Методика расчета скоринга в coface

Весной 2009 года в русском офисе французского экспортно-кредитного агентства Coface была создана личная совокупность скоринга компаний сегмента МСБ. Эта программа — с маленькими уточнениями — употребляется уже более года и очень удачно.

Особенности национального скоринга

В Российской Федерации развитие скоринга (в его изначальном значении) ограничивается все еще низкими по западным меркам количествами кредитования, и скоро изменяющимися социально-экономическими условиями. рейтинговые агентства и Российские банки не располагают достаточной информацией о клиентах чтобы выстроить действенные математические модели, снабжающие спрос на розничное кредитование, с одной стороны, и минимизацию банковских рисков — с другой.

В таковой ситуации имеется два метода действий. Возможно или применять модель, созданную за границей (так поступает большая часть «дочек» зарубежных банков и западных рейтинговых агентств), с необходимой адаптацией к русским реалиям. Или отказаться от применения скоринга на начальном этапе и выдавать кредиты всем желающим на основании стандартной проверки с целью накопления нужной кредитной истории.

По окончании чего на основании собранных разрешённых разработать собственную скоринговую модель.

В самом упрощенном виде скоринговая модель является взвешенную сумму определенных черт. В следствии получается интегральный показатель — чем он выше, тем выше надежность клиента, и банк может упорядочить собственных клиентов по степени возрастания кредитоспособности. Интегральный показатель каждого клиента сравнивается с неким числовым порогом, либо линией отсечения (линией безубыточности, по существу).

Порог рассчитывается исходя из количества исправно платящих клиентов, нужных для выплаты убытков от одного должника.

Чем более однородна популяция клиентов, на которой разрабатывается модель, тем правильнее прогнозирование дефолта. Исходя из этого разумеется, что запрещено машинально перенести модель из одной страны в другую либо из одного банка в второй. Кроме того в одного банка существуют разные модели для различных групп видов и различных клиентов кредита.

Комплект входящих разрешённых может варьироваться в зависимости от выбранной модели, а она, со своей стороны, зависит от точности и уровня сложности, которую себе задает (и может разрешить) кредитная либо рейтинговая организация. После этого эти входные эти вводятся в программу — назовем ее «тёмным коробкой», — которая по окончании определенных расчетов, выдает итоговую оценку.

Что в «тёмного коробки»?

Разглядим самая известную западную модель скоринга — модель Альтмана, первый вариант которой был создан автором во второй половине 60-ых годов XX века на базе статистических данных приблизительно 70 американских компаний, добрая половина из которых стала банкротами. Эта модель предназначена для оценки кредитоспособности больших публичных компаний, каковые в соответствии с требованиями SEC (американской рабочей по акциям) должны владеть годовым оборотом не меньше 15 миллионов долларов.

В общем случае формула получения значения скоринга выглядит как простой многочлен. В модели Альтмана она принимает вид:

Z = 1,2A + 1,4B + 3,3C + 0,6D + 0,999E,

где А — отношение оборотного капитала к совокупным активам, В — отношение нераспределенной прибыли прошлых лет к совокупным активам, С — отношение прибыли до уплаты процентов и налогов к совокупным активам, D — отношение рыночной капитализации к полной балансовой цене долговых обязательств; Е — отношение количества реализации к совокупным активам.

Может создаться чувство, что вышеприведенная модель готова к исполнению собственных функций и в русских условиях. Но все не так легко, как думается. Обстоятельств, по которым не следует спешить с заимствованием западных совокупностей скоринга, две. Первая связана с математическими изюминками способа — представленные выше модели смогут проводить лишь линейные границы между «нехорошими» и «хорошими» заемщиками.

Вторая — с экономическими изюминками нашей страны: высокой дисперсностью регионов по экономическим особенностям и громадным количеством теневого сектора в экономике.

Попытка применить модель Альтмана для таких гигантов как «Газпром» либо «Лукойл», по крайней мере, с формальной точки зрения, не встретит никаких трудностей. Имеется эти официальной отчетности, имеется весовые коэффициенты, соответственно, возможно вычислить оценку кредитоспособности заемщика. Но что делать, в случае если нужно оценить не упомянутые наибольшие публичные компании, а к примеру, мелкий колбасный завод в Подмосковье?

Из 5 переменных формулы Альтмана в этом случае останется лишь 4, так как для переменной D не будет данных.

В действительности обстановка еще сложнее: не принимая к сведенью переменную D, мы вынуждены изменять геометрию пространства факторов риска и, как следствие, весовые коэффициенты и по вторым переменным формулы. Изменяется сама модель: критическое значение скоринговой оценки (порог отсечения), с которым сравнивается оценка каждого заемщика, делается совсем вторым. Следовательно, в отечественных условиях выбор растолковывающих переменных для оценки скоринга русских компаний — очень непростая задача.

