитивна кредитна історія та фінансовий важіль; коефіцієнт покриття відсотків незначний.

Вище при моделюванні коефіцієнтів за методом Т. Сааті ми також припускали, що найбільш значущими показниками виявляться коефіцієнти при борговому навантаженні та фінансовому важелі. Порівняльний аналіз підсумкових значимостей коефіцієнтів наведено у табл. 7.

Таблиця 7. Порівняльний аналіз значимості коефіцієнтів

Показник на основі експертних оцінок за методом Т. Сааті	Коефіцієнт	Показник на основі регресійного аналізу	P-value
Позитивна кредитна історія	0,1782	Коефіцієнт боргового навантаження, Net Debt/EBITDA	0,014
Коефіцієнт фінансового важеля	0,1581	Позитивна кредитна історія	0,020
Коефіцієнт боргового навантаження, Net Debt/EBITDA	0,1581	Коефіцієнт фінансового важеля	0,022
Рентабельність продажів, ROS	0,1256	Якість менеджменту	0,037
Коефіцієнт поточної ліквідності	0,1072	Рентабельність продажів, ROS	0,039
Якість менеджменту	0,099	Коефіцієнт поточної ліквідності	0,047
Коефіцієнт покриття відсотків, EBIT/Interest	0,0790	Коефіцієнт покриття відсотків, EBIT/Interest	Незначний
Збиток компанії за останні три звітні періоди	0,0418	Збиток компанії за останні три звітні періоди	Досліджувався як нефінансовий показник, незначний

Дані результати свідчать про узгодженість методу Т. Сааті та статистичних даних. Три найбільш значущі показники за аналітичним підходом підтверджують свою високу значущість і в практичному дослідженні, змінився лише розподіл черговості самих показників. Також два найменш значущих по першій частині роботи показника - якість менеджменту та EBIT/Interest - виявилися незначними у статистичному дослідженні.

Таким чином, регресійний аналіз підтверджує принципи класифікації значущості вагових коефіцієнтів в аналітичній частині роботи та дозволяє говорити про статистичну значущість побудованої скорингової моделі.

ВИЗНАЧЕННЯ РЕЗУЛЬТАТІВ РОЗРОБЛЕНОЇ СКОРИНГОВОЇ МОДЕЛІ

Загальна максимальна кількість балів скорингової моделі - 50. Для кожного показника в процесі визначення діапазонів значень ми виявляли наступний після максимальної кількості балів рівень, також прийнятний, хоч із відносно високим рівнем ризику, ґрунтуючись на ринкових значеннях показників. Для одних показників наступний за максимальним рівень становив 75% від загальної кількості балів, для інших – 50%. Усі наступні рівні вважатимемо рівнями з високим кредитним ризиком та відноситимемо відповідних позичальників до категорії поганих. До найбільш кращої групи віднесемо позичальників, які виконують максимальні вимоги за найбільш значущими (за ваговими коефіцієнтами) показниками: кредитна історія, фінансовий важіль та боргове навантаження, а також рентабельність продажів у сумі 31 бал та виконання як мінімум наступного за максимальним рівнем вимог за іншими показниками - 12,5 у сумі. Разом 43,5 бали за нижній рівень високої кредитоспроможності.

Для визначення прикордонного інтервалу, що характеризує високий рівень кредитоспроможності, розрахуємо кількість балів за фінансовими та нефінансовими показниками в наступному після максимального діапазону значень з табл. 5 та б. Показники розділені за значеннями коефіцієнтів, що приймаються, на інші діапазони. Ми отримаємо таку класифікацію (табл. 8).

Таблиця 8. Класифікація результатів

Таблиця 9. Прогнозна здатність скорингової моделі, %

Грунтуючись на табл. 8, зробимо оцінку прогнозної спроможності нашої моделі, підставляючи дані компаній у її умови. У Додатку 4 наведено розраховані скорингові бали для досліджуваних компаній. Залежно від значення показника в таблиці проставлялася його бальна оцінка згідно з розробленою моделлю, а потім усі бали підсумовувалися в інтегральний показник (стовпець «Сума»). З суми балів вироблялося розподіл компаній за трьома класами, потім дані порівнювалися з фактичним наявністю чи відсутністю дефолту в компанії. У стовпці "Вірно чи ні", 1 означає правильний результат скорингової моделі, 0 - помилку. Таким чином ми отримали наступний результат (табл. 9).

Ми отримали середній (щодо описаних у різних джерелах) результат прогнозної здатності скорингових моделей. Однак, варто відзначити низький відсоток помилок другого роду, що підвищує прогнозну цінність нашої моделі. Цей результат вважатимуться позитивним і підтверджує ефективність проведеного дослідження.

