Анализ методик оценки кредитоспособности предприятия на примере ОАО «Красносельский Ювелирпром»

Самыми  распространенными на сегодняшний  момент являются модели американского  ученого Эдварда Альтмана. Наиболее простой из них является двухфакторная модель. Для определения итогового показателя вероятности банкротства (Z) используют показатель текущей ликвидности (К_т.л.) и показатель удельного веса заемных средств в активах (пассивах). Они перемножаются на соответствующие константы - определенные практическими расчетами весовые коэффициенты. Данная модель имеет следующий вид:

Z=                                (22)

где:

Кт.л. – коэффициент текущей ликвидности, рассчитанный как отношение всех оборотных активов к краткосрочным обязательствам;

Уд.весЗСвА – удельный вес заёмных средств в активах (пассивах), рассчитанный как отношение сумм строк баланса «Заёмные средства» четвертого и пятого раздела к валюте баланса [Приложения А, Г, Ж] .

Данная  модель имеет ряд недостатков. Во-первых, она не обеспечивает комплексную оценку финансового положения предприятия. А во-вторых, не имеет определенного значения константы при коэффициенте, характеризующем удельный вес заёмных средств в пассивах. В разных источниках данное значение может быть равно как 0,579, так и 0,0579. При расчетах данный недостаток можно устранить лишь способом выражения коэффициента при нём, то есть  в долях или в процентах.

Исходя  из полученного значения, аналитики  делают вывод о вероятности банкротства  предприятия. Если полученное Z меньше нуля, то есть отрицательное, то вероятность банкротства составляет менее 50%. Если Z больше нуля, то есть положительное, то вероятность наступления банкротства более 50 процентов. Если Z имеет значение близкое к нулю,  то вероятность наступления банкротства оценивают равной 50%.

Кроме двухфакторной  модели распространены также пятифакторные модели Альтмана. Эти модели имеют различные модификации в зависимости от того, вероятность банкротства какого предприятия анализируется.

Так, для производственных предприятий, акции которых котируются на рынке ценных бумаг, данная модель имеет вид:

Z=1.2*X₁ + 1.4*X₂ + 3.3 * X₃ + 0.6*X₄ + 1.0*X₅                                     (23)

где:

X₁ – отношение чистого оборотного капитала (строка 1200 – строка 1500) к активам (строка 1600) (по данным бухгалтерского баланса);

X₂ – отношение нераспределенной прибыли (строка 1370) к сумме активов предприятия (строка 1600);

X₃ – отношение прибыли до налогообложения (строка 2300 отчета о финансовых результатах) к общей стоимости активов (строка 1600 бухгалтерского баланса);

X₄ – отношение рыночной стоимости собственного капитала (строка 1300 баланса плюс стоимость акций, котирующихся на рынке) к бухгалтерской (балансовой) стоимости всех обязательств (сумма строк 1400 и 1500 баланса);

X₅ – отношение выручки (строка 2110 отчета о финансовых  результатах) к общей величине активов предприятия (строка 1600 баланса).

В результате подсчета Z – показателя делается заключение.

Если Z < 1,8 – вероятность банкротства очень высокая;

Если  1,8 ≤ Z < 2,7 - вероятность краха компании высокая;

Если  2,7 ≤ Z < 2,9 – вероятность банкротства возможная;

Если Z ≥ 2,9 – ситуация на предприятии стабильна, риск неплатежеспособности в течении ближайших двух лет крайне мал, вероятность банкротства очень низкая.

 Для производственных предприятий, акции которых не котируются на рынке ценных бумаг, данная модель имеет вид:

Z=0,717*X₁ + 0,847*X₂ + 3,107 * X₃ + 0,42*X₄ + 0,995*X₅                 (24)

где:

X_i – то же, что и в предыдущей модели, кроме Х₄

X₄ – отношение стоимости собственного капитала (строка 1300 баланса) к бухгалтерской (балансовой) стоимости всех обязательств (сумма строк 1400 и 1500 баланса).

В результате подсчета Z – показателя делается заключение.

Если Z < 1,23 – вероятность банкротства очень высокая;

Если  1,23 ≤ Z < 2,9 - зона «неведения»;

Если Z ≥  2,9 – ситуация на предприятии стабильна, вероятность банкротства очень низкая.

Ещё оной разновидностью многофакторных моделей  является модель Фулмера [20]. Она состоит из девяти показателей интегрированных в единый коэффициент Z. В зависимости от значения конечного коэффициента предприятие может быть отнесено к классу надежных или обреченных на банкротство. Общий вид модели следующий:

Z = 5.528 * Х1 + 0.212 * Х2 + 0.073 *  Х3 + 1.270 * Х4 - 0.120 * Х5 + +2.335 * Х6 + 0.575 * Х7 + 1.083 * Х8 + 0.894 * Х9 - 6.075                      (25)

где:

Х1 – отношение нераспределенной прибыли прошлых лет (строка 1370 баланса) к совокупным активам (строка 1600);

Х2 – отношение объёма реализации (строка 2110 отчета о финансовых результатах) к совокупным активам (строка 1600 баланса);

Х3 –  отношение прибыли до налогообложения  (строка 2300 отчета о финансовых результатах) к собственному капиталу (строка 1300 баланса);

Х4 – отношение чистой прибыли (строка 2400 отчета о финансовых результатах) к полной задолженности (сумма строк 1400  и 1500 бухгалтерского баланса);

Х5 – отношение долгосрочных обязательств (строка 1400  бухгалтерского баланса) к совокупным активам (строка 1600 баланса);

Х6 – отношение текущих пассивов (строка 1500 баланса) к совокупным активам (строка 1600 баланса);

Х7 – десятичный логарифм материальных активов (логарифм разницы строки 1600 и строк 1110, 1170, 1220, 1230 баланса);

Х8 – отношение оборотного капитала (строка 1200 баланса) к полной задолженности (сумма строк 1400  и 1500 бухгалтерского баланса);

Х9 – десятичный логарифм отношения прибыли до уплаты налогов и процентов (сумма строк 2300 и 2330 отчета о финансовых результатах) к процентам к уплате (строка 2330).

Данная  модель имеет всего два варианта исхода событий: либо предприятие ожидает банкротство, его крах неизбежен, при этом значение Z отрицательное, либо предприятие в ближайшей перспективе ещё способно стабильно функционировать, при этом значение Z выше нуля, то есть положительное. Точность прогнозов, сделанных с помощью данной модели на год вперёд — 98 %, на два года — 81 %.

Кроме моделей  Альтмана и Фулмера существует также и другие варианты подобных прогнозных моделей, например, модели Таффлера, Лиса, Сайфуллина и других ученых.

Таким образом,  преимуществом методов Z-анализа является высокая вероятность, с которой предсказывается банкротство. Однако, учитывая тот факт, что данные модели были разработаны на основе анализа деятельности американских фирм, применение этих способов оценки к нашим предприятиям ещё вызывает определённые вопросы.

 

4. Метод «CAMPARI» (оценка деловых рисков)

Методика  «CAMPARI» заключается в поочередном  выделении из кредитной заявки и  прилагаемых финансовых документов наиболее существенных факторов, определяющих деятельность клиента, в их оценке и  уточнении после личной встречи  с клиентом. Название CAMPARI образуется из начальных букв следующих слов: С (Character) – репутация, характеристика клиента; A (Ability) – способность к возврату кредита; М (Margin) – маржа, доходность; Р (Purpose) – целевое назначение кредита; A (Amount) – размер кредита; R (Repayment) – условия погашения кредита; I (Insurance) – обеспечение, страхование риска непогашения кредита [21].

Методика, основанная на анализе делового риска, использует качественные факторы при оценке заемщика. Факторами делового риска являются различные причины, приводящие к прерывности или задержке кругооборота фондов на отдельных стадиях.

