Анализ финансового состояния заемщика и оценки кредитных рисков в коммерческом банке
Оценка и управление кредитным риском в коммерческом банке. Факторы, влияющие на кредитоспособность заемщика. Исследование влияния отраслевой принадлежности заемщика на вероятность его банкротства. Поиск оптимального набора финансовых показателей.
| Рубрика | Банковское, биржевое дело и страхование |
| Вид | дипломная работа |
| Язык | русский |
| Дата добавления | 04.12.2019 |
| Размер файла | 1,1 M |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Лёгкая промышленность - коэффициент при этой переменной остаётся незначимым при любом наборе переменных, поэтому мы не можем говорить о влиянии принадлежности компании к отрасли лёгкой промышленности на вероятность банкротства.
Металлургия - так как коэффициент при этой переменной положительный, компании металлургической отрасли более склонны к банкротству при прочих равных условиях.
Розничная торговля - в данном случае отраслевая переменная оказалась незначимой, поэтому мы не можем сказать о влиянии принадлежности этой отрасли на вероятность банкротства компании.
Пищевая отрасль - коэффициент при данной переменной положительный, поэтому эти компании сравнительно менее устойчивы, чем остальные.
Энергетика - коэффициент отрицательный, поэтому данные компании сравнительно более устойчивы, чем компании других отраслей.
Строительство - коэффициент также отрицательный, поэтому, как и энергетические компании, компании данной отрасли имеют меньшую вероятность банкротства при прочих равных условиях.
2.3 Модель 2. Поиск оптимального набора финансовых показателей для оценки вероятности банкротства компаний из отрасли оптовой торговли
В этой модели мы будем отбирать наиболее важные финансовые показатели для оценки вероятности банкротства компаний в отрасли торговли. В дальнейшем анализе будут использоваться нормированные значения переменных, рассчитанные по формуле:
, где Xсредн - среднее арифметическое переменной X, а дX - стандартное отклонение этой переменной.
На первом этапе анализа мы будет проверять дескриптивные свойства рассматриваемых переменных, сравнивая средние и дисперсии двух независимых выборок. Для этой цели мы проведём 4 теста - t-тест на равенство средних, тест Уэлча, тест ANOVA, F-тест. Получим следующие результаты (+, если средние или дисперсии различаются на уровне значимости 5%, -, если совпадают) (табл.3):
Таблица 3
|
Переменные |
t-тест |
тест Уэлча |
Тест ANOVA |
F-тест |
|
|
Совокупные активы |
- |
- |
- |
+ |
|
|
Чистая прибыль |
+ |
+ |
+ |
+ |
|
|
Совокупный капитал |
+ |
+ |
+ |
+ |
|
|
Оборот кред. Задолженности |
+ |
+ |
+ |
+ |
|
|
Оборот деб. Задолженности |
+ |
+ |
+ |
+ |
|
|
Рентабельность активов |
+ |
+ |
+ |
+ |
|
|
Рентабельность продаж |
- |
- |
- |
+ |
|
|
Рентабельность собственного капитала |
- |
- |
- |
- |
|
|
Коэффициент финансового рычага |
- |
- |
- |
+ |
|
|
Коэффициент автономии |
+ |
+ |
+ |
- |
|
|
Доля денежных средств в активах |
+ |
+ |
+ |
+ |
|
|
Текущая ликвидность |
+ |
+ |
+ |
+ |
|
|
Абсолютная ликвидность |
- |
- |
- |
- |
По результатам тестов лучшими дескриптивными свойствами обладают следующие переменные: чистая прибыль, совокупный капитал, оборот кредиторской и дебиторской задолженности, рентабельность активов, коэффициент автономии, доля денежных средств в активах, текущая ликвидность.
