В условиях глобальной турбулентности экономики оценка кредитоспособности потенциального заемщика является одним из краеугольных моментов, определяющим не только эффективность (прибыль) коммерческого банка, но и саму возможность существования организации на рынке банковских продуктов. Кредит – один из самых рискованных видов деятельности коммерческого банка. При осуществлении кредитных операций всегда существует вероятность того, что заемщик не будет иметь возможность, желания или стечения ряда обстоятельств, препятствующих погашению долга и ставящих под угрозу полноценное движение денежных активов и худшим образом отражающимся на ликвидности банка и его финансовой устойчивости в целом. Поэтому, всесторонний анализ и оценка кредитоспособности заемщика приобретает особую актуальность, особенно в условиях крайней нестабильности экономики и сильной волатильности валютного рынка [1].
В этой связи Центральным Банком Российской Федерации сформулирован ряд требований, оформленных положениями от 26.03.2001 № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности», от 20.03.2006 № 28-П «О порядке формирования кредитными организациями резервов на возможные потери», 07.08.2009 № 342-П «Об обязательных резервах кредитных организаций».
Согласно п. 3.2 Положения № 254-П финансовое положение заемщика оценивается посредством применения методики, утвержденной внутренними документами коммерческого банка. Перечень показателей для анализа финансового состояния предприятия, порядок их расчета определяются кредитной организацией также самостоятельно применительно к отрасли и сфере деятельности анализируемого предприятия. Методика оценки кредитоспособности заемщиков, применяемая Сбербанком России, предлагает к оценке следующие группы оценочных показателей: коэффициенты ликвидности, коэффициент наличия собственных средств, показатели оборачиваемости и рентабельности [2].
В качестве основных оценочных показателей применяются коэффициенты: абсолютной ликвидности (К1), промежуточного покрытия (К2), текущей ликвидности (К3), соотношения собственных и заемных средств (К4) и рентабельности продаж (К5), рентабельности деятельности предприятия (К6). Полученные расчетные значения указанных коэффициентов определяют соответствующую категорию заемщика и его класс кредитоспособности:
При оценке кредитоспособности потенциального заемщика широкое применение находят математико-статистические методы, позволяющие осуществить оценку финансового состояния предприятия-заемщика и, при необходимости, своевременно внести корректирующие управляющие воздействия с целью повышения эффективности деятельности предприятия и минимизации возникающего риска непогашения кредита. На основании проведенного анализа может быть разработан комплекс стабилизационных мероприятий, направленный на снижение уровня кредитного риска [3].
Существует ряд пакетов специализированных программ статистического анализа и прогнозирования, как отечественных – VSTAT, Олимп:СтатЭксперт, STADIA, так и зарубежных – STATGRAPHICS, STATISTICA, SPSS и общематематические пакеты – Mathcad, Mathlab, Maple, имеющие встроенные функции статистического анализа. Широкое распространение также получил пакет MS EXCEL, как универсальное и доступное программное средство, входящий в стандартные офисные программы и имеющий многофункциональный и удобный для пользователя интерфейс [4].
Согласно проведенным исследованиям, для ряда сельскохозяйственных предприятий Смоленской области были построены регрессионные модели зависимости кредитоспособности предприятий от ряда финансовых коэффициентов [5].
Осуществив корреляционно-регрессионный анализ зависимости кредитоспособности 25 сельскохозяйственных предприятий Смоленской области в целом и предприятий, сгруппированных по природно-хозяйственным зонам, получены уравнения регрессии, представленные в таблице 1 [6].
При выполнении расчетов использовалась MS Excel.
