Лысюк Р.С., Щуплова Н.С.

Белорусский торгово-экономический университет потребительской кооперации

МЕТОДЫ ПРОГНОЗИРОВАНИЯ КРЕДИТОСПОСОБНОСТИ

Кредитоспособность кредитополучателя зависит от многих внешних и внутренних факторов. В экономической литературе достаточно хорощо рассмотрены методы рейтинговой оценки кредитоспособности и модели прогнозирования банкротств. Рейтинговые модели делят кредитополучателей на классы кредитоспособности. Модели прогнозирования кредитоспособности указывают на возможное банкротство. В современных условиях хозяйствования наибольшую актуальность приобретают методы прогнозирования банкротств.

Прогнозные модели используются для прогнозирования кредитоспособности и базируются на статистических методах, наиболее распространенными из которых является множественный дискриминантный анализ (МДА). Общий вид дискриминантной функции:

где А0и Аi - некоторые параметры (коэффициенты регрессии);

- факторы, характеризующие финансовое состояние

кредитополучателя (например, финансовые коэффициенты).

Коэффициенты регрессии рассчитываются в результате статистической обработки данных по выборке фирм, которые либо обанкротились, либо сумели выжить в течение некоторого периода. Все компании делятся на две группы: на тех, кому финансовые затруднения вплоть до банкротства в ближайшем будущем не грозят, и на тех, кому это грозит. Если Z - оценка некоторой компании находится ближе к показателю средней компании - банкрота, то при условии продолжающего ухудшения ее положения она обанкротится. Если менеджеры компании и банк, осознав финансовые трудности, предпринимают шаги, чтобы предотвратить усугубление ситуации, то банкротство не произойдет, следовательно, Z - оценка является сигналом раннего предупреждения.

Для применения методов дискриминантного анализа необходима достаточно репрезентативная выборка предприятия, дифференцированных по отраслям, размерам. Проблема использования метода заключается в том, что внутри отрасли не всегда возможно найти достаточное количество обанкротившихся фирм, чтобы рассчитать коэффициенты регрессии. Наиболее известными моделями МДА являются модели Альтмана и Чессера. Экономистами Альтманом, Хольдерманом и Нарайаной введен «Z - анализ» на основании следующего уравнения:

Z = 1,2 Х₁ +1,4 Х₂ + 3,3 Х₃ + 0,9 Х₄ +3,3 Х₅,

где

Х₁ - чистые оборотные фонды/общие активы (+1,2);

Х₂ - резервы/общие активы (+1,4);

Х₃ - валовая прибыль/общие активы (+3,3);

Х₄ - собственный капитал/общая задолженность (+0,9);

Х₅ - обороты/общие активы (+3,3).

Отнесение предприятия к определенному классу надежности производится на основании следующих значений индекса Z:

Z < 1,8 - вероятность банкротства очень высокая;

1,8 < Z < 2,7 - вероятность банкротства высокая;

2,7 < Z < 3,0 - вероятность банкротства низкая;

3,0 < Z -вероятность банкротства очень низкая.

Пятифакторная модель Альтмана позволяет дать достаточно точный прогноз банкротства на 2-3 года вперед. Факт банкротства на один год устанавливается с точностью до 95%. Следующая модель способна предсказывать банкротства с высокой степенью точности на два года вперед и с меньшей, с приемлемой точностью (70%) на пять лет вперед.

Z = 1,2 Х₁ + 1,4 Х₂ + 3,3 Х₃ + 0,6 Х₄ + 0,9 Х₅ - 2,675

Если Z < 0, то кредитоспособность предприятия расценивается как низкая, если Z > 0 - предприятие считается кредитоспособным.

Модель Альтмана была преобразована из пятифакторной модели в восьмифакторную модель, причем некоторые коэффициенты имеют отрицательный знак. Показатели с положительным коэффициентом увеличивают общую оценку (уменьшают степень риска банкротства), тогда как показатели с отрицательным коэффициентом уменьшают эту оценку (увеличивают степень риска). В модели Банка Франции показатели платежеспособности и доли добавленной стоимости в оборотах наделены отрицательными коэффициентами, означающими, что они увеличивают риск банкротства.

Z = -1,225 Х₁+2,003 Х₂ - 0,824 Х₃+5,221 Х₄ - 0,689 Х₅ - 1,164 Х₆+0,706Х₇+1,408 Х₈,

где Х₁ - стоимость кредита/валовая прибыль (-1,225);

Х₂ - степень покрытия инвестиций собственными средствами (+2,003);

Х₃ - долгосрочная задолженность/чистые активы (-0,824);

Х₄ - норма валовой прибыли(+5,221);

Х₅ - продолжительность кредита поставщиков (-0,689);

Х₆ - добавленная стоимость/обороты (-1,164);

Х₇ - продолжительность кредитов клиентов (+0,706);

Х₈ - производственные инвестиции/общие инвестиции (+1,408).

