Современные методы оценки кредитоспособности предприятия

Всяких Максим Владимирович,
кандидат экономических наук,
доцент кафедры «Бухгалтерский учет и аудит»
института экономики
Белгородского государственного национального
исследовательского университета.
Автор 57 научных публикаций, в т.ч. 4 монографий
Всяких Юлия Владимировна,
кандидат экономических наук,
доцент кафедры финансов и кредита
института экономики
Белгородского государственного национального
исследовательского университета.
Автор 90 научных публикаций, в т.ч. 5 монографий
Вестник Северного (Арктического) федерального университета.
Серия: Гуманитарные и социальные науки
№3 2015

Интенсификация развития многих отраслей народного хозяйства выполнима лишь при наполнении экономики «длинными» деньгами, и ключевую роль здесь должны сыграть именно банки, взяв на себя функции опытных оценщиков и распределителей свободных финансовых ресурсов государства. Кредитные ресурсы не являются безграничными, поэтому остро стоит вопрос об оптимизации кредитного портфеля коммерческого банка с позиции доходности, срочности и надежности (возвратности).

Целью работы выступает оценка эффективности методов и приемов в процессе отбора потенциальных заемщиков кредитных организаций с позиции их кредитоспособности, поскольку формирование сбалансированного кредитного портфеля становится решающим фактором конкурентоспособности банков в современных условиях.

Практическая значимость работы состоит в сопоставлении отдельных моделей оценки кредитоспособности заемщиков в ходе реализации выбранного варианта формирования кредитного портфеля и частных случаев предоставления займов, что в конечном счете формирует общую эффективность функционирования кредитного механизма и неизменно связано с применением оптимальных методов управления кредитом, обусловленных границами условий предоставления кредита.

Основной вывод, к которому приходят авторы работы, состоит в том, что при всем многообразии методик оценки кредитоспособности заемщиков нельзя с полной уверенностью говорить о наличии универсального алгоритма для кредитной организации, позволяющего с достоверной точностью принять итоговое решение о предоставлении заемных средств. Эта цель может быть достигнута лишь в ходе использования комплекса аналитических процедур, направленных на определение количественного уровня риска и сопоставление полученных выводов с первично сформированной картиной о будущем заемщике. Такой подход увеличивает трудоемкость процесса оценки кредитоспособности, однако сводит к минимуму недостатки отдельных классических методик, применение которых в рамках достижения общей цели не является взаимоисключающим.

Понятие кредитоспособности означает возможность предприятия вовремя и в полном объеме произвести расчет по своим обязательствам. Анализ кредитоспособности может проводиться как банками, выдающими кредиты, так и предприятиями, стремящимися их получить. Рассмотрение банками различных факторов, способствующих непогашению кредитов или, наоборот, обеспечивающих их своевременный возврат, является содержанием банковского анализа кредитоспособности.

Главную цель анализа кредитоспособности составляет определение способности и готовности заемщика осуществить возврат запрашиваемой ссуды в соответствии с условиями кредитного договора. Для этого банку необходимо выявить степень риска, который он готов взять на себя, и размер кредита, который банк может выдать в данных обстоятельствах [1]. При осуществлении анализа кредитоспособности должны быть решены следующие вопросы:

  • имеется ли возможность у должника вернуть занятые денежные средства в указанный срок (финансово-хозяйственная сторона деятельности предприятия);
  • какова готовность должника к возврату денежных средств (юридический характер и связь с личными качествами руководителей предприятия).

Структура и содержание показателей складываются из самого понятия кредитоспособности. Они должны дать характеристику финансово-хозяйственному состоянию предприятий с точки зрения наиболее эффективного размещения и использования заемных средств и всех средств вообще, дать оценку способности и готовности должника осуществлять платежи и возможности погашения долга в указанные сторонами сроки. Оценка способности своевременно возвращать кредит проводится на основе данных анализа баланса предприятия на ликвидность, целевого использования кредита и оборотных средств с положительным результатом, уровня рентабельности, а степень готовности выявляется в ходе определения дееспособности заемщика, приоритетов его развития, определенных качеств руководителей предприятий в своем бизнесе.

Современные практические методы оценки кредитоспособности заемщиков в коммерческих банках основываются на применении многообразных финансовых и нефинансовых критериев. К их числу относятся:

  1. классификационные модели;
  2. модели на основе комплексного анализа.

Классификационные модели дают возможность группировать заемщиков: прогнозные модели позволяют дифференцировать их в зависимости от вероятности банкротства; рейтинговые - в зависимости от их категории, устанавливаемой с помощью группы рассчитываемых финансовых коэффициентов и присваиваемых им уровней значимости.

