VII Международная студенческая научная конференция Студенческий научный форум - 2015

В условиях глобальной турбулентности экономики оценка кредитоспособности потенциального заемщика является одним из краеугольных моментов, определяющим не только эффективность (прибыль) коммерческого банка, но и саму возможность существования организации на рынке банковских продуктов. Кредит – один из самых рискованных видов деятельности коммерческого банка. При осуществлении кредитных операций всегда существует вероятность того, что заемщик не будет иметь возможность, желания или стечения ряда обстоятельств, препятствующих погашению долга и ставящих под угрозу полноценное движение денежных активов и худшим образом отражающимся на ликвидности банка и его финансовой устойчивости в целом. Поэтому, всесторонний анализ и оценка кредитоспособности заемщика приобретает особую актуальность, особенно в условиях крайней нестабильности экономики и сильной волатильности валютного рынка. [1]

В этой связи Центральным Банком Российской Федерации сформулирован ряд требований, оформленных положениями от 26.03.2001 № 254-П «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности», от 20.03.2006 № 28-П «О порядке формирования кредитными организациями резервов на возможные потери», 07.08.2009 № 342-П «Об обязательных резервах кредитных организаций».

Согласно п. 3.2 Положения № 254-П финансовое положение заемщика оценивается посредством применения методики, утвержденной внутренними документами коммерческого банка. Перечень показателей для анализа финансового состояния предприятия, порядок их расчета определяются кредитной организацией также самостоятельно применительно к отрасли и сфере деятельности анализируемого предприятия. Методика оценки кредитоспособности заемщиков, применяемая Сбербанком России, предлагает к оценке следующие группы оценочных показателей: коэффициенты ликвидности, коэффициент наличия собственных средств, показатели оборачиваемости и рентабельности. [2]

В качестве основных оценочных показателей применяются коэффициенты: абсолютной ликвидности (К1), промежуточного покрытия (К2), текущей ликвидности (К3), соотношения собственных и заемных средств (К4) и рентабельности продаж (К5), рентабельности деятельности предприятия (К6). Полученные расчетные значения указанных коэффициентов определяют соответствующую категорию заемщика и его класс кредитоспособности:

При оценке кредитоспособности потенциального заемщика широкое применение находят математико-статистические методы, позволяющие осуществить оценку финансового состояния предприятия-заемщика и, при необходимости, своевременно внести корректирующие управляющие воздействия с целью повышения эффективности деятельности предприятия и минимизации возникающего риска непогашения кредита. На основании проведенного анализа может быть разработан комплекс стабилизационных мероприятий, направленный на снижение уровня кредитного риска. [3]

Существует ряд пакетов специализированных программ статистического анализа и прогнозирования, как отечественных – VSTAT, Олимп:СтатЭксперт, STADIA, так и зарубежных - STATGRAPHICS, STATISTICA, SPSS и общематематические пакеты - Mathcad, Mathlab, Maple, имеющие встроенные функции статистического анализа. Широкое распространение также получил пакет MS EXCEL, как универсальное и доступное программное средство, входящий в стандартные офисные программы и имеющий многофункциональный и удобный для пользователя интерфейс. [4]

Согласно проведенным исследованиям, для ряда сельскохозяйственных предприятий Смоленской области были построены регрессионные модели зависимости кредитоспособности предприятий от ряда финансовых коэффициентов. [5]

Осуществив корреляционно-регрессионный анализ зависимости кредитоспособности 25 сельскохозяйственных предприятий Смоленской области в целом и предприятий, сгруппированных по природно-хозяйственным зонам, получены уравнения регрессии, представленные в таблице 1. [6]

При выполнении расчетов использовалась MS Excel.

Таблица 1.

Регрессионные уравнения зависимости кредитоспособности предприятий от финансовых коэффициентов

Наименование объекта анализа	Уравнение множественной регрессии
Смоленская область	Z = 57,3050 + 0,1635*К1 - 0,0007*К2 + 0,0795*К3 + 5,4347*К4+ 0,0101*К5 - 0,0056*К6
Северо-восточная зона	Z = 58,0123 + 0,5069*К1 + 9,9716*К4 + 0,0687*К5 - 0,1451*К6
Северо-западная зона	Z = 63,9160 + 15,4439*К4 + 0,0714*К5 + 0,0195*К6
Центральная зона	Z = 56,7973 + 23,3084*К4 + 0,0516*К5 + 0,0449*К6
Южная зона	Z = 57,8589 + 3,3974*К4 - 0,0059*К5 + 0,1232*К6

Качество регрессионной модели оценки кредитоспособности сельскохозяйственных предприятий по Смоленской области по результатам анализа за 2013 год можно проанализировать, используя следующие данные корреляционно-регрессионного анализа (таблица 2). [7]

Таблица 2.

