Темы диссертаций по экономике » Финансы, денежное обращение и кредит

Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Просалова, Вероника Сергеевна
Место защиты Владивосток
Год 2006
Шифр ВАК РФ 08.00.10
Диссертация

Автореферат диссертации по теме "Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем"

На правах рукописи УДК 336.717.061 (043.3) ХЛ^ь -

ПРОСАЛОВА Вероника Сергеевна

ОЦЕНКА БАНКАМИ КРЕДИТОСПОСОБНОСТИ ЮРИДИЧЕСКИХ ЛИЦ В УСЛОВИЯХ РАЗВИТИЯ НЕЙРОСЕТЕВЫХ ЭКСПЕРТНЫХ СИСТЕМ (на примере Приморского края)

Специальность 08.00.10 Ч Финансы, денежное обращение и кредит

АВТОРЕФЕРАТ

диссертации на соискание учёной степени кандидата экономических наук

Владивосток 2006

Работа выпонена во Владивостокском государственном университете экономики и сервиса

Научный руководитель Ч кандидат экономических наук, доцент

КОХ Лариса Вячеславовна

Официальные оппоненты: доктор экономических наук, профессор

ТАРАСОВА Галина Михайловна

кандидат экономических наук, доцент СЛИВКИН Виктор Алексеевич Ведущая организация Ч Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнёва

Защита состоится 03 октября 2006 г. в 16-30 на заседании совета по защите диссертаций на соискание учёной степени кандидата экономических наук К 212.292.01 в здании Хабаровской государственной академии экономики и права по адресу: 680042, Хабаровск, Тихоокеанская, 134, зал заседаний учёного совета.

С диссертацией можно ознакомиться в библиотеке Хабаровской государственной академии экономики и права.

Сведения о диссертанте и автореферат размещены на сайте ХГАЭП по адресу: Ссыка на домен более не работаетp>

Автореферат разослан 1 сентября 2006 г.

Учёный секретарь

диссертационного совета " Сарварова Е.П.

1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Постановка проблемы и актуальность исследования

Проблема совершенствования кредитного механизма является одной из приоритетных как в России, так и за рубежом. Определение кредитоспособности заёмщика Ч задача, ежедневно решаемая работниками кредитной организации, процедура проведения которой имеет чётко регламентированную схему. В то же время кредитоспособность заёмщика является одним из наиболее сложных вопросов в механизме возвратности кредита. Необходимость изучения сущности кредитоспособности объясняется как отсутствием единого мнения среди разных авторов по поводу определения самого понятия, так и дальнейшим развитием банковской инфраструктуры, которая в свою очередь оказывает влияние на формирование и содержание данного термина.

Необратимый процесс развития сферы банковского обслуживания и экономических отношений в целом, вносит постоянные коррективы в критерии оценки кредитоспособности, в результате чего возникает необходимость постоянного контроля и внесения изменений в процесс анализа кредитоспособности предприятия-заёмщика.

Проведённый анализ методик, применяемых отечественными коммерческими банками, показал, что большинство из них являются заимствованными из зарубежных источников, однако используемые в данных методиках расчёты оценки финансового состояния неприменимы к российским предприятиям. Причём, применяемые в отечественных методиках оценки кредитоспособности предприятий нормативы не соответствуют реальному уровню финансово-экономического развития предприятий того или иного региона. Они были разработаны давно и не подвергались корректировки.

Согласно нормам Базельского комитета и рекомендаций Банка России, оценка кредитоспособности предприятия-заёмщика дожна учитывать специфику отрасли, в которой функционирует потенциальный кредитор. Несмотря на веские аргументы о необходимости применения отраслевых финансовых показателей при проведении оценки кредитоспособности, а также рекомендации ведущих экономистов РФ о разделении потенциальных заёмщиков на отраслевые группы, в настоящее время не существует научно обоснованной и целостной методики, соответствующей этим требованиям.

Отсутствие чётких критериев оценки качественных параметров отраслевой специфики не позволяет осуществлять контроль соответствующими органами над коммерческими банками относительно выпонения данных рекомендаций. В связи с этим отечественные кредитные организации либо не учитывают отраслевую специфику заёмщика, либо выделяют особенности результатов отдельных показателей лишь торговых предприятий.

В настоящее время отечественными банками слабо применяются компьютерные технологии, основанные на использовании искусственного интелекта. За рубежом уже сформировася положительный опыт применения нейронных сетей кредитными организациями (Bank of America, Chase Manhattan Bank of New York). В настоящее время в США создаются научные центры, занимающиеся разработкой новых технологий в области применения нейронных сетей для оценки кредитоспособности заёмщиков. Однако ни зарубежные, ни отечественные коммерческие банки не применяют методик, основанных на использовании нейронных сетей, позволяющие определить кредитный рейтинг заёмщика, которые позволили бы сократить время рассмотрения кредитных заявок, а также существенно повысить уровень оценки кредитоспособности заёмщика.

Вышеуказанные моменты определили актуальность исследования.

Степень разработанности, теоретическая и практическая база исследования

Сущность кредитоспособности, а также проблемы её оценки рассматривались зарубежными учеными: Э. Альтманом, Г. Андерсоном, А. Арутуня-ном, У. Бивером, Н. Бунге, Д. Кейнсом, Д. Кодвелом, Р. Коттером, Б. Нид-зом, Э. Ридом, Дж. Сингелом, А. Смитом, Г, Спрингейтом, Д. Фумером, Дж. Шимом и др.

Проблемам формулировки определения кредитоспособность в той или иной мере посвящались работы Е.И. Ададурова, Г.М. Кирсюк, А.И. Ольшаного, О.И. Лаврушина, Ю.В. Рожкова, М.О. Сахаровой, Г.М. Тарасовой, Е.Б. Ширинской.

Разработка методик оценки кредитоспособности заёмщиков нашли отражение в трудах A.B. Батунина, В.Н. Едроновой, Д.А. Ендовицкой, О.П. Зайцевой, Г.Г. Кадыкова, Т.И. Овчинниковой, И.В. Пещанской, А.Н. Пред-теченского, P.C. Сайфулина, А.Ф. Черненко, Е.Б. Ширинской и т.д.

В области применения искусственных нейронных сетей в финансовой деятельности большой интерес представляют работы Д.-Э. Бэстенса, Ван Ден Берга В.-М., Д. Вуда, М.Л. Кричевского, С. Хайкина.

На позицию автора повлияли также труды дальневосточных учёных, занимающихся финансово-кредитными проблемами, таких как В.Ф. Бадю-ков, Л.И. Вотинцева, В.А. Останин, В.В. Рудько-Силиванов, А.И. Фисенко.

В ходе работы использовались статистические данные предприятий Приморского края, сгруппированных по отраслевой принадлежности, инструктивные и методические материалы Банка России, методические материалы отечественных банков, в том числе Приморского края, собранные и проанализированные лично автором.

Объект исследования Ч кредитоспособность предприятий-заёмщиков как фактор минимизации финансовых потерь коммерческих банков.

В качестве предмета исследования определены методы оценки коммерческими банками кредитоспособности юридических лиц в условиях применения нейронных сетей.

Цели и задачи диссертационного исследования

Основной целью диссертационного исследования является теоретическое исследование сущности процесса оценки кредитоспособности коммерческим банком юридических лиц и разработка соответствующей методики оценки с использованием современного математического аппарата.

Для достижения поставленной цели определены и решались следующие задачи:

1. Исследовать и раскрыть экономическую сущность кредитоспособности.

2. Оценить степень влияния региональных и отраслевых особенностей предприятий на результаты расчётов коэффициентов, оценивающих уровень кредитоспособности заёмщиков.

3. Разработать методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику предприятий.

4. Раскрыть сущность и механизм использования искусственных нейронных сетей применительно к сфере банковских услуг.

5. Сформулировать рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края.

6. Обосновать возможность использования нейронных сетей и разработать модель присвоения кредитного рейтинга предприятию-заёмщику.

Научная новизна результатов диссертационного исследования, выносимых автором на защиту, заключается в том, что:

Ч раскрыта сущность кредитоспособности как неотъемлемой части процесса банковского кредитования и на этой основе дано авторское понятие кредитоспособность, включающее в себя описание результата оценки кредитоспособности заёмщика, являющееся основной составляющей заключения о выдаче ссуды;

Ч доказано, что региональная и отраслевая специфика предприятий оказывает значимое влияние на результаты рассчитываемых коэффициентов, оценивающих уровень кредитоспособности заёмщиков;

Ч предложен методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику заёмщиков, что позволяет существенно уменьшить риск невозврата выдаваемых банками ссуд;

Ч раскрыта сущность искусственных нейронных сетей и концептуально обоснована целесообразность применения нейросетевых экспертных систем при оценке кредитоспособности юридических лиц;

Ч даны рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края;

Ч сформулировано и введено в научный оборот понятие виртуальный кредитный эксперт, которое обогащает научные представления о возможности применения искусственных нейронных сетей в кредитном процессе.

Теоретическая значимость работы заключается в разработке научно обоснованного подхода к оценке кредитоспособности юридических лиц на основе использования нейронных сетей, в том числе разработке теоретических и методических положений по оценке кредитоспособности предприятий с учётом их отраслевой специфики.

Практическая значимость результатов диссертационного исследования заключается в возможности их использования коммерческими банками для оценки кредитоспособности потенциальных предприятий-заёмщиков.

Основные положения диссертации могут быть использованы в учебном процессе при изучении дисциплин, связанных с анализом финансового состояния предприятий, организацией деятельности банков, использованием информационных технологий в кредитных организациях.

