Залиховская П.В., Екатеринбург, Уральский Федеральный Университет им. первого

Залиховская П.В.,
Екатеринбург,
Уральский
Федеральный Университет им. первого
Президента
России
Б.Н.Ельцина,
студентка кафедры международной
экономики
Непп А.Н.,
Екатеринбург,
Уральский
Федеральный Университет им. первого
Президента
России
Б.Н.Ельцина,
кафедра международной экономики,
к.э.н., доцент
Экономическая оценка применения скоринговых систем в качестве
метода анализа кредитного риска: преимущества и недостатки
Предприятие, действующее в современном мире глобальной информации
и конкуренции, неизбежно сталкивается с различными рисками в процессе
своей хозяйственной деятельности.
Ощутимое влияние на жизнедеятельность предприятий оказывают
финансовые риски. В фокусе данной статьи находится кредитный риск.
Адекватная цель хозяйствующего субъекта – это не элиминация рисков, так как
она изначально является недостижимой, а прогнозирование их степени и
применение
инструментов
минимизации.
Именно
таким
образом
осуществляется управление внешней рисковой средой.
Одним из эффективных инструментов прогнозирования и минимизации
кредитного риска является скоринговая система. Скоринговая система - это
алгоритм или методика, позволяющая хозяйствующему субъекту (например,
предприятию или банку) на основе данных о потенциальном заемщике оценить
его
кредитоспособность
[4].
С
помощью
грамотного
использования
оптимальной скоринговой системы субъект имеет возможность снизить объем
просроченной задолженности по ссудам, а, значит, улучшить свои финансовые
показатели и, как результат, свое финансовое положение в целом.
1
Однако предприятию или банку недостаточно лишь применить одну из
скоринговых систем и проанализировать результаты. Необходимо осуществить
тщательную селекцию скоринговой системы, подходящей под конкретное
предприятие, учитывая его специфику и особенности модели. Также
необходимо обращать внимание на преимущества и недостатки применения
скоринговой методики, как таковой.
В данной статье рассматриваются преимущества и недостатки скорингсистем оценки финансовых рисков, а также анализируются основные техники
скорингового
анализа:
дискриминантный
анализ,
логит-регрессия
и
искусственные нейронные сети.
В статье «Оценка кредитного риска: вызов для финансовых институтов»
(Credit risk assessment: a challenge for financial institutions) Евангелос Калаподас
(Evangelos Kalapodas) и Мэри Е. Томпсон (Mary E. Thomson) рассматривают
следующие
техники
скорингового
анализа:
дискриминантный
анализ,
логистическая регрессия и искусственные нейронные сети [1]. Авторы
поясняют принципы действия каждой из техник следующим образом:
1) Дискриминантный
анализ
помогает
вывести
комбинацию
нескольких независимых переменных (обычно финансовых коэффициентов,
например: X1 = оборотный капитал / совокупные активы компании; X2 =
нераспределенная прибыль / совокупные активы компании; и так далее). В
итоге с помощью данных коэффициентов можно соотнести две группы
заемщиков: надежных и ненадежных1.
2) Логит-регрессия
подобно
методу
дискриминантного
анализа
измеряет значимость независимых переменных и определяет Z-балл. Z-балл
– возможность банкротства каждого контрагента из выборки. От первого
метода отличается тем, что учитывает эффект нелинейной зависимости
между переменными и использует логистическую кумулятивную функцию
для прогнозирования результатов.
1
Характерно, например, для Z-модели Альтмана
2
3) Искусственные нейронные сети содержат в себе искусственную
интеллектуальную модель.
Нейронные сети подобны мозгу. Широко
используемым является обучающее правило обратной связи, которое
различает входные (например, характеристики заемщика) и исходные
(например, решение о предоставлении кредита) данные для каждого из
огромного числа случаев. Результатом является обученная сеть, которая в
дальнейшем может использоваться для оценки кредитных заявок.
Калаподас и Томпсон описывают преимущества и недостатки каждой из
техник скорингового моделирования. Представим их в таблице 1.
