Исследование и изучение теоретических и практических аспектов оценки кредитоспособности заемщика

СОДЕРЖАНИЕ



Введение......................................................................................................................3 1 Основные модели оценки кредитоспособности     клиента.................................5

   1.1 Кредитный скоринг и его история..................................................................11

   1.2 Модель Дюрана.................................................................................................16

   1.3 Кредитные риски..............................................................................................26

2 Оценка кредитоспособности клиентов средствами MATLAB..........................31

Заключение................................................................................................................39

Список использованных источников......................................................................41




ВВЕДЕНИЕ



Оценка кредитоспособности потенциальных заёмщиков является одной из наиболее сложных и ответственных задач в потребительском кредитовании. Эффективная организация процесса оценки кредитоспособности позволяет, во-первых, снизить уровень кредитных рисков банка, а во-вторых, создать необходимые условия для качественного обслуживания клиентов, предъявляющих спрос на кредитные продукты. Актуальность данной задачи трудно переоценить, поскольку кредитование физических лиц в Российской Федерации развивается быстрыми темпами. Вместе с тем кредитование физических лиц - достаточно рискованная операция, и увеличение доли таких кредитов в портфеле увеличивает кредитный риск банка. Одна из основных мер по предотвращению возможных потерь - правильная оценка способности заемщика выполнять свои обязательства. Выбор критериев для нее был актуален во все периоды развития банковского дела и уже вошел в экономическую литературу в качестве одной из основных задач при определении кредитоспособности заемщика.

Актуальность данной задачи трудно переоценить, поскольку увеличивающийся спрос на кредитные продукты со стороны предприятий различных отраслей народного хозяйства и рост конкуренции на рынке банковских услуг, вызванный экспансией на кредитный рынок России иностранных кредитных учреждений требует от банков совершенствования механизмов оценки кредитоспособности с целью повышения качества обслуживания клиентов и одновременно минимизации кредитных рисков.

Цель работы - исследование и изучение теоретических и практических аспектов оценки кредитоспособности заемщика.

Задачи:

- изучить понятия, цели и задачи оценки кредитоспособности, современные методы оценки кредитоспособности, кредитный риск и методы управления ими;	

- провести анализ кредитоспособности заемщика с помощью программного продукта MATLAB;

-   выявить существующие проблемы.

Объектом исследования является розничная торговля.

Предметом исследования является механизм оценки кредитоспособности заемщика.

В данной работе рассмотрим различные модели, с помощью которых можно определить, кредитоспособен ли заемщик, стоит ли выдавать ему кредит на потребительские нужды и сможет ли он его во время выплачивать.

В первой главе данной работы подробно описаны теоретические модели,  используемые для получения информации о кредитоспособности клиента, его финансовой состоятельности и платежеспособности.

Вторая глава содержит описание использованного аппарата нечеткой логики для оценки финансовой состоятельности клиентов при предоставлении потребительского кредита, реализованного средствами MATLAB.

В заключении сделаны выводы о проделанной работе, о полученных результатах, о полученных навыках работы со средой разработки MATLAB, о выполнении поставленных в начале работы задач.




	1 Основные модели оценки кредитоспособности клиента

	

В процессе принятия решения о предоставлении кредита заемщику задействованы две группы специалистов: эксперты-аналитики, которые определяют условия кредитования и корректируют модель оценки, и операторы, непосредственно работающие с моделью в отделениях кредитной организации. Каждая из этих групп выдвигает ряд требований к разрабатываемой модели. Модель оценки кредитоспособности должна отвечать следующим требованиям: 

1 Объективность. Модель должна выявлять объективные и существенные закономерности между различными факторами и минимизировать влияние субъективного человеческого фактора на принятие решений. 

2 Автоматизация. Модель должна обеспечить возможность обрабатывать большие потоки кредитных заявок в режиме реального времени. Этого можно добиться путем создания программного инструмента. 

