Оценка кредитоспособности заёмщика банка г. Москвы ( на примере организации г. Москвы)

Коэффициент оборачиваемости говорит об эффективности, с которой фирма использует свои ресурсы для достижения главной – выпуска продукции.
Если умножить коэффициент оборачиваемости активов на коэффициент чистой прибыли, то получим коэффициент отдачи активов, или степень доходности материальных активов предприятия (СДМА):
(26)
Сами по себе ни коэффициент чистой прибыли, ни коэффициент оборачиваемости активов не могут дать адекватного представления об эффективности деятельности фирмы. Так, при вычислении коэффициента чистой прибыли не учитывается то, как используются материальные средства, а коэффициента оборачиваемости — доходность продаж. Показатель доходности на активы устраняет эти недостатки. Увеличение степени доходности активов может произойти в результате либо увеличения оборота при существующих средствах, либо увеличения коэффициента чистой прибыли, либо обоих этих факторов.
Результаты анализа по формулам 14-26 сведены в таблицу 2.
Таблица 2
Финансовые показатели ООО «Гельветика»

Показатель Числовое значение Среднее значение по отрасли 2006 2007 Коэффициент текущей ликвидности 4,0 3,2 4,2 Коэффициент быстрой ликвидности 1,9 1,2 2,1 Коэффициент оборота запасов 7,6 4,9 9,0 Оценка дебиторской задолженности 39 45 36 Коэффициент оборота основных средств 3,0 3,0 3,0 Коэффициент оборота активов 1,9 1,5 1,8 Коэффициент левериджа 55,4% 53,2% 40% Коэффициент покрытия процентов 5,3 3,2 6,0 Коэффициент покрытия фиксированных платежей 3,8 3,0 4,3 Рентабельность продаж 5,5% 3,8% 5,0% Коэффициент способности порождать прибыль 16,8% 14,2% 17,2% Рентабельность активов 8,5% 5,7% 9,0% Рентабельность собственного капитала 16,5% 12,7% 15,0%
Как видим из проведенного исследования, компания имеет небольшие отклонения от среднеотраслевых показателей. Некоторые коэффициенты имеют низкое или критическое значение.
Хотя сравнение значение коэффициентов покрытия и ликвидности ООО «Гельветика» с их среднеотраслевыми значениями говорит в пользу компании, более детальное исследование дебиторской задолженности и товарно-материальных запасов обнаруживает ряд «узких мест».
Коэффициенты оборачиваемости, рассчитанные для каждого из этих активов, в 2007 г. существенно ниже среднеотраслевых. Это обстоятельство означает не вполне безоговорочную ликвидность дебиторской задолженности и товарно-материальных запасов, что несколько умаляет благоприятное впечатление от сравнения коэффициентов покрытия и ликвидности.
Большая часть дебиторской задолженности оборачивается очень медленно, а управление запасами осуществляется неэффективно. На основании проведенного анализа приходим к выводу, что эти активы нельзя считать вполне ликвидными в смысле их способности быстро обращаться в денежную форму.
Таким образом, по результатам анализа ООО «Банка Москвы» имеет все основания отказа в кредите ООО «Гельветика».