Апробация работы осуществлялась в ходе обсуждения её результатов на международных и межвузовских научно-практических конференциях: IV международная научно-практическая конференция Экономика и менеджмент: проблемы и перспективы (СПбГПУ, 2005); Межвузовская научно-практическая конференция Стратегическое управление инновационным развитием экономики России (СПбГПУ, 2005); Межвузовская научно-практическая конференция: Управление устойчивым развитием экономических систем (СПбГПУ, 2006); VIII Международная очно-заочная научно-практическая конференция студентов, аспирантов и молодых исследователей Интелектуальный потенциал вузов Ч на развитие Дальневосточного региона России и стран АТР (ВГУЭС, 2006); Международная конференция кредитных союзов (Владивосток, 2006); Научно-практическая конференция Управление структурными преобразованиями в экономике России (СПбГПУ, 2006).

Внедрение основных результатов работы осуществлено в Примсоц-банке (Владивосток).

Публикации. По результатам выпоненных в диссертации исследований опубликовано 10 печатных работ, общим объёмом 4,1 п.л.

Объём и структура диссертационной работы. Диссертационное исследование изложено на 186 страницах текста, состоит из введения, трёх глав, заключения, списка использованных источников из 144 наименований, 5 приложений/Работа илюстрирована 24 таблицами, 14 рисунками.

Оглавление работы

Введение

1 Оценка кредитоспособности предприятия-заёмщика как инструмента управления кредитным процессом

1.1 Понятие кредитоспособности предприятия, факторы, определяющие кредитоспособность заёмщика

1.2 Использование информационных баз данных кредитных бюро для оценки кредитоспособности заёмщика

1.3 Понятие нейронных сетей и возможность их применения при оценке кредитоспособности заёмщика

2 Анализ и совершенствование методик оценки кредитоспособности заёмщиков

2.1 Мировой опыт определения кредитоспособности заёмщиков и возможности использования его российскими банками

2.2 Анализ российских методик оценки кредитоспособности предприятий

2.3 Разработка методики оценки краткосрочной кредитоспособности заёмщика для предприятий Приморского края

3 Применение нейронных сетей в методике оценки кредитоспособности заёмщика

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

3.2 Оценка кредитоспособности предприятий-заёмщиков с помощью виртуального кредитного эксперта

Заключение

Список использованных источников

Приложения

2. КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении показана актуальность проблемы, раскрыта новизна и практическая значимость работы, сформулированы основные научные и методические результаты исследования.

Первый раздел посвящён исследованию теоретических основ понятия кредитоспособности, деятельности информационных агентств, предоставляющих информацию о заёмщиках, а также использованию нейронных сетей.

Во втором разделе проведён анализ зарубежных и отечественных методик оценки кредитоспособности юридических лиц. Разработана статистическая методика оценки кредитоспособности юридических лиц, учитывающая региональную, а также отраслевую специфику предприятий.

Третий раздел посвящён методическим основам построения механизма присвоения кредитного рейтинга заёмщика, основанного на использовании искусственных нейронных сетей и учитывающая отраслевые особенности предприятий.

В заключении приведены основные выводы и результаты диссертационного исследования.

3. ОСНОВНЫЕ НАУЧНЫЕ РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ

I. Сделан анализ и доказано влияние эволюции государственной политики на оценку кредитоспособности заёмщика в РФ.

Проблема выбора показателей для оценки кредитоспособности заёмщика выпонить свои обязательства была актуальна во все периоды развития банковского дела, и вошла в экономическую литературу как проблема определения кредитоспособности. Понятие кредитоспособность как целостное определение стало использоваться в литературе XVIII века такими известными учёными, как А. Смит, Дж. Кейнс, Н. Бунге и В. Косинский.

Понятие кредитоспособность вместило в себя все изменения, которые происходили с самой банковской системой в России. Экономисты трактовали данное понятие, основываясь на процессах, происходящих в банковской системе в той или иной исторический отрезок времени, а также уровня развития банковского обслуживания в конкретный момент.

Изучив историю вопроса определения кредитоспособности заёмщика, сделан вывод, что на протяжении всего времени развития банковского дела в России в определённые периоды времени получение кредита предоставлялось на льготных условиях или вообще предоставлялось только в случае наличия знакомств в окружении царя, государственных чиновников, в настоящий период времени среди руководства кредитной организации. Всё это приводило, в тот или иной период времени, если не к кризису в кредитной системе страны, то по крайне мере усложняло разработку единой оптимальной методики оценки кредитоспособности заёмщика.

В конце 90-х гг. XX века в связи с реформированием российской банковской системы появилась необходимость в проведении профессиональной оценки кредитоспособности заёмщиков, и как следствие появились различные трактовки определения кредитоспособности, сформулированные как экономистами теоретиками, так и практиками. Проведённый анализ показал, что данное определение дожно включать финансовую устойчивость заёмщика, прогнозную кредитоспособность, а также правоспособность и его положительную кредитную историю.

Можно определить понятие кредитоспособности применительно к системе организации процесса кредитования юридических лиц. Кредитоспо-

собность в данном случае это Ч способность заёмщика к совершению кредитной сдеки на условиях возвратности, срочности и платности, определённая на основе удовлетворительной оценки его финансово-хозяйственной деятельности и наличии положительной кредитной истории. В определении сохранены все факторы, определяющие понятие кредитоспособности и, кроме того, добавлено описание результата оценки кредитоспособности заёмщика, который, как раз и является наиболее важным в процессе решения о предоставлении кредита банком. Определение соответствует требованиям, предъявляемым к классическому определению понятия кредитоспособности, но прагматический его смысл автором усилен.

II. Выявлены существенные различия финансовых коэффициентов предприятий различных отраслей, а также их зависимость от страновой и региональной принадлежности заёмщиков.

Результаты сравнения отраслевых показателей финансовых коэффициентов предприятий Приморского края и рекомендуемых к применению нормативов в России и зарубежных странах показывают, что стандарты основных финансовых коэффициентов, принятых в мировой практике значительно отличаются как от российских нормативов, так и от полученных отраслевых показателей (таблица 1).

Сравнительный анализ отраслевых финансовых показателей предприятий регионов РФ и предприятий Приморского края за 2004 г. показывает существенные различия между изучаемыми финансовыми коэффициентами (таблица 2). Так, коэффициент рентабельности активов предприятий, занимающихся оптовой торговлей в среднем по России, составляет 13%, а предприятий Приморского края Ч 52%, значения коэффициента текущей ликвидности в розничной торговли 1,11 и 4,71 соответственно. Аналогичные значительные различия финансовых коэффициентов приморских и российских предприятий наблюдаются во всех отраслях.

Проведённый анализ доказывает зависимость значений финансовых коэффициентов от региона, в котором функционирует анализируемое предприятие, а также свидетельствует о необходимости учёта отраслевой региональной специфики рассчитываемых показателей в методиках оценки кредитоспособности.

Таблица 1 Ч Сравнение расчётных отраслевых финансовых показателей с рекомендуемыми нормативами в России и зарубежных странах

Отрасли

Коэффициенты Нормативное значе ние для зарубежны: стран Рекомендуемый нор матив в России строительство ремонт судов лёгкая промышленность пищевая промышленность рыбная промышленность оптовая торговля розничная торговля транспорт

Соотношение

заёмных и собственных =100 <70 621 102 55 1732 62 4978 1117 183

средств, (%)

Коэффициент абсолютной ликвид- 0,10,2 >0,2 1,1 0,6 0,4 0,1 0,1 1,4 0,41 2,4

ности

Коэффициент текущей 1,02,0 >2 2,9 2,0 3,1 1,6 1,2 3,2 2,8 8,5

ликвидности

Полученные в результате производимых расчётов финансовые показатели предприятий различных отраслей Приморского края могут применяться не только местными кредитными организациями для оценки кредитоспособности предприятий-заёмщиков. Расчёт системы финансовых коэффициентов необходим и самим предприятиям для оценки финансовой деятельности в целях своевременного мониторинга текущей деятельности.

Необходимость использования сравнительного анализа финансовых показателей предприятий Приморского края может возникнуть и перед физическими лицами, которые намерены организовать собственное дело.

III. Разработана статистическая методика оценки кредитоспособности юридических лиц, учитывающая региональную, а также отраслевую специфику предприятий.

При расчёте данной методики были выбраны коэффициенты:

A) коэффициент абсолютной ликвидности (Кал);

Б) коэффициент текущей ликвидности (Ктл);

B) коэффициент рентабельности основной деятельности (Крод);

Г) коэффициент оборачиваемости дебиторской задоженности (Кодз.); Д) коэффициент оборачиваемости кредиторской задоженности (Кокз); Е) коэффициент процентного покрытия (Кпп).

Таблица 2 Ч Сравнение расчётных финансовых коэффициентов Приморского края со средне российскими за 2004 г.

Отрасли

Коэффициенты Строительство (в среднем по России) Строительство (Прим. край) Пищевая промышленность (в ср. по России) Пищевая промышленность (Прим. край) Оптовая торговля (в ср. по России) Оптовая торговля (Прим. край) Розничная торговля (в ср по России) Розничная торговля (Прим. край)

Коэффици-

ент абсолютной лик- 0,17 0,65 0,2 0,1 0,26 0,29 0,21 0,93

видности

Коэффициент текущей 1,09 2,62 1,17 2,11 1,07 2,18 1,11 4,71

ликвидности

Рентабель-

ность собственных 5,8 0,1 8,1 6,0 7,9 2,0 5,75 7,0

средств, (%)

Рентабель-

ность акти- 3,78 -24 7 17 13,3 52 8,86 -37

вов, (%)

Коэффициент обора-

чиваемости

дебитор- 146 76,6 63,0 35,03 59,0 53,2 33,0 7,46

ской задол-

женности,

(Дн.)