Альтман выстроил собственную модель на данных всего 70 компаний, в ней отражена в полной мере конкретная отраслевая специфика бизнеса (базисные отрасли американской экономики), она никак не учитывает риски, которые связаны с бизнес-циклами в Российской Федерации, и риски, характерные компаниям с другой отраслевой принадлежностью. Исходя из этого возможно констатировать следующее: применение для того чтобы рода модели методом ее механического переноса в отечественные условия само по себе делается замечательнейшим причиной риска кредитной оценки.

Cofra нам поведает

Автору приходилось выступать в качестве исполнителя-программиста и финансиста-разработчика в западном рейтинговом и страховом агентстве, в то время, когда стояла задача создания локальной совокупности присвоения скоринга, стыкующейся с методикой материнской компании, но учитывающей самые существенные показатели, каковые смогут быть легко забраны из стандартной русского отчетности.

В следствии была разработана программа B2F.

В начале 2009 года в русском офисе «Кофаса» появилась необходимость создать скоринговую модель для средних предприятий и оценки малых в кризисное время. Создатель участвовал и в этом проекте.

БАЗИСНОЕ ЗНАЧЕНИЕ

В качестве базы скоринговой оценки в созданной модели употребляется маржа EBITDA, поскольку рентабельность — главной параметр, включающий, среди другого, неспециализированную прибыльность компании, рыночные и бизнес-риски. Он кроме этого косвенно отражает страновые изюминки (к примеру, попытки завысить себестоимость для понижения налогооблагаемой базы). Показатели из отчета о убытках и прибылях рассчитываются на годовой базе — месяц к месяцу (LTM, last twelve months).

При необходимости употребляются квартальные отчеты.

EBITDA рассчитывается как EBIT (прибыль/убыток от продаж) плюс оценочное значение амортизации — 5% от суммы главных средств, — так как в русском квартальной отчетности значение амортизации не указывается, а времени на запрос данной информации у оцениваемой компании в рамках скоринга не предусмотрено.

КОРРЕКЦИЯ — ПЕРВЫЙ ЭТАП

Полученное базисное значение скоринга потом корректируется в соответствии со следующими параметрами.

Динамика количества продаж, которая демонстрирует свойство компании реализовывать собственные товары/услуги в текущей рыночной обстановке (свойство выживать в кризисных условиях).
Изменение собственного капитала в связи с сокращением/повышением нераспределенной прибыли/убытка, наличием переоценок валютных позиций, денежных вливаний акционеров либо, что совсем маловероятно в кризисное время, выпуска дополнительных акций.
Коэффициент «неспециализированный денежный долг/EBITDA», что оценивает возможности разбираемой компании гасить долги из операционной прибыли. Наряду с этим неспециализированный денежный долг, согласно точки зрения авторов модели, включает в себя не только долговременные/займы и краткосрочные кредиты, но и денежный лизинг, что по РСБУ относится к забалансовым показателям, но в обязательном порядке учитывается по МСФО.
Показатель покрытия процентов, что демонстрирует свойство компании обслуживать денежный долг.

Стоит подметить, что в «Кофас» были установлены достаточно либеральные покрытия процентов долговой и пороговые значения нагрузки, что соответствовало средней норме во время кризиса.

КОРРЕКЦИЯ — ВТОРОЙ ЭТАП

Потом полученное значение корректируется в сторону увеличения при наличия хороших тенденций/факторов. К примеру, компания иногда образовывает и раскрывает отчет о перемещении денежных средств — это говорит о большей прозрачности и более продвинутой совокупности учета. В случае если же наряду с этим чистый финансовый поток от операций за разглядываемый период — хороший, имеется явный предлог для «поощрения».

Значение скоринга корректируется кроме этого в зависимости от политики компании довольно странового риска России (в нашем случае значение 7 было принято за страновой потолок).

В завершение имеется возможность ручной корректировки посчитанного машиной значения скоринга (что, но, редко употребляется на практике) на +1/-1 на основании субъективных индикаторов, таких как:

лидерство на рынке и/либо явная динамика разглядываемого рынка;
заявленная помощь правительства, административный ресурс;
помощь акционеров, сильный менеджмент;
большие трансформации бизнеса (переориентация на другой продукт, рынок и т.д.).

Обрисованная модель употребляется в программе Cofra, на входе в которую вводятся вышеперечисленные параметры, а на выходе получается числовое значение. Это значение возможно переведено в буквенный рейтинг, подобный шкале StandardPoors (см. таблицу 6).

Cofra была протестирована более чем на 40 компаниях, ранее отрейтингованых в программе B2F. На рис. 1 продемонстрировано сравнение результатов этих двух значений и программ, вычисленных по формуле Альтмана.

Видно, что наиболее резко отличаются как раз последние.

Полученный итог показался в полной мере приемлемым и обнадеживающим, поскольку Cofra разрешает на основании всего десятка стандартных значений в считанные 60 секунд взять значение скоринга, практически совпадающего с результатом более сложной программы B2F, которая требует намного большего количества входных данных, экспертных корректировок и затрат времени.

Финансовая жизнь

Методика расчета скоринга в coface

Кредитный скоринг заемщиков (предиктивная аналитика)

Похожие статьи, которые вам, наверника будут интересны: