Betrachten wir die Modelle des Konkurses eines Unternehmens und detaillierter Methoden zur Bewertung der Zahlungsfähigkeit eines Unternehmens.
Was ist ein Scoring-Modell für die Unternehmensbewertung?
Der Scoring-Ansatz zur Beurteilung der Zahlungsfähigkeit eines Unternehmens besteht in der Analyse von Statistiken über Unternehmen über ihre Erfüllung von Verpflichtungen gegenüber Gläubigern, über die Informationen im Kreditauskunftei enthalten sind. Daher werden Scoring-Modelle in der Literatur manchmal auch als Kredit-Scoring-Modelle bezeichnet ( Anerkennung-Punktzahl) oder Kredit-Scoring-Modelle. Man kann also sagen, dass Kredit-Scoring-Modelle statistische Modelle zur Beurteilung der Zahlungsfähigkeit eines Unternehmens sind.
Geschichte des Scoring-Ansatzes zur Bewertung
Bisher wurden Scoring-Modelle ausschließlich zur Beurteilung der Kreditwürdigkeit von Privatpersonen zum Zwecke der Kreditvergabe durch Banken entwickelt. Dieser Ansatz wurde erstmals 1941 von D. Duran vorgeschlagen, um Bankkunden in zwei Klassen einzuteilen: kreditwürdig und nicht kreditwürdig. Um die Klasse zu bestimmen, wurden Indikatoren berechnet, um auf das Konkursrisiko schließen zu können. Scores für Scoring-Modelle werden mit dem logistischen Regressionstool berechnet. Auf ihrer Grundlage werden übrigens auch Logit-Modelle zur Einschätzung des Insolvenzrisikos von Privatpersonen und Unternehmen aufgebaut.
Die Aufgabe des Scoring-Ansatzes zur Beurteilung der Zahlungsfähigkeit eines Unternehmens
Aufgabe des Scoring-Modells zur Beurteilung der Zahlungsfähigkeit eines Unternehmens ist es, dieses nach dem Grad des finanziellen Risikos zu klassifizieren. Der Scoring-Ansatz ähnelt dem Rating-Ansatz zur Bewertung eines Unternehmens, da es auch ein Rating (Klasse) für ein Unternehmen gibt, zusätzlich gibt es ein Scoring und die Zuordnung eines Ratings zu Finanzkennzahlen.
Der Unterschied liegt darin, dass dadurch ein Rating vergeben wird und das Unternehmen in die Bonitätsklasse, d.h. Neben der Bewertung wird auch eine Klassifizierung durchgeführt. Außerdem erhält man als Ergebnis des Scorings ein Rating für das Unternehmen und ein Rating für das Unternehmen beschreibende Finanzkennzahlen.
Scoring-Modelle zur Beurteilung der Zahlungsfähigkeit eines Unternehmens
Betrachten Sie inländische Scoring-Modelle zur Bewertung der Zahlungsfähigkeit eines Unternehmens. Lassen Sie uns zwei inländische Scoring-Modelle von Dontsova-Nikiforova und Savitskaya analysieren. Diese Modelle dienen der Abschätzung des Insolvenzrisikos inländischer Unternehmen. Fangen wir also an.
Bewertungsmodell von Dontsova-Nikiforova (1999)
Dontsova L.V.
Ökonomen Dontsova L.V. und Nikiforova N.A. bieten ein Scoring-Modell zur Beurteilung der Solvabilität eines Unternehmens an, das anhand der Bewertung von sechs Finanzkennzahlen eine Einstufung des Unternehmens in eine der sechs Solvenzklassen erlaubt.
| Index | 1 Klasse(Punktzahl) | Note 2(Punktzahl) | 3. Klasse(Punktzahl) | 4. Klasse(Punktzahl) | 5. Klasse(Punktzahl) | 6. Klasse(Punktzahl) |
| Absolute Liquiditätsquote | 0,25 und mehr (20) | 0.216 | 0.15(12) | 0.1(8) | 0.05(4) | Weniger als 0,05 (0) |
| Schnelle Liquiditätsquote | 1 oder mehr(18) | 0.9(15) | 0.8 (12) |
0.7(9) | 0.6(6) | Weniger als 0,5 (0) |
| 2 oder mehr (16,5) | 1.7(120 | 1.4(7.5) | 1.1(3) | 1(1.5) | Unter 1(0) | |
| 0,6 und mehr(17) | 0.54(12) | 0.43(7.4) | 0.41(1.8) | 0.4(1) | Weniger als 0,4 (0) | |
| Betriebskapitalquote | 0,5 und mehr(15) | 0.4(12) | 0.3(9) | 0.2(6) | 0.1(3) | Weniger als 0,1 (0) |
| Deckungsgrad der Reserven | 1 oder mehr(15) | 0.9(12) | 0.8(9) | 0.7(6) | 0.6(3) | Weniger als 0,6 (0) |
| Der Mindestwert des Rahmens in Punkten | 100 | 64 | 50 | 28 | 18 | – |
| Note 1 > 100 Punkte | Das Unternehmen verfügt über eine gute Finanzkraft | |||||
| Note 2 > 64 Punkte | Das Unternehmen hat eine unbedeutende Wahrscheinlichkeit, Schulden zu tilgen, im Allgemeinen besteht ein Risiko | |||||
| Note 3 > 50 Punkte | Gestörtes Unternehmen | |||||
| Note 4 > 28 Punkte | Das Unternehmen hat ein hohes Insolvenzrisiko | |||||
| Note 5 > 18 Punkte | Das Unternehmen hat ein sehr hohes Insolvenzrisiko, Sanierungsmaßnahmen dürften kaum helfen | |||||
| 6. Klasse<18 баллов | Das Unternehmen ist finanziell insolvent | |||||
Notiz:
Im Bewertungsmodell liegt der Schwerpunkt auf Liquiditätskennzahlen (Quick Liquidity Ratio, Absolute Liquidity Ratio) sowie Umschlagskennziffern (Equity Ratio, Inventory Ratio).
| Chancen | Formel | Berechnung |
|
Absolute Liquiditätsquote |
(Cash + kurzfristige Finanzanlagen) / kurzfristige Verbindlichkeiten | S.1250 / (Str.1510+Str.1520) |
|
Schnelle Liquiditätsquote |
(Umlaufvermögen - Vorräte) / Kurzfristige Verbindlichkeiten | (S.1250+S.1240) / (S.1510+S.1520) |
|
Aktuelle Liquiditätsquote |
||
|
Verhältnis der finanziellen Unabhängigkeit |
Eigenkapital/ Vermögenswerte | S.1300 / S.1600 |
|
Betriebskapitalquote |
(Eigenkapital - Anlagevermögen) / Umlaufvermögen | (S.1300-S.1100) / S.1200 |
|
Deckungsgrad der Reserven |
Lagerumschlagsquote= Verkaufserlös / durchschnittlicher Lagerbestand | S.2110 / (S.1210 np.+S.1210 kp.)*0.5 |
np und k.p. - der Wert der Bilanzlinie zu Beginn des Zeitraums bzw. am Ende des Zeitraums.
Savitskaya-Bewertungsmodell (2007)
Savitskaya G.V.
Professor G. V. Savitskaya bietet ihr eigenes Scoring-Kreditmodell zur Bewertung der Finanzlage eines Unternehmens an. Der Unterschied liegt darin, dass im Modell das Unternehmen in fünf Klassen eingeteilt wird und dafür drei Finanzkennzahlen verwendet werden.
| Index | 1 Klasse | Note 2 | 3. Klasse | 4. Klasse | 5. Klasse |
| Gesamtkapitalrendite, % | 30 und höher (50 Punkte) | 29,9-20 (49,9-35 Punkte) | 19,9-10 (34,9-20 Punkte) | 9,9-1 (19,9-5 Punkte) | Weniger als 1 (0 Punkte) |
| Aktuelle Liquiditätsquote | 2 oder mehr (30 Punkte) | 1,99-1,7 (29,9-20 Punkte) | 1,69-1,4 (19,9-10 Punkte) | 1.39-1.1(9.9-1) | 1 und darunter (0 Punkte) |
| 0,7 oder mehr (20 Punkte) | 0,69-0,45 (19,9-10 Punkte) | 0,44-0,3 (9,9-5 Punkte) | 0,29-0,2 (4,9-1 Punkte) | Weniger als 0,2 (0 Punkte) | |
| Klassengrenzen | 100 Punkte | 99-65 | 64-35 | 34-6 | 0 Punkte |
| Note 1 > 100 Punkte | Ein Unternehmen mit guter Finanzkraft | ||||
| Note 265-99 Punkte | Das Unternehmen hat ein geringes Risiko der Nichtrückzahlung von Schulden | ||||
| Note 335-64 Punkte | Gestörtes Unternehmen | ||||
| Note 46-34 Punkte | Das Unternehmen hat ein hohes Insolvenzrisiko. Kreditgeber riskieren, ihre investierten Mittel zu verlieren | ||||
| Note 50 Punkte | Das Unternehmen ist insolvent | ||||
Notiz:
Zwei der drei Finanzkennzahlen bestimmen die Zahlungsfähigkeit des Unternehmens, wobei die aktuelle Liquiditätskennzahl die kurzfristige Liquidität und die finanzielle Unabhängigkeitskennzahl die langfristige Liquidität des Unternehmens bestimmt.
Verhältnis der finanziellen Unabhängigkeit = Verhältnis der Autonomie.
Berechnung von Finanzkennzahlen im Scoring-Modell
| Chancen | Formel | Berechnung |
|
Rendite auf das Gesamtkapital |
Ergebnis vor Steuern / Verbindlichkeiten | S.2300 / S.1700 |
|
Aktuelle Liquiditätsquote |
Umlaufvermögen / Kurzfristige Verbindlichkeiten | S.1200 / (S.1510+S.1520) |
|
Verhältnis der finanziellen Unabhängigkeit |
Eigenkapital / Vermögen | S.1300 / S.1600 |
Zusammenfassung
Fassen wir die Analyse von Kredit-Scoring-Modellen zur Beurteilung der Zahlungsfähigkeit eines Unternehmens zusammen. Einer der unbestreitbaren Vorteile ist, dass diese Modelle für inländische Unternehmen entwickelt wurden. Eine der Schwierigkeiten bei der Schätzung mit solchen Modellen ist die große Komplexität der Berechnungen und oft die Unverständlichkeit bei der Verwendung des Scorings von Finanzkennzahlen. Ihre Verwendung lässt sich gut mit anderen Methoden zur Beurteilung der Finanzlage kombinieren.
Vielen Dank für Ihre Aufmerksamkeit! Viel Glück!
Kundenbewertungssystem auf Basis statistischer Methoden. In der Regel dies Computer Programm, wo die Daten eines potentiellen Kreditnehmers eingetragen werden. Als Antwort wird ein Ergebnis ausgestellt - lohnt es sich, ihm einen Kredit zu gewähren. Der Name Scoring kommt vom englischen Wort score, also „score“.
Es gibt vier Arten der Wertung:
- Antragsbewertung (wörtliche Übersetzung aus dem Englischen - „Bewertung von Anträgen, Einsprüchen“) - eine Bewertung der Kreditwürdigkeit von Kreditnehmern bei der Vergabe eines Darlehens. Dies ist die gebräuchlichste Art des Scorings, die den Kunden bekannt ist. Es basiert auf der primären Erhebung der persönlichen Daten des Kreditnehmers, ihrer Verarbeitung durch einen Computer und der Schlussfolgerung des Ergebnisses: Kreditgewährung oder nicht;
- Inkasso-Scoring - Scoring-System in der Phase der Arbeit mit notleidenden Krediten. Legt die vorrangigen Maßnahmen von Bankangestellten fest, um "faule" Kredite zurückzuzahlen. Tatsächlich ermöglicht Ihnen das Programm eine Reihe von Schritten, um mit Forderungsausfällen umzugehen, beispielsweise von einer ersten Mahnung bis zur Weiterleitung des Falls an ein Inkassobüro. Es wird angenommen, dass im Zuge einer solchen Bearbeitung etwa 40 % der Kunden auf Vergesslichkeit hinweisen und den Kredit zurückzahlen;
- Verhaltens-Scoring, „Verhaltens-Scoring“ - eine Bewertung der wahrscheinlichsten finanziellen Handlungen des Kreditnehmers. Ein solches System ermöglicht es, Änderungen in der Zahlungsfähigkeit des Kreditnehmers vorherzusagen und die für ihn festgelegten Limits anzupassen. Grundlage der Analyse können die Handlungen des Auftraggebers sein bestimmten Zeitraum, wie Kreditkartentransaktionen ;
- Fraud-Scoring ist eine statistische Bewertung der Wahrscheinlichkeit betrügerischer Handlungen eines potenziellen Kreditnehmers. Ein solches Scoring wird normalerweise in Verbindung mit anderen Arten der Kundenforschung verwendet. Gleichzeitig geht man davon aus, dass bis zu 10 % der Kreditausfälle in Russland mit offenem Betrug in Verbindung gebracht werden, Tendenz steigend.
Viele Scoring-Systeme verarbeiten nicht nur die eingegebenen Daten, sondern sind auch selbstlernend: Sie berücksichtigen das Verhalten bereits aufgenommener Kunden, um ihre Einschätzung zukünftiger Kreditnehmer anzupassen.
Auf dem Markt für Bankensoftware gibt es fertige Lösungen. Die bekanntesten westlichen Programme sind SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Unter den russischen Entwicklern stechen Basegroup Labs, Diasoft hervor, und das ukrainische Unternehmen Neuro-Systems Business ist bekannt. Gleichzeitig entwickeln viele Banken ihre eigenen Systeme.
Scoring-Systeme ermöglichen die Reduzierung von Kosten und die Minimierung von Betriebsrisiken durch die Automatisierung der Entscheidungsfindung, die Verkürzung der Bearbeitungszeit von Kreditanträgen, die Möglichkeit für Banken, ihre Kreditpolitik zentral zu verwalten, und einen zusätzlichen Schutz für Finanzinstitute vor Betrug. Gleichzeitig hat das Scoring aber auch eine Reihe von Nachteilen: Häufig basiert die Entscheidung des Systems ausschließlich auf der Analyse von Daten, die der Kreditnehmer zur Verfügung stellt. Zudem müssen Scoring-Systeme ständig verbessert und gepflegt werden, da sie nur Erfahrungen aus der Vergangenheit berücksichtigen und verzögert auf Veränderungen der sozioökonomischen Situation reagieren.
Bei der Vergabe von Krediten versuchen Banken, den Gewinn zu maximieren und die Rückzahlung der an den Kreditnehmer überwiesenen Mittel zu garantieren. Um das Risiko von Verzögerungen zu reduzieren, analysieren Finanzinstitute alle Antragsteller sorgfältig und genehmigen nur Anträge, deren Verpflichtungen mit hoher Wahrscheinlichkeit erfüllt werden.
Die Beurteilung der Kreditwürdigkeit eines Kreditnehmers – einer Einzelperson – erfolgt häufig mittels (von engl. score – „Scoring“). Das Scoring-Modell analysiert die Einflussfaktoren auf das Kreditausfallrisiko und gibt Empfehlungen zur Bewilligung oder Ablehnung des Antrags. Bei der Beantragung eines Kredits wird der Kreditnehmer zunächst gebeten, einen Fragebogen auszufüllen. Auf Basis dieser Daten erfolgt die Bewertung. Für jeden Parameter erhält der Kunde eine bestimmte Anzahl von Punkten, es gibt steigende und fallende Koeffizienten. Das Endergebnis wurde zuvor manuell berechnet Bankangestellte, heute geschieht dies automatisch in speziellen Programmen.
Wo wird Scoring angewendet?
Das Scoring-Modell ist weit verbreitet im Bereich der Mikrofinanzierung und der Expresskreditvergabe, wo die Überprüfung der Daten eines potenziellen Kreditnehmers und die Entscheidungsfindung weniger als 1 Stunde dauern. Zur Bonitätsprüfung werden Informationen aus einem ausgefüllten Antrag in ein spezielles Programm eingegeben. Das System gleicht die Angaben des potentiellen Kreditnehmers automatisch mit Statistiken ab. Enthält die Datenbank also Hinweise, dass Personen gleichen Alters oder gleichen Berufsstandes den Kredit oft nicht zurückzahlen, dann kann die Entscheidung über den Antrag negativ ausfallen. In solchen Fällen lehnt eine Bank oder Mikrofinanzorganisation einen potenziellen Kreditnehmer normalerweise ohne Begründung ab.
Vorteile des CREDIT SCORE SCORING SYSTEMS
Entscheidungsgeschwindigkeit. Analysiert ein Bankangestellter die Zahlungsfähigkeit des Kreditnehmers, nimmt dies viel Zeit in Anspruch. Der Spezialist muss jeden Parameter unabhängig überprüfen, alle erhaltenen Ergebnisse manuell eingeben und eine Schlussfolgerung ziehen. Mit Hilfe moderner Scoring-Systeme zur Bonitätsbeurteilung werden Daten schnell verarbeitet, wodurch zeitnah eine Entscheidung getroffen wird.