3 Точность. Модель должна обеспечить приемлемый уровень предикативной мощности (точности), другими словами, приемлемый уровень неправильно классифицированных заемщиков. 

4   Адаптируемость. Модель должна учитывать изменения во внешней и внутренней среде кредитной организации, в том числе учитывать нормативные акты надзорных органов. Это позволяет принимать более обоснованные и точные кредитные решения. 

5 Гибкость. Гибкость модели - возможность внесения корректировок в модель, например, изменение весов факторов, добавление новых факторов, изменение параметров модели. Модель не должна при этом требовать привлечения квалифицированных экспертов для ее адаптации под новую структуру данных. 

6 Объяснимость. Важная характеристика модели — возможность объяснить, почему данный заемщик получил определенный кредитный рейтинг. Модель с высоким уровнем объяснимости принятого решения ведет к удобной интерпретации полученных результатов, их наглядности. 

7  Сложность. Сложность модели определятся количеством факторов и характером связей между ними; затратами (временными и стоимостными) на создание модели; сложностью подхода к разработке модели. Факторов в модели должно быть не слишком много и в то же время достаточно для точной оценки заемщика. При этом модель должна содержать значимые факторы и обеспечивать минимум дополнительных квалификационных требований к кредитному менеджеру для работы с моделью.  

Первые научные работы, в которых утверждалось, что важность различных критериев оценки заемщика должна быть определена на основе предыдущего опыта, появились в 1936 году [1]. Зависимость между вероятностью дефолта (неисполнением кредитных обязательств) и индивидуальными характеристиками была установлена впервые Фицпатриком для корпоративного кредита и Дюраном для потребительского кредита [3]. В 1941 г. Дюран выявил группы факторов, позволяющих максимально определить степень кредитного риска, и значение, достигнув которого, заемщик считался кредитоспособным. Также он определил коэффициенты для различных факторов, характеризующих кредитоспособность физического лица. В качестве факторов кредитоспособности были рассмотрены [4]: пол, возраст, срок проживания в данной местности, профессия, финансовые показатели, сфера деятельности работодателя, срок занятости.

В 50-х гг. в Сан-Франциско образовалась первая консалтинговая организация в области кредитного скоринга - «Fair Issac», которая до сих пор является лидером среди разработчиков автоматизированных систем кредитного скоринга [2].

В начале 60-х годов были разработаны методики, которые добавляли к прикладным критериям психологические и социологические концепции. Помимо традиционных характеристик заёмщиков стали рассматриваться психологические характеристики, которые влияли на степень кредитного риска.

Переломным моментом в истории развития аналитических методов оценки кредитоспособности можно считать 1967 год, когда впервые была показана целесообразность использования компьютеров для оценки и анализа характеристик заемщиков. Большая часть кредитных знаний извлекалась из накопленной базы данных кредитных историй путем математического анализа, в результате чего создавались модели, которые основывались на краевых условиях, определенных кредитором, а также на математически сгенерированных правилах и формулах [1].

Широкое применение различных подходов к оценке кредитоспособности заемщика началось с распространением кредитных карт. При том количестве кредитных заявок, возникла проблема автоматизации процесса принятия решений по предоставлению кредита.

В 1974 г. в США был принят закон «О предоставлении равных возможностей на получение кредита», который запрещал отказывать в предоставлении кредита на основании следующих характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей [2].

Важное значение имеет создание института бюро кредитных историй. Накопленная в бюро кредитных историй информация может стать основой для проектирования моделей оценки кредитоспособности заемщика. Общепризнанной является ценность предыдущей кредитной истории для оценки кредитного риска, связанного с кредитным обращением.

Конец 80-х годов и характеризовался началом бурного развития технологий анализа данных на основе принципов искусственного интеллекта. Учитывая преимущества нейронных сетей перед традиционными статистическими методами анализа, американские и европейские кредитные организации начали переход на системы кредитного скоринга на основе искусственного интеллекта [1].

