Главная Коллекция "Revolution" Банковское, биржевое дело и страхование Разработка модели оценки кредитоспособности корпоративных заемщиков на основании нефинансовых критериев

Разработка модели оценки кредитоспособности корпоративных заемщиков на основании нефинансовых критериев

Основные подходы к анализу и оценке кредитных рисков. Методология анализа и интерпретации нефинансовых критериев для оценки кредитоспособности корпоративных заемщиков. Проверка модели оценки платежеспособности компании и разработка шкалы значений модели.

Рубрика Банковское, биржевое дело и страхование
Вид диссертация
Язык русский
Дата добавления 11.07.2016
Размер файла 625,1 K
рефераты на заказ со скидкой

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Страница:

Для проведения всех необходимых расчетов будет использована программа Microsoft Office Professional Plus Excel 2010 (версия 14.0.7145.5000), за исключением регрессионного анализа, который будет выполнен с помощью R, языка программирования для статистической обработки данных, в программе RStudio (версия 0.97.551).

2.2 Получение исходных данных модели и использование экспертной оценки

Как было указано выше, необходимым условием при формировании базы данных, которые лягут в основу разработки модели, является использование информации о таких компаниях, чья финансовая отчетность выполнена в соответствии с бухгалтерскими стандартами, что подтверждается аудиторским заключением компании, чье мнение является общепризнанным и независимым. Также компании в выборке должны различаться по своим характеристикам. На втором этапе разработки модели предполагается использование экспертной группы. Не менее важно, чтобы члены экспертной группы являлись опытными специалистами в финансовой области, и обладали достаточными знаниями как о корпоративном сегменте, так и о компаниях из выборки, поскольку это обеспечит высокое качество вопросов и более объективные ответы на сформулированные вопросы.

Для сбора необходимой информации и получения экспертной оценки автор принял участие в научно-исследовательской практике. Практика проходила в департаменте аудита организаций торгового и промышленного сектора ЗАО «Делойт и Туш СНГ» в период с 14 января по 25 марта 2015 года на должности старшего эксперта. Выбор компании Делойт и Туш был обоснован наличием большого пула клиентов из различных секторов экономики, а также общепризнанным высоким качеством оказываемых услуг, что позволит собрать достоверную информацию о компаниях и получить авторитетную экспертную оценку. Департамент аудита торговых и промышленных организаций был выбран в виду возможности доступа не только к финансовой, но организационной составляющей аудируемых компаний: структуре, корпоративной политике, системе контролей и т.д. Кроме того, важной деталью являлась возможность непосредственного контакта с управленческим аппаратом данных компаний для исследования нефинансовых критериев.

Компания Делойт и Туш СНГ является частью сети компаний-партнёрств Deloitte Touche Tohmatsu Limited (далее “DTTL”). На сегодняшний день DTTL является одним из лидеров на рынке профессиональных услуг: аудит, консалтинг, корпоративные финансы, управление рисками и налогообложение. DTTL является одной из компаний, входящих в так называемую «большую четверку» аудиторских компаний. По итогам 2013 года компания занимала лидирующее положение в мире по объему выручки - 34,2 миллиарда Долларов США. К сотрудникам всех компаний сети предъявляются высокие профессиональные требования: высшее образование в области профессиональной деятельности, знание иностранных языков, знание местных и международных стандартов, регулирующих профессиональную деятельность. В 2014 году сеть компаний насчитывала около 210,400 сотрудников во всем мире.

Компания Делойт и Туш СНГ была одной из первых ведущих аудиторских и консалтинговых компаний в постсоветском пространстве, открыв свое представительство в 1990 году. На сегодняшний день компания имеет 18 офисов в 11 странах СНГ (Россия, Украина, Беларусь, Грузия, Армения, Азербайджан, Казахстан, Киргизия, Узбекистан, Таджикистан и Туркменистан) с главным офисом в Москве и насчитывает около 2,500 сотрудников. Компания оказывает все заявленные на глобальном уровне услуги, однако наиболее широкая деятельность на территории СНГ представлена аудитом и налоговым консультированием.

Как на территории России, так и на территории СНГ компания входит в четверку лидеров аудиторских услуг, наряду с Ernst & Young, PricewaterhouseCoopers и KPMG. Ввиду специфики аудиторской деятельности - закреплённой законом и этическими нормами необходимости о смене аудитора по истечению 3-5 лет - рейтинг компаний регулярно перестраивается, крупные клиенты перемещаются между аудиторами, и влияют на размер выручки. Клиентами данных компаний, по сути, может быть любая организация, независимо от размера и сферы деятельности. Чаще всего клиентами выступают:

компании, обязательный аудит которых закреплен на законодательном уровне от 30.12.2008 N 307-ФЗ "Об аудиторской деятельности" (ОАО, ЗАО, компании, ценные бумаги которых допущены к торгам, кредитные организации и компании, выручка которых превышает 400 млн.руб.);

дочерние компании иностранных организаций, которые либо проверяются на групповом уровне локальными компаниями сети DTTL, либо желают независимую оценку деятельности российского подразделения;

компании, желающие привлечь крупные кредиты и займы.

В качестве отдела проведения практики был выбран департамент аудита. В компании Делойт и Туш СНГ департамент аудита представлен четырьмя сегментами по направлению деятельности аудируемых организаций: торговля и промышленность, ресурсы, телекоммуникации и финансы. Как было указано выше, для целей практики был выбран сегмент торговли и промышленности. Данный сегмент был выбран вследствие возможности работы с наиболее широким спектром организаций по виду деятельности, что позволит соблюдать репрезентативность исходных данных модели.

По результатам научно-исследовательской практики была собрана информация по 27 компаниям, однако позднее выборка была сокращена до 20 в виду несоответствия критерия отбора некоторых компаний, а также для поддержания равномерного распределения по группам риска банкротства. Таким образом, в выборку вошло по пять компаний с высоким, средним, низким и отсутствующим риском банкротства. Собранная информация представляет собой как количественные, так и качественные данные. Количественная информация представляет собой финансовые отчетности выбранных компаний, для которых Делойт и Туш выпустил аудиторское заключение без оговорки. Получение качественных данных осуществлялось в ходе анализа регламентной документации организаций (устава, учетной политики, внутренних регламентов) и интервью с представителями управленческого звена организаций.

