Смекни!
smekni.com

Оценка кредитоспособности заемщика коммерческого банка (стр. 11 из 15)

Другая группа ученых (Дж. Шим, Дж. Сигел, Б. Нидлз, Г. Андер­сон, Д. Колдвел) [19, С.54] предложила использовать группы показателей, характе-ризующих ликвидность, прибыльность, долгосрочную платеже­способность и показатели, основанные на рыночных критериях. В отли­тие от методики Э. Рида этот подход позволяет прогнозировать долго­срочную платежеспособность с учетом степени защищенности кредиторов от неуплаты процентов (коэффициента покрытия процента), коэффициенты, основанные на рыночных критериях, включают отно­шение цены акции к доходам, размер дивидендов и рыночный риск. С их помощью определяются отношение текущего биржевого курса акций к доходам в расчете на одну акцию, текущая прибыль их вла­дельцев, изменчивость курса акций фирмы относительно курсов акций других фирм. Однако расчет некоторых коэффициентов сложен и тре­бует применения специальных статистических методов. На практике каждый коммерческий банк выбирает для себя определенные коэф­фициенты и решает вопросы, связанные с методикой их расчета. Этот подход позволяет охарактеризовать финансовое состояние заемщика на основе синтезированного показателя-рейтинга, рассчитываемого в баллах, присваиваемых каждому значению коэффициента. В соот­ветствии с баллами устанавливается класс организации:

- первоклассная;

- второклассная;

- третьеклассная;

- неплатежеспособная.

Класс органи­зации принимается банком во внимание при разработке шкалы про­центных ставок, определении условий кредитования, установлении режима кредитования (форма кредита, размер и вид кредитной линии и т.д.), оценке качества кредитного портфеля, анализе финансовой устойчивости банка.

Модификацией рейтинговой оценки является кредитный скоринг — технический прием, предложенный в начале 40-х годов XX в. американским ученым Д. Дюраном для отбора заемщиков по потреби­тельскому кредиту. Преимуществами рейтинговой модели являются простота (так как достаточно рассчитать финансовые коэффициенты и, приняв во внимание коэффициенты их значимости, определить класс заем­щика), возможность расчета оптимальных значений по частным пока­зателям, способность ранжирования организаций по результатам, ком­плексный подход к оценке кредитоспособности (так как используются показатели, отражающие различные стороны деятельности организа­ции). Однако при использовании данной методики следует учитывать ряд проблем:

- необходимость тщательного отбора финансовых показателей (требуется использовать показатели, описывающие разные стороны работы заемщика, с тем, чтобы более полно охарактеризовать его по­ложение);

- важность обоснования пороговых значений показателей (в нашей стране

довольно сложно осуществить подобный подход, так как недостаточно сведений о фактическом состоянии и уровнях дан­ных показателей в экономике России, а также мала степень участия банков в формировании такой базы данных);

- необходимость обоснования коэффициентов значимости для каждой группы показателей в соответствии с отраслью деятельности конкретного заемщика;

- определение величины отклонений в пограничных областях, относящих заемщиков к разным классам;

- при рейтинговой оценке учитываются уровни показателей только относительно оптимальных значений, соответствующих опре­деленным установленным нормативам, но не принимается во внима­ние степень их выполнения или невыполнения;

- финансовые коэффициенты отражают положение дел в про­шлом на основе данных об остатках;

- рассчитываемые коэффициенты показывают лишь отдельные стороны деятельности;

- в системе рассчитываемых коэффициентов не учитываются многие факторы — репутация заемщика, перспективы и особенности рыночной конъюнктуры, оценки выпускаемой и реализуемой продук­ции, перспективы капиталовложений и т.д. [49, С.53].

Прогнозные модели, получаемые с помощью статистических методов, используются для оценки качества потенциальных заемщи­ков. При множественном дискриминантном анализе (МДА) исполь­зуется дискриминантная функция (Z), учитывающая некоторые параметры (коэффициенты регрессии) и факторы, характеризующие финансовое состояние заемщика (в том числе финансовые коэффи­циенты). Коэффициенты регрессии рассчитываются в результате ста­тистической обработки данных по выборке фирм, которые либо обанк­ротились, либо выжили в течение определенного времени. Если оценка фирмы находится ближе к показателю средней фирмы-банкрота, то при условии продолжающегося ухудшения ее положения она обанкротится. Если менеджеры фирмы и банк предпримут усилия для устранения финансовых трудностей, то банкротство, возможно, не про­изойдет. Таким образом, Z-оценка является сигналом для предупреж­дения банкротства фирмы. Применение данной модели требует обшир­ной репрезентативной выборки фирм по разным отраслям и масштабам деятельности. Сложность заключается в том, что не всегда можно най­ти достаточное число обанкротившихся фирм внутри отрасли для рас­чета коэффициента регрессии.