Факторы делового риска можно сгруппировать  по стадиям кругооборота:

1) стадия  создания запасов:

- количество  поставщиков и их надежность;

- мощность  и качество складских помещений;

- соответствие  способа транспортировки характеру  груза;

- доступность  цен на сырье и его транспортировку  для заемщика;

- количество  посредников между покупателем  и производителем сырья и других  материальных ценностей;

- отдаленность  поставщика;

- экономические  факторы;

- мода  на закупаемое сырье и другие  ценности;

- факторы  валютного риска;

- опасность  ввода ограничений на вывоз  и ввоз импортного сырья;

2) стадия  производства:

- наличие  и квалификация рабочей силы;

- возраст  и мощность оборудования;

- загруженность  оборудования;

- состояние  производственных помещений;

3) стадия  сбыта:

- количество  покупателей и их платежеспособность;

- диверсифицированность дебиторов;

- степень  защиты от неплатежей покупателей;

- принадлежность  заемщика к базовой отрасли  по характеру кредитуемой готовой  продукции;

- степень  конкуренции в отрасли;

- влияние  на цену кредитуемой готовой  продукции общественных традиций  и предпочтений, политической ситуации;

- наличие  проблем перепроизводства на  рынке данной продукции;

- демографические  факторы;

- факторы  валютного риска;

- возможность  ввода ограничений на вывоз  из страны и ввоз в другую  страну экспортной продукции.

Кроме того, факторы риска на стадии сбыта  могут комбинироваться из факторов первой и второй стадий. Поэтому  деловой риск на третьей стадии считается  более высоким, чем на первой или  второй.

Каждому из вышеперечисленных факторов присваивается  определенное количество баллов. Сумма  всех баллов показывает,  к какому классу заемщиков относится предприятие. Оценка заемщика по классу риска представлена в таблице 6.

Таблица 6                                                       Оценка заемщика по классу риска

Класс	Общая сумма баллов
Класс А – заемщик надежный	Больше 250
Класс Б – заемщик с минимальным риском	От 200 до 250
Класс В – заемщик со средним риском	От 150 до 200
Класс Г – заемщик с высоким  риском	От 100 до 150
Класс Д – заемщик с полным риском	Меньше 100

 

Данный  метод анализа является достаточно сложным в применении. Главную  трудность представляет присвоение баллов каждому из критериев, поскольку  для более точной оценки необходимо внимательно и полном объёме  изучить все стороны деятельности предприятия. Всё же при таком  подходе вероятность в неправильной оценке кредитоспособности предприятия, на мой взгляд, является наименьшей.

 

2.3.5 Кредитный скоринг (оценка кредитных рисков)

Скоринг – метод классификации всех заемщиков на различные группы для оценки кредитного риска. Он представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность возвращения конкретным потенциальным заемщиком кредита в срок [22].

В настоящее  время кредитный скоринг только начинает применяться в России в качестве инструмента для измерения и управления кредитным риском. Данный метод в большей степени подходит кредиторам с большим числом кредитных заявок на небольшую сумму (например, до 100 000 рублей), то есть к так называемым микрокредитам.

Смысл кредитного скоринга заключается в том, что каждому потенциальному заемщику присваивается свойственная только ему оценка кредитного риска. Сравнение значения кредитного скоринга, полученного для конкретного заёмщика, со специфичной для каждой модели скоринга пороговой оценкой помогает разделить всех клиентов банка на «хороших» и «плохих».

Основой для построения таких скоринговых моделей могут быть экспертные знания, статистические данные, полученные в процессе предшествующего кредитования, а также макроэкономическая информация (динамика доходов, потребления и накопления) [23].

При оценке заёмщика – юридического лица, в  качестве данных обычно выступают различные  показатели хозяйственной деятельности заёмщика – так называемые финансовые индикаторы.

В зависимости  от применяемых статистических данных и способа их использования различают множество разнообразных моделей скоринга. Они могут быть основаны как на мнениях кредитных экспертов и статистических данных, так называемые неформализованные модели, так и «уложены» в математическую формулу, в которой итоговый показатель (скоринговая оценка) зависит от целого ряда факторов.

Примерами таких формализованных моделей  служат модели Альтмана, Фулмера и фирмы Fair Isaac.

 Многофакторные  модели Альтмана и Фулмера были рассмотрены выше. Стоит лишь отметить, что Альтман анализировал деятельность крупных компаний, а Фулмер малых предприятий (по американским меркам).  Модели же фирмы Fair Isaac предназначены в основном для кредитования физических лиц и не имеют публичного характера. Про эту модель известно лишь то, что 35% значимости скоринговой оценки определяется свойствами прошлых платежей. На переменные, связанные с использованием кредита, приходится 30% значимости, 15% на кредитную историю и по 10% на тип использованных кредитов [23].