ВИСНОВОК

У цьому роботі було запропоновано скорингова модель з метою оцінки кредитоспроможності великих роздрібних торгових предприятий. Модель ґрунтується на комплексі оціночних показників, що дозволяють різнобічно оцінити фінансовий та нефінансовий стан позичальника.

За результатами оцінки позичальнику присуджується один із трьох класів кредитоспроможності, що характеризує ступінь кредитного ризику та доцільність кредитування.

Ми змоделювали систему оціночних показників, що дозволяють найточніше оцінити стан позичальника із сектора роздрібної торгівлі. Провівши аналіз лідерів ринку роздрібу і розрахувавши їм використовувані показники, ми визначили їм межі прийнятних значень і ранжували по різних групам з різним відсотком максимально можливого бала.

Найбільш трудомістким завданням було визначення вагових коефіцієнтів при досліджуваних показниках. Було зроблено висновок необхідність комплексного підходу через відсутність якогось одного ідеального методу. Комплексний підхід було реалізовано так: у першій частині роботи вагові коефіцієнти визначалися з допомогою аналітичних процедур, тоді як у другій - з допомогою статистичного дослідження.

Розроблена модель показала високі результати прогнозної спроможності, у своїй вона вимагає великих ресурсних витрат за проведення аналізу. Введення в експлуатацію розробленої скорингової системи дозволить збільшити ефективність ухвалення кредитних рішень у сфері великих підприємств роздрібної торгівлі та оптимізувати кредитний процес.

Література

1. Айвазян С.А., Мхітарян В.С. Прикладна статистика та основи економетрики. - М: ГУ ВШЕ, 1998.

2. Гаврилова A.H. Фінанси організацій. - М: Кнорус, 2007.

3. Коробова Г.Г., Петров М.А. Спроможність банківського позичальника та її оцінка за умов конкуренції // Банківські послуги. -2005. -№7/8. -C. 22-24.

4. Куликов Н.І., Чайнікова Л.І. Оцінка кредитоспроможності підприємства-позичальника. – Тамбов: Університет ТДТУ, 2007.

5. Положення ЦБ РФ №254-П «Про порядок формування кредитними організаціями резервів на можливі втрати з позик, за позичковою та прирівняною до неї заборгованістю» від 26 березня 2004 р. - http://base.garant.ru/584458/.

6. Сааті Т.Л. Математичні моделі конфліктних ситуацій/За ред. І.А. Ушакова. - М: Радянське радіо, 1977.

7. Шеремет А.Д., Сайфулін P.C., Негашев H.B. Методика фінансового аналізу - М: Інфра-М, 2001.

8. Abdou Н.А., Pointon J. (2011). «Credit scoring, статистичні технології та оцінка критерію: a review of the literature». Intelligent Systems in Accounting, Finance & Management, Vol. 18, No. 2-3, pp. 59-88.

9. Bailey M. (2004). Consumer Credit Quality: Underwriting, Scoring, Fraud Prevention and Collections. White Box Publishing, Kingswood, Bristol.

10. Crook J., Edelman D., Thomas L. (2007). «Recent developments in consumer credit risk assessment». European Journal of Operational Research, Vol. 183, No. 3, pp. 1447–1465.

11. Gately E. (1996). Neural Networks для Financial Forecasting: Top Techniques for Designing and Applying the Latest Trading Systems. Нью-Йорк: John Wiley & Sons, Inc.

12. Guillen М., Artis M. (1992). Count Data Models for Credit Scoring System: Європейські Конференції Series в Quantitative Economics and Econometrics on Econometrics of Duration, Count and Transition Models. Париж.

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

14. Liang Q. (2003). «Corporate financial distress diagnosis in China: empirical analysis using credit scoring models». Hitotsubashi Journal of Commerce and Management, Vol. 38, No. 1, pp. 13-28.

ДОДАТОК 1.

