CC BY
74
КРЕДИТ
МЕТОДИКА КОМПЛЕКСНОЙ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ ЗАЕМЩИКА1
B. Н. ЕДРОНОВА доктор экономических наук,
профессор, проректор Нижегородского коммерческого института
C.Ю. ХАСЯНОВА
управляющая Нижегородским филиалом ОАО "АКБ Саровбизнесбанк"
г. Нижний Новгород
Теперь, когда мы выяснили, что задачу комплексной оценки кредитоспособности заемщика, в принципе, можно разделить на два проблемных блока: задачу выбора заемщика (задачу I) и задачу оценки параметров кредитного заключения (задачу II), рассмотрим, как можно построить эффективную и внутренне непротиворечивую методику комплексной оценки кредитоспособности заемщика.
Логика построения методики должна, на взгляд автора, быть такой: сначала решается задача I (выбираются с помощью определенного алгоритма из всей совокупности заемщиков, то есть, которые для нас наиболее предпочтительны), а затем для выбранных заемщиков рассчитываются основные параметры кредитного заключения.
Исследование возможностей построения методики комплексной оценки кредитоспособности заемщиков логически подводит к необходимрсти выбора между двумя основными подходами к решению слабоструктурированных задач, частным случаем которых является задача I.
Первый подход заключается в сведении количественно измеримых показателей кредитоспособности к качественным оценкам, построении системы независимых критериев, порядковых шкал оценок альтернатив и решающего алгоритма многокритериальной классификации на основе методологии вербального анализа.
Второй подход заключается в применении к решению задачи I методов теории нечеткой меры и нечетко-интегрального исчисления. Как показал В.П. Бочарников, задача многокритериальной классификации объектов может быть формализована в терминах данной теории2.
Среди специалистов по банковскому кредитованию распространено также мнение, что возмо-
жен и третий подход — применение методов рей-тингования. Однако, как показывает анализ существующих методик рейтингования, все они базируются на следующих допущениях:
- гипотезе количественной релевантности;
- гипотезе применимости статистических методов для решения слабоструктурированных задач;
- гипотезе соизмеримости оценок критериев, следствием которой является (в подавляющем большинстве случаев) использование линейных или квазилинейных оценочных функций полезности.
Банковская практика свидетельствует о том, что гипотеза количественной релевантности вряд ли соответствует действительности. Это означает, что наиболее весомый вклад в кредитоспособность заемщика оказывают отнюдь не количественно, а качественно измеримые факторы.
Обширный опыт отечественных и зарубежных исследователей убедительно свидетельствует о том, что статистические методы не могут быть признаны надежным и адекватным инструментом решения слабоструктурированных задач. В принципе, любая попытка использования статистических методов для решения такого рода задач есть не что иное, как редукция к хорошо структурированным (хорошо формализованным) задачам. В частности, Ю.П. Понаморев доказал, что данный прием является логически ошибочным, поскольку такого рода редукция существенно искажает исходную постановку задачи3. На взгляд авторов, принципиальная невозможность применения «классических» формальных методов при решении слабоструктурированных задач является следствием сформулированного основоположником теории нечетких множеств Л. Заде «принципа несовместимости»: «... чем ближе мы подходим к решению проблем реального
1 Окончание. Начало в № 11(101) и № 13(103).
2 Бочарников В.П. Fuzzy — технология: Математические основы. Практика моделирования в экономике. СПб: Наука. РАН. 2001. С. 180-189.
3 Понаморев Ю.П. Игровые модели: математические методы, психологический анализ. М.: Наука, 1991. С. 28-31.
мира, тем очевиднее, что при увеличении сложности системы наша способность делать точные и уверенные заключения о ее поведении уменьшаются до определенного порога, за которым точность и уверенность становятся почти взаимоисключающими понятиями»4.
Наконец, практика свидетельствует об объективно существующей несоизмеримости (структурной неоднородности) количественных и качественных показателей кредитоспособности, что, в частности, игнорируется при их линейном взвешивании. Однако в работах некоторых исследователей, в частности, в статье A.B. Каспарова, О.В. Еременко, О.Н. Леонтьевой и И.А. Фанталовой при выводе рейтинговой оценки предложено использовать процедуру квазилинейного мультипликативного взвешивания5. При этом необходимо построение довольно большого массива удельных весов критериев (более 20), что само по себе является некорректной операцией, сложной для эксперта.
