В статье автор приводит методику оценки кредитоспособности клиента банка на основе финансовых показателей отчетности. Автор приводит математическую модель с оценкой влияния каждого коэффициента, а также приводит пример оценки кредитоспособности по новой методике на основе реальных данных.

Ключевые слова: кредитоспособность, оценка, банк, финансовое положение, математическая модель.

IRB-моделирование — один из подходов к оценке кредитоспособности клиента и связанных с кредитованием рисков. Данный метод напрямую связан с оценкой вероятности дефолта (probability of default, PD), поскольку в ходе обеих оценок проводится анализ множества факторов деятельности контрагента. К таким факторам относятся финансовые и нефинансовые показатели, которые могу оказать влияние на деятельность контрагента в рамках кредитования. Главным преимуществам оценки кредитоспособности с помощью метода IRB-моделирования можно назвать вариативность, поскольку экономика имеет свойство развиваться, в следствие чего необходимо своевременно вносить изменения в методики.

Для проведения моделирования оценки кредитоспособности клиента банка необходимо определить набор показателей, на основании которых будет построена модель. В статье Комлева Р. С. «Оценка финансовой устойчивости организации» [1] автор приводит список абсолютных показателей для расчета финансового состояния. К таким показателям относятся:

– Источники формирования свободных активов;

– Долгосрочные пассивы;

– Краткосрочные заемные средства;

– Внеоборотные активы;

– Собственные оборотные средства;

– Собственные и долгосрочные заемные источники формирования запасов и затрат;

– Общая величина запасов;

– Общая величина основных источников формирования запасов и затрат;

– Достаточность собственных оборотных средств;

– Достаточность общей величины основных источников формирования запасов;

– Трехфакторный показатель типа финансовой устойчивости;

– Достаточность собственных и долгосрочных источников формирования запасов.

Статья «Методика финансового моделирования на основе публикуемой консолидированной отчетности» [2], автором которой является Когденко В. Г., содержит методические указания по проведению анализа финансового состояния контрагента-участника группы компаний, а именно алгоритм проведения финансового моделирования. Первый этап — исследование стратегии компании. На основании информации из открытых источников — СМИ, оценок различных аналитических компаний — можно сделать вывод о том, какая из базовых стратегий наиболее приближена к компании. Существует четыре базовых стратегии:

– Концентрированный рост;

– Интегрированный рост;

– Диверсифицированный рост;

– Сокращение.

Исследование стратегии проводится с помощью space-анализа, который предполагает оценку факторов, разделенных на четыре группы:

– Финансовая сторона компании — устойчивость, эффективность;

– Рыночная сторона — конкурентоспособность, позиционирование на рынке;

– Стабильность внешней среды — оценка изменчивости применяемых технологий и спроса;

– Потенциал рынка — способность рынка развиваться, уровень доступности, устойчивость прибыли.

На основании анализа данных исследований был приведен список показателей, которые можно рассчитать на основе финансовой отчетности контрагента, для использования в построении модели для оценки кредитоспособности. Кроме вышеописанных показателей, в расчете финансового положения стоит использовать следующие:

– Выручка;

– EBIT;

– EBITDA;

– Коэффициент обеспеченности собственными оборотными средствами;

– Коэффициент текущей ликвидности;

– NWCT;

– Коэффициент рентабельности реализации;

– Коэффициент оборачиваемости оборотных средств;

– Коэффициент автономии.

Кроме вышеописанных показателей, в расчет включены также различные отношения показателей, показатели с расчетом на аналогичный период предыдущего года. Выбор указанных показателей основан как на приведенных выше исследованиях, так и на реальных методиках расчета кредитоспособности, используемых в финансовых организациях.

В данном исследовании используется трехуровневая оценка кредитоспособности, которая приводит среднюю балльную оценку к одному из значений — «Хорошая», «Средняя», «Плохая». Так как клиенты различных отраслей имеют разные ключевые факторы, целесообразно использовать корректировки балльной оценки в зависимости от отрасли. В текущем исследовании приведена оценка для среднего балла среди ключевых отраслей, содержащаяся в таблице 1:

Таблица 1

Приведение балльной оценки кредитоспособности к уровню

Для проведения моделирования были взяты значения описанных показателей по пятидесяти контрагентам за период с 2015 по 2020 годы. Моделирование было проведено с помощью программного инструмента «RStudio», в результате которого была выделена модель, которая выдала наиболее приближенный к реальному результат. Таким образом, была сформирована следующая модель:

где R — балльная оценка, — Коэффициент текущей ликвидности (покрытия), — коэффициент автономии (финансовой независимости), — Коэффициент рентабельности реализации, - коэффициент оборачиваемости оборотных активов, - коэффициент отношения выручки на анализируемую отчетную дату к выручке за аналогичный период прошлого года. Данная модель имеет характеристики, которые представлены в таблице 2:

Таблица 2

Показатели коэффициентов в модели

Стоит отметить, что большинство показателей значимы на уровне значимости 5 %. Сама модель имеет следующие значения информационных критериев:

– Multiple R-squared = 0,5964;

– Adjusted R-squared = 0.1927;

– P-value = 0.3781;

– Критерий Шварца — 7,829;

– Критерий Акайке — 8,099.

Таким образом, в данном исследовании были приведены финансовые показатели, являющиеся наиболее значимыми для расчета оценки кредитоспособности, а также пример модели для оценки кредитоспособности, построенной на основе реальных данных по финансовой отчетности контрагентов, взятой из открытых источников за период с 2015 по 2020 годы.

Литература:

1. Комлев Р. С. Оценка финансовой устойчивости организации. — Economics, 2016, № 11 (20).

2. Когденко В. Г. Методика финансового моделирования на основе публикуемой консолидируемой отчетности. — Экономический анализ: теория и практика, 2017, № 7 (466).