Таблица 1
Сравнительная характеристика техник скорингового анализа
Название техники
Дискриминантный
I.
анализ
II.
Логистическая
регрессия
Преимущества
Недостатки
1.
Не
содержит
усложненных
математических расчетов;
2.
Основан на принципе
нормального распределения такого
рода
являются
наиболее мощными.
1.
Субъективность;
2.
Предполагает
наложение ограничивающих
статистических требований;
3.
Требования
о
подчинении
независимых
переменных
закону
нормального распределения
часто нарушается;
4.
Дискриминантная
функция имеет дело в
основном
с
линейной
зависимостью
между
зависимыми и независимыми
переменными.
Если
зависимость нелинейная, то
модель не применима.
1.
Не
требует
применения
ограничительных
статистических гипотез для
переменных;
2.
Учитывает
эффект
нелинейных зависимостей
1.
Не берет во внимание
корреляцию
между
независимыми переменными;
2.
Главным
образом
применяет
линейную
зависимость
между
независимыми и зависимыми
переменными;
3.
Предположение
о
возможности
финансовой
несостоятельности не всегда
соотносится с аналогичным
изменением экономической
3
ситуации контрагента;
4.
Метод вычислительно
более
трудоемок,
чем
линейная регрессия.
Способность
1.
Сложность
III. Метод искусственных 1.
моделирования
комплексных
применения
метода.
нейронных сетей
нелинейных зависимостей;
2.
Не
полагается
на
ограниченное
количество
характеристик и принимает
во
внимание
сильные
взаимосвязи, сложившиеся
между переменными.
3.
Описывает реальность
лучше, чем два остальные
скоринговых метода;
4.
Не
нуждаются
в
ограничивающих гипотезах
других методов
Также в статье анализируются преимущества и недостатки применения
кредитного скоринга в целом. Среди преимуществ авторы отмечают
следующие:
1)
Объективность.
Кредитный
скоринг
способствует
последовательному принятию решений. Различные характеристики
рассматриваются интегрально и целостно, так как все переменные в
процессе анализа берутся во внимание.
2)
Отсутствие дискриминации по отношению к заемщику.
Кредитный скоринг применяет одни и те же андеррайтинговые
(оценочные) критерии ко всем контрагентам, независимо от их пола, расы
иди других факторов, запрещенных законом для использования в
процессе принятии решения о выдаче кредита.
3)
Быстрота получения результатов (в среднем, 15-30 минут),
следовательно, снижение издержек (в отличие от качественного анализа,
4
проводимого кредитным экспертом, где процедура оценки может занять
10-12 часов). Таким образом, достигается значительная экономия на
издержках.
Недостатки:
1)
Кредитный скоринг не может применяться к портфелю с
различными
кредитными
направлениями.
Например,
переменные,
используемые для скоринга потребительских кредитов, в большей
степени основываются на заключении вывода о доходах заемщика, в то
время как скоринг облигаций основывается на оценке активов и
обязательств.
2)
Нерепрезентативность выборки заемщиков. Исходные данные
часто содержат в себе несоответствие, противоречивость. Скоринг
сконструирован
из
выборки
контрагентов,
которым
уже
был
предоставлен кредит, в то время как во внимание не берутся те, кому
было отказано в кредите.
3)
Необходимость периодической корректировки используемой
скоринг-модели, обновления баз данных (например, экономический
кризис может изменить поведение переменных).
4)
Осложнение отношений между финансовым институтом и
потенциальным
заемщиков
заемщиком.
предоставлять
Скоринг
слишком
требует
много
от
потенциальных
информации.
Долгая
процедура сбора информации может подтолкнуть заемщика обратить в
другой финансовый институт.
Для наиболее адекватной и всесторонней оценки кредитного риска
авторы рекомендуют одновременно применять все три метода оценки:
оценочный анализ кредитного эксперта, скоринговые модели и модели оценки
кредитного портфеля.