Показатели качества модели оценки кредитоспособности предприятий

Множественный R	0,6010
R-квадрат	0,3612
Нормированный R-квадрат	0,3312
Стандартная ошибка	19,6051
Наблюдения	135
Критерий Фишера F	12,0602
Табличное значение критерия Фишера	2,1702

Множественный коэффициент корреляции составил 0,6010, что указывает на среднюю тесноту связи между уровнем кредитоспособности и включенными в модель факторами. Коэффициент детерминации R² составил 0,3612. Это означает, что построенное уравнение регрессии только на 36,12% отражает зависимость кредитоспособности Z от факторов К1-К6, т.е. результативный показатель на 36,12% зависит от этих факторов, следовательно, качество модели ниже среднего. Оставшиеся 63,88% приходятся на долю случайных и не учтенных в модели факторов. Расчетное значение критерия Фишера F (0,05;6;128) составило 12,0602 превышает табличное значение, равное 2,1702, что свидетельствует о признании уравнения регрессии статистически значимым, а не результатом случайного отбора наблюдений, и целесообразности его использования для анализа и прогнозирования уровня кредитоспособности предприятий. В результате оценки статистической значимости факторных признаков с использованием t-статистики Стьюдента были получены следующие модели регрессионной зависимости уровня кредитоспособности предприятий (таблица 3). [8]

Таблица 3.

Регрессии зависимости уровня кредитоспособности от статистически значимых факторов

Объект исследова-ния	Уравнение регрессии	R	R2	F-крит. Фишера	F-табл
Смоленская область	Z = 57,1845 + 0,0953*К3 + 5,4099*К4	0,3575	0,3611	36,7307	3,064
Северо-восточная зона	Z = 56,9248 + 0,4882*К1 + 9,6621*К4 - 0,1273* К6	0,6053	0,6122	14,8220	2,934
Северо-западная зона	Z = 63,2254 + 14,6900*К4	0,6849	0,7071	39,1288	4,413
Централь-ная зона	Z = 56,3173 + 23,1002*К4	0,5028	0,5160	44,5004	4,061
Южная зона	Z = 57,6283 + 3,3537*К4	0,2406	0,2605	10,7716	4,130

В результате проведенных исследований был построен комплекс регрессионных моделей оценки кредитоспособности сельскохозяйственных предприятий с учетом отраслевых особенностей в соответствии с требованиями Сбербанка. [9] Полученные модели позволяют кредитным аналитикам банка осуществлять анализ финансового состояния сельскохозяйственных организаций, находящихся в благоприятных или стабильных условиях хозяйствования, что дает возможность оценить их кредитоспособность. [10] Предлагаемые модели могут применяться не только для оценки кредитоспособности заемщика, но и для первичной оценки финансового положения сельскохозяйственных организаций. [11]

Библиографический список:

1. Орлова И.В., Турундаевский В.Б. Краткосрочное прогнозирование ипотечного кредитования // Экономика, статистика и информатика. Вестник УМО.- № 6, 2013.- с. 175-177.

2. Методика расчета показателей финансового состояния сельскохозяйственных товаропроизводителей, утвержденная постановлением Правительства Российской Федерации от 30.01.2003 № 52.

3. Гусарова О.М. Моделирование результатов бизнеса в менеджменте организации // Перспективы развития науки и образования. – Тамбов: Бизнес-Наука-Общество, 2014. - с. 42-43.

4. Гусарова О.М. Компьютерные технологии моделирования социально-экономических процессов. В сборнике: Экономический рост и конкурентоспособность России: тенденции, проблемы и стратегические приоритеты сборник научных статей по материалам Международной научно-практической конференции. – М.: ЮНИТИ-ДАНА, 2012. - с. 102-104.

5. Орлова И.В., Турундаевский В.Б. Некоторые особенности, возникающие при изучении нелинейной регрессии с использованием Еxcel и других программ.// Экономика, статистика и информатика. Вестник УМО.- № 1, 2014.-с. 158-161.

6. Гусарова О.М. Методы и модели прогнозирования деятельности корпоративных систем // Теоретические и прикладные вопросы образования и науки. - Тамбов: Юком, 2014. - с. 42-43.

7. Гусарова О.М. Исследование качества краткосрочных моделей прогнозирования финансово-экономических показателей (на примере кредитных организаций). Диссертация на соискание ученой степени кандидата экономических наук. – М.: 1999.

8. Гусарова О.М., Журавлева М.А. Анализ и совершенствование деятельности акционерных обществ (на примере «Смоленскоблгаз») // Современные наукоемкие технологии. – № 7-1, 2014. – с.10-12.

9. Гусарова О.М. Моделирование как способ планирования и управления результатами бизнеса // Успехи современного естествознания. - № 11-3, 2014. – с. 88-92.

10. Гусарова О.М. Моделирование в принятии управленческих решений. В сборнике: Наука и образование проблемы и перспективы развития: сборник научных трудов по материалам Международной научно-практической конференции: в 5 частях. – Тамбов: Юком, 2014. – с.41-42.

11. Морозов А.А. Особенности тенденций развития сельского хозяйства в РФ как объективная необходимость разработки и внедрения эффективных механизмов и инструментов управления инновационной деятельностью. В сборнике: Сборник научных трудов. – Смоленск: Смолгортипография, 2011. – с. 117-122.

Код для цитирования: Скопировать