Большинство классификационных моделей обычно делятся на группы (классы), и их можно использовать как дополнительный инструмент для определения способов исполнения кредитной заявки. Самое точное описание дают две модели: балльной (рейтинговой) оценки и прогнозирования банкротств. С помощью рейтинговых моделей можно разделить заемщиков на плохих и хороших, а благодаря модели прогнозирования возможно дифференцирование фирм-банкротов и устойчивых компаний. Рейтинговая оценка (общая сумма баллов) рассчитывается путем умножения значения показателя на его вес (коэффициент значимости) в интегральном показателе. В мировой практике при оценке кредитоспособности на основе системы финансовых коэффициентов применяются в основном следующие 5 групп коэффициентов: ликвидности, оборачиваемости, финансового рычага, прибыльности, обслуживания долга [1].

Многие коммерческие банки используют систему скоринга. Под кредитным скорингом понимается технический прием, который был предложен американским экономистом Д. Дюраном в начале 1940-х годов для выбора заемщиков по потребительскому кредиту. Отличием кредитного скоринга от рейтинговой оценки является то, что в формуле рейтинговой оценки вместо значения i-го показателя используется частная балльная оценка i-го показателя.

Притом каждый показатель имеет несколько интервалов значений, каждому из которых приписывается определенное количество баллов или определяется класс.

Преимуществом рейтинговой модели является ее простота, ведь для того чтобы определить класс заемщика, необходимо рассчитать финансовые коэффициенты и взвесить их. Но необходимо помнить, что в ходе рейтингового расчета могут использоваться только те значения, которые отвечают установленным нормативам.

При осуществлении характеристики качества потенциальных заемщиков обычно используют прогнозные модели. Они основаны на статистических методах, самым используемым из которых является множественный дискриминантный анализ (MDA), известный также как кластерный анализ [2].

В ходе проведения расчета коэффициентов регрессии делается статистическая обработка данных по выборке фирм, которые либо разорились, либо сумели удержать свою платежеспособность в течение некоторого периода. Все компании делят на две группы: на тех, кому не грозят финансовые трудности, могущие привести к банкротству в ближайшем будущем, и на тех, у кого имеется угроза стать банкротом. Если показатель финансового состояния некоторой компании находится ближе к показателю средней компании-банкрота, то в случае дальнейшего ухудшения ее положения она обанкротится. Если же менеджеры компании и банк, выявив финансовые трудности, принимают решения для предотвращения усугубления ситуации, то банкротства не произойдет. Таким образом, оценка является предупреждением такой возможности [1].

При применении MDA необходима достаточно репрезентативная выборка предприятий, дифференцированных по отраслям, размерам. Сложностью этого процесса является то, что внутри отрасли не всегда возможно определить необходимое количество обанкротившихся фирм для расчета коэффициента регрессии.

Широко используемыми моделями ]УГОА являются модели Альтмана и Чессера.

Альтманом, Хольдерманом и Нарайаной введен «Z-анализ» на основании следующего уравнения:

Z = 1,2*X1 + 1,4*X2 + 0,6*X3 + 1,0*X4 + 3,3*X5,

где Х1 - чистые оборотные фонды/общие активы;
Х2 - резервы/общие активы;
Х3 - валовая прибыль/общие активы;
Х4 - собственный капитал/общая задолженность;
Х5 - обороты/общие активы.

Определение класса надежности предприятия производится на основании следующих значений индекса Z:

  • Z ≤ 1,8 - вероятность обанкротиться очень высока;
  • 1,8 < Z ≤ 2,7 - высокая вероятность банкротства;
  • 2.7 < Z ≤ 3,0 - низкая степень вероятности банкротства;
  • 3,0 < Z - самая меньшая вероятность банкротства.

Определение класса надежности предприятия производится на основании следующих значений индекса Z:

  • Z ≤ 1,8 - вероятность обанкротиться очень высока;
  • 1.8  < Z ≤ 2,7 - высокая вероятность банкротства;
  • 2,7 < Z ≤ 3,0 - низкая степень вероятности банкротства;
  • 3,0 < Z - самая меньшая вероятность банкротства.

Организация моделей по подобию уравнения Альтмана для российских заемщиков в настоящее время является проблематичной. Это обусловлено отсутствием статистики банкротства, влиянием на метод признания фирмы банкротом множества факторов, которые не подлежат учету, а также из-за отсутствия стабильной нормативной базы банкротства российских предприятий.

Общей проблемой практического применения перечисленных и других моделей скоринга является обеспечение связанности и непротиворечивости различных показателей. Множество банков для достижения более точных оценок комбинируют по своему усмотрению различные показатели и коэффициенты [1].

Устоявшиеся дискриминантные модели прогнозирования банкротств характеризуются двухфакторной моделью М.А. Федотовой и пятифакторной моделью Р.С. Сайфулина, Г.Г. Кадыкова [2].

По модели оценки вероятности банкротств М.А. Федотовой, которая основана на коэффициенте текущей ликвидности (X1) и коэффициенте доли заемных средств в валюте баланса (Х2), выведено следующее уравнение:

Программа Финансовый анализ - ФинЭкАнализ 2024 для расчета коэффициента текущей ликвидности и других финансово-экономических коэффициентов.

Z = -0,3877 - 1,0736*X1 + 0,0579*Х2.

