Разработка рекомендаций по совершенствованию оценки и улучшению кредитоспособности организации

Преимуществами рейтинговой модели являются простота, возможность расчета оптимальных значений по частным показателям, способность ранжирования организаций по результатам, комплексный подход к оценке кредитоспособности. Однако при использовании данной методики следует учитывать ряд проблем:

• необходимость тщательного отбора финансовых показателей (требуется использовать показатели, описывающие разные стороны работы заемщика, с тем, чтобы более полно охарактеризовать его положение);
• важность обоснования пороговых значений показателей (в нашей стране довольно сложно осуществить подобный подход, так как недостаточно сведений о фактическом состоянии и уровнях данных показателей в экономике России, а также мала степень участия банков в формировании такой базы данных);
• необходимость обоснования коэффициентов значимости для каждой группы показателей в соответствии с отраслью деятельности конкретного заемщика;
• определение величины отклонений в пограничных областях, относящих заемщиков к разным классам;
• при рейтинговой оценке учитываются уровни показателей только относительно оптимальных значений, соответствующих определенным установленным нормативам, но не принимается во внимание степень их выполнения или невыполнения;
• финансовые коэффициенты отражают положение дел в прошлом на основе данных об остатках;
• рассчитываемые коэффициенты показывают лишь отдельные стороны деятельности;
• в системе рассчитываемых коэффициентов не учитываются многие факторы — репутация заемщика, перспективы и особенности рыночной конъюнктуры, оценки выпускаемой и реализуемой продукции, перспективы капиталовложений и т.д.

К настоящему времени  разработано значительное количество методик оценки кредитоспособности заемщика. Они отличаются по числу  показателей, используемых для оценки кредитоспособности, подхода к определению критериальных границ оценочных показателей, оценкой значимости каждого из отобранных показателей, методикой подсчета суммарной кредитоспособности. Выбор конкретной структуры показателей, формирующих кредитный рейтинг, зависит главным образом от кредитной политики банка.

Прогнозные модели позволяют  дифференцировать заемщиков в зависимости  от вероятности банкротства.

Прогнозные модели, получаемые с помощью статистических методов, используются для оценки качества потенциальных  заемщиков. При множественном дискриминантом анализе (МДА) используется дискриминантная функция (Z), учитывающая некоторые параметры (коэффициенты регрессии) и факторы, характеризующие (финансовое состояние заемщика (в том числе финансовые коэффициенты). Коэффициенты регрессии рассчитываются в результате статистической обработки данных по выборке фирм, которые либо обанкротились, либо выжили в течение определенного времени. Если Z - оценка фирмы находится ближе к показателю средней фирмы-банкрота, то при условии продолжающегося ухудшения ее положения она обанкротится. Если менеджеры фирмы и банк предпримут усилия для устранения финансовых трудностей, то банкротство, возможно, не произойдет. Таким образом, Z-оценка является сигналом для предупреждения банкротства фирмы. Применение данной модели требует обширной репрезентативной выборки фирм по разным отраслям и масштабам деятельности. Сложность заключается в том, что не всегда можно найти достаточное число обанкротившихся фирм внутри отрасли для расчета коэффициента регрессии.

Наиболее известными моделями МДА являются модели Альтмана и Чессера. Организацию относят к определенному классу надежности на основе значений Z-индекса модели Альтмана. Пятифакторная модель Альтмана построена на основе анализа состояния 66 фирм и позволяет дать достаточно точный прогноз банкротства на два-три года вперед. Построение в российских условиях подобных моделей достаточно сложно из-за отсутствия статистических данных о банкротстве организаций, постоянного изменения нормативной базы в области банкротства и признания банкротства организации на основе данных, не поддающихся учету.

Модель Альтмана  - основана на применении мульти-дискриминантного анализа для прогнозирования  вероятности банкротства фирмы.

• Применительно к данной стране и к интервалу времени формируется набор отдельных финансовых показателей предприятия, которые на основании предварительного анализа имеют наибольшую относимость к свойству банкротства. Пусть таких показателей N.
• В N-мерном пространстве, образованном выделенными показателями, проводится гиперплоскость, которая наилучшим образом отделяет успешные предприятия от предприятий-банкротов, на основании данных исследованной статистики. Уравнение этой гиперплоскости имеет вид:

(1)

где: Ki - функции показателей  бухгалтерской отчетности, ai - полученные в результате анализа веса.