На втором этапе анализа мы определим наиболее хорошо объясняющую банкротства совокупность коэффициентов. Однако перед этим проанализируем корреляцию между выбранными нами параметрами (табл.4), причём будем использовать следующую интерпретация коэффициента корреляции - от 0,3 до 0,5 по модулю - слабая корреляция, от 0,5 до 0,7 - средняя, выше 0,7 - сильная:
Таблица 4
|
Прибыль |
Капитал |
Об.кред. |
Об.деб. |
Рент.акт |
К.авт |
Ден.ср |
Тек.ликв |
||
|
Прибыль |
1 |
||||||||
|
Капитал |
0,95 |
1 |
|||||||
|
Об.кред. |
-0,09 |
-0,09 |
1 |
||||||
|
Об.деб. |
-0,07 |
-0,07 |
0,78 |
1 |
|||||
|
Рент.акт |
0,45 |
0,305 |
-0,25 |
-0,28 |
1 |
||||
|
К.авт |
0,46 |
0,54 |
-0,32 |
-0,31 |
0,64 |
1 |
|||
|
Ден.ср |
0,28 |
0,25 |
-0,18 |
-0,14 |
0,36 |
0,33 |
1 |
||
|
Тек.ликв |
0,27 |
0,34 |
-0,19 |
-0,13 |
0,29 |
0,65 |
0,08 |
1 |
Как мы можем увидеть из представленной таблицы, следующая степень связи существует между переменными:
· Слабый уровень корреляции - капитал и рентабельность активов, прибыль и рентабельность активов, прибыль и коэффициент автономии, капитал и рентабельность активов, оборот кредиторской задолженности и коэффициент автономии, оборот дебиторской задолженности и коэффициент автономии, капитал и текущая ликвидность, доля денежных средств в активах и рентабельность активов, денежные средства и коэффициент автономии
· Средний уровень корреляции - капитал и коэффициент автономии, рентабельность активов и коэффициент автономии, коэффициент автономии и текущая ликвидность, прибыль и рентабельность активов
· Высокий уровень корреляции - прибыль и капитал, оборот дебиторской и кредиторской задолженности.
Исходя из этого, далее в моделях мы не будем использовать переменные из одной группы или с высокой и средней корреляцией. Проверять переменные мы будем, используя линейную регрессию, метрикой качества модели будет значимость всех переменных и высокий R2. Результат проверки следующий (табл.5) (В таблице будут отражены те модели, в которых все переменные значимы, в скобках - значение p-value для переменной):
Таблица 5
|
№ модели |
Прибыль |
Капитал |
Оборот кред. Задолженности |
Оборот деб. Задолженности |
Рентабельность активов |
Коэффициент автономии |
Доля денежных средств в активах |
Текущая ликвидность |
R-квадрат |
|
|
1 |
0,12 (0,03) |
-0,18 (0,00) |
-0,18 (0,00) |
0,40 |
||||||
|
2 |
0,1 (0,10) |
-0,19 (0,00) |
-0,19 (0,00) |
0,37 |
||||||
|
3 |
-0,1 (0,11) |
0,15 (0,02) |
-0,16 (0,01) |
0,31 |
||||||
|
4 |
-0,1 (0,11) |
0,12 (0,01) |
-0,17 (0,00) |
0,27 |
||||||
|
5 |
-0,14 (0,04) |
0,18 (0,01) |
0,21 |
|||||||
|
6 |
0.1 (0,08) |
-0,18 (0,00) |
-0,13 (0,03) |
-0,13 (0,02) |
0,50 |
|||||
|
7 |
0,09 (0,10) |
-0,32 (0,00) |
0,50 |
|||||||
|
8 |
-0,1 (0,11) |
-0,19 (0,00) |
0,23 |
В итоге два набора переменных показывают наибольшее значение R2:
1. Оборот кредиторской задолженности (положительная зависимость), рентабельность активов, доля денежных средств в активах, текущая ликвидность (отрицательная зависимость)
2. Оборот кредиторской задолженности (положительная зависимость), коэффициент автономии (отрицательная зависимость).