Таким образом, приходим к парадоксальному, на первый взгляд, выводу, что с точки зрения требований методологической корректности и логической непротиворечивости, целесообразно вообще отказаться от применения методологии рейтингования в слабоструктурированных и неструктурированных задачах многокритериальной оценки альтернатив и, в частности, в задаче оценки кредитоспособности заемщика. На необходимость отказаться от данного подхода косвенно указывают и данные ряда исследователей, которые свидетельствуют о том, что рейтинговые методики позволяют правильно оценить кредитоспособность заемщика не более чем в 60-80% случаев6.
Оставшиеся два подхода (вербальный анализ и фильтрация нечетких процессов) являются методологически корректными для использования при решении задачи оценки кредитоспособности и потому, на наш взгляд, эквивалентными. Однако, чтобы понять, какой из них более предпочтителен, с точки зрения практической реализации, сравним их достоинства и недостатки (табл. 1).
Таким образом, приведенное сравнение двух методологий красноречиво свидетельствует в пользу первой. Однако со временем, по мере увеличения теоретико-прикладной разработанности методологии фильтрации нечетких процессов, создания более совершенных «открытых» моделирующих компьютерных систем на ее базе (которые позволяли бы профессиональному пользователю модифицировать расчетные алгоритмы по типу широко известной системы MathCAD-MathConnex), вторая ме-
тодология, возможно, станет для специалистов более привлекательной.
Поскольку в настоящее время методология вербального анализа применительно к неструктурированным (и легко сводимым к ним слабоструктурированным) задачам многокритериального выбора является наиболее разработанной в теоретико-при-кладном аспекте (по сравнению с методологией фильтрации нечетких процессов), то считаем возможным использовать ее для построения методики комплексной оценки кредитоспособности заемщиков.
Что касается внедрения системы комплексной классификации заемщиков по их кредитоспособности в практику конкретного коммерческого банка, то ее необходимо осуществлять с помощью специальной внедренческой рабочей группы, в состав которой целесообразно включить следующих специалистов:
членов кредитного комитета банка; начальника кредитного управления и/или одного из его заместителей; сотрудников отдела анализа кредитных рисков; сотрудников службы безопасности кредитных сделок;
сотрудников управления автоматизации (группа информационного обеспечения решения задачи); сотрудников юридического отдела банка; консультантов из ИСА РАН — авторов алгоритма ЦИКЛ.
Работу целесообразно подразделить на ряд этапов:
определение числа и описание классов кредитоспособности заемщиков; определение системы независимых критериев оценки кредитоспособности; постановка задачи группе информационного обеспечения;
разработка технического проекта на создание программной системы;
создание программной системы многокритериальной классификации на базе алгоритма ЦИКЛ;
пробная классификация кредитного портфеля банка с использованием полученной системы. В табл. 2 и 3 приведено примерное описание классов кредитоспособности и критериев классификации заемщиков. В качестве окончательных классов кредитоспособности (С) в коммерческом банке могут быть выбраны следующие (табл. 2).
На нижнем уровне иерархии может быть было выделено 6 групп критериев (К):
4 Zadeh L. A. Toward a theory of fuzzy systems. Aspects of network and system theory. New York, HRW, 1971. P. 209.
5 Каспаров A.B. и др. Дистанционный анализ финансового состояния контрагентов: проблемы и методы их решения. // Банковское дело. № 10, 2000. С. 30-34.
6 Вишняков И.В. Методы и модели оценки кредитоспособности заемщиков. СПб: Изд-во СПбГИЭА. 1998. С. 46.