Попытки создания инструмента поддержки принятия решения для кредитного инспектора в России были предприняты в 1992-1993г. рабочей группой под руководством профессора Б.И. Клебанова по заказу ООО «Нова» [6]. Были проработаны основные принципы создания подобной системы, но до работающей модели дело не дошло, поскольку востребованность подобных инструментов со стороны кредитных организаций на тот момент была минимальной.

Кредитоспособность заемщика - это готовность и способность кредитополучателя полностью и в срок рассчитаться по своим долговым обязательствам. 

Оценка кредитоспособности заемщика - изучение кредитной истории потенциального кредитополучателя и анализ кредитного риска банка.

Оценка кредитоспособности заемщика является одним из способов предупреждения или хотя бы сведения к минимуму кредитного риска банка.

Анализ кредитной истории - составляющая оценки кредитоспособности заемщика

Финансовая стабильность и доходность банка во многом зависят от качественного состава его клиентов. Их финансовая надежность уменьшает риски финансового учреждения и способствует получению кредитной организацией более высокого дохода.

Однако следует понимать, что в условиях конкуренции, банку не всегда приходится иметь дело только с надежными и материально состоятельными кредитополучателями. Как правило наоборот, среди клиентов банка преобладают люди, которые испытывают денежные затруднения.

Поэтому умение кредитных экспертов проанализировать и оценить сильные и слабые стороны заемщика в отношении принятых долговых обязательств - основная задача любого банка, т.к. процесс кредитования неразрывно связан с действием всевозможных факторов риска, способных доставить банку экономические проблемы.

Вполне обоснованно, что решение вопроса о выдаче кредита принимается на основе анализа кредитной истории заемщика. Изучение кредитной истории потенциального клиента до решения вопроса о возможности и условиях кредитования необходимо для правильной оценки его кредитоспособности.

Оценка кредитоспособности физических лиц.

При рассмотрении заявки на получение кредита физическим лицом проводится оценка его кредитоспособности, которая осуществляется на основании трех составляющих: величины дохода заемщика, его кредитной истории и построении модели стандартной скоринговой системы.

Оценка кредитоспособности заемщика по уровню финансового состояния проводится на основе информации о доходах (заработной плате, прибыли от предпринимательской деятельности и т.п.) и корректируется с учетом обязательных платежей и коэффициентов риска банка.

Кредитная история представляет собой информацию о кредитно-финансовом прошлом потенциального клиента банка.

Скоринговая модель - это определенный числовой алгоритм, позволяющий банку на основе фактических показателей о потенциальном заемщике оценить его возможность вовремя погасить кредит. Как правило, для подсчета скоринговой величины банки используют следующие основные данные о потенциальном кредитополучателе:

- уровень среднемесячного дохода;

- трудовой стаж на последнем месте работы;

- возраст;

- семейное положение;

- число лиц, находящихся на иждивении;

- образование; должностной статус;

- наличие в собственности ликвидной недвижимости.

Полученный показатель сравнивается с определенным количественным порогом установленным банком, который является линией безубыточности. Соответственно, на получение кредита может рассчитывать тот клиент, у которого интегральная величина данных выше этого порога.

Оценка кредитоспособности юридических лиц.

Оценка кредитоспособности заемщика - юридического лица охватывает два основных этапа: качественный анализ и финансовый анализ.

Первый шаг основан на сборе и анализе информации, которая не может быть выражена в количественных показателях. Это, прежде всего, деловая и финансово-экономическая репутация потенциального заемщика. Для сбора и обработки сведений о юридическом лице может использоваться информация, полученная самим банком, а также информация, накопленная другими банками или кредитными бюро.

Финансовый анализ заключается в определении ряда количественных показателей, к которым, чаще всего, относятся коэффициенты ликвидности, коэффициенты обеспеченности собственными средствами, показатели финансовой устойчивости, коэффициенты оборачиваемости, рентабельности 
и др.

По итогам анализа качественных и количественных показателей банк делает заключение о надежности потенциального кредитополучателя и дает оценку кредитоспособности заемщика.