Наиболее известными моделями МДА являются модели Альтма­на и Чессера, включающие следующие показатели:

- отношение собст­венных оборотных средств к сумме активов;

- отношение реинвестиру­емой прибыли к сумме активов;

- отношение рыночной стоимости акций к заемному капиталу;

- отношение объема продаж (выручки от реализа­ции) к сумме активов;

- отношение брутто-прибыли (прибыли до вычета процентов и налогов) к сумме активов [49, С.54].

Организацию относят к определенному классу надежности на основе значений Z-индекса модели Альтмана. Пятифакторная Модель Альтмана построена на основе анализа состояния 66 фирм и позволяет дать достаточно точный прогноз банкротства на два-три года вперед. В более поздних работах ученый изучил такие факторы, как капитализируемые обязательства по аренде, применил сглажива­ние данных для устранения случайных колебаний. Новая модель в высокой степенью точности предсказывает банкротство на два года вперед и с меньшей вероятностью (примерно 70%) — на пять лет вперед. Построение в российских условиях подобных моделей достаточ­но сложно из-за отсутствия статистических данных о банкротстве организаций, постоянного изменения нормативной базы в области банкротства и признания банкротства организации на основе данных, не поддающихся учету.

Модель Чессера позволяет прогнозировать невыполнение кли­ентом условий договора о кредите. Невыполнение подразумевает не только непогашение кредита, но и любые другие отклонения, дела­ющие отношения между кредитором и заемщиком менее выгодными по сравнению с первоначальными условиями. Используемая линейная комбинация независимых переменных (Z) включает:

- отношение кассовой наличности и стоимости легко реализуемых ценных бумаг к сумме активов;

- отношение чистой суммы продаж (без учета НДС) к сумме кассовой наличности и стоимости легко реализуемых ценных бумаг;

- отношение брутто-дохода (прибыли до вычета процентов и нало­гов) к сумме активов;

- отношение совокупной задолженности к сумме активов;

- отношение основного капитала к величине чистых активов (или применяемого капитала, равного акционерному капиталу и долго­срочным кредитам);

- отношение оборотного капитала к нетто-продажам (чистой сумме продаж) [56, С.34].

Получаемый показатель может рассмат­риваться как оценка вероятности невыполнения условий кредитного договора. Чессер использовал данные ряда банков по 37 «удовлетво­рительным» и 37 «неудовлетворительным» кредитам и для расчета взял показатели балансов фирм-заемщиков за год до получения кредита. Подставив расчетные показатели модели в формулу вероятности нару­шения условий договора, Чессер правильно определил три из каждых четырех исследуемых случаев.

Помимо МДА - моделей прогнозирования вероятного банкротства заемщика могут использоваться и упрощенные модели, основанные на системе определенных показателей. К примеру, система показа­телей Бивера включает: коэффициент Бивера (КБивера); рентабельность активов; финансовый рычаг; коэффициент покрытия активов собствен­ным оборотным капиталом; коэффициент покрытия краткосрочных обязательств оборотными активами. Коэффициент Бивера равен отношению разницы чистой прибыли и амортизации к сумме долгосроч­ных и краткосрочных обязательств. Значение КБивера > -0,15 свидетель­ствует о неблагополучном финансовом состоянии за год до банкротст­ва, как и значение коэффициента покрытия активов чистым оборотным капиталом меньше 0,06, а коэффициента покрытия краткосрочных обязательств меньше 1 [46, С.33].

При классификации кредитов возможно использование модели CART(Classificationandregressiontrees), что переводится как «клас­сификационные и регрессионные деревья». Это непараметрическая модель, основные достоинства которой заключаются в возможности широкого применения, доступности для понимания и легкости вычис­лений, хотя при построении применяются сложные статистические методы. В «классификационном дереве» фирмы-заемщики расположе­ны на определенной «ветви» в зависимости от значений выбранных финансовых коэффициентов; далее идет «разветвление» каждой из них в зависимости от следующих коэффициентов. Точность классифика­ции при использовании данной модели — около 90%.

В случае использования математических моделей не учитывает­ся влияние «качественных» факторов при предоставлении банками кредитов. Эти модели лишь отчасти позволяют кредитным экспертам банка сделать вывод о возможности предоставления кредита. Недо­статками классификационных моделей являются их «замкнутость» на количественных факторах, произвольность выбора системы коли­чественных показателей, высокая чувствительность к недостоверно­сти исходных данных, громоздкость при использовании статистиче­ских межотраслевых и отраслевых данных. В рамках комплексных моделей анализа возможно сочетание количественных и качественных характеристик заемщика. К примеру, в практике банков США приме­няется правило «шести Си», в основе которого лежит использование шести базовых принципов кредитования, обозначенных словами, начи­нающимися с английской буквы «Си» (С): Character, Capacity, Cash, Collateral, Conditions, Control[22, С.109].