В статье автор приводит методику оценки кредитоспособности клиента банка на основе финансовых показателей отчетности. Автор приводит математическую модель с оценкой влияния каждого коэффициента, а также приводит пример оценки кредитоспособности по новой методике на основе реальных данных.
Ключевые слова: кредитоспособность, оценка, банк, финансовое положение, математическая модель.
IRB-моделирование — один из подходов к оценке кредитоспособности клиента и связанных с кредитованием рисков. Данный метод напрямую связан с оценкой вероятности дефолта (probability of default, PD), поскольку в ходе обеих оценок проводится анализ множества факторов деятельности контрагента. К таким факторам относятся финансовые и нефинансовые показатели, которые могу оказать влияние на деятельность контрагента в рамках кредитования. Главным преимуществам оценки кредитоспособности с помощью метода IRB-моделирования можно назвать вариативность, поскольку экономика имеет свойство развиваться, в следствие чего необходимо своевременно вносить изменения в методики.
Для проведения моделирования оценки кредитоспособности клиента банка необходимо определить набор показателей, на основании которых будет построена модель. В статье Комлева Р. С. «Оценка финансовой устойчивости организации» [1] автор приводит список абсолютных показателей для расчета финансового состояния. К таким показателям относятся:
– Источники формирования свободных активов;
– Долгосрочные пассивы;
– Краткосрочные заемные средства;
– Внеоборотные активы;
– Собственные оборотные средства;
– Собственные и долгосрочные заемные источники формирования запасов и затрат;
– Общая величина запасов;
– Общая величина основных источников формирования запасов и затрат;
– Достаточность собственных оборотных средств;
– Достаточность общей величины основных источников формирования запасов;
– Трехфакторный показатель типа финансовой устойчивости;
– Достаточность собственных и долгосрочных источников формирования запасов.
Статья «Методика финансового моделирования на основе публикуемой консолидированной отчетности» [2], автором которой является Когденко В. Г., содержит методические указания по проведению анализа финансового состояния контрагента-участника группы компаний, а именно алгоритм проведения финансового моделирования. Первый этап — исследование стратегии компании. На основании информации из открытых источников — СМИ, оценок различных аналитических компаний — можно сделать вывод о том, какая из базовых стратегий наиболее приближена к компании. Существует четыре базовых стратегии:
– Концентрированный рост;
– Интегрированный рост;
– Диверсифицированный рост;
– Сокращение.
Исследование стратегии проводится с помощью space-анализа, который предполагает оценку факторов, разделенных на четыре группы:
– Финансовая сторона компании — устойчивость, эффективность;
– Рыночная сторона — конкурентоспособность, позиционирование на рынке;
– Стабильность внешней среды — оценка изменчивости применяемых технологий и спроса;
– Потенциал рынка — способность рынка развиваться, уровень доступности, устойчивость прибыли.
На основании анализа данных исследований был приведен список показателей, которые можно рассчитать на основе финансовой отчетности контрагента, для использования в построении модели для оценки кредитоспособности. Кроме вышеописанных показателей, в расчете финансового положения стоит использовать следующие:
– Выручка;
– EBIT;
– EBITDA;
– Коэффициент обеспеченности собственными оборотными средствами;
– Коэффициент текущей ликвидности;
– NWCT;
– Коэффициент рентабельности реализации;
– Коэффициент оборачиваемости оборотных средств;
– Коэффициент автономии.
Кроме вышеописанных показателей, в расчет включены также различные отношения показателей, показатели с расчетом на аналогичный период предыдущего года. Выбор указанных показателей основан как на приведенных выше исследованиях, так и на реальных методиках расчета кредитоспособности, используемых в финансовых организациях.
В данном исследовании используется трехуровневая оценка кредитоспособности, которая приводит среднюю балльную оценку к одному из значений — «Хорошая», «Средняя», «Плохая». Так как клиенты различных отраслей имеют разные ключевые факторы, целесообразно использовать корректировки балльной оценки в зависимости от отрасли. В текущем исследовании приведена оценка для среднего балла среди ключевых отраслей, содержащаяся в таблице 1:
Таблица 1
Приведение балльной оценки кредитоспособности к уровню
|
Балльная оценка (R) |
Кредитоспособность |
|
R < -1.23 |
Плохая |
|
-1.23 <= R< 12.76 |
Средняя |
|
12.76 < R |
Хорошая |
Для проведения моделирования были взяты значения описанных показателей по пятидесяти контрагентам за период с 2015 по 2020 годы. Моделирование было проведено с помощью программного инструмента «RStudio», в результате которого была выделена модель, которая выдала наиболее приближенный к реальному результат. Таким образом, была сформирована следующая модель:
где R — балльная оценка,
Таблица 2
Показатели коэффициентов в модели
|
Коэффициент |
Стандартная ошибка |
Значимость |
|
Текущая ликвидность |
8,635e-01 |
*** |
|
Автономия |
6,083e-02 |
** |
|
Рентабельность реализации |
4,116e-06 |
** |
|
Оборачиваемость оборотных активов |
2,734e-01 |
* |
|
Отношение выручки к выручке АППГ |
7,612e-02 |
*** |
Стоит отметить, что большинство показателей значимы на уровне значимости 5 %. Сама модель имеет следующие значения информационных критериев:
– Multiple R-squared = 0,5964;
– Adjusted R-squared = 0.1927;
– P-value = 0.3781;
– Критерий Шварца — 7,829;
– Критерий Акайке — 8,099.
Таким образом, в данном исследовании были приведены финансовые показатели, являющиеся наиболее значимыми для расчета оценки кредитоспособности, а также пример модели для оценки кредитоспособности, построенной на основе реальных данных по финансовой отчетности контрагентов, взятой из открытых источников за период с 2015 по 2020 годы.
Литература:
1. Комлев Р. С. Оценка финансовой устойчивости организации. — Economics, 2016, № 11 (20).
2. Когденко В. Г. Методика финансового моделирования на основе публикуемой консолидируемой отчетности. — Экономический анализ: теория и практика, 2017, № 7 (466).