Таблица 1
Сравнение основных достоинств и недостатков методологических подходов к решению задач многокритериальной классификации, основанных на теории вербального анализа и нечетко-интегральном
исчислении (фильтрации нечетких процессов)
Наименование метода
Вербальный анализ Фильтрация нечетких процессов
Достоинства
1. Хорошая теоретико-прикладная разработанность и научная обоснованность 1. Высокая адекватность решения слабоструктурированных задач
2. Полная адекватность решения неструктурированных и слабоструктурированных задач, в частности, задач многокритериальной классификации альтернатив 2. Позволяет строить достаточно эффективные базы знаний в разных предметных областях и достаточно адекватно моделировать процессы нечеткого многокритериального выбора
3. Позволяет интерактивно строить решение в терминах предметной области, с использованием словесных формулировок, понятных эксперту 3. Позволяет решать не только задачу классификации (многокритериального оценивания) объектов (задачи I и II), нр и прогнозирования динамики объектов и оптимального управления ими (задачу III)
4. Позволяет легко контролировать непротиворечивость классификации с помощью специально построенных процедур
5. Позволяет получить высокую достоверность результатов7.
Недостатки
1. Чувствительность результата к зависимости критериев (необходимо строить независимые системы критериев). 1. Недостаточная теоретико-прикладная разработанность
2. Рекомендуемое специалистами для эффективного применения алгоритмов классификации число критериев не должно превышать 9, число оценок (градаций) на шкалах критериев 5, число классов решений 7 2. Результаты об успешном применении методологии на практике на сегодняшний день отсутствуют
3. Требует значительных трудозатрат высших менеджеров банка (ЛПР) на стадиях постановки задачи и внедрения ее реализации 3. Сложность алгоритмизации задач конкретной предметной области. Для построения модели требуется использовать значительное количество допущений, основанных на эмпирических данных
4. Сложность и новизна формально-математического аппарата
5. Существующие компьютерные реализации методологии являются «закрытыми» и неадаптируемыми8
Таблица 2
Вербальное описание классов решений
№ п/п Наименование класса (С) Вербальное описание
I Высшая категория кредитоспособности (Hi class) Выполнение заемщиком всех обязательств не вызывает сомнения, заемщику может быть открыта кредитная линия, не предъявляются высокие требования к обеспечению
II Высокая кредитоспособность Заемщик может иметь некоторые трудности с выполнением договорных обязательств
III Средняя кредитоспособность Заемщик может иметь определенные трудности с выполнением договорных обязательств
IV Сомнительная кредитоспособность Выполнение заемщиком обязательств по договору вызывает серьезные сомнения
V Некредитоспособный Заемщик не способен выполнить обязательства по договору при данных условиях кредитования
1 По данным специалистов ИСА РАН, применявших методологию вербального анализа более чем в 40 предметных областях, — до 98-99% — см. О.И. Ларичев, A.A. Асанов. Метод ЦИКЛ порядковой классификации многокритериальных альтернатив. // Доклады РАН, 2000, № 12. С. 81.
8 Характерным в этом смысле примером является наиболее мощный из существующих на сегодняшний день программных продуктов такого рода — система Expert Professional — 2000, разработанная компанией «ИНЭКО, краткое описание которой содержится в В.П. Бочарников. Fuzzy — технология: Математические основы. Практика моделирования в экономике. СПб: Наука. РАН, 2001. С. 291-297.
1. Ценность заемщика для банка.
2. Надежность заемщика.
3. Стабильность и перспективность фирмы-
заемщика.
4. Оценка кредитного проекта.
5. Оценка финансового положения заемщика.
6. Обеспеченность кредита.
Ниже приводится состав и описание этих групп (табл.3).
С точки зрения адаптации методики многокритериальной классификации к практическим требованиям оценки кредитоспособности заемщиков конкретного коммерческого банка, необходи-
Описание групп кри
мо корректное построение множеств шкальных оценок по критериям (8ч). Эта процедура может быть выполнена на основе вербальных описаний, содержащихся в соответствующих разделах Кредитного меморандума и Регламента кредитования конкретного коммерческого банка. В частности, пример построения такого рода множеств шкальных оценок может быть представлен следующим образом (табл. 4 и 5).
Первоначально осуществляется классификация на нижнем уровне, внутри описанных 1рупп критериев.
