2. Моделі на основі показників бухгалтерської та фінансової звітності.

Досить поширені моделі, в основі яких лежать дані фінансової і бухгалтерської звітності корпоративних позичальників банка. Залежно від статистичного методу, що використовується їх можна розділити на скорингові моделі, лінійні моделі дискримінантного аналізу (серед яких, у свою чергу, виділяють моделі множинного дискримінантного аналізу та моделі дискримінантного аналізу однієї змінної) і моделі бінарного вибору.

Кредитний скоринг – це статистичний прийом, запропонований американським вченим Девідом Дюраном в 1941 р., який спочатку використовувався для класифікації роздрібних позичальників. При використанні скоринг-моделі кожному позичальнику присвоюється рейтинг, який характеризує його фінансовий стан і здатність своєчасно погасити свої обов’язки перед кредитором. Надалі весь діапазон можливих значень розбивається на інтервали, рейтингові групи. За допомогою калібрування моделі на основі історичних даних кожному рейтинговому балу ставиться у відповідність ймовірність дефолту, яка здебільшого є визначенням частки компаній цієї групи, які зазнали дефолту протягом року.

На даний момент моделі кредитного скорингу є досить поширеними в банківській практиці, особливо для оцінювання ймовірності дефолту за однорідними портфелям роздрібних позик. Однак початкова модель скорингової оцінки Дюрана була вельми спрощеною. Автор розглядав певні характеристики кожного роздрібного позичальника (такі як стать, вік, термін проживання на одному місці, професія, місце і досвід роботи, фінансовий стан) і залежно від їх значення присвоював кожному клієнту певний бал. Якщо сумарна оцінка всіх характеристик перевищувала 1,25 бал, то клієнт вважався кредитоспроможним.

Сучасні системи кредитного скорингу стали набагато складнішими і універсальнішими, проте їх недоліком є ​​дискретність, а також обов'язкова умова наявності широкої бази кредитних історій. Оскільки для виявлення тих чи інших залежностей скорингові моделі потребують значних масивів вхідної інформації про раніше видані кредити і кредитні історії позичальників, існує

необхідність періодичної актуалізації вхідних даних, а отже і виявлених залежностей.

В рамках групи моделей дискримінантного аналізу найбільш простими для оцінювання дефолту позичальника є моделі дискримінантного аналізу з однією змінною, родоначальником яких є Бівер. Він порівняв фінансові коефіцієнти 79 дефолтних фірм з показниками 79 компаній, що зберегли свою платіжну спроможність, і прийшов до висновку, що в прогнозі

ймовірності дефолту найбільшою силою поряд з такими показниками, як питома вага позики, рентабельність активів, коефіцієнт поточної ліквідності, частка чистого оборотного капіталу в активах, володіє відношення чистого грошового потоку компанії до позикових коштів:

Вагові коефіцієнти для індикаторів у моделі Бівера не передбачені, і підсумковий коефіцієнт ймовірності дефолту не розраховується. Отримані значення цих показників порівнюються з наявними даними трьох станів фірми: благополучних компаній, компаній, збанкрутілих протягом року, і фірм, які стали дефолтними протягом п'яти років. Хотілось би відзначити, що перевагою моделі Бівера є її відносна простота. Однак запропонована методика характеризується зміщенням в прогнозах: класифікація кредитоспроможних позичальників більш достовірна, ніж розподіл майбутніх дефолтів, більше того, вводиться жорстка передумова лінійності зв'язків між значенням показників і кредитоспроможністю позичальника.

Моделі множинного дискримінантного аналізу також широко використовуються для оцінки ймовірності дефолту. Найбільш популярною в даному класі є модель, представлена Альтманом у статті «Discriminent analysis, and the prediction of corporate bankruptcy», а також його наступні моделі. Автор описав модель -дискримінанта, побудовану за допомогою апарата мультиплікативного аналізу та дозволяє розділити позичальників на потенційних банкрутів та небанкрутів. У даній роботі Альтман розглянув два класи компаній, по 33 підприємства в кожному, в період з 1946 по 1965 рр..: підприємства, оголошені банкрутами відповідно до вимог Американської комісії з цінних паперів, і функціонуючі організації з тих же галузей, розміри активів яких співмірні з показниками компаній першого класу.