При рассмотрении финансового состояния и экономического положения потенциального заемщика важны буквально все детали, в противном случае банк может подвергнуться риску и понести большие потери. При этом сложность оценки кредитоспособности заемщика вынуждает финансовые институты применять разнообразные подходы к методам оценки, не обязательно описанные выше. Минимизировать потерю кредитных ресурсов банку позволяет тщательный отбор клиентов на основе оценки кредитоспособности заемщика.

Далее более детально рассмотрим скоринговый коэффициент, который часто используется для оценки кредитоспособности заемщика.




1.1 Кредитный скоринг и его история



Скоринг, по существу, является методом классификации всей интересующей нас популяции на различные группы, когда нам неизвестна характеристика, которая разделяет эти группы (вернет клиент кредит или нет), на зато известны другие характеристики, связанные с интересующей нас. В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 г. на примере растений. В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.

В начале 50-х гг. в Сан-Франциско образовалась первая консалтинговая фирма в области скоринга -- Fair Issac, которая до сих пор является лидером среди разработчиков скоринговых систем.

Но широкое применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита. Однако очень скоро они оценили не только быстроту обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем уровень безнадежного долга сокращался до 50% .

В 1974 г. в США был принят Закон о предоставлении равных возможностей на получение кредита, который запрещал отказывать в выдаче кредита на основании следующих характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей. В Великобритании законодательство допускает использование информации о возрасте и семейном положении, но зато запрещает принимать во внимание какие-либо физические увечья и недостатки (инвалидность). Для кредитных организаций использование скоринговых систем стало доказательством исполнения этих антидискриминационных законов -- у компьютера нет предубеждений.

Помимо установления принципов равноправия в области кредитования, кредитное законодательство США, как и Закон о потребительском кредите, принятый в Великобритании в том же 1974 г., имели важное значение для формирования службы кредитных бюро. В таких бюро записывается кредитная история всех людей, когда-либо обращавшихся за ссудой в любую кредитную организацию страны.

В кредитных бюро содержатся следующие виды данных:

- социально-демографические характеристики;

- судебные решения (в случае передачи дел о востребовании задолженности по кредиту в суд);

- информация о банкротствах;

- данные об индивидуальных заемщиках, получаемые от кредитных организаций по принципу «ты -- мне, я -- тебе», т. е. банк может получать информацию о клиентах других банков, только если сам поставляет аналогичную информацию.

Объем и характер информации, хранящейся в бюро, строго регулируется законодательством каждой страны. В «Банковских технологиях» уже была публикация о кредитных бюро в сентябре 1999 г. -- «Вопросы учреждения кредитного бюро в России». Хотелось бы добавить, что помимо рассмотренных в статье моделей бюро существуют и транснациональные коммерческие компании, такие как Experian, Equifax, TransUnion, Scorex. Эти компании сами используют скоринговые системы, и во многих случаях продают клиентам не «сырую» информацию, а уже готовый интегральный показатель, который вводится в автоматизированную систему кредитной организации.

Значение кредитных бюро чрезвычайно велико, их существование позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не обслуживались. Кроме того, общепризнанной является ценность предыдущей кредитной истории для прогнозирования вероятности дефолта.

Так что из себя представляет кредитный скоринг на сегодняшний день?

	В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и т. п.

Кредитный скоринг — система оценки кредитоспособности (кредитных рисков) лица, основанная на численных статистических методах. Как правило, используется в потребительском (магазином) экспресс-кредитовании на небольшие суммы. Также возможно его использование в бизнесе сотовых операторов, страховых компаний и т. д. Скоринг заключается в присвоении баллов по заполнению некой анкеты, разработанной оценщиками кредитных рисков  андеррайтерами. По результатам набранных баллов системой принимается решение об одобрении или отказе в выдаче кредита.

Данные для скоринговых систем получаются из вероятностей возвратов кредитов отдельными группами заёмщиков, полученными из анализа кредитной истории тысяч людей. Считается, что существует корреляция между некими социальными данными (наличие детей, отношение к браку, наличие высшего образования) и добросовестностью заемщика.