Далее необходимо осуществление классификации заемщиков по всем уровням многокритери-
Таблица 3
риев классификации
№ группы критериев Наименование группы критериев Наименование критериев
1 Ценность заемщика для банка Долговременность отношений с банком Объем денежных средств клиента, проходящих через банк Доходы банка от обслуживания данного клиента
2 Надежность заемщика Статус заемщика Оценка позиции заемщика на переговорах Наличие кредитной истории Отсутствие компрометирующих сведений о заемщике
3 Стабильность и перспективность заемщика Уровень менеджмента заемщика, степень доверия банка к личности руководителя Наличие долговременных целей и планов их реализации у заемщика Устойчивость предприятия в зависимости от внешних условий (изменение налоговой политики, изменение ситуации на рынках) на время кредитования
4 Оценка кредитного проекта Рентабельность проекта Качество проработки проекта
5 Оценка финансового положения заемщика Обороты по расчетным и текущим счетам, денежный поток Финансовая устойчивость и ликвидность Финансовый результат и рентабельность Наличие задолженности по кредитам других банков Доля задолженности 1-4 групп очередности платежей в кредиторской задолженности
6 Обеспеченность кредита Оценка предлагаемого обеспечения Ликвидность обеспечения Прогноз стоимости обеспечения Достаточность обеспечения
Таблица 4
Примерные множества критериев, составляющих группы критериев кредитоспособности
№ группы критериев Наименование группы критериев Состав группы критериев и параметры
1 Ценность заемщика для банка 1.1. Ценность заемщика для банка 1) Долговременность отношений с банком 2) Ресурсы клиента для банка 3) Бюджет клиента для банка (доходы и расходы, связанные с данным клиентом)
2 Надежность заемщика 2.1.Статус заемщика 1) Высокий 2) Средний 3) Низкий 4) Неопределенный
Продолжение табл. 4
№ группы критериев Наименование группы критериев Состав группы критериев и параметры
2 Надежность заемщика 2.2. Оценка позиции заемщика на переговорах 1) Совпадает с кредитной политикой банка 2) Частично совпадает с кредитной политикой банка 3) Существенно расходится с кредитной политикой банка 2.2. Наличие кредитной истории 1) Есть, положительная 2) Нет 3) Есть, отрицательная 2.3. Отсутствие компрометирующих сведений о заемщике 1) Не имеются 2) Имеются несущественные 3) Имеются существенные
1 Стабильность и перспективность заемщика 3.1. Уровень менеджмента заемщика 1) Высокий 2) Умеренный 3) Низкий 3.2. Наличие долговременных целей и планов их реализации 1) Есть 2) Нет 3.3. Устойчивость предприятия в зависимости от внешних условий (изменение налоговой политики, изменение ситуации на рынках и др.) на время кредитования 1) Высокая устойчивость 2) Умеренная устойчивость 3) Неустойчивость (высокая зависимость от внешних условий)
4 Оценка кредитного проекта 4.1. Рентабельность проекта 1) Высокая 2) Средняя 3) Низкая 4.2. Качество проработки проекта 1) Высокое 2) Среднее 3) Низкое
5 Оценка финансового положения заемщика 5.1. Обороты по расчетным и текущим счетам 1) Крупные 2) Средние 3) Малые (незначительные) 4) Отсутствуют 5.2. Финансовая устойчивость 1) Абсолютная устойчивость 2) Относительная устойчивость 3) Неустойчивость 4) Кризисное положение 5.3. Наличие задолженности по кредитам другим банкам 1) Нет 2) Есть небольшая 3) Есть средняя 4) Есть крупная 5) Есть просроченная 6) Есть безнадежная 5.4. Доля задолженности 1-4 групп очередности платежей в кредиторской задолженности 1) Низкая или нет 2) Средняя 3) Высокая
6 Обеспеченность кредита 6.1. Оценка предлагаемого обеспечения 1) Высокая 2) Средняя
Таблица 5
Примерные множества порядковых шкал для оценки критериев
Окончание табл. 4
№ группы критериев Наименование группы критериев Состав группы критериев и параметры
6 Обеспеченность кредита 3. Низкая
6.2. Ликвидность обеспечения
1) Высокая
2) Средняя
3) Низкая
6.3. Прогноз стоимости обеспечения
1) Увеличивается
2) Остается стабильным
3) Уменьшается
6.4. Достаточность обеспечения
1) Достаточное
2) Недостаточное
3) Нет обеспечения
№ группы критериев Наименование группы критериев Шкала оценки
Порядковый номер шкалы Вербальные, или качественные, оценки (значения)
1 Ценность заемщика для банка 3 5. Особо ценный 6. Ценный 7. Умеренно ценный 8. Низкая ценность
