Совершенствование кредитоспособности предприятия на примере ООО "Моторс"

Определение класса кредитоспособности.

Устанавливается три класса:

- первоклассные – кредитование которых не вызывает сомнений;

- второго класса – кредитование требует взвешенного подхода;

- третьего класса – кредитование связано с повышенным риском.

Класс кредитоспособности определяется на основе суммы баллов по шести основным показателям, оценки остальных показателей третьей группы и качественного анализа рисков.

Сумма баллов S влияет на класс кредитоспособности следующим образом:

- 1 класс кредитоспособности: S=1,25 и менее. Обязательным  условием отнесения к данному классу является значение коэффициента К5 на уровне, установленном для 1-го класса кредитоспособности (данное положение не распространяется на предприятия, у которых снижение уровня рентабельности продукции в течение определенных отчетных периодов обусловлено спецификой их деятельности, например: сезонностью).

- 2 класс кредитоспособности: значение S находится в диапазоне от 1,25 (не включительно) до 2,35 (включительно). Обязательным условием отнесения к данному классу является значение коэффициента К5 на уровне, установленном не ниже чем для 2-го класса кредитоспособности (данное положение не распространяется на предприятия, у которых снижение уровня рентабельности продукции в течение определенных отчетных периодов обусловлено спецификой их деятельности, например: сезонностью).

- 3 класс кредитоспособности: значение S больше 2,35. Далее определенный таким образом предварительный класс кредитоспособности  корректируется с учетом других показателей третьей группы и качественной оценки. При отрицательном  влиянии этих факторов класс кредитоспособности может быть снижен на один класс.

Значения суммы баллов составили:

За 2005 год  S = 0,05*1+0,10*3+0,40*3+0,20*3+0,15*3+0,10*3=2,9;

За 2006 год S =0,05*1+0,10*3+0,40*3+0,20*3+0,15*3+0,10*3=2,9;

За 2007 год  S =0,05*1+0,10*3+0,40*2+0,20*2+0,15*3+0,10*3=2,3.

Таким образом, по данным расчета суммы баллов получается, что предприятие в 2005-2006 году относилось к третьему классу кредитоспособности (неустойчивое финансовое состояние), при взаимоотношении с таким предприятием имеется определенный финансовый риск. Но к концу 2007 года показатели стали несколько лучше – второй класс кредитоспособности, это предприятие, финансовое состояние которого можно оценить как среднее. Неустойчивое финансовое состояние из-за преобладания заемных источников финансирования, но есть некоторая текущая платежеспособность. При взаимоотношении с таким предприятием вряд ли существует угроза потери средств, но выполнение обязательств в срок представляется сомнительным.

3. Проблемы оценки кредитоспособности предприятия  и пути их решения

3.1. Сложности, возникающие при оценки кредитоспособности   «ООО Зеленодольск – Моторс»

Для оценки кредитоспособности клиента наиболее существенным фак­тором является его способность заработать необходимые денежные средства, достаточные для возврата кредита и процентов по нему, другими словами, дос­таточность текущих денежных потоков. В долгосрочном плане для любого банка наиболее важ­на общая оценка качества предприятия, которая должна проводиться на основе анализа, всей совокупности показателей кредитоспособности предприятия.

Существует несколько методов оценки кредито­способности и платежеспособности предприятия, от подбора и применения которых в последующем во многом зависит финансовое состояние и жизнеспособность самого банка. Неправильная оценка может привести к невозврату кредита, что в свою очередь вызовет нарушение ликвидности банка и в конечном итоге может привести к банкротству кредитной орга­низации. Поэтому банки придают огромное значение совершенствованию методов анализа и оценки креди­тоспособности предприятия.

Оценка кредитоспособности включает целый ряд подходов, важнейшими из кото­рых являются: сбор информации о клиенте; оценка кредитного риска; оценка финансовой устойчивости клиента на основе системы финансовых коэффициен­тов; анализ денежных средств. Несмотря на множество методов и подходов в оценки кредитоспособности предприятия существует множество проблем. Данные проблемы присутствуют не только в зарубежной, но и в отечественной практике кредитования.

              Так в процессе оценки кредитоспособности предприятия возникают определенные сложности на этапе сбора, обработки и использования информационной базы анализа. От того, какого качества и достоверно­сти информация представлена в банк самим предприятием, а также полу­чена кредитором из других источников, во многом зависит оценка веро­ятности выполнения предприятием кредитных обязательств.

Основной из сложностей в данном направлении является то, что: информация, содержащаяся в бухгалтерской отчетности и пре­доставляемая за ряд периодов, — это данные статического характера, так как их берут за определенный период, в нашем случае за три года; финансовая информация, предоставляемая предприятием, требу­ет детальной проверки на степень достоверности. Для этих целей привлекаются аудиторские фирмы, однако из-за состояния рынка ауди­торских услуг в России требуется серьезное внимание к таким органи­зациям (с позиции оценки авторитета, независимости, профессиона­лизма аудиторских фирм);

              Особого внимания заслуживает проблема отсутствия института кредитных бюро, что затрудняет получение и полноценную оценку предприятия кредитором с учетом прошлого опы­та использования им кредитных ресурсов.

В кредитных бюро содержатся следующие виды данных: социально-демографические характеристики; судебные решения; информация о банкротствах; дан­ные об индивидуальных заемщиках, получаемые от кре­дитных организаций. Существование кредитных бюро позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не об­служивались, к тому же ценна предыдущая кредитная история для прогнозирования вероятности дефолта.