2.2. Основные направления совершенствования оценки кредитоспособности заемщика


Предоставление кредитов является основной экономической функцией банков, осуществляемой для финансирования потребительских и инвестиционных целей предпринимательских фирм, физических лиц и государственных организаций. Переход России к рыночной экономике и вступление ее на международный финансовый рынок тесно связаны с развитием кредитных отношений, касающихся в первую очередь юридических лиц.
Одним из важнейших условий успешного управления банком кредитными ресурсами является оценка надежности предприятий – потенциальных заемщиков, а основополагающим показателем, определяющим эту надежность, является кредитоспособность, т.е. способность заемщика полностью и в срок рассчитаться по своим долговым обязательствам (основному долгу и процентам).
В настоящее время для минимизации риска и для определения кредитоспособности заемщика зарубежные банки уже давно используют специально разработанные для этих целей математические модели – так называемый кредитный скоринг; отечественные же банки до сих пор полагаются на субъективное мнение своих не всегда компетентных сотрудников, а в помощь им предлагают лишь такую известную простому пользователю персонального компьютера программу, как Microsoft Excel.
В настоящее время различными учеными ведутся разработки перспективных методик для определения надежности потенциального заемщика банка (юридического лица). Среди них, например, методика, основанная на нейросетевых технологиях и позволяющей существенно повысить эффективность работы любой кредитной организации.
Именно принятие рисков является основой банковского дела. Банки имеют успех тогда, когда принимаемые ими риски разумны, контролируемы и находятся в пределах их финансовых возможностей и компетенции.
Во всех странах с развитой системой финансовых ус-луг кредиты выдаются только тем заемщикам, которые успешно прошли процедуру кредитного скоринга. В связи с быстрым ростом кредитного рынка в России и рисками, связанными с кредитным бизнесом, данная методика становится крайне необходимой и для российских банков. Важно отметить, что кредитный скоринг является действительно быстрой, точной и устойчивой процедурой оценки кредитного риска, имеющей научное обоснование. Идея данной математической модели состоит в соотношении уровня кредитного риска с параметрами, характеризующими заемщика.
Существует множество моделей скоринга, каждая из них использует свой набор факторов, характеризующих риск, связанный с кредитованием заемщика, и получает в результате пороговую оценку, которая и позволяет разделять заемщиков на «плохих» и «хороших». Смысл скоринга в данной области заключается в том, что каждому соискателю кредита приписывается свойственная только ему оценка риска неуплаты суммы долга и положенных процентов. Сравнение значения кредитного скоринга, полученного для конкретного заемщика, со специфичной (что важно помнить) для каждой модели скоринга пороговой оценкой помогает решить труднейшую проблему выбора при выдаче кредита, разделяя заемщиков на два класса (тех, кому кредит выдать можно, и тех, кому он «противопоказан»). Благодаря использованию скоринга банк получает снижение числа убытков, связанных с кредитованием.
Основой для построения скоринговых моделей могут быть экспертные знания, статистические данные, полученные в процессе кредитования, и макроэкономическая информация.
Проблемы, рассматриваемые в работе, относятся к задачам классификации и являются одной из наиболее важных и распространенных областей применения нейронных сетей.
Решение задачи классификации можно осуществлять с помощью сетей следующих типов: многослойного персептрона, радиальной базисной функции, сети Кохонена, вероятностной нейронной сети и линейной сети.
Одним из самых важных этапов при оценке кредитоспособности заемщиков банка с помощью нейросетевого метода является выбор критериев, характеризующих юридическое лицо и влияющих на принятие банком окончательного решения по данному вопросу. Значения этих показателей будут подаваться на вход нейронной сети.
Для обучения используемой модели необходима статистическая информация. При отсутствии подобной информации для тех же целей можно воспользоваться методом моделирования, т.е. обозначить границы значений показателей, при которых выдача кредита будет неприемлема (по мнению эксперта) и, наоборот, границы значений, указывающие на положительное решение вопроса.
В результате процесса моделирования формируется сколь угодно большое количество объектов, значения показателей которых находятся в определенных ранее числовых границах, и эти данные также можно использовать для обучения сети.
Сложность данного подхода заключается в том, что в настоящее время нет единых действующих нормативов для большинства финансовых коэффициентов. По результатам предыдущей работы и основываясь на мнениях экспертов, в каждом банке устанавливаются свои допустимые значения данных показателей, позволяющие судить о надежности заемщика или, наоборот, явно говорящие о низкой степени его кредитоспособности.
Исходя из логики существующих способов оценки кредитоспособности юридических лиц и возможности определения приблизительных числовых границ значений, в работе выделено 17 критериев, которые условно можно разделить на следующие четыре группы:
I. Признаки компании:
Позиция на рынке – оценивает соотношение цена/качество и конкурентоспособность фирмы.
Помещение: собственность/аренда – данный критерий указывает, владеет ли компания основными производственными помещениями.
Возраст компании – влияет на стабильность.
Наличие постоянных поставщиков – важна степень зависимости предприятия от третьих лиц.
II. Финансовые коэффициенты:
Коэффициент текущей ликвидности – показывает, достаточно ли у предприятия средств, которые могут быть использованы для погашения его краткосрочных обязательств в течение определенного периода
(27)
Коэффициент срочной ликвидности – раскрывает отношение наиболее ликвидной части оборотных средств к краткосрочным обязательствам.
, (28)