Проверим точность оценок данных моделей, рассчитав вероятность ошибок первого и второго рода (аналогично первому типу моделей, где прогноз считался дефолтным, если прогнозная вероятность дефолта компании была выше 50%):
1 модель:
Таблица 6
|
В итоге банкротство |
В итоге выживание |
||
|
Прогноз банкротства |
25(83,3%) |
5(16,7%) |
|
|
Прогноз выживания |
2(8,3%) |
22(91,7%) |
2 модель:
Таблица 7
|
В итоге банкротство |
В итоге выживание |
||
|
Прогноз банкротства |
26(89,7%) |
3(10,3%) |
|
|
Прогноз выживания |
1(4%) |
24(96%) |
Обе модели демонстрируют высокие результаты при проверке валидации точности. Были выявлены высокие показатели чувствительности и специфичности модели. Поэтому они обе могут использоваться при оценке вероятности банкротства предприятий оптовой торговли. Интересно, что в обеих моделях значения специфичности выше значения чувствительности. Это означает, что данные модели (и наборы риск-доминирующих показателей) направлены больше на прогноз выживания компаний, нежели на прогноз банкротства. Однако данный результат мог быть получен из-за особенностей анализируемых данных. К сожалению, проведение тестирования полученных моделей на других данных оказалось невозможным по причине отсутствия достаточного количества обанкротившихся компаний в доступных базах данных.
Заключение
Проведя необходимые тесты и необходимые модели, были проверены гипотезы, которые сформулированы ранее:
· Гипотеза 1 - отраслевая принадлежность компании действительно влияет на вероятность её банкротства. Для двух отраслей коэффициенты оказались незначимыми, однако для остальных можно сделать вывод о том, что для разных отраслей влияние финансовых и макроэкономических переменных различно. Это позволяет сделать вывод о том, что необходимо рассчитывать нормативы для финансовых показателей отдельно для каждой отрасли для более точных оценок и прогнозов вероятности дефолта компаний.
· Гипотеза 2 - для компаний из отрасли оптовой торговли было найдено два набора финансовых показателей, наиболее точно объясняющих банкротство компаний этой отрасли. Это срок оборота кредиторской задолженности и коэффициент автономии, а также срок оборота кредиторской задолженности, рентабельность активов, доля денежных средств в активах и текущая ликвидность. Оба набора переменных дают довольно большой коэффициент детерминации (0,5) и обладают большими коэффициентами чувствительности и специфичности.
· Гипотеза 3 - Построенная модель и её результаты (псевдо R2 = 0,83, высокие показатели коэффициентов чувствительности и специфичности) показывают, что возможно построить простую, но точную модель для прогнозирования банкротства компаний разных отраслей. Это поможет банкам и кредитным организациям применять IRB-подход оценки кредитных рисков более эффективно. Задачами для будущих исследований является разработка отраслевых нормативов финансовых коэффициентов, а также определение оптимального набора финансовых показателей для оценки кредитоспособности заёмщиков отдельных отраслей.
Список литературы
1. Андриевская И.К. Моделирование динамики рисков по Базелю II / И.К. Андриевская, Г.И. Пеникас, Н.П. Пильник // Банковское дело.-2010.- №11.- С.66-71
2. Верников А.В. Структурно-институциональное сходство банковских систем России и Китая : препринт WP1/2014/04 / А. В. Верников ; Нац. исслед. ун-т «Высшая школа экономики». - М. : Изд. дом Высшей школы экономики, 2014. - (Серия WP1 «Институциональные проблемы российской экономики»). - 53 с
3. Горелая Н.В. Основы банковского дела / Н.В. Горелая, А.М. Карминский. - М.: Форум, 2013. - 272 с.
4. Гусятников П.В. Модели для оценки и управления рисками дефолтов крупных компаний в кредитном портфеле коммерческого банка: Автореф. дис. канд. экон. наук - Волгоград, 2013. - 23 с.
5. Домников А. Ю. Совершенствование методики оценки кредитного риска корпоративных клиентов коммерческого банка с учетом отраслевой специфики / А. Ю. Домников, М. Я. Ходоровский, П. М. Хоменко // Вестник УрФУ. Серия: Экономика и управление. -- 2013. -- № 6. -- С. 107-120.
6. Зангиева И.А. Развитие системы управления кредитными рисками банков с использованием Базельских соглашений: Автореф. дис. канд. экон. наук - Москва, 2012. - 22 с.
7. Карминский А.М. Сравнительный анализ моделей формирования рейтингов / А.М. Карминский, В.В, Сосюрко // Финансовая аналитика, проблемы и решения. - 2009. -- № 14 - 8 с.
