Риски присущи всем сферам банковской деятельности, но большинство рисков связано с активными операциями банка, в первую очередь с кредитной и инвестиционной деятельностью. Кредитование является одной из основных сфер деятельности банка. Анализ структуры активов банковской системы Украины свидетельствует о том, что более трети из них приходится на кредитный портфель [1]. Кредитные операции банка являются ведущими среди прочих как по прибыльности, так и по масштабности размещения средств. Поэтому вопрос о повышении эффективности кредитной политики и снижении кредитных рисков является очень актуальным.

Кредитный риск банка – это степень неопределенности возникновения нежелательных событий при осуществлении финансовых сделок, суть которых состоит в том, что контрагент банка не сможет выполнить взятых на себя по соглашению обязательств, и при этом не удастся воспользоваться обеспечением возврата заемных средств.

Таким образом, важной компонентой банковского менеджмента является стратегия управления рисками. Она должна обеспечить минимизацию возможных затрат при осуществлении банковской деятельности, которая в условиях рыночной экономики и конкуренции невозможна без риска.

Актуальным также является вопрос об автоматизации процессов расчета и оценки финансового состояния предприятия [2]. С этой целью в работе представляется система поддержки принятия решений в кредитовании предприятий, позволяющая проводить более точный и глубокий анализ кредитоспособности заемщика, снизить кредитные риски банка, ускорить процесс принятия решений банковскими работниками.

2 Инструменты, позволяющие решать задачу кредитования предприятий

Одним из основных способов избежания невозвращения кредита является тщательный и квалифицированный отбор потенциальных заемщиков [3]. Главным средством такого отбора является экономический анализ деятельности клиента с позиции его кредитоспособности. Под кредитоспособностью понимается такое финансовое состояние предприятия – заемщика, которое дает уверенность в эффективном использовании заемных средств, способности и готовности заемщика возвратить кредит в соответствии с условиями кредитного соглашения.

Основным инструментом, позволяющим определять кредитоспособность потенциальных заемщиков, является комплексный финансовый анализ предприятия.

Чем полнее и точнее будет анализ, тем меньше будет риск убытков. В условиях рыночной экономики предприятие может нормально функционировать только при соответствующем финансовом состоянии, которое характеризуется рядом показателей, отражающих наличие и использование его денежных ресурсов. Для оценки такого состояния требуется всесторонний анализ всех без исключения направлений деятельности хозяйствующего субъекта.

Цель анализа состоит в том, чтобы установить и оценить финансовое состояние, а затем и финансовую устойчивость предприятия, берущего кредит. По результатам этого анализа банк решит выдавать или не выдавать кредит, на какую сумму и на какой период времени. Кредитоспособность заемщиков банки тесно увязывают с результатами хозяйственной деятельности.

Основное содержание внешнего финансового анализа, осуществляемого партнерами предприятия по данным официальной отчетности, составляет оценку:

• прибыли и рентабельности;
• ликвидности баланса;
• финансовой устойчивости;
• эффективности использования собственного и заемного ка-питала;
• кризисного состояния и угрозы банкротства.

Применяемые в настоящее время способы оценки кредитоспособности заемщика в основном основаны на решении расчетных задач. Поэтому создание экспертной системы, позволяющей автоматизировать процессы расчета и анализа финансовой устойчивости предприятия, значительно облегчит процесс принятия решения о целесообразности выдачи кредита.

Кроме того, выбор наиболее эффективной методики оценки финансового состояния предприятия, которую можно будет положить в основу создаваемой экспертной системы, является залогом успешной кредитной деятельности банка.

3 Методы количественного анализа кредитного риска

Количественный анализ кредитного риска коммерческого банка осуществляется при использовании методов финансовых коэффициентов, статистических и экспертных методов [4].

Метод финансовых коэффициентов состоит в расчете относительных показателей, которые характеризуют предприятие с точки зрения состояния его ликвидности, рентабельности и финансовой устойчивости, и сопоставлении их с нормативными значениями. Не отрицая достоинств этого метода, все же следует отметить, что он не лишен некоторых недостатков. Например, не всегда можно сделать однозначный вывод о том, насколько кредитоспособным является заемщик, т.к. значения одних его коэффициентов отвечают нормам, а значения других – нет.

Среди статистических методов оценки кредитного риска следует выделить метод дискриминантного анализа, который дает возможность разбивать заемщиков на классы. С помощью этого метода можно построить классификационные модели для прогнозирования результатов кредитных соглашений (выполнить заемщик условия или нет). В международной банковской практике самыми известными из таких моделей является Z-модель Альтмана, модель Фулмера, которые используются для прогнозирования банкротства предприятия, и модель наблюдения за кредитами Чессера. В последнее время распространились еще две категории моделей оценки кредитного риска: структурные модели (structural models), основанные на исследованиях Р. Мертона, и модели сокращенных форм (reduced form models) [5].

