Моделирование оценки кредитоспособности заемщика с учетом региональных факторов

Размещено на http://www.allbest.ru/

Финансовый университет при Правительстве РФ, Смоленский филиал

МОДЕЛИРОВАНИЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА С УЧЕТОМ РЕГИОНАЛЬНЫХ ФАКТОРОВ

Евсеенков С.А., Гусарова О.М.

Смоленск, Россия

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

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]

Таблица 2. Показатели качества модели оценки кредитоспособности предприятий

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. 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]

Таблица 3. Регрессии зависимости уровня кредитоспособности от статистически значимых факторов

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]

Библиографический список

заемщик кредитоспособность банковский волатильность

1. Орлова И.В., Турундаевский В.Б. Краткосрочное прогнозирование ипотечного кредитования // Экономика, статистика и информатика. Вестник УМО.- № 6, 2013.- 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: БизнесНаука-Общество, 2014. - с. 42-43.

4. Гусарова О.М. Компьютерные технологии моделирования социально-экономических процессов. В сборнике: 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.- № 1, 2014.-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). Диссертация на соискание ученой степени кандидата экономических наук. - М.: 1999.

8. Гусарова О.М., Журавлева М.А. Анализ и совершенствование деятельности акционерных обществ (на примере "Смоленскоблгаз") // Современные наукоемкие технологии. - № 7-1, 2014. - с.10-12.

9. Гусарова О.М. Моделирование как способ планирования и управления результатами бизнеса // Успехи современного естествознания. - № 11-3, 2014. - с. 88-92.

10. Гусарова О.М. Моделирование в принятии управленческих решений. В сборнике: 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. В сборнике: Сборник научных трудов. - Смоленск: Смолгортипография, 2011. - с. 117-122.

Размещено на Allbest.ru