Коэффициент оборачи-

ваемости

кредитор- 160 150,7 62 50,44 69 62,3 59 46,9

ской задол-

женности,

(Дн.)

Система выбранных показателей соответствует определённым критериям: во-первых, коэффициенты наиболее поно отражают финансовое состояние клиента; во-вторых, они не дублируют друг друга; в-третьих, количество рассчитываемых коэффициентов не слишком большое.

Были проведены расчёты финансовых показателей предприятий Приморского края для определения категории, к которой они относятся в зависимости от отраслевой принадлежности. В расчётах была использована финансовая отчётность предприятий отраслей, наиболее распространённых в данном регионе. Для большей репрезентативности расчётов рассмотрено около двухсот предприятий каждой отрасли.

Для оценки финансового состояния ссудозаёмщика была создана группа оценочных коэффициентов, максимально независимых друг от друга и расчётным путём, используя статистическую выборку, были определены рекомендуемые критериальные значения, позволяющие относить предприятия к тому или иному классу ссудозаёмщиков с учётом их отраслевой специфики и региональных особенностей функционирования предприятий. При оценке кредитоспособности предприятия, обратившегося в банк за получением кредита, кредитный эксперт будет производить сравнительный анализ рассчитанных финансовых коэффициентов не с абстрактными нормативами, полученных из зарубежных или устаревших российских методик, а с показателями организаций, функционирующих в аналогичных отраслях Приморского края.

Следующим этапом разработки нашей методики явилось определение формулы расчёта рейтинговой оценки кредитоспособности клиента. Для этого была использована следующая формула (1):

в-Е^Р! О)

где: Б Ч суммарная оценка финансовых показателей; Ч удельный вес -го показателя;

Р; Ч категория 1-го показателя;

п Ч число показателей (в используемой нами модели это число равно 6).

Подставив формулу (1) в разрабатываемую нами методику, получили формулу (2) расчёта итоговой рейтинговой оценки.

Б = 0,1*2ал+0,26*гтл+0,22*2род+0,14*2одз+0,1*2окз+0,18*2пп (2)

где: 2ал - категория коэффициента абсолютной ликвидности; Zтл Ч категория коэффициента текущей ликвидности; 2род Ч категория коэффициента рентабельности основной деятельности;

годз - категория коэффициента оборачиваемости дебиторской задоженности;

2окз - категория коэффициента оборачиваемости кредиторской задоженности;

2пп - категория коэффициента процентного покрытия.

Кроме того, при присвоении категории финансовой отчётности, анализируемому предприятию присваивается бальная оценка (таблица 3). Оценка необходима для проведения дальнейших расчётов по определению уровня кредитоспособности потенциального заёмщика.

Таблица 3 Ч Классификационные группы предварительного финансового состояния предприятия Ч заёмщика

Итоговая рейтинговая оценка Б Оценка финансовой отчётности заёмщика Балы

1 - 1,26 Структура финансовой отчётности хорошая 100

1,27-2,26 Структура финансовой отчётности лучше, чем средняя 75

2,27 - 3,26 Структура финансовой отчётности хуже, чем средняя 25

3,27-4 Структура финансовой отчётности плохая 0

Разработанная методика является только частью общей методики оценки кредитоспособности заёмщика. После проведения предложенных в пред-

ставленной части расчётов необходимо провести дальнейшую оценку предприятия. Кредитному эксперту следует оценить качественные параметры, характеризующие финансовое состояние предприятия. Каждой качественной характеристике присваивается соответствующий бал. Сумма балов, полученных после проведённого допонительного анализа качественных характеристик предприятия, суммируется с балами, полученными согласно анализу финансового отчётности заёмщика. В результате, имея окончательную бальную оценку заёмщика, можно получить итоговый результат, характеризующий уровень его кредитоспособности и принять решение о возможности предоставления кредита, а также создании сумм резервов по выдаваемому кредиту.

При проведении заключительного этапа определения финансового состояния потенциального заёмщика можно перейти к трехуровневой критериальной системе, предусмотренное Положением Банка России № 254-П.

IV. Определена возможность применения искусственных нейронных сетей в процессе организации банковского кредитования.

Нейронные сети Ч новая и перспективная технология, дающая новые подходы к исследованию динамических задач в финансовой сфере. В нашем понимании нейронная сеть Ч это кибернетический процесс обработки информации о заёмщике, основанный на методе предварительного обучения, а также накапливающий вновь приобретённые знания с целью последующего определения уровня кредитоспособности клиента. Данное определение отличается от традиционного, предлагаемого специалистами в области информационных технологий. В данном случае мы не ставили перед собой задачи раскрывать технологический процесс функционирования нейронной сети. Сформулированное нами определение нацелено на то, чтобы показать сущность нейронной сети при использовании её в процессе определения уровня кредитоспособности.

Изучив опыт сравнительного анализа прогноза банкротств используемого различными методиками, мы выявили:

А) Нейросетевое моделирование обеспечивает наилучшую точность предвидения банкротств: порядка 90%, по сравнению с 80 Ч 85% точностью

для других статистических методик (дискриминантный анализ, логистический анализ и т.д.).

Б) При желании можно повысить подозрительность нейросети, обеспечив точность выявления банкротов вплоть до 99%.

В) Банкротство можно уверенно предсказывать за несколько лет до его фактического наступления, причём точность предсказания за два года практически не отличается от точности предсказания за год. Таким образом, неявные сигналы неблагополучия присутствуют в финансовой отчётности фирмы задого до её краха.

Применение нейросетевых технологий банками Приморского края в настоящее время не распространено. С нашей точки зрения, данное обстоятельство связано с рядом объективных причин. Во-первых, отсутствием среди банковских служащих специалистов, имеющих достаточный уровень знаний в области нейронных сетей. Во-вторых, незнание руководства банков о преимуществах применения программных продуктов нейронных сетей в процессе оценки кредитоспособности заёмщиков. Решение данных проблем представляется довольно простым: местные университеты выпускают достаточное количество специалистов, обладающих теоретическими и практическими знаниями в вопросах нейронных сетей. Банкам необходимо лишь установить договорные отношения с вузами о допонительной специализации данных выпускников в области коммерческого кредитования. Что касается заинтересованности руководства кредитных организаций в применении нейронных сетей, то это временные затруднения. В настоящее время в центральных регионах страны применение нейросетевых пакетов приобретает всё большую популярность, следовательно, через небольшой промежуток времени заинтересованность в применении данных технологических разработок возникнет и в Приморье.

V. Доказана целесообразность применения искусственных нейронных сетей при оценке кредитоспособности юридических лиц на основе анализа природы оцениваемых функциональных зависимостей финансовых коэффициентов.

Для удобства статистического анализа финансовые коэффициенты в данном исследовании были преобразованы к стандартному нормированно-

му виду. С этой целью по выбранной группе предприятий определялись медианное med}, минимальное min, и максимальное max, значения каждого из коэффициентов KjЧK^, i = 1, 2, ..., 14. Затем вычислялось нормированное значение показателя.

К; Ч med;

Xi=~-г-

maxi Ч mini

Таким образом, каждому предприятию П4 сопоставляся вектор нормированных коэффициентов (признаков, в терминологии теории распознавания образов), Xfr = (Xk\,X/c2>--->xkN ) (N = 14). Все предприятия, представленные векторами п t оказываются некоторым образом

распределены в jV-мерном пространстве признаков RN .

Статистических зависимостей между различными коэффициентами не наблюдалось, практически во всех случаях вычисленные коэффициенты корреляции были близки к 0. На рисунке 1 в качестве примера показана диаграмма рассеяния нормированных коэффициента абсолютной ликвидности (вертикальная ось) и коэффициента оборачиваемости дебиторской задоженности (горизонтальная ось) по 197 транспортным предприятиям (2004 г.).

О INV \ +Ч*Чw-

7 л 0,4 л 0,6* 0,8 *А

Рисунок 1 Ч Диаграмма рассеяния нормированных коэффициентов абсолютной ликвидности и оборачиваемости дебиторской задоженности для транспортных предприятий в 2004 г.

Статистические методы анализа многомерных наблюдений эффективно выявляют закономерности, когда наблюдаемые предприятия образуют в пространстве признаков изолированные компактные группы (классы), которые можно в этом случае отделить друг от друга поверхностями (решающими правилами). Здесь же мы имеем совокупность объектов, довольно

аморфным образом распределённую в пространстве К**, так что ориентиры для установления явных различий между ними найти трудно. Нейронные сети широко применяются для анализа многомерных наблюдений в условиях, когда природа оцениваемых функциональных зависимостей и статистическая структура данных заранее неизвестны и могут существенно меняться со временем. Поэтому естественным является их применение для построения моделей оценивания кредитных рейтингов.

V. Разработана методика присвоения кредитного рейтинга, основанного на использовании искусственных нейронных сетей и учитывающая отраслевые особенности заёмщика.

По авторскому определению под виртуальным кредитным экспертом понимается разработанная и обученная модель нейронной сети, определяющая кредитный рейтинг предприятия на основе его финансовых коэффициентов с целью принятия дальнейшего решения о предоставлении кредита. В ходе эксперимента нами была создана и обучена нейронная сеть (рисунок 2), основанная на финансовых коэффициентах статистической модели, разработанной ранее.