8. Карминский А.М. Рейтинги как мера финансовых рисков. Эволюция, назначение, применение / А.М. Карминский, А.А. Пересецкий // Проблемы экономической теории. - 2008. - С.86-101
9. Кучиев А.З. Кредитоспособность корпоративного заёмщика в условиях финансовой нестабильности: Автореф. дис. канд. экон. наук - Владикавказ, 2016. - 24 с.
10. Лыкова Н.М. Развитие методов управления проблемными кредитами в коммерческом банке: Автореф. дис. канд. экон. наук - Москва, 2013. - 26 с.
11. Петров Д.А. Кредитный риск-менеджмент как инструмент борьбы с возникновением проблемной задолженности / Д.А. Петров, М.В. Помазанов // Банковское кредитование. - 2008. -- № 6 - 16 с.
12. Помазанов М.В. Управление кредитным риском: подход внутренних рейтингов (ПВР) : практ. пособие для магистратуры / М. В. Помазанов ; под науч. ред. Г. И. Пеникаса. -- М. : Издательство Юрайт, 2016. -- 265 с. -- Серия : Магистр. Модуль.
13. Попов И.В. Совершенствование методов оценки кредитоспособности и управления кредитным риском юридических лиц: Автореф. дис. канд. экон. наук - Москва, 2010. - 25 с.
14. Пустовалова Т.А. Управление кредитным риском кредитного портфеля коммерческого банка / Т.А. Пустовалова, Р.Р. Кутуев // Вестник СПБГУ. - 2008. -- № 8 - С. 135-154
15. Тотьмянина К.М. Моделирование вероятности дефолта корпоративных заёмщиков с учетом макроэкономической конъюнктуры // Корпоративные финансы. - 2014. -- № 1 - С. 19-28
16. Федорова Е.А. Нормативы финансовой устойчивости российских предприятий: отраслевые особенности / Е.А. Федорова, Я.В. Тимофеев // Корпоративные финансы. - 2015. -- № 1 - С. 38-46
17. Хрестинин В.В. Оценка отраслевой составляющей в рамках комплексного анализа кредитоспособности потенциального заёмщика: Автореф. дис. канд. экон. наук - Москва, 2007. - 29 с.
18. Шешукова Т.Г. К вопросу об особенностях заёмщиков малого бизнеса и анализе и кредитоспособности в коммерческой банке / Т.Г. Шешукова, М.В. Быкова // Вестник Пермского университета. - 2013. -- № 4 - С. 131-140
19. Chalupka R. Modeling bank loan LGD of corporate and SME Segments:A case study/ R. Chalupka, J. Copecsni // IES Working paper. - 2008. - 40 c.
20. Ciporova E. Assessment of Credit Risk Approaches in Relation of with Competitiveness Increase of the Banking Sector / E. Ciporova, J. Belas // Journal of Competitiveness. - 2012. - №4 - С. 69-84.
21. Fernandez J. Corporate Credit Risk Modeling: Quantitive Rating System and Probability of Default Estimation // Working paper. - 2005. - 70 с.
22. Jimenez G. Collateral, type of lender and relationship banking as determinants of credit risk / G. Jimenez, J. Saurina // Journal of Banking & Finance. - 2004. -- № 28 - С. 2191-2212
23. Kafetzopoulos D. Relationship between quality management, innovation and competitiveness. Evidence from Greek companies / D. Kafetzopoulos, K. Gotzamani, V. Gkana // Journal of Manufacturing Technology Management. - 2015. - №8. - С. 1177-1200.
24. Lennox C. Identifying failing companies: a re-evaluation of the logit, probit and DA approaches // Journal of Economics and Business. - №4. - 1999. - С. 347-364
25. Lin C. et al. Ownership structure and the cost of corporate borrowing // Journal of Financial Economics. - №1. - 2011. - С. 1-23.