Таблица 1
Регрессионные уравнения зависимости кредитоспособности предприятий от финансовых коэффициентов
Наименование объекта анализа |
Уравнение множественной регрессии |
Смоленская область |
Z = 57,3050 + 0,1635×К1 – 0,0007×К2 + 0,0795×К3 + 5,4347×К4 + 0,0101×К5 – 0,0056×К6 |
Северо-восточная зона |
Z = 58,0123 + 0,5069×К1 + 9,9716×К4 + 0,0687×К5 – 0,1451×К6 |
Северо-западная зона |
Z = 63,9160 + 15,4439×К4 + 0,0714×К5 + 0,0195×К6 |
Центральная зона |
Z = 56,7973 + 23,3084×К4 + 0,0516×К5 + 0,0449×К6 |
Южная зона |
Z = 57,8589 + 3,3974×К4 – 0,0059×К5 + 0,1232×К6 |
Таблица 2
Показатели качества модели оценки кредитоспособности предприятий
Множественный R |
0,6010 |
R-квадрат |
0,3612 |
Нормированный R-квадрат |
0,3312 |
Стандартная ошибка |
19,6051 |
Наблюдения |
135 |
Критерий Фишера F |
12,0602 |
Табличное значение критерия Фишера |
2,1702 |
Качество регрессионной модели оценки кредитоспособности сельскохозяйственных предприятий по Смоленской области по результатам анализа за 2013 год можно проанализировать, используя следующие данные корреляционно-регрессионного анализа (таблица 2) [7].
Множественный коэффициент корреляции составил 0,6010, что указывает на среднюю тесноту связи между уровнем кредитоспособности и включенными в модель факторами. Коэффициент детерминации R2 составил 0,3612. Это означает, что построенное уравнение регрессии только на 36,12% отражает зависимость кредитоспособности Z от факторов К1-К6, т.е. результативный показатель на 36,12% зависит от этих факторов, следовательно, качество модели ниже среднего.
Таблица 3
Регрессии зависимости уровня кредитоспособности от статистически значимых факторов
Объект исследования |
Уравнение регрессии |
R |
R2 |
F-крит. Фишера |
F-табл. |
Смоленская область |
Z = 57,1845 + 0,0953×К3 + 5,4099×К4 |
0,3575 |
0,3611 |
36,7307 |
3,064 |
Северо-восточная зона |
Z = 56,9248 + 0,4882×К1 + 9,6621×К4 – 0,1273×К6 |
0,6053 |
0,6122 |
14,8220 |
2,934 |
Северо-западная зона |
Z = 63,2254 + 14,6900×К4 |
0,6849 |
0,7071 |
39,1288 |
4,413 |
Централь-ная зона |
Z = 56,3173 + 23,1002×К4 |
0,5028 |
0,5160 |
44,5004 |
4,061 |
Южная зона |
Z = 57,6283 + 3,3537×К4 |
0,2406 |
0,2605 |
10,7716 |
4,130 |
Оставшиеся 63,88% приходятся на долю случайных и не учтенных в модели факторов. Расчетное значение критерия Фишера F (0,05;6;128) составило 12,0602 превышает табличное значение, равное 2,1702, что свидетельствует о признании уравнения регрессии статистически значимым, а не результатом случайного отбора наблюдений, и целесообразности его использования для анализа и прогнозирования уровня кредитоспособности предприятий. В результате оценки статистической значимости факторных признаков с использованием t-статистики Стьюдента были получены следующие модели регрессионной зависимости уровня кредитоспособности предприятий (таблица 3) [8].
В результате проведенных исследований был построен комплекс регрессионных моделей оценки кредитоспособности сельскохозяйственных предприятий с учетом отраслевых особенностей в соответствии с требованиями Сбербанка [9]. Полученные модели позволяют кредитным аналитикам банка осуществлять анализ финансового состояния сельскохозяйственных организаций, находящихся в благоприятных или стабильных условиях хозяйствования, что дает возможность оценить их кредитоспособность [10]. Предлагаемые модели могут применяться не только для оценки кредитоспособности заемщика, но и для первичной оценки финансового положения сельскохозяйственных организаций. [11]
Библиографическая ссылка
Евсеенков С.А., Гусарова О.М. МОДЕЛИРОВАНИЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА С УЧЕТОМ РЕГИОНАЛЬНЫХ ФАКТОРОВ // Международный студенческий научный вестник. – 2015. – № 4-1. ;URL: https://eduherald.ru/ru/article/view?id=12673 (дата обращения: 12.10.2024).