Network Illustration

Рисунок 2-

Нейронная сеть, основанная на 6 финансовых коэффициентах

Для создания обучающей выборки использовалось проведённое кредитным экспертом упорядочение 206 строительных предприятий по уровню возрастания рейтинга их кредитоспособности.

Показатель качества модели (средняя погрешность определения номера в упорядоченной последовательности кредитных индексов), вычисленный непосредственно по обучающей выборке (и = 206), равен

= 0,098

На рисунке 3 показана диаграмма рассеяния > I! для данной модели. Рисунок подтверждает довольно высокий уровень точности определения рейтингового показателя предприятий, определяемого виртуальным кредитным экспертом, разработанным с помощью нейронной сети, основанной на 6 финансовых коэффициентах.

О 50 100 150 200

Рисунок 3 Ч Илюстрация точности модели, основанной на шести финансовых коэффициентах

Итоговый показатель качества модели (9,8%) свидетельствует об ус-

пешном результате проведённого эксперимента. Данный показатель ошибки говорит о процентом выражении расхождения рейтинга, присвоенном кредитным экспертом банка и кредитным экспертом, созданным с помощью нейронных сетей, т.е. в данный процент ошибки входит расхождение кредитных экспертов в 1 -2-3 рейтинговых места.

Разработанная модель присваивает предприятию кредитный рейтинг, т.е. оценивает уровень его кредитоспособности, а не выносит заключительное решение о возможности предоставления кредита банком. Специалист кредитной организации на основании рейтинга, присвоенного виртуальным кредитным экспертом, после проведения анализа качественных характеристик суммирует полученные результаты о рассматриваемом предприятии и принимает окончательное решение о возможности предоставления кредита, а также уровень процентной ставки при наличии положительного результата.

Существенным преимуществом разработанного виртуального кредитного эксперта является, то, что в основу обучающей выборки нейронной сети заложена предложенная нами статистическая модель, учитывающая отраслевые особенности предприятий.

Ещё одним преимуществом виртуального кредитного эксперта, является оценка качества разработанной модели с помощью расчёта среднего (по тестовой выборке) отклонения истинного кредитного индекса предприятия от оценки этого индекса, вычисленного с помощью исходной модели.

Основным стимулом скорейшего внедрения виртуального кредитного эксперта среди региональных коммерческих банков является простота его использования. Уже разработанная и обученная модель не требует от пользователей каких-либо навыков в области программирования или обладанием специфических знаний в области нейронных сетей. Представленная модель обладает возможностью самообучения в процессе её использования, то есть с течением времени она будет реагировать на происходящие изменения в значениях вводимых в неё коэффициентов и постепенно изменять присваиваемые предприятиям рейтинги. Этот показатель существенно отличает предлагаемого виртуального кредитного эксперта среди обычно применяемых статистических моделей и ещё раз подтверждает необходимость его внедрения среди кредитных организаций Приморского края.

Основные положения диссертации опубликованы в работах:

По списку, рекомендованному ВАК РФ:

1. О методике оценки банками кредитоспособности предприятий // Сибирская финансовая школа. 2006. № 3. 0,23 п.л.

Прочие публикации:

2. Некоторые походы к совершенствованию методики оценки кредитоспособности клиентов банка. Сб. научных трудов по материалам международной научно-практической конференции Экономика и менеджмент: проблемы и перспективы. СПб.: Изд-во СПбГПУ, 2005. 0,32 п.л.

3. Эволюция понятия кредитоспособности заёмщика и его роль в организации банковского кредитования. Сб. научных трудов по материалам межвузовской научно-практической конференции Стратегическое управление инновационным развитием экономики России. СПб. : Изд-во СПбГПУ, 2005. 0,35 п.л.

4. Разработка региональных отраслевых финансовых показателей и доказательство необходимости их применения при проведении оценки финансовой деятельности предприятия // Колективная монография Инвестиции и формирование инновационной стратегии развития России. СПб. : Изд-во СПбГПУ, 2006. 0,6 п.л.

5. Статистические методы построения кредитных рейтингов на основе экспертных оценок и нейронных сетей. Сб. научных трудов по материалам межвузовской научно-практической конференции Управление устойчивым развитием экономических систем. СПб.: Изд-во СПбГПУ, 2006. 0,92 п.л.

6. Кредитные бюро как активные участники кредитного процесса. Сб. научных трудов по материалам международной конференции кредитных союзов. Владивосток : Изд-во КПК КС Родина, 2006. 0,3 п.л.

7. Необходимость создания регионального бюро кредитных историй в Приморском крае. Сб. научных трудов по материалам Восьмой Международной очно-заочной научно-практической конференции студентов, аспирантов и молодых исследователей Интелектуальный потенциал вузов Ч на развитие Дальневосточного региона России и стран АТР Владивосток : Изд-во ВГУЭС, 2006. 0,8 п.л.

8. Разработка методики оценки кредитоспособности предприятий Приморского края коммерческими банками. Сб. научных трудов по материалам научно-практической конференции Управление структурными преобразованиями в экономике России. СПб.: Изд-во СПбГПУ, 2006. 0,5 п.л.

9. Применение нейронных сетей для оценки кредитоспособности заёмщика // Вестник Хабаровской государственной академии экономики и права. 2006. № 4. 0,3 п.л.

10. Прогнозирование кредитоспособности предприятий с применением линейных факторных моделей и нейронных сетей // Колективная монография Устойчивое развитие экономических систем. СПб. : Изд-во СПбГПУ, 2006. 1,73 п.л.

Просалова Вероника Сергеевна

АВТОРЕФЕРАТ диссертации на соискание учёной степени кандидата экономических наук

ОЦЕНКА БАНКАМИ КРЕДИТОСПОСОБНОСТИ ЮРИДИЧЕСКИХ ЛИЦ В УСЛОВИЯХ РАЗВИТИЯ НЕЙРОСЕТЕВЫХ ЭКСПЕРТНЫХ СИСТЕМ

Лицензия на издательскую деятельность ИД № 03816 от 22.01.2001 Подписано в печать 17.08.2006. Формат 60x84/16 Бумага писчая. Печать офсетная. Усл. печ. л. 1,4 Уч. изд. л. 1,2 Тираж 100 экз. Заказ

Изд-во Владивостокского государственного университета экономики и сервиса

690990, г. Владивосток, ул. Гоголя , 41 Отпечатано в типографии ВГУЭС 690990, г. Владивосток, ул. Державина, 57

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Просалова, Вероника Сергеевна

Введение.

1 Оценка кредитоспособности предприятия-заёмщика как инструмента управления кредитным процессом.

1.1 Понятие кредитоспособности предприятия, факторы, определяющие кредитоспособности заёмщика.

1.2 Использование информационных баз данных кредитных бюро для оценки кредитоспособности заёмщика.

1.3 Понятие нейронных сетей и возможность их применения при оценке кредитоспособности заёмщика.

2 Анализ методик оценки кредитоспособности заёмщиков и пути их совершенствования.

2.1 Мировой опыт определения кредитоспособности заёмщиков и возможности использования его российскими банками.

2.2 Анализ российских методик оценки кредитоспособности предприятий.

2.3 Разработка методики оценки краткосрочной кредитоспособности заёмщика для предприятий

Приморского края

3 Применение нейронных сетей в методике оценки кредитоспособности заёмщика.

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

3.2 Оценка кредитоспособности предприятий-заёмщиков с помощью виртуального кредитного эксперта.

Диссертация: введение по экономике, на тему "Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем"

Постановка проблемы и актуальность исследования

Проблема совершенствования кредитного механизма является одной из приоритетных как в России, так и за рубежом. Определение кредитоспособности заёмщикаЧ задача, ежедневно решаемая работниками кредитной организации, процедура проведения которой имеет чётко регламентированную схему. В то же время кредитоспособность заёмщика является одним из наиболее сложных вопросов в механизме возвратности кредита. Необходимость изучения сущности кредитоспособности объясняется как отсутствием единого мнения среди разных авторов по поводу определения самого понятия, так и дальнейшим развитием банковской инфраструктуры, которая в свою очередь оказывает влияние на формирование и содержание данного термина.

Необратимый процесс развития сферы банковского обслуживания и экономических отношений в целом, вносит постоянные коррективы в критерии оценки кредитоспособности, в результате чего возникает необходимость постоянного контроля и внесения изменений в процесс анализа кредитоспособности предприятия-заёмщика.

Проведённый анализ методик, применяемых отечественными коммерческими банками, показал, что большинство из них являются заимствованными из зарубежных источников, однако используемые в данных методиках расчёты оценки финансового состояния неприменимы к российским предприятиям. Причём, применяемые в отечественных методиках оценки кредитоспособности предприятий нормативы не соответствуют реальному уровню финансово-экономического развития предприятий того или иного региона. Они были разработаны давно и не подвергались корректировки.

Согласно нормам Базельского комитета и рекомендаций Банка России, оценка кредитоспособности предприятия-заёмщика дожна учитывать специфику отрасли, в которой функционирует потенциальный кредитор. Несмотря на веские аргументы о необходимости применения отраслевых финансовых показателей при проведении оценки кредитоспособности, а также рекомендации ведущих экономистов РФ о разделении потенциальных заёмщиков на отраслевые группы, в настоящее время не существует научно обоснованной и целостной методики, соответствующей этим требованиям.

