Što je kreditno ocjenjivanje. Bodovanje Blokirajte društveni položaj modela bodovnog sustava

Zajmovi

Pošaljite svoj dobar rad u bazu znanja je jednostavno. Upotrijebite obrazac u nastavku

Studenti, diplomanti, mladi znanstvenici koji koriste bazu znanja u svom studiju i radu bit će vam jako zahvalni.

U mnogim slučajevima domaće banke u praksi primjenjuju modele za analizu kreditne sposobnosti temeljene na sustavu financijskih pokazatelja, koji omogućuju procjenu financijskog položaja zajmoprimca. Ali ovi modeli, kao i modeli klasifikacije, imaju svoje nedostatke, kao što je razvoj standardnih vrijednosti za usporedbu, budući da postoji razlika u vrijednostima zbog industrijskih specifičnosti poduzeća koja se zadužuju. Što se tiče optimalnih normativnih vrijednosti financijskih pokazatelja navedenih u relevantnoj literaturi, oni se izračunavaju bez uzimanja u obzir specifičnosti industrije. Zbog nedostatka jedinstvenog regulatornog okvira po djelatnostima, objektivna analiza financijska situacija zajmoprimac je nemoguć, budući da ne postoje usporedni industrijski prosjek, minimalno prihvatljivi i najbolji pokazatelji za industriju.

1.5. Model bodovanja kao alat za procjenu kreditne sposobnosti

Banke zapošljavaju kvalificirane stručnjake za procjenu kreditne sposobnosti. Na primjer, u OJSC "Bank International" ne tako davno formiran je odjel za financijsku analizu Odjela za financijsku analizu i metodologiju kreditnih projekata, čija je svrha provođenje sveobuhvatne i objektivne analize aktivnosti zajmoprimca. (zalogodavac, jamac) radi utvrđivanja razine kreditnog rizika za dane kredite. Ali sudjelovanje takvih stručnjaka ukazuje na neke negativne aspekte:

Mišljenje stručnjaka je subjektivno - točnost procjene ovisi o profesionalnosti zaposlenika, njihovom znanju i iskustvu;

Zaposlenici fizički nisu u mogućnosti brzo obraditi velike količine informacija – otuda i ograničenje broja razmatranih prijava;

Treće, privlačenje kvalificiranih stručnjaka zahtijeva značajne troškove - takvi zaposlenici obično imaju visoke plaće.

U vezi s navedenim točkama, postaje jasno da su banke izrazito zainteresirane za takve sustave kreditne klasifikacije koji bi minimizirali sudjelovanje stručnjaka u donošenju odluka i smanjili značaj ljudskog faktora. Postoje dvije glavne metode za procjenu kreditnog rizika: subjektivno mišljenje kvalificiranih stručnjaka i automatizirani sustavi kreditno bodovanje.

Credit scoring je vrsta ocjene rejtinga, tehnika koju je početkom 40-ih godina dvadesetog stoljeća predložio američki znanstvenik D. Durant za uzorkovanje dužnika prema potrošački kredit... Razlika između kreditnog bodovanja i ocjene je u tome što se u formuli ocjene rejtinga umjesto vrijednosti indikatora koristi njegov privatni rezultat. Za svaki pokazatelj određuje se nekoliko intervala vrijednosti, svakom intervalu se dodjeljuje određeni broj bodova ili se određuje klasa. Ako je ocjena koju prima zajmoprimac niža od vrijednosti koju su prethodno utvrdili zaposlenici banke, tada će takvom zajmoprimcu biti odbijen kredit, a ako je u skladu sa standardima, zahtjev za kredit će biti zadovoljen. U tom kontekstu, treba napomenuti da je u početku model kreditnog bodovanja bio usmjeren na pojedinačne zajmoprimce. Tek kasnije, kada je model razrađen i dokazana njegova učinkovitost u potrošačkom kreditiranju, model se počeo koristiti za ocjenu kreditne sposobnosti pravnih osoba.

Što se tiče korištenja kreditnog skoring modela od strane domaćih banaka, u ovom kontekstu, bodovanje kredita poduzećima – pravnim osobama je metodologija za ocjenu kvalitete zajmoprimca, temeljena na različitim karakteristikama financijske situacije poduzeća. Kao rezultat analize varijabli dobiva se integrirani pokazatelj u bodovima koji ocjenjuje stupanj kreditne sposobnosti dužnika prema rang ljestvici. Ovisno o rezultatu, donosi se odluka o odobravanju kredita, o limitima zajma. U slučaju OJSC “Bank International”, model bodovanja omogućuje izvođenje zaključka o kvaliteti financijskog položaja zajmoprimca i veličini rezerviranja za moguće gubitke po kreditima. Ovaj model bodovanja kombinira procjenu kreditnog rizika, poslovnog rizika i rizika kreditne povijesti. Više pojedinosti o ovim vrstama rizika opisano je u nastavku.

Glavna svrha korištenja bodovnog modela je povećanje svijesti o stvarnoj financijskoj i ekonomskoj situaciji potencijalnih zajmoprimaca. Model ne samo da omogućuje procjenu stvarnog financijskog stanja, već i kreditnog potencijala poduzeća, kako bi se zadovoljili zahtjevi za kreditiranje zajmoprimaca. Važna razlika između modela kreditnog ocjenjivanja i subjektivne procjene stručnjaka je u tome što se bodovne ocjene temelje na matematičkoj i statističkoj analizi kreditne povijesti “prošlih” zajmoprimaca banke i predlažu objektivniji sustav procjene rizika.

Dakle, problemi koje model kreditnog bodovanja može riješiti su sljedeći:

subjektivnost - često se odluke koje donose kreditni službenici temelje samo na intuiciji i osobnom iskustvu;

nefleksibilnost i nestabilnost - kvaliteta procjene je slučajna varijabla koja se ne može poboljšati ili pogoršati, a ovisi o emocionalnom stanju i preferencijama stručnjaka;

nedostatak sustava osposobljavanja, prijenosa znanja i usavršavanja - prije nego što postanete visokokvalificirani stručnjak, potrebno je akumulirati određenu razinu znanja temeljenu na stjecanju dovoljnog iskustva u ovom području;

ograničenje broja razmatranih prijava, što je zbog ograničenih fizičkih resursa osobe, kao posljedica toga - izgubljena dobit od malog broja prijava u razmatranju.

Te nedostatke možete pokušati riješiti pomoću modela bodovanja, budući da su njegove prednosti jednostavnost (budući da je dovoljno izračunati financijske omjere i, uzimajući u obzir koeficijente njihove važnosti, odrediti klasu zajmoprimca), sposobnost izračunavanja optimalne vrijednosti po pojedinim pokazateljima, mogućnost rangiranja organizacija prema rezultatima, integrirani pristup procjeni kreditne sposobnosti (jer se koriste pokazatelji koji odražavaju različite aspekte aktivnosti organizacije). Međutim, postoji niz pitanja koja treba uzeti u obzir pri korištenju modela bodovanja:

potreba za pažljivim odabirom financijskih pokazatelja (potrebno je koristiti pokazatelje koji opisuju različite aspekte rada zajmoprimca);

važnost opravdavanja graničnih vrijednosti pokazatelja (u Rusiji je prilično teško implementirati takav pristup, budući da nema dovoljno informacija o stvarnom stanju i razinama ovih pokazatelja u ruskom gospodarstvu, kao io niskom stupnju o sudjelovanju banaka u formiranju takve baze podataka);

potreba za opravdanjem koeficijenata značajnosti za svaki sustav pokazatelja u skladu s industrijom specifično poduzeće- zajmoprimac;

utvrđivanje veličine odstupanja u graničnim područjima, pripisivanje zajmoprimaca različitim klasama;

u ocjeni ocjene, razine pokazatelja uzimaju se u obzir samo u odnosu na optimalne vrijednosti koje odgovaraju određenim utvrđenim standardima, ali se ne uzima u obzir stupanj njihovog ispunjenja ili neispunjavanja;

mnogi čimbenici nisu uzeti u obzir u sustavu izračunatih koeficijenata - ugled zajmoprimca, izgledi i osobitosti situacije na tržištu, procjena proizvedenih i prodanih proizvoda, izgledi za kapitalna ulaganja.

Model bodovanja jedan je primjer uspješne primjene statističkih i matematičkih metoda. Međutim, model bodovanja nije postao široko rasprostranjen u Rusiji. Prema G. Andreevoj, raširenu primjenu bodovanja ometaju ne toliko objektivni koliko subjektivni razlozi, od kojih je glavni razlog nepovjerljiv odnos upravitelja banaka prema matematičkim i statističkim metodama. Ako govorimo o domaćim bankama, onda se korištenje modela bodovanja u bankama kombinira sa stručnim prosudbama. U bankama se za svako veliko poduzeće - zajmoprimca imenuje odgovorni kreditni službenik koji nadzire financijsku analizu tog dužnika. Zbog slabog razvoja modela bodovanja, bit će zanimljivo razmotriti ovu temu na primjeru određene banke.

Poglavlje 2. Procjena kreditne sposobnosti zajmoprimaca - pravnih osoba u okviru financijske analize prema metodologiji OJSC "Bank International"

2.1 Kratak opis aktivnosti OJSC "Bank International"

Banka je registrirana od strane Centralne banke Ruska Federacija u studenom 1989. kao Sankt Peterburg Timber Bank. 1999. godine Banka je preimenovana u Međunarodnu banku. Glavni smjer kreditne politike Banke u 1999. godini bio je formiranje moćne univerzalne baze klijenata. Nudeći vodećim korporacijama Sankt Peterburga i sjeverozapadne regije jedinstvenu sveobuhvatnu financijsku uslugu, Banka je tijekom godine uspjela privući više od 500 velikih poduzeća u industriji, trgovini, transportu, građevinarstvu i drugim industrijama.

Posebnost rada Banke bilo je dodjeljivanje osobnog menadžera svakoj tvrtki klijenta, koji promptno rješava sva nastajuća pitanja poduzeća vezana uz servisiranje u banci. U tom kontekstu napominjem da se Banka nije oslanjala na automatizirane sustave upravljanja kreditnim rizikom, već na stručnu procjenu zaposlenika banke, što je, u okviru predmetne diplomske teme, prije protuargument korištenje modela bodovanja. Odnosno, sam model ne odražava dovoljno dobro kreditni rizik druge ugovorne strane ako svaku fazu stjecanja bodova za određenu rizičnu stavku ne kontrolira kreditni službenik kao dio stručne prosudbe o razini rizika.

Zatim, 2000. godine, OJSC "Bank International" ušao je na moskovsko tržište, gdje je otvoren prvi regionalni odjel Banke. Klijenti podružnice su 65 pravnih osoba, uključujući velika poduzeća i organizacije kao što su Državni carinski odbor "Rusija", predstavništvo OJSC "Aviation Company" Samara ", OJSC" Mostotrest ", predstavništva tvrtki iz Sankt Peterburga: GUAP" Pulkovo ", grupa tvrtki" Talosto ", Laverna LLC, kao i velika moskovska poduzeća - grupa tvrtki Express-line, Schetmash LLC, TD Dargez CJSC, Čelične konstrukcije"drugo.

Trenutačno je osnovna djelatnost Banke kreditiranje velikih pravnih osoba na vodećim pozicijama u trgovini, leasingu, građevinarstvu, proizvodnji i obrambenoj industriji. Banka ima 5 podružnica u Ruskoj Federaciji: u Volgogradu, Moskvi, Nižnjem Novgorodu, Novosibirsku i Uljanovsku.

Kreditu u Banci dodijeljena je uloga glavnog mehanizma za ostvarivanje prihoda od plasmana vlastitih i pozajmljenih sredstava te ujedno proizvoda koji zadovoljava potrebe klijenata Banke u posuđen novac Oh. Osim toga, kreditiranje se koristi kao alat za privlačenje novih klijenata banke, održavanje postojeće baze klijenata, širenje područja i povećanje obima poslovanja Banke.

U kreditnoj politici OJSC "Bank International" identificirani su sljedeći ciljevi kreditiranja bankarsko poslovanje :

Formiranje kreditnog portfelja uravnoteženog po strukturi i vrstama rizika u okviru limita kreditnih ulaganja Banke utvrđenih Financijskim planom Banke.

Održavanje optimalne profitabilnosti kreditnog portfelja.

Osiguravanje prihvatljive razine rizika kreditnog poslovanja.

Proširenje opsega i područja poslovanja Banke.

Maksimalno zadovoljenje potreba klijenata Banke za kreditnim proizvodima.

OJSC "Bank International" pozicionira se kao univerzalna financijska institucija, te u skladu s tim nudi korporativnim klijentima širok raspon kreditnih instrumenata:

Kratkoročni zajmovi, uključujući u obliku kreditne linije s ograničenjem isplate, s ograničenjem duga i prekoračenjem;

Financiranje leasing poslova;

Pozajmljivanje za kupnju mjenica Banke (kreditiranje mjenica);

Dokumentarni poslovi vezani uz kreditni rizik za Banku.

Financiranje vanjskotrgovinskog poslovanja;

Otkup dužničkih obveza (mjenice, obveznice) trećih osoba;

Investicijsko kreditiranje (financiranje projekata).

U skladu s kreditna politika Prioritetna područja Banke za kreditiranje OJSC "Bank International" su sljedeći sektori gospodarstva:

proizvodnja i prerada, prodaja ugljikovodičnih sirovina (nafta, plin) i proizvoda njihove prerade;

industrija hrane;

farmaceutska industrija;

energetska industrija;

vojno-industrijski kompleks;

transport, uključujući cestovni, željeznički, zrakoplovni;

logistika;

trgovina, uključujući veleprodaju i maloprodaju robe široke potrošnje itd.;

financiranje djelatnosti leasinga u ovim sektorima.

Uzimajući u obzir uspješno djelovanje Banke na financijskom tržištu već nešto više od 20 godina, treba napomenuti da ima dovoljno visoke ocjene Tegla. Međunarodna rejting agencija "Standard & Poor" s "u 2012. povećala je dugoročno kreditni rejting Prema međunarodnoj ljestvici, banka je do "B" - stabilna. Na nacionalnoj ljestvici, rejting Banke je također podignut na 'ruBBB +'.

Dakle, OJSC "Bank International" uspješno posluje na financijskom tržištu Rusije prilično dugo. U okviru FQP teme koja se razmatra, naglasak treba staviti na sustav upravljanja rizicima banke. Banka osigurava dovoljnu razinu profitabilnosti bez izgradnje "sklonosti riziku", koristeći ekskluzivni model "individualnog pristupa klijentima". Jedan od alata ovog modela je model bodovanja u kombinaciji s kvalitativnom analizom financijske situacije zajmoprimaca.

2.2 Odabir zajmoprimaca - pravnih osoba, klijenata OJSC "Bank International" za analizu kreditne sposobnosti

Počevši od analize financijskog položaja zajmoprimaca - pravnih osoba, klijenata Bank International OJSC, treba napomenuti da je ova analiza neophodna za naknadne izračune korištenjem modela bodovanja. Osim toga, neće biti suvišno obratiti pažnju na menadžment Banke koji se bavi financijskim analizama.

Naziv ovog odjela glasi: "Odjel za financijsku analizu i metodologiju kreditnih projekata Odjela za analizu i kontrolu kreditnih projekata." Ovaj odjel se bavi provedbom tromjesečnog praćenja financijskog položaja zajmoprimca. Za pravne osobe, financijski položaj zajmoprimca ocjenjuje se na temelju analize promjena u financijskom stanju poduzeća, te utvrđivanja negativnih aspekata u financijsko-gospodarskim aktivnostima zajmoprimca. Na temelju rezultata tromjesečnog praćenja, Odjel izrađuje stručnu prosudbu o razini rizika po kreditima, razvrstava kreditno zaduženje po kategorijama kvalitete s naznakom postotka procijenjene pričuve.

Nakon pregleda aktivnosti Odjela za financijsku analizu Banke, možete pristupiti izračunima. Za analizu kreditne sposobnosti u ovoj studiji odabrana su 33 zajmoprimca. Uzorak podataka zajmoprimaca formiran je na temelju sljedećih pretpostavki: odabrani zajmoprimci su pravne osobe, velike korporativni klijenti; odabrani zajmoprimci razlikuju se po djelatnostima; informacije potrebne za izračune dostupne su za odabrane zajmoprimce. Želim pojasniti da je odabir zajmoprimaca uvjetovan činjenicom da je Banka u travnju 2013. godine provodila tromjesečno praćenje financijskog stanja izvještaja navedenih dužnika. Također, prisutnost u uzorku zajmoprimaca za različite djelatnosti omogućuje nam proučavanje razlika u analizi kreditne sposobnosti djelatnosti, što je nedvojbeno prednost za sveobuhvatnu studiju. Tablica 2.1. prikazana je distribucija zajmoprimaca po djelatnostima.