Является упрощённой системой анализа заёмщика, что позволяет упразднить субъективизм принятия решения кредитного инспектора, снижает уровень внутреннего мошенничества, увеличить скорость принятия решения по кредиту. Аналогичным способом скоринговая модель может позволять рассчитывать индивидуальную ставку по страховому продукту, устанавливая толерантность к риску.

В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании с друг другом:

- субъективое заключение экспертов или кредитных инспекторов;

- автоматизированные системы скоринга.

Поскольку скоринг используется главным образом при кредитовании физических лиц, особенно в потребительском кредите при необеспеченных ссудах, далее речь пойдет об оценке кредитного риска заемщиков -- физических лиц.

В западной банковской системе, когда человек обращается за кредитом, банк может располагать следующей информацией для анализа:

- анкета, которую заполняет заемщик;

- информация на данного заемщика из кредитного бюро -- организации, в которой хранится кредитная история всего взрослого населения страны;

- данные движений по счетам, если речь идет об уже действующем клиенте банка.

Кредитные аналитики оперируют следующими понятиями: «характеристики» клиентов (в математической терминологии -- переменные, факторы) и «признаки» -- значения, которые принимает переменная. Если представить себе анкету, которую заполняет клиент, то характеристиками являются вопросы анкеты (возраст, семейное положение, профессия), а признаками -- ответы на эти вопросы.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности.

Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии -- нет.

Все это выглядит очень просто, однако сложность заключается в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать. К этой проблеме имеется несколько подходов, которые будут рассмотрены в разделе «Методы классификации клиентов».

Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.

В этом заключается дискриминационный (не в статистическом, а в социальном значении этого слова) характер скоринга, т. е. если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.

1.2 Модель Дюрана



Рассмотрим кредитный скоринг на примере модели Дюрана, которая использует следующие факторы:

- Пол: женский (0,40 балла), мужской (0 баллов);

- Возраст: 0,1 балл за каждый год свыше 20 лет, но не больше чем 0,30;

- Срок проживания в данной местности: 0,042 балла за каждый год, но не больше чем 0,42;

- Профессия: 0,55 баллов за профессию с низким риском; 0 баллов за профессию с высоким риском; 0,16 баллов другие профессии;

- Финансовые показатели: наличие банковского счета – 0,45 баллов; наличие недвижимости – 0,35 баллов; наличие полиса по страхованию – 0,19 баллов;

- Работа: 0,21 баллов при работе на предприятиях в общественной отрасли, 0 баллов – другие;

- Занятость: 0,059 баллов за каждый год работы на данном предприятии.

Для того, чтобы заемщик считался кредитоспособным, сумма его баллов должна превышать 1,25, в противном случае клиент считается неплатежеспособным. 

При разработке этой модели Дюран использовал показатель хи-квадрат для выявления характеристик. После этого он разработал индекс эффективности, чтобы показать насколько эффективна данная характеристика при дифференциации степени риска среди клиентов, желающих взять кредит.

Словом, Дюран выделил характеристики наиболее влияющие на кредитоспособность клиента, из всех характеристик, имеющихся у банка. Также он предложил методику оценки, заключающуюся в присвоении баллов за определенные значения факторов, суммировании этих баллов и сравнении полученного показателя с пороговым коэффициентом.

Помимо кредитного скоринга различают также другие модели оценки кредитоспособности заемщика:

- прогнозные, которые позволяют дифференцировать заемщиков в зависимости от вероятности банкротства;

- рейтинговые, которые группируют заемщиков в зависимости от их категории, устанавливаемой с помощью группы рассчитываемых финансовых коэффициентов и присваиваемых им уровне значимости.

