Модели анализа кредитоспособности заемщика

 

 

А.И. Хабибуллина,

студент каф. «Банковское дело»

Тюменского государственного университета

 

Модели анализа кредитоспособности заемщиков

 

Современные практические подходы к методологии анализа кредитоспособности заемщиков в коммерческих банках основаны на комплексном применении финансовых и нефинансовых критериев.

Рассмотрим классификацию методов и моделей оценки кредитоспособности заемщиков коммерческих банков (Приложение 1).

• классификационные, среди которых необходимо выделить модели бальной оценки кредита (рейтинговые методики) и модели прогнозирования банкротств (статистической оценки, основанной на MDA – Multiple Discriminate Analysis – множественном дискриминантном анализе);
• модели комплексного анализа (на основе «полуэмпирических» методологий: «правила 6С», CAMPARY, PARTS, Judgmental Analysis (оценочная система анализа) – применяется для оценки потребительских кредитов).

Классификационные модели позволяют разбить на группы (классы) и являются вспомогательным инструментом при определении возможности удовлетворения кредитной заявки.

Достаточно хорошо освещены в литературе две модели: бальной (рейтинговой) оценки и прогнозирования банкротств. Рейтинговые модели делят заемщиков на плохих и хороших, а модели прогнозирования пытаются дифференцировать фирмы-банкроты и устойчивые компании.

Рейтинговая оценка предприятия – заемщика рассчитывается на основе полученных значений финансовых коэффициентов и выражается в баллах. Баллы исчисляются путем умножения значения любого показателя на его вес в интегральном показателе (рейтинге)

Общий вид рейтинговой оценки:

n

      К0 = ∑ Ai * Ki

  I =1

где, К0  - интегральный показатель (рейтинг);

Аi  - удельный вес i – го показателя; ∑Ai = 1

Ki – значение i-го показателя;

n – число показателей.

В коммерческих банках так же используется система скоринга. Кредитный скоринг (kredit scoring)  - технический прием, предложенный американским экономистом Д.Дюраном в начале 40-х годов для отбора заемщиков по потребительскому кредиту. Отличие кредитного скоринга от рейтинговой оценки состоит в том, что в формулу рейтинговой оценки состоит вместо Кi  (значения i-го показателя) представляется Bi – частная бальная оценка i –го показателя. При этом для каждого показателя определяются несколько интервалов значений, и каждому интервалу приписывается определенное количество баллов или определяется класс (1, 2, 3…).

Достоинством рейтинговой модели является ее простота: достаточно рассчитать финансовые коэффициенты и взвесить их, чтобы определить класс заемщика. Следует, однако, помнить, что в расчете рейтинга могут принимать участие только те значения, которые отвечают установленным нормативам.

Прогнозные модели используются для оценки качества потенциальных заемщиков и базируются на статистических методах, наиболее распрастраненными из которых является множественный дискриминантный анализ (МДА), известный также как «кластерный анализ».

Общий вид дискриминантной функции:     

                          

                             n

 Z = a0  + ∑ ai  *ƒi

                                       I = 1

где a0  и ai - некоторые параметры (коэффициенты регрессии); ƒi – факторы, характеризующие финансовое состояние заемщика (например, финансовые коэффициенты).

Коэффициенты регрессии рассчитываются в результате статистической обработки данных по выборке фирм, которые либо обанкротились, либо сумели выжить в течение некоторого периода. Все компании делятся на две группы: на тех, кому финансовые затруднения вплоть до банкротства в ближайшем будущем не грозят, и на тех, кому это грозит.  Если Z – оценка некоторой компании находится ближе к показателю средней компании – банкрота, то при условии продолжающего ухудшения ее положения она обанкротится. Если менеджеры компании и банк, осознав финансовые трудности, предпринимают шаги, чтобы предотвратить усугубление ситуации, то банкротства не произойдет, следовательно, Z – оценка является сигналом раннего предупреждения.

Для применения МДА необходима достаточно репрезентативная выборка предприятия, дифференцированных по отраслям, размерам. Трудность заключается в том, что внутри отрасли не всегда возможно найти достаточное количество обанкротившихся фирм, чтобы рассчитать коэффициенты регрессии.

