Проблема оценки кредитоспособности заемщика очень актуальна в России. Процесс кредитования связан с действием многочисленных и разнообразных факторов риска, способных повлечь нарушение сроков погашения ссуды, поэтому предоставление кредита обязательно предполагает изучение банком кредитоспособности заемщика. Задачи такого анализа заключаются в том, чтобы определить способность заемщика своевременно и в полном объеме погасить задолженность и в связи с этим степень риска, который банк готов взять на себя, а также размер кредита и его условия. Проблема оценки кредитоспособности предприятия-заемщика с учетом его отраслевых и индивидуальных особенностей, несмотря на большое внимание к ней отечественных и зарубежных ученых, исследована пока недостаточно.
В России широко используется зарубежный опыт оценки кредитоспособности, но слабым звеном такой оценки является отраслевой анализ. Отраслевой анализ, который проводят российские банки, направлен лишь на изучение особенностей экономики отрасли, выявление сезонных закономерностей, но даже они не учитываются при расчете нормативных значений финансовых коэффициентов, заложенных в основу методики оценки кредитоспособности заемщиков.
Общая сумма просроченной задолженности по кредитам юридических лиц и индивидуальных предпринимателей в строительстве выросла за период с 2009 по 2013 гг. в 1,98 раза и составила 880 311 млн руб. (8,7% от общей суммы просроченной задолженности), а за три месяца текущего года эта цифра составляет 255 377 млн руб. Одной из причин высокого уровня задолженности может быть несовершенство оценки кредитоспособности заемщика.
Методика Сбербанка России для определения кредитоспособности заемщика
Рассмотрим методику Сбербанка России для определения финансового состояния и степени кредитоспособности заемщика. В соответствии с ней количественный анализ проводится с учетом тенденций, характеризующих изменение финансового состояния предприятия, и факторов, влияющих на эти изменения. С этой целью анализируются динамика оценочных показателей, структура статей баланса, качество активов, основные направления хозяйственно-финансовой политики предприятия.
Для оценки финансового состояния заемщика используются три группы оценочных показателей:
- коэффициенты ликвидности;
- коэффициент наличия собственных средств;
- показатели оборачиваемости и рентабельности.
Достаточными значениями показателей являются:
К1 (коэффициент абсолютной ликвидности) - 0,1;
К2 (коэффициент быстрой ликвидности) - 0,8;
К3 (коэффициент текущей ликвидности) - 1,5;
К4 (коэффициент наличия собственных средств) - 0,4 (для всех заемщиков, кроме предприятий торговли), 0,25 (для предприятий торговли);
К5 (коэффициент рентабельности продукции (рентабельность продаж)) - 0,10;
К6 (коэффициент рентабельности деятельности предприятия) - 0,06.
Более подробно критические границы показателей по классам кредитоспособности предприятий-заемщиков представлены в табл. 1.
Таблица 1
Критические границы показателей по классам кредитоспособности предприятий-заемщиков
|
Коэффициенты |
1-я категория |
2-я категория |
3-я категория |
|
К1 (коэффициент абсолютной ликвидности) |
0,1 и выше |
0,05 - 0,1 |
менее 0,05 |
|
К2 (коэффициент быстрой ликвидности) |
0,8 и выше |
0,5 - 0,8 |
менее 0,5 |
|
К3 (коэффициент текущей ликвидности |
1,5 и выше |
1,0 - 1,5 |
менее 1,0 |
|
К4 (коэффициент наличия собственных средств) |
0,4 и выше |
0,25 - 0,4 |
менее 0,25 |
|
К5 (коэффициент рентабельности продукции (рентабельности продаж)) |
0,1 и выше |
менее 0,1 |
нерентабельно |
|
К6 (коэффициент рентабельности деятельности предприятия) |
0,06 и выше |
менее 0,06 |
нерентабельно |
Сумма баллов (S) рассчитывается по формуле:
S = 0,05 x Категория К1 + 0,10 x Категория К2 + 0,40 x Категория К3 + 0,20 x Категория К4 + 0,15 x Категория К5 + 0,10 x Категория К6.