Осуществляя параллельный перенос плоскости [1], можно наблюдать, как перераспределяется число успешных и неуспешных предприятий, попадающих в ту или иную подобласть, отсеченную данной плоскостью. Соответственно, можно установить пороговые нормативы Z1 и Z2: когда Z < Z1, риск банкротства предприятия высок, когда Z > Z2 - риск банкротства низок, Z1 < Z < Z2 - состояние предприятия не определимо. Отмеченный подход, разработанный в 1968 г. Эдвардом Альтманом, был применен им самим в том же году применительно к экономике США. В результате появился индекс кредитоспособности (см. формулу 2):

•                           (2)

где:

К1 = собственный оборотный  капитал/сумма активов; (3)

 

К2 = нераспределенная прибыль/сумма  активов; (4)

 

К3 = прибыль до уплаты процентов/сумма активов; (5)

 

К4 = рыночная стоимость  собственного капитала/заемный капитал; (6)

 

К5 = объем продаж/сумма  активов.   (7)

 

Интервальная оценка Альтмана: при Z<1.8 – высокая вероятность банкротства, при Z=1,81 - 2,7 – высокая вероятность, при Z=2,71 – 2,99 – возможная вероятность, при Z>3,0 – очень низкая вероятность банкротства.

Позже данная модель была доработана для анализа непубличных  компаний. В модель расчёта были внесены следующие изменения.

• для производственных предприятий

 (8)

• для непроизводственных предприятий

                                 (9)

К2 – (нераспределенная прибыль + резервный  капитал) / сумма активов (10)

К4 - балансовая стоимость собственного капитала / заемный капитал.    (11)

При Z<1.23 Альтман диагностирует  высокую вероятность банкротства, при Z=1,23 – 2,9 – зона неведения, при Z>2,9 – низкая угроза банкротства.

Основным преимуществом данной технологии оценки финансового состояния предприятия является её высокая прогностическая способность. Очевидно, для анализа российских предприятий необходима разработка отличной системы показателей и весов, однако данное обстоятельство не исключает саму возможность эффективного применения фундаментальных положений модели Альтмана с целью анализа кредитоспособности российских предприятий.

Модель Фулмера. В основе данного  подхода лежит схожая, с моделью  Альтмана, методология. В американской деловой практике данная модель даёт точность прогноза в 98% для периода в один год и 81% для двух лет.

Однако, так же как и модель Альтмана данная методика неадаптирована для  российских условий, поэтому её применение на практике возможно лишь в качестве дополнительного инструмента оценки кредитоспособности предприятия.

Методика прогнозирования банкротства  ФСФО РФ была принята еще в 1994 году. Первое, о чем необходимо сказать, - нормативные значения трех коэффициентов, по которым делается вывод о платежеспособности предприятия, завышены, что говорит о неадекватности критических значений показателей реальной ситуации. К примеру, нормативное значение коэффициента текущей ликвидности, равное 2, взято из мировой учетно-аналитической практики без учета реальной ситуации на отечественных предприятиях, когда большинство из них продолжает работать со значительным дефицитом собственных оборотных средств. Нормативное значение коэффициента текущей ликвидности едино для всех предприятий, а значит, не учтены отраслевые особенности экономических субъектов.

Оценка платежеспособности предприятия осуществляется в следующей  последовательности:

• Определение коэффициентов текущей ликвидности:

(12)

• Рассчитывается коэффициент обеспеченности собственными оборотными средствами:

(13)

• Если один или оба коэффициента не соответствуют норме ( ), баланс признается неудовлетворительным и рассчитывается коэффициент возможного восстановления платежеспособности в течение следующих 6 месяцев:

(14)

• Если структура баланса признана удовлетворительной (коэффициенты соответствуют норме) производится расчет коэффициента утраты платежеспособности в течение 3 месяцев:

(15)

где, T – период времени равный 3, 6, 9 или 12 месяцев.