Objektivität. Auch ein erfahrener und qualifizierter Fachmann kann sich aufgrund einer persönlichen Einstellung gegenüber dem Auftraggeber bei den Berechnungen irren oder sich eine voreingenommene Meinung bilden. Der Score ist ein viel objektiverer Indikator für die Kreditwürdigkeit, da er automatisch berechnet wird. Ein Bankangestellter kann die Funktionsweise des Algorithmus nicht beeinflussen.
Finanzieller Nutzen. Durch den Einsatz eines Scoring-Modells zur Bonitätsbeurteilung kann der Ausfallanteil deutlich reduziert werden. Dies erhöht nicht nur den Gewinn der Bank, sondern ermöglicht ihr auch, den Kunden bessere Konditionen anzubieten. Die Höhe des Zahlungsausfalls wirkt sich direkt auf die Kreditzinsen aus, daher sind gewissenhafte Zahler auch daran interessiert, diese zu senken.
Was bestimmt die Ergebnisse der Wertung
Die endgültige Bewertung bei der Verwendung eines Scoring-Modells besteht aus einer Reihe von Indikatoren. Zunächst werden die Passdaten des Kreditnehmers, Angaben zum Wohnort und weitere Kontaktdaten geprüft. Dies ist eine Vorstufe, in der Bewerber mit ungültigen Unterlagen aussortiert werden. Dann gibt es die Analyse anderer Faktoren.
- Persönliche Informationen über den Kunden. Die Scoring-Beurteilung berücksichtigt den Familienstand des Kreditnehmers und das Vorhandensein minderjähriger Kinder. Dabei wird auch die Dienstzeit am letzten Arbeitsort berücksichtigt.
- Zahlungsfähigkeit des Antragstellers. Einer der wichtigsten Faktoren, die die Punktzahl beeinflussen. Um eine Genehmigung zu erhalten, ist es wichtig nachzuweisen, dass Sie nicht nur über ausreichende Mittel verfügen, um den Kredit zurückzuzahlen, sondern auch über regelmäßige Zahlungen. Zum Preis finanzielle Lage und Kreditwürdigkeit, in den meisten Fällen (insbesondere bei der Vergabe von Großkrediten) müssen Dokumente vom Arbeitsort vorgelegt werden: eine 2-NDFL-Bescheinigung oder in Form einer Bank. Manchmal werden auch die Aufwendungen des Antragstellers berücksichtigt (für den Unterhalt von Angehörigen, Versorgungsunternehmen usw.).
- Kredit Geschichte. Beim Scoring der Kreditwürdigkeit von Kunden ist es zwingend erforderlich, Schulden und Zahlungsverzug bei zuvor aufgenommenen Krediten zu prüfen. Die Bank kann mit ihrer Zustimmung Daten über den Antragsteller beim Kreditauskunftei (BKI) einholen, die alle erforderlichen Informationen widerspiegeln. Das System berücksichtigt auch das Vorhandensein oder Fehlen regelmäßiger Zahlungen für bestehende Kredite. Die BCI zeichnet die Historie der vom Antragsteller gestellten Anträge auf: Das Vorliegen eines hohen Prozentsatzes an Ablehnungen von anderen Finanzinstituten kann die Bewertung beeinträchtigen.
- Transaktionsverhalten. Wenn der Kreditnehmer Lohnbuchhalter ist oder ein Bankguthaben hat, kann die Kreditwürdigkeit erhöht werden. Dies berücksichtigt die Höhe der Ersparnisse auf dem Konto und deren Dynamik.
Das Scoring-System prüft alle Daten separat und vergleicht sie miteinander, um mögliche Widersprüche zu identifizieren. Die Zuverlässigkeit der angegebenen Informationen wird durch das Bestehen eines Zusammenhangs zwischen den Einnahmen und Ausgaben eines potenziellen Kreditnehmers, Arbeitsort und Wohnadresse usw. bestätigt.
Analyse von Scoring-Daten
Basierend auf dem Ergebnis trifft das System eine Entscheidung:
- OK- die Punktzahl ist hoch, die Anwendung kann auf die nächste Stufe übertragen werden;
- Ablehnung- der Antragsteller hat eine zu niedrige Punktzahl erzielt, sodass die Prüfung des Antrags beendet wird;
- zusätzliche Analyse erforderlich– Das System verfügt nicht über genügend Daten, um eine angemessene Bewertung vorzunehmen. In diesem Fall studiert der Bankfachmann selbstständig den Fragebogen des Antragstellers und präzisiert die Angaben. Um die kontroversen Aspekte zu bestätigen, kann der Antragsteller aufgefordert werden, zusätzliche Dokumente vorzulegen. Nach einer manuellen Prüfung des Antrags wird eine endgültige Entscheidung getroffen.
Wie man einen Highscore bekommt
Kreditrückstände vermeiden. Um die Chancen auf eine gute Beurteilung und Genehmigung des Antrags zu erhöhen, müssen Sie über eine einwandfreie Kredithistorie verfügen. Das bedeutet, dass der Antragsteller nicht mit anderen Krediten oder offenen Schulden im Rückstand sein darf. Daher ist es auch bei finanziellen Schwierigkeiten wichtig, Ihre Bonität zu überwachen. Besser ist es, der Bank rechtzeitig einen Nachweis über die vorübergehende Zahlungsunfähigkeit zu erbringen und ein Umschuldungs- oder Stundungsprogramm zu entwickeln. Dadurch wird das aktuelle Darlehen geschlossen und die Wahrscheinlichkeit der Genehmigung eines neuen erhöht.
Ein Bankkonto eröffnen. Bei den meisten Banken können Sie zusätzliche Punkte sammeln, wenn Sie ein Konto haben, daher ist es besser, eine Einzahlung im Voraus zu tätigen.
Geben Sie in der Bewerbung nur echte Informationen an. Auch die Genauigkeit beim Ausfüllen des Fragebogens beeinflusst die Bewertung. Die Angaben müssen sachlich und wahrheitsgemäß sein: Zweifel an der Richtigkeit der Angaben können der Grund für die Ablehnung eines Kredits sein.
Achten Sie auf die Relevanz der Kontakte im Fragebogen. Um die Scoring-Bewertung der Kreditwürdigkeit zu erhöhen, ist es erforderlich, im Fragebogen nur echte Kontaktdaten anzugeben. Ein Bankangestellter sollte in der Lage sein, alle Teilnehmer anzurufen, deren Telefone von einem potenziellen Kreditnehmer eingegeben wurden. Wenn eine Kontaktaufnahme nicht möglich ist, können die angegebenen Daten als unzuverlässig angesehen werden. Dies ist einer der Gründe, einen Kredit abzulehnen.
Wenn sich herausstellte, dass der Score zu niedrig war und der Antrag abgelehnt wurde, kann dies darauf hindeuten, dass das Modell und der Algorithmus einer bestimmten Bank für den Kreditnehmer nicht geeignet sind. Finanzinstitute verwenden oft ihre eigenen Systeme, die andere Faktoren berücksichtigen.
Was tun bei Ablehnung
Bei einer niedrigen Punktzahl lehnt das System den Antrag in der Regel einfach ab, ohne dass der Kunde über die Gründe für eine solche Entscheidung informiert wird. Bankangestellte empfehlen oft, den Einspruch nach einigen Monaten zu wiederholen. Alternativ können Sie versuchen, sich bei einem anderen zu bewerben Finanzinstitution. Dies ist jedoch mit Vorsicht zu genießen: Alle Ablehnungen werden in der Kredithistorie erfasst, und wenn es zu viele gibt, wird der Score reduziert. Um sich über das Vorhandensein und die Anzahl abgelehnter Anträge zu informieren, noch bevor Sie sich an die Bank wenden, können Sie eine Anfrage an das CBI senden.
Das Scoring-Modell liefert keine objektiven und relevanten Ergebnisse, wenn der Kunde zum ersten Mal einen Kredit beantragt. Einige Banken nutzen für solche Fälle nur die manuelle Antragsbearbeitung durch Spezialisten. Gleichzeitig werden solchen Kunden tatsächlich oft weniger günstige Konditionen angeboten, erhöht Zinsen und reduzierter Darlehensbetrag. So reduziert die Bank Verluste aus einem möglichen Ausfall. Wenn Sie den ersten Kredit jedoch pünktlich und ohne Verzögerung zurückzahlen, schlägt sich dies in Ihrer Kredithistorie nieder, sodass Sie beim nächsten Mal mit einer höheren Bewertung rechnen können.
Um die Dienste des NBKI für die Entwicklung und/oder Nutzung von Scoring-Systemmethoden zu nutzen, füllen Sie das Antragsformular auf der Website aus.
Dubowizki V. S.
Hauptanalytiker Russische Bank
(Moskau Stadt)
Unternehmensfinanzmanagement
05 (65) 2014
Dieser Artikel beschreibt eine Studie zur Entwicklung eines Scoring-Modells zur Beurteilung der Kreditwürdigkeit großer Handelsunternehmen, das es ermöglicht, anhand der Werte einzelner Indikatoren die Zahlungsfähigkeit des Kreditnehmers zu beurteilen und seine Wirksamkeit zu bewerten. Die umfangreichsten Blöcke bei der Entwicklung eines Scoring-Modells sind die Auswahl eines Systems von Bewertungsindikatoren und die Bestimmung von Gewichtungsfaktoren für diese Indikatoren, die in diesem Artikel ausführlich behandelt werden.
EINLEITUNG
Eines der wichtigsten Geschäftsfelder im Bankensektor ist die Kreditvergabe. Credits sind die Basis Bankvermögen Bereitstellung von Zinserträgen für die Bank. In letzter Zeit hat sich in unserem Land eine rasante Entwicklung vollzogen Bankensektor, insbesondere Kreditbeziehungen der Banken mit der Bevölkerung, Unternehmern und Großunternehmen. Kredite beinhalten nicht nur Zinserträge, sondern auch Kreditrisiken, die mit der Insolvenz des Kreditnehmers und dem Verlust des Kredits verbunden sind. Die Kreditrisikobewertung ist ein wichtiger Analysebereich bei der Entscheidung über die Kreditvergabe an einen bestimmten Kreditnehmer, und das Wohlergehen eines Finanzinstituts hängt weitgehend davon ab.
Heutzutage verwenden Banken verschiedene Analysemethoden, um die Höhe möglicher Verluste und die Ausfallwahrscheinlichkeit des Kreditnehmers zu bewerten. Auf der Grundlage dieser Analyse wird dem Kreditnehmer gemäß der Verordnung der Zentralbank der Russischen Föderation Nr. 254-p „Über das Gründungsverfahren“ ein Qualitätsrating zugewiesen - „gut“, „mittel“ oder „schlecht“. Kreditorganisationen Rückstellungen für mögliche Verluste aus Darlehen, Darlehen und gleichgestellten Schulden“ vom 26. März 2004.
Die Zentralbank fungiert als wichtigste Regulierungsbehörde des Kreditsystems und gibt Empfehlungen zur Beurteilung der Kreditwürdigkeit von Kreditnehmern ab. In Übereinstimmung mit ihnen bauen Banken ihre eigenen Bewertungsmodelle - ihre Vielfalt und Einfallsreichtum ihrer Autoren sind erstaunlich. Zu solchen Modellen gehören umfassende Bewertung Finanzlage des Kreditnehmers als Hauptindikator für die künftige Zahlungsfähigkeit. Alle Modelle zielen jedoch auf die Bonität des Kreditnehmers ab, die die Höhe des Risikos eines finanziellen Verlusts beschreibt. Nach der allgemein anerkannten Einteilung entspricht eine gute Bonität einer guten Finanzlage des Unternehmens und einem geringen Risiko möglicher Verluste, mittel - einer durchschnittlichen Finanzlage und mittleren Risiken, einer schlechten - einer hohen Ausfallwahrscheinlichkeit Kreditnehmer. In gutem Zustand wird höchstwahrscheinlich eine positive Entscheidung über die Vergabe eines Darlehens getroffen, der Durchschnitt erfordert zusätzliche Recherchen und ein schlechter Kreditnehmer wird abgelehnt.
Die Kreditrisikobewertung in Banken nimmt seit jeher eine bedeutende Stellung ein. So werden nach Recherchen von Bailey und Gately bestehende Bewertungsmethoden ständig verbessert, von Zeit zu Zeit erscheinen neue Methoden, wie z. B. die Bewertung mit neuronalen Netzen, die durch die hohe Nachfrage von Kreditinstituten zur Optimierung und Verbesserung der Vorhersagefähigkeit verursacht wird Tools zur Einschätzung der Ausfallwahrscheinlichkeit. potenzielle Kreditnehmer.
Die Bonitätsprüfung ist daher eine zentrale Aufgabe bei der Kreditvergabe. Ziel dieser Arbeit ist es, ein eigenes Scoring-Modell zur Beurteilung der Kreditqualität juristischer Personen zu erstellen. Es wird für große Einzelhändler entwickelt und ermöglicht eine schnelle Entscheidung über die Machbarkeit der Finanzierung verschiedener Kreditnehmer.
Zunächst erfolgt eine kurze vergleichende Analyse bestehender Ansätze zur Beurteilung der Kreditwürdigkeit. Darauf aufbauend werden Argumente für die Entwicklung eines Scoring-Modells angeführt, dann wird direkt ein Scoring-Modell mit verschiedenen theoretischen Methoden entwickelt. Eine der Hauptaufgaben bei der Entwicklung ist die Definition einer Balanced Scorecard auf Basis der ausgewählten Branche und die Definition von Gewichtungsfaktoren für diese Kennzahlen.
Als nächstes wird eine statistische Studie auf der Grundlage einer Stichprobe von 41 Händlern (von denen 16 ausgefallen sind) durchgeführt, um die Ergebnisse nach Indikatorgewichtung mit den ursprünglich erhaltenen Ergebnissen zu vergleichen. Basierend auf den Ergebnissen des Vergleichs wird eine Aussage über die Korrektheit des erstellten Scoring-Modells getroffen. Am Ende dieses Artikels wird eine Bewertung der Wirksamkeit des entwickelten Modells präsentiert, die Vorhersagefähigkeit des entwickelten Modells bestimmt und eine Schlussfolgerung über seine Realisierbarkeit gezogen.
VERSCHIEDENE ANSÄTZE ZUR BEURTEILUNG DER KREDITVERMÖGENSWERTE
Alle bestehende Modelle Bonitätseinschätzungen von Kreditnehmern können in Form der folgenden Klassifizierung dargestellt werden (Abb. 1).
Die Vielfalt der Ansätze zur Bonitätsanalyse lässt sich also systematisieren, indem man alle Methoden in drei große Blöcke einteilt:
- quantitative Modelle;
- Vorhersagemodelle;
- Qualitätsmodelle.
Quantitative Modelle nutzen die relevanten Kennzahlen und erlauben es, dem Kreditnehmer anhand dieser ein bestimmtes Rating zuzuordnen, Prognosemodelle basieren auf vergangenen Statistiken und zielen darauf ab, die weitere Entwicklung und die Ausfallwahrscheinlichkeit des Kreditnehmers zu modellieren, und qualitative Modelle nutzen ein System vielseitiger qualitativer Kennzahlen.
Um den effektivsten Ansatz zur Beurteilung der Kreditwürdigkeit zu ermitteln, vergleichen wir die beschriebenen Beurteilungsmethoden. Im Tisch. 1 zeigt die vergleichenden Eigenschaften der zuvor betrachteten Kreditbewertungsmodelle.