Отсутствие чётких критериев оценки качественных параметров отраслевой специфики не позволяет осуществлять контроль соответствующими органами над коммерческими банками относительно выпонения данных рекомендаций. В связи с этим отечественные кредитные организации либо не учитывают отраслевую специфику заёмщика, либо выделяют особенности результатов отдельных показателей лишь торговых предприятий.

В настоящее время отечественными банками слабо применяются компьютерные технологии, основанные на использовании искусственного интелекта. За рубежом уже сформировася положительный опыт применения нейронных сетей кредитными организациями (Bank of America, Chase Manhattan Bank of New York). В настоящее время в США создаются научные центры, занимающиеся разработкой новых технологий в области применения нейронных сетей для оценки кредитоспособности заёмщиков. Однако ни зарубежные, ни отечественные коммерческие банки не применяют методик, основанных на использовании нейронных сетей, позволяющие определить кредитный рейтинг заёмщика, которые позволили бы сократить время рассмотрения кредитных заявок, а также существенно повысить уровень оценки кредитоспособности заёмщика.

Вышеуказанные моменты определили актуальность исследования.

Степень разработанности, теоретическая и практическая база исследования

Сущность кредитоспособности, а также проблемы её оценки рассматривались зарубежными учеными: Э. Альтманом, Г. Андерсоном, А. Арутуняном, У. Бивером, Н. Бунге, Д. Кейнсом, Д. Кодвелом, Р. Коттером, Б. Нидзом, Э. Ридом, Дж. Сингелом, А. Смитом, Г. Спрингейтом, Д. Фумером, Дж. Шимом и др.

Проблемам формулировки определения кредитоспособность в той или иной мере посвящались работы Е.И. Ададурова, Г.М. Кирсюк, А.И. Ольшаного,

О.И. Лаврушина, Ю.В. Рожкова, М.О. Сахаровой, Г.М. Тарасовой, Е.Б. ШрРйн-ской.

Разработка методик оценки кредитоспособности заёмщиков нашли '"Сражение в трудах А.В. Батунина, В.Н. Едроновой, Д.А. Ендовицкой, О.П. Х ЙЭце-вой, Г.Г. Кадыкова, Т.И. Овчинниковой, И.В. Пещанской, А.Н. Предтечей ^ого, Р.С. Сайфулина, А.Ф. Черненко, Е.Б. Ширинской и т.д.

В области применения искусственных нейронных сетей в финансово -Деятельности большой интерес представляют работы Д.-Э. Бэстенса, Ван Де1 Берга В.-М., Д. Вуда, M.JI. Кричевского, С. Хайкина.

На позицию автора повлияли также труды дальневосточных учёных,снимающихся финансово-кредитными проблемами, таких как В.Ф. Бадюков Л.И. Вотинцева, В.А. Останин, В.В. Рудько-Силиванов, А.И. Фисенко.

В ходе работы использовались статистические данные предприятийЗПри-морского края, сгруппированных по отраслевой принадлежности, инструстив-ные и методические материалы Банка России, методические материалы отечественных банков, в том числе Приморского края, собранные и проанализированные лично автором.

Объектом исследования кредитоспособность предприятий-заёмщиков как фактор минимизации финансовых потерь коммерческих банков. j

В качестве предмета исследования определены методы оценки коммерчеI скими банками кредитоспособности юридических лиц в условиях применения нейронных сетей.

Цели и задачи диссертационного исследования

Основной целью диссертационного исследования является теоретическое исследование сущности процесса оценки кредитоспособности коммерческим банком юридических лиц и разработка соответствующей методики оценки с использованием современного математического аппарата.

Для достижения поставленной цели определены и решались следующие задачи:

1. Исследовать и раскрыть экономическую сущность кредитоспособности.

2. Оценить степень влияния региональных и отраслевых особенностей предприятий на результаты расчётов коэффициентов, оценивающих уровень кредитоспособности заёмщиков.

3. Разработать методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику предприятий.

4. Раскрыть сущность и механизм использования искусственных нейронных сетей применительно к сфере банковских услуг.

5. Сформулировать рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края.

6. Обосновать возможность использования нейронных сетей и разработать модель присвоения кредитного рейтинга предприятию-заёмщику.

Научная новизна результатов диссертационного исследования, выносимых автором на защиту, заключается в следующем: раскрыта сущность кредитоспособности как неотъемлемой части процесса банковского кредитования и на этой основе дано авторское понятие кредитоспособность, включающее в себя описание результата оценки кредитоспособности заёмщика, являющееся основной составляющей заключения о выдаче ссуды; доказано, что региональная и отраслевая специфика предприятий оказывает значимое влияние на результаты рассчитываемых коэффициентов, оценивающих уровень кредитоспособности заёмщиков; предложен методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику заёмщиков, что позволяет существенно уменьшить риск невозврата выдаваемых банками ссуд; раскрыта сущность искусственных нейронных сетей и концептуально обоснована целесообразность применения нейросетевых экспертных систем при оценке кредитоспособности юридических лиц; даны рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края; сформулировано и введено в научный оборот понятие виртуальный кредитный эксперт, которое обогащает научные представления о возможности применения искусственных нейронных сетей в кредитном процессе.

Теоретическая значимость работы заключается в разработке научно обоснованного подхода к оценке кредитоспособности юридических лиц на основе использования нейронных сетей, в том числе разработке теоретических и методических положений по оценке кредитоспособности предприятий с учётом их отраслевой специфики.

Практическая значимость результатов диссертационного исследования заключается в возможности их использования коммерческими банками для оценки кредитоспособности потенциальных предприятий-заёмщиков.

Основные положения диссертационного исследования могут быть использованы в учебном процессе при изучении дисциплин, связанных с анализом финансового состояния предприятий, организаций, деятельности банков, использованием информационных технологий в кредитных организациях.

Апробация работы осуществлялась в ходе обсуждения её результатов на международных и межвузовских научно-практических конференциях: Четвёртая международная научно-практическая конференция Экономика и менеджмент: проблемы и перспективы (СПбГПУ, 2005); Межвузовская научно-практическая конференция Стратегическое управление инновационным развитием экономики России (СПбГПУ, 2005); Межвузовская научно-практическая конференция: Управление устойчивым развитием экономических систем (СПбГПУ, 2006); Восьмая Международная очно-заочная научно-практическая конференция студентов, аспирантов и молодых исследователей Интелектуальный потенциал вузов Ч на развитие Дальневосточного региона России и стран АТР (ВГУЭС, 2006); Международная конференция кредитных союзов (Владивосток, 2006); Научно-практическая конференция Управление структурными преобразованиями в экономике России (СПбГПУ, 2006).

Внедрение результатов работы осуществлено в Примсоцбанке (Владивосток).

Публикации. По результатам выпоненных в диссертации исследований опубликовано 10 печатных работ, общим авторским объёмом 4,1 п.л.

Объём и структура диссертационной работы. Диссертационное исследование изложено на 186 страницах текста, состоит из введения, трёх глав, заключения, списка использованных источников из 144 наименований, пяти приложений. Работа илюстрирована 24 таблицами, 13 рисунками.

Диссертация: заключение по теме "Финансы, денежное обращение и кредит", Просалова, Вероника Сергеевна

Заключение

Приступая к работе, нами была определена цель исследования, предполагающая теоретическое исследование сущности процесса оценки кредитоспособности коммерческим банком юридических лиц и разработка соответствующей методики оценки с использованием современного математического аппарата.

В диссертационной работе широко используется как теоретический, так и практический опыт в области разработок различных методик кредитования юридических лиц. Проведённое исследование, в основе которого лежит анализ зарубежного и отечественного опыта оценки кредитоспособности предприятий, позволяет сформулировать следующие выводы и предложения:

1. Понятие кредитоспособность, как неотъемлемая часть процесса банковского кредитования, претерпевало все изменения, которые происходили с самой банковской системой в России. Экономисты трактовали данное понятие, основываясь на процессах, происходящих в банковской системе в тот или иной исторический отрезок времени, а также уровня развития банковского обслуживания в этот момент.

В нашем понимании кредитоспособность Ч это способность заёмщика, к совершению кредитной сдеки на условиях возвратности, срочности и платности, определённая на основе удовлетворительной оценки его финансово-хозяйственной деятельности и наличии положительной кредитной истории. Как видно из определения, мы сохранили в нём все факторы, определяющие понятие кредитоспособности и добавили описание результата оценки кредитоспособности заёмщика, который как раз и является наиболее важным в процессе решения о предоставлении кредита банком. Таким образом, сформулированное нами определение носит более практический характер, и в тоже время соответствует требованиям, предъявляемым к классическому определению понятия кредитоспособность.

2. Прогнозная характеристика кредитоспособности заёмщика является основным её отличием от платёжеспособности. Кредитоспособность заёмщика прогнозирует его платёжеспособность на ближайшую перспективу, а именно на предполагаемый период пользования кредитом. Степень неплатёжеспособности в прошлом является одним из формальных показателей, на которые опираются при оценке кредитоспособности клиента.

Ещё одно существенное различие между платёжеспособностью и кредитоспособностью Ч это различие по источникам погашения. Заёмщик обычную свою задоженность (кроме ссудной) дожен погасить, как правило, за счёт выручки от реализации продукции, работ, услуг. Ссудная задоженность имеет ещё три источника погашения: выручку от реализации имущества, принятого банком в залог по ссуде; гарантию другого банка или поручителя; страховые возмещения.

Оценка способности заёмщика расплатиться по кредитным обязательствам предполагает всесторонний анализ его финансового состояния и общей экономической ситуации в регионе и отрасли, где функционирует исследуемое предприятие. Готовность выпонить обязательства по кредиту не является во многом только экономической характеристикой, а зависит также от репутации и порядочности заёмщика.