Наиболее известными моделями МДА 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,

Отнесение предприятия к определенному классу надежности производится на основании следующих значений индекса Z:

Z ≤ 1,8 – вероятность банкротства очень высокая;

1,8 < Z ≤ 2,7 – вероятность банкротства высокая;

2,7 < Z ≤ 3,0 – вероятность  банкротства низкая;

3,0 < Z –вероятность банкротства  очень низкая.

Пятифакторная модель Альтмана, построенная на основе анализа состояния 66 фирм, позволяет дать достаточно точный прогноз банкротства на 2-3 года вперед. Факт банкротства на один год можно установить с точностью до 95%.

Модель Альтмана предсказывает случай наступления банкротства достаточно хорошо на два года вперед. Более поздние работы Альтмана были основаны на более тщательном исследовании, более подробно были изучены такие факторы, как капитализируемые обязательства по аренде, применился прием сглаживания данных, чтобы выровнять случайные колебания. Новая модель способна предсказывать банкротства с высокой степенью точности на два года вперед и с меньшей, но все же приемлемой точностью (70%) на пять лет вперед.

Z = 1,2*X1 + 1,4*Х2 + 3,3*Х3 + 0,6* Х4 + 0,9*Х5 – 2,675,

Если Z < 0, то финансовое положение предприятия расценивается как «рискованное», если Z > 0 – предприятие считается «статистическим здоровым».

Построение моделей, подобных уравнению Альтмана, для российских заемщиков пока проблематично, во-первых, из-за отсутствия статистики банкротств; во-вторых, из-за влияния на факт признания фирмы банкротом многих факторов, не поддающихся учету; в-третьих, из-за нестабильности нормативной базы банкротства российских предприятий.

В данной модели все коэффициенты положительные, хотя на практике не все указанные показатели одинаково влияют на степень риска. Поэтому в модели Банка Франции некоторые коэффициенты имеют отрицательный знак. Считается, что показатели с положительным коэффициентом увеличивают общую оценку (уменьшают степень риска банкротства), тогда как показатели с отрицательным коэффициентом уменьшают эту оценку (увеличивают степень риска). Но в модели Банка Франции некоторые показатели оказывают на уровень риска неожиданное влияние. Так, показатели платежеспособности и доли добавленной стоимости в оборотах наделены отрицательными коэффициентами, означающими, что они увеличивают риск банкротства.

Z = -1,225X1 + 2,003X2 – 0,824X3 + 5,221X4 – 0,689X5 – 1,164 X6  + 0,706X7 + 1,408X8,

Сумма произведений каждого показателя на соответствующий коэффициент позволяет судить об уровне риска банкротства предприятия. Если полученный показатель > 0,125, то положение предприятия считается удовлетворительным, если < -0,25, то имеются основания полагать, что предприятию грозят серьезные финансовые трудности. При показателях, находящихся в промежутке -0,25 и 0,125, положение предприятия и риск его банкротства считаются неопределенными.

Главной проблемой практического использования названных и других моделей скоринга является обеспечение связанности и непротиворечивости различных показателей. Многие банки, чтобы добиться более точных оценок, комбинируют по своему усмотрению различные показатели и коэффициенты.

Модель надзора  за ссудами Чессера прогнозирует случаи невыполнения клиентом условий договора о кредите. При этом под «невыполнением условий» подразумевается не только непогашение ссуды, но и любые другие отклонения, делающие ссуду менее выгодной для кредитора, чем было предусмотрено первоначально.

Оценочные показатели модели следующие:

 Y = -2,0434 – 5,24 * X1 + 0,0053 *X2 – 6,6507 *X3 + 4,4009 * X4 – 0,0791 *X5 – 0,1220 *X6

Переменная Y, которая представляет собой линейную комбинация независимых переменных, используется в следующей формуле для оценки вероятности невыполнения условий договора,  Z:

                1

Z  =             -y 

            1 + e

где,  е – 2,71828 (число Эйлера  - основание натуральных логарифмов).

