Сетевое издание
Международный студенческий научный вестник
ISSN 2409-529X

МОДЕЛИРОВАНИЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА С УЧЕТОМ РЕГИОНАЛЬНЫХ ФАКТОРОВ

Евсеенков С.А. 1 Гусарова О.М. 1
1 Финансовый Университет при Правительстве РФ Смоленский филиал
1. Орлова И.В., Турундаевский В.Б. Краткосрочное прогнозирование ипотечного кредитования // Экономика, статистика и информатика // Вестник УМО. – 2013. – № 6. – С. 175-177.
2. Методика расчета показателей финансового состояния сельскохозяйственных товаропроизводителей, утвержденная постановлением Правительства Российской Федерации от 30.01. – 2003. – № 52.
3. Гусарова О.М. Моделирование результатов бизнеса в менеджменте организации // Перспективы развития науки и образования. – Тамбов: Бизнес-Наука-Общество, 2014. – С. 42-43.
4. Гусарова О.М. Компьютерные технологии моделирования социально-экономических процессов. Экономический рост и конкурентоспособность России: тенденции, проблемы и стратегические приоритеты: сборник научных статей по материалам Международной научно-практической конференции. – М.: ЮНИТИ-ДАНА, 2012. – С. 102-104.
5. Орлова И.В., Турундаевский В.Б. Некоторые особенности, возникающие при изучении нелинейной регрессии с использованием Еxcel и других программ // Экономика, статистика и информатика // Вестник УМО. – 2014. – № 1. – С. 158-161.
6. Гусарова О.М. Методы и модели прогнозирования деятельности корпоративных систем // Теоретические и прикладные вопросы образования и науки. – Тамбов: Юком, 2014. – С. 42-43.
7. Гусарова О.М. Исследование качества краткосрочных моделей прогнозирования финансово-экономических показателей (на примере кредитных организаций): дис. … канд. экон. наук. – М., 1999.
8. Гусарова О.М., Журавлева М.А. Анализ и совершенствование деятельности акционерных обществ (на примере «Смоленскоблгаз») // Современные наукоемкие технологии. – 2014. – № 7-1. – С. 10-12.
9. Гусарова О.М. Моделирование как способ планирования и управления результатами бизнеса // Успехи современного естествознания. – 2014. – № 11-3. – С. 88-92.
10. Гусарова О.М. Моделирование в принятии управленческих решений. Наука и образование проблемы и перспективы развития: сборник научных трудов по материалам Международной научно-практической конференции: в 5 частях. – Тамбов: Юком, 2014. – С. 41-42.
11. Морозов А.А. Особенности тенденций развития сельского хозяйства в РФ как объективная необходимость разработки и внедрения эффективных механизмов и инструментов управления инновационной деятельностью: сборник научных трудов. – Смоленск: Смолгортипография, 2011. – С. 117-122.

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: 14.04.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674