2 Надежность заемщика 4 9. Высокая 10. Средняя 11. Низкая
3 Стабильность и перспективность заемщика 6 12. Наиболее стабильный и перспективный 13. Стабильный и перспективный 14. Умеренно стабильный и перспективный 15. Нестабильный, но перспективный 16. Нестабильный и бесперспективный
4 Оценка кредитного проекта 2 1. Высокая 2. Средняя 3. Низкая
5 Оценка финансового положения заемщика 5 1. Отличное 2. Хорошее 3. Удовлетворительное 4. Проблемное 5. Неудовлетворительное
6 Обеспеченность кредита 1 1. Полностью удовлетворяет требованиям банка 2. Вполне удовлетворяет 3. Не удовлетворяет
ального описания кредитоспособности. При этом должно проверяться качество полученных результатов (например, путем сравнения с опытом членов экспертной группы).
Важно подчеркнуть, что в процессе реализации описанных выше этапов внедрения системы классификации должно происходить уточнение и согласование представителями подразделений банка описаний и различных оценок параметров кредита.
На основе различных комбинаций оценок параметров состава групп критериев (табл. 4) формируются вербальные, или качественные, значения для каждой группы критериев кредитоспособнос-
ти (табл. 5). В свою очередь, различные комбинации вербальных значений по каждой группе критериев позволяют отнести заемщика к тому или иному классу кредитоспособности (табл. 2).
Матрица соответствия вербальных значений параметров критерия на шкале оценок тому или иному классу кредитоспособности может выглядеть, как показано на рис. 1.
Из приведенной матрицы видно, что, в общем случае, в результате «+классификации» заемщиков по значению параметров групп критериев к I и II классу кредитоспособности (высшая и высокая) относятся клиенты, имеющие по каждой группе критериев значения параметров 1 и 2. К III классу
Предложенная выше методика комплексной оценки кредитоспособности заемщиков позволяет правильно оценить степень риска при кредитовании и расширить круг потенциальных заемщиков. Приведем пример из практики кредитования конкретного коммерческого банка Нижегородского региона.
При определении кредитоспособности заемщиков банк использует методику, основанную на анализе финансовых коэффициентов, которые вычисляются по данным бухгалтерской отчетности предприятия. Эта методика учитывает только один фактор кредитоспособности заемщика — его финансовое состояние. Суть методики состоит в рейтинговой оценке потенциальных заемщиков, в основу которой положено несколько финансовых показателей, каждому из которых экспертами банка назначены определенные удельные веса по значимости этих показателей. В зависимости от фактического значения каждого финансового коэффициента, последнему присваивается определенная категория, которая затем «взвешивается» на соответствующий удельный вес данного коэффициента. На основе рассчитанной суммы баллов по каждому показателю определяется общее количество бал-групп критериев кредитоспособности заемщика определен- лов для данного заемщика, а затем по общему ито-ному классу его кредитоспособности гу баллов определяется класс кредитоспособности
Таблица 6
Выходные данные по анализу кредитоспособности предприятия А (торговля нефтепродуктами)
№ п/п Наименование финансового показателя Среднее фактическое значение показателя за несколько отчетных периодов Нормативное значение показателя Степень достаточности показателя по сравнению с нормативом Категория показателя Удельный вес показателя Сумма баллов, гр.Е,Ж
А Б В Г Д Е Ж 3
1. Коэффициент абсолютной ликвидности 0,24 0,2 Достаточно 1 0,11 0,11
2. Промежуточный коэффициент покрытия 0,91 0,8 Достаточно 1 . 0,05 0,05
3. Коэффициент текущей ликвидности (общий коэффициент покрытия) 0,99 2,0 Недостаточно 3 0,42 1,26
4. Коэффициент соотношения собственных и заемных средств 0,01 0,6 - 1,0 Недостаточно 3 0,21 0,63
5. Рентабельность продукции (продаж), руб. 0,03 Не вполне достаточно 2 0,21 0,42
Итого: 1,0 2,47
кредитоспособности (средняя) относятся клиенты, имеющие по каждой группе критериев значения 2 и 3. КIV классу кредитоспособности (сомнительная) относятся клиенты со значениями групп критериев 3 и 4. Наконец, к V классу кредитоспособности (некредитоспособные) относятся заемщики со значением групп критериев 5.