Tablica 2.1 - Poduzeća - zajmoprimci, distribucija po djelatnostima

Trgovačke tvrtke (16)

Građevinske tvrtke (9)

ABM Trade doo

CJSC "I-Invest"

DOO "AVRO"

DOO "GAMMA"

DOO "Agroalliance MT"

dd "GSK"

DOO "Aleksandrija"

DOO "KVS"

DOO "White Wind Digital"

CJSC "Nova era"

DOO "Eurotransavto"

DOO "Polyus"

DOO "Eurotrans"

DOO "PromTechService"

DOO "Optima"

LLC "Građevinsko povjerenstvo br. 3"

DOO "RKB"

DOO "Alice-Construction"

DOO "Santi"

Proizvodne tvrtke (6)

DOO "SPb Nefteprodukt"

DOO "ANGSTREM Trading"

DOO "STK Deviz"

DOO "DSK br. 5"

DOO "Tav Oil"

Illung LLC

DOO "Trgovina iz" Petmola "na veliko"

PoleCom CJSC

Forum financijskih tvrtki CJSC

LLC "Prionezhskaya Mining Company"

DOO "UNIFROST"

CJSC "ROUAN"

Leasing društva (1)

Transportne tvrtke (1)

CJSC "Leasing Technologies"

DOO "Transportno poduzeće" "Stell"

Značajni pokazatelji za odabrane zajmoprimce dati su u dodacima 1-33 WRC-u. Među značajnim pokazateljima su agregatna bilanca zajmoprimca, struktura imovine i struktura obveza. Zahtjevi su istim redoslijedom kao i zajmoprimci prikazani u tablici 2.1.

Za vizualniji prikaz zajmoprimaca po djelatnostima, možete pogledati Sl. 2.1. Slika to pokazuje najviše uzorak su činila trgovačka poduzeća (49% uzorka), te građevinska (27%) i proizvodna poduzeća (18%). To jest, u uzorku 16 trgovačke tvrtke, 9 građevinske tvrtke, 6 proizvodnih tvrtki, 1 leasing i 1 transportna tvrtka.

Riža. 2.1. Distribucija zajmoprimaca u uzorku po djelatnostima

2.3 Analiza financijske situacije zajmoprimaca na temelju metodologije OJSC "Bank International"

Nakon početnog proučavanja uzorka, možete nastaviti izravno na financijsku analizu zajmoprimaca. Treba napomenuti da je financijska analiza provedena na temelju metodologije Banke dane u “Uputama za kratkoročno kreditiranje pravnih osoba”. U ovoj internoj normativni dokument Banka je dosljedno prezentirala algoritam za analizu financijskog položaja zajmoprimca.

Za vizualni prikaz obavljenog posla bit će prikazana analiza financijskog položaja jednog od 33 zajmoprimca, budući da zbog velike količine analiza nema smisla predstavljati analizu svih 33 zajmoprimca. Međutim, rezultati izračuna financijskih omjera preostalih zajmoprimaca mogu se naći u Dodatku 34. WRC-u.

Za vizualni prikaz obavljenog posla prikazana je analiza financijskog položaja jednog od 33 zajmoprimca, budući da zbog velikog obima analiza nema smisla predstavljati analizu svih 33 zajmoprimca. Ipak, rezultati izračuna financijskih omjera preostalih zajmoprimaca nalaze se u Dodatku 34. ovog rada. Dodaci 1-33 WRC-u daju podatke o ostalim zajmoprimcima. Poduzeća u prilozima 1-33 prikazana su istim redoslijedom kao u tablici 2.1. Format zadanih podataka: značajni pokazatelji - agregirana bilanca, struktura imovine i struktura pasive. Podaci za sva poduzeća prikazani su za 5 kvartala - 4 kvartala 2012. i zadnje tromjesečje prethodne 2011. godine.

Tako je za reprezentativnu financijsku analizu odabran zajmoprimac TaV Oil Limited Liability Company. Izbor ovog zajmoprimca među preostala 33 zajmoprimca je zbog činjenice da je struktura financijska izvješća ovaj je zajmoprimac najprikladniji za odraz svih značajki analize financijskog položaja zajmoprimca. Zajmoprimac ima izvješća s dovoljnim udjelom pokazatelja u strukturi imovine i obveza, tako da bi u budućnosti na njegovom primjeru bilo moguće otkriti metodologiju skoring modela.

Tvrtka "Tav Oil" doo registrirana je 24. listopada 2003. godine. Tvrtka posluje na tržištu prodaje naftnih derivata od 2003. godine. Osnovna djelatnost tvrtke je trgovina na veliko naftnim derivatima. Tvrtka radi s dobavljačima naftnih derivata uz plaćanje unaprijed, a s kupcima - s odgodom plaćanja ovisno o vrsti naftnih derivata (u stvari, do 30 kalendarskih dana).

Sukladno "Uputi za kratkoročno kreditiranje pravnih osoba" na temelju podataka računovodstveni izvještaji formirana je analitička tablica (agregirana bilanca) u kojoj su navedeni glavni apsolutni financijski pokazatelji na dan 01.01.2012., 01.04.2012. 01.07.2012 i 01.10.2012, 01.01.2013 (za 4 kvartala + izvještajno tromjesečje). Tablica 2.2. je dat u nastavku.

Tablica 2.2 - Pokazatelji bilanca stanja i izvještaj o dobiti i gubitku (tisuću rubalja):

Indeks

Valuta bilance

Kapital i rezerve

Neotkriveno gubitak profita)

Dugotrajna sredstva

PDV na kupnju vrijednosti

Potraživanja

Kratkotrajna fin. Prilozi

Unovčiti

Ostala trenutna imovina

Ukupna obrtna imovina

Dugoročni zajmovi i krediti

Ukupne dugoročne obveze

Krediti i zajmovi, kratkoročni

Obveze za plaćanje

prihod budućih razdoblja

Ukupne kratkoročne obveze

Prihod od prodaje (kumulativni ukupni)

Dobit od prodaje

Ostali prihod

drugi troškovi

Postotak koji se plaća

Neto prihod (gubitak

Neto dobit za tromjesečje

U "Uputama", pri proučavanju podataka agregatne bilance, predlaže se analiza glavnih trendova u promjeni apsolutnih financijskih pokazatelja. Osnovna zadaća djelatnika Odjela za financijsku analizu je identificirati razloge ovih trendova, kao i proučiti utjecaj tih razloga na mogućnost ispunjavanja obveza prema Banci u budućnosti.

U prvoj fazi izvršena je analiza dinamike i strukture kapitala LLC "Tav Oil" s izračunom apsolutnih i relativnih promjena. Tablica 2.3. prikazana je horizontalna analiza agregirane bilance Tav Oil OJSC. Tijekom analiziranog razdoblja (od 01.01.2012. do 01.01.2013.) bilančna suma tvrtke porasla je za 27,3 milijuna rubalja. ili 44%. U 4. tromjesečju u odnosu na 3. tromjesečje 2012. godine ukupna bilanca je porasla za 24,2 milijuna rubalja. ili 36,8%. U strukturi kapitala društva na dan 01.01.2013. godine prevladavaju obrtna sredstva u imovini i kratkoročne obveze u pasivi. Istodobno, struktura kapitala društva je uravnotežena u pogledu vremena prikupljanja i plasiranja sredstava. Vlastita veličina obrtni kapital iznosio je 34,7 milijuna rubalja. i porasla je u odnosu na početak izvještajne godine za 5,7%. Dakle, na račun investicijskih sredstava (vlasničkog kapitala i dugoročne obveze) Financirano je 53% obrtnih sredstava. Neto imovina (predstavljena kapitalom tvrtke) porasla je za 5% od početka godine, potaknuta povećanjem zadržane dobiti. Na dan 01.01.2013. godine iznosi 99,9% ukupnog kapitala i rezervi.

Tablica 2.3 - Analiza dinamike najvažnijih pokazatelja LLC "Tav Oil":

Indeks

Promjena tijekom godine

Promjena po kvartalu

Valuta bilance

Kapital i rezerve

Uključujući zadržana dobit(lezija)

Dugotrajna sredstva

PDV na kupljenu imovinu

Potraživanja

Kratkoročna financijska ulaganja

Unovčiti

Ostala trenutna imovina

Ukupna obrtna imovina

Dugoročni zajmovi i krediti

Ukupne dugoročne obveze

Krediti i zajmovi, kratkoročni

Obveze za plaćanje

prihod budućih razdoblja

Ukupne tekuće obveze

Prihod od prodaje (kumulativno)

Prosječni mjesečni prihod od prodaje

Troškovi prodane robe

Dobit od prodaje

Ostali prihod

drugi troškovi

Postotak koji se plaća

Neto prihod (gubitak

Prihod od prodaje za tromjesečje

Prosječni mjesečni prihod za tromjesečje

Neto dobit za tromjesečje

Za prikaz promjena u strukturi kapitala na dan 01.01.2013. u odnosu na 01.01.2012. godine izgrađena je tablica 2.4 koja prikazuje promjene kratkotrajne i dugotrajne imovine, kapitala i rezervi, dugoročnih i kratkoročnih obveza. Iz tablice 2.4. vidljivo je da je u odnosu na prvo tromjesečje obrtna imovina porasla za 27.342 tisuće rubalja. i kratkoročne obveze za 25.334 tisuće rubalja.

Tablica 2.4 - Struktura kapitala na početku i kraju 2012. godine

Struktura kapitala na dan 01.01.2012., tisuća rubalja

Struktura kapitala na dan 01.01.2013., tisuća rubalja

Promijenite tisuću rubalja

Promjena %

Dugotrajna sredstva

Dugotrajna sredstva

Trenutna imovina

Trenutna imovina

Kapital i rezerve

Kapital i rezerve

Kratkoročne obveze

Kratkoročne obveze

dugoročne dužnosti

dugoročne dužnosti

Također, izgrađeni su dijagrami koji prikazuju udjele bilančnih stavki u odnosu na valutu bilance na početku i kraju 2012. godine. Dijagrami su prikazani na slikama 2.2. i 2.3. Iz dijagrama u nastavku vidljivo je da se udio bilančnih stavki u 2012. neznatno promijenio: udio temeljnog kapitala smanjen je za 6%, udio kratkoročnih obveza povećan je za 14%, a udio dugoročnih obveze su smanjene za 8%.

Riža. 2.2. Struktura kapitala na početku 2012

Riža. 2.3. Struktura kapitala na kraju 2012

U drugoj fazi analize izvršena je analiza strukture imovine poduzeća. Uputa daje naznaku da međusobna vrijednost različitih skupina imovine i obveza ovisi o tome kojoj djelatnosti dano poduzeće pripada. Dakle, za trgovačka društva (o kojoj je riječ) udio optjecajne imovine obično iznosi 70 - 95 posto, a sličan je i udio privučenih izvora sredstava. Obrtna imovina društva doo "Tav Oil" za izvještajno tromjesečje jednaka je valuti bilance.

Nakon odgovarajućeg grupiranja bilančnih stavki, procijenjena je relativna promjena u različitim skupinama imovine i obveza za posljednjih nekoliko tromjesečja: je li došlo do promjene udjela nekog od odjeljaka bilance ili grupe stavki za više od 10%. U ovom slučaju, iz tablice 2.5. možete vidjeti da takvih promjena nema.

Tablica 2.5 - Struktura imovine LLC "Tav Oil" za 5 kvartala

Glavni udio u strukturi imovine tvrtke zauzimaju potraživanja, koja se formiraju uglavnom zbog duga kupaca (36,6 milijuna rubalja ili 44% ukupnog iznosa). potraživanja). Nema dospjelih potraživanja.

Obrt potraživanja iznosio je 36 dana (nasuprot 35 dana u istom razdoblju prošle godine). Treba napomenuti da je tvrtka neto vjerovnik u namirenjima – potraživanja su 4,9 puta veća od obaveza (84.093 tisuće rubalja prema 17.155 tisuća rubalja).Neto vjerovnik je subjekt financijskog tržišta, financijska imovina koji je premašen obvezama.

U sklopu analize imovine izvršena je analiza potraživanja društva. U Uputstvu se napominje da posebnu pozornost treba obratiti na promjenu strukture obrtnih sredstava: je li došlo do povećanja potraživanja ili ne, je li razina zaliha sirovina dovoljna za rad poduzeća, je li prenatrpanost skladišta gotovim proizvodima. Također je potrebno identificirati ovisnost o jednom ili određenom krugu dužnika, što također može dovesti do smanjenja solventnosti. Prilikom analize sastava potraživanja potrebno je obratiti pozornost na vrijeme i realnost njegove otplate. Za to je potrebno pribaviti detaljnu analizu potraživanja do imena izravnih dužnika i utvrđivanja njihove solventnosti. U tablici 2.6. prikazana je struktura potraživanja od kojih se može izdvojiti udio najvećeg dužnika.

Tablica 2.6 - Tumačenje potraživanja doo "Tav Oil" na dan 01.01.2013.

Ime dužnika

Dug, tisuću rubalja

TSB-Broker

Sustavi grijanja Severomorsk

DOO "Help-Oil"

Pitkyaranta Pulp Mill LLC

LLC Nesto

Stroykomplektservice

TopTradeService LLC

OO Prima-Oil

Ukupno potraživanja:

Potraživanja GUP "Severomorskie Teploseti" su dospjela, datum nastanka je 28.06.2010. Najveći dužnik je TSB-Broker, 19% ukupnog duga. Drugi najveći dužnik je Severomorskie Teploseti, 12% ukupnog duga. Ostali dužnici imaju dug manji od 10% ukupnog iznosa. Nakon analize najvećih dužnika, treba prijeći na analizu najvećih suradnika - kupaca. S tim u vezi, izvršena je analiza bilanca stanja tvrtke s ocjenom 62 za identificiranje glavnih kupaca. Podaci su prikazani u tablici 2.7 u nastavku.

Tablica 2.7 - Analiza odnosa s kupcima za 4. tromjesečje. 2012 (u tisućama rubalja):

Druga strana

Promet ispod WWS 62 računa.

Stroykomplektservice

Megapolis

Mlin za celulozu

Impulsno ulje

TopTradeService

Glavni kupac tvrtke u 4. kvartalu 2012. bili su Help-Oil i Stroykomplektservis - po 40% i 9% od ukupnog volumena prodanih proizvoda. Financijska ulaganja tvrtka je odsutna. Investicijska (dugoročna) imovina društva na dan 01.01.2013. Kao iu istom razdoblju prošle godine (sa 01. 01. 2012. - 99,8%), obrtna imovina prevladava u imovini (100%), od čega najveći udio otpada na potraživanja (93,3%).

Sljedeća faza analize bila je analiza strukture pasive. Provedena je analiza obveza radi napetosti obveza dužnika. Značajan udio temeljnog kapitala zajmoprimca, prisutnost dugoročnih izvora financiranja svjedoči o održivosti poduzeća. Izrađena je tablica 2.8., koja odražava strukturu pasive. Udio pozajmljenih sredstava u pasivi početkom 2012. godine iznosio je 47%, na kraju 2012. godine 61,5%. Temeljni kapital početkom 2012. imao je udjel od 26%, odnosno 19,5%.

Tablica 2.8 - Struktura obveza DOO "Tav Oil" za 5 kvartala

Dugoročne obveze društva na kraju razdoblja činile su 19% svih obveza. U izvještajnom razdoblju bili su zastupljeni dugoročnim kreditima od osnivača društva. Zaduženja su porasla za 6% u odnosu na početak godine (ovaj pokazatelj nije se mijenjao u odnosu na 2. tromjesečje 2012.).

Struktura kratkoročnih obveza društva u analiziranom razdoblju promijenila se prema povećanju udjela kratkoročnih zajmova (bankovnih kredita) - s 21% na 42,4% - i smanjenju udjela obveza prema dobavljačima - sa 25% na 19,0%. Istodobno, iznos kratkoročno pozajmljenih sredstava u izvještajnom je razdoblju povećan za 21,4%, dok su obveze prema dobavljačima smanjene za 5,6%. Kratkoročna pozajmljena sredstva na dan 01.01.2013. formirana su isključivo iz kredita OJSC "Bank International".

Zatim je izvršena analiza potraživanja poduzeća. Procijenjene su obveze prema dobavljačima kako bi se analiziralo financiranje aktivnosti putem odgođenih plaćanja i njihov utjecaj na solventnost dužnika. Obveze prema dobavljačima u apsolutnom iznosu ostale su praktički nepromijenjene, međutim, došlo je do promjena u njegovoj strukturi: povećao se volumen duga prema dobavljačima (38% u odnosu na 12% na početku godine), iznos duga kupcima po primljenim predujmovima značajno se povećao. smanjen (11% u odnosu na 64% na početku godine), povećan je udio duga tvrtke prema osoblju (29% prema 6% na početku godine). Dug je kratkoročni, tekući.

