В условиях экономической нестабильности и ужесточения государственного контроля в сфере ПОД/ФТ (противодействие отмыванию доходов и финансированию терроризма) традиционные методы проверки контрагентов теряют свою эффективность. Ручной анализ документов, применяемый во многих торговых организациях, не позволяет оперативно обрабатывать большие массивы данных и несет в себе риски субъективности («человеческий фактор»).

Актуальность исследования обусловлена необходимостью трансформации системы внутреннего контроля. Согласно отчетам о Национальной оценке рисков (НОР), утвержденным в 2022 году, современные угрозы экономической безопасности лежат не только в плоскости неплатежеспособности партнеров, но и в рисках их вовлеченности в теневые схемы. Целью данной работы является разработка алгоритма построения комплексной скоринговой модели, позволяющей проводить экспресс-оценку благонадежности контрагента с учетом требований регулятора.

Положение Банка России от 15.12.2014 № 445-П устанавливает ключевые требования к правилам внутреннего контроля (ПВК) некредитных финансовых организаций (НФО) в целях ПОД/ФТ. Согласно этому Положению, оценка риска клиента должна осуществляться по совокупности категорий рисков: риск по типу клиента и бенефициарного владельца, страновой риск, а также риск, связанный с проведением клиентом определенного вида операций. Именно этот документ дает право частным компаниям разрабатывать внутренние правила, основанные на общих признаках необычных сделок (Приложения к 445-П). К таким признакам относятся несоответствие сделки целям деятельности, установленным учредительными документами, а также признаки необычных сделок, связанные с местонахождением, что напрямую оправдывает включение в скоринговую модель качественных и репутационных факторов.

Скоринг представляет собой метод классификации контрагентов на группы риска на основании интегральной оценки различных характеристик. Предлагаемая модель оценки финансовой благонадежности строится на принципе многофакторности и включает три последовательных этапа фильтрации.

На первом этапе алгоритм предусматривает проверку контрагента на наличие критических рисков («стоп-факторов»). Срабатывание любого из данных индикаторов должно приводить к автоматическому отказу от сотрудничества без дальнейшего расчета баллов. На основе анализа положений Федерального закона № 115-ФЗ и платформы «Знай своего клиента» (ЗСК), к стоп-факторам отнесены:

1. Нахождение контрагента в стадии ликвидации или банкротства;
2. Присвоение контрагенту высокого уровня риска («красная зона») в платформе ЗСК Банка России;
3. Наличие сведений о контрагенте в Перечне организаций и физических лиц, в отношении которых имеются сведения об их причастности к экстремистской деятельности или терроризму;
4. Дисквалификация руководителя организации.

Для торговых организаций, работающих на условиях отсрочки платежа, ключевым фактором является способность контрагента погасить дебиторскую задолженность. В модель предлагается включить расчет ключевых финансовых коэффициентов на основе данных бухгалтерской отчетности (Форма № 1 и № 2):

— Коэффициент текущей ликвидности. Отражает способность компании погашать краткосрочные обязательства;

— Коэффициент автономии. Показывает степень независимости от заемного капитала;

— Рентабельность продаж. Индикатор эффективности основной деятельности.

Каждому показателю присваивается весовой коэффициент в зависимости от его значимости для специфики оптовой торговли (например, ликвидности присваивается наибольший вес — 0,4).

Данный этап является ключевым отличием предлагаемой модели от классических методик. Он базируется на выявлении рисков, обозначенных в публичных отчетах НОР 2022. Модель анализирует наличие следующих признаков недобросовестности:

— Налоговая нагрузка. Если доля налоговых отчислений составляет менее 0,9 % от дебетового оборота, начисляются штрафные баллы (индикатор «технической» компании);

— Признаки «транзитных» операций. Совпадение сумм списания и зачисления денежных средств в течение короткого периода, отсутствие платежей, обеспечивающих хозяйственную деятельность (аренда, коммунальные услуги);

— Репутационные риски. Наличие арбитражных дел в качестве ответчика на суммы, превышающие 10–20 % от валюты баланса;

— Структура управления. Наличие признаков «массового» руководителя или учредителя.

При разработке блока количественных показателей (финансовой устойчивости) необходимо учитывать Общедоступные критерии самостоятельной оценки рисков для налогоплательщиков, утвержденные Приказом ФНС России от 30.05.2007 № ММ-3–06/333@. Данный документ, используемый ФНС для планирования выездных проверок, фактически дублирует многие финансовые метрики, важные для скоринга контрагента. В частности, он выделяет в качестве критериев риска:

— Налоговая нагрузка ниже среднего уровня по отрасли. Это является прямым основанием для включения в модель показателя налоговой дисциплины и установления порогового значения (например, 1 % для торговых предприятий).

— Отражение убытков на протяжении нескольких налоговых периодов.

— Опережающий темп роста расходов над темпом роста доходов. Использование этих критериев в скоринговой модели позволяет не только оценить кредитный риск, но и защитить организацию от претензий налоговых органов по ст. 54.1 НК РФ («Необоснованная налоговая выгода»), тем самым усиливая общую финансовую безопасность.

Итоговый рейтинг благонадежности (R) рассчитывается как сумма взвешенных оценок по каждому критерию:

где: ScoreF — балльная оценка финансовых показателей;

ScoreC — балльная оценка комплаенс-индикаторов;

W — весовые коэффициенты.

На основании полученного рейтинга предлагается классифицировать контрагентов на три группы для принятия управленческих решений.

Таблица 1

Матрица принятия решений по результатам скоринга

Внедрение разработанного алгоритма скоринговой оценки позволит торговой организации решить две стратегические задачи. Во-первых, минимизировать финансовые риски, связанные с возникновением безнадежной дебиторской задолженности. Во-вторых, обеспечить соблюдение требований законодательства (115-ФЗ) и рекомендаций НОР 2022, исключив возможность вовлечения компании в схемы легализации преступных доходов и взаимодействие с недобросовестными контрагентами. Автоматизация данного алгоритма является перспективным направлением развития системы экономической безопасности предприятия.

Литература:

1. Федеральный закон от 07.08.2001 № 115-ФЗ «О противодействии легализации (отмыванию) доходов…» (последняя редакция).
2. Публичный отчет «Национальная оценка рисков легализации (отмывания) доходов, полученных преступным путем» (2022).
3. Федеральный закон от 21.12.2021 № 423-ФЗ «О внесении изменений в отдельные законодательные акты Российской Федерации».
4. Методические рекомендации Банка России от 13.04.2016 № 10-МР «О повышении внимания кредитных организаций к отдельным операциям клиентов».
5. Письмо ФНС России от 10.03.2021 № БВ-4–7/3060 «О практике применения статьи 54.1 Налогового кодекса Российской Федерации».
6. Положение Банка России от 15.12.2014 № 445-П «О требованиях к правилам внутреннего контроля некредитных финансовых организаций в целях противодействия легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма» (с изменениями).
7. Приказ ФНС России от 30.05.2007 № ММ-3–06/333@ «Об утверждении Концепции системы планирования выездных налоговых проверок» (с изменениями).
8. Методические рекомендации Банка России от 22.02.2019 № 5-МР «О повышении внимания кредитных организаций к отдельным операциям клиентов».