Для соблюдения бизнес этики и соблюдая должностные инструкции сотрудника Делойт и Туш названия компаний, вошедших в выборку, представлены не будут. В приложениях к данной работе компании будут отображены под условным кодом с указанием экономической деятельности, которую они ведут. Также не будут раскрыты используемые бухгалтерские данные. В приложениях они будут представлены как рассчитанные коэффициенты z-модели Альтмана.

В состав экспертной группы войдут 12 членов. Все эксперты являются сотрудниками компании Делойт и Туш департамента аудита сегмента торговых и промышленных организаций. Эксперты были выбраны по принципу работы с компаниями, вошедшими в исследуемую выборку, на должности менеджера, старшего менеджера или директора. Работа на данной должности предполагает опыт работы в аудите не менее 5 лет и сдачу квалификационного экзамена ACCA или CPA. Работа в аудите предполагает глубокое понимание бизнеса клиента, в том числе его подверженности риску банкротства, поскольку, согласно международному стандарту бухгалтерского учета (IAS 1), компания обязана раскрывать в отчетности информацию о намерении продолжать деятельность в обозримом будущем, а также создавать необходимые резервы и оценочные обязательства в случае высокой вероятности расходов. Поскольку эта информация раскрывается в отчетности, аудитор обязан удостовериться в ее правильности. Таким образом, выбранная экспертная группа обладает достаточными знаниями как о характеристиках выбранных компаниях и об их подверженности риску банкротства.

Помимо разработки списка вопросов и содействия в заполнении вариантов ответов по выбранным компаниям, экспертной группе будет предложено оценить итоговую модель и выразить мнение о применимости данной модели с точки зрения способности прогнозировать банкротство компаний.

2.3 Характеристика компаний, использованных в качестве исходной базы для исследования

Ранее упоминалось, что изначально выборка состояла из 27 компаний. Компании, имеющие выручку менее 50 млн. рублей или являющиеся некоммерческими организациями из выборки были исключены. Состав выборки был скорректирован таким образом, чтобы на каждую группу из четырех уровней риска банкротства приходилось по пять компаний. Итоговый список компаний с присвоенным кодом и описанием деятельности, а также рассчитанным коэффициентов Z Альтмана можно увидеть в Приложении I. Несмотря на то, что название компаний не будет раскрываться, по компаниям выборки будет дан краткий обзор для понимания их особенностей и различий друг от друга. В описании, как и в дальнейшей модели, компаниям присвоен условный код.

Поскольку соблюдение репрезентативности было важным условием при формировании выборки, в выборке присутствуют как группы компаний, так и отдельные компании. Группы компаний брались в том случае, когда компании, входящие в группу идентичны как по роду деятельности, так и по финансовым показателям (например, группы компаний с региональной диверсификацией). Для групп компаний использовалась отчетность по стандартам МСФО. Отдельные компании, являющиеся частью групп компаний, брались в том случае, если компании, входящие в группу существенно различаются по роду деятельности и финансовым показателям (например, группы с вертикальной интеграцией или продуктовой диверсификацией). Для отдельных компаний была получена отчетность по стандартам РСБУ. Не смотря на различия между стандартами, в рамках нашего исследования оно не должно оказать существенное влияние. Получение отчетностей, подготовленных по одному стандарту невозможно, поскольку стандарт РСБУ не предусматривает подготовку консолидированных групповых отчетностей, в то время как отдельны компании, пользующиеся аудиторскими услугами в России, зачастую делают индивидуальную отчетность для предоставления в налоговые органы, потому она делается по стандартам РСБУ. Для всех компаний был выбран одинаковый год - 2013, поскольку на момент сбора данных большая часть отчетностей 2014 года еще не была выпущена. Использование одинакового года позволяет не делать поправку на различную экономическую и политическую ситуацию в сравниваемых периодах. Для компаний, чьей отчетной датой является не 31 декабря (допустимо в стандарте МСФО) брался тот отчетный период, чья большая часть приходилась на 2013 год.

Компании К1, К6, К8, К13 и К14 являются компаниями одной группы, основной деятельностью которой являются стивидорные услуги и транспортная обработка груза. В группу входят в общей сложности одиннадцать компаний, из которых шесть было исключено во избежание дублирования информации. Головное управление компании находится в России, организационно правовая собственность - открытое акционерное общество. Капитал компании сформирован акциями, которые торгуются на организованном рынке, а также за счет государственного участия. Компании К1 и К13 ведут схожую деятельность по транспортной обработке обычных грузов в разных регионах России, однако различаются по размеру и продолжительности деятельности - К1 работает менее 5 лет, имеет небольшие производственные мощности, и активно развивается, в то время как К13 работает более 10 лет, и имеет развитую инфраструктуру. К8 ведет транспортную обработку опасных грузов, поэтому отличается от остальных как по уровню конкуренции на своем рынке, так и по диверсификации покупателей. Особенность деятельности также оказывает влияние на барьерах вхождения в отрасль. К14 работает менее 5 лет, и предоставляет услуги по организации перевозок насыпных грузов, что также предъявляет повышенные требования в инфраструктуре, и повышает барьеры вхождения в отрасль. На данный момент компания является единственной на своем рынке, оказывающей услуги такого рода. К6 оказывает вспомогательные услуги водного транспорта, таким образом, предоставляет собственную инфраструктуру для деятельности остальных компаний группы, за счет чего ее деятельность кардинально отличается от остальных, и подвержена иным рискам. Таким образом, отобрано пять неоднородных компаний с отчетностями по стандартам РСБУ.

Компания К2 является группой компаний, оперирующих для осуществления одного вида деятельности - услуги терминала аэропорта.