Tablica 2.9 - Pregled obaveza prema Tav Oil doo na dan 01.01.2013.

Obveze prema dobavljačima su velike, period obrta je 7 dana (u 2012. godini 9 dana). Najveći vjerovnici tvrtke su OOO Gazneftekhimpererabotka - 45% i ZAO Soveks - 13% ukupnog duga. Kao rizik za Banku treba istaknuti prisutnost vjerovnika s više od 10% duga. Uz obveze prema dobavljačima potrebno je analizirati i odnos prema dobavljačima, odnosno bilancu za račun 60. U tablici 2.10. prikazani su rezultati proračuna.

Tablica 2.10 - Analiza odnosa s dobavljačima za Q4 2012 (u tisućama rubalja):

Druga strana

Promet po OSV 60,1 s

Pomoć-ulje

ABC-kontinent

TriTon Trade

TSB-Broker

Gazneftekhimpererabotka

ForteInvest

Surgutex

Prema bilanci za konto 60, glavni dobavljači tvrtke u 4. tromjesečju 2012. godine bili su Help-Oil doo (41% u ukupnom prometu), AVS-Continent (19% u ukupnom prometu). Prisutnost dobavljača čiji udio prelazi 10% za 4 puta stvara određeni rizik nesolventnosti za Banku.

Dakle, struktura i dinamika kapitala društva u izvještajnom razdoblju ukazuje na sljedeće karakteristične značajke njen posao:

tvrtka posluje uglavnom na kratkoročno posuđenim sredstvima, iako rast dobiti doprinosi rastu vlastitih izvora financiranja, a rast dugoročnih ulaganja osnivača doprinosi ravnoteži opća struktura glavni;

plasman sredstava vrši se uglavnom na račune potraživanja, čija stopa obrta ostaje na prilično visokoj razini;

u izračunima tvrtka djeluje kao neto vjerovnik, to može uzrokovati smanjenje razine profitabilnosti u budućnosti, što potvrđuje i usporavanje stope rasta neto dobiti u 4. tromjesečju 2012. godine.

Završna faza analize financijskih izvještaja u skladu s "Uputom" je analiza glavnih financijskih pokazatelja. Na temelju dobivenih omjera proučavani su u sklopu opće analize financijskog stanja dužnika. Provedena je analiza dinamike izračunatih financijskih pokazatelja uz utvrđivanje razloga njihove promjene, trendova pogoršanja solventnosti i financijska održivost uzimajući u obzir rizike Banke prilikom kreditiranja ovog poduzeća. Dobiveni podaci prikazani su u tablici 2.11.

Tablica 2.11 - Analiza glavnih financijskih pokazatelja

Naziv koeficijenta

Izračun pokazatelja

Prihvatljive vrijednosti

Neto imovina, tisuća rubalja

WB - dugoročno i kratkoročno posuđena sredstva + odgođeni prihod

Omjer tekuće likvidnosti (pokriće)

Kratkoročna imovina / Kratkoročne obveze

Koeficijent financijska neovisnost

Vlasnički kapital / ukupne obveze (WB)

Omjer kapitala i pozajmljenih sredstava

Vlasnički kapital / ukupne obveze

Promet zaliha, dana

Iznos zaliha / dnevni volumen prodaje

Promet potraživanja, dana

Potraživanja / Dnevna prodaja

Obveznice obrta, dana

Obveze za plaćanje / dnevna prodaja

Povrat na prodaju (%)

Dobit od prodaje / Prihodi od prodaje

Operativna profitabilnost (%)

Neto dobit za posljednje izvještajno tromjesečje / prihod od prodaje roba, proizvoda, radova, usluga za posljednje izvještajno tromjesečje

Omjer pokrivenosti, u mjesecima

Iznos kreditnih obveza na tekući datum + traženi iznos kreditnog proizvoda / prosječni mjesec. nastavlja

Omjer pokrića kamata

Tromjesečna dobit od prodaje za posljednje izvještajno tromjesečje / (iznos kamata na kredite i posudbe plaćene za posljednje izvještajno tromjesečje + prosječni tromjesečni iznos kamata na predmetni kreditni proizvod).

Likvidnost društva u izvještajnom razdoblju karakterizira potpuno osiguranje kratkoročnih obveza kako kratkotrajnom tako i visokolikvidnom kratkotrajnom imovinom. Tijekom analiziranog razdoblja koeficijent tekuće likvidnosti nije se mijenjao i nalazi se na razini koja značajno prelazi standardnu ​​vrijednost (više od 0,5).

Koeficijent financijske neovisnosti i omjer vlasničkih i posuđenih sredstava su na razini (i iznad) standardne vrijednosti (više od 0, odnosno više od 0,4).

Za 12 mjeseci 2012. prihod tvrtke (kumulativni ukupni) iznosio je 844 milijuna rubalja. ili 38% pokazatelja za isto razdoblje prošle godine. Za 4. tromjesečje 2012. godine tromjesečni prihod dosegao je maksimalnu vrijednost u odnosu na razine ostalih tromjesečja, počevši od 01.10.2011. Za 4. tromjesečje prihodi su porasli za 23% u odnosu na razinu prihoda u istom razdoblju prošle godine.

Djelatnost tvrtke je profitabilna, dobit iz osnovne djelatnosti povećana je za 47% u odnosu na isto razdoblje prošle godine. Sukladno tome, porasla je i profitabilnost prodaje (udio dobiti od prodaje u prihodima): s 0,7% na 0,8 u trećem tromjesečju, ali je u četvrtom tromjesečju profitabilnost smanjena na 0,7%.

Poboljšana profitabilnost prodaje u trećem tromjesečju nije rezultirala povećanjem profitabilnosti poslovanja u cjelini. Za 9 mjeseci 2012. godine profitabilnost društva je smanjena i iznosi 0,1%, dok je u istom razdoblju prethodne godine profitabilnost iznosila 0,3%. To je bilo zbog sljedećih razloga: iznos kamate koji se plaća Banci povećao se 2 puta i ...

Slični dokumenti

    Tumačenje pojma, metoda i modela za ocjenu kreditne sposobnosti dužnika. Zaključak o mogućnosti izdavanja kredita od strane banke na primjeru OJSC AKB Stella-Bank. Procjena kreditne sposobnosti zajmodavnih organizacija. Izračun pokazatelja likvidnosti i solventnosti.

    rad, dodan 07.02.2015

    Regulatorna regulativa i ekonomska suština kreditnu sposobnost zajmoprimaca. Procjena kreditne sposobnosti na temelju poslovnog rizika. Izračun ocjene kvalitete zajmoprimaca, pravnih i fizičkih osoba. Poboljšanje ocjene bodovanja.

    rad, dodan 16.04.2011

    Definiranje koncepta, proučavanje ciljeva i otkrivanje zadataka kreditnog bodovanja kao alata za procjenu kreditne sposobnosti pojedinaca, njezinih izgleda u Rusiji. Izgradnja skoring modela za ocjenu kreditne sposobnosti klijenata na primjeru doo "HKF Banka".

    seminarski rad dodan 07.08.2013

    Pojam bonitetnih ciljeva i zadataka ocjene boniteta. Metode procjene kreditne sposobnosti zajmoprimca. Modeli dijagnostike stečaja. Analiza i načini poboljšanja procjene kreditne sposobnosti zajmoprimca na primjeru Pokrovsky Khleb OJSC.

    seminarski rad, dodan 14.06.2015

    Bit kreditne sposobnosti i njezino značenje. Informacijska baza i faze kreditne procjene. Procjena kreditne sposobnosti potencijalnih zajmoprimaca poslovne banke na temelju financijskih pokazatelja, protok novca te pokazatelji poslovnog rizika.

    test, dodano 10.11.2015

    Procjena kreditne sposobnosti temeljena na sustavu financijskih pokazatelja. Analiza poslovnog rizika. Pokazatelji kreditne sposobnosti koje koriste strane poslovne banke. Analiza pokazatelja za procjenu financijskog položaja zajmoprimca OJSC "Donkhlebbank".

    seminarski rad, dodan 21.10.2011

    Pojam i svrha postupka utvrđivanja kreditne sposobnosti bankovnog dužnika, postupak, kriteriji i metode za njegovu ocjenu, opći pristupi provedbi i analizi. Obilježja djelatnosti Narodne banke "Trust", analiza kreditne sposobnosti pravnih osoba.

    seminarski rad, dodan 25.01.2010

    Metode procjene boniteta pravnih i fizičkih osoba. Bodovanje (loptom) kreditna procjena i osiguranje. Organizacija procesa procjene kreditne sposobnosti zajmoprimaca - pojedinaca - Sberbank Rusije na primjeru hipotekarnog kredita.

    rad, dodan 25.02.2015

    Pojam, bit, kriteriji i metode procjene kreditne sposobnosti zajmoprimaca poduzeća. Sustav davanja bankovnih kredita pravnim osobama. Analiza metodologije za ocjenu kreditne sposobnosti pravnih osoba. Uvjeti kreditiranja odobreni od strane banke.

    seminarski rad, dodan 13.11.2013

    Regulatorni aspekti kreditne procjene u Ruskoj Federaciji. Usporedna ocjena metoda procjene kreditne sposobnosti zajmoprimaca banaka. Organizacija rada na upravljanju kreditnim rizikom. Ocjena boniteta pravne osobe. Tehnike smanjenja rizika.

Dubovitsky V.S.
analitičar velike ruske banke
(grad Moskva)
Upravljanje korporativnim financijama
05 (65) 2014

Ovaj članak opisuje studiju o razvoju skoring modela za procjenu kreditne sposobnosti velikih trgovačka poduzeća, koji omogućuje procjenu solventnosti zajmoprimca na temelju vrijednosti pojedinačnih pokazatelja, procjenjuje se njegova učinkovitost. Najopsežniji blokovi u razvoju modela bodovanja su izbor sustava pokazatelja ocjenjivanja i određivanje težinskih koeficijenata za te pokazatelje, što će biti detaljno obrađeno u ovom članku.

UVOD

Jedno od ključnih područja poslovanja u bankarskom sektoru je kreditiranje. Upravo su krediti temelj bankovne aktive, osiguravajući banci prihod od kamata. U posljednje vrijeme u našoj zemlji dolazi do ubrzanog razvoja. bankarstvo, prije svega, kreditni odnosi banaka sa stanovništvom, poduzetnicima i velikim biznisom. Zajmovi ne podrazumijevaju samo prihod od kamata, već i kreditne rizike povezane s nelikvidnošću zajmoprimca i gubitkom zajma. Procjena veličine kreditnog rizika ključno je područje analize prilikom donošenja odluke o kreditiranju određenog zajmoprimca, a dobrobit financijske institucije uvelike ovisi o tome.

Banke ovih dana koriste različite metode analizu, procjenu razine mogućih gubitaka i vjerojatnosti neispunjavanja obveza zajmoprimca. Na temelju ove analize, zajmoprimcu se dodjeljuje ocjena kvalitete - "dobar", "prosječan" ili "loš", prema Uredbi Središnje banke Ruske Federacije br. 254-p "O postupku formiranja do kreditne institucije rezervi za moguće gubitke po kreditima, zajmovima i ekvivalentnim dugovima" od 26.03.2004.

Centralna banka djeluje kao glavni regulator kreditni sustav te daje preporuke za ocjenu kreditne sposobnosti zajmoprimaca. U skladu s njima banke grade svoje modele vrednovanja - njihova raznolikost i domišljatost njihovih autora su nevjerojatni. Takvi modeli uključuju sveobuhvatnu procjenu financijskog stanja zajmoprimca kao glavnog pokazatelja buduće solventnosti. Međutim, svi modeli imaju za cilj kreditni rejting zajmoprimca, koji opisuje razinu rizika od financijskog gubitka. Prema općeprihvaćenoj klasifikaciji, dobra razina kreditne sposobnosti odgovara dobrom financijskom stanju poduzeća i niskom riziku mogućih gubitaka, prosječna - prosječnom financijskom stanju i srednjim rizicima, loša - velikoj vjerojatnosti zajmoprimca zadano. U dobrom stanju, najvjerojatnije će biti donesena pozitivna odluka o izdavanju zajma, prosjek će zahtijevati dodatna istraživanja, a loš zajmoprimac će biti odbijen.

Procjena kreditnog rizika u bankama je uvijek imala značajnu ulogu. Dakle, prema studijama Baileya i Gatelyja, postojeće metode ocjenjivanja se stalno poboljšavaju, s vremena na vrijeme postoje najnovije tehnike, kao što je procjena pomoću neuronskih mreža, što je uzrokovano velikom potražnjom kreditnih institucija da optimiziraju i poboljšaju prediktivnu sposobnost alata za procjenu vjerojatnosti neispunjenja obveza potencijalnih zajmoprimaca.

Dakle, procjena kreditne sposobnosti ključna je zadaća prilikom izdavanja kredita. Svrha ovog rada je izrada vlastitog skoring modela za ocjenu kreditne kvalitete pravnih osoba. Bit će razvijen za velike trgovce na malo i omogućit će vam da brzo odlučite o izvedivosti financiranja raznih zajmoprimaca.

Najprije će se napraviti kratka komparativna analiza postojećih pristupa procjeni kreditne sposobnosti. Na temelju toga iznijet će se argumenti u korist razvoja modela bodovanja, a zatim će se izravno razviti model bodovanja različitim teorijskim metodama. Jedan od glavnih zadataka u razvoju je određivanje uravnotežene bodovne kartice, uzimajući u obzir odabranu industriju i određivanje faktora težine za te pokazatelje.

Nadalje, provest će se statistička studija na temelju uzorka od 41 trgovačkog poduzeća (za njih 16 zabilježeno je zaostajanje) kako bi se rezultati po težini pokazatelja usporedili s inicijalno dobivenim rezultatima. Na temelju rezultata usporedbe donijet će se zaključak o ispravnosti sastavljenog modela bodovanja. Na kraju ovog članka bit će prikazana ocjena učinkovitosti razvijenog modela, utvrđena je prediktivna sposobnost razvijenog modela i donesen zaključak o njegovoj konzistentnosti.

RAZLIČITI PRISTUPI PROCJENI KREDITNE SPOSOBNOSTI

Svi postojeći modeli za procjenu kreditne sposobnosti zajmoprimaca mogu se prikazati u obliku sljedeće klasifikacije (slika 1.).

Dakle, raznolikost pristupa analizi kreditne sposobnosti može se sistematizirati podjelom svih metoda u tri velika bloka:

  • kvantitativni modeli;
  • prediktivni modeli;
  • kvalitetni modeli.

Kvantitativni modeli koriste odgovarajuće pokazatelje i omogućuju vam da zajmoprimcu dodijelite određenu ocjenu na temelju njih, modeli predviđanja temelje se na statistikama iz prošlih godina i usmjereni su na modeliranje daljnjeg razvoja događaja i vjerojatnosti neispunjavanja obveza dužnika, a kvalitativni modeli koriste sustav svestranih pokazatelja kvalitete.

Kako bismo odredili najučinkovitiji pristup procjeni kreditne sposobnosti, usporedimo opisane metode procjene. Stol 1 emisije komparativne karakteristike prethodno razmatranih modela procjene kredita.