Значение S наряду с другими факторами используется для определения рейтинга заемщика. Для показателей третьей группы оборачиваемость и рентабельность) не устанавливаются оптимальные или критические значения ввиду их большой зависимости от специфики предприятия, отраслевой принадлежности и других конкретных условий. Оценка результатов расчетов этих показателей основана главным образом на сравнении их значений в динамике. Сумма баллов S влияет на определение класса кредитоспособности и рейтинг заемщика следующим образом:
- 1-й класс кредитоспособности: S - 1,25 и менее (обязательное условие - значение коэффициента К5 на уровне, установленном для 1-го класса кредитоспособности);
- 2-й класс кредитоспособности: S - от 1,25 (не включая) до 2,35 (включительно) (обязательное условие - значение коэффициента К5 на уровне, установленном не ниже чем для 2-го класса кредитоспособности);
- 3-й класс кредитоспособности: S - больше 2,35.
Далее определенный таким образом предварительный рейтинг корректируется с учетом других показателей и качественной оценки заемщика, при отрицательном влиянии этих факторов он может быть снижен на один класс.
Рассмотрим на конкретной выборке, насколько данные показатели и данные границы могут реально классифицировать добросовестных и недобросовестных заемщиков по строительной отрасли. Мы считаем, что предприятие-банкрот является недобросовестным заемщиком, поэтому рассматриваем финансовую отчетность за год до банкротства. Предположим, что такое предприятие обратилось в банк за кредитом.
В качестве объекта исследования из баз данных СПАРК и Ruslana была использована финансовая отчетность более 940 российских строительных предприятий (акционерных обществ и обществ с ограниченной ответственностью) с численностью свыше 100 человек. Для анализа выбирались крупные и средние предприятия, так как именно они могут запросить большую сумму кредита.
На первом этапе был проведен дисперсионный анализ.
Однофакторный дисперсионный анализ (ANOVA) используется для проверки гипотезы о равенстве нескольких математических ожиданий, соответствующих различным группам или уровням факторной переменной. Этот метод является расширением двухвыборочного t-критерия.
Нулевая гипотеза H0 утверждает, что k генеральных совокупностей имеет одно и то же среднее значение. Из этого будет следовать, что выборки однородны. В нашем случае это можно трактовать следующим образом: значения отдельных финансовых показателей не зависят от распределения банкрот/не банкрот. Альтернативная гипотеза H1 утверждает, что средние значения не равны между собой, то есть по крайней мере у двух совокупностей они различаются.
Для проверки гипотезы H0 обычно используется F - тест Фишера. Делается предположение, что каждая группа является независимой случайной выборкой из нормального распределения. Дисперсионный анализ робастен (устойчив) к отклонениям от нормальности, однако данные должны быть симметричны. Группы должны выбираться из совокупностей с одинаковыми дисперсиями. Для проверки последнего предположения используется критерий Ливиня однородности дисперсий. Этот критерий не требует предположения о нормальности. Также можно вычислить статистику Уэлча для проверки равенства дисперсий групп. Эта статистика предпочтительнее F-статистики в случае, когда требование равенства дисперсий не выполняется. Результаты дисперсионного анализа представлены в табл. 2.
Таблица 2
Результаты дисперсионного анализа
российских строительных предприятий
|
Показатель |
Распределение |
Среднее значение |
Стандартное отклонение |
Тест Фишера (F) |
Уровень значимости |
|
Коэффициент абсолютной ликвидности |
Небанкрот |
0,34 |
1,01 |
1,45 |
0,23 |
|
Банкрот |
0,20 |
1,22 |
|
|
|
|
Итого |
0,33 |
1,03 |
|
|
|
|
Коэффициент быстрой ликвидности |
Небанкрот |
1,41 |
2,47 |
4,06 |
0,04 |
|
Банкрот |
0,85 |
1,79 |
|
|
|
|
Итого |
1,36 |
2,42 |
|
|
|
|
Коэффициент текущей ликвидности |
Небанкрот |
1,92 |
2,89 |
7,34 |
0,01 |
|
Банкрот |
1,06 |
1,77 |
|
|
|
|