Поскольку особенность деятельности предполагает одинаковый риск для всех компаний группы, группа не дробилась на компании, и была использована отчетность по стандартам МСФО. Компания существует более 10 лет, и имеет весьма характерные признаки, отличающие ее от других компаний в отрасли - как в плане конкуренции, структуры покупателей и конъюнктуры рынка, так и в плане барьеров вхождения в отрасль и капиталоемкости.

Компания К3 является представителем немецкой группы компаний в России. Ее отчетность подготовлена по стандартам РСБУ для целей локального учета. Компания специализируется на производстве молочной продукции на собственных мощностях на территории России. К3 работает менее 10 лет, и подвержена высокой конкуренции как среди российских, так и иностранных производителей.

Компания К4 представлена группой компаний с управлением в России. Группа специализируется на производстве и продаже подшипников, однако ввиду однородности продукции она будет рассматривать одна компания с отчетностью по стандартам МСФО. Специфика продукции позволяет компании обладать отличительными характеристиками по уровню конкуренции и зависимости покупателей от продукции компании. Кроме того, как и любая производственная компания, К4 обладает высокими барьерами входа в отрасль.

Компания К5 входит в группу итальянских компаний, представляя их в России. На территории России К5 производит и продает кондитерские изделия более пяти лет. Являясь компанией группы, подготавливает отчетность по стандартам МСФО, и отправляет ее в головную компанию. Отличается огромным размером клиентской базы, а также хорошей деловой репутацией, однако подвержена высокой конкуренции.

Компания К7 является небольшим представительством датской группы компаний производителей строительной техники по спецзаказу клиентов. Представительство оказывает услуги консультирования по использованию техники, таким образом, в отличие от предыдущих компаний, не имеет крупных внеоборотных активов, и не требует больших капиталовложений. В виду того, что компания оказывает вспомогательные услуги с точки зрения группы, она обладает специфическим клиентским портфелем - клиенты не могут отказаться от ее услуг, если пользуются техникой данного производителя.

Компании К9 и К12 являются дочерними компаниями итальянской группы компаний, занимающиеся производством и продажей продуктов питания. Компания К12 в частности производит продукцию на мощностях, полученных в аренду от К9, в связи с чем обе компании кардинально различаются по виду деятельности и структуре финансовой отчетности. Однако факт того, что К9 является компанией, обслуживающей К12, к ней применим аналогичный риск. Отчетности компаний подготовлены по стандартам РСБУ.

Компания К10 специализируется на предоставлении медицинских услуг взрослому населению. Компания работает более 10 лет, а специфика ее услуг позволяет сделать вывод о том, что она подвержена высокой текучке клиентов, и высоким барьерам вхождения в отрасль. Компания была включена в выборку, поскольку по роду деятельности существенно отличалась от других компаний в выборке.

Компания К11 является представителем французской группы компаний, и осуществляет деятельности по оптовой продаже бумаги, производимой группой. Таким образом, у компании существует всего один поставщик за пределами России, благодаря чему она практически не подвержена экономическим колебаниям внутри России. Компания ведет свою деятельность менее 5 лет, и не имеет существенных активов ввиду того, что не производит продаваемую продукцию.

Компания К15 представляет японскую группу компаний по производству домашней и автомобильной электроники. На территории России компания ведет представительскую деятельность, ограничивающуюся перепродажей закупленной у группы техники, а также рекламой и продвижением бренда. Отличается наличие одного поставщика и большого количества покупателей. Сильно подвержена конкуренции и опасности товаров-заменителей.

Компания К16 является дочерней компанией итальянского производителя одежды класса люкс. Особенности компании делают ее сильно подверженной инфляции и экономическим колебаниям, а также изменениям курсов валют. Эти факторы не только сказываются на изменении спроса, но и на изменении расходов компании, поскольку она вынуждена соответствовать своему уровню, и арендовать площади в престижных районах города.

Компания К17 является российской группой компаний, специализирующихся на девелопменте - приобретении зданий и земельных участков с целью их качественного улучшения, реконструкции, строительства объектов для последующей перепродажи. Группа создает отдельную дочернюю компанию под каждый развиваемый объект, в связи с чем индивидуальный анализ компаний не представляет интерес. Специфика бизнеса делает компанию зависимой от капитальных вложений и инфляционных колебаний, приводящих к падению спроса на недвижимость.

Компания К18 представлена российской группой из десяти компаний, специализирующихся на услугах прачечных-химчисток. Группа активно развивается за счет поглощение мелких конкурентов, поэтому, по сути, все компании группы ведут схожий бизнес, и представлены в выборке как группа. Стадия активного роста требует серьезных капиталовложений, что объясняет причины включения компании в выборку. Также компания имеет огромный клиентский портфель, представленный как юридическими, так и физическими лицами.

Компания К19 является частью финской группы компанией производителей бумаги и гофрированного картона. Имеет собственные производственные мощности. Поставки сырья осуществляются исключительно за счет материнской компании, однако подвержена высокой конкуренции на российском рынке. Несмотря на производственную деятельность, не требует больших капиталовложений, поскольку оперирует менее 10 лет на недавно построенном заводе.

Компания К20 является российской компанией по предоставлению услуг прачечных и химчисток, однако в отличие от К18 работает на одного заказчика. В связи с этим имеет как преимущество за счет плотного сотрудничества с этим заказчиком - работает на его мощностях, которые арендует по сниженной ставке, и разрабатывает с ним совместные инвестиционные проекты, так и недостатки - подвержена тем же рискам, что и заказчик, в случае его потери будет вынуждена прекратить работу.

Приведенное выше описание двадцати компаний, вошедших в выборку, позволяет сделать вывод о том, что все компании различаются по виду деятельности, характеристикам, продукции, индивидуальным особенностям и структуре владения, что означает, что выборка соответствует критерию репрезентативности.

Ключевые выводы.