Наибольшей популярностью среди внешних источников информации пользуются запросы у дру­гих банков, обслуживающих данного клиента, и у его торговых партнеров. Банки, инвестиционные и фи­нансовые компании могут предоставить материал о размерах депозитов компании, непогашенной задол­женности, аккуратности в оплате счетов. Неко­торые банки обращаются даже к конкурентам данной фирмы. Такую информацию следует использовать крайне осторожно, но она может оказаться весьма полезной. Торговые партнеры компании сообщают данные о размерах предоставленного ей коммерче­ского кредита, и по этим данным можно судить о том, использует ли клиент эффективно чужие средства для финансирования оборотного капитала. Эти сведения особенно ценны, так как они основаны на прошлом опыте прямого общения с данной компанией.

Преимущества от создания кредитных бюро из­вестны мировой практике:

- кредитные бюро повышают уровень сведений банков о потенциальных заемщиках и дают возмож­ность более точного  прогнозирования  возвратности ссуд, основанного на реальной оценке надежности заемщиков. Из процесса кредитования исключаются недобросовестные заемщики. Для кредитора это ведет к значительному снижению кредитных рисков, умень­шению резервов на возможные потери по ссудам, по­вышению ликвидности, снижению остроты проблемы дебиторской задолженности.

В России отсутствует всеобщая информаци­онная сеть по всем предприятиям (потенциальным заемщикам) и пока предприятия будут бояться пре­доставлять в такую сеть информации о себе, кредит­ные риски в России будут еще очень высокие.

Проблема вторая - методическая: сколько и какие показатели использовать при построении мо­дели оценки кредитоспособности заемщика. Количество расчетных показателей, рекомендуемых для оценки финансово-экономического состояния, может быть неограниченно велико. Некоторые методи­ки могут включать 100 и более показателей. Общее правило может быть таким: цель разрабатываемой модели должна определять количество и набор необходи­мых показателей. «Необходимые» - это тот минимальный круг наиболее значимых показателей, использование которых будет признано обязательным. Остальные будут считаться вспомогательными и могут анализироваться во вторую очередь, если в этом будет необходимость. Отсюда ясно, что верный выбор перечня анали­зируемых параметров потенциального заемщика зависит в конечном счете от эко­номической квалификации кредитного работника (аналитика, эксперта).

В случае применения статистического инструментария при отборе показателей могут воз­никнуть следующие проблемы: отсутствие ведения статистики невозврата кредитов российскими предпри­ятиями; влияние на факт признания предприятия проблемным многих факторов, не поддающихся учету; нестабильность нормативной базы банкротства российских предприятий.

Не менее важно какие значения коэффициентов считать «нормативными» или «критическими». В финансовом менеджменте значения коэффициентов, характери­зующих фирму, рекомендуется сравнивать с ее более ранними показателями и со средними показателями по отрасли, к которой данное предприятие относится.

              В российских условиях реализовать такую рекомендацию трудно, если не невоз­можно. Сравнение со своими прежними показателями зачастую невозможно из-за постоянного изменения «правил игры» (налоговое законодательство, другие нор­мативные акты). Еще сложнее сравнивать показатели анализируемого предприятия с «нормативными» (общепризнанными), поскольку таковых просто нет. В россий­ском финансово-экономическом анализе возможность использования среднеотрас­левых показателей в качестве нормативов декларируется, но ни один государствен­ный орган не проводит подобных расчетов. Нормативные документы Сбербанка России также не определяют порядок проведения анализа клиента.

Сложно ответить на вопрос какой вес у каждого показателя в общем рейтинге заемщика (в случае рейтинговой оценки) можно считать наиболее правильным или какую статистическую модель (в случае построения прогнозной модели) можно признать наиболее приемлемой для методики оценки кредитного риска?

При применении рейтинговых моделей необходимо определить весовые значения коэффициентов. Вероятность невозврата кредита, несомненно, находится в зависимости от многих факторов, тем не менее, необходимо не только отобрать наиболее важные, но и определить степень значимости каждого показателя итоговом рейтинге заемщика. Вопрос о том, какой показатель должен обладать наибольшим весом в модели и каким должен быт вес каждого оставшегося показате­ля, может оказаться дискуссионным, спорным для разработчиков модели.

В прогнозных моделях наиболее широкое распространение при их построении получил МДА, который позволяет разделить предприятия на две группы: экономи­чески устойчивые заемщики и проблемные предприятия (потенциальные банкро­ты). Но применение МДА ведет к тому, что в Z-модели появляется так называемая «область неведения», попадение в пределы которой не позволяет определить веро­ятность невозврата кредита, тем самым, предприятие нельзя отнести ни к одной из двух групп. Возникновение такой ситуации свидетельствует о том, что использова­ние метода МДА при построении модели накладывает существенные ограничения на возможности Z-модели, ставящие под сомнение обоснованность использования подобных моделей для прогнозирования кредитного риска.

Рассчитаем уровень угрозы банкротства для нашего предприятия с помощью аналитической модели Альтмана.

Аналитическая модель Альтмана представляет собой алгоритм интегральной оценки угрозы банкротства предприятия, основанный на комплексном учете важнейших показателей, диагностирующих кризисное финансовое его состояние. На основе обследования предприятий-банкротов Э. Альтман определил коэффициенты значимости отдельных факторов в интегральной оценке вероятности банкротства. Модель Альтмана имеет следующий вид:

Z = 1,2 * X1 + 1,4 * X2 + 3,3 * X3 + 0,6 * X4 + 1,0 * X5                   (20)

где Z – интегральный показатель уровня угрозы банкротства («Z –счет Альтмана»);

X1 – отношение оборотных активов (рабочего капитала) к сумме всех активов предприятия;

X2 ­ –  уровень рентабельности предприятия;

X3 – уровень доходности активов;

X4 – коэффициент соотношения собственного и заемного капитала;

X5 – оборачиваемость активов ( в числе оборотов).

              Уровень угрозы банкротства предприятия в модели Альтмана оценивается по следующей шкале:

Таблица 4