текст(all)

Глава 3. ПРИМЕНЕНИЕ НЕЙРОННЫХ СЕТЕЙ В МЕТОДИКЕ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЁМЩИКА

3.1. Статистические методы построения кредитных рейтингов на основе экспертных оценок и нейронных сетей

Проведение сравнительного анализа мировой и отечественной практики осуществления кредитного процесса свидетельствует о необходимости проведения дальнейших разработок в области методических рекомендаций по определению оценки кредитоспособности потенциального заѐмщика. В настоящее время наблюдается отсутствие качественных методик оценки финансового положения заѐмщика, имеющих в основе своих расчѐтов достаточную статистическую базу, а также грамотно произведѐнные математические вычисления. Данное обстоятельство оказывает негативное влияние на процесс распределения кредитных ресурсов в экономике и, кроме того, приводит к тому, что кредитные организации не имеют возможности ранжировать заѐмщиков по уровню их платѐжеспособности для целей эффективного управления кредитными рисками.

Общепринятым показателем кредитоспособности заѐмщика на современном этапе развития банковского дела является кредитный рейтинг. Рейтинг представляет собой некое буквенное или количественное выражение способности заѐмщика к совершению кредитной сделки. Высокое значение рейтинга свидетельствует о высоком классе кредитоспособности, низкое — о низком. В отечественной практике интерпретация рейтинга с точки зрения уровня кредитного риска происходит субъективно. В большинстве случаев она основана не на анализе финансовых коэффициентов, рассчитанных с помощью статистической базы, полученной из отчѐтности российских предприятий, а на основе субъективных оценок экспертов. Расчѐт кредитного рейтинга иностранными специалистами основан на более сложных мате- матико-статистических расчѐтах. В результате можно наблюдать существенное различие в расчѐтах кредитного рейтинга, рассчи-

121

тываемого отечественными и зарубежными кредитными организациями.

Таким образом, перед кредитными экспертами банковских организаций возникает необходимость создания системы кредитных рейтингов, разработанных с помощью математико-статис- тических расчѐтов и основанных на анализе финансовой отчѐтности предприятий, расположенных в том регионе, в котором осуществляют свою деятельность потенциальные заѐмщики. Учѐт особенностей экономической деятельности предприятий, функционирующих именно в месте расположения филиала кредитной организации, является фактором объективной оценки финансового состояния потенциальных заемщиков.

Использование финансовой отчѐтности предприятий Приморского края как основы для построения кредитного рейтинга

Уровень экономического развития той или иной страны складывается исходя из оценки финансового состояния еѐ хозяйствующих субъектов. В свою очередь на благосостояние областей и регионов влияют такие факторы, как географическое положение, наличие и уровень функционирования стратегически необходимого производства и многие другие.

Приморский край расположен на берегу Японского моря, а также имеет общую государственную границу с рядом азиатских государств. Особенности географического положения Приморского края определили актуальность развития таких отраслей, как ремонт судов, рыбная промышленность, транспорт, торговля, строительство и т.д. Именно предприятия данных отраслей являются наиболее развивающимися, а также составляют наибольшую долю среди региональных хозяйствующих экономических субъектов, а следовательно, являются наиболее частыми потенциальными заѐмщиками кредитных организаций.

Данное обстоятельство послужило причиной выбора отраслевой принадлежности предприятий в качестве основы статистической базы для проведения наших дальнейших расчѐтов. Перечень выбранных нами отраслей, а также количество анализируемых в них предприятий Приморского края представлены в табл. 3.1.

122

Таблица 3.1

Количественная характеристика анализируемых статистических объектов, используемых

при проведении расчѐтов

Выбор большого количества анализируемых предприятий основан на необходимости получения наиболее представительных результатов. Исходные данные были представлены Приморским краевым комитетом государственной статистики.

На основе финансовой отчѐтности предприятий за трѐхлетний период их деятельности были рассчитаны значения коэффициентов, наиболее часто используемые для построения кредитных рейтингов коммерческими банками. Перечень коэффициентов, а также их экономический смысл представлены в табл. 3.2.

123

124

Анализ совокупности представленных выше коэффициентов обеспечивает получение наиболее полной финансовой оценки потенциального предприятия-заѐмщика с целью решения вопроса о выдаче ему кредита коммерческим банком. В данном случае нами были выбраны коэффициенты, используемые в финансовом менеджменте, которые характеризуют именно уровень кредитоспособности предприятия, т.е. оценивают эффективность функционирования организации и способность еѐ своевременно выплачивать кредитные проценты, а также полностью погасить свои долги.