Tabelle 1. Übersichtstabelle der Kreditratingmodelle
| Modellname | Vorteile des Modells | Modell Nachteile |
| Koeffizientenmethode | Ermöglicht eine umfassende Beurteilung der finanziellen Lage des Kreditnehmers | Berücksichtigt keine Qualitätsindikatoren, Statistiken der Vorjahre. Ein nicht automatisiertes System erfordert eine ständige Interpretation der Werte einzelner Indikatoren |
| Bewertungsmodelle | Erlauben Sie die Bewertung nach der Methode der Koeffizienten zu automatisieren, indem Sie den integralen Indikator berechnen. Unterscheiden sich in Komfort und Benutzerfreundlichkeit | Sie berücksichtigen nur Finanzkennzahlen, verwenden keine Statistiken aus früheren Jahren. Umstrukturierung für verschiedene Arten von Unternehmen erforderlich |
| Scoring-Modelle | Sie ermöglichen Ihnen eine Einschätzung der Kreditwürdigkeit in einem Punkteäquivalent und die Zuordnung des Kreditnehmers zu einer von drei Gruppen. Einfach und benutzerfreundlich, hilft bei der Bewertung nichtfinanzieller Qualitätsindikatoren. Bei der Bewertung von Gewichtungskoeffizienten mit statistischen Methoden ermöglichen sie die Berücksichtigung von Daten zu bereits vergebenen Darlehen und sind wirtschaftlich gerechtfertigt | Nicht universell, erfordert Umstrukturierung für bestimmte Arten von Unternehmen. Erfordert eine große Datenmenge, um die Gewichtungskoeffizienten zu untersuchen |
| Cashflow-Modelle | Ermöglicht es Ihnen, die zukünftigen Cashflows des Unternehmens abzuschätzen und mit der Schuldenlast zu vergleichen | Sie berücksichtigen nicht die Marktbedingungen und Qualitätsindikatoren des kreditnehmenden Unternehmens. Kann zu inkonsistenten Ergebnissen führen |
| Diskriminanzanalysemodelle | Ermöglicht die Ermittlung der Ausfallwahrscheinlichkeit des kreditnehmenden Unternehmens auf der Grundlage von Statistiken für Vorjahre | |
| Regressionsmodelle | Sie ermöglichen die Ermittlung der Ausfallwahrscheinlichkeit des kreditnehmenden Unternehmens auf Basis der Statistik der Vorjahre. Wenn Sie das Modell auf die richtigen Daten anwenden, können Sie Ergebnisse mit einem hohen Maß an Sicherheit erhalten | Rein empirisch sind die Ergebnisse stark abhängig von der Trainingsstichprobe und bei der Untersuchung des Modells auf anderen Daten entsprechen sie oft nicht der Realität. Erfordert eine große Datenmenge, um die Gewichtungskoeffizienten zu untersuchen |
| Qualitative Analysemodelle | Ermöglicht Ihnen eine umfassende Analyse des Unternehmens | Das Fehlen mathematischer Methoden, was zu einer subjektiven Bewertung einzelner Indikatoren und Fehler im Zusammenhang mit dem menschlichen Faktor führt. Berücksichtigen Sie nicht die Statistiken der Vorjahre. Es gibt keine klaren Regelungen zur Bonitätsbeurteilung für Qualitätsanalyseblöcke |
Basierend auf der obigen vergleichenden Analyse können wir schlussfolgern, dass das Scoring-Modell an der Spitze der quantitativen Entwicklung steht Name des Modells Vorteile des Modells Nachteile des Modells
Quotenmethode Ermöglicht eine umfassende Beurteilung der finanziellen Lage des Kreditnehmers Berücksichtigt keine Qualitätsindikatoren, Statistiken der Vorjahre. Ein nicht automatisiertes System erfordert eine ständige Interpretation der Werte einzelner Indikatoren
Bewertungsmodelle Erlauben es, die Bewertung nach der Koeffizientenmethode zu automatisieren, indem der integrale Indikator berechnet wird. Sie zeichnen sich durch Bequemlichkeit und Benutzerfreundlichkeit aus, berücksichtigen nur Finanzkennzahlen und verwenden keine Statistiken aus früheren Jahren. Umstrukturierung für verschiedene Arten von Unternehmen erforderlich
Scoring-Modelle ermöglichen eine Einschätzung der Kreditwürdigkeit in einem Punkteäquivalent und ordnen den Kreditnehmer einer von drei Gruppen zu. Einfach und benutzerfreundlich, hilft bei der Bewertung nichtfinanzieller Qualitätsindikatoren. Bei der Bewertung von Gewichtungskoeffizienten nach statistischen Methoden ermöglichen sie die Berücksichtigung von Daten zu bereits vergebenen Darlehen, sind wirtschaftlich gerechtfertigt. Nicht universell, erfordern eine Umstrukturierung für bestimmte Arten von Unternehmen. Erfordert eine große Datenmenge, um die Gewichtungskoeffizienten zu untersuchen
Cashflow-Modelle Erlauben es, die zukünftigen Cashflows des Unternehmens abzuschätzen und mit der Schuldenlast zu vergleichen. Berücksichtigt nicht die Marktbedingungen und Qualitätsindikatoren des kreditnehmenden Unternehmens. Kann zu inkonsistenten Ergebnissen führen
Diskriminanzanalysemodelle Erlauben die Ermittlung der Ausfallwahrscheinlichkeit des kreditnehmenden Unternehmens auf Basis von Statistiken für vergangene Jahre.Rein empirisch sind die Ergebnisse stark von der Trainingsstichprobe abhängig und bei der Untersuchung des Modells auf anderen Daten stimmen sie oft nicht überein Wirklichkeit. Erfordert eine große Datenmenge, um die Gewichtungskoeffizienten zu untersuchen
Modelle der Regressionsanalyse Erlauben die Ermittlung der Ausfallwahrscheinlichkeit des kreditnehmenden Unternehmens auf Basis der Statistiken der Vorjahre. Bei der Anwendung des Modells auf die richtigen Daten können Sie Ergebnisse mit hoher Zuverlässigkeit erhalten, die rein empirisch sind, die Ergebnisse stark vom Trainingsset abhängen und bei der Untersuchung des Modells auf anderen Daten oft nicht übereinstimmen Wirklichkeit. Erfordert eine große Datenmenge, um die Gewichtungskoeffizienten zu untersuchen
Qualitative Analysemodelle Erlauben eine umfassende Analyse des Unternehmens Fehlen mathematischer Methoden, was zu einer subjektiven Einschätzung einzelner Indikatoren und Fehler im Zusammenhang mit dem Faktor Mensch führt. Berücksichtigen Sie nicht die Statistiken der Vorjahre. Für qualitative Analyseblöcke mit unterschiedlicher Punktzahl gibt es keine klaren Regelungen zur Bonitätsbeurteilung. Die Werte der Koeffizienten werden weiter in Bereiche unterteilt. Für jeden Bereich (Spalte Koeffizientenbereich in Tabelle 2) wird ein Prozentsatz (25 %, 50 %, 75 % oder 100 %) des Gewichtungskoeffizienten in Tabelle 2 festgelegt. 2. Der Gewichtungsfaktor ist in diesem Fall die maximale Punktzahl. Im Folgenden konzentrieren wir uns auf die Suche nach Gewichtskoeffizienten. Daher ist die Aufteilung der Koeffizienten in Bereiche bedingt (basierend auf logischen Überlegungen basierend auf den Werten dieser Indikatoren für verschiedene Unternehmen Branchen; Die Intervalle werden so gewählt, dass etwa 60 % der führenden Unternehmen der Branche (Magnit, Dixy, X5 Retail Group, OK, L „Etoile“), die zur Bestimmung der durchschnittlichen Marktkoeffizienten und Benchmarks ausgewählt wurden, in die Sekunde fallen Intervall nach dem Maximum). Je höher Schuldenlast, desto höher die Ausfallwahrscheinlichkeit und desto niedriger die Punktzahl, die der Indikator erhalten sollte. Empirische Methoden konzentrieren sich auf die Suche nach Gewichtskoeffizienten und werden durch zwei Ansätze repräsentiert - analytisch (T. Saati-Methode) und statistisch (Regressionsstudie) (die maximale Punktzahl stimmt in diesem Fall mit dem Gewichtskoeffizienten überein). Die Gewichtungskoeffizienten selbst werden später bestimmt.
Die Finanzindikatoren des Scoring-Modells sind in der Tabelle dargestellt. 2.
Tabelle 2. Finanzindikatoren des Scoring-Modells
| Indikatorgruppe | Index | Koeffizientenbereich | |
| Liquidität | > 0,75 | 1 | |
| 0,5-0,75 | 0,75 | ||
| 0,25-0,5 | 0,25 | ||
| 0-0,25 | 0 | ||
| Zahlungsfähigkeit | 0-1 | 1 | |
| 1-1,5 | 0,75 | ||
| 1,5-2 | 0,5 | ||
| 2-2,5 | 0,25 | ||
| > 2,5 | 0 | ||
| < 1,5 | 1 | ||
| 1,5-2 | 0,5 | ||
| > 2 | 0 | ||
| Zinsdeckungsgrad, EBIT/Zinsen | > 1,5 | 1 | |
| 1,3-1,5 | 0,75 | ||
| 1-13 | 0,5 | ||
| < 1 | 0 | ||
| Geschäftstätigkeit | Umsatzrendite, ROS | > 0,025 | 1 |
| 0,02-0,025 | 0,75 | ||
| 0,015-0,02 | 0,5 | ||
| < 0,015 | 0 | ||
| Verlust des Unternehmens für die letzten drei Berichtsperioden | Nein | 1 | |
| Für einen Berichtszeitraum | 0,5 | ||
| 0 |
Zulässige Verhältniswerte wurden auf Basis von Durchschnittswerten für fünf führende Handelsunternehmen in Russland auf Basis von IFRS-Abschlüssen für drei Jahre ermittelt: Magnit, X5 Retail Group, Dixy, OK, M.Video. Wir haben die wichtigsten Finanzkennzahlen überprüft, um die finanzielle Situation des Kreditnehmers zu bestimmen. Die Kreditwürdigkeit des Unternehmens wird jedoch auch stark von Faktoren beeinflusst, die das Entstehen von Risiken in den Geschäftsprozessen des Kreditnehmers provozieren. Zunächst muss die Qualität des Managements berücksichtigt werden. Dies ist ein sehr schwieriger Indikator für die quantitative Analyse, weil. Es ist problematisch, die Ebene der Unternehmensführung objektiv zu beurteilen.
Wir werden versuchen, von der qualitativen zur quantitativen Bewertung überzugehen und die maximale Bewertung dieses Indikators unter den folgenden Bedingungen festzulegen:
- es gibt eine klare Strategie für die Entwicklung des Unternehmens für die kommenden Jahre;
- Die Zusammensetzung des Top-Managements hat sich nicht geändert (Generaldirektor u Hauptbuchhalter Positionen länger als zwei Jahre innehaben), weil das Vorhandensein eines starken Managementteams wird unter anderem durch seine Konstanz bewiesen;
- Fachkompetenzen erfüllen hohe Anforderungen (Verfügbarkeit einer spezialisierten Hochschulbildung für Vorsitzender und Hauptbuchhalter, Berufserfahrung - mehr als fünf Jahre).
Nächste Wichtiger Faktor, die in das Scoring-Modell eingehen, ist das Leben des Unternehmens. Darüber hinaus ist die Einführung eines Stoppfaktors erforderlich: Wenn das Unternehmen weniger als ein Jahr im Geschäft ist, ist dieses Modell aufgrund der fehlenden Berichterstattung und der Fähigkeit, das Geschäft des Unternehmens zu verstehen, nicht anwendbar.
Ein weiterer notwendiger Indikator ist eine positive Kreditgeschichte. Dies ist einer der wichtigsten nichtfinanziellen Indikatoren, der tatsächlich die Qualität der Bedienung eines zukünftigen Kredits charakterisiert. Es wäre unvernünftig, auf eine rechtzeitige Rückzahlung von Kreditmitteln von einem Unternehmen zu zählen, das Verzögerungen gegenüber anderen Gläubigern hat. Lassen Sie uns die berücksichtigten nichtfinanziellen Indikatoren und die Verteilung der Punkte für sie in der Tabelle darstellen. 3.
Tabelle 3. Nichtfinanzielle Indikatoren des Scoring-Modells
| Gruppe | Indikatorindikatoren | Geteilt von Maximale Anzahl Punkte für die Reichweite | |
| Geschäftsprozesse | Managementqualität | 1 | |
| 0,5 | |||
| 0 | |||
| > 5 Jahre | 1 | ||
| 3-5 Jahre | 0,75 | ||
| 1-3 Jahre | 0,25 | ||
| < 1 года | Stop-Faktor | ||
| 1 | |||
| 0,5 | |||
| 0 | |||
| Das Vorhandensein einer systematischen Verzögerung bei Krediten und Anleihen für das letzte Geschäftsjahr; erhebliche Verzögerung in Abbrechnungsverbindlichkeiten (> 25%) | Stop-Faktor |
Wir haben ein System von Bewertungsindikatoren zusammengestellt, die unserer Meinung nach die Qualität des Kreditnehmers und seine Fähigkeit zur Erfüllung seiner Verpflichtungen umfassend und umfassend beurteilen sollen. Der nächste Teil der Arbeit bei der Erstellung eines Scoring-Modells ist der zeitaufwändigste – die Bestimmung der Gewichtung verschiedener geschätzter Indikatoren. Der Vorhersagewert unseres Modells hängt davon ab, wie objektiv wir die Bedeutung bestimmter Faktoren bewerten. In diesem Artikel werden die Gewichte anhand verschiedener Methoden analysiert, um mögliche Fehler zu beseitigen.
Die Gewichtungskoeffizienten werden zunächst mit analytischen Verfahren ermittelt und anschließend mit den Ergebnissen der Regressionsanalyse verglichen.
ANALYTISCHE SCHÄTZUNG DER GEWICHTUNGSKOEFFIZIENTEN DES MODELLS
Als Bewertungsinstrument nehmen wir die im TL-Buch ausführlich beschriebene Methodik. Saaty "Mathematische Modelle von Konfliktsituationen" [b]. Diese Methode ermöglicht es Ihnen, sich von der Vielfalt der Faktoren zu lösen und nur zwei von ihnen zu einem bestimmten Zeitpunkt auf Signifikanz zu vergleichen, um letztendlich die Signifikanz des Einflusses jedes der Faktoren auf einen beliebigen allgemeinen Indikator zu bestimmen. Die Technik basiert auf der Zusammenstellung von Matrizen paarweiser Vergleiche, die für Faktoren erstellt werden, die einen gemeinsamen Indikator beeinflussen. Solche Matrizen können zum Beispiel für den Solvabilitätsindikator im Zusammenhang mit Faktoren erstellt werden, die durch die Koeffizienten des finanziellen Verschuldungsgrads, der Schuldenlast und der Zinsdeckung repräsentiert werden. Die Aufgabe besteht darin, solche Matrizen für alle Gruppen von Faktoren zu erstellen, die allgemeine Indikatoren beeinflussen. Als Ergebnis werden zwei Matrizen für die Tabelle erstellt. 2 - für Gruppen von Indikatoren "Solvabilität" und "Geschäftstätigkeit", eine Matrix für Tabelle. 3 - für Indikatoren von Geschäftsprozessen sowie zwei Matrizen für aggregierte Ebenen - eine Matrix für eine Gruppe von Finanzindikatoren, bestehend aus Gruppen von Indikatoren "Liquidität", "Solvenz" und "Geschäftstätigkeit", und eine für zwei aggregierte Blöcke - Finanzielle und nichtfinanzielle Indikatoren im Allgemeinen.
Es gibt insgesamt fünf paarweise Vergleichsmatrizen, von denen jede ihren eigenen Koeffizienten für den darin enthaltenen Indikator liefert. Um also einen Gewichtungsfaktor für eine hierarchisch unterste Kennzahl zu erhalten, beispielsweise für den Zinsdeckungsgrad, muss der Gewichtungsfaktor der Finanzkennzahlen mit dem Gewichtungsfaktor der Solvabilitätskennzahlen innerhalb der Finanzkennzahlen multipliziert werden und durch den Koeffizienten des Zinsdeckungsindikators innerhalb der Finanzkennzahlen.
In den Überschriften der Matrizen selbst für Gruppen von Indikatoren werden die Namen der Faktoren in vertikalen und horizontalen Spalten platziert. Dann werden die Matrizen mit Werten gefüllt, die die Umwandlung der subjektiven Präferenzen eines Faktors in einen anderen in eine empirische Form gemäß der in Tabelle dargestellten Methodik darstellen. 4 (unter Verwendung von Daten aus Fig. 2).
Tabelle 4. Methode von T. Saaty. Klassifizierung der Präferenzen (basierend auf Abb. 2)
Meistens werden ungerade Zahlen verwendet, aber wenn die Auswahl schwierig ist, können Sie gerade Zahlen als Durchschnittswert zwischen zwei ungeraden Zahlen verwenden. Ein Beispiel für eine solche Matrix für vier Faktoren ist in Abb. 2. Wenn wir also denselben Faktor vergleichen, nimmt das Element den Wert 1 an, also sind solche Matrizen identisch. Es ist leicht zu erkennen, dass sie auch umgekehrt symmetrisch sind, was es uns ermöglicht, eine solche Matrix nur für Werte auszufüllen, die entweder über oder unter der Hauptdiagonalen liegen.
Da die Matrizen paarweiser Vergleiche invers symmetrisch sind, sollte man nur in eine Richtung vergleichen und die entsprechenden Werte in die Matrix oberhalb der Hauptdiagonale eintragen, während die Werte unterhalb der Hauptdiagonale umgekehrt werden.
Nach Erhalt von fünf solcher Matrizen werden die Gewichtskoeffizienten berechnet: Das Gewicht jedes Werts in den Matrizen relativ zur Gesamtsumme in der Spalte wird gemessen, und dann wird der arithmetische Durchschnitt dieser Werte aus diesen Werten genommen in jeder Reihe. Die arithmetischen Mittelwerte sind die Gewichtskoeffizienten. Ein Beispiel einer Matrix für eine Gruppe von Solvabilitätsindikatoren ist in Abb. 2 dargestellt. 3.
Nachdem wir die beschriebenen Berechnungen durchgeführt haben, erhalten wir das spezifische Gewicht jedes Indikators. Zur Vereinfachung weiterer Berechnungen definieren wir die maximal mögliche Punktzahl als das Produkt aus dem spezifischen Gewicht des Indikators und 50 1, gefolgt von einer Rundung auf eine ganze Zahl (Tabelle 5.6).
1 Diese Operation dient nur der Bequemlichkeit, die Zahl 50 ermöglicht es, dass der minimale Koeffizient auf einen ganzzahligen Wert (in diesem Fall den Wert 2) geht. Da alle Koeffizienten mit derselben Zahl multipliziert werden, verfälschen wir die Ergebnisse des analytischen Ansatzes nicht. - Ca. ed.