Tablica 1. Zbirna tablica modela kreditnog rejtinga

Ime modela Prednosti modela Nedostaci modela
Metoda koeficijenata Omogućuje vam da sveobuhvatno procijenite financijsko stanje dužnika Ne uzima u obzir pokazatelje kvalitete, statistike iz prethodnih godina. Neautomatizirani sustav zahtijeva stalnu interpretaciju vrijednosti pojedinih pokazatelja
Modeli ocjenjivanja Omogućuju vam automatizaciju procjene metodom koeficijenata izračunavanjem integralnog pokazatelja. Razlikuje se u praktičnosti i jednostavnosti korištenja Uzimaju u obzir samo financijske pokazatelje, ne koriste statistiku iz prethodnih godina. Zahtijeva restrukturiranje za različite vrste poduzeća
Modeli bodovanja Omogućuju vam da dobijete ocjenu kreditne sposobnosti u bodovima i dodijelite zajmoprimca u jednu od tri grupe. Jednostavan i jednostavan za korištenje, pomaže u procjeni nefinancijskih pokazatelja kvalitete. Prilikom procjene ponderiranih koeficijenata statističkim metodama, oni omogućuju uzimanje u obzir podataka o već izdanim kreditima, ekonomski su opravdani Oni nisu univerzalni i zahtijevaju restrukturiranje za određene vrste poduzeća. Za ispitivanje težina potrebna je velika količina podataka
Modeli novčanih tokova Omogućuje procjenu budućih novčanih tokova tvrtke i usporedbu s teretom duga Ne uzimaju u obzir tržišne uvjete i pokazatelje kvalitete tvrtke zajmoprimca. Može proizvesti rezultate koji nisu u skladu sa stvarnošću
Modeli diskriminantne analize Omogućuje vam da odredite vjerojatnost neispunjavanja obveza tvrtke zajmoprimca na temelju statistike za prethodne godine
Modeli regresijske analize Omogućuju vam da odredite vjerojatnost neispunjavanja obveza tvrtke zajmoprimca na temelju statistike iz prethodnih godina. Kada koristite model na točnim podacima, možete dobiti rezultate s visokim stupnjem pouzdanosti. Čisto empirijski, rezultati su jako ovisni o uzorku za obuku i kada se model ispituje na drugim podacima, često ne odgovaraju stvarnosti. Za ispitivanje težina potrebna je velika količina podataka
Modeli kvalitativne analize Omogućuje vam provođenje sveobuhvatne analize tvrtke Nedostatak matematičkih metoda, što dovodi do subjektivne procjene pojedinačnih pokazatelja i do pogrešaka povezanih s ljudski faktor... Ne uzimajte u obzir statistiku iz prethodnih godina. Ne postoje jasna pravila za ocjenu kreditne sposobnosti za visokokvalitetne jedinice za analizu

Na temelju navedene komparativne analize možemo zaključiti da je bodovni model na vrhu evolucije kvantitativnog modela Naziv modela Prednosti modela Nedostaci modela

Metoda koeficijenata Omogućuje sveobuhvatnu procjenu financijskog stanja zajmoprimca Ne uzima u obzir pokazatelje kvalitete, statistike prošlih godina. Neautomatizirani sustav zahtijeva stalnu interpretaciju vrijednosti pojedinih pokazatelja

Modeli ocjenjivanja Omogućuju automatizaciju procjene metodom koeficijenata izračunavanjem integralnog pokazatelja. Odlikuje ih praktičnost i jednostavnost korištenja.Uzimaju samo financijske pokazatelje, ne koriste statistiku iz prethodnih godina. Zahtijeva restrukturiranje za različite vrste poduzeća

Modeli bodovanja Omogućuju vam da dobijete ocjenu kreditne sposobnosti u bodovima i dodijelite zajmoprimca u jednu od tri grupe. Jednostavan i jednostavan za korištenje, pomaže u procjeni nefinancijskih pokazatelja kvalitete. Prilikom procjene ponderiranih koeficijenata statističkim metodama, oni omogućuju uzimanje u obzir podataka o već izdanim kreditima, ekonomski su opravdani, nisu univerzalni, zahtijevaju restrukturiranje za određene vrste poduzeća. Za ispitivanje težina potrebna je velika količina podataka

Modeli novčanih tokova Omogućuju procjenu budućih novčanih tokova poduzeća i usporedbu s teretom duga, ne uzimajući u obzir tržišne uvjete i pokazatelje kvalitete tvrtke zajmoprimca. Može proizvesti rezultate koji nisu u skladu sa stvarnošću

Modeli diskriminantne analize Omogućuju određivanje vjerojatnosti neizvršenja obaveza tvrtke dužnika na temelju statistike za protekle godine. Čisto empirijski, rezultati su u velikoj mjeri ovisni o uzorku obuke i kada se model ispituje na drugim podacima često ne odgovaraju stvarnosti. Za ispitivanje težina potrebna je velika količina podataka

Modeli regresijske analize Omogućuju vam da na temelju statistike iz prethodnih godina odredite vjerojatnost neizvršenja obveza zajmoprimca. Korištenjem modela na točnim podacima moguće je dobiti rezultate visokog stupnja pouzdanosti. Čisto empirijski, rezultati su jako ovisni o uzorku za obuku, a kada se model ispituje na drugim podacima, često ne odgovaraju stvarnosti. . Za ispitivanje težina potrebna je velika količina podataka

Modeli kvalitativne analize Omogućuju sveobuhvatnu analizu poduzeća.Odsutnost matematičkih metoda, što dovodi do subjektivne procjene pojedinačnih pokazatelja i grešaka povezanih s ljudskim faktorom. Ne uzimajte u obzir statistiku iz prethodnih godina. Ne postoje jasna pravila za ocjenu kreditne sposobnosti za visokokvalitetne jedinice analize s različitim brojem bodova. Vrijednosti koeficijenata će se dalje podijeliti u raspone. Za svaki raspon (stupac “Raspon koeficijenata” u tablici 2) bit će postavljen postotak (25%, 50%, 75% ili 100%) ponderskog koeficijenta u tablici 2. 2. Ponderski faktor u ovom slučaju je maksimalni rezultat. U nastavku ćemo se posebno usredotočiti na traženje težinskih koeficijenata. Dakle, podjela koeficijenata u raspone je proizvoljna (na temelju logičnih razmatranja na temelju vrijednosti ovih pokazatelja za različite tvrtke u industriji; intervali su uzeti na način da oko 60% vodećih tvrtki u industriji) industrija (Magnit, Dixy, X5 Grupa za maloprodaju, "OK", "L" Etual "), odabrano za određivanje prosječnih tržišnih omjera i referentnih vrijednosti). Što je veći teret duga, to je veća vjerojatnost neispunjavanja obveza i niži rezultat bi pokazatelj trebao dobiti. Empirijske metode su usredotočene na pronalaženje pondera i bit će predstavljena dva pristupa - analitički (metoda T. Saatyja) i statistički (regresijska studija) (maksimalni broj bodova u ovom slučaju se poklapa s težinskim koeficijentom). Sami težinski koeficijenti će se naknadno odrediti.

Financijski pokazatelji modela bodovanja prikazani su u tablici. 2.

Tablica 2. Financijski pokazatelji modela bodovanja

Grupa indikatora Indeks Raspon omjera
Likvidnost > 0,75 1
0,5-0,75 0,75
0,25-0,5 0,25
0-0,25 0
Solventnost 0-1 1
1-1,5 0,75
1,5-2 0,5
2-2,5 0,25
> 2,5 0
< 1,5 1
1,5-2 0,5
> 2 0
Omjer pokrića kamata, EBIT/kamate > 1,5 1
1,3-1,5 0,75
1-13 0,5
< 1 0
Poslovne aktivnosti Povrat od prodaje, ROS > 0,025 1
0,02-0,025 0,75
0,015-0,02 0,5
< 0,015 0
Gubitak društva za posljednja tri izvještajna razdoblja Ne 1
Za jedno izvještajno razdoblje 0,5
0

Dopuštene vrijednosti koeficijenata određene su na temelju prosječnih vrijednosti za pet vodećih trgovinskih poduzeća u Rusiji na temelju MSFI izvješćivanja za tri godine: Magnit, X5 Retail Group, Dixy, OK, M.Video. Ispitali smo najvažnije financijske pokazatelje za utvrđivanje financijskog stanja zajmoprimca. No, čimbenici koji izazivaju nastanak rizika u poslovnim procesima dužnika također imaju veliki utjecaj na kreditnu sposobnost poduzeća. Prije svega, potrebno je razmotriti kvalitetu upravljanja. Ovo je vrlo težak pokazatelj za kvantitativnu analizu, jer problematično je objektivno procijeniti razinu upravljanja poduzećem.

Pokušat ćemo prijeći s kvalitativne na kvantitativnu procjenu i postaviti maksimalnu procjenu za ovaj pokazatelj pod sljedećim uvjetima:

  • postoji jasna strategija razvoja tvrtke za iduće godine;
  • sastav najvišeg menadžmenta je nepromijenjen (izvršni direktor i glavni računovođa drže funkcije duže od dvije godine), jer prisutnost snažnog upravljačkog tima dokazuje, između ostalog, njegova postojanost;
  • profesionalne kompetencije ispunjavaju visoke zahtjeve (prisutnost specijaliziranog visokog obrazovanja na Generalni direktor i glavni računovođa, radno iskustvo - više od pet godina).

Sljedeći važan čimbenik koji će biti uključen u model bodovanja je životni vijek tvrtke. Osim toga, potrebno je uvesti stop faktor: za razdoblje poslovanja kraće od godinu dana ovaj model neće biti primjenjiv zbog nedostatka izvješćivanja i mogućnosti razumijevanja poslovanja tvrtke.

Drugi neophodan pokazatelj je pozitivna kreditna povijest. Ovo je jedan od najvažnijih nefinancijskih pokazatelja koji karakteriziraju, zapravo, kvalitetu servisiranja budućeg kredita. Bilo bi nerazumno očekivati ​​pravovremeni povratak kreditna sredstva od poduzeća koje kasni prema drugim vjerovnicima. Razmatrani nefinancijski pokazatelji i raspodjelu bodova za njih prikazujemo u tablici. 3.

Tablica 3. Nefinancijski pokazatelji modela bodovanja

Skupina Indikatori Indikatori Postotak maksimalnog rezultata za raspon
Poslovni procesi Kvaliteta upravljanja 1
0,5
0
> 5 godina 1
3-5 godina 0,75
1-3 godine 0,25
< 1 года Stop faktor
1
0,5
0
Sustavna kašnjenja zajmova i zajmova za posljednju financijsku godinu; značajan iznos dospjelih obveza (> 25%) Stop faktor

Izradili smo sustav pokazatelja procjene koji bi, po našem mišljenju, trebali sveobuhvatno i cjelovito ocjenjivati ​​kvalitetu zajmoprimca i njegovu sposobnost ispunjavanja obveza. Sljedeći dio posla pri izradi bilo kojeg modela bodovanja oduzima najviše vremena - to je određivanje težine različitih procijenjenih pokazatelja. Prediktivna vrijednost našeg modela ovisi o tome koliko objektivno procjenjujemo važnost određenih čimbenika. Ovaj će članak analizirati pondere na temelju nekoliko metoda za uklanjanje mogućih pogrešaka.

Ponderi će se prvo odrediti analitičkim postupcima, a zatim usporediti s rezultatima regresijske analize.

ANALITIČKA OCJENA TEŽINSKIH KOEFICIJENATA MODELA

Kao alat za ocjenjivanje uzimamo metodologiju detaljno opisanu u knjizi TL-a. Saati "Matematički modeli konfliktnih situacija" [b]. Ova metoda vam omogućuje da se udaljite od raznih čimbenika i usporedite samo dva od njih s obzirom na njihovu važnost u određenom trenutku, u konačnici određujući značaj utjecaja svakog od čimbenika na bilo koji opći pokazatelj. Tehnika se temelji na kompilaciji matrica parnih usporedbi, koje su izgrađene za čimbenike koji utječu na bilo koji opći pokazatelj. Takve se matrice mogu konstruirati, na primjer, za pokazatelj solventnosti u kontekstu čimbenika predstavljenih omjerima financijske poluge, tereta duga i pokrića kamata. Zadatak je konstruirati takve matrice za sve skupine faktora koji utječu na bilo koji opći pokazatelji... Kao rezultat, stvorit će se dvije matrice za tablicu. 2 - za skupine pokazatelja "Solventnost" i "Poslovna aktivnost" jedna matrica za tablicu. 3 - za pokazatelje poslovnih procesa, kao i dvije matrice za agregirane razine - jedna matrica za skupinu financijskih pokazatelja, koju čine skupine pokazatelja "Likvidnost", "Solventnost" i "Poslovna aktivnost", te jedna za dvije agregirane blokovi – financijski i nefinancijski pokazatelji općenito.

Ukupno postoji pet matrica za usporedbu u paru, od kojih će svaka dati svoj koeficijent za indikator uključen u nju. Dakle, da bi se dobio težinski faktor za ključnu cifru na dnu hijerarhije, na primjer, za omjer pokrića kamata, potrebno je pomnožiti težinski koeficijent financijskih pokazatelja s težinskim koeficijentom pokazatelja solventnosti unutar financijskih pokazatelja i s pokazatelja koeficijenta pokrića kamata unutar financijskih pokazatelja.

U naslovima samih matrica za skupine pokazatelja, nazivi čimbenika stavljaju se u okomiti i horizontalni stupac. Zatim se matrice pune vrijednostima koje predstavljaju transformaciju subjektivnih preferencija jednog čimbenika prema drugom u empirijski oblik prema metodi prikazanoj u tablici. 4 (koristeći podatke na slici 2).

Tablica 4. T. Saatyjeva metoda. Klasifikacija preferencija (na temelju slike 2)

Uglavnom se koriste neparni brojevi, međutim, ako je teško odabrati, možete koristiti parne brojeve kao prosječnu razinu između dva neparna. Primjer takve matrice za četiri faktora prikazan je na Sl. 2. Prema tome, kada usporedimo isti faktor, element poprima vrijednost 1, pa su takve matrice jedinične. Lako je vidjeti da su također inverzno simetrične, što nam omogućuje da ispunimo takvu matricu samo za vrijednosti koje leže iznad ili ispod glavne dijagonale.

S obzirom da su matrice parnih usporedbi inverzno simetrične, potrebno je usporediti samo u jednom smjeru i unijeti odgovarajuće vrijednosti u matricu iznad glavne dijagonale, a vrijednosti ispod glavne dijagonale bit će inverzne.

Nakon primanja pet takvih matrica, izračunavaju se težinski koeficijenti: težina svake vrijednosti u matricama će se mjeriti u odnosu na ukupni zbroj u stupcu, a zatim će se iz tih vrijednosti uzeti aritmetička sredina ovih vrijednosti u svakom retku. Srednje aritmetičke vrijednosti i bit će težinski koeficijenti. Primjer matrice za skupinu pokazatelja solventnosti prikazan je na Sl. 3.

Nakon što smo napravili opisane izračune, dobivamo specifičnu težinu svakog pokazatelja. Radi praktičnosti daljnjih izračuna, maksimalan mogući rezultat definirat ćemo kao umnožak specifične težine pokazatelja za 50 1, nakon čega slijedi zaokruživanje na cijeli broj (tablica 5.6).

1 Ova je operacija izvedena isključivo radi praktičnosti, broj 50 dopušta minimalni omjer skočiti na cjelobrojnu vrijednost (u ovom slučaju vrijednost 2). Budući da se svi koeficijenti množe s istim brojem, ne iskrivljujemo rezultate analitičkog pristupa. - Cca. izd.

ODREĐIVANJE ZNAČAJNOSTI POKAZAtelja KORIŠĆENJEM REGRESIJE ANALIZE

Za provođenje statističke studije koristili smo podatke 41 velike tvrtke iz sektora maloprodaje. Ove tvrtke izdale su korporativne obveznice, a 16 obveznica je u neplaćivanju. Za svaku tvrtku na temelju je izračunato osam odabranih pokazatelja modela bodovanja godišnje izvješćivanje u godini izlaska korporativne obveznice... Uzorak je prikazan u Dodatku 1. On specificira objašnjiv pokazatelj y - vjerojatnost neispunjavanja obveza, koji uzima vrijednost 1 ako tvrtka nije ispunila svoje obveze. Istaknuta tri indikatora s desne strane određena su lažnim varijablama (mogu imati samo vrijednosti 0 ili 1) zbog svoje kvalitativne prirode. Oni poprimaju vrijednosti 1 ako u posljednje tri godine tvrtka ima neto dobit > 0 (Nl> 0), stabilan i kvalitetan upravljački tim (menadžer) i pozitivnu kreditnu povijest (povijest). Financijski pokazatelji (prvih pet pokazatelja) izračunati su na temelju godišnjeg izvješćivanja prema MSFI standardima u godini izdavanja obveznica s neispunjenjem obveza.

Kao model za istraživanje odabrat ćemo konstrukciju linearne multivarijantne regresije:

p = w 0 + w 1 x 1 + w 2 x 2 + ... + w n x n,

gdje je p zavisna varijabla koja opisuje vjerojatnost neispunjavanja obveza;
w - faktori težine; x - indikatori.

Dakle, unesite početne podatke u Excel i poslužimo se funkcijom Analiza podataka – Regresija. Analizirajući početne podatke za osam pokazatelja modela bodovanja bez prilagodbi, dobivamo rezultat prikazan u Dodatku 2. Prilagođeni R ^ 2 jednak je 0,55 - niska, ali prihvatljiva vrijednost, što ukazuje na praktičnu važnost konstruirane regresije. Moguće je iznijeti pretpostavku o razlogu niske važnosti prisutnosti izvanrednih vrijednosti u podacima, na primjer, izostanak vrijednosti za neka poduzeća u smislu EBIT-a/kamate zbog nepostojanja tereta duga ( pojednostavljeno za potrebe istraživanja, u ovom slučaju uzet je omjer 0) ili negativna vrijednost Dug/EBITDA zbog negativnog novčanog toka. U ovom slučaju, utjecaj negativnog pokazatelja se pogrešno percipira, jer, prema logici studije, što je veći dug / EBITDA, veća je vjerojatnost neispunjavanja obveza; negativan pokazatelj, pak, nije pokazatelj niskog tereta duga. Također, na prediktivnu sposobnost utječu tvrtke s izraženim ekstremnim vrijednostima pojedinih pokazatelja. Dakle, tvrtka Banana-Mama ima temeljni kapital od 10.000 rubalja, što dovodi do izobličenja odgovarajućih pokazatelja - financijska poluga je 181.957 (s prosječnim vrijednostima industrije u rasponu od 0,7-1,5).

