В статье приводится изучение существующих в современной банковской практике типовых методик оценки кредитного риска, анализ их особенностей, выявление положительных качеств и наиболее существенных недостатков. Представлена верификация модели принятия решений о выдаче кредитов на основе выбранной методики количественной оценки кредитного риска.

Ключевые слова: оценка кредитного риска, модель принятия решений о выдаче кредитов.

Для улучшения функционирования кредитного механизма возникает необходимость обоснования и использования экономико-математических методов прогнозирования при определении допустимых условий кредитования и решения других задач кредитного анализа. Повышение доходности кредитных операций непосредственно связано с качеством оценки кредитного риска. В зависимости от классификации клиента по группам риска банк принимает решение, стоит ли выдавать кредит или нет, какой лимит кредитования и проценты следует устанавливать [2]. В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом: субъективное заключение экспертов или кредитных инспекторов; автоматизированные системы скоринга. Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок [3].

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. Оценка вероятности банкротства предприятия представляет собой нелинейную функцию от существенных финансовых показателей, наиболее полно характеризующих деятельность компании. В группу существенных решено было включить следующие шесть показателей: 1. логарифм выручки (FR1); 2. операционная маржа (FR2); 3. доходность активов (FR3); 4. структура капитала (FR4); 5. покрытие обязательств (FR5); 6. ликвидность (FR6).

Логарифм выручки — десятичный логарифм выручки, полученной за год.

Операционная маржа — отношение операционной прибыли (прибыль/убыток от продаж плюс прочие операционные доходы минус прочие операционные расходы), полученной за год, к годовой выручке. Доходность активов — отношение годовой операционной прибыли к стоимости активов компании на дату проведения оценки. Структура капитала — отношение собственных средств компании к активам. Покрытие обязательств — отношение свободных денежных средств компании к общему объему обязательств. Ликвидность — отношение оборотных активов к обязательствам. Коэффициент ликвидности характеризует способность компании погашать свои краткосрочные обязательства за счет оборотных активов.

Приведенные показатели в общем случае являются зависимыми. Это приводит к искажению оценок вероятности банкротства при их непосредственном включении в оцениваемую модель. Поэтому построение качественной модели должно проходить в несколько этапов.

Собственные значения матрицы (как и собственные вектора) приведены в таблице 1. Вычисление собственных значений и собственных векторов осуществлялось с помощью программы, специально реализованной для такой задачи. Программа написана в среде Delphi 7 [4].

Таблица 1

Собственные значения и собственные вектора матрицы

Минимум функционала невязки находился по параметрам. Для его нахождения использовалось средство «Поиск решения» табличного редактора Microsoft Excel 2007. Параметры поиска приведены на рисунке 1.

Рис. 1. Параметры поиска решения

В качества метода поиска решения использовался квазиньютоновский метод, который сходится, если нулевое приближение находится достаточно близко к точке минимума. Характеристики качества разработанных моделей приведены в таблице 2 [1].

Таблица 2

Характеристики качества моделей

Как видно из таблицы, наиболее согласованной с рынком является Логит модель PD ₁ (Рис. 2).

Рис. 2. Сравнение изменения PDрын и прогнозного по логит-модели PD1 от наблюдения к наблюдению

После применения качественного анализа моделей, была выбрана наиболее адекватная Логит модель PD _1. Так же была разработана программа поиска собственных значений и собственных векторов матрицы, необходимая при формировании главных компонент. Данная модель может быть использована в качестве инструмента принятия решения в банковском риск-менеджменте.

Литература:

1. Бахвалов, Н. С. Численные методы [Текст] / Н. С. Бахвалов, Н. П. Жидков, Г. М. Кобельков — М.: Наука, 1987.
2. Иода, Е. В. Классификация банковских рисков и их оптимизация [Текст] / Е. В. Иода, Л. Л. Мешкова, Е. Н. Болотина — Тамбов: Изд–во Тамб. гос. техн. ун–та, 2002.
3. Материалы интернет–сайта и тематического форума [Электронный ресурс] // http://www.creditrisk.ru
4. Материалы интернет–сайта и тематического форума [Электронный ресурс] // http://www.alglib.ru