В мировой учетно-аналитической  практике нормативные значения коэффициентов  платежеспособности дифференцированы по отраслям и подотраслям, такая  практика существует не только в странах  с традиционно рыночной экономикой. Представляется, что использование подобной практики в России могло бы дать положительный результат. Отечественная практика расчетов указанных показателей по причине отсутствия их отраслевой дифференциации и дальнейшее их использование не позволяют выделить из множества предприятий те, которым реально грозит процедура банкротства. Также необходимо отметить тот факт, что в официальной системе критериев несостоятельности (банкротства) ФУДН РФ применяются исключительно показатели ликвидности коммерческих организаций без учета рентабельности, оборачиваемости, структуры капитала и др., что говорит о том, что данная система критериев предназначена исключительно для оценки платежеспособности коммерческих организаций.

Модель Чессера позволяет  прогнозировать невыполнение клиентом условий договора о кредите. Невыполнение подразумевает не только непогашение кредита, но и любые другие отклонения, делающие отношения между кредитором и заемщиком менее выгодными по сравнению с первоначальными условиями. Используемая линейная комбинация независимых переменных (Z) включает: отношение кассовой наличности и стоимости легко реализуемых ценных бумаг к сумме активов; отношение чистой суммы продаж (без учета НДС) к сумме кассовой наличности и стоимости легко реализуемых ценных бумаг; отношение брутто-дохода (прибыли до вычета процентов и налогов) к сумме активов; отношение совокупной задолженности к сумме активов; отношение основного капитала к величине чистых активов (или применяемого капитала, равного акционерному капиталу и долгосрочным кредитам); отношение оборотного капитала к нетто-продажам (чистой сумме продаж). Получаемый показатель может рассматриваться как оценка вероятности невыполнения условий кредитного договора. Чессер использовал данные ряда банков по 37 «удовлетворительным» и 37 «неудовлетворительным» кредитам и для расчета взял показатели балансов фирм-заемщиков за год до получения кредита. Подставив расчетные показатели модели в формулу вероятности нарушения условий договора, Чессер правильно определил три из каждых четырех исследуемых случаев.

При классификации кредитов возможно использование модели CART (Classification and regression trees), что переводится как «классификационные и регрессионные деревья». Это непараметрическая модель, основные достоинства которой заключаются в возможности широкого применения, доступности для понимания и легкости вычислений, хотя при построении применяются сложные статистические методы. В «классификационном дереве» фирмы-заемщики расположены на определенной «ветви» в зависимости от значений выбранных финансовых коэффициентов; далее идет «разветвление» каждой из них в зависимости от следующих коэффициентов. Точность классификации при использовании данной модели – около 90%. Пример «классификационного дерева» представлен на рисунке 2, где Кi — финансовый коэффициент; Рi — нормативное значение показателя; В — предполагаемый банкрот; S — предположительно устойчивое состояние.

 

 

 

 

    

 

 

 

 

 

 

 

 

Рисунок 2

«Классификационное дерево»  модели CART

 

 

В случае использования  математических моделей не учитывается  влияние «качественных» факторов при предоставлении банками кредитов. Эти модели лишь отчасти позволяют кредитным экспертам банка сделать вывод о возможности предоставления кредита. Недостатками классификационных моделей являются их «замкнутость» на количественных факторах, произвольность выбора системы количественных показателей, высокая чувствительность к недостоверности исходных данных, громоздкость при использовании статистических межотраслевых и отраслевых данных.

Главной проблемой при этом является разработка нормативных значений для сравнения, так как существует разброс значений, вызванный отраслевой спецификой хозяйствующих субъектов, а приводимые в экономической литературе приемлемые нормативные уровни финансовых показателей рассчитаны без учета этого. Из-за отсутствия единой нормативной базы в отраслевом разрезе объективная оценка финансового состояния заемщика невозможна, так как нет сравнительных среднеотраслевых, минимально допустимых и наилучших для данной отрасли показателей.

Рассмотрим модели оценки кредитоспособности, основанные на методах комплексного анализа.

В рамках комплексных моделей анализа  возможно сочетание количественных и качественных характеристик заемщика. К примеру, в практике банков США  применяется правило «шести Си», в основе которого лежит использование шести базовых принципов кредитования, обозначенных словами, начинающимися с английской буквы «Си» (С): Character, Capacity, Cash, Collateral, Conditions, Control.