Экономические науки

К.т.н. Чернов В.Г., Илларионов А.В.

Владимирский государственный университет, Россия

Сравнительная классификация методов оценки кредитных рисков

Под кредитным риском понимается опасность потенциально вероятных потерь финансовых ресурсов (в т.ч. и недополучение прибыли) кредитной организации в связи с ухудшением финансового состояния заемщика.

Обычно под оценкой величины кредитного риска понимается оценка кредитоспособности организации-заемщика финансовых ресурсов.

Использование различного рода математических (экспертных и т.п.) систем поддержки принятия решения в случае оценки кредитоспособности того или иного потенциального заемщика обусловлено необходимостью существующих банковских институтов проводить оперативный, многосторонний и, при этом, качественный анализ.

Целью данной статьи является рассмотрение существующих математических методик, применяемых в процессе анализа кредитоспособности клиента, выявление их достоинств и недостатков. Основное внимание в статье будет уделено возможности и целесообразности использования аппарата нечеткой логики в качестве основы системы поддержки принятия решений, используемой практикующими кредитными экспертами коммерческих банков.

Методики, применяемые для оценки кредитоспособности различны, но все они в той или иной степени позволят определить [1]:

· организационно-экономическую характеристику заемщика;

· кредитную историю заемщика;

в случае, когда потенциальный заемщик не является (и не являлся) клиентом Банка, оценить его кредитную историю оказывается проблематично, по причине недостаточного развития в нашей стране на настоящий момент системы «кредитных бюро», имеющих обширную информацию по большинству заемщиков, получившей широкое распространение на западе;

· анализ финансового состояния и состояния его имущества;

· а также оценку платежеспособности

Также немаловажным является анализ качественных показателей заемщика, таких как

· оценка состояния отрасли заемщика;

· оценка роли заемщика в регионе (отрасли и т.д.);

· оценка экономической, политической и технической политики организации;

· деловая репутация и многие другие.

Помимо выбора показателей для оценки способности заемщика выполнять свои обязательства, не менее актуальной является задача выбора наиболее корректной методики оценки этих показателей и разработки соответствующей математической (экспертной) системы.

На сегодняшний день существует большое количество методов оценки кредитных рисков. Одним из вариантов их укрупненной классификации может быть вариант, представленный на рис. 1.

Рис. 1: «Методы оценки кредитоспособности заемщика»

Все методы оценки кредитоспособности заемщика принципиально можно разделить на 2 группы: это экспертные методы оценки и методы, использующие в своей основе автоматизированные системы оценки (1-й уровень классификации). Методы первого уровня определяют характер принятия решения о кредитоспособности конкретного заемщика.

Методы 2-го уровня, представляющие математические средства поддержки принятия решений, включают следующие [2]:

Статистические методы:

Статистические методы основаны на дискриминантном анализе. Например, методы линейной регрессии, методы логистической регрессии. Наиболее распространенным является метод линейной многофакторной регрессии:

(1)

где р - вероятность дефолта,

w - весовые коэффициенты,

x - характеристики клиента.

Достаточно широкое применение на западе получили так называемые «методы кредитного скоринга». Наиболее распространенная из них – «модель Чессера», включает в себя шесть показателей:

x₁ – отношение кассовой наличности и рыночных ценных бумаг к сумме активов;

х₂ – отношение чистой суммы продаж к сумме кассовой наличности и рыночных ценных бумаг;

х₃ – доход до вычета процентов и налогов к сумме активов;

х₄ – общая задолженность к сумме активов;

х₅ – основной капитал к акционерному капиталу;

х₆ – оборотный капитал к общей сумме продаж [1].

Из линейного характера регрессионных методов следует, что строящаяся на их основе модель не должна содержать коррелированных характеристик.

Методы линейного программирования

Результатом применения методов линейного программирования также является линейная модель оценки кредитоспособности заемщика, которая не позволяет абсолютно точно классифицировать заемщика, в связи с чем, задача формулируется таким образом, чтобы вероятность ошибки была сведена к минимуму.

Генетические алгоритмы, нейронные сети

В общем смысле, применение генетических алгоритмов основано на аналогии с биологическим процессом естественного отбора. Для задачи оценки кредитоспособности заемщика этот метод выглядит следующим образом: имеется набор классификационных моделей, которые подвергаются «мутации», «скрещиваются», и в результате отбирается «сильнейший», т. е. модель, дающая наиболее точную классификацию.

Нечеткие множества

Нечетко-множественные модели строят функциональное соответствие между нечеткими лингвистическими понятиями (например, кредитоспособность потенциального клиента может быть оценена как «очень хорошая», «хорошая», «плохая» и т.п.) и специальными функциями, выражающими степень принадлежности значений измеряемых параметров (в данном случае - кредитоспособность) упомянутым нечетким описаниям. [3]

Неоспоримым преимуществом нечетко множественной модели является ее способность оперировать одновременно как количественными, так и качественными характеристиками.

Одним из вариантов оценки кредитоспособности заемщика с использованием нечетко множественной математической модели, может являться следующий алгоритм:

· на первом этапе производится оценка каждой характеристика Клиента, в результате которой тому или иному показателю ставится в соответствие значение функции принадлежности;

· далее, посредством соответствующего математического аппарата, производится выбор наиболее подходящей оценки кредитоспособности.

Для вероятностных подходов характерно представление имеющихся значений в виде закона распределения случайной величины, для нечетко множественного подхода – в виде функции принадлежности. Вероятностный подход требует большого количества однородных объектов, нечеткие методы применимы к любому количеству объектов. [4]

Для применения вероятностных методов при оценке кредитоспособности конкретного предприятия требуется наличие достаточно большой однородной выборки объектов, что является невыполнимым в условиях современной отечественной действительности. В свою очередь, модели, имеющие в своей основе аппарат нечеткой логики, позволяют проводить корректный и качественный анализ кредитоспособности заемщика, при условии грамотного составления экспертом функции принадлежности лингвистических переменных, которыми оперирует модель.

Важными являются также следующие замечания:

· нечетко множественные модели позволяют не только ранжировать показатели, входящие в их состав, но также позволяют присваивать так называемые «степени истинности» значений, что является очень важным в настоящее время, учитывая тот факт, что далеко не всегда представляемая финансовая (бухгалтерская и т.д.) отчетность гарантированно может быть признана достоверной;

· помимо задачи непосредственно оценки кредитного риска, нечетко множественные модели позволяют реализовать полный цикл оценки кредитоспособности заемщика, с последующим принятием решения, т.е. оценить максимальное значение кредита, оценить качество обеспечения, определить категорию качества заемщика и размер расчетного резерва.

Литература:

1. Кривцова А.Н. «Формализованные процедуры оценки кредитоспособности».

2. Андреева Г.В. Скоринг как метод оценки кредитного риска. Банковские Технологии. 2000. №6.

3. Недосекин А.О. Финансовый менеджмент в условиях неопределенности: вероятности или нечеткие множества?. http://www.vmgroup.ru/Win/public_fa.htm.

4. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М.: Финансы и статистика, 2004.

e-mail: artilla@mail.ru