26. Poligorova T. Corporate Risk Taking and Ownership Structure // Working Paper, Bank of Canada. - 2010. - 41 с.
27. Van Roy P. Credit Ratings and the Standardised Approach to Credit Risk in Basel II, Working Paper Series, European Central Bank, 2005
Приложение
Модель 1:
Рисунок 3. Первоначальная модель со всеми коэффициентами
Рисунок 4. Полученная итоговая модель
Рисунок 5. Корреляционная матрица переменных
Рисунок 6. Модель для проверки отрасли оптовой торговли
Рисунок 7. Модель для проверки отрасли энергетики
Рисунок 8. Модель для проверки отрасли розничной торговли
Рисунок 9. Модель для проверки отрасли лёгкой промышленности
Рисунок 10. Модель для проверки отрасли строительства
Рисунок 11. Модель для проверки отрасли пищевой промышленности
Результаты проверки переменных на дескриптивную силу в модели 2.
t-тесты для всех переменных:
Рисунок 12. t-тесты для абсолютной и текущей ликвидности
Рисунок 13. t-тесты для доля денежных средств в активах и коэффициента автономии
Рисунок 14. t-тесты для левериджа и активов
Рисунок 15. t-тесты для прибыли и капитала
Рисунок 16. t-тесты для оборота кредиторской и дебиторской задолженности
Рисунок 17. t-тесты для рентабельности активв и продаж
Размещено на Allbest.ru
Подобные документы
Кредитная политика как основной инструмент достижения стратегических целей коммерческого банка. Организация процесса управления кредитным риском в коммерческом банке. Кредитоспособность заемщика и методы ее оценки. Сравнительный анализ кредитной политики.
дипломная работа [236,2 K], добавлен 20.10.2005Кредитные процессы в коммерческом банке. Понятие и сущность кредитоспособности заемщика, место и значение ее оценки в процессе управления кредитным риском, методические основы данного процесса. Практика оценки кредитоспособности заемщика в ОАО "Алемар".
дипломная работа [111,1 K], добавлен 08.04.2013Сущность кредитоспособности заемщика, способы ее оценки. Управление кредитными рисками. Оценка кредитоспособности заемщика на примере "Уральский инновационный коммерческий банк". Мероприятия по совершенствованию оценки кредитного риска заемщика в банке.
курсовая работа [759,8 K], добавлен 17.11.2014Понятие, цели и задачи оценки платежеспособности ссудозаемщика в коммерческом банке. Методы оценки риска и управление им. Расчет и оценка показателей кредитоспособности по методике ОАО "Банк А", "Банк Б". Алгоритм оценки финансового положения заемщика.
дипломная работа [168,8 K], добавлен 14.01.2016Кредитные риски как разновидность банковских рисков. Анализ кредитоспособности заемщика. Разработка рекомендаций и мероприятий по управлению кредитным риском. Классификация банковского кредитного риска. Управление риском в системе "банк-клиент".
дипломная работа [152,5 K], добавлен 01.03.2011Содержание банковских рисков и их классификация. Факторы, влияющие на величину кредитного риска. Предварительная работа по управлению риском в коммерческом банке. Реализация кредитной политики. Содержание кредитоспособности и методика ее определения.
дипломная работа [1,2 M], добавлен 25.12.2013Понятие и критерии кредитоспособности. Организация процесса управления кредитным риском в коммерческом банке. Особенности оценки кредитоспособности физических и юридических лиц. Анализ кредитоспособности заемщика в ОАО "Акционерный банк "Пушкино".
дипломная работа [697,0 K], добавлен 12.04.2013Виды банковских кредитов и принципы кредитования. Развитие банковского кредитования в России. Формирование кредитного портфеля в коммерческом банке и пути его совершенствования примере ОАО "Россельхозбанк". Методы оценки кредитоспособности заемщика.
дипломная работа [127,5 K], добавлен 22.03.2015Основные способы оценки кредитоспособности крупных и средних предприятий, принятые в РФ. Анализ кредитного портфеля банка "СКБ-БАНК", его кредитная политика. Мероприятия по совершенствованию оценки кредитного риска заемщика в коммерческом банке.
дипломная работа [165,5 K], добавлен 20.03.2013Методы кредитования в банковской практике. Сущность, функции, принципы и основные элементы кредитной политики коммерческого банка. Анализ структуры кредитного портфеля ОАО "Россельхозбанк". Оценка финансового состояния и кредитоспособности заемщика.
курсовая работа [71,9 K], добавлен 26.05.2015