BESTIMMUNG DER BEDEUTUNG VON INDIKATOREN DURCH REGRESSIONSANALYSE
Um eine statistische Studie durchzuführen, haben wir Daten von 41 verwendet Großunternehmen aus dem Einzelhandel. Diese Unternehmen haben Unternehmensanleihen ausgegeben, und 16 Anleihen sind ausgefallen. Für jedes Unternehmen wurden acht ausgewählte Kennzahlen des Scoring-Modells berechnet Jahresabschluss im Ausgabejahr Unternehmensanleihen. Die Stichprobe ist in Anlage 1 dargestellt. Sie enthält einen erklärenden Indikator y – die Ausfallwahrscheinlichkeit, der den Wert 1 annimmt, wenn das Unternehmen seinen Verpflichtungen nicht nachgekommen ist. Die drei ausgewählten Indikatoren rechts wurden aufgrund ihrer qualitativen Natur als Dummy-Variablen gesetzt (sie können nur Werte von 0 oder 1 annehmen). Sie nehmen die Werte 1 an, wenn das Unternehmen in den letzten drei Jahren einen Nettogewinn > O (Nl > 0), ein stabiles und qualitativ hochwertiges Managementteam (Manager) und eine positive Kredithistorie (Histor) aufweist. Finanzindikatoren (die ersten fünf Indikatoren) wurden auf der Grundlage von Jahresabschlüssen nach IFRS-Standards im Jahr der Ausgabe von notleidenden Anleihen berechnet.
Als Modell für die Studie wählen wir die Konstruktion einer linearen multivariaten Regression:
p = w 0 + w 1 x 1 + w 2 x 2 + ... + w n x n ,
wobei p die abhängige Variable ist, die die Ausfallwahrscheinlichkeit beschreibt;
w - Gewichtskoeffizienten; x - Indikatoren.
Lassen Sie uns also die Anfangsdaten in Excel eingeben und die Funktion Datenanalyse - Regression verwenden. Bei der Analyse der Anfangsdaten für acht Indikatoren des Bewertungsmodells ohne Anpassungen erhalten wir das in Anhang 2 dargestellte Ergebnis. Das angepasste R^2 beträgt 0,55 – ein niedriger, aber akzeptabler Wert, der die praktische Bedeutung der konstruierten Regression anzeigt. Es ist möglich, eine Vermutung über den Grund für die geringe Bedeutung des Vorhandenseins von Ausreißern in den Daten anzustellen, beispielsweise das Fehlen von Werten für einige Unternehmen in Bezug auf EBIT / Zinsen aufgrund der fehlenden Schuldenlast ( vereinfacht, für die Zwecke der Studie wurde in diesem Fall der Wert des Koeffizienten gleich 0 genommen) oder der negative Wert von Debt / EBITDA im Hinblick auf das Negative Bargeldumlauf. Dabei wird der Einfluss eines negativen Indikators fälschlicherweise wahrgenommen, denn laut Studienlogik gilt: je höher Debt / EBITDA, desto höher die Ausfallwahrscheinlichkeit; ein negativer Indikator wiederum ist kein Indikator für eine niedrige Schuldenlast. Auch die Prognosefähigkeit wird von Unternehmen mit ausgeprägten Extremwerten einzelner Indikatoren beeinträchtigt. Das Unternehmen Banana-Mama verfügt also über ein Eigenkapital von 10.000 Rubel, was zu einer Verzerrung der entsprechenden Indikatoren führt - der finanzielle Hebel beträgt 181.957 (mit Branchendurchschnittswerten im Bereich von 0,7 bis 1,5).
Tabelle 5. Finanzindikatoren unter Berücksichtigung des Gewichts
| Index | Gewicht in der Scorecard | Höchste Punktzahl | Koeffizientenbereich | |
| >1 | 5 | |||
| Aktuelle Liquiditätsquote | 0,1072 | 5 | > 1 | 5 |
| 0,75-0,1 | 4 | |||
| 0,5-0,75 | 1 | |||
| 0-0,5 | 0 | |||
| Aktuelle Liquiditätsquote | 0,1581 | 8 | < 1 | 8 |
| 1-1,5 | 6 | |||
| 1,5-2 | 4 | |||
| 2-2,5 | 2 | |||
| > 2,5 | 0 | |||
| Verschuldungsquote, Nettoverschuldung / EBITDA | 0,1581 | 8 | < 1.5 | 8 |
| 1,5-2 | 4 | |||
| > 2 | 0 | |||
| 0,0790 | 4 | > 1,5 | 4 | |
| 1,3-1,5 | 3 | |||
| 1-1,3 | 2 | |||
| < 1 | 0 | |||
| Umsatzrendite, ROS | 0,1256 | 6 | > 0,025 | 6 |
| 0,02-0,025 | 5 | |||
| 0,015-0,02 | 3 | |||
| < 0,015 | 0 | |||
| 0,0418 | 2 | Nein | 2 | |
| Für einen Berichtszeitraum | 1 | |||
| Für zwei oder mehr Berichtszeiträume | 0 | |||
| Gesamt | 0,6698 | 33 | - | 68 |
Lassen Sie uns die folgenden sechs Unternehmen aus der Studie ausschließen: Supermarkt Gorod, Intertrade, M.Video (2013), Svyaznoy, Banana-Mama und Proviant. Wir bemerken auch die Unmöglichkeit der gleichzeitigen Verwendung von ROS-Indikatoren und das Fehlen von Verlusten (Nl > 0) aufgrund ihrer hohen Korrelation. Tatsache ist, dass wenn das Unternehmen Verluste hat, die Rentabilität der Verkäufe automatisch einen negativen Wert annimmt.
Tabelle 6. Nichtfinanzielle Indikatoren nach Gewicht
| Index | Gewicht in der Scorecard | Höchste Punktzahl | Verhältnisbereich / Schätzmethodik | Anzahl der Punkte für den Gewichtsbereich |
| Managementqualität | 0,099 | 5 | Erfüllung aller beschriebenen Bedingungen | 5 |
| Nichterfüllung einer der Bedingungen | 2,5 | |||
| Nichterfüllung von mehr als einer Bedingung | 0 | |||
| Das Leben des Unternehmens | 0,0528 | 3 | > 5 Jahre | 3 |
| 3-5 Jahre | 2 | |||
| 1-3 Jahre | 1 | |||
| < 1 года | Stop-Faktor | |||
| Positive Kredithistorie | 0,1782 | 9 | Keine Zahlungsrückstände bei Krediten und Anleihen, überfällige Verbindlichkeiten | 9 |
| Verfügbarkeit von Informationen zur Umschuldung; unbedeutende Zahlungsverzögerungen (bis zu 10 %) | 4,5 | |||
| Ein einzelner Fall von Verzögerungen bei Darlehen und Krediten mit anschließender Rückzahlung; erhebliche Verzögerungen bei den Verbindlichkeiten (10-25 % der Gesamtschuld) | 0 | |||
| Das Vorhandensein einer systematischen Verzögerung bei Krediten und Anleihen für das letzte Geschäftsjahr; Erheblicher Betrag überfälliger Verbindlichkeiten (>25 %) | Stop-Faktor | |||
| Gesamt | 17 |
Aufgrund dieser Überlegungen entfernen wir den Indikator Nl > 0 aus unserem Modell. Für eine neue Sieben-Faktoren-Regression auf einer aktualisierten Stichprobe von 35 Unternehmen erhalten wir das folgende Ergebnis (Anhang 3). Wir sehen, dass sechs der sieben untersuchten Indikatoren signifikant sind. Die Vorzeichen der Koeffizienten spiegeln die oben getroffenen Annahmen korrekt wider: Je höher die Rentabilität der Verkäufe und die Qualität des Managements, desto geringer die Ausfallwahrscheinlichkeit (y = 1), und umgekehrt: Je höher die Schuldenlast, desto höher die Wahrscheinlichkeit des Verzugs. Nur bei der aktuellen Liquiditätsquote ist das Vorzeichen auf den ersten Blick falsch. Hohe Liquiditätswerte sind jedoch genauso schlimm wie kleine – sie weisen auf eine geringe Geschäftseffizienz und entgangene Gewinne hin. Unternehmen mit hohen Liquiditätsquoten neigen zu Gewinnausfällen, geringer Rentabilität und Unternehmensrentabilität, was sie in den Augen potenzieller Investoren weniger attraktiv und daher anfälliger für Veränderungen macht. finanzielle Begriffe. Die wichtigsten sind die Koeffizienten D (oder Schulden - das Volumen der verzinslichen Schulden) / EBITDA, positive Kredithistorie und finanzielle Hebelwirkung; der Zinsdeckungsgrad ist unbedeutend.
Oben haben wir bei der Modellierung der Koeffizienten mit der Methode von T. Saaty auch angenommen, dass die wichtigsten Indikatoren die Koeffizienten für die Schuldenlast und den finanziellen Verschuldungsgrad wären. Vergleichende Analyse die endgültige Signifikanz der Koeffizienten ist in der Tabelle angegeben. 7.
Tabelle 7. Vergleichende Analyse der Signifikanz der Koeffizienten
| Indikator basierend auf Experteneinschätzungen nach der Methode von T. Saaty | Koeffizient | Indikator basierend auf Regressionsanalyse | p-Wert |
| Positive Kredithistorie | 0,1782 | Verschuldungsquote, Nettoverschuldung / EBITDA | 0,014 |
| Finanzielle Verschuldungsquote | 0,1581 | Positive Kredithistorie | 0,020 |
| Debt Load Ratio, Nettoverschuldung /EBITDA | 0,1581 | Finanzielle Verschuldungsquote | 0,022 |
| Umsatzrendite, ROS | 0,1256 | Managementqualität | 0,037 |
| Aktuelle Liquiditätsquote | 0,1072 | Umsatzrendite, ROS | 0,039 |
| Managementqualität | 0,099 | Aktuelle Liquiditätsquote | 0,047 |
| Zinsdeckungsgrad, EBIT / Zinsen | 0,0790 | Zinsdeckungsgrad, EBIT / Zinsen | Unbedeutend |
| Verlust des Unternehmens für die letzten drei Berichtsperioden | 0,0418 | Verlust des Unternehmens für die letzten drei Berichtsperioden | Wurde als nichtfinanzieller Indikator untersucht, unbedeutend |
Diese Ergebnisse zeigen die Konsistenz der Methode von T. Saaty und statistischen Daten. Die drei wichtigsten Indikatoren nach dem analytischen Ansatz bestätigen ihre hohe Aussagekraft in einer Praxisstudie, lediglich die Verteilung der Reihenfolge der Indikatoren selbst hat sich geändert. Auch die beiden am wenigsten signifikanten Indikatoren für den ersten Teil der Arbeit – Managementqualität und EBIT / Zinsen – erwiesen sich in der statistischen Untersuchung als unbedeutend.
Somit bestätigt die Regressionsanalyse die Prinzipien der Klassifizierung der Signifikanz der Gewichtskoeffizienten im analytischen Teil der Arbeit und ermöglicht es uns, über die statistische Signifikanz des konstruierten Bewertungsmodells zu sprechen.
BESTIMMUNG DER ERGEBNISSE DES ENTWICKELTEN BEWERTUNGSMODELLS
Die maximale Gesamtpunktzahl des Scoring-Modells beträgt 50. Für jeden Indikator haben wir bei der Bestimmung der Wertebereiche die nächste Stufe nach der maximalen Punktzahl identifiziert, die ebenfalls akzeptabel ist, wenn auch mit einem relativ hohen Risiko, basierend auf Marktwerte der Indikatoren. Bei einigen Indikatoren betrug das Niveau nach dem Maximum 75% der Gesamtpunktzahl, bei anderen 50%. Alle nachfolgenden Stufen werden als Stufen mit hohem Kreditrisiko betrachtet und die entsprechenden Kreditnehmer als notleidend eingestuft. Die am meisten bevorzugte Gruppe umfasst Kreditnehmer, die die maximalen Anforderungen für die wichtigsten (in Bezug auf Gewichtskoeffizienten) Indikatoren erfüllen: Kredithistorie, finanzielle Hebelwirkung und Schuldenlast sowie Umsatzrendite in Höhe von 31 Punkten und Erfüllung von mindestens das folgende maximale Anforderungsniveau für andere Indikatoren - insgesamt 12,5. Insgesamt 43,5 Punkte für die untere Stufe hohe Bonität.
Zur Bestimmung des Grenzintervalls, das eine hohe Kreditwürdigkeit kennzeichnet, berechnen wir die Punktzahl für finanzielle und nichtfinanzielle Indikatoren im nächsten nach dem maximalen Wertebereich aus Tabelle. 5 und b. Die Indikatoren werden gemäß den akzeptierten Werten der Koeffizienten in andere Bereiche unterteilt. Wir erhalten die folgende Klassifizierung (Tabelle 8).
Tabelle 8. Klassifizierung der Ergebnisse
Tabelle 9. Vorhersagefähigkeit des Scoring-Modells, %
Basierend auf Tabelle. 8 werden wir die Vorhersagefähigkeit unseres Modells bewerten, indem wir Unternehmensdaten in seine Bedingungen einsetzen. Anhang 4 zeigt die errechneten Werte für die befragten Unternehmen. Je nach Wert des Indikators wurde seine Punktzahl gemäß dem entwickelten Modell in die Tabelle eingetragen und dann alle Punktzahlen zu einem integralen Indikator (Spalte „Summe“) summiert. Basierend auf den Gesamtscores wurden Unternehmen in drei Klassen eingeteilt, dann wurden die Daten mit dem tatsächlichen Vorliegen oder Fehlen eines Ausfalls des Unternehmens verglichen. In der Spalte "Wahr oder nicht" bedeutet 1 das richtige Ergebnis des Bewertungsmodells, 0 - ein Fehler. Somit erhielten wir das folgende Ergebnis (Tabelle 9).
Wir erhielten einen Durchschnitt (relativ zu den in verschiedene Quellen) Ergebnis für die Vorhersagefähigkeit von Scoring-Modellen. Es ist jedoch erwähnenswert geringes Interesse Fehler der zweiten Art, was den Vorhersagewert unseres Modells erhöht. Dieses Ergebnis ist als positiv zu werten und bestätigt die Wirksamkeit der Studie.
FAZIT
In diesem Papier wurde ein Scoring-Modell zur Beurteilung der Kreditwürdigkeit großer Einzelhandelsunternehmen vorgeschlagen. Das Modell basiert auf einer Reihe von Leistungsindikatoren, die eine umfassende Beurteilung der finanziellen und nicht finanziellen Lage des Kreditnehmers ermöglichen.
Basierend auf den Ergebnissen der Bewertung wird der Kreditnehmer einer von drei Bonitätsklassen zugeordnet, die den Grad des Kreditrisikos und die Durchführbarkeit einer Kreditvergabe charakterisiert.
Wir haben ein System von Leistungsindikatoren modelliert, mit dem wir den Zustand eines Kreditnehmers aus dem Einzelhandel am genauesten beurteilen können. Nachdem wir die Marktführer des Einzelhandelsmarktes analysiert und die für sie verwendeten Indikatoren berechnet hatten, haben wir die Grenzen akzeptabler Werte für sie bestimmt und sie in verschiedene Gruppen mit unterschiedlichen Prozentsätzen der maximal möglichen Punktzahl eingestuft.
Die zeitaufwändigste Aufgabe bestand darin, die Gewichtungskoeffizienten für die untersuchten Indikatoren zu bestimmen. Es wurde der Schluss gezogen, dass aufgrund des Fehlens einer idealen Methode ein integrierter Ansatz erforderlich ist. Der integrierte Ansatz wurde wie folgt umgesetzt: Im ersten Teil der Arbeit wurden die Gewichtskoeffizienten mit analytischen Verfahren ermittelt, im zweiten Teil mit einer statistischen Untersuchung.
Das entwickelte Modell zeigte hohe Ergebnisse in der Vorhersagefähigkeit, während es keine großen Ressourcenkosten für die Analyse erfordert. Die Inbetriebnahme des entwickelten Scoring-Systems wird die Effizienz der Kreditentscheidung im Bereich großer Handelsunternehmen steigern und den Kreditprozess optimieren.
Literatur
1. Ayvazyan S.A., Mkhitaryan B.C. Angewandte Statistik und Grundlagen der Ökonometrie. - M.: GU HSE, 1998.
2. Gavrilova A.H. Finanzen der Organisation. -M.: Knorus, 2007.
3. Korobova G. G., Petrov M. A. Zahlungsfähigkeit eines Kreditnehmers einer Bank und ihre Bewertung in einem Wettbewerbsumfeld // Bankdienstleistungen. -2005. -Nr.7/8. -C. 22-24.
4. Kulikov N.I., Chainikova L.I. Beurteilung der Kreditwürdigkeit des Unternehmens-Kreditnehmers. - Tambow: Universität der TSTU, 2007.
5. Verordnung der Zentralbank der Russischen Föderation Nr. 254-P „Über das Verfahren zur Bildung von Reserven durch Kreditinstitute für mögliche Verluste aus Darlehen, Darlehen und gleichwertigen Schulden“ vom 26. März 2004 - http:// base.garant.ru/584458/.