3. Кредитные бюро являются информационными посредниками между банками и предприятиями Ч заёмщиками. С одной стороны, являясь аккумуляторами кредитных историй заёмщиков, они являются своего рода помощниками кредитных экспертов при определении уровня кредитоспособности потенциальных клиентов; с другой стороны, кредитные бюро путём изменения стоимости на свои услуги, а также в результате государственного регулирования законодательных актов об использовании внешних источниках информации коммерческими банками могут оказывать также и негативное влияние на развитие кредитного процесса в стране.

4. Актуальным, на наш взгляд, представляется вопрос создания Бюро кредитных историй в Приморском крае. Однако данный информационный ресурс в крае ещё не существует. Это объясняется несколькими причинами: во-первых, отдалённость региона от центра России, что приводит к замедленности в принятии новых решений, данный фактор еще можно назвать местным консерватизмом; во-вторых, естественное нежелание коммерческих банков платить кредитным бюро за обслуживание по выдаче интересующей их информации. Все эти факторы являются препятствием на пути создания Приморских кредитных бюро.

Объединение коммерческих банков с кредитными кооперативами в образовании совместной информационной базы данных помог бы не только значительно увеличить базу данных, но и повлиял бы на стоимость оказываемых услуг в сторону их уменьшения.

6. Деятельность кредитных бюро может стать одним из государственных рычагов по регулированию кредитной деятельности в стране. Данный механизм может происходить путём воздействия как через законодательные акты, регулирующие деятельность кредитных бюро; так и через упономоченный законодательный орган, который осуществляет контроль и надзор за деятельностью бюро кредитных историй.

7. В условиях межбанковской конкуренции особое значение приобретает необходимость тщательного исследования кредитной организацией возможностей совершенствования внутренних бизнес-процессов на рынке кредитных услуг. Острая конкуренция между банками вызывает не только необходимость искать оптимальные стратегии развития на финансовом рынке, но и совершенствовать информационные технологии. Решающим фактором в конкурентной среде банков является успешное внедрение компьютерных технологий, которые могут приблизить их к самым передовым достижениям мировой банковской практики.

Понятие нейронных сетей в области применения их при оценке кредитоспособности заёмщиков коммерческими банками может быть сформулировано следующим образом: нейронная сеть Ч это кибернетический процесс обработки информации о заёмщике, основанный на методе предварительного обучения, а также накапливающий вновь приобретенные знания, с целью последующего определения уровня кредитоспособности клиента. Данное нами определение отличается от традиционного, предлагаемого специалистами в области информационных технологий, т.к. не раскрывает технологический процесс функционирования нейронной сети, а показывает сущность процесса нейронной сети при использовании её в процессе определения уровня кредитоспособности.

8. Применение нейросетевых технологий кредитными организациями Приморского края в настоящее время не распространено. Данное обстоятельство связано с рядом объективных причин. Во-первых, отсутствием среди банковских служащих грамотных специалистов, имеющих достаточный уровень знаний в области нейронных сетей. Во-вторых, незнание руководства коммерческих банков о преимуществах применения программных продуктов нейронных сетей в процессе оценки кредитоспособности заёмщиков. Решение данных проблем представляется довольно простым: местные университеты выпускают достаточное количество специалистов, обладающих теоретическими и практическими знаниями в вопросах нейронных сетей. Коммерческим банкам необходимо только установить договорные отношения с учебными заведениями о допонительной специализации данных выпускников в области коммерческого кредитования. Что касается заинтересованности руководства кредитных организаций в применении нейронных сетей, то это Ч временные трудности. В настоящее время в центральных регионах страны применение нейросетевых пакетов приобретает всё большую популярность, следовательно, через небольшой промежуток времени заинтересованность в применении данных технологических разработок возникнет и в нашем крае.

9. Изучение опыта сравнительного анализа прогноза банкротств различными методиками показывает:

А) нейросетевое моделирование обеспечивает наилучшую точность предвидение банкротств: порядка 90%, по сравнению с 80 Ч 85% точностью для других статистических методик (дискриминантный анализ, логистический анализ и т.д.);

Б) при желании можно повысить подозрительность нейросети, обеспечив точность выявления банкротов вплоть до 99%;

В) банкротство можно уверенно предсказывать за несколько лет до его фактического наступления, причём точность предсказания за два года практически не отличается от точности предсказания за год. Таким образом, неявные сигналы неблагополучия присутствуют в финансовой отчётности фирмы задого до её краха.

10. Проведённый нами анализ зарубежных методик определения кредитоспособности заёмщика показывает, что большинство кредитных организаций переходят от использования метода, основанного на наборе показателей, к интегральному понятию рейтинга. Основной показатель, используемый зарубежными коммерческими банками для оценки кредитоспособности заёмщика, Ч кредитный рейтинг. Использование рассмотренных методик в чистом виде в отечественных условиях осложняется объективными межстрановыми различиями в деятельности заёмщиков. Проведение комплекса мероприятий, направленных на исправление недостатков рассмотренных зарубежных методик, позволит повысить точность и эффективность расчётов.

11. Проведённый нами анализ отечественных методик оценки кредитоспособности предприятий коммерческими банками показал следующее. Первое, большинство отечественных методик основаны на зарубежном опыте прогнозирования банкротств. Второе, мы выявили основные недостатки и преимущества применяемых методик. Вывод, который можно сформулировать по окончании проведённого анализа Ч это необходимость разработки отечественной методики, основанной на анализе отраслевых коэффициентов, а также содержащий в своей основе статистическую базу российских предприятий. Основной причиной необходимости скорейшего решения данной проблемы Ч это принятие Положения О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задоженности.

12. Разработанная методика оценки кредитоспособности заёмщика с учётом его региональной принадлежности и отраслевой специфики, основанная на расчётах реальной финансовой отчётности предприятий Приморского края, позволит более адекватно определять финансовое состояние потенциального заёмщика, что приведёт к снижению кредитных рисков коммерческих .банков Приморского края.

13. Качественная оценка кредитоспособности предприятия (качество работы управленческого персонала, межличностные отношения в колективе и т.д.) в большей степени подвержена субъективному мнению кредитного эксперта, проводящему финансово-экономический анализ уровня кредитоспособности потенциального клиента. Необходимо учитывать также тот факт, что широкое распространение рынка кредитных услуг в нашей стране произошло сравнительно недавно. При принятии решения о выдаче кредита ссудозаёмщику формально оцениваются только количественные параметры, взятые из бухгатерской отчётности. До настоящего времени не существует хорошо разработанных, и в свою очередь проверенных временем методик именно качественной оценки финансово-хозяйственной деятельности предприятия.

В связи с этим в настоящее время актуальным становится применение кредитного рейтинга предприятия с использованием статистического анализа финансовых коэффициентов. Такой подход представляется наилучшим решением, поскольку ему можно дать математическое обоснование и проверить его работоспособность на большом объёме реальных статистических данных.

Предложенный нами новый подход основан на идее экспертной кредитной упорядоченности предприятий, по которым имеется статистическая база данных о результатах их хозяйственной деятельности, и применении нейронных сетей для построения агоритмов оценивания кредитоспособности. Разработанная модель не слишком сложна, но показывает достаточно точные результаты. Автоматизация построения моделей такого типа может быть осуществлена с использованием ряда доступных нейросетевых пакетов программ.

14. Разработанная нами модель оценки кредитоспособности заёмщика, основанная на использовании нейронной сети, присваивает предприятию кредитный рейтинг. Что невозможно в принципе сделать, используя статистические модели. Статистические модели позволяют оценить предприятие только по трём-четырём критериям, а модель на основе нейронных сетей присваивает индивидуальный кредитный рейтинг каждому ссудозаёмщику.

15. Согласно авторскому определению, под виртуальным кредитным экспертом понимается разработанная и обученная модель нейронной сети, определяющая кредитный рейтинг предприятия на основе его финансовых коэффициентов с целью принятия дальнейшего решения о предоставлении кредита.

Существенным преимуществом разработанного виртуального кредитного эксперта является, то, что в основу обучающей выборки нейронной сети заложена предложенная во втором разделе диссертационного исследования статистическая модель, учитывающая отраслевые особенности предприятий.

Основным из стимулов скорейшего внедрения виртуального кредитного эксперта среди региональных коммерческих банков является простота его использования. Уже разработанная и обученная модель не требует от пользователей каких-либо навыков в области программирования или обладанием специфических знаний в области нейронных сетей. Представленная модель обладает возможностью самообучения в процессе её использования, т.е. с течением времени она будет реагировать на происходящие изменения в показателях вводимых в неё коэффициентов и постепенно изменять присваиваемые предприятиям рейтинги. В данном случае на изменение величины финансовых коэффициентов может влиять множество факторов, таких как развитие региональной экономики, инфляционные процессы и т.д. Этот показатель существенно отличает виртуального кредитного эксперта от обычно применяемых статистических моделей.

16. Одним из будущих вариантов совершенствования виртуального кредитного эксперта может стать постановка задачи не только оценки уровня кредитоспособности предприятия, но и как возможности предсказания дальнейшего развития предприятия с точки зрения его надёжности как заёмщика коммерческого банка.

Диссертация: библиография по экономике, кандидат экономических наук , Просалова, Вероника Сергеевна, Владивосток

1. Гражданский кодекс РФ (часть первая) от 30.11.1994 г.

2. О банках и банковской деятельности: Федеральный закон от 0212.1990 г. № 395-1 (с изменениями и допонениями).