Tablica 5. Financijski pokazatelji uzimajući u obzir težinu

Indeks Težina u tablici rezultata Maksimalni rezultat Raspon omjera
>1 5
Omjer tekuće likvidnosti 0,1072 5 > 1 5
0,75-0,1 4
0,5-0,75 1
0-0,5 0
Omjer tekuće likvidnosti 0,1581 8 < 1 8
1-1,5 6
1,5-2 4
2-2,5 2
> 2,5 0
Omjer duga, neto dug / EBITDA 0,1581 8 < 1.5 8
1,5-2 4
> 2 0
0,0790 4 > 1,5 4
1,3-1,5 3
1-1,3 2
< 1 0
Povrat od prodaje, ROS 0,1256 6 > 0,025 6
0,02-0,025 5
0,015-0,02 3
< 0,015 0
0,0418 2 Ne 2
Za jedno izvještajno razdoblje 1
Za dva izvještajna razdoblja ili više 0
Ukupno 0,6698 33 - 68

Isključimo sljedećih šest tvrtki iz studije: supermarket Gorod, Intertrade, M.Video (2013), Svyaznoy, Banana-Mama, Proviant. Također imajte na umu nemogućnost istodobna upotreba ROS pokazatelji i bez gubitaka (Nl> 0) zbog njihove visoke korelacije. Činjenica je da ako tvrtka ima gubitke, profitabilnost prodaje automatski poprima negativnu vrijednost.

Tablica 6. Nefinancijski pokazatelji, uzimajući u obzir težinu

Indeks Težina u tablici rezultata Maksimalni rezultat Raspon koeficijenta / Metoda procjene Bodovi za raspon na temelju težine
Kvaliteta upravljanja 0,099 5 Ispunjenje svih opisanih uvjeta 5
Neispunjavanje jednog od uvjeta 2,5
Neispunjavanje više uvjeta 0
Trajanje tvrtke 0,0528 3 > 5 godina 3
3-5 godina 2
1-3 godine 1
< 1 года Stop faktor
Pozitivna kreditna povijest 0,1782 9 Nema kašnjenja po kreditima i zajmovima, dospjelih obveza 9
Dostupnost informacija o restrukturiranju duga; neznatna kašnjenja po obavezama (do 10%) 4,5
Jedan slučaj kašnjenja zajmova i kredita s naknadnom otplatom; značajna kašnjenja po obavezama (10-25% ukupnog duga) 0
Sustavna kašnjenja zajmova i zajmova za posljednju financijsku godinu; značajan iznos dospjelih obveza (> 25%) Stop faktor
Ukupno 17

Na temelju ovih razmatranja, iz našeg modela ćemo ukloniti eksponent Nl> 0. Za novu regresiju od sedam faktora na ažuriranom uzorku od 35 tvrtki dobivamo sljedeći rezultat (Prilog 3). Vidimo da je šest od sedam proučavanih pokazatelja značajno. Znakovi na koeficijentima ispravno odražavaju gore navedene pretpostavke: što je veća profitabilnost prodaje i kvaliteta upravljanja, to je manja vjerojatnost neplaćanja (y = 1), i obrnuto: što je veći teret duga, veća je vjerojatnost zadane vrijednosti. Na prvi pogled predznak je netočan samo za omjer tekuće likvidnosti. Međutim, visoke vrijednosti likvidnosti jednako su loše kao i niske - ukazuju na nisku poslovnu učinkovitost i izgubljenu dobit. Tvrtke s visokim koeficijentom likvidnosti sklone su niskoj dobiti, niskoj profitabilnosti i poslovnoj isplativosti, što ih čini manje privlačnima u očima potencijalnih ulagača, a samim time i ranjivijima na promjene financijski uvjeti... Najznačajniji omjeri su D (ili Dug - iznos kamatonosnog duga) / EBITDA, pozitivna kreditna povijest i financijska poluga; omjer pokrića kamata je beznačajan.

Iznad, prilikom modeliranja koeficijenata metodom T. Saatyja, također smo pretpostavili da će najznačajniji pokazatelji biti omjeri tereta duga i financijske poluge. Komparativna analiza konačni značaj koeficijenata dat je u tablici. 7.

Tablica 7. Komparativna analiza značajnosti koeficijenata

Pokazatelj na temelju stručnih procjena prema metodi T. Saatyja Koeficijent Pokazatelj na temelju regresijske analize P-vrijednost
Pozitivna kreditna povijest 0,1782 Omjer duga, neto dug / EBITDA 0,014
Omjer poluge 0,1581 Pozitivna kreditna povijest 0,020
Omjer duga, neto dug / EBITDA 0,1581 Omjer poluge 0,022
Povrat od prodaje, ROS 0,1256 Kvaliteta upravljanja 0,037
Omjer tekuće likvidnosti 0,1072 Povrat od prodaje, ROS 0,039
Kvaliteta upravljanja 0,099 Omjer tekuće likvidnosti 0,047
Omjer pokrića kamata, EBIT/kamate 0,0790 Omjer pokrića kamata, EBIT/kamate Beznačajno
Gubitak društva za posljednja tri izvještajna razdoblja 0,0418 Gubitak društva za posljednja tri izvještajna razdoblja Studiran kao nefinancijski pokazatelj, beznačajan

Ovi rezultati ukazuju na konzistentnost T. Saatyjeve metode i statističkih podataka. Tri najznačajnija pokazatelja za analitički pristup potvrđuju njihovu veliku važnost u praktičnim istraživanjima, samo se promijenila raspodjela redoslijeda samih pokazatelja. Također, dva najmanje značajna pokazatelja u prvom dijelu rada – kvaliteta upravljanja i EBIT/kamate – pokazala su se beznačajnima u statističkoj studiji.

Dakle, regresijska analiza potvrđuje principe klasifikacije važnosti težinskih koeficijenata u analitičkom dijelu rada i omogućuje nam da govorimo o statističkoj značajnosti konstruiranog modela bodovanja.

UTVRĐIVANJE REZULTATA RAZVOJENOG MODELA BODOVANJA

Ukupan maksimalni broj bodova modela bodovanja je 50. Za svaki pokazatelj, u procesu određivanja raspona vrijednosti, identificirali smo sljedeću razinu nakon maksimalnog broja bodova, što je također prihvatljivo, ali s relativno visokom razinom. rizika, na temelju tržišnih vrijednosti pokazatelja. Za neke pokazatelje razina nakon maksimuma bila je 75% od ukupno bodova, za ostale - 50%. Sve sljedeće razine smatrat će se razinama s visokim kreditnim rizikom, a zajmoprimci će se klasificirati kao loši. Najpoželjnija skupina uključuje zajmoprimce koji ispunjavaju maksimalne zahtjeve za najznačajnije (po težinskim faktorima) pokazatelje: kreditnu povijest, financijsku polugu i teret duga, kao i profitabilnost prodaje u iznosu od 31 bod i ispunjenje najmanje sljedećih maksimalna razina zahtjeva za ostale pokazatelje - ukupno 12,5. Ukupno 43,5 bodova za najnižu razinu visoke kreditne sposobnosti.

Da bismo odredili granični interval koji karakterizira visok stupanj kreditne sposobnosti, izračunajmo broj bodova za financijske i nefinancijske pokazatelje u sljedećem nakon maksimalnog raspona vrijednosti iz tablice. 5 i b. Pokazatelji su podijeljeni prema prihvaćenim vrijednostima koeficijenata u druge raspone. Dobit ćemo sljedeću klasifikaciju (tablica 8).

Tablica 8. Klasifikacija rezultata

Tablica 9. Prediktivna sposobnost modela bodovanja,%

Na temelju tablice. 8, procijenit ćemo prediktivnu sposobnost našeg modela zamjenom podataka tvrtke u njegovim uvjetima. U Prilogu 4 prikazani su izračunati bodovi za ispitana poduzeća. Ovisno o vrijednosti pokazatelja u tablici, njegova se ocjena ispisuje prema razvijenom modelu, a zatim se sve ocjene zbrajaju u integralni indikator(stupac "Iznos"). Na temelju zbroja bodova poduzeća su podijeljena u tri klase, a zatim su podaci uspoređeni sa stvarnim prisustvom ili odsutnošću neispunjenja obveza od strane poduzeća. U stupcu "Točno ili netočno", 1 znači točan rezultat modela bodovanja, 0 znači pogrešku. Tako smo dobili sljedeći rezultat (tablica 9).

Dobili smo prosjek (u odnosu na one opisane u različitim izvorima) za prediktivnu sposobnost modela bodovanja. Međutim, vrijedno je napomenuti nizak interes pogreške druge vrste, što povećava prediktivnu vrijednost našeg modela. Ovaj se rezultat može smatrati pozitivnim i potvrđuje učinkovitost studije.

ZAKLJUČAK

U ovom radu predložen je skoring model za ocjenu kreditne sposobnosti velikih trgovačkih društava na malo. Model se temelji na skupu procijenjenih pokazatelja koji omogućuju sveobuhvatnu procjenu financijskog i nefinancijskog stanja zajmoprimca.

Na temelju rezultata procjene, zajmoprimcu se dodjeljuje jedna od tri klase kreditne sposobnosti koje karakteriziraju stupanj kreditnog rizika i izvedivost kreditiranja.

Modelirali smo sustav pokazatelja vrednovanja koji nam omogućuju najtočniju procjenu stanja zajmoprimca iz sektora stanovništva. Nakon analize lidera maloprodajnog tržišta i izračunavanja pokazatelja koji se koriste za njih, odredili smo granice prihvatljivih vrijednosti za njih i rangirali ih u različite skupine s različitim postotcima maksimalnog mogućeg rezultata.

Najzahtjevniji zadatak bio je odrediti težinske koeficijente za proučavane pokazatelje. Zaključeno je da je neophodan integrirani pristup zbog nepostojanja jedne idealne metode. Kompleksan pristup provedeno je na sljedeći način: u prvom dijelu rada ponderi su određivani analitičkim postupcima, au drugom statističkom studijom.

Razvijeni model pokazao je visoke rezultate u prediktivnim sposobnostima, a ne zahtijeva velike troškove resursa za analizu. Puštanjem u rad razvijenog skoring sustava povećat će se učinkovitost donošenja kreditnih odluka u području velikih trgovačkih društava i optimizirati kreditni proces.

Književnost

1. Ayvazyan S.A., Mkhitaryan B.C. Primijenjena statistika i temelji ekonometrije. - M.: GU HSE, 1998.

2. Gavrilova A.H. Financije organizacija. - M .: Knorus, 2007.

3. Korobova G.G., Petrov M.A. Dosljednost zajmoprimca banke i njezina procjena u konkurentskom okruženju // Bankarske usluge. -2005. -№7/8. -C. 22-24 (prikaz, stručni).

4. Kulikov N.I., Chainikova L.I. Procjena kreditne sposobnosti zajmoprimca. - Tambov: Sveučilište TSTU, 2007.

5. Uredba Središnje banke Ruske Federacije br. 254-P "O postupku formiranja rezervi kreditnih institucija za moguće gubitke po zajmovima, zajmovima i ekvivalentnim dugovima" od 26. ožujka 2004. - http:// base.garant.ru/584458/.

6. Saati T.L. Matematički modeli konfliktnih situacija / Ed. I.A. Ushakov. - M .: Sovjetski radio, 1977.

7. Sheremet A.D., Saifulin P.C., Negashev H.B. Tehnika financijske analize. - M .: Infra-M, 2001.

8. Abdou N. A., Pointon J. (2011). Bodovanje, statističke tehnike i kriteriji evaluacije: pregled literature. Inteligentni sustavi u računovodstvu, financijama i menadžmentu, Vol. 18, br. 2-3, str. 59-88 (prikaz, stručni).

9. Bailey M. (2004). Kvaliteta potrošačkih kredita: osiguranje, bodovanje, sprječavanje prijevara i naplata. White Box Publishing, Kingswood, Bristol.

10. Crook J., Edelman D., Thomas L. (2007). Najnovija kretanja u procjeni kreditnog rizika potrošača. European Journal of Operational Research, Vol. 183, br. 3, str. 1447-1465 (prikaz, stručni).

11. Gately E. (1996). Neuralne mreže za financijsko predviđanje: vrhunske tehnike za projektiranje i primjenu najnovijih trgovačkih sustava. New York: John Wiley & Sons, Inc.

12. Guillen M., Artis M. (1992.). Modeli podataka o broju za sustav ocjenjivanja kredita: serija europskih konferencija u kvantitativnoj ekonomiji i ekonometriji o ekonometriji modela trajanja, brojanja i tranzicije. Pariz.

13. Heffernan S. (2004). Moderno bankarstvo. John Wiley & Sons, Inc., Chichester, West Sussex.

14. Liang Q. (2003). Dijagnoza korporativnih financijskih problema u Kini: empirijska analiza korištenjem modela kreditnog bodovanja. Hitotsubashi Journal of Commerce and Management, Vol. 38, br. 1, str. 13-28 (prikaz, stručni).

DODATAK 1.

Uzorak za istraživanje

№ Društvo y / Zadani znak Omjer tekuće likvidnosti EBIT / Kamate / Omjer EBIT-a i plaćanja kamata NI> 0 / Dostupnost neto dobiti
1 Ljekarna 36.6 0 0,82 1,32 2,41 1,83 0,0496 1 1 1
2 L "Etualno 0 5,04 2,75 10,98 1,64 0,007 1 1 1
3 Kora 0 0,795 0,77 3,13 1,89 0 0 1 1
4 vrpca 0 0,75 9,7 2,91 3,1 0,049 1 1 1
5 u redu 0 0,67 0,78 1,59 7,01 0,0357 1 1 1
6 Autosvijet 0 1,2 0,65 3,09 1,35 0,04 1 1 1
7 X5 Retail Group 0 0,55 0,53 3,32 2,82 0,027 1 1 1
8 Grad 0 0,99 18,97 10,25 1,29 0,01 1 1 0
9 Dječji svijet 0 0,93 0,83 2,14 3,99 0,032 1 1 1
10 Dixie 0 0,77 1,19 6,1 1,78 0,01 1 1 1
11 InterTrade 0 1,24 20,65 4,92 2,1 0,015 1 1 0
12 Karusel 0 0,73 0,68 3,175 1,71 0,059 1 1 1
13 Peni 0 0,68 2,93 7,03 1,82 0 0 1 1
14 Grupa Kosmos 0 1,64 1,11 2,88 2,65 0,043 1 1 1
15 Magnet 0 i 0,54 1,11 10,2 0,061 1 1 1
16 Magnolija 0 0,27 2,35 3,55 1,02 0,064 1 1 1
17 M.Video (2007.) 0 1,31 0,73 1,9 2,58 0,013 1 1 1
18 M.Video (2013.) 0 0,95 0 0 0 0,039 1 1 1
19 OJSC "NTS" 0 1,18 3,09 5,44 1,05 0,21 1 0 1
20 Cipele Rusije 0 0,87 2,34 1,87 5,65 0,1 1 1 1
21 Raskrižje (2005.) 0 0,54 1,09 3,16 3,92 0,026 1 1 1
22 Pivdom 0 1,99 3 8 1,1 0,0006 1 0 1
23 Obitelj 0 10 0,28 1,66 6 0,58 1 1 1
24 Glasnik 0 1,07 0 0 0 0,001 1 1 1
25 Elekam 0 1,44 1,82 4,25 1,3 0,01 1 1 1
26 Makro 1 1 15 11 1,52 0,01 1 0 1
27 Prestige Express 1 8 0,98 12,43 1,02 0,002 1 0 1
28 Arbat-Prestige 1 0,49 1,81 7,6 1,45 0,017 1 1 0
29 Orhideja 1 3 1,164 13 0 0,01 1 0 1
30 Banana mama 1 0,94 181957 -35 -0,6 -0,033 0 1 0
31 Bijela fregata 1 7 932 8,76 0,88 -0,4 0 1 1
32 Marta 1 3,96 20 11 1/17 0,003 1 1 1
33 Matrica 1 2,38 21 6,82 1 0,001 1 0 0
34 Merkur
(samohvala)		 1 1,12 9,98 7,32 1,27 0,003 1 1 1
35 Minnesco 1 0,79 4,39 12 0,12 -0,047 0 1 1
36 Mosmart 1 12 5 8 1,5 0 0 0 0
37 Polesie 1 7,93 15 14 1,03 0,003 1 0 1
38 Odredba 1 0,12 35557 0 0 -0,819 0 0 1
39 Sedmi kontinent 1 1,93 0,41 1,52 1,35 0,07 1 0 1
40 Tehnosila 1 14 18 10,36 1 0,002 1 1 1
41 TOAP 1 7 22 10,83 1,04 0,009 0 0 1

Napomena: ako je tvrtka imala zadanu vrijednost, tada koeficijent poprima vrijednost 1, a 0 ako nije bilo zadane vrijednosti.