6. Saati T.L. Mathematische Modelle von Konfliktsituationen / Ed. I.A. Uschakow. - M.: Sowjetischer Rundfunk, 1977.
7. Sheremet A.D., Saifulin R.C., Negashev H.B. Methoden der Finanzanalyse. - M.: Infra-M, 2001.
8. Abdou H. A., Pointon J. (2011). "Kreditbewertung, statistische Techniken und Bewertungskriterien: eine Überprüfung der Literatur". Intelligente Systeme in Rechnungswesen, Finanzen und Management, Bd. 18, Nr. 2-3, S. 59-88.
9. Bailey M. (2004). Verbraucherkreditqualität: Underwriting, Scoring, Betrugsprävention und Inkasso. White Box Publishing, Kingswood, Bristol.
10. Crook J., Edelman D., Thomas L. (2007). "Jüngste Entwicklungen bei der Bewertung des Verbraucherkreditrisikos". European Journal of Operational Research, Bd. 183, Nr. 3, S. 1447-1465.
11. Gately E. (1996). Neuronale Netze für Finanzprognosen: Top-Techniken zum Entwerfen und Anwenden der neuesten Handelssysteme. New York: John Wiley & Söhne, Inc.
12. Guillen M., Artis M. (1992). Zählen Sie Datenmodelle für ein Kreditbewertungssystem: die Europäische Konferenzreihe in Quantitative Economics and Econometrics on Econometrics of Duration, Count and Transition Models. Paris.
13. Heffernan S. (2004). modernes Bankwesen. John Wiley & Sons, Inc., Chichester, West Sussex.
14. Liang Q. (2003). "Finanzielle Notlage von Unternehmen in China: eine empirische Analyse unter Verwendung von Kreditbewertungsmodellen". Hitotsubashi Zeitschrift für Handel und Management, Bd. 38, Nr. 1, S. 13-28.
ANHANG 1.
Studienprobe
| № | Gesellschaft | y / Standard-Flag | Aktuelle Liquiditätsquote | EBIT / Zinsen/ Verhältnis EBIT zu Zinsen | NI > 0/ Vorhandensein eines Nettogewinns | |||||
| 1 | Apotheke 36.6 | 0 | 0,82 | 1,32 | 2,41 | 1,83 | 0,0496 | 1 | 1 | 1 |
| 2 | L "Etoile | 0 | 5,04 | 2,75 | 10,98 | 1,64 | 0,007 | 1 | 1 | 1 |
| 3 | Bellen | 0 | 0,795 | 0,77 | 3,13 | 1,89 | 0 | 0 | 1 | 1 |
| 4 | Schleife | 0 | 0,75 | 9,7 | 2,91 | 3,1 | 0,049 | 1 | 1 | 1 |
| 5 | OK | 0 | 0,67 | 0,78 | 1,59 | 7,01 | 0,0357 | 1 | 1 | 1 |
| 6 | Autowelt | 0 | 1,2 | 0,65 | 3,09 | 1,35 | 0,04 | 1 | 1 | 1 |
| 7 | Х5 Einzelhandelsgruppe | 0 | 0,55 | 0,53 | 3,32 | 2,82 | 0,027 | 1 | 1 | 1 |
| 8 | Die Stadt | 0 | 0,99 | 18,97 | 10,25 | 1,29 | 0,01 | 1 | 1 | 0 |
| 9 | Welt des Kindes | 0 | 0,93 | 0,83 | 2,14 | 3,99 | 0,032 | 1 | 1 | 1 |
| 10 | Dixie | 0 | 0,77 | 1,19 | 6,1 | 1,78 | 0,01 | 1 | 1 | 1 |
| 11 | InterTrade | 0 | 1,24 | 20,65 | 4,92 | 2,1 | 0,015 | 1 | 1 | 0 |
| 12 | Karussell | 0 | 0,73 | 0,68 | 3,175 | 1,71 | 0,059 | 1 | 1 | 1 |
| 13 | Penny | 0 | 0,68 | 2,93 | 7,03 | 1,82 | 0 | 0 | 1 | 1 |
| 14 | Kosmos-Gruppe | 0 | 1,64 | 1,11 | 2,88 | 2,65 | 0,043 | 1 | 1 | 1 |
| 15 | Magnet | 0 | und | 0,54 | 1,11 | 10,2 | 0,061 | 1 | 1 | 1 |
| 16 | Magnolie | 0 | 0,27 | 2,35 | 3,55 | 1,02 | 0,064 | 1 | 1 | 1 |
| 17 | M. Video (2007) | 0 | 1,31 | 0,73 | 1,9 | 2,58 | 0,013 | 1 | 1 | 1 |
| 18 | M. Video (2013) | 0 | 0,95 | 0 | 0 | 0 | 0,039 | 1 | 1 | 1 |
| 19 | AG "NTS" | 0 | 1,18 | 3,09 | 5,44 | 1,05 | 0,21 | 1 | 0 | 1 |
| 20 | Schuhe von Russland | 0 | 0,87 | 2,34 | 1,87 | 5,65 | 0,1 | 1 | 1 | 1 |
| 21 | Kreuzung (2005) | 0 | 0,54 | 1,09 | 3,16 | 3,92 | 0,026 | 1 | 1 | 1 |
| 22 | Pivdom | 0 | 1,99 | 3 | 8 | 1,1 | 0,0006 | 1 | 0 | 1 |
| 23 | Die Familie | 0 | 10 | 0,28 | 1,66 | 6 | 0,58 | 1 | 1 | 1 |
| 24 | Swjasnoj | 0 | 1,07 | 0 | 0 | 0 | 0,001 | 1 | 1 | 1 |
| 25 | Elekam | 0 | 1,44 | 1,82 | 4,25 | 1,3 | 0,01 | 1 | 1 | 1 |
| 26 | Makro | 1 | 1 | 15 | 11 | 1,52 | 0,01 | 1 | 0 | 1 |
| 27 | Prestige-Express | 1 | 8 | 0,98 | 12,43 | 1,02 | 0,002 | 1 | 0 | 1 |
| 28 | Arbat Prestige | 1 | 0,49 | 1,81 | 7,6 | 1,45 | 0,017 | 1 | 1 | 0 |
| 29 | Orchidee | 1 | 3 | 1,164 | 13 | 0 | 0,01 | 1 | 0 | 1 |
| 30 | Bananen-Mama | 1 | 0,94 | 181957 | -35 | -0,6 | -0,033 | 0 | 1 | 0 |
| 31 | weiße Fregatte | 1 | 7 | 932 | 8,76 | 0,88 | -0,4 | 0 | 1 | 1 |
| 32 | Martha | 1 | 3,96 | 20 | 11 | 1/17 | 0,003 | 1 | 1 | 1 |
| 33 | Matrix | 1 | 2,38 | 21 | 6,82 | 1 | 0,001 | 1 | 0 | 0 |
| 34 | Quecksilber (Eigenlob) |
1 | 1,12 | 9,98 | 7,32 | 1,27 | 0,003 | 1 | 1 | 1 |
| 35 | Minnesko | 1 | 0,79 | 4,39 | 12 | 0,12 | -0,047 | 0 | 1 | 1 |
| 36 | Mosmart | 1 | 12 | 5 | 8 | 1,5 | 0 | 0 | 0 | 0 |
| 37 | Polisja | 1 | 7,93 | 15 | 14 | 1,03 | 0,003 | 1 | 0 | 1 |
| 38 | Bestimmung | 1 | 0,12 | 35557 | 0 | 0 | -0,819 | 0 | 0 | 1 |
| 39 | siebter Kontinent | 1 | 1,93 | 0,41 | 1,52 | 1,35 | 0,07 | 1 | 0 | 1 |
| 40 | Technosila | 1 | 14 | 18 | 10,36 | 1 | 0,002 | 1 | 1 | 1 |
| 41 | TOAP | 1 | 7 | 22 | 10,83 | 1,04 | 0,009 | 0 | 0 | 1 |
Hinweis: Wenn das Unternehmen einen Zahlungsausfall hatte, nimmt der Koeffizient den Wert 1 an, und 0, wenn kein Zahlungsausfall vorliegt.
ANLAGE 2
Regression auf acht Faktoren für 41 Unternehmen
| Regression und Residuum | DF / Anzahl der Freiheitsgrade | SS / Summe der Quadrate | MS=SS/DF | F-Statistik | Bedeutung F / Bedeutung |
| Rückschritt / Rückschritt | 8 | 6,250849408 | 0,781356176 | 7,133131961 | 2.17209Е-05 |
| Restwert | 32 | 3,505248153 | 0,109539005 | - | - |
| Gesamt / Gesamt | 40 | 9,756097561 | - | - | - |
| Verwendete Parameter | tStat/ t-Statistik | P-Wert / Signifikanz | ||
| Abfangen / Konstante | 0,354797355 | 0,281481615 | 1,260463691 | 0,216616062 |
| Aktuelle Liquiditätsquote | 0,034652978 | 0,01876389 | 1,846790732 | 0,074043212 |
| Hebelwirkung / Finanzielle Hebelwirkung | 1.31819Е-05 | 4.77939E-06 | 2,758072506 | 0,009529947 |
| D / EBITDA / Verhältnis von verzinslichen Schulden zu EBITDA | 0,044980795 | 0,018152923 | 2,477881708 | 0,018682248 |
| -0,012377044 | 0,030936193 | -0,40008296 | 0,691753745 | |
| ROS / Umsatzrendite | -0,530759612 | 0,375019201 | -1,415286499 | 0,166643428 |
| NI > 0 / Vorhandensein von Nettogewinn | -0,02891433 | 0,164713359 | -0,175543319 | 0,861758855 |
| Manager / Qualitätsmanagement | -0,266367tl2 | 0,134861932 | -1,975109717 | 0,056935374 |
| Historie/ Qualität der Kredithistorie | -0,109402928 | 0,159841844 | -0,684444857 | 0,498621797 |
ANHANG 3
Regression auf sieben Faktoren für 35 Unternehmen
| Regression und Residuum | DFI Anzahl der Freiheitsgrade | SS / Summe der Quadrate | MS=SS/DF | F-Statistik | Bedeutung F / Bedeutung F |
| Rückschritt / Rückschritt | 7 | 5,898901667 | 0,842700238 | 9,097165886 | 9.56Е-06 |
| Restwert | 27 | 2,501098333 | 0,092633272 | - | - |
| Gesamt / Gesamt | 34 | 8,4 | - | - | - |
| Verwendete Parameter | Koeffizienten / Koeffizienten | Standardfehler / Standardfehler | t Stat/ t-Statistik | P-Wert / Signifikanz |
| Abfangen / Konstante | 0,473712463 | 0,25308461 | 1,871755309 | 0,072111654 |
| Aktuelle Liquiditätsquote | 0,018420061 | 0,017803477 | 1,034632774 | 0,047018946 |
| Hebelwirkung / Finanzielle Hebelwirkung | 0,017110959 | 0,009674238 | 1,768713818 | 0,022823937 |
| D / EBITDA / Verhältnis von verzinslichen Schulden zu EBITDA | 0,046019604 | 0,021802198 | 2,110778177 | 0,014194286 |
| EBIT / Zinsen / Verhältnis EBIT zu Zinsen | -0,004583381 | 0,032996403 | -0,13890548 | 0,89055573 |
| ROS / Umsatzrendite | -0,582081686 | 0,483677061 | -1,203451088 | 0,039247801 |
| Manager / Qualitätsmanagement | -0,174077167 | 0,138900851 | -1,253247659 | 0,03786026 |
| Historie / Qualität der Kredithistorie | -0,378981463 | 0,194742843 | -1,946061058 | 0,020243892 |
ANHANG 4
Bewertung von Unternehmen aus der Stichprobe anhand des Scoring-Modells
| Gesellschaft | Bei | Aktuelle Liquiditätsquote | Hebelwirkung / Finanzielle Hebelwirkung | D / EBITDA / Verhältnis von verzinslichen Schulden zu EBITDA | EBIT / Zinsen / Verhältnis EBIT zu Zinsen | ROS / Umsatzrendite | Manager / Qualitätsmanagement | Historie / Positiver Kreditverlauf | Das Leben des Unternehmens | Summe | Klasse | Wahr oder nicht* |
| Apotheke 36.6 | 0 | 4 | 6 | 4 | 4 | 6 | 5 | 9 | 3 | 41 | 2 | 1 |
| L "Etoile | 0 | 5 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 26 | 3 | 0 |
| Bellen | 0 | 4 | 8 | 0 | 4 | 0 | 5 | 9 | 3 | 33 | 2 | 1 |
| Schleife | 0 | 1 | 0 | 0 | 4 | 6 | 5 | 9 | 3 | 28 | 3 | 0 |
| OK | 0 | 1 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 40 | 2 | 1 |
| Autowelt | 0 | 5 | 8 | 0 | 3 | 6 | 5 | 9 | 3 | 39 | 2 | 1 |
| Х5 Einzelhandelsgruppe | 0 | 1 | 8 | 0 | 4 | 5 | 5 | 9 | 3 | 35 | 2 | 1 |
| Welt des Kindes | 0 | 4 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 43 | 2 | 1 |
| Dixie | 0 | 4 | 6 | 0 | 4 | 0 | 5 | 9 | 3 | 31 | 2 | 1 |
| Karussell | 0 | 1 | 8 | 0 | 4 | 6 | 5 | 9 | 3 | 36 | 2 | 1 |
| Penny | 0 | 1 | 0 | 0 | 4 | 0 | 5 | 9 | 3 | 22 | 3 | 0 |
| Kosmos-Gruppe | 0 | 5 | 6 | 0 | 4 | 6 | 5 | 9 | 3 | 38 | 2 | 1 |
| Magnet | 0 | 5 | 8 | 8 | 4 | 6 | 5 | 9 | 3 | 48 | 1 | 1 |
| Magnolie | 0 | 0 | 2 | 0 | 2 | 6 | 5 | 9 | 3 | 27 | 3 | 0 |
| M. Video (2007) | 0 | 5 | 8 | 4 | 4 | 0 | 5 | 9 | 3 | 38 | 2 | 1 |
| AG "NTS" | 0 | 5 | 0 | 0 | 2 | 6 | 0 | 9 | 3 | 25 | 3 | 0 |
| Schuhe von Russland | 0 | 4 | 2 | 4 | 4 | 6 | 5 | 9 | 3 | 37 | 2 | 1 |
| Kreuzung (2005) | 0 | 1 | 6 | 0 | 4 | 5 | 5 | 9 | 3 | 33 | 2 | 1 |
| Pivdom | 0 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 0 |
| Die Familie | 0 | 5 | 8 | 4 | 4 | 6 | 5 | 9 | 3 | 44 | 1 | 1 |
| Elekam | 0 | 5 | 4 | 0 | 2 | 0 | 5 | 9 | 3 | 28 | 3 | 0 |
| Makro | 1 | 4 | 0 | 0 | 4 | 0 | 0 | 9 | 3 | 20 | 3 | 1 |
| Prestige-Express | 1 | 5 | 8 | 0 | 2 | 0 | 0 | 9 | 3 | 27 | 3 | 1 |
| Arbat Prestige | 1 | 0 | 4 | 0 | 3 | 0 | 5 | 0 | 3 | 15 | 3 | 1 |
| Orchidee | 1 | 5 | 6 | 0 | 0 | 0 | 0 | 9 | 3 | 23 | 3 | 1 |
| weiße Fregatte | 1 | 5 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 22 | 3 | 1 |
| Martha | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
| Matrix | 1 | 5 | 0 | 0 | 0 | 0 | 0 | 0 | 3 | 8 | 3 | 1 |
| Merkur (Eigenlob) | 1 | 5 | 0 | 0 | 2 | 0 | 5 | 9 | 3 | 24 | 3 | 1 |
| Minnesko | 1 | 4 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 21 | 3 | 1 |
| Mosmart | 1 | 5 | 0 | 0 | 3 | 0 | 0 | 0 | 3 | 11 | 3 | 1 |
| Polisja | 1 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 1 |
| siebter Kontinent | 1 | 5 | 8 | 4 | 3 | 6 | 0 | 9 | 3 | 38 | 2 | 0 |
| Technosila | 1 | 5 | 0 | 0 | 0 | 0 | 5 | 9 | 3 | 22 | 3 | 1 |
| TOAP | 1 | 5 | 0 | 0 | 2 | 0 | 0 | 9 | 3 | 19 | 3 | 1 |
* Die Spalte zeigt, ob wir nach dem Scoring-Modell die richtige Entscheidung über die Kreditvergabe an das Unternehmen erhalten haben.
Senden Sie Ihre gute Arbeit in die Wissensdatenbank ist einfach. Verwenden Sie das untenstehende Formular
Studenten, Doktoranden, junge Wissenschaftler, die die Wissensbasis in ihrem Studium und ihrer Arbeit nutzen, werden Ihnen sehr dankbar sein.
In vielen Fällen wenden inländische Banken in der Praxis Bonitätsanalysemodelle an, die auf einem System von Finanzkennzahlen basieren, die eine Beurteilung der finanziellen Lage des Kreditnehmers ermöglichen. Diese Modelle haben jedoch ebenso wie Klassifizierungsmodelle ihre Nachteile, wie z. B. die Entwicklung normativer Vergleichswerte, da es aufgrund der Branchenspezifika kreditnehmender Unternehmen zu einer Streuung der Werte kommt. Die in der einschlägigen Literatur angegebenen optimalen normativen Werte von Finanzindikatoren werden ohne Berücksichtigung branchenspezifischer Besonderheiten berechnet. Aufgrund des Fehlens eines einheitlichen Regulierungsrahmens für Branchen ist eine objektive Analyse der Finanzlage des Kreditnehmers unmöglich, da es keine vergleichbaren Branchendurchschnitts-, minimal akzeptablen und besten Indikatoren für diese Branche gibt.