3. О несостоятельности (банкротстве): Федеральный закон от 26.10. 2002 г. №127-ФЗ

4. О кредитных историях: Федеральный закон от 30.12.2004 г. № 218-ФЗ.

5. О внесении изменений в Федеральный закон О кредитных историях: Федеральный закон от 21.07.2005 г. №110-ФЗ.

6. О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий: Постановление Правительства РФ от 20.05.1994 г. №498.

7. О федеральном органе испонительной власти, упономоченном на осуществление функций по контролю и надзору за деятельностью бюро кредитных историй: Постановление Правительства РФ от 10.08.2005 г. № 501.

8. Об утверждении положения о требованиях к финансовому положению и деловой репутации участников бюро кредитных историй: Приказ ФСФР РФ от 27.10.2005 г. № 05-52 / пн-н.

9. Об утверждении порядка проведения конкурса по безвозмездной передаче кредитных историй: Приказ ФСФР РФ № 05-88 / пз-н от 22.12.2005 г.

10. О перечне, формах и порядке составления и представления форм отчетности кредитных организаций в ЦБ РФ: Указание ЦБ РФ от 16.01 2004 № 1376-У.

11. О порядке и формах представления бюро кредитных историй информации, содержащейся в титульных частях кредитных историй, и кодов субъектов кредитных историй в центральный каталог кредитных историй: Указание ЦБ РФ от 31.06.2005 г. № 1611.

12. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в бюро кредитных историй: Указание ЦБ РФ от 31.08.2005 г. № 7036.

13. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в кредитную организацию: Указание ЦБ РФ от 31.08.2005 г. № 1612-У.

14. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в бюро кредитных историй: Указание ЦБ РФ от 29.11.2005 г. №1635-У.

15. Положение о порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задоженности № 254-П от 20.03.2006 г.

16. Об основных показателях финансовой устойчивости организаций Приморского края за 2004 год: Аналитическая записка Приморского краевого комитета государственной статистики.

17. Основной капитал экономики Приморского края в 1993 Ч 2003 годах: Статистический сборник Территориального органа федеральной службы государственной службы по Приморскому краю.

18. Основные показатели бухгатерской отчётности организаций: Статистический бюлетень Территориального органа федеральной службы государственной статистики по Приморскому краю.

19. Финансовые результаты и состояние расчетов в организациях Приморского края на 1 июля 2005 года: статистический бюлетень Территориальногооргана федеральной службы государственной статистики по Приморскому краю.

20. Ананькина Е. Влияние отраслевых рисков на кредитоспособность предприятий российской нефтяной отрасли // Russia. Декабрь 1999.

21. Анализ экономической деятельности клиентов банка: учебное пособие / под ред. О.И. Лаврушина М. : ИНФРА-М, 1996.

22. Андреева Г.В. Скоринг как метод оценки кредитного риска // Банковские технологии. 2000. № 6.

23. Андреюк О.А. К вопросу стимулирования кредитных вложений в реальный сектор // Деньги и кредит. 2000. № 8.

24. Арутунян А.В. Опыт применения моделей Флумера и Спрингейта в оценке венгерских предприятий сельского хозяйства // Корпоративный менеджмент. 2002. № 129.

25. Банковское дело: учебник для вузов / под ред. проф. В.И. Колесникова. М.: Финансы и статистика, 1995.

26. Банковское дело: учебник для ВУЗов / под ред. О.И. Лаврушина. М. : Финансы и статистика, 2000.

27. Банковское дело: современная система кредитования: учебное пособие / под ред. О.И. Лаврушина. М. : КНОРУС, 2005.

28. Банковское дело: справочное пособие / под ред. Ю.А. Бабичевой. М. : Экономика, 1994.

29. Батунин А.В. Новые индикаторы банкротства предприятия // Экономический анализ. 2003. № 4.

30. Бугакова Л.Н. Экономическая диагностика предприятий при инвестиционном кредитовании // Вопросы экономики. 2000. № 19.

31. Бухгатерский и управленческий учёт: учебное пособие / под ред. Кон-дракова Н.П. М.: Инфра-М, 2004.

32. Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях. М. : ТВП Научное издательство, 1997.

33. Власов С.Н., Рожков Ю.В., Щуплова Е.А. Розничный коммерческий банк: социальное стратифицирование: монография / под науч. ред. проф. Ю.В. Рожкова. Хабаровск : РИЦ ХГАЭП, 2006.

34. Гойденко Ю.Н., Рожков Ю.В. Цены на услуги коммерческих банков: теория и практика формирования. Моногр. Владивосток : Изд-во Дальневост. ун-та, 2003.

35. Готовчиков И.Ф. Методы статистического анализа кредитной дисциплины в российской банковской системе // Финансы и кредит. 2002. № 12.

36. Горскин И.И. Определение рейтинга кредитной привлекательности кредитной заявки // Банковское дело. 1999. № 7.

37. Гусева К.Н. Догосрочное кредитование как метод интеграции банковского и промышленного капиталов // Деньги и кредит. 2000. № 7.

38. Дарькин С.М. Использование ресурсов финансово-банковской системы региона для обеспечения безопасности его экономики // Финансы и кредит. 2004. № 5.

39. Едронова В.Н., Хасянова С.Ю. Модели анализа кредитоспособности заёмщиков // Финансы и кредит. 2002. № 6.

40. Едронова В.Н., Шахватова М.В. Особенности оценки финансовых результатов и финансового состояния субъектов бюджетирования // Экономический анализ: теория и практика. 2004. № 13.

41. Елисеева И.И., Юзбашев М.М. Общая теория статистики: учебник для вузов / под ред. И.И. Елисеевой. М.: Финансы и статистика, 2000.

42. Ендовицкий Д.А. Бочарова И.В. Комплексная оценка кредитоспособности хозяйствующего субъекта // Экономический анализ. 2004. № 15.

43. Ендовицкий Д.А. Бочарова И.В. Система комплексного анализа кредитоспособности заёмщика // Аудитор. 2004. №11.

44. Загорий Г.В. О методах оценки кредитного риска // Деньги и кредит. 1997. № 6.

45. Кабушкин С.Н. Управление банковским кредитным риском. М. : Новое знание, 2004.

46. Кирисюк Г. М., Ляховский B.C. Оценка банком кредитоспособности заемщика // Деньги и кредит. 2000. № 4.

47. Ковалёв В.В. Анализ финансового состояния и прогнозирование банкротства. СПб., 1994.

48. Ковалёв В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчётности. М. : Финансы и статистика, 1997.

49. Константинов Н.С. Методические рекомендации по оценке кредитос-побности корпоративных клиентов в коммерческом банке // Финансовый менеджмент. 2004. № 2.

50. Корнеев В.В., Гареев А.Ф., Васютин С.В. и др. Базы данных. Интелектуальная обработка информации. М. : Нолидж, 1999.

51. Кричевский М.Л. Введение в искусственные нейронные сети. СПб. : Изд. СПб Гос. морск. техн. унив., 1999.

52. Кричевский М.Л. Нейронные сети в задачах риск-менеджмента. Научн. сессия проф.-преп. состава СПбГУЭФ. Сб.докл. СПб. : Изд. СПбГУЭФ, 2002.

53. Кричевский М.Л. Интелектуальные методы в менеджменте. СПб. : Питер, 2005.

54. Лисицина Е.В. Статистический подход к коэффициентному методу в финансовом экспресс-анализе предприятия // Финансовый менеджмент. 2001. № 1.

55. Лиховидов В.Н. Практический курс распознания образов. Владивосток : Изд. ДВГУ, 1983.

56. Максютов А.А. Анализ догов компании при определении её кредитоспособности // Деньги и кредит. 2002. № 3.

57. Минский М., Пайперт И. Персептроны. М. : Мир, 1971.

58. Овчинникова Т.И., Пахомов А.И. Бугакова И.Н. Методы финансово-экономической диагностики банкротства предприятий // Финансовый менеджмент. 2005. № 5.

59. Ольхова Р.Г., Сахарова М.О., Соколинская Н.Э. Банк и контроль. М. : Прогресс, 1995.

60. Ольшаный А.И. Банковское кредитование: российский и зарубежный опыт. М. : Финансы и статистика, 1997.

61. Основы банковской деятельности / под ред. Тагирбекова К.Р. М. : Финансы и статистика, 2001.

62. Основы бухгатерского учёта / под ред. Адамова Н.А. СПб. : Питер, 2005.

63. Осовский С. Нейронные сети для обработки информации. М. : Финансы и статистика, 2002.

64. Панова Г.С. Анализ финансового состояния коммерческого банка. М. : Финансы и статистика, 1996.

65. Петров В. Международное регулирование банковских операций на примере соглашения Базель II // Международные банковские операции. 2004. № 1.

66. Пещанская И.В. Финансовые коэффициенты в системе оценки кредитоспособности заёмщиков банками // Экономический анализ: теория и практика. 2004. № 2.

67. Попова JI.B., Маслова И.А., Пчеленок Н.В., Петрыкина М.М. Применение моделей прогнозирования банкротства на российских предприятиях // Экономический анализ. 2004. № 9.

68. Пещанская И.В. Финансовый менеджмент: краткосрочная политика: учебное пособие для ВУЗов. М.: Экзамен М, 2005.

69. Помазанов М. Количественный анализ кредитного риска // Банковские технологии. 2004. № 2.

70. Помазанов М. Кредитный риск-менеджмент и моделирование нового актива в портфеле // Финансы и кредит. 2004. № 6 (144).