DODATAK 2.

Regresija s osam faktora za 41 tvrtku

Regresija i ostatak DF / Broj stupnjeva slobode SS / Zbroj kvadrata MS = SS / DF F-statistika Značaj F / Značaj
Regresija 8 6,250849408 0,781356176 7,133131961 2.17209E-05
Ostatak 32 3,505248153 0,109539005 - -
Ukupno 40 9,756097561 - - -
Korišteni parametri tStat / t-statistika P-vaiue / Značaj
Intercept / Konstanta 0,354797355 0,281481615 1,260463691 0,216616062
Omjer tekuće likvidnosti 0,034652978 0,01876389 1,846790732 0,074043212
Poluga 1.31819E-05 4.77939E-06 2,758072506 0,009529947
D / EBITDA / Omjer duga za kamate prema EBITDA 0,044980795 0,018152923 2,477881708 0,018682248
-0,012377044 0,030936193 -0,40008296 0,691753745
ROS / povrat od prodaje -0,530759612 0,375019201 -1,415286499 0,166643428
NI> 0 / Dostupnost neto dobiti -0,02891433 0,164713359 -0,175543319 0,861758855
Voditelj / Upravljanje kvalitetom -0,266367tl2 0,134861932 -1,975109717 0,056935374
Povijest / Kvaliteta kreditne povijesti -0,109402928 0,159841844 -0,684444857 0,498621797

DODATAK 3.

Regresija sa sedam faktora za 35 tvrtki

Regresija i ostatak DFI Broj stupnjeva slobode SS / Zbroj kvadrata MS = SS / DF F-statistika Značaj F / Značaj F
Regresija 7 5,898901667 0,842700238 9,097165886 9.56E-06
Ostatak 27 2,501098333 0,092633272 - -
Ukupno 34 8,4 - - -
Korišteni parametri Koeficijenti Standardna pogreška t Stat / t-statistics P-vrijednost
Intercept / Konstanta 0,473712463 0,25308461 1,871755309 0,072111654
Omjer tekuće likvidnosti 0,018420061 0,017803477 1,034632774 0,047018946
Poluga 0,017110959 0,009674238 1,768713818 0,022823937
D / EBITDA / Omjer duga za kamate prema EBITDA 0,046019604 0,021802198 2,110778177 0,014194286
EBIT / Kamate / Omjer EBIT-a i plaćanja kamata -0,004583381 0,032996403 -0,13890548 0,89055573
ROS / povrat od prodaje -0,582081686 0,483677061 -1,203451088 0,039247801
Voditelj / Upravljanje kvalitetom -0,174077167 0,138900851 -1,253247659 0,03786026
Povijest / Kvaliteta kreditne povijesti -0,378981463 0,194742843 -1,946061058 0,020243892

DODATAK 4.

Procjena poduzeća iz uzorka pomoću modela bodovanja

Društvo Imati Omjer tekuće likvidnosti Poluga D / EBITDA / Omjer duga za kamate prema EBITDA EBIT / Kamate / Omjer EBIT-a i plaćanja kamata ROS / povrat od prodaje Voditelj / Upravljanje kvalitetom Povijest / Pozitivna kreditna povijest Trajanje tvrtke Iznos Razred Istina ili laž *
Ljekarna 36.6 0 4 6 4 4 6 5 9 3 41 2 1
L "Etualno 0 5 0 0 4 0 5 9 3 26 3 0
Kora 0 4 8 0 4 0 5 9 3 33 2 1
vrpca 0 1 0 0 4 6 5 9 3 28 3 0
u redu 0 1 8 4 4 6 5 9 3 40 2 1
Autosvijet 0 5 8 0 3 6 5 9 3 39 2 1
X5 Retail Group 0 1 8 0 4 5 5 9 3 35 2 1
Dječji svijet 0 4 8 4 4 6 5 9 3 43 2 1
Dixie 0 4 6 0 4 0 5 9 3 31 2 1
Karusel 0 1 8 0 4 6 5 9 3 36 2 1
Peni 0 1 0 0 4 0 5 9 3 22 3 0
Grupa Kosmos 0 5 6 0 4 6 5 9 3 38 2 1
Magnet 0 5 8 8 4 6 5 9 3 48 1 1
Magnolija 0 0 2 0 2 6 5 9 3 27 3 0
M.Video (2007.) 0 5 8 4 4 0 5 9 3 38 2 1
OJSC "NTS" 0 5 0 0 2 6 0 9 3 25 3 0
Cipele Rusije 0 4 2 4 4 6 5 9 3 37 2 1
Raskrižje (2005.) 0 1 6 0 4 5 5 9 3 33 2 1
Pivdom 0 5 0 0 2 0 0 9 3 19 3 0
Obitelj 0 5 8 4 4 6 5 9 3 44 1 1
Elekam 0 5 4 0 2 0 5 9 3 28 3 0
Makro 1 4 0 0 4 0 0 9 3 20 3 1
Prestige Express 1 5 8 0 2 0 0 9 3 27 3 1
Arbat-Prestige 1 0 4 0 3 0 5 0 3 15 3 1
Orhideja 1 5 6 0 0 0 0 9 3 23 3 1
Bijela fregata 1 5 0 0 0 0 5 9 3 22 3 1
Marta 1 5 0 0 2 0 5 9 3 24 3 1
Matrica 1 5 0 0 0 0 0 0 3 8 3 1
Merkur (samohvala) 1 5 0 0 2 0 5 9 3 24 3 1
Minnesco 1 4 0 0 0 0 5 9 3 21 3 1
Mosmart 1 5 0 0 3 0 0 0 3 11 3 1
Polesie 1 5 0 0 2 0 0 9 3 19 3 1
Sedmi kontinent 1 5 8 4 3 6 0 9 3 38 2 0
Tehnosila 1 5 0 0 0 0 5 9 3 22 3 1
TOAP 1 5 0 0 2 0 0 9 3 19 3 1

* Stupac pokazuje jesmo li dobili ispravnu odluku o kreditiranju tvrtke prema modelu bodovanja.

Kreditiranje

bodovna procjena pojedinaca

na tržištu potrošački krediti

U. Rykov,

liječnik ekonomske znanosti Moskva grad

U posljednje vrijeme posebna se pozornost posvećuje ocjenjivanju kreditne sposobnosti pojedinca pomoću bodovnog (temeljenog na bodovanju) sustava za odabir ključnih financijskih pokazatelja1.

Na primjer, takav sustav, koji je 1941. prvi predložio američki ekonomist David Durant, omogućuje procjenu “težine” financijskih i ekonomskih čimbenika koji utječu na konkurentnost. Treba napomenuti da svaki ključni faktor (pokazatelj) dobiva u bodovima brojčanu vrijednost koja odgovara razini njegove važnosti. U budućnosti, na temelju rezultata takvog rangiranja, sastavlja se bodovna ljestvica u obliku tablice grupirane po faktorima.

Dakle, bodovanjem se identificiraju one karakteristike koje su najtješnje povezane s kreditnom sposobnošću pojedinog zajmoprimca, pa je važno osigurati ispravan odabir tih karakteristika i odrediti odgovarajuće pondere. Osim toga, posebnost metode bodovanja je da se ona ne bi trebala primjenjivati ​​prema predlošku, već bi je svaka banka trebala samostalno razvijati na temelju značajki koje su joj svojstvene, uzimajući u obzir tradicije zemlje, promjene u društveno-ekonomskom uvjeta i sl. bodovanja, banka treba analizirati učinkovitost postojećeg modela i po potrebi modificirati skup karakteristika i ljestvicu njihovih brojčanih procjena.

Većina kreditnih institucija koristi kreditno bodovanje za procjenu pojedinaca

1 Proskurin V.A. Metoda bodovanja za procjenu kreditne sposobnosti pojedinaca // Poslovanje i banke. -2000.-br.30.

osoba na tržištu potrošačko kreditiranje(Stol 1).

Odmah utvrdimo da s konačnim pokazateljem od 1,25 bodova ili više, klijent pripada skupini beznačajnog ili umjerenog rizika, manje od 1,25 bodova je neželjeni klijent.

Sljedeća faza u procjeni kreditne sposobnosti zajmoprimca u kreditnim institucijama je provođenje detaljnije analize pojedinca, uzimajući u obzir njegove karakteristike (tablica 2.).

Jedna od glavnih prednosti ekspresnih kredita je ta što banke često ne zahtijevaju kolateral. Kod ekspresnog kreditiranja, solventnost zajmoprimca mogu procijeniti ili "ručno" zaposlenici banke (za formalizaciju je potrebno 2-3 dana) ili uz pomoć posebnog računalnog programa - sustava bodovanja (odluka se donosi u jednom danu ).

Načelo procjene solventnosti ekspresnog auto zajma je isto kao i kod potrošačkog kreditiranja: program sadrži podatke iz upitnika zajmoprimca, svakom pokazatelju dodjeljuje se određena vrijednost (bod), a o njihovom zbroju se odlučuje hoće li se odobriti zajam ili odbiti.

Tehnika bodovanja može značajno skratiti vrijeme za razmatranje zahtjeva, ali povećava rizike banke, koja ih sukladno tome nadoknađuje. visoki ulog... Obično zajmovi u jednom danu koštaju 3-4 postotna boda više od ekspresnih zajmova s ​​ručnom procjenom vrijednosti. Osim toga, maksimalni iznosi bodovanja kredita obično su vrlo ograničeni, ova metoda procjene je tehnološki najnapredniji proizvod koji vam omogućuje smanjenje troškova banke i brzo povećanje kreditnog portfelja.

stol 1

Duran tehnika bodovanja kredita

Indikatorski broj bodova Maksimalni iznos bodova

Dob 0,01 bod za svaku godinu iznad 20 godina 0,3

Spol žena - 0,4 muškarac - 0 -

Trajanje boravka na određenom području 0,042 za svaku godinu boravka na određenom području 0,42

Zanimanje Niski rizik - 0,55 Visok rizik - 0 Ostala zanimanja - 0,16 -

Rad u industriji Poduzeća javnog sektora, državne institucije, banke, brokerske kuće - 0,21 -

Zaposlenost Za svaku godinu rada u poduzeću - 0,059 0,59

Financijska dostupnost bankovni račun- 0,45 Vlasništvo nad nekretninom - 0,35 Polica životnog osiguranja - 0,19 -

tablica 2

sustav kreditnog bodovanja za ocjenu kreditne sposobnosti pojedinih zajmoprimaca

Karakteristike kupaca Bodovi Karakteristike kupaca Bodovi

1. Starost klijenta: 6. Zvanje, mjesto rada:

manje od 30 godina 5 menadžer 9

manje od 50 godina 8 KV radnika 7

više od 50 godina 6 nekvalificirani radnik 5

učenik 4

umirovljenik 6

nezaposlen 2

2. Dostupnost uzdržavanih osoba: 7. Trajanje zaposlenja:

ne 3 manje od 1 godine 3

jedan 3 manje od 3 godine 4

manje od 3 2 manje od 6 godina 7

više od 3 1 više od 6 godina 9

3. Životni uvjeti: 8. Dostupnost računa u banci:

vlastiti stan 10 tekući i štedni 6

stan za najam 4 trenutno 3

ostalo (živi s prijateljima, obitelji) 5 ušteđevine 2

na ovoj adresi: 2 (uključujući ostale financijske institucije):

manje od 6 mjeseci 4 jedan 3

manje od 2 godine 6 više od dvije 5

manje od 5 godina 8 br 1

više od 5 godina

5. Prihodi klijenata (godišnje), $:

više od 50.000 9

Razmotrimo metodologiju za procjenu solventnosti zajmoprimca, koja se koristi, na primjer, u programu Autoexpress-credit, te ćemo na temelju nje napraviti izračun. Financijske mogućnosti klijenta bit će označene konvencionalno u tablici 3.

Na temelju toga izračunat će se udio mjesečne otplate kredita po formuli (1):

Tablica 3

Financijske mogućnosti klijenta - pojedinca

1. Plaća za život u regiji kreditiranja PM

2. Zatočenici, broj L

Prihodi: 3. Prosječna plaća za posljednja 3 mjeseca. Z

4. Godišnji iznos redovnih prihoda koji se uzima u obzir kao izvori otplate kredita.

5. Ukupna prosječna mjesečna primanja Sd = W + Pd / 12

Troškovi: 6. Troškovi održavanja Rs = (L + 1) h PM

7. Mjesečna uplata za stan (po ulasku, najam) Pk

8. Godišnja školarina Pu

9. Godišnji iznos doprinosa za dobrovoljno osiguranje Sunce

10. Uplate za otplatu tekućeg duga po zajmovima, kreditima, kamatama na njih (prosjek za zadnja 3 mjeseca) Pl

11. Ostali troškovi (alimentacija, odbici po sudskom nalogu i sl.), prosjek u posljednja 3 mjeseca. NS

12. Konačna prosječna mjesečna potrošnja sri = Ps + Pk + Pl + Pr + (Pu + Sun) / 12

13. Prosječni mjesečni raspoloživi prihod Rd = (Sd-Sr)

Ocjenjivanje će se vršiti prema kriteriju 100 x (1 - Dp). Maksimalni broj bodova za kriterij je 30.

Za utvrđivanje ocjene prema kriteriju "Financijske sposobnosti naručitelja" od naručitelja su potrebni sljedeći dokumenti:

■ potvrdu s mjesta rada o primanjima klijenta za prošlu godinu i za sve pune mjesece tekuće godine, potpisanu od strane šefa računovodstva i ovjerenu pečatom;

■ dokumenti koji potvrđuju dodatni prihod. Sljedeća faza u procjeni solventnosti pojedinca je dostatnost nezaložene imovine klijenta (tablica 4.).

Polazeći od toga, pri određivanju ocjene prema ovom kriteriju, dostatnost svojstva ocjenjuje se prema formuli (2):

Također je potrebno procijeniti sigurnost kredita (tablica 5.).

Maksimalni broj bodova za ovaj kriterij je 25.

Sljedeća faza u procjeni solventnosti pojedinca je kriterij za uvjete kreditiranja (tablica 6.).

Prilikom utvrđivanja prema ovom kriteriju, klijent je dužan izvući s računa klijenta u banci

Tablica 4

Pokazatelji dostatnosti nezaštićene imovine klijenta

Ocjenjivanje će se vršiti prema kriteriju 5 x Di. Maksimalni broj bodova za kriterij je 5. Prilikom utvrđivanja ocjene dostavljaju se sljedeći dokumenti:

■ dokumenti koji potvrđuju vlasništvo;

■ police osiguranja na posjedu.

Karakteristično Simboli

1. Prilozi za

2.1. Vrijednosni papiri Centralne banke

2.2. Vrednovanje vrijednosnih papira Otsb = Tsb / 2

3.1. Vlastiti stan Kv

3.2. Osigurana svota Ks

3.3. Procjena stana Ok = min (Sq, Ks)

4.1. Vlastita kuća Sd

4.2. Osigurana svota DS

4.3. Procjena kuće Od = min (Sd, Ds)

5.1. Dacha Dch

5.2. Osigurana svota dchs

5.3. Ocjena kuće Odch = min (Dch, Dchs)

6.1. Automobil A

6.2. Osigurana svota ca

6.3. Procjena automobila Oa = min (A, Ca)

7.1. Ostalo vlasništvo Ii

7.2. Osigurana svota C

7.3. Vrednovanje ostale imovine Oi = min (Ii, Si)

8. Svojstvo Im = B + Otsb + Ok + Od + Odch + Oa + Oi

Tablica 5

Osiguranje kredita

Naziv karakteristike Legenda

1. Procijenjena vrijednost kolaterala Oz

2. Kolateralni popust,% Bd

Sigurnost Ok = Oz x (1 - Zd) / Cr x (1 + 2 x St / 12) 100 x (1 - Ok)

Tablica 6

Uvjeti kreditiranja fizičkih lica

Vrijednost karakteristike Ocjena po kriteriju

1. Financiranje kupnje od strane klijenta F 7 h ((F / (F + Kr))

2. Rok kredita, mjeseci. sri 3 x (gd. - sri) / (gd. - 1)

Konačna ocjena po kriteriju Zbroj procjena parametara

ke. Maksimalan broj bodova prema kriteriju je 10. Ovisno o osvojenim bodovima, posudba spada u jednu od kategorija kvalitete (tablica 7.).