Итого |
1,85 |
2,82 |
|
|
|
|
Коэффициент наличия собственных средств |
Небанкрот |
0,2523 |
0,41039 |
158,092 |
0,000 |
|
Банкрот |
-0,4312 |
0,91676 |
|
|
|
|
Итого |
0,1906 |
0,51646 |
|
|
|
|
Рентабельность продаж |
Небанкрот |
0,03 |
0,25 |
67,50 |
0,00 |
|
Банкрот |
-0,32 |
0,96 |
|
|
|
|
Итого |
-0,01 |
0,39 |
|
|
|
|
Рентабельность чистой прибыли |
Небанкрот |
-0,01 |
0,36 |
168,74 |
0,00 |
|
Банкрот |
-0,77 |
1,30 |
|
|
|
|
Итого |
-0,08 |
0,56 |
|
|
|
|
Период погашения дебиторской задолженности (дней) |
Небанкрот |
972,17 |
5322,16 |
15,30 |
0,00 |
|
Банкрот |
3511,27 |
8710,76 |
|
|
|
|
Итого |
1201,52 |
5751,08 |
|
|
|
|
Совокупный долг к совокупным активам |
Небанкрот |
0,75 |
0,41 |
158,09 |
0,00 |
|
Банкрот |
1,43 |
0,92 |
|
|
|
|
Итого |
0,81 |
0,52 |
|
|
|
|
Коэффициент обеспеченности собственными оборотными средствами |
Небанкрот |
-0,05 |
0,97 |
79,03 |
0,00 |
|
Банкрот |
-1,32 |
2,82 |
|
|
|
|
Итого |
-0,17 |
1,30 |
|
|
|
|
Рентабельность затрат (%) |
Небанкрот |
0,01 |
0,10 |
182,74 |
0,00 |
|
Банкрот |
-0,18 |
0,27 |
|
|
|
|
Итого |
0,00 |
0,14 |
|
|
|
|
Доходность активов, ROA (%) |
Небанкрот |
0,02 |
0,07 |
187,28 |
0,00 |
|
Банкрот |
-0,11 |
0,16 |
|
|
|
|
Итого |
0,01 |
0,09 |
|
|
|
|
Степень платежеспособности по текущим обязательствам |
Небанкрот |
0,10 |
0,35 |
77,12 |
0,00 |
|
Банкрот |
0,61 |
1,31 |
|
|
|
|
Итого |
0,14 |
0,54 |
|
|
|
|
Коэффициент автономии (финансовой независимости) |
Небанкрот |
0,25 |
0,41 |
158,09 |
0,00 |
|
Банкрот |
-0,43 |
0,92 |
|
|
|
|
Итого |
0,19 |
0,52 |
|
|
|
|
Показатель отношения дебиторской задолженности к совокупным активам |
Небанкрот |
0,17 |
0,25 |
57,58 |
0,00 |
|
Банкрот |
0,39 |
0,27 |
|
|
|
|
Итого |
0,18 |
0,26 |
|
|
Рассмотрим средние значения исследуемых показателей предприятий-банкротов.
Среднее значение абсолютной ликвидности составляет 0,2 и соответствует фактически всем критическим границам всех категорий кредитоспособности по методике Сбербанка. Это касается и показателя быстрой ликвидности, среднее значение которого составляет 0,85. Что касается коэффициента текущей ликвидности, то его среднее значение по предприятиям-банкротам составляет 1,06 и соответствует 2-й категории предприятий-заемщиков (1,0 - 1,5). Коэффициенты наличия собственных средств, рентабельности продукции и рентабельности чистой прибыли соответствуют 3-й категории предприятий-заемщиков. Таким образом, не все показатели одинаково оценивают возможную некредитоспособность предприятия-заемщика.
Последний столбец табл. 2 показывает уровень значимости. Полужирным шрифтом выделены те показатели, которые не обладают 15%-ным уровнем значимости, то есть они не обладают классифицирующей способностью и по своим значениям не умеют разделять банкротов и не банкротов. То есть по результатам нашего анализа можно сделать вывод, что показатель абсолютной ликвидности не обладает классифицирующей способностью и его лучше не применять при оценке кредитоспособности предприятий строительства. Его можно заменить теми показателями, которые лучше классифицируют выборку на банкротов и небанкротов, в нашем случае это показатели периода погашения дебиторской задолженности (в днях), совокупный долг к совокупным активам, коэффициент обеспеченности собственными оборотными средствами, рентабельность затрат, доходность активов, коэффициент автономии и др.
В целом с помощью дисперсионного анализа мы ищем классифицирующие индикаторы, которые способны за один год до возможного банкротства отличать благополучные предприятия от потенциальных банкротов. Другими словами, мы проверяем, значимо ли отличаются средние значения показателей у банкротов и небанкротов. Например, среднее значение показателя текущей ликвидности для банкротов составляет 1,06, а для здоровых компаний - 1,92. Дисперсионный анализ также учитывает дисперсию для двух групп и с помощью F-статистики проверяет классифицирующую способность текущей ликвидности, то есть насколько правильно она делит банкротов и небанкротов.