Вибірка для дослідження

№	Компанія	y / Ознака дефолту	Коефіцієнт поточної ліквідності			EBIT / Interest/ Відношення EBIT до процентних платежів		NI > 0/ Наявність чистого прибутку
1	Аптека 36,6	0	0,82	1,32	2,41	1,83	0,0496	1	1	1
2	Л"Етуаль	0	5,04	2,75	10,98	1,64	0,007	1	1	1
3	Кора	0	0,795	0,77	3,13	1,89	0	0	1	1
4	Стрічка	0	0,75	9,7	2,91	3,1	0,049	1	1	1
5	ОК	0	0,67	0,78	1,59	7,01	0,0357	1	1	1
6	Автосвіт	0	1,2	0,65	3,09	1,35	0,04	1	1	1
7	Х5 Retail Group	0	0,55	0,53	3,32	2,82	0,027	1	1	1
8	Місто	0	0,99	18,97	10,25	1,29	0,01	1	1	0
9	Дитячий світ	0	0,93	0,83	2,14	3,99	0,032	1	1	1
10	Діксі	0	0,77	1,19	6,1	1,78	0,01	1	1	1
11	ІнтерТрейд	0	1,24	20,65	4,92	2,1	0,015	1	1	0
12	Карусель	0	0,73	0,68	3,175	1,71	0,059	1	1	1
13	Копійка	0	0,68	2,93	7,03	1,82	0	0	1	1
14	Kosmos Group	0	1,64	1,11	2,88	2,65	0,043	1	1	1
15	Магніт	0	і	0,54	1,11	10,2	0,061	1	1	1
16	Магнолія	0	0,27	2,35	3,55	1,02	0,064	1	1	1
17	М.Відео (2007 р.)	0	1,31	0,73	1,9	2,58	0,013	1	1	1
18	М.Відео (2013 р.)	0	0,95	0	0	0	0,039	1	1	1
19	ВАТ «НТС»	0	1,18	3,09	5,44	1,05	0,21	1	0	1
20	Взуття Росії	0	0,87	2,34	1,87	5,65	0,1	1	1	1
21	Перехрестя (2005 р.)	0	0,54	1,09	3,16	3,92	0,026	1	1	1
22	Півдом	0	1,99	3	8	1,1	0,0006	1	0	1
23	сім'я	0	10	0,28	1,66	6	0,58	1	1	1
24	Зв'язковий	0	1,07	0	0	0	0,001	1	1	1
25	Елекам	0	1,44	1,82	4,25	1,3	0,01	1	1	1
26	Макро	1	1	15	11	1,52	0,01	1	0	1
27	Престиж-експрес	1	8	0,98	12,43	1,02	0,002	1	0	1
28	Арбат-Престиж	1	0,49	1,81	7,6	1,45	0,017	1	1	0
29	Орхідея	1	3	1,164	13	0	0,01	1	0	1
30	Банана-Мама	1	0,94	181957	-35	-0,6	-0,033	0	1	0
31	Білий фрегат	1	7	932	8,76	0,88	-0,4	0	1	1
32	Березня	1	3,96	20	11	1/17	0,003	1	1	1
33	Матриця	1	2,38	21	6,82	1	0,001	1	0	0
34	Меркурій (Самохвал)	1	1,12	9,98	7,32	1,27	0,003	1	1	1
35	Міннеско	1	0,79	4,39	12	0,12	-0,047	0	1	1
36	Мосмарт	1	12	5	8	1,5	0	0	0	0
37	Полісся	1	7,93	15	14	1,03	0,003	1	0	1
38	Провіант	1	0,12	35557	0	0	-0,819	0	0	1
39	Сьомий континент	1	1,93	0,41	1,52	1,35	0,07	1	0	1
40	Техносила	1	14	18	10,36	1	0,002	1	1	1
41	ТОАП	1	7	22	10,83	1,04	0,009	0	0	1

Примітка: якщо у компанії був зафіксований дефолт, то коефіцієнт приймає значення 1, і 0, якщо дефолту не було.

ДОДАТОК 2.

Регресія з восьми факторів для 41 компанії

Регресія та залишок	DF / Число ступенів свободи	SS / Сума квадратів	MS = SS/DF	F-статистика	Significance F / Значимість
Regression / Регресія	8	6,250849408	0,781356176	7,133131961	2,17209Е-05
Residual / Залишок	32	3,505248153	0,109539005	-	-
Total / Разом	40	9,756097561	-	-	-

Використовувані параметри			tStat/ t-статистика	P-vaiue / Значимість
Intercept / Константа	0,354797355	0,281481615	1,260463691	0,216616062
Коефіцієнт поточної ліквідності	0,034652978	0,01876389	1,846790732	0,074043212
Leverage / Фінансовий важіль	1,31819Е-05	4,77939Е-06	2,758072506	0,009529947
D / EBITDA / Відношення відсоткового боргу до EBITDA	0,044980795	0,018152923	2,477881708	0,018682248
	-0,012377044	0,030936193	-0,40008296	0,691753745
ROS / Рентабельність продажів	-0,530759612	0,375019201	-1,415286499	0,166643428
NI > 0 / Наявність чистого прибутку	-0,02891433	0,164713359	-0,175543319	0,861758855
Manager / Якість менеджменту	-0,266367tl2	0,134861932	-1,975109717	0,056935374
Histor/ Якість кредитної історії	-0,109402928	0,159841844	-0,684444857	0,498621797

ДОДАТОК 3.