Упорядочение заѐмщиков по их кредитному имиджу: кредитные предпочтения экспертов

Кредитный рейтинг является обобщенным количественным показателем, который позволяет кредитной организации в единообразной форме измерить кредитоспособность потенциальных заѐмщиков и оценить степень риска, связанного с выданным кредитом. Предполагается, что кредитный рейтинг должен отражать существенные стороны коммерческой деятельности предприятия, эффективность использования им финансовых ресурсов, уровень менеджмента на предприятии и добросовестность его поведения как заѐмщика.

Информацию, охватываемую кредитным рейтингом, можно разделить на два основных вида данных:

а) показатели производственно-хозяйственной деятельности предприятия, его положение на рынке и ситуация в отрасли;

б) индивидуальные особенности заѐмщика (кредитная история, уровень организации менеджмента на предприятии) и конкретного кредитного договора (соотношение денежных потоков заѐмщика и размера кредита, сроки и схема погашения кредита) и т.д.

Формирование кредитных рейтингов является чрезвычайно сложной задачей, которую невозможно полностью формализовать для построения точного решения. Такие особенности имиджа предприятия, как уровень организации менеджмента, вообще могут быть оценены только субъективно, в виде мнений экспертов. Для учѐта кредитной истории необходимо располагать этой историей. В условиях сегодняшней России представительной статистической информации о кредитных историях предприятийзаѐмщиков банки не имеют, и на создание базы данных таких

125

кредитных историй потребуется, по меньшей мере, несколько лет.

Поэтому на сегодняшний день единственным подходом к построению объективных, обоснованных показателей кредитоспособности предприятий является статистический анализ показателей их финансово-хозяйственной деятельности.

В литературе достаточно хорошо известны факторные модели, оценивающие риск неплатѐжеспособности предприятия или прогнозирующие возможность ухудшения его финансового состояния, например, Z-оценка Э. Альтмана, система показателей У. Бивера, модель надзора за ссудами Р. Чессера или модель оценки риска банкротства фирмы, применявшаяся Банком Франции [49]. В этих моделях обычно вычисляется линейная комбинация финансовых показателей (коэффициентов Ki ), характеризующих состояние

предприятия-заѐмщика, с некоторыми весами wi .

тывающий пять финансовых коэффициентов Ki , i 1,2,3,4,5 (со-

ответственно – отношение чистых оборотных фондов к общим активам, отношение резервов к общим активам, отношение валовой прибыли к общим активам, отношение собственного капитала к общей задолженности, отношение оборотов к общим активам) [49. С. 7]:

Z 1,2K1 1,4K2 3,3K3 0,6K4 1,0K5 .

В зависимости от полученного значения Z предприятию приписывается та или иная вероятность банкротства (от очень высокой до очень низкой).

Подобные модели можно адаптировать и для применения к оценке кредитоспособности российских предприятий, но при этом необходимо провести специальные статистические исследования, чтобы найти обоснованные значения весовых коэффици-

ентов wi (выполнить идентификацию моделей), поскольку зна-

чения, построенные на основе статистики других стран, очевидно не будут правильными в отношении российских предприятий. Естественно также, что оценивание этих коэффициентов следует

126

делать с учѐтом региональной и отраслевой специфики предприятий и рынков.

Необходимые статистические данные о финансовых показателях деятельности предприятий сегодня имеются, но статистики реального возврата кредитов, неплатѐжеспособности и т.д. попрежнему нет, поэтому нет и возможностей для идентификации факторных моделей. Учитывая, что объективные статистические модели измерения кредитоспособности предприятий чрезвычайно необходимы уже сегодня, а не через несколько лет, в данной работе мы предлагаем новый подход, основанный на идее экспертной кредитной упорядоченности предприятий и анализе реальной статистической базы данных о результатах их хозяйст-

являющихся потенциальными кандидатами на получение кредитов; для каждого из предприятий известны финансовые коэффи-

циенты Ki , i 1,2,..., N . Для построения количественной модели

оценки кредитоспособности эти предприятия расставляются в порядке качества (уровня) их кредитного имиджа. Для этого каж-

более предпочтительным в качестве заѐмщика, чем предприятие k . С помощью такого индекса кредитного имиджа все предпри-

ятия могут быть однозначно расставлены в таком порядке, чтобы их индексы I(k) росли, скажем, слева направо.