В результате проведенной во второй главе рабаты было установлено, что разрабатываемая модель будет включаться в себя элементы статистического анализа и экспертных оценок. Разработка модели будет выполняться в пять этапов:

1. Формирование выборки и сбор данных - состоит из подготовки базы, включающей в себя 20 компаний, разделенных на четыре группы, по пять компаний на основании уровня риска банкротства, определенного с помощью Z-модели Альтмана;

2. Разработка нефинансовых факторов - подготовка списка вопросов, отвечающих за различные нефинансовые критерии компаний на основании экспертного мнения;

3. Выбор ключевых факторов модели - выбор ключевых факторов модели с помощью коэффициента d Сомерса и анализ наличия зависимости между выбранными факторами;

4. Определение веса факторов - нормализация значений факторов для получения сопоставимых данных и определение коэффициентов с помощью регрессионного анализа;

5. Расчет пороговых значений и проверка модели - расчет критических значений полученного ряда коэффициентов нефинансовой модели и анализ наличия зависимости между полученными значениями и значениями Z-модели Альтмана.

Исходные данные модели были получены в ходе научно-исследовательской практики в департаменте аудита компании Делойт и Туш СНГ, которая была выбрана ввиду того, что она позволяет собрать необходимые для исследования данные, соответствующие критериям репрезентативности, принадлежности к коммерческому сегменту, с высоким качеством финансовой отчетности, а также позволит непосредственно контактировать с представителями выбранных компаний. Кроме того, специалисты этой компании сформировали экспертную группу для разработки списка нефинансовых критериев.

Выбранные в ходе практики компании обладают значительным различием характеристик по виду деятельности, размеру, организационно-правовой форме, продолжительности деятельности, структуре собственников. В выборке нет компаний, которые бы дублировали друг друга по характеристикам, что позволяет сделать вывод о репрезентативности исходной базы.

Глава III. Разработка модели оценки кредитоспособности корпоративных заемщиков на основании нефинансовых критериев

Третья глава будет посвящена разработке и проверке финансовой модели. Первый этап разработки модели был выполнен в пункте 2.3. предыдущей главы. Второй этап, разработка нефинансовых факторов модели, будет выполнена в первой части третьей главы. Во второй части будут выполнены этапы три и четыре - выбор факторов модели и расчет коэффициентов выбранных факторов. В третьей части главы будет рассмотрен пятый этап разработки - проверка модели с точки зрения способности предсказывать банкротство компаний. Также будет представлена экспертная оценка применимости модели.

3.1 Разработка нефинансовых факторов модели

В целях разработки списка нефинансовых факторов экспертной группе было предложено сформировать список вопросов, который бы характеризовал подверженности компаний из выборки риску банкротства. Полученный список вопросов был обработан, вопросы сформулированы так, чтобы максимально избежать неоднозначной трактовки, вопросы со схожим смыслом были удалены. В результате обработки был получен список из двадцати вопросов. С помощью экспертного мнения для полученного списка вопросов была сформирована балльная шкала ответов, где высокая степень риска всегда соответствовала баллу 1, и со снижением риска балл увеличивался. Количество вариантов ответа варьировалось от двух до пяти в зависимости от вопроса. Короткое описание вопросов, присвоенный им код и балльную шкалу можно увидеть в Приложении III, список вопросов с подробным описанием приведен ниже:

В1 - Конъюнктура рынка.

Данный вопрос демонстрирует экономическую ситуацию рынка, на котором компания ведет свою деятельность. Она является совокупностью оценок спроса и предложения на данном рынке, рыночной активностью, уровнем цен, объемами продаж готовой продукции, средней заработной платой, динамикой производства. Чем лучше конъюнктура рынка, тем меньше компания подвержена риску банкротства.

В2 - Угроза со стороны товаров заменителей.

Вопрос В2 демонстрирует наличие товаров субститутов для продукции, производимой компанией. С точки зрения данного вопроса рассматривались не только аналогичные товары, производимые конкурентами, но и товары, чьи характеристики позволяли удовлетворить аналогичные потребности покупателей.

В3 - Проникновение импорта.

Риск проникновения импорта на рынок, в котором функционирует компания, всегда обусловлен риском снижения экономической активности компании. Чаще всего импортная продукция либо превосходит по качеству, либо по цене, иностранный производитель не начал инвестировать в выход на сформировавшийся рынок. Следовательно, проникновение импорта всегда приводит к росту конкуренции на рынке.

В4 - Привлекательность отрасли клиента/отрасли конечного потребителя.

Привлекательность отрасли рассматривается с той точки зрения, насколько банк был бы заинтересован в финансировании компании, оперирующей в данной отрасли. Это может быть, как быстрорастущий рынок, который в будущем будет приносить существенный доход, так спонсорская поддержка, позволяющая банку улучшить свою репутацию за счет финансирования компании. С точки зрения данного вопроса интересы банка рассматриваются как интересы инвестора.

В5 - Зависимость хозяйственной деятельности от экономического цикла.

Нестабильность экономической ситуации, как в России, так и в мире неизбежно приводит к росту риска банкротства тех компаний, которые в большей степени зависят от экономического цикла. Менее подвержены колебаниям те компании, от продукции которых потребителям отказаться сложнее (товары первой необходимости), в то время как товары роскоши наоборот подвержены существенному воздействию.

В6 - Этап развития отрасли.