5
Дягель О.Ю., Энгельгарт Е.О. в своей работе «Диагностика вероятности
банкротства организаций: сущность, задачи и сравнительная характеристика
методов» проводят сравнительный анализ методик оценки вероятности
банкротства. В качестве достоинств скоринговых моделей авторы выделяют
следующие [3]:
1) Скоринговый анализ применяет комплексный подход к
диагностике возможности возникновения кризисной ситуации (в том
числе, банкротства предприятия);
2) Скоринг-модели
позволяют
определить
«рейтинг»
банкротства (то есть оценить степень проблематичности ситуации);
3) Прогнозируют вероятный временной интервал наступления
банкротства.
Однако с применением
комплексного многокритериального подхода
появляются определенные трудности в формировании точной обобщающей
характеристики предприятия по следующим причинам:
1) Организация
может
принадлежать
к
разным
классам
кредитоспособности по каждому из включенных в систему оценки
показателей;
2) Существует необходимость сравнения рассчитанных значений
показателей с нормативными;
3) Невозможности объективного определения значений отдельных
коэффициентов
системы из-за ограниченности информации об
исходных показателях.
Еще одну слабость скоринговых систем отмечает Горелая Н.В. в своей
статье «Оценка кредитоспособности заемщика в системе регулирования
кредитных рисков». Она указывает, что
при использовании скорингового
метода для оценки кредитоспособности заемщика одинаковый уровень
конечного значения показателей и сумма баллов достигаются под влиянием
6
разных факторов [2]. Например, увеличение общего размера ликвидных средств
за счет нормируемых активов не во всех случаях гарантирует погашение
кредита. Рост значений коэффициента ликвидности и коэффициента покрытия
может объясняться сокращением долговой нагрузки (кредитных обязательств),
следовательно, заключение о кредитоспособности клиента будет зависеть от
причины этого сокращения.
В данной статье авторы провели обзор и сравнительный анализ основных
техник скорингового анализа, на основе которых можно заключить, что
наиболее точным и комплексным методом является метод искусственных
нейронный сетей, однако его применение наиболее трудоемко, поэтому в
качестве «облегченных» вариантов анализа кредитного риска может быть
использован дискриминантый анализ и логит-регрессия. Необходимо помнить,
что эти методы сопряжены с определенными требованиями и ограничениями,
налагаемыми на переменные.
На основе проведенного анализа существующих подходов к скорингу
авторами выделены достоинства скоринговых систем: комплексность подхода
при диагностике риска возникновения банкротства предприятия; возможность
учета разных целей прогнозирования риска и
определения его временного
горизонта; быстрота применения метода и, таким образом, снижение издержек
на проведение финансовой экспертизы заемщика.
К
недостаткам
скоринг-систем
авторы
относят:
ограниченность
применения метода (в случае c портфелем, содержащим разные кредитные
направления); нерепрезентативность выборки; необходимость периодической
корректировки модели, обновления баз данных заемщиков (для банков).
С учетом выявленных достоинств авторы пришли к выводу, что скорингсистемы целесообразно применять для грубой оценки и прогноза финансовых
рисков предприятия, так как использование таких методик не потребует
высоких трудовых
недостатков
и временных затрат. С другой стороны, с учетом
скоринга
предприятие
должно
дополнять
анализ
кредитоспособности заемщика другими методиками.
7
Список литературы
1. Kalapodas E., Thomson M.E. Credit risk assessment: a challenge for
financial institutions // IMA Journal Management Mathematics. № 1,
2006. С. 25-46.
2. Горелая Н.В. Оценка кредитоспособности заемщика в системе
регулирования кредитных рисков// Управление рисками. 2005, №6.
3. Дягель
О.Ю.,
Энгельгарт
Е.О.
Диагностика
вероятности
банкротства организаций: сущность, задачи и сравнительная
характеристика
методов//
Экономический
анализ:
теория
и
практика. 2008, №13. С. 49-52, 55-56.
4. Ендовицкий
Д.А.,
Бочарова
И.В..
Анализ
и
оценка
кредитоспособности заемщика. М.: Кнорус, 2005. С. 75-78.
8