Анализ кредитоспособности заемщика

«Применяемые в настоящее  время способы оценки кредитоспособности часто основаны на анализе сведений о заемщике за предшествующий период. Однако чтобы решения о предоставлении ссуд были более обоснованными, необходимо использовать прогнозируемые данные о финансовом состоянии заемщика в предстоящем периоде. Следует также предусматривать изменения конъюнктуры, в том числе наличие благоприятных условий поступления средств заемщику от реализации продукции, и принимать во внимание возможность ее реализации с учетом намечаемого уровня цен и вероятных изменений платежеспособности спроса». [13, с. 307]

 

«На величину кредитного риска влияют три группы факторов, перечисленных на рисунке 1.2.

Рис. 1.2. Факторы, влияющие на величину кредитного риска.²

Основными информационными  источниками для анализа кредитоспособности заемщика являются:

• правоустанавливающая документация заемщика (учредительные документы, лицензии, документы на имущество);
• отчетные формы (в первую очередь баланс и отчет о прибылях и убытках) заемщика и поручителей;
• технико-экономические обоснования кредитуемых сделок, бизнес-планы, инвестиционные проекты;
• информация о платежных потоках по банковским счетам заемщика, открытым в банке-кредиторе и других банках;
• кредитная история заемщика;
• сведения о заемщике, его собственниках, сфере бизнеса, получаемые из средств массовой информации, специальных исследований, отчетов органов статистики;
• статистические данные по рынкам и отраслям». [13, c. 307]

 

«В общем виде процесс  проведения оценки кредитоспособности включает:

• оценку правоспособности заемщика (его возможности вступать в правоотношения с кредитной организацией), в том числе правовых аспектов кредитного проекта в целом;
• оценку финансового положения заемщика;
• определение кредитного рейтинга.

ОЦЕНКА  ПРАВОСПОСОБНОСТИ. С этой целью изучается юридическая документация заемщика, поручителей, залогодателей. Данный процесс в достаточной степени проработан в банковской практике, но он не является предметом исследования данной работы.

ОЦЕНКА  ФИНАНСОВОГО ПОЛОЖЕНИЯ. Оценка проводится на основе финансовой отчетности и другой информации, представленной заемщиком. Финансовое положение организации определяется существующими в ее распоряжении активами, структурой обязательств и капитала, а также ее способностью адаптироваться к изменениям в среде функционирования». [13, c. 307–309]

«В отечественной и  в особенности в мировой практике накоплен достаточный опыт оценки финансового  положения предприятий – заемщиков. Обращение к этому опыту может быть полезным и в современных условиях, так как можно с уверенностью говорить о том факте, что определение кредитоспособности клиента носит в каждой кредитной организации индивидуальный, субъективный характер и общих рекомендаций по этому вопросу недостаточно. К сожалению, приходится констатировать, что детальный алгоритм определения рейтинга кредитоспособности является своеобразным ноу-хау конкретного банка. Нельзя с уверенность говорить о степени влияния факторов на значение рейтинга. Хотя в случае использования моделей непосредственной экспертной оценки вопрос о степени влияния факторов остается в любом случае открытым. Поэтому ограничимся рассмотрением совокупности факторов, принимаемых во внимание при определении кредитного рейтинга». [11, c. 75–76] Рассмотрим некоторые выработанные с годами методики оценки кредитоспособности заемщика.

«Модели оценки кредитоспособности можно разделить на:

- классификационные, среди которых  необходимо выделить модели бальной оценки кредита (рейтинговые методики) и модели прогнозирования банкротств (статистической оценки, основанной на MDA – множественном дискриминантном анализе);

- модели комплексного  анализа (на основе «полуэмпирических»  методологий: «правила 5С», CAMPARI, PARTS)». [15, c. 9]

«Классификационные модели позволяют разбить заемщиков  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:       ,

где К₀ – интегральный показатель (рейтинг);

А_i – удельный вес i-го показателя;

К_i – значение i-го показателя;

n – число показателей.

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

Для применения MDA необходима достаточно репрезентативная выборка предприятий, дифференцированных по отраслям, размерам. Трудность заключается в том, что внутри отрасли не всегда возможно найти  достаточное количество обанкротившихся фирм, чтобы рассчитать коэффициенты регрессии». [15, c. 10]

Наиболее известными моделями MDA являются модели Альтмана и Чессера.

«Z-модель Альтмана (Altman’s Z-score) представляет собой статистическую модель, которая на основе оценки показателей финансового положения и платежеспособности компании позволяет оценить уровень риска банкротства». [23, c. 380]

Модель Альтмана была построена при помощи MDA – «статистического метода, который позволяет подобрать такие классифицирующие переменные, дисперсия которых между рассматриваемыми группами была бы максимальной, а внутри этих групп – минимальной. В данном случае классификация производилась только по двум группам: компании, потерпевшие в последующем банкротство, и компании, умевшие его избежать. Построение такой модели представляет собой пошаговый процесс, в ходе которого последовательно включаются или исключаются переменные на основе определенных статистических критериев.