Теория жизненных циклов организации Адизеса выделяет несколько этапов развития компании по аналогии с жизнью живого организма. Для целей разработки факторов нефинансовой модели было выбрано пять ключевых этапов - рождение (предпринимательский этап), ранний рост, поздний рост, зрелость (стабильность) и спад. Примечательно, что с точки зрения соответствия этапов роста уровню риска банкротства соотношение с этапами роста идет нелинейно. Наиболее высокий риск соответствует предпринимательскому этапу, поскольку этот этап всегда заведомо убыточен и шансы на выживание компании очень малы, и зависят от предпринимательского таланта одного человека или небольшой группы. Следующий по уровню риска идет этап спада - когда некогда крупная компания не успевает за рынком в силу консерватизма, и покидает его, либо рынок сокращается за счет изменения потребительских предпочтений. Этот этап меньше подвержен риску, чем предпринимательский, поскольку компания имеет достаточный собственный капитал и деловую репутацию, в связи с чем она имеет достаточно средств, чтобы переориентироваться, и вернуться на рынок с новым продуктом. Следующий по уровню риска этап - стабильность. Компания имеет устойчивое положение, однако подает признаки необходимости в капиталовложениях для того, чтобы избежать перехода в этап спада. Самый низкий риск характеризуют этапы роста, причем поздний рост более предпочтителен, чем ранний. Ранний рост является этапом, когда компания заявляет о себе на рынке, и имеет определенную клиентскую базу, однако еще требует серьезных капиталовложений, и рискует быть подавленной более опытными конкурентами. Поздний рост - компания имеет существенный вес на рынке, большую клиентскую базу, а рост и, как следствие, необходимость в капитале начинает снижаться.

В7 - Интенсивность конкуренции/Конкурентная среда отрасли клиента/отрасли конечного потребителя.

В отличие от фактора В2, данный вопрос рассматривает исключительно непосредственных конкурентов компании, то есть компании производящие не только товары-субституты, но и схожие по региональному присутствию, ценовому сегменту, деловой репутации. Таким образом, уровень конкуренции характеризуется большим количеством критериев для анализа компании.

В8 - Барьеры для доступа в отрасль.

Барьерами для вступления в отрасль являются потребность в существенных капиталовложениях или государственное регулирование отрасли. Также барьером является присутствие на рынке естественного монополиста. Высокие барьеры вхождения в отрасль являются признаком того, что риск банкротства практически отсутствует.

В9 - Доля рынка.

Доля рассматривается в масштабе такого рынка, в котором компания оперирует, и может составлять конкуренцию другим компаниям. Например, если анализировать долю московского метрополитена по отношению ко всем метрополитенам в мире, получится несущественный процент, однако он ничего не демонстрирует с точки зрения уровня риска банкротства. Московский метрополитен действует на рынке подземных пассажирских перевозок Москвы, на котором он является естественным монополистом. Эта информация является признаком того, что риск банкротства отсутствует.

В10 - Разветвленность маршрутной сети клиента.

Разветвленная маршрутная сеть клиента делает его менее зависимым это покупателей. Снижение деловой активности в одном регионе может быть компенсировано ростом активности в другом. Таким образом, компания может снизить риск банкротства, вызванного банкротством покупателей.

В11 - Продолжительность деятельности компании.

Данный вопрос позволяет проанализировать устойчивость компании, поскольку чем больше компания присутствует на рынке, тем больше шанс, что ее менеджмент обладает достаточными навыками для избегания кризисных ситуаций. Это фактор имеет значительное преимущество - он не требует субъективной оценки, и позволяет дать однозначный ответ.

В12 - Чувствительность к изменениям валютных курсов.

Влияние валютного курса на деятельность компании стало особенно сильно проявляться в компаниях в 2014 году, когда существенный рост курса иностранных валют по отношению к рублю продолжался в течение всего года и достиг пиковых значений в четвертом квартале. Этот фактор также может быть однозначно измерен за счет анализа валютных активов и обязательств компании, однако стоит также обратить внимание на то, что даже при отсутствие валютных балансов, компания может быть подвержена валютному риску за счет изменения конъюнктуры рынка, вызванной ростом валют.

В13 - Чувствительность к инфляции.

Подверженность компании к инфляции выражается в росте цен на готовую продукцию, что неизбежно ведет к падению спроса. С другой стороны, рост цен чаще всего является следствие удорожания закупаемых для производства материалов. В большей степени инфляции подвержены компании, производящие предметы роскоши.

В14 - Диверсификация поставщиков/подрядчиков.

Низкая диверсификация поставщиков делает компанию зависимой от них, следственно подверженной аналогичным рискам, что и поставщики. В случаях с компаниями, являющимися представителями групп с головной компанией за рубежом, этот риск также имеет место, поскольку компания полностью зависит от поставок группы, следственно, если группа по каким-либо причинам решит прекратить деятельность на территории России, компания не будет иметь иного выхода, кроме как объявить о своем банкротстве.

В15 - Диверсификация покупателей основной продукции.

Наряду с диверсификацией поставщиков, диверсификация покупателей позволяет снизить риск, если уход одного покупателя может быть компенсирован за счет других покупателей. При этом даже компании с высокой диверсификацией могут быть подвержены риску, в случае если среди покупателей существует несколько крупных и много мелких. Уход одного крупного покупателя не может быть в короткое время компенсирован мелкими покупателями. Наиболее низкий риск у тех компаний, чьи клиенты многочисленны и отличаются несущественно по объему закупаемой продукции.

В16 - Потребности в капитальных вложениях.

Высокая потребность в капитальных вложениях применима для тех компаний, которые находятся в фазе активного роста или, напротив, спада. Растущие компании зачастую наращивают мощности за счет строительства производственных объектов, разветвление региональной сети или поглощения других компаний. Компании в фазе спада требуют капиталовложений для обновления имеющихся активов. Потребность во вложениях приводит к сокращению оборотных активов за счет наращивания внеоборотных, и снижает ликвидность компании.

В17 - Возможности привлечения дополнительного финансирования.

Возможности привлечения дополнительного финансирования выше у компаний группы, поскольку группа может перераспределить капитал таким образом, чтобы избежать банкротства одной из своих компаний. Широкие возможности привлечения капитала позволяют компании с большей уверенностью подтвердить способность погасить задолженность перед банком.

В18 - Репутация компании.

Деловая репутация компании рассматривает и с позиции поставщиков, и с позиции покупателей, и с позиции рынка, на котором компания функционирует. Хорошая репутация является признаком того, что компания с легкостью может привлекать как выгодных партнеров, так и ответственных лояльных сотрудников.

В19 - Степень участия собственников.

Участие собственников капитала в деятельности компании является признаком более ответственного подхода к управлению компанией, а значит и более ответственному отношению к полученному компанией финансированию.