Сумма произведений каждого показателя на соответствующий коэффициент позволяет судить об уровне риска банкротства предприятия. Если полученный показатель > 0,125, то положение предприятия считается удовлетворительным, если < -0,25, то имеются основания полагать, что предприятию грозят серьезные финансовые трудности. При показателях, находящихся в промежутке -0,25 и 0,125, положение предприятия и риск его банкротства считаются неопределенными.

Модель надзора за кредитами Чессера прогнозирует случаи невыполнения клиентом условий кредитного договора. При этом под «невыполнением условий» подразумевается не только непогашение кредита, но и любые другие отклонения, делающие кредит менее выгодным для кредитора, чем было предусмотрено первоначально. Оценочные показатели модели следующие:

Y = -2,0434 - 5,24 Х₁+0,0053 Х₂ - 6,6507 Х₃+4,4009 Х₄ - 0,0791 Х₅- 0,1220 Х₆,

Где Х₁ - наиболее ликвидные активы/общие активы (+5,24);

Х₂ - выручка от реализации/ликвидные активы (+0,005);

Х₃ - совокупный доход/общие активы (+6,65);

Х₄ - общая задолженность/общие активы (+4,4);

Х₅ - основной капитал/оборотные активы (+0,07);

Х₆ - оборотные активы/выручка от реализации (+0,1).

Переменная Y, которая представляет собой линейную комбинация независимых переменных, используется в следующей формуле для оценки вероятности невыполнения условий кредитного договора, Z:

где, е - 2,71828 (число Эйлера), причем

- если Z > 0,50, то кредитополучателя следует отнести к группе, которая не выполнит условий договора;

- если Z < 0,50, то кредитополучателя можно отнести к группе надежных.

Дискриминантные модели прогнозирования банкротств представлены двухфакторной моделью М.А. Федотовой и пятифакторной моделью Р.С. Сайфулина, Г.Г. Кадыкова. Модель оценки вероятности банкротств М.А. Федотовой опирается на коэффициент текущей ликвидности (Х₁) и долю заемных средств в валюте баланса (Х₂):

Z = -0,3877 - 1,0736 Х₁ + 0,0579 Х₂ .

При отрицательном значении индекса Z вероятно, что предприятие останется платежеспособным. Уравнение Р.С. Сайфулина, Г.Г. Кадыкова имеет вид:

Z = 0,1 Х₂ + 2Х2+ 2,5 Х₃ + 0,45 · Х₄ + 0,2 Х₅,

В уравнении используются следующие коэффициенты: коэффициент обеспеченности собственными средствами (нормативное значение Х₁ > 0,1); коэффициент текущей ликвидности (Х₂ > 2); интенсивность оборота авансируемого капитала (Х₃ > 2,5); рентабельность продаж (Х₄ >0,45); рентабельность собственного капитала (Х₅ > 0,2).

При полном соответствии значений финансовых коэффициентов минимальным нормативным уровнем индекс Z равен 1. Финансовое состояние предприятия с рейтинговым числом менее 1 характеризуется как неудовлетворительное. Наряду с множественным дискриминантным анализом прогнозирования банкротства кредитополучателя может использоваться упрощенная модель У. Бивера, основанная на системе определенных показателей.

Таблица 1 - Система показателей для диагностики банкротства У. Бивера

Показатели	Алгоритм расчета	Значения показателя
		финансово устойчивого предприятия	до банкротства За 1 год до банкротства
			За 5 лет	За 1 год
Коэффициент Бивера	(чистая прибыль- амортизация)/ обязательства	0,4-0,45	0,17	-0,15
Рентабельность активов, %	Чистая прибыль/ активы	6-8	4	-22
Финансовый рычаг	Обязательства/активы	>0,37	>0,5	>0,8
Коэффициент покрытия активов	(собственный капитал- внеоборотные активы)/ активы	0,4	>0,3	0,06
Коэффициент покрытия	Оборотные активы/ Краткосрочные обязательства	>3,2	>2	>1

Сложившаяся система отбора субъектов кредитования, по которой работает большинство коммерческих банков сегодня, во многом далека от совершенства. Направления совершенствования анализа кредитоспособности предприятия:

- формирование и использование расширенного множества эффективных и классификационных признаков;

- формирование репрезентативных обучающих выборок, обеспечивающих внутреклассовую однородность и межклассовые различия наблюдений;

- учет возможной миграции рейтингов заемщиков, то есть перехода заемщика из одного класса кредитоспособности в другой в течении кредитного срока;

- учет влияния внешних факторов на различные типы заемщиков и кредитный рынок.