Рис. 1. Матрица соответствия значений шкал оценки
Таблица 7
Выходные данные по анализу кредитоспособности предприятия Б (выставочная деятельность)
№ п/п Наименование финансового показателя Среднее фактическое значение показателя за несколько отчетных периодов Нормативное значение показателя Степень достаточности показателя по сравнению с нормативом Категория показателя Удельный вес показателя Сумма баллов, гр. Е, Ж
1. Коэффициент абсолютной ликвидности 0,40 0,2 Достаточно 1 0,11 0,11
2. Промежуточный коэффициент покрытия 0,66 0,8 Недостаточно 3 0,05 0,15
3. Коэффициент текущей ликвидности (общий коэффициент покрытия) 0,98 2,0 Недостаточно 3 0,42 1,26
4. Коэффициент соотношения собственных и заемных средств 5,44 0,6 - 1,0 Достаточно 1 0,21 0,21
5. Рентабельность продукции (продаж) 0,03 Не вполне достаточно 1 0,21 0,21
Итого: 1,0 1,94
для принятия решения о кредитовании. Пример определения кредитоспособности конкретных заемщиков приведен в табл. 6 и 7.
Как видно из приведенных данных, значения всех показателей распределены по категориям: первая — достаточное значение показателя; вторая — не вполне достаточное; третья — недостаточное. Класс кредитоспособности заемщика зависит от общей суммы баллов: высокая кредитоспособность (умеренная степень риска) — от 1,0 до 1,99 баллов; средняя (повышенная степень риска) — от 2,0 до 2,99 баллов; низкая кредитоспособность — 3,0 балла.
Согласно данной классификации предприятие «А» отнесено к категории предприятий, кредитование которых связано с повышенным риском (сумма баллов 2,47). Однако, если учесть весь комплекс факторов кредитоспособности — репутацию руководства и хорошую кредитную историю, достаточные денежные потоки по счетам в банке в период действия кредитного договора и ликвидное обеспечение (залог собственного векселя банка), а также высокую оценку кредитного проекта, то в дан-■ ном случае предприятие по предложенной методике (см. матрицу соответствия, рис. 2) может быть отнесено к классу предприятий с высокой кредитоспособностью.
Предприятие «Б» классифицировано как заемщик с высокой кредитоспособностью (сумма баллов 1,94). В то же время, принимая во внимание от-
сутствие кредитной истории в банке, недостаточный оборот денежных средств по счетам и недостаточное обеспечение, на основании предложенной методики предприятие можно отнести лишь к классу предприятий средней степени кредитоспособности.
Опыт применения системы порядковой классификации в других предметных областях показал, что формализация предметной области на основе методологии вербального анализа, введение на ней структуры критериев и классов решений дает возможность успешно решать задачу классификации.
Подчеркнем, что при наличии современных мощных инструментальных средств программирования (таких как визуальные среды RAD — Rapid Application Design — «быстрой разработки приложений», наподобие Delphi, С++ Builder, J++ Builder), позволяющих в максимально сжатые сроки создавать крупные прикладные программные комплексы с минимальными затратами труда разработчиков, задача построения автоматизированной системы классификации заемщиков становится технически не более сложной, чем создание других автоматизированных систем для анализа данных. Путем реализации такого рода программного проекта должна быть детализированная «технико-математическая» постановка задачи определения кредитоспособности на базе изложенного выше алгоритма при участии программистов и технических консультантов коммерческого банка.