71. Помазанов М., Гундарь В. Капитал под риском в совершенной модели банковской системы // Финансы и кредит. 2003. № 24 (138).

72. Предтеченский А.Н. Коэффициентный анализ в системе кредитных рейтингов заёмщиков банка // Банковское дело. 2005. № 4.

73. Предтеченский А.Н. Коэффициентный анализ в системе кредитных рейтингов заемщиков банка. // Банковское дело. 2005. №5.

74. Прохно Ю.П. Лунева Ю.В. Проблемы оценки кредитоспособности корпоративны заемщиков коммерческих банков. // Финансы и кредит. 2004. № 5.

75. Рид Э., Коттер Р., ГизЭ., Смит Р. Коммерческие банки. М. : Прогресс, 1983.

76. Рожков Ю.В. Степанова B.C. Проектное финансирование как форма инвестиционной деятельности коммерческого банка: учебное пособие. Хабаровск : РИЦ ХГАЭП, 2004.

77. Розенблатт Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. М.: Мир, 1965.

78. Российская банковская энциклопедия. Редкол.: О.И. Лаврушин (гл. ред.) и др. М. : Энциклопедическая Творческая Ассоциация, 1995

79. Роуз Питер С. Банковский менеджмент. М. : Дело тд, 1995.

80. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.

81. Сахарова М.О. К вопросу о кредитоспособности предприятия // Деньги и кредит. 1999. № 3.

82. Седин В. Технология работы с международными рейтинговыми агентствами // Банковское дело. 2000. № 8 (68).

83. Словарь бухгатерских терминов / под ред. Джоэл Дж. Сигел, Джей К. Шим. М. : Финансы и статистика, 2001.

84. Соложенцев Е.Д., Степанова Н.В., Карасёв В.В. Прозрачность методик оценки кредитных рисков и рейтингов. СПб. : С.-Петерб. ун-т, 2005.

85. Смулов A.M. Проблемы взаимодействия промышленных предприятий и банков. М.: Финансы и статистика, 2002.

86. Финансово-кредитный словарь. Т. 2. М.: Финансы и статистика, 1986.

87. Теория бухгатерского учёта: задачи, ситуации, тесты / под ред. Т.М Неселовской. М.: Финансы и статистика, 2004.

88. Тосунян Г. Банковское дело и банковское законодательство в России:опыт, проблемы, перспективы. М. : Дело тд, 1995.

89. Уоссермен Ф. Нейрокомпьютерная техника. М. : Мир 1992.

90. Усоскин В.М. Современный коммерческий банк: управление и операции. М.: АО Всё для вас, 1994.

91. Усоскин В.М. Базельские стандарты адекватности банковского капитала: эволюция подходов // Деньги кредит. 2000. № 3.

92. Финансовый менеджмент: теория и практика: учебник / под ред. Стояновой Е.С. М.: Изд-во Перспектива, 1999.

93. Финансовый анализ предприятий при угрозе банкротства: учебное пособие / под ред. Пещанской И.В. М. : Омега Л, 2003.

94. Финансово-экономические расчеты: пособие для менеджеров: учебное пособие / под ред. Ефимова М.Р. М. : Инфра-М, 2004.

95. Финансово-кредитный словарь. М. : Финансы и статистика, 1986.

96. Хайкин С. Нейронные сети: полный курс. М. : Издательский дом Вильяме, 2006.

97. Черненко А.Ф. Оценка кредитоспособности организации на основе прогнозного бухгатерского баланса // Экономический анализ. 2003. № 4.

98. Чернов В.К. Анализ финансово-кредитных операций на основе составляющих эффекта финансового рычага // Финансовая газета. 1999. № 44.

99. Шаламов Г.А. Бюро кредитных историй как инструмент снижения банковских рисков // Банковское дело. 2005. № 4.

100. Шарп, У., Александер, Г., Бейли, Д. Инвестиции. 5-е изд. / пер. с англ. М. : ИНФРА-М, 1997.

101. Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа предприятия. М. : Юни-Глоб, 1992.

102. Шеремет А.Д., Сайфулин Р.С. Финансы предприятий. М. : ИНФРА-М, 1999.

103. Шеремет А.Д., Щербакова Г.Н. Финансовый анализ в коммерческом банке. М.: Финансы и статистика, 2001.

104. Шеремет А.Д. Методика финансового анализа. М. : ИНФРА-М, 1996.

105. Шешукова Т.Г. К вопросу определения инвестиционной кредитоспособности предприятия-заёмщика // Экономический анализ. 2003. № 8.

106. Ширинская Е.Б. Операции коммерческих банков: российский и зарубежный опыт. М. : Финансы и статистика, 1995.

107. Ширинская Е.Б. Операции коммерческих банков: российский и зарубежный опыт. М.: Финансы и статистика, 1992.

108. Эйгель Ф. Критерии оценки кредитного риска // Рынок ценных бумаг. 1999. №5.

109. Энциклопедия финансового риск-менеджера / под ред. Лобанова А.А., Чугунова А.В. М. : Альпина паблишер, 2003.

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

111. Akerlof G. The Market for Lemons: Quality Uncertainty and the Market Mechanism / Quarterly Journal of Economics, № 84, 1970.

112. Altman, E.I. Hartzell, J. - Peck, M. Beaver,W.H. Financial Ratios as Predictors of Failure. Empirical Research in Accounting: Selected Studies / Journal of Accounting Research, 1967.

113. Botheras, D. A. Use of a Business Failure Prediction Model for Evaluating Potential and Existing Credit Risk / NSOLVENCY PREDICTION, E. Sands & Associates Inc. March, 1979.

114. Fulmer, J. G. et al. A Bankruptcy Classification Model For Small Firms / Journal of Commercial Bank Lending. July, 1984.

115. Grossman S. and Stiglitz J. On the Impossibility of Informationally Efficient Markets / American Economic Review, № 70, 1980.

116. Kohonen T. Self-Organization and Associative Memory. Berlun : Springer-Verlag, 1989.

117. Likhovidov V. Variational approach to unsupervised learning algorithms of neural networks. / Neural Networks, vol. 10, No 2, 1997.

118. Range of practice in Banks'Internal Ratings systems. Базельский комитет по банковскому надзору, 2000.

119. Spence M. Market Signaling. Harvard University Press, 1974.

120. Springate, G. L. V. Predicting the Possibility of Failure in a Canadian Firm. / INSOLVENCY PREDICTION, E. Sands & Associates Inc. January, 1978.

121. Шесть основополагающих принципов кредитования (правило шести Си)1. Характер (character)1. Способность (capacity)1. Денежные средства (cash)1. Обеспечение (collateral)1. Условия (conditions)1. Контроль (control)

122. Прибыль, дивиденды и объемы продаж в прошлом

123. Право собственности на активы Срок службы активов

124. Вероятность морального старения Остаточная стоимость Степень специализации по активам Право ареста, доги и ограничения Обязательства по лизингу и закладные

125. Страхование клиента Гарантии Относительные позиции банка каккредитора Судебные иски и положение с налогообложением Возможные будущие потребности в финансировании

126. Положение клиента в отрасли и ожидаемая доля на рынке

127. Сопоставление результатов деятельности клиента с результатами других фирмданной отрасли Конкурентоспособность продукции Чувствительность клиента и отрасли к смене стадий делового цикла и изменению технологии Условия на рынке рабочей силы

128. Влияние инфляции на баланс и поток наличности клиента Догосрочные прогнозы вотношении отрасли Правила, политические факторы и факторы, связанные с охраной окружающей среды

129. Соответствующие законы в области банковской деятельности и правила относительно характера и качества приемлемых кредиторов

130. Факторы по Аргенти Балы по Аргенти1. Недостатки1. Директор автократ 8

131. Председатель совета директоров также является директором 4

132. Пассивность совета директоров 2

133. Внутренние противоречия в совете директоров из-за различий в знаниях и навыках 2

134. Слабый финансовый директор 2

135. Недостаток профессиональных менеджеров среднего и нижнего звеньев 11. Недостатки системы учета:отсутствие бюджетного контроля 3отсутствие прогноза денежных потоков 3отсутствие системы управленческого учета затрат 3

136. Медленная реакция на изменения (появление новых продуктов, технологий, рынков сбыта и т.д.) 15

137. Максимально возможная сумма балов 431. Проходной бал 10

138. Если сумма балов больше 10, недостатки в управлении компанией могут привести к серьезным ошибкам1. Ошибки

139. Слишком высокая доля заемного капитала 15

140. Недостаток оборотных средств из-за быстрого роста бизнеса 15

141. Наличие крупного проекта 15

142. Максимально возможная сумма балов 451. Проходной бал 15

143. Если сумма балов на этой стадии (с учетом предыдущей) больше или равна 25, то предприятие подвергается определенному риску1. Симптомы

144. Ухудшение финансовых показателей 4

145. Использование фиктивного бухгатерского учета 4

146. Нефинансовые признаки неблагополучия (ухудшение качества продукции, падение настроения в колективе, снижение доли рынка и т.д.) 4

147. Окончательные симптомы кризиса (судебные иски, скандалы, отставки) 3

148. Максимально возможная сумма балов 12

149. Максимально возможный А-счет 100

150. Шкала для интерпретации А-счета

151. Деятельность предприятия успешна До 25 балов

152. Предприятие может обанкротиться в течение ближайших 5 От 25 о 35 балов лет т Д

153. Предприятие испытывает серьезные трудности в настоящее Свыше 35 балов время

154. Значения критериальных показателей для различных отраслей согласно методики учёных Казанского госуниверситета

Похожие диссертации