■ klijent banke nema stalno prebivalište u gradu (prigradskom naselju) u kojem se nalazi kreditni odjel banke ili je razdoblje njegovog stalnog neprekidnog boravka u tom gradu (prigradskom naselju) kraće od jedne pune godine;

■ ocjena prema kriteriju "Karakter klijenta" nije pozitivna;

■ ocjena prema kriteriju “Financijske sposobnosti klijenta” negativna;

■ ocjena na kriteriju "Osiguranje kredita" je nula.

Provest ćemo daljnju procjenu klijenta kreditne institucije prema kriterijima prikazanim u tablici. 3 - 7. Podaci su prikazani u tablici. osam.

Konačni obračun bodova na kredit

Tablica 7

Broj bodova osvojenih u ocjenjivanju kvalitete kredita Ocjena kategorije kvalitete

Od 30 do 65 uključujući 2 Zahtjev je neadekvatan za traženi kredit

Tablica 8

Procjena solventnosti klijenta

Parametri kreditiranja

Financijske mogućnosti klijenta

Z (rub.) * 67 500

PD (godišnje) -

Pu (godišnje) 20.000

ned (godišnje) -

Pl (mjesečno) -

Ocjenjivanje po kriteriju (bodovima) Ots. 1 - 41. Maksimalno - 30

Dostatnost neopterećene imovine

Kraj stola. osam

Ocjenjivanje po kriteriju Ots. 2 - 31.25. Maksimalni iznos prema kriteriju je 5

Osiguranje kredita

Ocjenjivanje po kriteriju Ots. 3 - 10 (prikaz, stručni).

Maksimalni rezultat - 25

pozajmljivanje

Ocjenjivanje po kriteriju Ots. 4 - 2.9. Maksimalno - 10

Zbroj bodova = pribl. 1 + sc. 2 + sc. 3 + sc. 4 + sc. 5 - - 74,15 bodova.

Zaključak o kreditnoj sposobnosti klijenta - preko 65;

* Na temelju 1 američkog dolara - 27 rubalja.

najpotpunije odražavaju sve karakteristike potencijalnog klijenta - pojedinca prilikom primanja potrošačkih kredita.

Praksa masovne primjene metode bodovanja u ruskim uvjetima može dovesti do naglog povećanja nepodmirenih obveza2. Pozitivno iskustvo njihove uspješne upotrebe u gospodarstvu razvijene zemlje nastala je u potpuno drugačijem gospodarskom okruženju. U Rusiji, u nedostatku kreditnih ureda, niskoj kreditnoj kulturi stanovništva, jedinstvenom informacijskom prostoru financijskoj sferi masovna uporaba inozemnih skoring tehnologija nedvojbeno će povećati kreditne rizike poslovanja s stanovništvom. U tom smislu, unaprjeđenje metodoloških pristupa ocjenjivanju kreditne sposobnosti pojedinih zajmoprimaca, prilagodba raspoloživog inozemnog iskustva u ovoj oblasti Ruske posebnostičini se da je to vrlo važan zadatak.

Kako bi procijenili solventnost klijenta, kreditni službenici moraju analizirati ogroman broj dokumenata. Njihov popis je prilično velik i uključuje oko 15 stavki. Njihovo obvezno osiguranje od strane klijenta, s jedne strane, ograničava raspon potencijalnih zajmoprimaca banke, a s druge strane omogućuje formiranje kvalitetnijeg kreditnog portfelja i smanjenje kreditnog rizika.

Jedna od prednosti ove tehnike je korištenje posebne formule i prilagodba koeficijenata koji omogućuju pojednostavljenje rada djelatnika kreditnog odjela banke i izračunavanje solventnosti potencijalnog zajmoprimca. Međutim, pokazatelje za to treba dobiti u svakoj konkretnoj situaciji posebno, a rezultat ne treba smatrati nečim što svjedoči

2 Voroshilova IV, Surina IV O pitanju poboljšanja mehanizma za procjenu kreditne sposobnosti pojedinačnih zajmoprimaca. Materijali KubSAU, Krasnodar. - 2005.

što je nedvosmisleno za ili protiv izdavanja zajma. Doista, čak i ako su u trenutku razmatranja zahtjeva za kredit financijski pokazatelji klijenta na prihvatljivoj razini, nemojte zaboraviti da rizik nevraćanja kredita i dalje ostaje, budući da ga je u načelu nemoguće potpuno eliminirati . Pokazatelji će samo pomoći u procjeni stupnja kreditnog rizika i, nažalost, ova tehnika ne dopušta predviđanje položaja zajmoprimca u budućnosti.

Najviše važna točka u postupku preuzimanja - procjena solventnosti klijenta sa stajališta sposobnosti pravovremenog plaćanja kredita. Za provedbu ove procjene, informacije o zapošljavanje i primitak prihoda od strane zajmoprimca, kao i njegove troškove. Nakon toga se donosi zaključak – hoće li moći otplatiti kredit. Istovremeno se daje mišljenje je li založena imovina dovoljno osiguranje za davanje kredita ili ne.

Kao što je navedeno u predloženim metodama za kreditne institucije, među kvantitativnim karakteristikama su omjer ukupnih mjesečnih obveza dužnika prema ukupnim prihodima obitelji za isto razdoblje, kao i adekvatnost sredstava (na temelju troškova održavanja). Kvalitativne karakteristike uključuju prihod zajmoprimca, stabilnost zaposlenja, kreditnu povijest, sigurnost kredita itd.

Ocjenjujući metodologiju osiguranja, možemo zaključiti da je ovdje primijenjen sustavni pristup analizi dužnika. Pozitivna strana metode - sposobnost banke da razvije individualni pristup svakom potencijalnom zajmoprimcu, unutar kojeg će se uzeti u obzir potreban broj karakteristika. Negativna strana je mukotrpnost njegove provedbe, što zahtijeva posebne kvalifikacije zaposlenika banke. Većina banaka preferira

FINANCIJE I KREDIT

nadoknaditi kreditni rizik podizanjem kamatne stope. Koriste se i druge metode čija primjena ne zahtijeva puno vremena i rada3.

Valja napomenuti da se razumijevanje izvodljivosti i relevantnosti korištenja naprednijih metoda javlja najčešće u onim bankama u kojima se kreditiranje fizičkih lica provodi kao masovna usluga. Ako banka planira pokrenuti veliki program, tada je za uspjeh na tržištu suočen sa stalnom jačom konkurencijom i, kao rezultat toga, smanjenjem profitabilnosti potrebno tražiti načine za smanjenje operativnih troškova i minimiziranje rizicima.

Preduvjet ovdje će biti ispravna konstrukcija mehanizma koji će obavljati ovu aktivnost. Slikovito rečeno, potrebno je stvoriti svojevrsni transporter koji se sastoji od određenog broja zaposlenika koji komuniciraju s zajmoprimcima i među sobom prema određenim jasno definiranim pravilima i algoritmima. Ovi algoritmi uključuju metode za analizu zahtjeva i donošenje odluka o izdavanju zajma.

U procesu analize podataka o zajmoprimcima i kreditima koriste se različite matematičke metode koje u njima otkrivaju čimbenike i njihove kombinacije koji utječu na kreditnu sposobnost zajmoprimaca i snagu njihovog utjecaja. Otkrivene ovisnosti čine osnovu za donošenje odluka u odgovarajućem bloku.

Predloženi pristupi poboljšanju organizacije procesa kreditiranja pojedinačnih zajmoprimaca u fazi procjene njihove kreditne sposobnosti omogućit će ujednačavanje postupka, na temelju toga, ubrzati i smanjiti trošak, kako bi se dobio točniji i utemeljeniji rezultat , što će u konačnici smanjiti rizike kreditiranja, osigurati potrebnu stabilnost banke i zadanu razinu profitabilnosti.

Dakle, osnovno pitanje kreditiranja fizičkih lica je pouzdana klasifikacija potencijalnih zajmoprimaca na “dobre” i “loše”. Mogu se izdvojiti sljedeći problemi u području kreditiranja fizičkih lica s kojima se banke danas suočavaju:

1. Nedostatak posebnog zakonodavstva koje regulira odnose u području potrošačkog kreditiranja. Odnosi u ovoj oblasti

3 Voroshilova I. V, Surina I. V. O pitanju poboljšanja mehanizma za procjenu kreditne sposobnosti pojedinačnih zajmoprimaca. Materijali KubSAU, Krasnodar. - 2005.

regulirani su Zakonom Ruske Federacije od 19. prosinca 2000. br. 238-FZ "O bankama i bankarstvo"I Zakon Ruske Federacije od 07.02.1992. br. 2300-1" O zaštiti prava potrošača ".

2. Nedostatak kreditne povijesti. To daje mnoge mogućnosti za beskrupulozne zajmoprimce koji mogu dobiti više zajmova od različitih banaka bez ikakve provjere svojih prethodnih kreditnih "poduzimanja".

3. Korištene sheme plaća poduzeća. Poslodavci često preferiraju “sive” sheme za isplatu naknada svojim zaposlenicima. Zajmoprimac ne može službeno potvrditi razinu prihoda, a banka gubi solventnog klijenta.

4. Ne postoji jednostavan mehanizam povrata novca investitoru u slučaju insolventnosti dužnika. Cijena ovih grešaka je vrlo visoka: gubitak glavnice, pravni troškovi, administrativni troškovi, izgubljeno vrijeme itd.

5. Problemi klasifikacije. Potrebna je pouzdana procjena potencijalnog zajmoprimca, odsječak “loših” zajmoprimaca. Pogrešna klasifikacija stvara problem prisilne otplate sredstava od strane zajmoprimca.

6. Problem kolaterala. Mehanizam prodaje kolaterala je nezgodan i skup pothvat. Nedostatak upisa zaloga pokretnine omogućuje da nesavjesni zajmoprimac proda ili ponovno založi založenu imovinu.

Tu je i problem procjene stvarnih mogućnosti jamaca, što je posljedica činjenice da većina ruskih banaka pitanje smanjenja svojih kreditnih rizika rješava jednostavnim prijenosom na jamce zajmoprimca. Pritom su često i jamci, pogotovo kada velike veličine kredita, razne su pravne osobe (i velika i srednja i mala poduzeća). U kontekstu budućih plastičnih zajmova, ova će se praksa primjenjivati ​​svugdje, budući da je zajmoprimcu zgodno izdati plastičnu karticu, a u slučaju bilo kakvih poteškoća s povratom kredita zatražiti je od jamca - poduzeća kod kojeg on radi. Na prvi pogled, ovo bi trebalo riješiti problem, ali ako promatramo pitanje šire, onda ovo kreditna politika ne jamči uspjeh u mjeri na koju se banke oslanjaju.

Proučivši glavne probleme kreditiranja fizičkih lica, možemo predložiti sljedeće načine njihovog rješavanja:

1. Za razvoj tržišta hipotekarni kredit prije svega, potrebno je smanjiti

kamatnu stopu za kredit eliminirajući rizik neplaćanja iz njega. Također je potrebno uvesti niz izmjena i dopuna u neke zakonodavne akte Ruske Federacije usmjerene na formiranje tržišta pristupačnih stanova.

2. Za razvoj tržišta obrazovnog kreditiranja potrebno je:

Pravni okvir za pružanje financijska pomoć za sve koji se žele i mogu školovati;

Jamstvo za otplatu kredita od strane države, što mu omogućuje da preuzme značajan dio rizika.

3. U konkurentskom okruženju pobjednik će biti onaj koji minimizira rizike tako što će pouzdano utvrditi koji je klijent „dobar“, a koji „loš“, te će zajmoprimcima ponuditi povoljnije uvjete.

4. Banke moraju prihvatiti vrhunsku tehnologiju i primijeniti je za procjenu potencijalnih zajmoprimaca. Zahvaljujući tome, bit će moguće ne bojati se nadolazeće konkurencije na ovom tržištu. U takvoj situaciji banke koje se odluče za razvoj ovog tržišta trebale bi imati sljedeće:

Konsolidirani podaci o kupcima predstavljeni u jedinstvenom obliku. Informaciju treba povremeno ažurirati podacima iz svih poslovnica banke. Takav će repozitorij djelovati kao kreditni ured;

Pouzdana metoda razvrstavanja (pouzdanost bi trebala biti veća od 90%) potencijalnih zajmoprimaca i odsjecanja onih "nepouzdanih". Ova metoda će smanjiti rizike neotplate na minimum, što će omogućiti izdavanje jeftinijih kredita i, sukladno tome, privući više zajmoprimaca. Istodobno će se značajno povećati dobit od kreditiranja fizičkih lica;

Model klasifikacije zajmoprimca trebao bi imati svojstva replikacije i prilagođavanja stanju na tržištu, svakoj poslovnici banke. To jest, izgrađen na temelju općih zakona, model bi trebao biti prilagođen posebnim značajkama svojstvenim svakoj grani. To će omogućiti lokalne obzire, što će dodatno smanjiti rizik;

Model klasifikacije treba povremeno redizajnirati kako bi odražavao nove tržišne trendove. Time se postiže njegova relevantnost.

Uostalom, jedno te isto ne može se koristiti

isti pristup prije 5 godina i sada.

U ovom trenutku banke, u ovom ili onom stupnju, imaju iskustva u svakoj od ovih točaka, ali metode na kojima se temelje su ili previše inertne da bi adekvatno odgovorile na dinamiku tržišta, ili preskupe (predložena strana rješenja usporediva su s prihodima od potrošača). pozajmljivanje u sadašnjem obliku). Zato su krediti tako skupi, a potražnja za njima nije tako velika. Povećanje pouzdanosti i smanjenje troškova omogućit će napuštanje prakse prijenosa rizika i troškova na zajmoprimce. Tada će svi imati koristi - i banke, zadržavajući specifičnu profitabilnost na istoj razini, i zajmoprimci privučeni povoljnijim uvjetima. Sve to postaje sve relevantnije s obzirom na budući brzi rast tržišta potrošačkih kredita i buduću konkurenciju.

Jedna od glavnih mjera za sprječavanje mogućih gubitaka je ispravna procjena sposobnosti zajmoprimca da podmiri svoje obveze. Izbor kriterija za njega bio je relevantan u svim razdobljima razvoja bankarstva i već je ušao u ekonomsku literaturu kao jedan od glavnih zadataka u određivanju kreditne sposobnosti zajmoprimca. Jednako važan je i problem pravilne organizacije postupka kreditne ocjene kao najvažnijeg u kreditnom procesu.

Kreditna sposobnost kupaca u svijetu bankarsku praksu pojavljuje se kao jedan od glavnih objekata procjene pri utvrđivanju izvedivosti i oblika kreditnih odnosa. Sposobnost otplate duga povezana je s moralnim kvalitetama klijenta, njegovom umjetnošću i zanimanjem, stupnjem kapitalnog ulaganja u nekretnine, sposobnošću zarade za otplatu kredita i drugim obvezama.

Popis elemenata kreditne sposobnosti zajmoprimca i pokazatelja koji ih karakteriziraju može se širiti ili skraćivati ​​ovisno o ciljevima analize, vrsti kredita, uvjetima kredita, stanju kreditnih odnosa banke s dužnikom. Optimalne ili prihvatljive vrijednosti takvih pokazatelja trebaju se razlikovati ovisno o aktivnostima zajmoprimca, specifičnim uvjetima transakcije itd.

Danas postoji nekoliko osnovnih metoda za procjenu kreditne sposobnosti klijenata. Sustavi se međusobno razlikuju po

broj pokazatelja koji se koriste kao sastavni dijelovi ukupna procjena zajmoprimca, kao i različiti pristupi karakteristikama i prioritetu svakog od njih.

Scoring modeli se uglavnom koriste kod davanja kredita za kupnju robe (ekspresno kreditiranje) i kod izdavanja kreditnih kartica. Scoring je matematički (statistički) model, uz pomoć kojeg banka na temelju kreditne povijesti postojećih klijenata utvrđuje kolika je vjerojatnost da će određeni klijent vratiti kredit u zadano vrijeme. Bodovanje ističe one karakteristike koje su najtješnje povezane s pouzdanošću ili, obrnuto, s nepouzdanošću klijenta.

Tehnika kreditnog skoringa je procjena u točkama karakteristika koje omogućuju dovoljno pouzdano određivanje stupnja kreditnog rizika prilikom davanja potrošačkog kredita određenom zajmoprimcu. Najznačajniji pokazatelji za predviđanje kreditnog rizika mogu biti pokazatelji kao što su dob, broj uzdržavanih osoba, zanimanje, prihod, troškovi stanovanja itd.