В20 - Структура капитала.

Структура капитала определяется степенью регулирования использования капитала внутри компании. Наиболее рискованной областью являются компании с отсутствием единоличного контроля, поскольку, чем больше собственников, тем меньше индивидуальная ответственность каждого из них за компанию. Наличие стратегического инвестора предполагает меньший риск, поскольку существует лицо, заинтересованное в деятельности компании и ее финансовых результатах. Обращение на организованном рынке является следующей ступенью, поскольку в силу вступают формальные требования, защищающие миноритарных инвесторов и ограничивающие компанию по использованию капитала. В конце концов, государственные компании обладают минимальным риском, поскольку основной инвестор таких компаний, государство, не подвержено высокому риску банкротства и может выступать гарантом компаний, в которых оно имеет долю. Данный список вопросов был применен к компаниям, вошедших в выборку, и на его основе была заполнена таблица результатов.

3.2 Анализ исходных данных модели оценки нефинансовых критериев

Полученная таблица данных может быть проанализирована с помощью, выбранной в Главе II методологии разработки модели. Прежде всего, необходимо выбрать факторы, которые будут включены в итоговую модель. Для каждого из факторов был выполнен расчет коэффициента d Сомерса. Как было указано в пункте 2.1., пороговым значением для выбора фактора является значение коэффициента d на уровне не ниже 20%. В результате проведенного анализа данному критерию соответствовало четыре фактора: В7 - интенсивность конкуренции (d=35%), В10 - разветвленность маршрутной сети (d=21%), В17 - возможности привлечения дополнительного финансирования (d=41%), В20 - структура капитала (d=26%).

Для выбранных факторов была рассчитана корреляция между рядами данных для проверки наличия взаимосвязи и потенциального дублирования информации (см. Приложение IV). Полученные значения представлены в Таблице 2.

Таблица 2. Корреляция выбранных коэффициентов

B7-B10

8%

B7-B17

0%

B7-B20

31%

B17-B20

49%

B10-B17

37%

B10-B20

61%

Пороговым значение для исключения из модели было 70%, однако максимальное значение было достигнуто для факторов В10 и В20. Анализ сути факторов и экономических предпосылок, лежащих в их основе, позволил сделать вывод о том, что данная корреляция не является признаком дублирования информации, поскольку разветвленность маршрутной сети не связана со структурой капитала.

Поскольку выбранные факторы существенно различаются по характеристикам и полученным значениям, для целей дальнейшего исследования необходимо привести их в сопоставимый вид. Для этого была применена формула, представленная в пункте 2.1 главы II, трансформирующая значения факторов таким образом, что среднее значение ряда данных равняется 0, а стандартное отклонение - 50 (см. Приложение VI). Аналогичная методика была применена для коэффициента Z, переведенного в четырех балльную шкалу (1 - высокий уровень риска банкротства, 4 - риск банкротства отсутствует), с целью его трансформации в сопоставимый с остальными данными вид. Трансформированные оценки представлены в Таблице 3.

Таблица 3. Трансформированные оценки модели

Z

B7

B10

B17

B20

1

(65.38)

1

(68.92)

1

(67.08)

1

(137.00)

1

(58.94)

2

(21.79)

2

-

2

(11.18)

2

(58.72)

2

(16.84)

3

21.79

3

68.92

3

44.72

3

19.57

3

25.26

4

65.38

4

97.86

4

67.36

Полученные трансформированные оценки могут быть сравнены между собой в рамках регрессионного анализа. Они были перенесены в формат базы данных, и проанализированы с помощью порядковой логистической регрессии в программе RStudio (см. Приложение VII). В результате регрессионного анализа были получены следующие коэффициенты факторов:

Таблица 4. Коэффициенты логистической регрессии

B7

0.4144731

B10

0.1698525

B17

0.4101029

B20

(0.1597015)

Полученные коэффициенты были использованы в качестве весов факторов в итоговой модели. Любопытно, что фактор В20 получил отрицательный коэффициент, следовательно, чем меньше уровень контроля над капиталом, тем ниже подверженность риску. Итоговая модель имеет следующий вид:

(3.1)

где NFC - non-financial coefficient, коэффициент нефинансовой модели.

Коэффициенты были включены в таблицу, и был рассчитан итоговый коэффициент нефинансовых факторов для каждой компании выборки. Полученные результаты отражены в Приложении VIII. На данном этапе разработка модели считается оконченной.

3.2 Проверка модели оценки платежеспособности компании и разработка шкалы значений модели

Проверка способности модели предсказывать банкротство компаний является этапом, на основании которого можно будет сделать вывод об успешности модели. Как указано в пункте 2.1. Главы II критериями определения успешности будут выступать процент совпадений полученных результатов с коэффициентами Z, наличие существенного уровня корреляции и коэффициента d Сомерса.

Прежде всего, необходимо рассчитать критические значения коэффициентов нефинансовой модели для интерпретации полученных результатов с точки зрения уровня риска банкротства. Для этого полученные значения модели были распределены в порядке возрастания, и разделены на четыре равные группы, где группе с самыми низкими коэффициентами был присвоен высокий уровень банкротства, а группе с самыми высокими - отсутствие банкротства (см. Приложение IX). Пороговые значения были определены на стыке групп, при этом некоторые значения не позволяли разделить выборку равномерно, поскольку соответствовали нескольким компаниям (например, 1.93 или 2.25), поэтому в группе среднего уровня риска получилось 6 компаний, а в группе высокого - 4. Поскольку модель может принимать дискретные значения в зависимости от оценок, присвоенных факторам, минимальным значением модели является произведение каждого коэффициента и минимальный балл соответствующего фактора, а максимальным значением - произведение коэффициентов и максимальных значения фактора. Таким образом, минимальный и максимальный риск банкротства модели нефинансовых факторов рассчитывается как:

Минимальное значение коэффициента модели;

(3.2)

Максимальное значение коэффициента модели.