где ДС – денежные средства;
КФВ – краткосрочные финансовые вложения;
ДЗ – дебиторская задолженность;
КО – краткосрочные обязательства.
Коэффициент абсолютной ликвидности – необходим, так как в современных российских условиях, например, не всегда получается взыскать долги со своего клиента (это мешает оценить дебиторскую задолженность). Коэффициент рассчитывается по формуле:
(29)
Главная цель анализа ликвидности баланса – вынести суждение о платежеспособности предприятия, являющейся важным компонентом финансовой устойчивости.
Коэффициент обеспеченности собственными оборотными средствами – чем выше показатель (около 0,5), тем лучше финансовое состояние предприятия, тем больше у него возможностей в проведении независимой финансовой политики. Определяется из отношения собственных оборотных средств к общей величине оборотных средств предприятия.
Коэффициент зависимости заемных и собственных средств – характеризует зависимость фирмы от внешних займов. Чем он выше, тем больше займов у компании, и тем рискованнее ситуация, которая может привести к банкротству предприятия. Рассчитывается исходя из отношения всех обязательств предприятия (кредиты, займы и кредиторская задолженность) к собственным средствам (собственному капиталу).
Рентабельность продаж – отражает информацию о том, сколько денежных единиц чистой прибыли принесла каждая единица реализованной продукции. Значение показателя определяется из отношения чистой прибыли к чистой выручке от реализации.
Деловая активность – сюда относятся различные показатели оборачиваемости. Необходимо проанализировать все их значения и, сделав вывод, оценить степень деловой активности в баллах. Данный критерий дает ответ на вопрос, насколько эффективно предприятие использует свои средства.
III. Признаки руководителя:
1) Возраст – данный критерий требует внимания, так как известно, что молодые руководители, как правило, склонны к авантюрам и необоснованному риску, а управляющие «старой закалки», в основном, придерживаются давно установившихся взглядов и редко используют новые, пусть даже и эффективные, методы и технологии в работе. Все это влияет на прибыльность организации, хотя, следует отметить, что данный фактор не является определяющим, так как известны и исключения из правил.
2) Стаж руководящей работы.
3) Благонадежность управляющего – показывает, насколько эксперт (сотрудник банка) уверен в том, что управляющий будет считать себя обязанным вернуть долг с процентами.
IV. Макроэкономические факторы:
1) Зависимость от обменных курсов – на оценивание данного показателя влияют такие факторы как: выход товаров или услуг предприятия за пределы отечественного рынка, любые финансовые взаимоотношения с зарубежными партнерами, а также политическая и экономическая ситуация в странах, внутри которых осуществляется некая деятельность организации.
2) Зависимость от инфляции – важна экономическая ситуация в стране (на данном этапе и в перспективе), а также степень значимости товара или услуги предприятия для потребителей.
3) Стабильность ситуации в отрасли – данный фактор связан с деятельностью по регулированию и отношением государства к отрасли функционирования юридического лица, а также с уровнем конкуренции в ней.
Все 17 показателей были использованы в качестве входных данных для классификации потенциальных заемщиков банка (юридических лиц) по двум группам: «кредитоспособные» и «некредитоспособные» клиенты. Выходным параметром является бинарная номинальная переменная, соответствующая двум интересующим нас классам, к которым в результате обучения сеть должна научиться относить новые предприятия. Для решения поставленной задачи в работе используется нейросетевой пакет «Statistica NN».
Набор имеющихся данных сформирован из 20 объектов – примеров организаций, значения характеристик которых были смоделированы, исходя из возможности предложения конкретных числовых границ для определения принадлежности переменных к одному из заданных классов. При этом 10 объектов соответствуют кредитоспособным предприятиям, а 10 - организациям с очень низкой степенью надежности. Для последующего анализа результатов и качества работы сети набор данных был разделен на два подмножества: обучающее и контрольное. Обучающее подмножество состоит из двенадцати объектов (по шесть каждого класса), а контрольное включает в себя восемь примеров (по четыре на класс).
В качестве типа сети, с помощью которого была осуществлена классификация, выбран многослойный персептрон, в качестве алгоритма обучения - метод обратного распространения ошибки. Хорошие результаты продемонстрировала сеть, состоящая из одного скрытого слоя, включающего девять элементов (нейронов). Проверка результатов показала, что сеть правильно сопоставила значения показателей юридических лиц с номерами классов.
Далее в работе был осуществлен этап классификации с помощью нейросетевого метода нового, неизвестного сети, предприятия-заемщика. В программу были внесены характеристики рассматриваемой организации, после чего исследуемое предприятие было отнесено программой к классу кредитоспособных.
Таким образом, полученная в результате модель нацелена на классификацию новых потенциальных заемщиков, для которых известны характеризующие их значения по семнадцати рассмотренным показателям.
Итак, в ходе исследования была найдена наиболее подходящая для данной задачи архитектура многослойного персептрона, которая после обучения продемонстрировала надежные результаты классификации. Этот вывод позволили сделать статистические данные по классификации новых неизвестных еще сети заемщиков. Данные результаты свидетельствуют о широких возможностях практического применения рассмотренного подхода.
Следует также отметить и то, что использование программ, работающих на основе метода нейронных сетей, позволяет решать множество самых различных актуальных проблем, встающих перед отечественными банками. Крайне важен и тот факт, что ни существенных затрат времени, ни значительных финансовых ресурсов не требуется на внедрение данного нововведения в работу кредитной организации.