1.5 Scoring-Modell als Instrument zur Beurteilung der Kreditwürdigkeit
Banken ziehen qualifizierte Spezialisten zur Beurteilung der Kreditwürdigkeit hinzu. Beispielsweise wurde vor nicht allzu langer Zeit eine Finanzanalyseabteilung der Abteilung Finanzanalyse und Methodik von Kreditprojekten bei Bank International OJSC eingerichtet, deren Zweck es ist, eine umfassende und objektive Analyse der Aktivitäten des Kreditnehmers (Hypothekengeber, Bürge), um das Kreditrisiko für gewährte Kredite zu bestimmen. Die Beteiligung solcher Spezialisten weist jedoch auf einige negative Aspekte hin:
Die Meinung von Spezialisten ist subjektiv - die Genauigkeit der Bewertung hängt von der Professionalität der Mitarbeiter, ihren Kenntnissen und Erfahrungen ab;
Mitarbeiter sind physisch nicht in der Lage, große Mengen an Informationen schnell zu verarbeiten – daher die Begrenzung der Anzahl der zu prüfenden Bewerbungen;
Drittens erfordert die Gewinnung qualifizierter Fachkräfte erhebliche Kosten - solche Mitarbeiter haben in der Regel hohe Gehälter.
Im Zusammenhang mit den oben skizzierten Punkten wird deutlich, dass Banken ein starkes Interesse an solchen Kreditklassifizierungssystemen haben, die die Beteiligung von Experten an der Entscheidungsfindung minimieren und die Bedeutung des menschlichen Faktors verringern würden. Es gibt zwei Hauptmethoden zur Bewertung des Kreditrisikos: die subjektive Meinung qualifizierter Spezialisten und automatisierte Kreditbewertungssysteme.
Kredit-Scoring ist eine Art Rating, eine Technik, die in den frühen 40er Jahren des zwanzigsten Jahrhunderts von dem amerikanischen Wissenschaftler D. Duran vorgeschlagen wurde, um Kreditnehmer entsprechend auszuwählen Verbraucherkredit. Der Unterschied zwischen Kredit-Scoring und Rating besteht darin, dass in der Rating-Formel anstelle des Wertes des Indikators dessen privater Score verwendet wird. Für jeden Indikator werden mehrere Intervalle von Werten bestimmt, jedem Intervall wird eine bestimmte Anzahl von Punkten zugeordnet oder es wird eine Klasse bestimmt. Wenn das vom Kreditnehmer erhaltene Rating niedriger ist als der zuvor von den Bankmitarbeitern festgelegte Wert, wird einem solchen Kreditnehmer ein Kredit verweigert, und wenn er den Standards entspricht, dann Kreditantrag wird zufrieden sein. In diesem Zusammenhang ist anzumerken, dass das Kredit-Scoring-Modell zunächst auf einzelne Kreditnehmer fokussiert war. Erst später, als das Modell ausgearbeitet war und seine Wirksamkeit weiter bewies Konsumentenkredite wurde das Modell zur Beurteilung der Kreditwürdigkeit von juristischen Personen eingesetzt.
Was die Verwendung des Kredit-Scoring-Modells durch inländische Banken betrifft, so ist in diesem Zusammenhang das Scoring von Unternehmenskrediten – juristischen Personen – eine Methode zur Bewertung der Qualität eines Kreditnehmers auf der Grundlage verschiedener Merkmale der Finanzlage eines Unternehmens. Als Ergebnis der Variablenanalyse erhält man eine integrierte Kennzahl in Punkten, die den Grad der Kreditwürdigkeit des Kreditnehmers auf einer Rangskala bewertet. Abhängig vom Score wird über die Vergabe eines Kredits, über Kreditlimits entschieden. Bei der Bank International OJSC ermöglicht das Scoring-Modell einen Rückschluss auf die Qualität der Finanzlage des Kreditnehmers und die Höhe der Risikovorsorge für Kredite. Dieses Scoring-Modell kombiniert die Bewertung des Kreditrisikos, des Geschäftsrisikos und des Kredithistorienrisikos. Mehr über diese Arten von Risiken wird weiter unten beschrieben.
Der Hauptzweck der Verwendung des Scoring-Modells besteht darin, das Bewusstsein für die tatsächliche finanzielle und wirtschaftliche Situation potenzieller Kreditnehmer zu schärfen. Das Modell ermöglicht nicht nur die Bewertung der tatsächlichen Finanzlage, sondern auch des Kreditpotenzials von Unternehmen, die die Voraussetzungen für die Kreditvergabe an Kreditnehmer erfüllen. Ein wichtiger Unterschied zwischen dem Kredit-Scoring-Modell und der subjektiven Einschätzung des Experten besteht darin, dass die Scoring-Bewertungen auf einer mathematischen und statistischen Analyse der Kredithistorie der „früheren“ Kreditnehmer der Bank beruhen und ein objektiveres Risikobewertungssystem implizieren.
Daher sind die Probleme, die das Kredit-Scoring-Modell lösen kann, wie folgt:
Subjektivismus – oft basieren Entscheidungen von Kreditsachbearbeitern nur auf Intuition und persönlicher Erfahrung;
Inflexibilität und Instabilität - die Qualität der Bewertung ist eine Zufallsvariable, die nicht verbessert oder verschlechtert werden kann und von der emotionalen Verfassung und den Vorlieben des Experten abhängt;
fehlendes System der Ausbildung, Wissensvermittlung und Weiterbildung - bevor man ein hochqualifizierter Spezialist wird, muss man sich ein gewisses Maß an Wissen aneignen, das auf dem Erwerb ausreichender Erfahrung in diesem Bereich basiert;
Begrenzung der Anzahl der berücksichtigten Anträge, was auf begrenzte personelle Ressourcen zurückzuführen ist, was zu entgangenen Gewinnen aus einer kleinen Anzahl von berücksichtigten Anträgen führt.
Diese Mängel können mit einem Scoring-Modell behoben werden, da seine Vorteile in der Einfachheit liegen (da es ausreicht, Finanzkennzahlen zu berechnen und unter Berücksichtigung der Koeffizienten ihrer Signifikanz die Klasse des Kreditnehmers zu bestimmen), die Möglichkeit, optimale Werte zu berechnen für private Indikatoren die Fähigkeit, Organisationen nach Ergebnissen einzustufen, ein integrierter Ansatz zur Bewertung der Kreditwürdigkeit (da Indikatoren verwendet werden, die verschiedene Aspekte der Aktivitäten der Organisation widerspiegeln). Bei der Verwendung eines Scoring-Modells sollten jedoch einige Probleme berücksichtigt werden:
die Notwendigkeit einer sorgfältigen Auswahl von Finanzindikatoren (es müssen Indikatoren verwendet werden, die verschiedene Aspekte der Arbeit des Kreditnehmers beschreiben);
die Bedeutung der Begründung der Schwellenwerte von Indikatoren (in Russland ist es ziemlich schwierig, einen solchen Ansatz umzusetzen, da nicht genügend Informationen über den tatsächlichen Zustand und das Niveau dieser Indikatoren in der russischen Wirtschaft sowie in geringem Maße vorliegen der Beteiligung von Banken an der Bildung einer solchen Datenbank);
die Notwendigkeit, die Signifikanzkoeffizienten für jedes System von Indikatoren in Übereinstimmung mit der Branche der Tätigkeit eines bestimmten Unternehmens - des Kreditnehmers - zu rechtfertigen;
Bestimmen der Größenordnung von Abweichungen in den Grenzbereichen, die Kreditnehmer unterschiedlichen Klassen zuordnen;
Bei der Ratingbewertung werden die Indikatoren nur relativ zu den optimalen Werten berücksichtigt, die bestimmten festgelegten Standards entsprechen, nicht jedoch der Grad ihrer Umsetzung oder Nichterfüllung;
Das System der berechneten Koeffizienten berücksichtigt viele Faktoren nicht - den Ruf des Kreditnehmers, die Aussichten und Merkmale der Marktsituation, die Bewertung der hergestellten und verkauften Produkte, die Investitionsaussichten.
Das Scoring-Modell ist ein Beispiel für die erfolgreiche Anwendung statistischer und mathematischer Methoden. In Russland ist das Scoring-Modell jedoch nicht weit verbreitet. Laut G. Andreeva wird die weite Verbreitung des Scorings weniger durch objektive als durch subjektive Gründe behindert, deren Hauptgrund die misstrauische Haltung der Bankmanager gegenüber mathematischen und statistischen Methoden ist. Wenn wir über inländische Banken sprechen, wird die Verwendung von Scoring-Modellen in Banken mit einer Expertenbewertung kombiniert. In Banken wird für jedes große Unternehmen – den Kreditnehmer – ein verantwortlicher Kreditsachbearbeiter ernannt, der die Finanzanalyse dieses Kreditnehmers überwacht. Aufgrund der geringen Entwicklung von Scoring-Modellen wird es interessant sein, dieses Thema am Beispiel einer bestimmten Bank zu betrachten.
Kapitel 2
2.1 Kurze Beschreibung der Aktivitäten von OJSC "Bank International"
Die Bank wurde von der Zentralbank registriert Russische Föderation im November 1989 als "St. Petersburg Timber Bank". 1999 wurde die Bank in International Bank umbenannt. Die Hauptrichtung der Kreditpolitik der Bank im Jahr 1999 war die Bildung eines starken universellen Kundenstamms. Indem wir den führenden Unternehmen von St. Petersburg und der Nordwestregion einen einzigartigen Komplex anbieten Finanzdienstleistung Die Bank konnte im Laufe des Jahres über 500 größte Unternehmen in Industrie, Handel, Transport, Bau und anderen Branchen für die Betreuung gewinnen.
Ein Merkmal der Arbeit der Bank war die Zuordnung eines persönlichen Managers zu jedem Kundenunternehmen, der alle aufkommenden Probleme des Unternehmens im Zusammenhang mit Bankdienstleistungen umgehend löst. In diesem Zusammenhang möchte ich anmerken, dass die Bank nicht auf automatisierte Kreditrisikomanagementsysteme gesetzt hat, sondern auf die Experteneinschätzung von Bankmitarbeitern, was im Rahmen des betrachteten Diplomthemas eher ein Gegenargument gegen den Einsatz ist des Scoring-Modells. Das heißt, das Modell selbst spiegelt das Kreditrisiko des Kontrahenten nicht angemessen wider, wenn nicht jede Stufe der Punktegewinnung für ein bestimmtes Risikoelement kontrolliert wird. Kreditsachbearbeiter im Rahmen einer gutachterlichen Beurteilung der Gefährdungslage.
Darüber hinaus tritt Bank International OJSC im Jahr 2000 in den Moskauer Markt ein, wo die erste regionale Abteilung der Bank eröffnet wurde. 65 juristische Personen wurden Kunden der Branche, darunter sind große Unternehmen und Organisationen wie State Transport Company Rossiya, eine Repräsentanz von JSC Samara Airlines, JSC Mostotrest, Repräsentanzen von St. Unternehmen "Express Line", LLC "Schetmash", CJSC "TD" Dargez ", eine Unternehmensgruppe" Stahlgerüst" und andere .
Derzeit ist die Haupttätigkeit der Bank die Kreditvergabe an große Firmenkunden, die führende Positionen in der Handels-, Leasing-, Bau-, Fertigungs- und Verteidigungsindustrie einnehmen. Die Bank hat 5 Filialen in der Russischen Föderation: in Wolgograd, Moskau, Nischni Nowgorod, Nowosibirsk und Uljanowsk.
Der Kreditvergabe wird in der Bank die Rolle des Hauptmechanismus zur Erzielung von Einnahmen aus der Platzierung von Eigen- und Fremdmitteln und gleichzeitig ein Produkt zugeschrieben, das die Bedürfnisse der Kunden der Bank befriedigt geliehenes Geld Oh. Darüber hinaus wird die Kreditvergabe als Instrument genutzt, um neue Bankkunden zu gewinnen, den bestehenden Kundenstamm zu pflegen, Bereiche zu erweitern und das Geschäftsvolumen der Bank zu erhöhen.
BEI Kreditpolitik JSC „Bank International“ identifizierte die folgenden Ziele der Kreditvergabe als Bankgeschäft:
Bildung eines hinsichtlich Struktur und Risikoarten ausgewogenen Kreditportfolios innerhalb der im Finanzplan der Bank festgelegten Grenzen der Kreditinvestitionen der Bank.
Aufrechterhaltung einer optimalen Rentabilität des Kreditportfolios.
Gewährleistung eines akzeptablen Risikoniveaus bei Kreditgeschäften.
Erweiterung der Volumina und Geschäftsfelder der Bank.
Maximale Befriedigung der Bedürfnisse der Kunden der Bank in Kreditprodukten.
JSC „Bank International“ positioniert sich als universelles Finanzinstitut und bietet dementsprechend Firmenkunden eine breite Palette von Kreditinstrumenten an:
Kurzfristige Kreditvergabe, auch in Form eines Kreditrahmens mit Ausgabelimit, mit Schuldlimit und Überziehungsrahmen;
Finanzierung von Leasinggeschäften;
Kreditgewährung zum Ankauf von Wechseln der Bank (Wechselleihe);
Dokumentengeschäfte, die mit einem Kreditrisiko für die Bank verbunden sind.
Finanzierung von Außenhandelsgeschäften;
Ankauf von Schuldverschreibungen (Wechsel, Obligationen) von Dritten;
Investitionskredite (Projektfinanzierung).
Gemäß Kreditpolitik Die vorrangigen Bereiche der Bank für die Kreditvergabe an JSC "Bank International" sind die folgenden Wirtschaftssektoren:
Gewinnung und Verarbeitung, Verkauf von Kohlenwasserstoffrohstoffen (Öl, Gas) und Produkten ihrer Verarbeitung;
Lebensmittelindustrie;
Pharmaindustrie;
Energiewirtschaft;
militärisch-industrieller Komplex;
Transport, einschließlich Straße, Schiene, Luft;
Logistik;
Handel, einschließlich Groß- und Einzelhandel mit Konsumgütern usw.;
Finanzierung von Leasingaktivitäten in den oben genannten Sektoren.
Unter Berücksichtigung der erfolgreichen Tätigkeit der Bank auf dem Finanzmarkt seit etwas mehr als 20 Jahren ist zu beachten, dass die Ratings der Bank recht hoch sind. Die internationale Ratingagentur „Standard & Poor's“ hat 2012 das langfristige Kreditrating der Bank auf internationaler Ebene auf „B“ – stabil angehoben, auf nationaler Ebene wurde das Rating der Bank ebenfalls auf „ruBBB+“ angehoben. .
So ist JSC "Bank International" schon seit geraumer Zeit erfolgreich auf dem russischen Finanzmarkt tätig. Im Rahmen der betrachteten Thematik sollte sich das WRC auf das Risikomanagementsystem der Bank konzentrieren. Die Bank bietet ein ausreichendes Rentabilitätsniveau, ohne „Risikobereitschaft“ aufzubauen, indem sie ein exklusives Modell der „individuellen Kundenansprache“ verwendet. Eines der Werkzeuge dieses Modells ist das Scoring-Modell in Kombination mit qualitative Analyse Finanzlage der Kreditnehmer.
2.2 Auswahl von Kreditnehmern – juristische Personen, Kunden der Bank International OJSC für die Kreditwürdigkeitsanalyse
Zu Beginn der Analyse der Finanzlage von Kreditnehmern - juristischen Personen, Kunden der Bank International OJSC - ist zu beachten, dass diese Analyse für nachfolgende Berechnungen mit dem Scoring-Modell erforderlich ist. Darüber hinaus wäre es nicht überflüssig, dem Management der Bank Aufmerksamkeit zu schenken, das sich mit Finanzanalysen befasst.
Der Name dieser Abteilung lautet wie folgt: "Abteilung für Finanzanalyse und Methodik von Kreditprojekten der Abteilung für Analyse und Kontrolle von Kreditprojekten". Diese Abteilung befasst sich mit der Durchführung der vierteljährlichen Überwachung der finanziellen Situation des Kreditnehmers. Bei juristischen Personen wird die Finanzlage des Kreditnehmers auf der Grundlage der Analyse von Änderungen der Finanzlage des Unternehmens und der Identifizierung negativer Aspekte in den finanziellen und wirtschaftlichen Aktivitäten des Kreditnehmers beurteilt. Auf der Grundlage der Ergebnisse der vierteljährlichen Überwachung bildet die Abteilung eine professionelle Beurteilung des Risikoniveaus von Krediten, klassifiziert die Kreditschulden nach Qualitätskategorien und gibt den Prozentsatz der geschätzten Reserve an.