(3.3)

Таким образом, была получена следующая шкала пороговых значений модели нефинансовых критериев:

Таблица 5. Пороговые значения коэффициентов модели

Минимальный риск модели

0.83

Порог высокого риска

1.60

Порог среднего риска

2.00

Порог низкого риска

2.25

Максимальный риск модели

2.75

Пороговые значения позволили сравнить результаты, полученные по коэффициентам нефинансовых критериев и результаты по Z-модели Альтмана (см. Приложение VIII). Процент совпадений групп риска составил 55%, однако необходимо заметить, что определение в группы является весьма условным и уровень риска в смежной группе средний-низкий можно считать идентичным. При этом условии процент совпадений увеличивается до 65. Попарный анализ коэффициентов Z и коэффициентов нефинансовой модели с помощью коэффициента d Сомерса показал высокую взаимосвязь, равную 44%. Корреляция негруппированных значений модели составила 48%. Таким образом, модель можно считать успешной.

Для экспертной оценки применимости разработанной модели был проведен опрос экспертной группы. Модель вызвала интерес в виду нестандартности вошедших в нее факторов, в особенности фактора разветвленности маршрутной сети компании. По мнению экспертов, модель позволит покрыть неанализируемые за счет финансовой отчетности критерии платежеспособности компаний. Однако в целях повышения предсказательной способности эксперты предложили использовать модель совместно с моделью оценки риска банкротства, основанного на финансовой отчетности (например, совместно с Z-моделью Альтмана).

Ключевые выводы.

В заключительной главе данной работы были выбраны двадцать нефинансовых факторов, потенциально способных предсказывать банкротство компаний. В пункте 3.1. главы дано подробное описание данных факторов, а короткий список представлен в Приложении III. На основании проведенного статистического исследования значений факторов по отношению к значениям Z-модели Альтмана был рассчитан коэффициент d Сомерса. Наиболее высокие значения данного коэффициента были зафиксированы у факторов В7 - интенсивность конкуренции, В10 - разветвленность маршрутной сети, В17 - возможности привлечения дополнительного финансирования, В20 - структура капитала. Данные факторы были проанализированы на применимость в рамках одной модели, и включены в итоговую модель. С помощью регрессионного анализа для каждого из факторов был рассчитан коэффициент, с которым он включается в модель. Отобранным в ходе исследования факторам В7, В10, В17 и В20 были присвоены соответственно коэффициенты 0,41, 0,17, 0.41 и -0,16.

На основе полученных коэффициентов по выборке компаний были сформированы пороговые значения модели: если коэффициент составляет менее 1,6, риск банкротства высокий; если от 1,6 до 2 - средний, от 2 до 2.25 - низкий, более 2.25 - риск банкротства отсутствует. Данная классификация позволила выполнить сравнение коэффициентов модели и коэффициентов Z Альтмана. Процент совпадений результатов составил 55%, коэффициент d Сомерса - 44%. Корреляция между несгруппированными значениями коэффициентов нефинансовой модели и Z-Альтмана составил 48%. Наличие высокой уровни взаимосвязи свидетельствует об успешности модели.

Экспертная оценка модели показала, что ее использование поможет проанализировать такие области компаний, которые невозможно проанализировать с помощью финансовой отчетности. Мнение относительно применимости модели положительное, однако группа экспертов порекомендовала использовать данную модель совместно с финансовой моделью анализа кредитоспособности для получения более точного результата.

Заключение

В заключение к данной магистерской диссертации будут кратко описаны основные результаты и выводы, полученные в ходе проведенного исследования.

Изучение теоретических предпосылок к разработке моделей оценки кредитоспособности корпоративных заемщиков позволило определить, что для поддержания конкурентоспособного уровня и минимизации рисков убытка кредитные организации прибегают к разработке моделей оценки кредитоспособности заемщиков. На основе таких моделей банк не только принимает решение о выдаче кредита или отказе в нем, но и определяет кредитный продукт для анализируемого заемщика.

Существует пять классических типов моделей анализа данных: эконометрические, нейронные, оптимизационные, экспертные и гибридные. Они позволяют проводить анализ кредитоспособности за счет различных методов, в связи с чем типы моделей характеризуются различными ограничениями и допущениями. Однако они направленны на работы с количественными данными, в то время как нефинансовые данные являются качественными.

Таким образом, для включения нефинансовых критериев в модель требуется их интерпретация в виде количественных значений. Для трансформации качественных показателей в виде количественных значений используются несколько подходов к их измерению: декомпозиция (подход Ферми), использование аналогичных существующих методов (бенчмаркинг), использование номинальных и порядковых шкал.

За основу разработанной в рамках данной работы модели оценки кредитоспособности заемщиков с помощью нефинансовых критериев была взята экспертная модель с элементами эконометрического анализа. Были сформированы пять этапов разработки модели: формирование выборки и сбор данных, разработка нефинансовых факторов, выбор ключевых факторов модели, определение веса факторов, расчет пороговых значений и проверка модели.

Сбор и информации для поучения исходных данных модели был осуществлен в ходе научно-исследовательской практики. При формировании выборки уделялось особое внимание репрезентативности данных, принадлежности к сегменту корпоративных заемщиков и наличию качественной финансовой отчетности. Итоговая выборка состояла из четырех групп, характеризующихся различным уровнем риска банкротства.

С помощью экспертной группы был разработан список вопросов, позволяющих оценить кредитоспособность компаний. Данные вопросы были применены к выборке компаний, а полученные данные были проанализированы с точки зрения проверки наличия взаимосвязи между фактором и уровнем риска банкротства. Четыре фактора, демонстрировавшие наиболее высокую взаимосвязь, были включены в итоговую модель: интенсивность конкуренции, разветвленность маршрутной сети, возможности привлечения дополнительного финансирования, структура капитала.

Для определения удельного веса каждого фактора, оценки факторов были трансформированы в сопоставимые величины, и проанализированы с помощью регрессионного анализа. В результате анализа были получены коэффициенты факторов, с которыми они включаются в итоговую модель.