Получаемая оценка Y- может рассматриваться как наличие факторов для выполнения условий договора. Чем больше значение Y, тем выше вероятность невыполнения договора для данного заемщика. В модели Чессера для оценки вероятности невыполнения договора используются следующие критерии:

• если Z ≥ 0,50, то заемщика следует отнести к группе, которая не выполнит условий договора;
• если Z < 0,50, то заемщика можно отнести к группе надежных.

Чессер использовал данные ряда банков по 37 «удовлетворительным» ссудам и 37 «неудовлетворительным», причем для расчета были взяты показатели балансов фирм-заемщиков за год до получения кредита. Подставив расчетные показатели модели и формулу «вероятности нарушения условий договора», Чессер правильно определил три из каждых четырех исследуемых случаев.

Отечественные дискриминантные модели прогнозирования банкротств представлены двухфакторной моделью М.А. Федотовой и пятифакторной моделью Р.С. Сайфулина, Г.Г. Кадыкова.

Модель оценки вероятности банкротств М.А. Федотовой опирается на коэффициент текущей ликвидности (X1) и долю заемных средств в валюте баланса (Х2):

Z = -0,3877 – 1,0736 * X1 + 0,0579 * Х2

При отрицательном значении индекса Z вероятно, что 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,

При полном соответствии значений финансовых коэффициентов минимальным нормативным уровнем индекс Z равен 1. Финансовое состояние предприятия с рейтинговым числом менее 1 характеризуется как неудовлетворительное.

Наряду с множественным дискриминантным анализом прогнозирования банкротства заемщика могут использоваться и упрощенные модели, основанные на системе определенных показателей. Примером такого подхода является система показателей Бивера, включающая:

• коэффициент Бивера;
• рентабельность активов;
• финансовый леверидж;
• коэффициент покрытия активов собственным оборотным капиталом;
• коэффициент покрытия краткосрочных обязательств оборотными активами.

Для классификации кредитов можно использовать модель CART. CART расшифровывается как «классификационные и регрессионные деревья» (Classification and regression trees). Это непараметрическая модель, основными достоинствами которой являются возможность широкого применения, доступность для понимания и легкость вычислений, хотя при построении таких моделей применяются сложные статистические методы. Иногда эту модель называют «рекурсивным разбиением». Понять «классификационные и регрессионные деревья» модно при  разбивке 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 составляет около 90%, что совсем неплохо. Рассмотрим «классификационное дерево» для выявления фирм-банкротов, приведенное в Приложении 2.

Используя математические методы при управлении кредитами банков, необходимо иметь в виду, что представление кредитов не чисто механических акт. Это сложный процесс, в котором важны как человеческие отношения между сторонами, так и понимание технических аспектов. Математические модели не учитывают роль межличностных отношений, а в практике кредитного анализа и кредитования этот фактор необходимо учитывать.

Альтман предлагал использовать его «количественную модель» как дополнение к «скорее качественному и интуитивному» подходу инспекторов кредитных отделов банков, отмечая, что его модель не дает балльной оценки кредита и не способна заменить оценки, которые предлагают служащие банка. Модель и получаемые через нее Z – оценки могут послужить ценным инструментом определения общей кредитоспособности клиентов и сигналом раннего предупреждения о возможности плохого финансового состояния.

Недостатками классификационных моделей являются произвольностью расчета базовых количественных показателей («эмпиризм»), высокая чувствительность к искажению (недостоверности) исходных данных (в особенности, финансовой отчетности, что наиболее характерно именно для российских предприятий-заемщиков), сравнительная громоздкость (необходимо учитывать «финансово-экономический гистеризис» заемщика, исследовать внутри- и межотраслевую статистику и т.п.).

Агрегировать количественные и качественные характеристики заемщика позволяют модели комплексного анализа: правило «шести СИ», CAMPARI, PARTS, оценочная система анализа.

Правило «шести СИ» используется в практике банков США, которые для отбора клиентов применяют критерии, начинающиеся буквой «Си»: character, capital, cash, collateral, conditions, control. Это соответствует русским терминам:

• способность заимствовать средства;
• репутация заемщика;
• способность получать доход;
• обладание активами (обеспечение);
• состояние экономической конъюнктуры;
• чувствительность заемщика.