Рейтинговая оценка (общая сумма баллов) рассчитывается путем умножения значения показателя на его вес (коэффициент значимости) в интегральном показателе. В мировой практике при оценке кредитоспособности на основе системы финансовых коэффициентов применяются в основном следующие пять групп коэффициентов: ликвидности, оборачиваемости, финансового рычага, прибыльности обслуживания долга.

Американский ученый Э. Рид предложил следующую систему показателей, определяющих различные характеристики кредитоспособности предприятия: ликвидности, оборачиваемости, привлечения средств, прибыльности. Эта система позволяет прогнозировать своевременность совершения будущих платежей, ликвидность и реальность оборотных активов, оценить общее финансовое состояние фирмы и ее устойчивость, а также возможность определить границы снижения объема прибыли, в которых осуществляется погашение части фиксированных платежей.

Другая группа ученых (Дж. Шим, Дж. Сигел, Б. Нидлз, Г. Андерсон) предложила использовать группы показателей, характеризующих ликвидность, прибыльность, долгосрочную платежеспособность и показатели, основанные на рыночных критериях. В отличие от методики Э. Рида этот подход позволяет прогнозировать долгосрочную платежеспособность с учетом степени защищенности кредиторов от неуплаты процентов (коэффициента покрытия процента).

Этот подход позволяет охарактеризовать финансовое состояние заемщика основе синтезированного показателя-рейтинга, рассчитываемого в баллах, присваиваемых каждому значению коэффициента. В соответствии с баллами устанавливается класс организации: первоклассная, второклассная, третьеклассная или неплатежеспособная. Класс организации принимается банком во внимание при разработке шкалы процентных ставок, определении условий кредитования, установлении режима кредитования (форма кредита, размер и вид кредитной линии), оценке качества кредитного портфеля, анализе финансовой устойчивости банка.

Модификацией рейтинговой оценки является кредитный скоринг-технический прием, предложенный в начале 40-х годов ХХ в. американским ученым Д. Дюраном для отбора заемщиков по потребительскому кредиту. Отличие кредитного скоринга заключается в том, в формуле рейтинговой оценки вместо значения показателя используется его частная балльная оценка. Для каждого показателя определятся несколько интервалов значений, каждому интервалу приписывается определенное количество баллов или определяется класс. Если полученный заемщиком рейтинг ниже значения, заранее установленного сотрудниками банка, то такому заемщику будет отказано в кредите, а если соответствует нормативам, то кредитная заявка будет удовлетворена.

Рейтинговая оценка позволяет прогнозировать своевременность совершения будущих платежей, ликвидность и реальность оборотных активов, оценить общее состояние фирмы и ее устойчивость, а также дает возможность определения границ снижения объема прибыли, в которых осуществляется погашение части фиксированных платежей.

Преимуществами рейтинговой модели являются простота (так как достаточно рассчитать финансовые коэффициенты и, принять во внимание коэффициенты их значимости, определить класс заемщика), возможность расчета оптимальных значений по частным показателям, способность ранжирования организаций по результатам, комплексный подход к оценке кредитоспособности (так как использует показатели, отражающие различные стороны деятельности организации).

Прогнозные модели, получаемые с помощью статистических методов, используются для оценки качества потенциальных заемщиков. При множественном дискриминантом анализе (МДА) используется дискриминантная функция (Z), учитывающая некоторые параметры (коэффициенты регрессии) и факторы, характеризующие финансовое состояние заемщика (в том числе финансовые коэффициенты).

Коэффициенты регрессии рассчитываются в результате статистической обработки данных по выборке фирм, которые либо обанкротились, либо выжили в течение определенного времени. Если Z - оценка фирмы находится ближе к показателю средней фирмы-банкрота при условии продолжающегося ухудшения ее положения она обанкротится. Если менеджеры фирмы и банк предпримут усилия для устранения финансовых трудностей, то банкротство, возможно, не произойдет. Таким образом, Z-оценка является сигналом для предупреждения банкротства фирмы. Применение данной модели требует обширной репрезентативной выборки фирм по разным отраслями масштабам деятельности. Сложность заключается в том, что не всегда можно найти достаточное число обанкротившихся фирм внутри отрасли для расчета коэффициента регрессии

Наиболее известными моделями МДА являются модели Альтмана и Чессера, включающие следующие показатели: отношение собственных оборотных средств к сумме активов; отношение реинвестируй прибыли к сумме активов; отношение рыночной стоимости акций к заемному капиталу; отношение объема продаж (выручки от реализации к сумме активов; отношение брутто-прибыли (прибыли до вычета процентов и налогов) к сумме активов.