Для проверки предсказательной способности модели для компаний выборки был рассчитан коэффициент нефинансовой модели, и сравнен с коэффициентом кредитоспособности на основе финансовых значений. Был выявлен высокий уровень взаимосвязи, что является критерии успешности модели.

Экспертной группе было предложено оценить модель с точки зрения потенциала дальнейшего применения, и были получены положительные отзывы. Модель позволяет охватить такие характеристики организации, которые не анализируются с помощью финансовых данных, однако была получена рекомендация к использованию модели совместно с моделью финансовых критериев оценки кредитоспособности заемщиков.

Определенные в начале работы задачи выполнены, следовательно, цель работы достигнута. В результате выполненной работы получена модель оценки кредитоспособности корпоративных заемщиков на основе нефинансовых критериев.

Список использованной литературы

1. Лобанов А.А., Чугунова А.В. Энцоклопедия финансового риск-менеджмента - М: Альпина Паблишер, 2003.

2. Щербакова, Г.Н. Анализ и оценка банковской деятельности / Г.Н. Щербакова. - М.: Вершина, 2010.

3. Allen S. Financial risk management: A practicioner's guide to managing market and credit risk. - Hoboken, N.J.: John Wiley & Sons, Inc., 2003

4. Blaikie, N. Analyzing Quantitative Data: From Description to Explanation. - SAGE Publications, 2003.

5. Caouette J.B., Altman E.I., Narayanan P. Managing Credit Risk: The Next Great Financial Challenge. - John Wiley & Sons, 1998.

6. Jorion P., Khoury S.J. Financial risk management: Domestic and international dimensions. - Basil Blackwell, Ltd., 1995

7. Hubbard, D.W. How to measure anything : finding the value of “intangibles” in business. - 2nd ed. - Hoboken, N.J.: John Wiley & Sons, Inc., 2010.

8. Сараев В. Когда данные стали большими. // «Эксперт» - 13.05.2013. - №19.

9. Введение в управление кредитными рисками/Пер. с англ. - Pricewaterhouse, 1994.

10. Core principles for effective banking supervision. Basle Committee on Banking Supervision, 1997, April.

11. ISDA credit derivatives definitions 1999. International Swap and Derivatives Association, 1999, July.

Приложение I

Исходные данные модели и расчет коэффициента Z Альтмана

Z-модель Альтмана

Код

Экономическая деятельность

X1

X2

X3

X4

X5

Z

Риск банкротства

K1

Транспортная обработка груза

0.11

0.27

0.24

0.36

0.30

1.82

Средний

K2

Деятельность терминалов аэропортов

0.15

0.47

0.16

1.39

0.54

2.72

Средний

K3

Производство молочной продукции

0.01

(0.03)

0.01

1.10

1.84

2.49

Средний

K4

Производство подшипников

0.42

0.42

0.24

0.78

0.62

2.97

Низкий

K5

Производство кондитерских изделий

0.31

0.15

0.19

0.47

1.27

2.76

Средний

K6

Вспомогательная деятельность водного транспорта

0.77

0.95

0.18

6.22

0.92

7.52

Отсутствует

K7

Консультирование по вопросам коммерческой деятельности и управления

0.93

0.39

0.06

0.64

0.66

2.89

Низкий

K8

Транспортная обработка груза

0.28

0.81

0.45

8.63

0.66

8.82

Отсутствует

K9

Сдача в аренду имущества

0.15

(0.07)

0.02

10.93

0.12

6.81

Отсутствует

K10

Предоставлении медицинских услуг населению

0.11

0.89

0.07

8.02

0.50

6.92

Отсутствует

K11

Оптовая торговля бумагой и картоном

0.78

0.17

0.03

0.54

1.19

2.78

Низкий

K12

Неспециализированная оптовая торговля пищевыми продуктами

0.51

0.14

0.08

0.34

1.66

2.93

Низкий

K13

Транспортная обработка груза и хранение

0.07

0.32

0.02

0.43

0.10

0.95

Высокий

K14

Организация перевозок грузов

0.43

0.85

0.65

6.74

0.97

8.88

Отсутствует

K15

Оптовая торговля электротехникой

0.97

0.14

(0.07)

0.16

1.66

2.88

Низкий

K16

Розничная торговля одеждой

0.38

(0.37)

(0.26)

0.49

0.85

0.23

Высокий

K17

Девелопмент

0.58

(0.02)

(0.07)

0.94

0.02

1.04

Высокий

K18

Прачечная-химчистка

0.33

(0.44)

(0.05)

1.39

0.59

1.03

Высокий

K19

Производство гофрированного картона

0.37

0.31

0.09

0.89

1.02

2.73

Средний

K20

Прачечная-химчистка

0.42

0.03

0.01

0.03

0.13

0.70

Высокий

Приложение II

Таблица нефинансовых критериев для компаний выборки

Код

Риск банкротства

B1

B2

B3

B4

B5

B6

B7

B8

B9

B10

B11

B12

B13

B14

B15

B16

B17

B18

B19

B20

K1

Средний

1

1

4

2

1

4

2

4

3

3

2

1

1

4

2

1

3

2

4

4

K2

Средний

3

3

4

1

2

3

2

4

3

3

4

2

2

3

3

1

4

2

3

4

K3

Средний

1

1

1

2

2

3

1

3

2

3

3

1

2

5

5

2

3

3

4

2

K4

Низкий

3

3

3

3

2

5

3

4

4

3

4

3

2

2

4

1

3

3

3

3

K5

Средний

2

1

1

2

2

5

2

3

3

3

3

1

2

5

5

2

3

3

4

2

K6

Отсутствует

3

3

4

1

3

3

3

4

3

2

4

2

1

5

1

1

3

3

4

4

K7

Низкий

2

2

2

1

2

4

2

2

2

3

2

1

2

5

2

2

3

2

4

2

K8

Отсутствует

3

3

4

3

1

4

2

4

3

3

3

1

1

3

3

1

3

...

Страница:


Подобные документы

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.

© 2000 — 2023, ООО «Олбест» Все права защищены