Заключение


В ходе проведенного исследования были сделаны следующие выводы.
Кредитоспособность клиента коммерческого банка — наличие у заемщика предпосылок, возможностей получить кредит и возвратить его в срок. Определяется экономическим положением компании, ее надежностью, наличием ликвидных активов, возможностью мобилизации финансовых ресурсов. Понятие «кредитоспособность» относят чаще всего к предприятиям, организациям, фирмам, компаниям, которые претендуют на получение банковского кредита и берут на себя обязательство соблюдения условий договора о кредитовании. Принимая решение о предоставлении кредита заемщикам, коммерческие банки прежде всего обращают внимание на их кредитоспособность, для чего анализируют отчетные балансы предприятий, исследуют показатели, характеризующие финансовое положение, хозяйственную деятельность.
Способами оценки кредитоспособности клиента являются:
оценка менеджмента;
оценка финансовой устойчивости клиента;
анализ денежного потока;
сбор информации о клиенте;
наблюдение за работой клиента путем выхода на место.
Оценка кредитоспособности крупных и средних предприятий базируется на данных баланса, отчета о прибылях и убытках, кредитной заявке, информации об истории клиента и его менеджерах. В качестве методов оценки кредитоспособности используются система финансовых коэффициентов, анализ денежного потока, делового риска и менеджмента.
В качестве объекта исследования в работе выбран ОАО «Банк Москвы». Банк Москвы — один из крупнейших универсальных банков России, предоставляющий диверсифицированный спектр финансовых услуг как для юридических, так и для частных лиц: от расчетно-кассового обслуживания и кредитования до управления активами и организации финансирования на международных рынках капитала.
Банк обеспечивает своим клиентам самый широкий спектр услуг для ведения бизнеса и накопления сбережений. При этом вклады частных лиц защищены участием муниципальных властей в уставном капитале Банка, а  юридические лица пользуются преимуществами обслуживания в Банке с разветвленной филиальной сетью. В Банке работает сплоченная команда компетентных специалистов, умеющих находить эффективные решения даже в нестандартных ситуациях.
Кредитоспособность представляет собой оценку Банком финансового состояния потенциального заемщика с точки зрения возможности и целесообразности предоставления ему кредита и определяет вероятность его своевременного возврата в будущем. При рассмотрении экономического положения потенциального заемщика важны буквально все моменты, иначе Банк может понести огромные потери.
В работе рассмотрена методика оценки кредитоспособности ООО «Гельветика», по результатам проведения которой Обществу в кредитовании было отказано.
Также в разделе 2.2. представлен один из путей совершенствования оценки кредитоспособности. Он заключается в применении нейросетевых технологий и позволяет существенно повысить эффективность работы любой кредитной организации.
Список используемой литературы