Первоначально в модели использовалось 22 различных финансовых показателя, на основе которых был осуществлен пошаговый дискриминантный анализ 66 компаний, 33 из которых успешно функционировали и 33 потерпели банкротство. В ходе анализа коэффициенты, имеющие наименьшую статистическую значимость, отсеивались, после чего анализ статистической значимости коэффициентов повторялся. В результате в модели осталось только пять основных финансовых показателей (табл. 1.1).

Когда число коэффициентов  уменьшили с пяти до четырех, статистическая точность модели резко понизилась, и был сделан вывод о том, что дискриминантная функция с пятью переменными является наиболее предпочтительной:

.

Таблица 1.1.

Средние значения и F-статистики по группам для переменных Z-модели Альтмана.

Финансовый коэффициент	Среднее значение по группе*	Среднее значение по группе**	F-статистика
	-6,1%	41,4%	32,60
	-62,6%	35,5%	58,86
	-31,8%	15,4%	26,56
	40,1%	247,7%	33,26
	1,5 раза	1,9 раза	2,84

^* Рассчитано по выборке компаний, объявивших о банкротстве.

^** Рассчитано по выборке компаний, избежавших банкротства.

По результатам анализа  было определено, что 1,81 и 2,99 – это критические значения для индекса кредитоспособности Z (табл. 1.2)». [23, c. 380 – 381]

 

Таблица 1.2.

Оценка вероятности  банкротства предприятия (по модели Альтмана).³

Значение Z	Вероятность банкротства
1,81 и меньше	Очень высокая
3 и выше	Очень низкая

«При попадании значения индекса в интервал между 1,81 и 2,99 прогноз финансового состояния  затруднителен». [20, c. 381]

Модель  ZETA. «В 1977 году Альтман, Холдмен и Нараянан представили модель оценки кредитоспособности второго поколения, более детализированную и точную по сравнению с исходной Z-моделью. Их целью было построение модели прогноза вероятности дефолта для больших компаний, стоимость активов которых в среднем составила 100 млн.долл. за два года до банкротства.

Первоначально в модели использовались 27 финансовых показателей, из которых впоследствии было отработано только семь:

- рентабельность активов: отношение прибыли до выплаты процентов и налогов (EBIT) к совокупным активам;

- стабильность прибыли, оцениваемая за последние 5-10 лет;

- показатель процентного покрытия: отношение прибыли до выплаты процентов и налогов (EBIT) к общей сумме процентных платежей.

- совокупная прибыльность: отношение нераспределенной прибыли к сумме активов.

- коэффициент текущей ликвидности: отношение оборотного капитала к краткосрочной кредиторской задолженности компании;

- отношение рыночной капитализации к балансовой стоимости капитала;

- размер компании, оцениваемый как логарифм совокупных активов компании». [23, c. 384]

«Впоследствии модель Альтмана неоднократно видоизменялась и совершенствовалась. Так, Альтман, Хартцель и Пек в 1993 году модифицировали исходную модель, предназначенную для анализа корпораций, заменив рыночную стоимость на балансовую при расчете коэффициента X₄. При этом они получили следующую модель для прогнозирования банкротства частных предприятий, не имеющих акций в обращении: ». [23, c. 383]

«Пограничное значение для данной формулы – 1,23». [11, c. 79]

«Значение F-статистики при расчете коэффициента Х₄ по балансовой стоимости компании стало ниже (25,8), чем показатель при расчете по рыночной стоимости (33,3)». [23, c. 383]

«В 1972 году Р.Лис получил  следующую формулу для Великобритании:                      ,

где  .

Здесь предельное значение равняется 0,037.

В 1977 году Таффлер предложил следующую  формулу:

,

где ;

». [11, c. 79]

«Слабые стороны этих моделей заключаются в следующем:

• модели являются чисто эмпирическими, «подогнанными по выборке» и не основываются на какой-либо состоятельной теоретической концепции;
• в моделях используются данные финансовой отчетности, которые могут лишь частично отражать реальное состояние предприятия или отражать его с задержкой;
•   модели являются линейными». [23, c. 385]

«Другой, также широко используемый подход демонстрирует Чессер. Его модель была создана еще в 1974 году, в период экономического кризиса в США. 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». [14, c. 22]

«В модель Чессера входят следующие  шесть переменных:

;

;

;

;

;

.

Оценочные показатели модели следующие:

.

Переменная y, которая представляет собой линейную комбинацию независимых переменных, используется в следующей формуле для оценки вероятности невыполнения условий договора, Р:

,

где Р – вероятность  невыполнения условий договора;

       е=2,71828.

Получаемая оценка y может рассматриваться как показатель вероятности невыполнения условий кредитного договора. Чем больше значение y, тем выше вероятность невыполнения договора для данного заемщика. Чем выше Р, тем больше вероятность банкротства». [15, c. 11]

«В модели Чессера  для оценки вероятности невыполнения договора используются следующие критерии:

если P > 0,50, следует относить заемщика к группе, которая не выполнит условий договора;