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

	В дополнение к выделенным И.В. Вишняковым моделям необходимо добавить методику, широко используемую в отечественной практике - методику на основе анализа денежных потоков.

Денежный поток - это объем денежных средств, которые получает или выплачивает предприятие в течение отчетного или планируемого периода. денежный оборот предприятия складывается из движения денежных средств в связи с различными хозяйственными операциями, которые можно сгруппировать по их экономическому содержанию. Эта методика, в отличие от подхода, основанного на финансовых коэффициентах, позволяет использовать не данные об остатках по статьям активов и пассивов, а коэффициенты, определяемые по данным об оборотах ликвидных активов, запасах и краткосрочных долговых обязательствах, посредством расчета чистого сальдо различных поступлений и расходов денежных средств за определенный период.

Разница между притоком и оттоком средств показывает величину общего чистого денежного потока. Кратковременное превышение оттока над притоком говорит о дефиците денежных средств (более низком рейтинге клиента). Систематическое превышение оттока над притоком средств характеризует клиента как некредитоспособного. Сложившаяся средняя величина общего денежного потока может устанавливаться в качестве предела выдачи новых кредитов, так как показывает размер средств с помощью которых клиент имеет возможность погашать долговые обязательства. На основе соотношения величины общего денежного потока и размера долговых обязательств клиента определяется его класс кредитоспособности.

Анализ денежного потока позволяет сделать вывод о слабых сторонах управления предприятия. При решении вопроса о выдаче кредита на длительный срок анализ денежного потока проводится не только на основе данных за истекший период, но и основе прогнозных данных на планируемый период.

Модели оценки кредитоспособности, основанные на методах комплексного анализа.

В рамках комплексных моделей анализа возможно сочетание количественных и качественных характеристик заемщика. К примеру, в практике банков США применяется правило "шести Си", в основе которого лежит использование шести базовых принципов кредитования, обозначенных словами, начинающимися с английской буквы "Си" (С): Character, Capacity, Cash, Collateral, Conditions, Control.

Характер заемщика (Character): ответственность, надежность, честность, порядочность и серьезность намерений клиента.

Способность заимствовать средства (Capacity): кредитный инспектор должен быть уверен в том, что клиент, испрашивающий кредит, имеет юридическое право подавать кредитную заявку и подписывать кредитный договор, т.е. в том, что руководитель или представитель компании (банка), обращающийся за кредитом, имеет соответствующие полномочия, предоставленные ему учредителями или советом директоров, на проведение переговоров и подписание кредитного договора от имени компании (банка).

Денежные средства (Cash): важным моментом любой кредитной заявки является определение возможности заемщика погасить кредит за средств, полученных от продажи или ликвидации активов, потока наличности или привлеченных ресурсов.

Обеспечение (Collateral): при оценке обеспечения по кредитной заявки необходимо установить, располагает ли заемщик достаточным капиталом или качественными активами для предоставления необходимого обеспечения по кредиту; необеспеченные кредиты предоставляются первоклассным заемщикам, имеющим квалифицированное руководство и отличную кредитную историю.

Условия (Conditions): кредитный инспектор должен знать, как идут дела у заемщика, каково положение, складывающееся в соответствующей отрасли, а также то, как изменение экономических и других условий в стране может повлиять на процесс погашения кредита.

Контроль (Control) сводится к выяснению, насколько изменение законодательства, правовой, экономической и политической обстановки может негативно повлиять на деятельность заемщика и его кредитоспособность.
.......................