Prednosti modela bodovanja su očite:

1) smanjenje razine kašnjenja kredita, brzina i nepristranost donošenja odluka;

2) prilika učinkovito upravljanje kreditni portfelj;

3) nedostatak dugotrajne obuke zaposlenika kreditnog odjela;

4) mogućnost provođenja ekspresne analize zahtjeva za kredit u prisutnosti klijenta.

Međutim, unatoč pozitivnim aspektima, korištenje kreditnog bodovanja prepuna je niza poteškoća. Jedna od njih je da se utvrđivanje ocjenjivačkih karakteristika vrši samo na temelju podataka o onim klijentima kojima je banka već dala kredit. Drugi i najznačajniji problem je taj što se modeli bodovanja temelje na uzorku najranijih kupaca. Imajući to na umu, zaposlenici banke moraju povremeno provjeravati kvalitetu sustava i, kada se on pogorša, razvijati novi model.

Valja napomenuti da se desetak karakteristika preuzima iz prijavnog upitnika koji ispunjava zajmoprimac, a ostatak podataka pohranjuje se u statističku bazu podataka radi daljnjeg ažuriranja i analize bodovanja. U ovom trenutku ruske banke procijeniti karakteristike kao što su prihodi, broj uzdržavanih osoba, vlasništvo nad automobilom (istodobno razlikuju automobil domaće i strane proizvodnje, svakako uzmu u obzir vrijeme koje je prošlo od njegovog puštanja u promet), prisutnost zemljišne čestice (uzimaju se u obzir njezina površina i udaljenost od centra grada), radni staž, položaj, obrazovanje.

Scoring (od engleskog score, score) je metoda procjene kreditne sposobnosti. Kao zajmoprimac, zainteresirani ste za bodovanje za samodijagnozu: da saznate razloge odbijanja posudbe ili procijenite izglede za budući zajam. U ovom članku ćemo vam reći kako saznati svoj rezultat i kako ga povećati.

Kako funkcionira bodovanje

Za bodovanje su potrebni podaci za procjenu kreditne sposobnosti. Podaci mogu biti iz različitih izvora: kreditna povijest, upitnici zajmoprimca, društvene mreže itd. Bodovanje obrađuje podatke i daje ocjenu u bodovima. Što je veći bodovni rezultat, veće su šanse za dobivanje kredita pod povoljnim uvjetima.

Bodovanje nije konstantno. Mijenja se ovisno o radnjama zajmoprimca. Na primjer, zajmoprimac je podigao zajam - kreditno opterećenje se povećalo, a rezultat se smanjio. Kasno plaćanje - ocjena je pala još niže. Ako zajmoprimac plaća zajam točno bez kašnjenja, rezultat će se povećati.

Vrste bodovanja

Banke koriste bodovanje ponuda, bodovanje ponašanja i lažno bodovanje.

Bodovanje aplikacije dijelimo na sociodemografske i kreditne. Prvi analizira profil zajmoprimca: dob i spol, posao, staž, prihod. Drugi analizira kreditnu povijest: koliko je kredita zajmoprimac uzeo, kako je platio, koliko sada plaća itd.

Bodovanje u ponašanju predviđa kako će zajmoprimac otplatiti zajam: ravnomjerno, prije roka ili s kašnjenjem. Bodovanje u ponašanju može, na primjer, banka za obračun plaća- zna kako korisnik kredita koristi karticu, koliko novca i na što troši.

Lažno bodovanje bori se s namjernim neplaćanjima zajmova. Ovim bodovanjem analiziraju se baze podataka Ministarstva unutarnjih poslova, Federalne službe ovršitelja, službe unutarnje sigurnosti, kao i sumnjivi podaci u kreditnoj povijesti, na primjer, česta promjena adresa i telefonskih brojeva.

Kao zajmoprimac, možete se procijeniti s dvije vrste bodovanja: kreditnim i sociodemografskim.

Ocjenjivanje kredita

Bodovanje se koristi za ocjenjivanje zajmoprimaca koji su već podigli kredite. Bodovanje se izračunava na temelju analize vaše kreditne povijesti.

Primjer izvješća o bonitetu

Sociodemografsko bodovanje

Sociodemografsko ocjenjivanje namijenjeno je zajmoprimcima bez ili bez kreditne povijesti. Analizira dob, spol, bračni status, uzdržavane osobe, obrazovanje, zanimanje, staž, prihod i regiju prebivališta.

Sotsdem scoring uspoređuje podatke provjerenog zajmoprimca s prethodnim klijentima banke kako bi se procijenila pouzdanost. Primjerice, prema statistici banke, osobe starije od 30 godina plaćaju kredite stabilnijima od mladih. Dakle, zajmoprimci od 30 godina starosti, s drugim jednaki uvjeti dobiti višu ocjenu.


Uzorak izvješća o sociodemografskom bodovanju

Dekodiranje bodovanja

Kreditna Sociodemgr. Dešifriranje
690-850 1000-1200 Maksimalni rezultat. Spadate u kategoriju pouzdanih zajmoprimaca. Stoga su banke spremne odobravati kredite za bolji uvjeti
650-690 750-1000 Dobar rezultat. Velika vjerojatnost dobivanja kredita pod standardnim uvjetima.
600-650 500-750 Prihvatljiv rezultat. Banka će zahtijevati dodatne certifikate za potvrdu solventnosti, na primjer, 2-NDFL.
500-600 250-500 Loš rezultat. S takvim rezultatom malo je vjerojatno da ćete dobiti kredit od velikih banaka. Kontakt mali regionalne banke odnosno kreditne zadruge.
300-500 0-250 Najgori rezultat. Banke vjerojatno neće odobriti kredit. Obratite se svom MFI ili PDA. Ponudite kolateral zajmodavcu.

Kako povećati svoj rezultat

Ako imate nisku kreditnu ocjenu, postoji samo jedna mogućnost da ga podignete - poboljšati svoju kreditnu povijest. Za ovo:

  • i provjeri je li sve istina. Ponekad kreditne institucije prenose podatke s velikim zakašnjenjem ili ih uopće ne prenose. Na primjer, otplatili ste zajam, ali on je naveden kao otvoren u vašoj kreditnoj povijesti. Ovo smanjuje rezultat.
    Pročitaj članak
  • Zatvorite zakašnjela plaćanja i neobavezne zajmove: kreditne kartice, mikrokrediti, krediti za opremu. Što je manje otvorenih zajmova, to je rezultat veći.
  • Ako ste u posljednje dvije godine imali neplaćene kredite, morate vratiti svoju reputaciju pouzdanog zajmoprimca. Da biste to učinili, uzmite nove kredite i pažljivo ih otplatite. Ne dajte zajam bez kolaterala - dajte kolateral, pronađite sudužnika. Koristite uslugu. Za šest mjeseci ili godinu dana bodovanje će se povećati.

Da biste povećali svoju demografsku ocjenu, ispitajte "čimbenike" u izvješću i pokušajte ih ispraviti. Na primjer, ako ste samostalni poduzetnik, zaposlite se i radite šest mjeseci u zapošljavanju. Pronađite sudužnika, idite u inozemstvo, pronađite izvor dodatnih prihoda.

Zapamtiti

Bodovanje pomaže zajmoprimcima da procijene vlastitu kreditnu sposobnost i razumiju razloge bankrota.

Ocjene su različite: neki analiziraju kreditnu povijest, drugi upitnik, a treći traže znakove prijevare. Dostupne su vam dvije vrste bodovanja – i sociodemografsko. Prvi je relevantan za zajmoprimce s iskustvom u kreditiranju, drugi - za one koji nikada nisu uzimali kredite.

Bodovanje se mijenja ovisno o kreditnom ponašanju. Rezultat se može sniziti ili povećati.

Svi dobro znamo da banke nisu dobrotvorne organizacije i prije izdavanja kredita pažljivo procjenjuju kreditnu sposobnost dužnika, njegovu sposobnost i želju da na vrijeme otplati dug. U tu svrhu razvijene su i koriste se različite metode procjene o kojima ćemo govoriti u našem pregledu.

Dakle, kada se obratite predstavniku banke radi dobivanja kredita, prvi sastanak počinje razgovorom i upitnikom. Svrha ovog intervjua je prikupiti što više informacija o potencijalnom zajmoprimcu, odnosno saznati svrhu kreditiranja, godine, bračno stanje, mjesto stanovanja, mjesto rada, radni staž, veličinu plaće i druge društvene i demografske karakteristike. Nadalje, prikupljene informacije mogu se nadopuniti podacima dobivenim od biroa. kreditne povijesti, pravna služba, zaštitarska služba i sl., nakon čega se obrađuju. Za analizu primljenih informacija banke koriste model stručnjaka i bodovanja, o čemu ćemo govoriti u nastavku.

Stručni i bodovni modeli - glavne značajke

Stručni model za procjenu kreditne sposobnosti zajmoprimca ili individualnog osiguranja. glavna značajka ovog modela je da analizu zaprimljenih informacija provodi kreditni stručnjak (ili kolegijalno tijelo - kreditni odbor banke na čelu s predsjednikom tog povjerenstva), on također donosi odluku o odobravanju kredita i formira konačnu Uvjeti ugovor o zajmu... U stručnoj ocjeni u pravilu je uključeno više bankarskih službi koje prikupljaju, analiziraju i prezentiraju podatke kreditnom odboru. Kreditni menadžer obično analizira solventnost, a paralelno se postavlja zahtjev za kreditnu povijest u BCH. Pravni odjel analizira predmete osiguranja, osobne dokumente zajmoprimca, ispituje rizike i vlasničke isprave. Posao sigurnosne službe banke je provjera zakonitosti radnog odnosa klijenta i prisutnosti kaznene evidencije. Uključeni odjeli banke daju svoja mišljenja, nakon čega se predmet predaje kreditnom odboru banke.

Model bodovanja za procjenu kreditne sposobnosti ili bodovna metoda. Posebnost ovog modela je da se sve informacije primljene od zajmoprimca unose u poseban program. Za svaki odgovor, u pojednostavljenom obliku, sustav dodjeljuje određeni bod i kao rezultat, na temelju ukupno dodijeljenih bodova, donosi konačnu odluku hoće li izdati kredit ili ne.

U pravilu se u slučaju hipotekarnog kredita koristi metodologija stručne procjene, kada je riječ o velikim iznosima i potrebna je temeljita, pouzdana provjera klijenta. Sustavi bodovanja koriste se u ekspresnom potrošačkom kreditiranju, kada brzina odlučivanja o pitanju osiguravanja sredstava ima odlučujuću ulogu. Banke također mogu paralelno koristiti ove modele - sustav bodovanja daje preliminarnu ocjenu klijenta, koju potom pregledavaju stručnjaci.

Budući da je u posljednje vrijeme segment potrošačkog kreditiranja stanovništva postao raširen (gotovinski krediti, krediti u maloprodajnim objektima i sl.) i nastavlja se aktivno razvijati, sve češće se suočavamo sa sustavima bodovanja. Stoga ćemo u nastavku govoriti o njima detaljnije.

Sustav bodovanja - opći princip rada

Scoring se počeo aktivno koristiti nakon što je 1941. D. Durand identificirao glavne skupine čimbenika koji maksimalno utječu na stupanj kreditnog rizika, te koeficijente utjecaja svakog od njih. Ovo je bio prvi i najprimitivniji model bodovanja. Dakle, žene su odmah dobile 0,4 boda, muškarci - ništa. Za svaku godinu života osobe starije od 20 godina dobile su 0,1 bod. Osoba sa zanimanjem niskog rizika dobivala je odmah 0,55 bodova, a ako je imala i depozit u banci - dodatnih 0,45 bodova. Za policu osiguranja dospjelo je 0,19 bodova, za prisutnost nekretnine u nekretnini - 0,35. Kreditnom se smatrala osoba koja je uspjela prijeći prag od 1,25 bodova.

Trenutno su modeli bodovanja koje koriste banke postali sofisticiraniji i djeluju sa širim skupom karakteristika i kriterija ocjenjivanja. U Sjedinjenim Državama, sustav bodovanja koji je razvio FICO (NYSE: FICO) koristi se za procjenu rizika u potrošačkom kreditiranju. Na ruskom tržištu, kako strani sustavi bodovanja (isti FICO Score), tako i razvoj domaćih tvrtki, uklj. i banke. Koji je od njih bolji, teško je pitanje, a problem izbora leži u činjenici da sustav mora uzeti u obzir i prilagoditi se posebnostima bankarskog zakonodavstva, mentalitetu građana, tradiciji i drugim čimbenicima lokalnog tržišta. bankarske usluge... No, budući da je pitanje odabira sustava kreditnog bodovanja glavobolja za banke i za nas, obične zajmoprimce, to se ne tiče, razmotrit ćemo opća načela rada ovih sustava.

Dakle, sve informacije koje kreditni menadžer dobije od klijenta se provjeravaju i unose u sustav bodovanja u obliku odgovora na pitanja. Pitanja su podijeljena u blokove čiji je sastav individualan za svaku banku. U pravilu se radi o bloku općih podataka o klijentu (spol, dob, bračno stanje i sl.), zaposlenju zajmoprimca, imovini i obvezama klijenta (ispunjen na temelju dostavljenih potvrda i kreditno izvješće primljeno od kreditnog biroa), prisutnost imovine u imovini, zalog, jamstvo i druga svojstva. Za svaki odgovor sustav dodaje ili oduzima određeni broj bodova. Nakon toga, dobiveni bodovi se zbrajaju za svaki od blokova i za klijenta u cjelini, a sustav izdaje rješenje. Imajte na umu da postoji mogućnost da nećete proći jedan od blokova, čak i ako je ukupan broj bodova unutar traženog raspona.

Neke banke klijente dijele u kategorije ovisno o količini prikupljenih bodova. Na primjer, klijentima 1. kategorije preporučuje se kreditiranje po povoljnijim uvjetima, za 2. kategoriju - smanjenje iznosa ili roka kredita, t.j. promijeniti uvjete u povoljnijem smjeru za banku i sl.

Unatoč svim razlikama i raznolikosti opcija kreditnog bodovanja, postoje osnovne preporuke za zajmoprimce koje će vam pomoći povećati šanse za dobivanje zajma. O njima ćemo dalje.

Kako odgovoriti na pitanja kreditnog menadžera

Koji god model bodovanja banka koristila, postoje karakteristike za koje se zajmoprimcima uvijek dodjeljuju dodatni bodovi. To uključuje:

  • Dostupnost računa, materijalna imovina, nekretnina u vlasništvu. Nemojte preskakati odjeljke upitnika koji sadrže pitanja o vašoj imovini i štednji. Ne pokušavajte sakriti od banke činjenicu da imate stan ili polog: ako financijeri trebaju oduzeti te objekte, oni će samostalno utvrditi sve potrebne činjenice. U fazi dobivanja kredita, ovo je izvrsna šansa za stjecanje dodatnih bodova.
  • Prednost se daje osobama koje su u braku (uključujući i u građanskom braku). Zapamtite to prilikom ispunjavanja prijave.
  • Svako dijete banka smatra uzdržavanim. Ako ste roditelj, ali se u isto vrijeme ne pojavljujete u rodnom listu, bolje je ne naznačiti ovu činjenicu.
  • Važna je i svrha kreditiranja. Banke su spremnije kreditirati za obrazovanje, popravke itd., ali ne i za rekreaciju i osobne ciljeve.
  • Ako primate dodatni prihod i to možete potvrditi (npr. imate polog ili stan koji iznajmljujete), svakako to navedite u upitniku i dajte odgovarajuću potvrdu.
  • Plaćajući obrazovanje djece ili svoje, nemojte žuriti pisati o tome (tu je činjenicu vrlo teško utvrditi, ali imate priliku izgubiti nekoliko bodova).
  • Dodatni bod možete dobiti ako imate životno osiguranje i imovinu koja je u vlasništvu.

Dakle, promišljeno popunjavanje upitnika samo po sebi je šansa za povećanje vjerojatnosti dobivanja kredita. Ako su podaci potkrijepljeni dokumentima, ovo je još jedan plus za vas.

Nakon analize glavnih modela bodovanja i situacije na ruskom tržištu, možemo zaključiti da sustav kreditnog bodovanja omogućuje banci da preciznije procijeni rizike za svakog zajmoprimca i da minimizira vjerojatnost prijevare, kako od strane klijenata tako i od strane korisnika. sami zaposlenici. Važnost procjene potencijalnih zajmoprimaca potvrđuje i činjenica da banke počinju aktivno provoditi Risk-Based Pricing - novi pristup formiranju uvjeta kreditiranja, kada se kamatna stopa određuje pojedinačno, ovisno o pouzdanosti klijenta.

Svidio vam se članak? Za podijeliti s prijateljima:
Možda će vas također zanimati