Регресія з семи факторів для 35 компаній

Регресія та залишок	DFI Число ступенів свободи	SS / Сума квадратів	MS = SS/DF	F-статистика	Significance F / Значимість F
Regression / Регресія	7	5,898901667	0,842700238	9,097165886	9,56Е-06
Residual / Залишок	27	2,501098333	0,092633272	-	-
Total / Разом	34	8,4	-	-	-

Використовувані параметри	Коефіцієнти / Коефіцієнти	Standard Error / Стандартна помилка	t Stat/ t-статистика	P-value / Значимість
Intercept / Константа	0,473712463	0,25308461	1,871755309	0,072111654
Коефіцієнт поточної ліквідності	0,018420061	0,017803477	1,034632774	0,047018946
Leverage / Фінансовий важіль	0,017110959	0,009674238	1,768713818	0,022823937
D / EBITDA / Відношення відсоткового боргу до EBITDA	0,046019604	0,021802198	2,110778177	0,014194286
EBIT / Interest / Відношення EBIT до процентних платежів	-0,004583381	0,032996403	-0,13890548	0,89055573
ROS / Рентабельність продажів	-0,582081686	0,483677061	-1,203451088	0,039247801
Manager / Якість менеджменту	-0,174077167	0,138900851	-1,253247659	0,03786026
Histor / Якість кредитної історії	-0,378981463	0,194742843	-1,946061058	0,020243892

ДОДАТОК 4.

Оцінка компаній з вибірки за скоринговою моделлю

Компанія	У	Коефіцієнт поточної ліквідності	Leverage / Фінансовий важіль	D / EBITDA / Відношення відсоткового боргу до EBITDA	EBIT / Interest / Відношення EBIT до процентних платежів	ROS / Рентабельність продажів	Manager / Якість менеджменту	Histor / Позитивна кредитна історія	Термін функціонування компанії	Сума	Клас	Правильно чи ні*
Аптека 36,6	0	4	6	4	4	6	5	9	3	41	2	1
Л"Етуаль	0	5	0	0	4	0	5	9	3	26	3	0
Кора	0	4	8	0	4	0	5	9	3	33	2	1
Стрічка	0	1	0	0	4	6	5	9	3	28	3	0
ОК	0	1	8	4	4	6	5	9	3	40	2	1
Автосвіт	0	5	8	0	3	6	5	9	3	39	2	1
Х5 Retail Group	0	1	8	0	4	5	5	9	3	35	2	1
Дитячий світ	0	4	8	4	4	6	5	9	3	43	2	1
Діксі	0	4	6	0	4	0	5	9	3	31	2	1
Карусель	0	1	8	0	4	6	5	9	3	36	2	1
Копійка	0	1	0	0	4	0	5	9	3	22	3	0
Kosmos Group	0	5	6	0	4	6	5	9	3	38	2	1
Магніт	0	5	8	8	4	6	5	9	3	48	1	1
Магнолія	0	0	2	0	2	6	5	9	3	27	3	0
М.Відео (2007 р.)	0	5	8	4	4	0	5	9	3	38	2	1
ВАТ «НТС»	0	5	0	0	2	6	0	9	3	25	3	0
Взуття Росії	0	4	2	4	4	6	5	9	3	37	2	1
Перехрестя (2005 р.)	0	1	6	0	4	5	5	9	3	33	2	1
Півдом	0	5	0	0	2	0	0	9	3	19	3	0
сім'я	0	5	8	4	4	6	5	9	3	44	1	1
Елекам	0	5	4	0	2	0	5	9	3	28	3	0
Макро	1	4	0	0	4	0	0	9	3	20	3	1
Престиж-експрес	1	5	8	0	2	0	0	9	3	27	3	1
Арбат-Престиж	1	0	4	0	3	0	5	0	3	15	3	1
Орхідея	1	5	6	0	0	0	0	9	3	23	3	1
Білий фрегат	1	5	0	0	0	0	5	9	3	22	3	1
Березня	1	5	0	0	2	0	5	9	3	24	3	1
Матриця	1	5	0	0	0	0	0	0	3	8	3	1
Меркурій (Самохвал)	1	5	0	0	2	0	5	9	3	24	3	1
Міннеско	1	4	0	0	0	0	5	9	3	21	3	1
Мосмарт	1	5	0	0	3	0	0	0	3	11	3	1
Полісся	1	5	0	0	2	0	0	9	3	19	3	1
Сьомий континент	1	5	8	4	3	6	0	9	3	38	2	0
Техносила	1	5	0	0	0	0	5	9	3	22	3	1
ТОАП	1	5	0	0	2	0	0	9	3	19	3	1