Nachdem Sie die Aktivitäten der Finanzanalyseabteilung der Bank berücksichtigt haben, können Sie mit den Berechnungen fortfahren. Zur Bonitätsanalyse innerhalb diese Studie 33 Kreditnehmer wurden ausgewählt. Die Stichprobe dieser Kreditnehmer wurde auf der Grundlage der folgenden Annahmen gebildet: Die ausgewählten Kreditnehmer sind juristische Personen, große Firmenkunden; ausgewählte Kreditnehmer variieren je nach Branche; für die ausgewählten Kreditnehmer liegen die für die Abwicklung notwendigen Informationen vor. Ich möchte klarstellen, dass die Auswahl der Kreditnehmer darauf zurückzuführen war, dass die Bank im April 2013 eine vierteljährliche Überwachung der Finanzlage der Erklärungen der oben genannten Kreditnehmer durchführte. Auch die Anwesenheit von Kreditnehmern aus unterschiedlichen Branchen in der Stichprobe erlaubt es uns, Unterschiede in der Analyse der Kreditwürdigkeit von Branchen zu untersuchen, was für eine umfassende Studie zweifellos von Vorteil ist. Tabelle 2.1. Dargestellt ist die Verteilung der Kreditnehmer nach Tätigkeitsbereichen.
Tabelle 2.1 – Unternehmen – Kreditnehmer, Verteilung nach Branchen
|
Handelsunternehmen (16) |
Bauunternehmen (9) |
|
|
ABM Trade LLC |
CJSC "I-Invest" |
|
|
AVRO LLC |
GAMMA LLC |
|
|
AgroAlliance MT LLC |
ABl. "GSK" |
|
|
OOO "Alexandria" |
KVS LLC |
|
|
LLC "Weißer Wind Digital" |
CJSC "Neue Ära" |
|
|
Eurotransavto LLC |
Polyus LLC |
|
|
Eurotrans LLC |
GmbH "PromTechService" |
|
|
OOO "Optima" |
OOO Construction Trust Nr. 3 |
|
|
RKB LLC |
Elis-Construction LLC |
|
|
OOO "Santi" |
Produktionsunternehmen (6) |
|
|
OOO SPb Nefteprodukt |
ANGSTREM Trading LLC |
|
|
STK Motto LLC |
DSK Nr. 5 GmbH |
|
|
Tav Oil LLC |
Illung LLC |
|
|
OOO Trade von Petmola Großhandel |
CJSC "PoleCom" |
|
|
CJSC Financial Company Forum |
LLC Prionezhskaya Mining Company |
|
|
UNIFROST LLC |
ZAG "RUAN" |
|
|
Leasinggesellschaften (1) |
Transportunternehmen (1) |
|
|
CJSC Leasing-Technologien |
LLC "Transportunternehmen" "Stell" |
Signifikante Indikatoren für ausgewählte Kreditnehmer sind in den Anhängen 1-33 des WRC angegeben. Wesentliche Indikatoren sind die Gesamtbilanz des Kreditnehmers, die Vermögensstruktur und die Schuldenstruktur. Die Anträge befinden sich in der gleichen Reihenfolge wie die in Tabelle 2.1 gezeigten Kreditnehmer.
Für eine anschaulichere Darstellung der Kreditnehmer nach Branche können Sie sich Abb. 2.1. Aus der Abbildung ist ersichtlich, dass der Großteil der Stichprobe aus Handelsunternehmen (49 % der Stichprobe) sowie Bau- (27 %) und Fertigungsunternehmen (18 %) bestand. Das heißt, in der Stichprobe gibt es 16 Handelsunternehmen, 9 Baufirmen, 6 produzierende Unternehmen, 1 Leasing- und 1 Transportunternehmen.
Reis. 2.1. Verteilung der Kreditnehmer in der Stichprobe nach Branchen
2.3 Analyse der Finanzlage von Kreditnehmern nach der Methodik von JSC "Bank International"
Nach dem ersten Studium der Stichprobe können Sie direkt mit der Finanzanalyse der Kreditnehmer fortfahren. Es sei darauf hingewiesen, dass die Finanzanalyse auf der Grundlage der Methodik der Bank durchgeführt wurde, die in den „Anweisungen zur kurzfristigen Kreditvergabe an juristische Personen“ angegeben ist. In diesem internen normatives Dokument Die Bank hat konsequent einen Algorithmus zur Analyse der Finanzlage des Kreditnehmers vorgestellt.
Zur visuellen Darstellung der geleisteten Arbeit wird eine Analyse der finanziellen Situation eines der 33 Kreditnehmer vorgelegt, da es aufgrund der Vielzahl an Analysen keinen Sinn macht, eine Analyse aller 33 Kreditnehmer vorzulegen. Die Ergebnisse der Berechnung der Finanzkennzahlen anderer Kreditnehmer finden sich jedoch in Anhang 34 des WRC.
Zur visuellen Darstellung der geleisteten Arbeit wird eine Analyse der Finanzlage eines der 33 Kreditnehmer vorgelegt, da es aufgrund der Vielzahl an Analysen keinen Sinn macht, eine Analyse aller 33 Kreditnehmer vorzulegen. Die Ergebnisse der Berechnung der Finanzkennzahlen anderer Kreditnehmer finden sich jedoch in Anlage 34 zu diesem Papier. Die Anhänge 1-33 des WRC enthalten Daten zu anderen Kreditnehmern. Die Unternehmen in den Anhängen 1-33 werden in derselben Reihenfolge wie in Tabelle 2.1 dargestellt. Das Format der angegebenen Daten: aussagekräftige Indikatoren- aggregierte Bilanz, Vermögensstruktur und Schuldenstruktur. Die Daten für alle Unternehmen werden für 5 Quartale präsentiert – 4 Quartale 2012 und das letzte Quartal des Vorjahres, 2011.
So wurde für eine repräsentative Finanzanalyse ein Kreditnehmer mit Unternehmen ausgewählt beschränkte Haftung TaV-Öl. Die Wahl dieses Kreditnehmers unter den anderen 33 Kreditnehmern ist darauf zurückzuführen, dass die Struktur des Jahresabschlusses dieses Kreditnehmers am besten geeignet ist, alle Merkmale der Analyse der Finanzlage des Kreditnehmers widerzuspiegeln. Der Kreditnehmer verfügt über Berichte mit einem ausreichenden Anteil an Indikatoren in der Vermögens- und Schuldenstruktur, so dass zukünftig an seinem Beispiel die Methodik des Scoring-Modells aufgezeigt werden könnte.
Tav Oil LLC wurde am 24. Oktober 2003 registriert. Das Unternehmen ist seit 2003 auf dem Markt für Ölprodukte tätig. Die Haupttätigkeit des Unternehmens ist der Großhandel mit Mineralölprodukten. Das Unternehmen arbeitet mit Lieferanten von Ölprodukten auf Vorauszahlungsbasis und mit Käufern zusammen - mit einer aufgeschobenen Zahlung je nach Art der Ölprodukte (tatsächlich bis zu 30 Kalendertage).
Gemäß der „Wegleitung zur kurzfristigen Kreditvergabe an juristische Personen“ auf Basis der Daten Jahresabschlüsse Es wurde eine analytische Tabelle (Gesamtbilanz) erstellt, die die wichtigsten absoluten Finanzkennzahlen zum 01.01.2012, 01.04.2012 angibt. 01.07.2012 und 01.10.2012, 01.01.2013 (für 4 Quartale + Berichtsquartal). Tabelle 2.2. unter.
Tabelle 2.2 - Indikatoren Bilanz und Gewinn- und Verlustrechnung (in Tausend Rubel):
|
Index |
||||||
|
Währung ausgleichen |
||||||
|
Kapital und Rücklagen |
||||||
|
Unverteilt Profiteinbuße) |
||||||
|
Anlagevermögen |
||||||
|
Mehrwertsteuer beim Kauf Werte |
||||||
|
Accounts erhaltbar |
||||||
|
Kurzfristig finanziell Anhänge |
||||||
|
Geldmittel |
||||||
|
Sonstiges Umlaufvermögen |
||||||
|
Gesamten Umlaufvermögens |
||||||
|
Langfristige Darlehen und Kredite |
||||||
|
Summe der langfristigen Verbindlichkeiten |
||||||
|
Kredite und Darlehen kurzfristig |
||||||
|
Abbrechnungsverbindlichkeiten |
||||||
|
Einnahmen der zukünftigen Perioden |
||||||
|
Summe kurzfristige Verbindlichkeiten |
||||||
|
Verkaufserlös (kumulierte Summe) |
||||||
|
Einnahmen aus Verkäufen |
||||||
|
Anderes Einkommen |
||||||
|
andere Ausgaben |
||||||
|
Zu zahlender Prozentsatz |
||||||
|
Nettoeinkommen (Verlust |
||||||
|
Nettogewinn für das Quartal |
In den "Anweisungen" wird beim Studium der Daten der aggregierten Bilanz vorgeschlagen, die Haupttrends bei der Änderung der absoluten Finanzkennzahlen zu analysieren. Die Hauptaufgabe eines Mitarbeiters der Abteilung Finanzanalyse besteht darin, die Ursachen dieser Trends zu identifizieren und die Auswirkungen dieser Gründe auf die Möglichkeit der zukünftigen Erfüllung von Verpflichtungen gegenüber der Bank zu untersuchen.
In der ersten Phase wurde eine Analyse der Dynamik und Struktur des Kapitals von Tav Oil LLC mit der Berechnung absoluter und relativer Veränderungen durchgeführt. Tabelle 2.3. Es wird eine horizontale Analyse der aggregierten Bilanz von JSC "Tav Oil" gegeben. Für den analysierten Zeitraum (vom 01.01.2012 bis 01.01.2013) stieg die Bilanzsumme des Unternehmens um 27,3 Millionen Rubel. oder 44%. Im 4. Quartal im Vergleich zum 3. Quartal 2012 stieg die Bilanzsumme um 24,2 Millionen Rubel. oder um 36,8 %. Zum 01.01.2013 wird die Kapitalstruktur des Unternehmens durch Working Capital in den Vermögenswerten und kurzfristige Verbindlichkeiten in den Verbindlichkeiten dominiert. Gleichzeitig ist die Kapitalstruktur des Unternehmens im Hinblick auf die Bedingungen der Mittelbeschaffung und -platzierung ausgewogen. Der Wert des eigenen Betriebskapitals betrug 34,7 Millionen Rubel. und stieg gegenüber dem Beginn des Berichtsjahres um 5,7 %. Auf Kosten der Investitionsmittel (Eigenkapital u langfristige Verbindlichkeiten) 53 % finanziertes Betriebskapital. Nettovermögen(repräsentiert durch das Eigenkapital des Unternehmens) seit Jahresbeginn um 5 % gestiegen, was auf eine Erhöhung der Gewinnrücklagen zurückzuführen ist. Zum 1. Januar 2013 betrug es 99,9 % des Gesamtkapitals und der Rücklagen.
Tabelle 2.3 - Analyse der Dynamik Schlüsselindikatoren Tav Oil LLC:
|
Index |
Änderung pro Jahr |
Vierteljährlicher Wechsel |
|||||
|
Währung ausgleichen |
|||||||
|
Kapital und Rücklagen |
|||||||
|
Einschließlich einbehaltener Gewinne (Verluste) |
|||||||
|
Anlagevermögen |
|||||||
|
Mehrwertsteuer auf erworbene Vermögenswerte |
|||||||
|
Accounts erhaltbar |
|||||||
|
Kurzfristige Geldanlagen |
|||||||
|
Geldmittel |
|||||||
|
Sonstiges Umlaufvermögen |
|||||||
|
Gesamten Umlaufvermögens |
|||||||
|
Langfristige Darlehen und Kredite |
|||||||
|
Summe langfristige Verbindlichkeiten |
|||||||
|
Kredite und Darlehen kurzfristig |
|||||||
|
Abbrechnungsverbindlichkeiten |
|||||||
|
Einnahmen der zukünftigen Perioden |
|||||||
|
Summe kurzfristige Verbindlichkeiten |
|||||||
|
Verkaufserlös (kumulierte Summe) |
|||||||
|
Durchschnittlicher monatlicher Umsatz |
|||||||
|
Kosten der verkauften Waren |
|||||||
|
Einnahmen aus Verkäufen |
|||||||
|
Anderes Einkommen |
|||||||
|
andere Ausgaben |
|||||||
|
Zu zahlender Prozentsatz |
|||||||
|
Nettoeinkommen (Verlust |
|||||||
|
Umsatzerlöse für das Quartal |
|||||||
|
Durchschnittlicher monatlicher Umsatz pro Quartal |
|||||||
|
Nettogewinn für das Quartal |
Um die Veränderung der Kapitalstruktur zum 01.01.2013 im Vergleich zum 01.01.2012 darzustellen, wurde Tabelle 2.4 erstellt, die Veränderungen des Umlauf- und Anlagevermögens, des Kapitals und der Rücklagen, lang- und kurzfristig zeigt Verbindlichkeiten. Aus Tabelle 2.4. Es ist ersichtlich, dass das Umlaufvermögen im Vergleich zum ersten Quartal um 27.342 Tausend Rubel gestiegen ist. und kurzfristige Verbindlichkeiten für 25.334 Tausend Rubel.
Tabelle 2.4 – Kapitalstruktur Anfang und Ende 2012
|
Kapitalstruktur zum 01.01.2012, Tausend Rubel |
Kapitalstruktur zum 01.01.2013, Tausend Rubel |
Ändern Sie tausend Rubel |
Veränderung % |
|||
|
Anlagevermögen |
Anlagevermögen |
|||||
|
Umlaufvermögen |
Umlaufvermögen |
|||||
|
Kapital und Rücklagen |
Kapital und Rücklagen |
|||||
|
Kurzfristige Verbindlichkeiten |
Kurzfristige Verbindlichkeiten |
|||||
|
langfristige Aufgaben |
langfristige Aufgaben |
Außerdem wurden Diagramme erstellt, die die spezifischen Gewichte der Bilanzposten im Verhältnis zur Bilanzwährung Anfang und Ende 2012 zeigen. Diagramme sind in den Abbildungen 2.2 dargestellt. und 2.3. Aus den folgenden Diagrammen ist ersichtlich, dass sich der Anteil der Bilanzposten im Jahr 2012 leicht verändert hat: Der Anteil des Eigenkapitals ist um 6 % gesunken, der Anteil des kurzfristigen Fremdkapitals um 14 % gestiegen, der Anteil des langfristigen Fremdkapitals gesunken um 8 %.
Reis. 2.2. Kapitalstruktur Anfang 2012
Reis. 2.3. Kapitalstruktur Ende 2012
In der zweiten Phase der Analyse wurde eine Analyse der Vermögensstruktur des Unternehmens durchgeführt. Die "Anweisung" weist darauf hin, dass der gegenseitige Wert verschiedener Gruppen von Vermögenswerten und Verbindlichkeiten davon abhängt, zu welcher Branche das jeweilige Unternehmen gehört. So beträgt der Anteil des Umlaufvermögens bei Handelsunternehmen (also dem fraglichen Unternehmen) in der Regel 70 - 95 Prozent, und der Anteil der angezogenen Geldquellen ist ähnlich. Das Umlaufvermögen der Gesellschaft Tav Oil LLC entspricht im Berichtsquartal der Bilanzwährung.
Nach entsprechender Gruppierung von Bilanzposten wurde die relative Veränderung verschiedener Gruppen von Vermögenswerten und Verbindlichkeiten in den letzten Quartalen beurteilt: ob sich der Anteil eines Bilanzabschnitts oder einer Gruppe von Posten verändert hat mehr als 10%. In diesem Fall aus Tabelle 2.5. Sie können sehen, dass es keine solchen Änderungen gibt.
Tabelle 2.5 – Vermögensstruktur von Tav Oil LLC für 5 Quartale
Den Hauptanteil an der Vermögensstruktur des Unternehmens nehmen Forderungen aus Lieferungen und Leistungen ein, die hauptsächlich auf Kosten der Käuferschulden (36,6 Millionen Rubel oder 44% der Gesamtsumme) gebildet werden Accounts erhaltbar). Es bestehen keine überfälligen Forderungen.
Der Forderungsumsatz betrug 36 Tage (gegenüber 35 Tagen im gleichen Zeitraum des Vorjahres). Es sei darauf hingewiesen, dass das Unternehmen ein Nettogläubiger bei Vergleichen ist - die Forderungen aus Lieferungen und Leistungen übersteigen die Verbindlichkeiten um das 4,9-fache (84.093.000 Rubel gegenüber 17.155.000 Rubel). Finanzmarkt, Vermögenswerte was größer ist als die Verbindlichkeiten.
Im Rahmen der Vermögensanalyse wurde eine Analyse der Forderungen des Unternehmens durchgeführt. In den "Anweisungen" wurde darauf hingewiesen, dass der Änderung der Struktur des Betriebskapitals besondere Aufmerksamkeit geschenkt werden sollte: ob die Forderungen gestiegen sind oder nicht, ob die Rohstoffvorräte für den Betrieb des Unternehmens ausreichen, ob es zu Überbeständen gekommen ist von Lagern mit fertigen Produkten. Auch ist es notwendig, eine Abhängigkeit von einem oder einem bestimmten Schuldnerkreis zu erkennen, was ebenfalls zu einer Verschlechterung der Zahlungsfähigkeit führen kann. Bei der Analyse der Zusammensetzung der Forderungen ist auf den Zeitpunkt und die Realität der Rückzahlung zu achten. Dazu ist es notwendig, eine detaillierte Aufschlüsselung der Forderungen bis hin zu den Namen der direkten Schuldner einzuholen und deren Zahlungsfähigkeit abzuklären. Eine Gliederung der Forderungen, aus der sich der Anteil des größten Schuldners ableiten lässt, ist in Tabelle 2.6 dargestellt.