Для аналізу фінансового стану позичальника була досліджена бухгалтерська звітність підприємств за рік, що передував банкрутству. На основі цих даних для кожного підприємства були розраховані 22 фінансові коефіцієнта, що характеризують їх ліквідність, рентабельність, стійкість, платоспроможність і ділову активність. У кожній групі був обраний один найбільш значимий показник, в результаті чого була виведена наступна функція:

де - значення дискримінанта, - частка чистого оборотного капіталу в сумі активів, - нерозподілений прибуток/активи, - відношення прибутку до сплати відсотків і податків до величини активів, - відношення власного капіталу до обсягу позикових коштів, - виручука/активи.

На основі значення дискримінанта Альтман зробив висновок про ймовірність дефолту позичальника. Моделі Альтмана володіють великою передбачувальною силою (дозволяють передбачити дефолт на період до п'яти років з точністю до 70%). Однак для даного класу моделей, безумовно, необхідна адаптація до умов української практики, тому що вони можуть не відповідати сучасній специфіці економічної ситуації, а також організації бізнесу в Україні. Наприклад, при створенні версії моделі Альтмана для ринків, що розвиваються, яка отримала назву «модель скорингу ринків, що розвиваються» (Emerging Market Scoring, EMS), коефіцієнти розраховувались на основі статистики компаній Мексики і деякі з них були видозмінені.

Ще однією популярною моделлю в даному класі є модель Чессера, яка дозволяє передбачити не тільки дефолт як такий, але і невиконання клієнтом умов договору, тобто будь-які відхилення від кредитної угоди, які роблять надану позику менш вигідною для банку. Модель Чессера грунтується на оцінці 74 позичок різних банків, половина з яких належить до класу «задовільних», а інша половина - до класу «незадовільних». Були проаналізовані фінансові показники кожного контрагента на основі даних звітності за рік до надання позики. У результаті для оцінки ймовірності невиконання умов договору автор виводить таку залежність:

де - лінійна комбінація незалежних змінних.

- значення дискримінанта: якщо , то позичальника слід віднести до групи ненадійних клієнтів, які, ймовірно, порушать умови договору. У даній моделі найбільш значущими виявилися показники, відмінні від коефіцієнтів, що використовуються в п’ятифакторній моделі Альтмана (крім показника прибутковості активів). Проте варто пам'ятати про те, що модель Альтмана прогнозує саме банкрутство (і будувалася вона на статистиці банкрутств), в той час як модель Чессера більш чутлива і використовується для прогнозування відхилення від умов кредитного договору.

Слід зазначити, що моделі дискримінантного аналізу, як правило, не передбачають знаходження конкретної оцінки ймовірності дефолту, а дозволяють класифікувати позичальників в залежності від ступеня загрози. Тим часом вони можуть послужити цінним інструментом визначення загальної кредитоспроможності клієнтів банку і деяким сигналом раннього попередження можливості погіршення їх фінансового стану.

Дещо інший клас представляють моделі бінарного вибору для оцінки ймовірності дефолта, в основі яких лежить метод максимальної правдоподібності, а основна ідея полягає у тому, щоб на першому етапі виявити фактори, що впливають на кредитоспроможність позичальника, а потім на основі їх значень оцінити ймовірність можливого дефолту. У даній групі виділяють logit- або probit- моделі, які мають різні передумови щодо

розподілу ймовірності банкрутства і характера функціональної залежності між фінансовими показниками позичальника і ймовірністю його дефолту.

Модель бінарного вибору включає два типи змінних:

• залежну бінарну змінну виду , яка приймає дані значення в наступних випадках:

• сукупність пояснюючих змінних, що утворюють вектор .

Таким чином, ймовірність дефолту -го позичальника дорівнює ймовірності того, що : .

В залежності від виду функціональної залежності розрізняють:

1) probit-моделі, у разі якщо – функція стандартного нормального розподілу;

2) logit-моделі, які мають на увазі застосування лінійного логарифмічного регресійного аналізу до прогнозування даних на основі методу найбільшої правдоподібності. У рамках даного підходу функціональна залежність може бути представлена ​​у вигляді:

де - ймовірність дефолту -го позичальника, - значення -ї ознаки для -ої фірми, - коефіцієнт регресії для -ї ознаки.

Слід зазначити, що logit-моделі чутливі до мультиколінеарності змінних, але при цьому менш чутливі до нормального розподілу та однорідності коваріації в порівнянні з моделями дискримінантного підходу.

Спільною перевагою моделей на основі даних фінансової звітності клієнта є відносна доступність необхідної інформації: бухгалтерську звітність може надати практично будь-який корпоративний позичальник банка. Тим часом далеко не завжди надані дані є достовірними. Крім того, бухгалтерска звітність показує результати діяльності компанії постфактум і, відповідно, володіє недостатньою передбачувальною силою щодо майбутніх перспектив компанії.