Банки и банковские операции: Учебник для вузов / Под ред. проф. Е.Ф. Жукова. – М.: Банки и биржи, ЮНИТИ, 2007
Банки и банковское дело/Под ред. И.Т. Балабанова. – СПб.: Питер, 2005.
Банковское дело (под ред. проф. Лаврушина О.И.). – М.: «Финансы и Статистика», 2003.
Банковское дело. Учебник для вузов/Под ред. Г.Н. Белоглазовой, Л.П. Кроливецкой. – 2-е изд., перераб. – СПб.: Питер, 2008
Банковское дело. Учебник для вузов/Под ред. О.И. Лаврушина. – 7-е изд., перераб. и доп. – М.: КНОРУС, 2008.
Банковское дело. Учебное пособие для студентов вузов /Под ред. Г.Г.Коробовой – М.: Финансы и статистика, 2007.
Банковское дело/Под. ред. Г.Г. Коробовой. – М.: Экономистъ, 2003.
Банковское дело: управление и технологии: Учеб. пособие для вузов. Под ред. А.М. Тавасиева. – М.: ЮНИТИ-ДАНА, 2001
Банковское дело: Учебник для вузов/Под ред. Л.П. Кроливецкой.- М.: Финансы и статистика, 2004
Биянова Н. Бум на рынке потребительских кредитов может продолжаться еще долго. Если не помешают разоренные заемщики. //SmartMoney – 2007. - № 1 (42) – с. 34-40.
Букато В.И., Головин Ю.В., Львов Ю.И. Банки и банковские операции в России. – 2-е изд., перераб. и доп./Под ред. М.Х. Лапидуса. – М.: Финансы и статистика. 2005.
Введение в банковское дело: Учеб. пособие / Под руководством проф. Г. Асхауэр. – М.: 2007
Воронин В.П., Федосова С.П. Деньги, кредит, банки: Учебное пособие.- М.: Юрайт-Издат, 2002.
Гарбузов А.К. Финансово-кредитный словарь, том II. – М.: «Финансы и Статистика», 2005.
Глушкова Н.Б. Банковское дело. Учеб. пособие для вузов. – 2-е изд. – М.: Академический Проект; Культура, 2007.
Горшков Г., Потребительское кредитование: тенденции и практика // Банковское дело в Москве. – 2005 - №1(121) – с. 46-52
Данилова Т.Н. Проблема неопределенности, информации и риска кредитования коммерческими банками//Финансы и кредит. – 2004. - №2 – с. 56-64
Жуков А., Правительство и ЦБ указали путь банкам до 2008 г.//Деловая прессa. – 2005 - №12 (289) – с. 78-86
Жуков Е.А., Эриашвили Н.В. Банковское дело: учебник для студентов вузов. Изд. 2-е, доп. – М.: Юнити-Дана, 2007
Каурова Н.Н. Рынок розничных продуктов: тенденции, перспективы, риски//Банковский ритейл – 2007 - №1 – с. 33-38
Ковалева Е., Меркулов В. Получить кредит проще, чем потом его погасить // Деньги – 2007 - № 29 (635) – с. 23-29
Колесов А.И. О некоторых вопросах развития потребительского кредитования.// Деньги и кредит. - 2005. -№7. – с. 20-22.
Лаврушин О.И. Деньги, кредит, банки.- М.: Финансы и статистика, 1999.
Ли В.О. Об оценке кредитоспособности заемщика (российский и зарубежный опыт)//Деньги и кредит – 2005 - №2 - с.50-54
Мартынова Т. Экспресс-кредиты. //Банковское обозрение – 2007 - №5 – с. 110-115.
Масленников В.В.Зарубежные банковские системы. - М.: Элит,2000.
Мещеряков Г.Ю. Банковские операции на рынке ссудного капитала. – М.: Финансы и статистика, 2007.
Мурычев А. Ритейл-диверсификация — изменение конфигурации банковской системы// www.bdm.ru/arhiv/2004/01/22-24.htm
Савушкин М. Анализ финансового состояния фирмы – один из этапов маркетинговой стратегии // Маркетинг. – 2004. - №1. – с.54-56
Сагалович Е.М. Оценка кредитоспособности предприятий на основе нейросетевых технологий// nit.miem.edu.ru/2007/sb/2/10.htm  