Tabelle 2.6 - Aufgliederung der Forderungen von Tav Oil LLC per 01.01.2013
|
Name des Schuldners |
Schulden, tausend Rubel |
||
|
TSB-Broker |
|||
|
Nordsee-Wärmenetze |
|||
|
Help-Oil LLC |
|||
|
Pitkyaranta Zellstofffabrik LLC |
|||
|
OOO Nesto |
|||
|
Stroykomplektservis |
|||
|
TopTradeService LLC |
|||
|
OO Prima-Öl |
|||
|
Gesamtforderungen: |
Die Forderungen der MUE "Severomorskie teploseti" sind überfällig, das Datum des Auftretens ist der 28.06.2010. Der größte Schuldner ist TSB-Broker, 19 % der Gesamtschulden. Der zweitgrößte Schuldner ist Severomorskiye Teploseti, 12 % der Gesamtschulden. Die verbleibenden Schuldner haben Schulden von weniger als 10 % des Gesamtbetrags. Nach der Analyse der größten Schuldner sollte man mit der Analyse der größten Gegenparteien - Käufer - fortfahren. In diesem Zusammenhang wurde eine Analyse der Bilanz des Unternehmens auf Konto 62 durchgeführt, um die Hauptabnehmer zu identifizieren. Die Daten sind in Tabelle 2.7 unten dargestellt.
Tabelle 2.7 – Analyse der Beziehungen zu Käufern für das 4. Quartal. 2012 (in Tausend Rubel):
|
Gegenpartei |
Umsatz nach OSV 62 c. |
||
|
Stroykomplektservis |
|||
|
Metropole |
|||
|
Zellstofffabrik |
|||
|
Impulsöl |
|||
|
TopTradeService |
|||
Der Hauptkäufer des Unternehmens im 4. Quartal 2012. waren Help-Oil und Stroykomplektservis - jeweils 40% und 9% der Gesamtsumme Produkte verkauft. Es bestehen keine Finanzbeteiligungen an der Gesellschaft. Zum 01.01.2013 besteht kein Anlagevermögen (Anlagevermögen) der Gesellschaft. Wie im Vorjahreszeitraum (01.01.2012 - 99,8 %) überwiegen die kurzfristigen Vermögenswerte im Anlagevermögen (100 %), wobei die Forderungen aus Lieferungen und Leistungen (93,3 %) den größten Anteil ausmachen.
Der nächste Schritt der Analyse war die Analyse der Struktur der Verbindlichkeiten. Die Analyse der Verbindlichkeiten wurde zum Thema Spannung der Verbindlichkeiten des Kreditnehmers durchgeführt. Ein signifikanter Anteil des Eigenkapitals des Kreditnehmers, die Verfügbarkeit langfristiger Finanzierungsquellen weisen auf die Stabilität des Unternehmens hin. Tabelle 2.8 wurde erstellt, die die Struktur der Verbindlichkeiten widerspiegelt. Der Anteil der Fremdmittel an den Verbindlichkeiten lag Anfang 2012 bei 47 %, Ende 2012 bei 61,5 %. Das Eigenkapital hatte Anfang und Ende 2012 Anteile von 26 % bzw. 19,5 %.
Tabelle 2.8 – Struktur der Verbindlichkeiten von Tav Oil LLC für 5 Quartale
Die langfristigen Verbindlichkeiten des Unternehmens machten am Ende des Berichtszeitraums 19 % aller Verbindlichkeiten aus. BEI Berichtszeitraum sie wurden durch langfristige Darlehen der Firmengründer repräsentiert. Die Kreditaufnahme stieg im Vergleich zum Jahresbeginn um 6 % (im Vergleich zum 2. Quartal 2012 hat sich dieser Wert nicht verändert).
Die Struktur der kurzfristigen Verbindlichkeiten des Unternehmens änderte sich im analysierten Zeitraum hin zu einem Anstieg des Anteils der kurzfristigen Kredite (Bankdarlehen) - von 21 % auf 42,4 % - und einem Rückgang des Anteils der Verbindlichkeiten aus Lieferungen und Leistungen - von 25 % auf 19,0 %. Gleichzeitig stieg die Höhe der kurzfristigen Kredite im Berichtszeitraum um 21,4 % und die Verbindlichkeiten aus Lieferungen und Leistungen um 5,6 %. Die kurzfristigen Finanzverbindlichkeiten zum 01.01.2013 wurden ausschließlich aus Darlehen der Bank International JSC gebildet.
Als nächstes wurde eine Analyse der Verbindlichkeiten des Unternehmens durchgeführt. Die Bewertung der Verbindlichkeiten wurde durchgeführt, um die Finanzierung der Aktivitäten durch aufgeschobene Zahlungen und deren Auswirkungen auf die Zahlungsfähigkeit des Kreditnehmers zu analysieren. Die Verbindlichkeiten aus Lieferungen und Leistungen blieben absolut unverändert, änderten sich jedoch in ihrer Struktur: Die Verbindlichkeiten gegenüber Lieferanten nahmen zu (38 % gegenüber 12 % zu Jahresbeginn), die Verbindlichkeiten gegenüber Käufern aus erhaltenen Anzahlungen gingen deutlich zurück (11 % gegenüber 64 % zu Jahresbeginn) stieg der Anteil der Personalverschuldung des Unternehmens (29 % gegenüber 6 % zu Jahresbeginn). Die Schulden sind kurzfristig, aktuell.
Tabelle 2.9 – Aufgliederung der Verbindlichkeiten von Tav Oil LLC zum 01.01.2013
Die Umschlagshäufigkeit der Kreditorenbuchhaltung ist hoch, die Umschlagsdauer beträgt 7 Tage (gegenüber 9 Tagen - im Jahr 2012). Die größten Gläubiger des Unternehmens sind Gazneftekhimpererabotka LLC - 45 % und Sovex CJSC - 13 % der Gesamtschulden. Die Anwesenheit eines Gläubigers, der mehr als 10 % der Schulden hält, ist als Risiko für die Bank zu beachten. Neben den Verbindlichkeiten muss auch die Beziehung zu den Lieferanten analysiert werden, dh die Bilanz für Konto 60. Tabelle 2.10. Berechnungsergebnisse werden präsentiert.
Tabelle 2.10 – Analyse der Beziehungen zu Lieferanten für das 4. Quartal. 2012 (in Tausend Rubel):
|
Gegenpartei |
Umsatz nach OSV 60.1 sch |
||
|
Hilfe-Öl |
|||
|
ABC-Kontinent |
|||
|
TriTon-Handel |
|||
|
TSB-Broker |
|||
|
Gaspetrochemische Verarbeitung |
|||
|
ForteInvest |
|||
|
Surgutex |
|||
Laut Bilanz für Konto 60 waren die Hauptlieferanten des Unternehmens im 4. Quartal 2012 Help-Oil LLC (41 % des Gesamtumsatzes), ABC-Continent (19 % des Gesamtumsatzes). Die Präsenz eines Lieferanten, dessen Anteil 10 % um das 4-fache übersteigt, birgt für die Bank ein gewisses Insolvenzrisiko.
Somit zeugen die Struktur und Dynamik des Kapitals der Gesellschaft im Berichtszeitraum von den folgenden charakteristischen Merkmalen ihrer Arbeit:
Das Unternehmen arbeitet hauptsächlich mit kurzfristigen Fremdmitteln, obwohl das Wachstum des Gewinns zum Wachstum seiner eigenen Finanzierungsquellen beiträgt und das Wachstum der langfristigen Investitionen der Gründer zum Gleichgewicht der gesamten Kapitalstruktur beiträgt;
die Platzierung von Mitteln erfolgt hauptsächlich in Forderungen, deren Umschlagshäufigkeit auf einem ziemlich hohen Niveau bleibt;
das Unternehmen in den Berechnungen als Nettogläubiger auftritt, kann dies in Zukunft zu einem Rückgang des Rentabilitätsniveaus führen, was durch eine Verlangsamung des Nettogewinnwachstums im 4. Quartal 2012 bestätigt wird.
Der letzte Schritt bei der Analyse von Jahresabschlüssen gemäß den "Anweisungen" ist die Analyse der wichtigsten Finanzkennzahlen. Basierend auf den erhaltenen Koeffizienten wurden sie im Rahmen einer allgemeinen Analyse der finanziellen Situation des Kreditnehmers untersucht. Es wurde eine Analyse der Dynamik der geschätzten Finanzindikatoren durchgeführt, wobei die Gründe für ihre Änderung, Trends in der Verschlechterung der Zahlungsfähigkeit und Finanzstabilität unter Berücksichtigung der Risiken der Bank bei der Kreditvergabe an dieses Unternehmen ermittelt wurden. Die erhaltenen Daten sind in Tabelle 2.11 dargestellt.
Tabelle 2.11 – Analyse der wichtigsten Finanzkennzahlen
|
Name des Koeffizienten |
Berechnung des Indikators |
Akzeptable Werte |
||||||
|
Nettovermögen, Tausend Rubel |
WB - langfristige und kurzfristige Kredite + Rechnungsabgrenzungsposten |
|||||||
|
Aktuelle Liquiditätsquote (Deckung) |
Umlaufvermögen / Kurzfristige Verbindlichkeiten |
|||||||
|
Verhältnis der finanziellen Unabhängigkeit |
Eigenkapital / Summe Verbindlichkeiten (WB) |
|||||||
|
Verhältnis von Eigen- und Fremdkapital |
Eigenkapital / Gesamtverbindlichkeiten |
|||||||
|
Lagerumschlag, Tage |
Bestandsmenge / tägliches Verkaufsvolumen |
|||||||
|
Debitorenumsatz, Tage |
Forderungsbetrag / Tagesumsatz |
|||||||
|
Kreditorenumsatz, Tage |
Betrag der Verbindlichkeiten / Tagesumsatz |
|||||||
|
Umsatzrendite (%) |
Verkaufserlös / Verkaufserlös |
|||||||
|
Operative Rentabilität (%) |
Nettogewinn für das letzte Berichtsquartal / Erlöse aus dem Verkauf von Waren, Produkten, Arbeiten, Dienstleistungen für das letzte Berichtsquartal |
|||||||
|
Liquiditätsdeckungsgrad, in Monaten |
Die Höhe der Kreditverpflichtungen zum aktuellen Datum + die angeforderte Höhe des Kreditprodukts / durchschnittlich monatlich. Einnahmen |
|||||||
|
Zinsdeckungsgrad |
Vierteljährlicher Gewinn aus Verkäufen für das letzte Berichtsquartal / (der Zinsbetrag für Kredite und Anleihen, der für das letzte Berichtsquartal gezahlt wurde + der durchschnittliche vierteljährliche Zinsbetrag für das betreffende Kreditprodukt). |
Die Liquidität der Gesellschaft ist im Berichtszeitraum durch die vollständige Deckung kurzfristiger Verbindlichkeiten sowohl mit kurzfristigen als auch mit hochliquiden Umlaufvermögen gekennzeichnet. Die aktuelle Liquiditätskennzahl hat sich im betrachteten Zeitraum nicht verändert und liegt deutlich über dem Normwert (mehr als 0,5).
Die finanzielle Unabhängigkeitsquote und das Verhältnis von Eigen- und Fremdmitteln liegen auf dem Niveau (und darüber) des Standardwerts (mehr als 0 bzw. mehr als 0,4).
Für 12 Monate des Jahres 2012 belief sich der Umsatz des Unternehmens (auf periodengerechter Basis) auf 844 Millionen Rubel. oder 38 % des Vorjahreszeitraums. Für das 4. Quartal 2012 erreichte der Quartalsumsatz seinen Maximalwert im Vergleich zu den Niveaus anderer Quartale, beginnend ab 01.10.2011. Im 4. Quartal stieg der Umsatz um 23 % im Vergleich zum Umsatzniveau des Vorjahreszeitraums.
Die Tätigkeit des Unternehmens ist profitabel, der Gewinn aus der Haupttätigkeit stieg um 47 % im Vergleich zum gleichen Zeitraum des Vorjahres. Dementsprechend stieg auch die Profitabilität des Umsatzes (der Anteil des Verkaufserlöses am Umsatz): von 0,7 % auf 0,8 im dritten Quartal, aber im vierten Quartal sank die Profitabilität auf 0,7 %.
Die Verbesserung der Umsatzrentabilität im dritten Quartal führte nicht zu einer Steigerung der Profitabilität des Gesamtgeschäfts. In den 9 Monaten des Jahres 2012 ging die Rentabilität der Unternehmenstätigkeit zurück und betrug 0,1 %, während sie im gleichen Zeitraum des Vorjahres 0,3 % betrug. Dies hatte folgende Gründe: Der an die Bank zu zahlende Zinsbetrag stieg um das Zweifache und...
Ähnliche Dokumente
Interpretation der Konzepte, Methoden und Modelle zur Beurteilung der Kreditwürdigkeit von Kreditnehmern. Fazit zur Möglichkeit der Kreditvergabe durch eine Bank am Beispiel der JSCB Stella-Bank. Beurteilung der Kreditwürdigkeit von Kreditinstituten. Berechnung von Liquiditäts- und Zahlungsfähigkeitsindikatoren.
Dissertation, hinzugefügt am 07.02.2015
Normativ-gesetzgeberische Regelung und wirtschaftliches Wesen der Kreditwürdigkeit von Kreditnehmern. Bonitätsprüfung auf Basis des Geschäftsrisikos. Berechnung der Beurteilung der Qualität von Kreditnehmern juristischer und natürlicher Personen. Verbesserung der Scoring-Bewertung.
Dissertation, hinzugefügt am 16.04.2011
Definition des Konzepts, Untersuchung der Ziele und Offenlegung der Aufgaben des Kredit-Scorings als Instrument zur Beurteilung der Kreditwürdigkeit von Einzelpersonen, ihrer Aussichten in Russland. Aufbau eines Scoring-Modells zur Beurteilung der Kreditwürdigkeit von Kunden am Beispiel der HKF Bank LLC.
Seminararbeit, hinzugefügt am 07.08.2013
Das Konzept der Bonitätsziele und Ziele der Bonitätsbeurteilung. Methoden zur Beurteilung der Kreditwürdigkeit des Kreditnehmers. Modelle zur Insolvenzdiagnose. Analyse und Möglichkeiten zur Verbesserung der Beurteilung der Kreditwürdigkeit des Kreditnehmerunternehmens am Beispiel von JSC "Pokrovsky Brot".
Seminararbeit, hinzugefügt am 14.06.2015
Das Wesen der Kreditwürdigkeit und ihre Bedeutung. Informationsbasis und Phasen der Kreditwürdigkeitsprüfung. Beurteilung der Kreditwürdigkeit potenzieller Kreditnehmer einer Geschäftsbank auf Basis von Finanzkennzahlen, Cashflows und Geschäftsrisikoindikatoren.
Test, hinzugefügt am 10.11.2015
Bonitätsbeurteilung auf Basis eines Kennzahlensystems. Unternehmensrisikoanalyse. Kreditindikatoren, die von ausländischen Geschäftsbanken verwendet werden. Analyse von Indikatoren zur Beurteilung der Finanzlage des Kreditnehmers der OJSC "Donkhlebbank".
Seminararbeit, hinzugefügt am 21.10.2011
Das Konzept und der Zweck des Prozesses zur Bestimmung der Kreditwürdigkeit eines Bankkreditnehmers, das Verfahren, die Kriterien und Methoden zu seiner Bewertung, allgemeine Vorgehensweisen für die Implementierung und Analyse. Aktivitätsmerkmale Nationalbank„Vertrauen“, Analyse der Kreditwürdigkeit juristischer Personen.
Seminararbeit, hinzugefügt am 25.01.2010
Methoden zur Beurteilung der Kreditwürdigkeit von juristischen und natürlichen Personen. Scoring (Punkte) Bewertung der Kreditwürdigkeit und des Underwritings. Organisation des Prozesses zur Beurteilung der Kreditwürdigkeit von Kreditnehmern - Einzelpersonen - durch die Sparkasse Russlands am Beispiel eines Hypothekendarlehens.
Diplomarbeit, hinzugefügt am 25.02.2015
Konzept, Wesen, Kriterien und Methoden zur Beurteilung der Kreditwürdigkeit von Unternehmenskreditnehmern. Das System der Gewährung von Bankdarlehen an juristische Personen. Analyse der Methodik zur Beurteilung der Kreditwürdigkeit juristischer Personen. Von der Bank genehmigte Kreditbedingungen.
Seminararbeit, hinzugefügt am 13.11.2013
Regulatorische Aspekte der Kreditwürdigkeitsprüfung in der Russischen Föderation. Vergleichende Bewertung von Methoden zur Beurteilung der Kreditwürdigkeit von Bankkreditnehmern. Organisation der Arbeiten zum Kreditrisikomanagement. Beurteilung der Kreditwürdigkeit einer juristischen Person. Methoden zur Risikominderung.