В случае, когда значение индекса Z имеет отрицательное значение, предприятие останется платежеспособным.

Уравнение Р.С. Сайфулина, Г.Г. Кадыкова имеет вид:

Z = 2*X1 + 0,1*X2 + 0,08*X3 + 0,45*X4 + X5.

В случае полного соответствия значений финансовых коэффициентов минимальному нормативному уровню индекс Z равен 1. Финансовое состояние предприятия, рейтинговое число которого менее 1, является неудовлетворительным [3].

Вместе с множественным дискриминантным анализом прогнозирования банкротства заемщика также используются и упрощенные модели, которые основаны на системе показателей. Образцом данного подхода считается система показателей Бивера, в которую входит:

  • коэффициент Бивера (рассчитывается как отношение разности между чистой прибылью и амортизацией и суммой долгосрочных и текущих обязательств);
  • рентабельность активов (отношение чистой прибыли к среднему за период размеру суммарных активов);
  • финансовый леверидж (отношение заемного капитала к собственным средствам);
  • коэффициент покрытия активов собственным оборотным капиталом;
  • коэффициент покрытия краткосрочных обязательств оборотными активами [1].

В процессе осуществления классификации кредитов применяют модель CART («классификационные и регрессионные деревья»). Еще ее называют «рекурсивным разбиением». Эта модель является непараметрической, основными преимуществами ее считаются широкое применение, простота вычислений при использовании сложных статистических методов. Раскрыть понятие «классификационные и регрессионные деревья» возможно при разложении генеральной совокупности количественных показателей деятельности предприятия и ключевых финансовых коэффициентов, определяющих его устойчивость, на «ветви» в зависимости от значений выбранных финансовых коэффициентов. Каждая «ветвь» дерева, в свою очередь, разделяется на «ветви» в соответствии с другим коэффициентом. Точность классификации - около 90 %.

Программа Финансовый анализ - ФинЭкАнализ 2024 для расчета рентабельности активов и большого количества финансово-экономических коэффициентов.

Проведение анализа кредитоспособности клиента по основным принципам кредитования, которые содержит САМРАМ, состоит в выделении по очереди из кредитной заявки и прилагаемых финансовых документов условных направлений оценки деятельности клиента.

Название CAMPARI сложено из начальных английских букв, которые имеют следующую расшифровку:

  • C - character - характерные качества клиента, его репутация;
  • А - abiliti - способность своевременной возвраты кредита;
  • М - margin - маржа, доход;
  • P - purpose - назначение кредита для указанных целей;
  • A - amount - размер кредита;
  • R - repayment - условия для закрытия кредита;
  • I - insurance - обеспечение, страхование от возможности непогашения кредита [4].

Для осуществления анализа платежеспособности индивидуальных заемщиков используется оценочная система, основанная на опыте и внимательности специалистов банка. Проводится оценка характера заемщика, предполагаемое использование средств, источники погашения кредита [1].

Все многообразие комплексных методик оценки кредитоспособности широко применяется коммерческими банками, но обращает на себя внимание их «эмпирический» характер, недостаточная теоретико-методологическая проработанность, слабое использование математического аппарата. При их реализации основной акцент делается на субъективное мнение экспертов [5].

В ходе подведения итогов можно отметить, что анализ кредитоспособности - это не только осуществление расчетов 5 и более коэффициентов и сравнение результатов с нормативами, а достаточно трудоемкий процесс, который требует много времени и высокой квалификации работника банка.

В заключение следует отметить, что процесс эффективного управления в проблемных кредитных учреждениях в настоящее время является особенно актуальным. Прогрессирующий кризис российской банковской системы ведет к образованию новых кредитных институтов, нуждающихся в антикризисном менеджменте. Большинство финансовых потерь возможно предотвратить.

Список литературы

1. Всяких Ю.В., Шепелева И.В. Оценка кредитоспособности предприятия // Актуальные проблемы развития экономических, финансовых кредитных систем: материалы Междунар. науч.-практ. конф., г. Белгород, 10 сентября 2013 года / под науч. ред. М.В. Владыка, Т.Н. Флигинских, Т.А. Смирных. Белгород, 2013. С. 48-52.

2. Батракова Л.Г. Экономический анализ деятельности коммерческого банка: учеб. М., 2008. 423 с.

3. Марьин С. Управление кредитными рисками - основа надежности банка // Экономика и жизнь. 2012. № 3.

4. Лапуста М., Шаршукова Л. Ищите оптимум // Риск. 2011. № 10. С. 3-12.

5. Жарковская Е.П., Арендс И.О. Банковское дело: курс лекций. М., 2009. 399 с.

Журнал Арбитражный управляющий
Скачать ФинЭкАнализ
Программа для проведения финансового анализа по данным бухгалтеской отчетности
Скачать ФинЭкАнализ
Провести Финансовый анализ Онлайн
Онлайн сервис для проведения финансового анализа по данным бухгалтеской отчетности
Попробовать ФинЭкАнализ