Приложение 1
Предварительная заявка на кредит
Приложение 2
Баланс ООО «Гельветика»

млн. руб.
Статьи баланса 31.12.2006 31.12.2007 АКТИВЫ Денежные средства и рыночные ценные бумаги
Дебиторская задолженность
Запасы по рыночной или более низкой цене
Расходы будущих периодов
Резервы предстоящих платежей
Оборотные средства
Основные средства по первоначальной стоимости
Накопленные амортизационные отчисления
Основные средства по остаточной стоимости
Долгосрочные финансовые вложения
Нематериальные активы (гудвилл)
Всего средств 266589
901458
1478936
14078
40158
2147895
2598714
786925
1811789
65376
215478
8515607 177689
678279
1328963
20756
35203
2240890
1596886
856829
740057
65376
205157
7206028 ПАССИВЫ Кредиты банков и векселя к оплате
Кредиторская задолженность
Налоговые платежи
Другие обязательства
Итого краткосрочной кредиторской задолженности Долгосрочная кредиторская задолженность
Всего обязательств 548962
225896
38025
191048
1003931
752689
1756620 448508
148427
36203
190938
824076
630783
1454859
Приложение 3
Отчет о прибылях и убытках ООО «Гельветика»
млн. руб.

2006 2007 Выручка от продаж
Себестоимость реализованной продукции
Валовая прибыль
Общехозяйственные издержки
Амортизация
Выплата процентов
Налогооблагаемая прибыль
Налоги на прибыль
Чистая прибыль после уплаты налогов
Денежные дивиденды
Прирост нераспределенной прибыли 3 564 890
2 656 045
908 845
613 548
142 545
78 564
74 188
17 805
56 383
47 800
8 583 3 721 241
2 499 965
1 221 276
726 959
113 989
69 764
310 564
112 356
198 208
130 455
67 753
Ли В.О. Об оценке кредитоспособности заемщика (российский и зарубежный опыт)//Деньги и кредит – 2005 - №2 - с.50-54
Райзберг Б. А., Лозовский Л. Ш., Стародубцева Е. Б. Современный экономический словарь. 5-е изд., перераб. и доп. — М.: ИНФРА-М, 2007.
Основы банковского дела: учебное пособие/колл. авторов; под ред. О.И. Лаврушина – М.: КНОРУС, 2008.
Банковское дело. Учебное пособие для сдачи экзамена/Под ред. Г. Белоглазовой, Л. Кроливецкой. – СПб.: Питер, 2008.
Банковское дело. Учебник для вузов/Под ред. О.И. Лаврушина. – 7-е изд., перераб. и доп. – М.: КНОРУС, 2008.
Банковское дело. Учебник для вузов/Под ред. Г.Н. Белоглазовой, Л.П. Кроливецкой. – 2-е изд., перераб. – СПб.: Питер, 2008
Жуков Е.А., Эриашвили Н.В. Банковское дело: учебник для студентов вузов. Изд. 2-е, доп. – М.: Юнити-Дана, 2007
Печникова А.В., Маркова О.М., Стародубцева Е.Б. Банковские операции – М.: Инфра-М, 2007

Мещеряков Г.Ю. Банковские операции на рынке ссудного капитала. – М.: Финансы и статистика, 2007.
Основы банковского дела: учебное пособие/колл. авторов; под ред. О.И. Лаврушина – М.: КНОРУС, 2008.
Банковское дело. Учебное пособие для студентов вузов /Под ред. Г.Г.Коробовой – М.: Финансы и статистика, 2007.
Савушкин М. Анализ финансового состояния фирмы – один из этапов маркетинговой стратегии // Маркетинг. – 2004. - №1. – с.54-56
Сагалович Е.М. Оценка кредитоспособности предприятий на основе нейросетевых технологий// nit.miem.edu.ru/2007/sb/2/10.htm  












57