Для упрощения дальнейшего изложения предположим, что предприятия рассматриваемой группы перенумерованы так, что номер каждого предприятия соответствует его месту в упорядоченной последовательности индексов,

Построение упорядоченной последовательности индексов (3.1) должно производиться экспертами на основе их профессиональных суждений о сравнительной эффективности хозяйственной деятельности анализируемых предприятий.

Следует заметить, что упорядочение предприятий по степени их «кредитной предпочтительности» в виде (3.1) является намного более простой задачей, чем распределение заѐмщиков и ссуд по ка-

127

тегориям качества типа «стандартные, нестандартные, сомнительные, проблемные», как того требует Положение № 254-П. Действительно, учесть все показатели хозяйственной деятельности, уровень менеджмента, экономический цикл отрасли и выразить всѐ это в виде количественного соотношения (формулы) для вычисления категории – задача чрезвычайно сложная и не имеющая скольконибудь однозначного решения. В то же время, расставить предприятия в порядке их субъективно понимаемого «кредитного имиджа», например на основе попарных сравнений, вполне под силу кредитному специалисту средней квалификации. Желательно делать это упорядочение именно с помощью группы экспертов, действующих независимо. Тогда будет получен статистический ансамбль кредитных последовательностей, что придаст получаемым далее оценкам дополнительный вероятностный смысл и повысит их достоверность.

Рассматриваемая нами задача может быть сформулирована следующим образом: на основе статистической информации о

функцию r r(K1 ,.K2 ,...KN ) , чтобы вычисленные с еѐ помощью кредитные рейтинги предприятий r( ) r(K1 ,.K2 ,...KN ) в мак-

симальной степени соответствовали экспертной последовательности индексов (3.1).

Предварительный анализ статистических данных

Для удобства статистического анализа финансовые коэффициенты в данном исследовании были преобразованы к стандартному нормированному виду. С этой целью по выбранной группе

предприятий определялись медианное medi , минимальное mini и максимальное max i значения каждого из коэффициентов Ki , i 1,2,...,14 . Затем вычислялось нормированное значение показателя

Таким образом, по каждому предприятию k сопоставлялся вектор нормированных коэффициентов (признаков, в терминоло-

128

N-мерном пространстве признаков RN .

Достоинство подобной нормировки состоит в том, что медиана является более устойчивым показателем положения вероятностного распределения, чем обычно используемое среднее арифметическое. Линейное преобразование такого вида не меняет характер статистического распределения, оно лишь приводит его к стандартному диапазону единичного размаха, а это удобно для построения статистических оценок различных функциональных зависимостей. Что касается исходных коэффициентов Ki , то диапа-

зоны их изменения могут отличаться в сотни раз, а это существенно усложняет анализ и поиск закономерностей.

Изучение статистических наблюдений выявило ряд закономерностей в поведении финансовых показателей предприятий. Плотности распределения почти всех показателей имеют явно выраженный характер монотонно убывающих функций; на рис. 3.1 в качестве типичного примера показана гистограмма отношения дебиторской и кредиторской задолженности (202 строительных предприятия, 2004 г.).

Рис. 3.1. Гистограмма отношения дебиторской и кредиторской задолженности для предприятий строительной отрасли в 2004 г.

129

Лишь у некоторых показателей наблюдался явно выраженный максимум (мода) плотности распределения, как у показанной на рис. 3.2 гистограммы коэффициента абсолютной ликвидности по той же группе предприятий.

Рис. 3.2. Гистограмма коэффициента абсолютной ликвидности для предприятий строительной отрасли в 2004 г.

Значения таких коэффициентов, как рентабельность продукции, рентабельность основной деятельности, рентабельность активов, норма валовой прибыли, норма чистой прибыли, коэффициент отношения продаж к основным средствам могут быть отрицательными в связи с тем, что при их расчѐте используются строки из финансовой отчѐтности, отражающие прибыль предприятий (валовую, чистую и т.д.). В случае, если предприятие несѐт убытки, то соответственно и значения данных коэффициентов будут отрицательными.

Значение коэффициента «доля собственных оборотных средств ко всем оборотным активам» будет отрицательным в том случае, если предприятие не обладает достаточным количеством собственных оборотных средств. В данном случае предприятие не имеет возможности обеспечить сумму кредиторской и дебиторской задолженности собственными оборотными средствами.

Значение коэффициента «соотношение заѐмных и собственных средств» может быть отрицательным в случае превышения убытков предприятия над собственным капиталом.

130