В табл. 3 представлен общий процент верных классификаций "Банкрот" и "Небанкрот". В качестве границ брались границы по 1-й категории кредитоспособности заемщика.
Таблица 3
Общий процент верных классификаций "Банкрот" и "Небанкрот" по методике Сбербанка
|
Показатель |
Соответствие нормативу |
Банкроты, % |
Небанкроты, % |
Общий процент верных классификаций, % |
|
Коэффициент абсолютной ликвидности |
Не соответствуют |
82,35 |
56,78 |
|
|
Соответствуют |
17,65 |
43,22 |
62,79 |
|
|
Коэффициент быстрой ликвидности |
Не соответствуют |
70,59 |
45,33 |
|
|
Соответствуют |
29,41 |
54,67 |
62,63 |
|
|
Коэффициент текущей ликвидности |
Не соответствуют |
90,59 |
69,51 |
|
|
Соответствуют |
9,41 |
30,49 |
60,54 |
|
|
Коэффициент наличия собственных средств |
Не соответствуют |
92,94 |
78,97 |
|
|
Соответствуют |
7,06 |
21,03 |
56,98 |
|
|
Рентабельность продаж |
Не соответствуют |
80,00 |
85,63 |
|
|
Соответствуют |
20,00 |
14,37 |
47,18 |
|
|
Рентабельность чистой прибыли |
Не соответствуют |
96,47 |
82,59 |
|
|
Соответствуют |
3,53 |
17,41 |
56,94 |
|
|
Итого |
|
|
|
57,84 |
Если значение показателя соответствует нормативу, то ставится 1 ("соответствует"), в противном случае - 0 ("не соответствует"). В таблице показано, насколько хорошо существующие нормативы разделяют банкротов и небанкротов. Например, только 43,22% здоровых предприятий не соответствуют нормативу коэффициента абсолютной ликвидности. Нормативы, соответствующие первой категории разделения заемщиков, разделяют выборку на добросовестных и недобросовестных заемщиков только на 57,84%. Самый худший показатель разделения - показатель по рентабельности продаж, всего 47,18%: по здоровым предприятиям только 14,37% соответствуют данному показателю.
Нормативы разделения выборки на добросовестных и недобросовестных заемщиков на основе метода BCT
Предлагаем вниманию читателей другие нормативы разделения выборки на добросовестных и недобросовестных заемщиков на основе метода BCT (Binary Classification Tree). Модели бинарного выбора используются в первую очередь, когда субъект выбирает между двумя возможными альтернативами. Выбор основывается на наборе некоторых входных факторов. Применим алгоритм CRT, используемый в активно развивающемся направлении data mining и предназначенный для решения задач классификации объектов и построения регрессионной модели. От аналогов его отличает высочайшая скорость и возможность наглядной визуализации найденного решения при сравнимой точности классификации. Алгоритм CRT работает как с числовыми, так и с dummy-переменными. В любом случае в узле разбиение может идти только по одной переменной. На каждом шаге построения древа алгоритм последовательно сравнивает все возможные разбиения для всех переменных и выбирает наилучшую переменную и разбиение для нее.
Каждый узел бинарного древа при разбиении имеет только два потомка, называемые дочерними узлами. Дальнейшее разделение ветви зависит от того, много ли исходных данных описывает данная ветвь. На каждом шаге построения древа правило, формируемое в узле, делит заданное множество примеров на две части. Правая часть - это та часть множества, в которой правило выполняется; левая - для которой правило не выполняется, для нашего случая заданное правило - это предприятие-банкрот. Этот процесс продолжается до тех пор, пока дальнейшее разделение будет невозможно. Это происходит, когда в любом случае результат дочернего узла будет одинаковым или в узле остается только один-единственный возможный случай. В табл. 4 предложены варианты нормативов, рассчитанные на основе построения бинарных деревьев классификации.
Таблица 4
Нормативы на основе метода BCT, предлагаемые для методики Сбербанка
|
Показатель |
Нормативы текущие |
Нормативы предлагаемые |
|
Коэффициент абсолютной ликвидности |
>= 0,1 |
> 0,001 |
|
Коэффициент быстрой ликвидности |
>= 0,8 |
> 0,46 |
|
Коэффициент текущей ликвидности |
>= 1,5 |
> 1,14 |
|
Коэффициент наличия собственных средств |
>= 0,4 |
> 0,13 |
|
Рентабельность продаж |
>= 0,1 |
> -0,007 |
|
Рентабельность чистой прибыли |
>= 0,06 |
> -0,03 |
В чем-то предлагаемые нормативы соответствуют 3-й категории кредитоспособности заемщика. Так, например, предлагаемые нормативы коэффициентов абсолютной и быстрой ликвидности соответствуют 3-й категории предприятий-заемщиков, нормативы коэффициента текущей ликвидности и коэффициента наличия собственных средств соответствуют 2-й категории предприятий-заемщиков. Предлагаемые нормативы по рентабельности продаж и чистой прибыли предприятия соответствуют 3-й категории кредитоспособности заемщиков по методике Сбербанка, однако при этом они более конкретизированы. В табл. 5 показан общий процент верных классификаций "Банкрот" и "Небанкрот" по предлагаемым нормативам на основе применения BCT. Способность разделения улучшена за счет уточнения показателей по рентабельности продаж и рентабельности чистой прибыли. Если прежним нормативам по рентабельности продаж соответствовало только 14,35% предприятий из общей выборки, то предлагаемому нормативу соответствует 95,09% предприятий из общей выборки. Процент соответствия предлагаемому нормативу рентабельности чистой прибыли увеличился с 17,41 до 88,9% по здоровым предприятиям. В целом предлагаемые нормативы улучшили разделение предприятий на банкротов и небанкротов на 14,33%.
Таблица 5
Общий процент верных классификаций "Банкрот" и "Небанкрот" по нормативам на основе применения BCT
|
Показатель |
Соответствие нормативу |
Банкроты, % |
Небанкроты, % |
Общий процент верных классификаций, % |
|
Коэффициент абсолютной ликвидности |
Не соответствуют |
47,06 |
10,40 |
|
|
Соответствуют |
52,94 |
89,60 |
68,33 |
|
|
Коэффициент быстрой ликвидности |
Не соответствуют |
55,29 |
16,82 |
|
|
Соответствуют |
44,71 |
83,18 |
69,24 |
|
|
Коэффициент текущей ликвидности |
Не соответствуют |
85,88 |
50,82 |
|
|
Соответствуют |
14,12 |
49,18 |
67,53 |
|
|
Коэффициент наличия собственных средств |
Не соответствуют |
62,35 |
19,98 |
|
|
Соответствуют |
37,65 |
80,02 |
71,19 |
|
|
Рентабельность продаж |
Не соответствуют |
55,29 |
4,91 |
|
|
Соответствуют |
44,71 |
95,09 |
75,19 |
|
|
Рентабельность чистой прибыли |
Не соответствуют |
74,12 |
11,10 |
|
|
Соответствуют |
25,88 |
88,90 |
81,51 |
|
|
Итого |
|
|
|
72,17 |
Выводы
На основе приведенного исследования можно сделать следующие выводы.
В целом нормативы по финансовым коэффициентам, разработанные Сбербанком, выявляют недобросовестных заемщиков в строительной отрасли. Процент верного разделения на добросовестных и недобросовестных заемщиков по нормативам Сбербанка составил 57,84%. Но посредством проведения дисперсионного анализа было определено, что показатель абсолютной ликвидности не обладает классифицирующей способностью и его лучше не применять при оценке кредитоспособности предприятий строительства. Его можно заменить теми показателями, которые лучше классифицируют выборку на банкротов и небанкротов, в нашем случае это показатели периода погашения дебиторской задолженности (в днях), совокупный долг к совокупным активам, коэффициент обеспеченности собственными оборотными средствами, рентабельность затрат, доходность активов, коэффициент автономии и др.
На основе применения метода построения деревьев классификации были разработаны новые нормативы отнесения предприятий к недобросовестным заемщикам. Предлагаемые нормативы по рентабельности продаж и по чистой прибыли предприятия соответствуют 3-й категории кредитоспособности заемщиков по методике Сбербанка, однако при этом они более конкретизированы. В целом предлагаемые нормативы уточняют разделение предприятий на банкротов и небанкротов на 14,33%. Занимающий наибольший удельный вес коэффициент наличия собственных средств в итоговом рейтинге заемщика в среднем соответствует 3-му классу кредитоспособности. Можно снизить его удельный вес в общем рейтинге.