Но следует отметить, что есть и недостатки в применении этих моделей на практике. Необходимо учитывать особенности украинской банковской практики, поэтому следует корректировать данные модели, принимая во внимание современные экономические реалии, отраслевые и другие факторы. Также статистические методы оценки кредитного риска требуют значительных массивов данных, которых может не быть. Поэтому из-за нехватки или отсутствия информации на практике чаще используются экспертные методы.

Суть экспертных методов состоит в обработке суждений опытных специалистов банковского дела относительно вероятности возникновения разных значений убытков, тех или иных неблагоприятных (нежелательных) событий в процессе банковского кредитования. Одним из примеров оценки кредитного риска экспертными методами являются рейтинговые методы оценки кредитоспособности заемщика, которые довольно распространенном в украинской банковской практике.

4 Анализ существующих моделей оценки финансового состояния заемщика

На сегодняшний день существует множество методик оценки финансового состояния заемщика, многие из которых применяются на практике [6].

Учитывая многообразие финансовых процессов, множественность показателей финансовой устойчивости, различие в уровне их критических оценок, складывающуюся степень отклонений от них фактических значений коэффициентов и возникающие при этом сложности в оценке финансовой устойчивости организации, разрабатываются ряд методик для проведения интегральной оценки финансовой устойчивости.

Разработано множество методик классификации предприятий с точки зрения финансовой устойчивости [7]. К примеру, существует методика, классифицирующая организации по уровню риска с использованием бальной системы. Предприятия делятся на 5 классов. Однако говорить однозначно об оптимальности этой методики нельзя, т.к. для анализа используется всего 6 показателей, а бальная система разработана в значительной мере условно.

Также разработано множество индикаторов антикризисного планирования деятельности предприятия. Наиболее распространенные из них: двухфакторная модель оценки вероятности банкротства предприятия, оценка вероятности банкротства предприятия на основе Z-счета Альтмана, модель Романа Лиса для оценки финансового состояния, оценка финансового состояния предприятия по показателям У.Бивера, R-модель прогноза риска банкротства и др.

Недостаток этих моделей состоит в том, что они не обеспечивают всестороннюю оценку финансового состояния предприятия, а потому возможны слишком значительные отклонения прогноза от реальности. Также модели разрабатывались в отличных от украинских экономических условий. В украинской практике предпринимались многочисленные попытки использовать вышеперечисленные модели. Но различия во внешних факторах, оказывающих влияние на функционирование предприятия, а следовательно, экономические показатели, искажают вероятностные оценки. Различия в темпах инфляции и фазах цикла, особенно в фондо-, энерго- и трудоемкости производств, иной налоговый климат требуют соответствующей корректировки моделей.

Таким образом, в целях получения более объективной оценки финансово-экономического состояния предприятия, возникает потребность создания эффективной методики оценки финансового состояния предприятия.

5 Постановка задачи

Задача распознавания образов заключается в классификации некоторой группы объектов на основе определенных требований. Объекты, относимые к одному классу образов, обладают общими свойствами.

В работе применяется статистический подход к распознаванию образов, который даст возможность построения классификации, исходя из статистических свойств образов [8]. Рассматривается процесс принятия решений о целесообразности выдачи кредита предприятию как игру статистического характера, которую осуществляет классификационный механизм системы распознавания образов с природой. Игроком А является природа, а игроком В – классификационный механизм системы распознавания. Стратегии, используемые игроком А, называются состояниями природы и обозначаются через . Состояния природы соответствуют классам образов. Т.е. предприятие, желающее взять кредит, с какой то долей вероятности относится к определенному классу образов . К примеру, можно выделить 4 класса образов , по которым будут классифицироваться предприятия:

• с очень высокой вероятностью банкротства;
• с высокой вероятностью банкротства;
• с возможной вероятностью банкротства;
• с очень низкой вероятностью банкротства.

Стратегии, используемые игроком В (классификатором), представляют собой решения, относящиеся к состояниям природы. Т.е. в зависимости от того, к какому классу финансовой устойчивости принадлежит предприятие, система решает, какую стратегию избрать: выдавать кредит или нет, а в случае выдачи кредита, какие условия поставить.

6 Математическая модель

Зададим функцию G, которая задается набором из трех элементов (Y, Z, L).

G = (Y, Z, L)                                                                                                                                      (1)

Где yY

Y = (y₁, y₂,…,y_M)                                                                                                                                  (2)

Это стратегия игрока А, т.е. возможные состояния финансовой устойчивости предприятия.

Игрок В выбирает стратегию zZ, т.е. условия выдачи кредита

Z = (z₁, z₂,…,z_N)                                                                                                                                  (3)

Функция L – это ограниченная числовая функция, определенная на пространстве прямых произведений Y Z пар (y, z). Функция L является функцией выигрыша или функцией потерь. Игрок А выбирает стратегию y Y, и игрок В выбирает стратегию zZ. При проигрыше игрока В банк теряет сумму выдачи кредита данному предприятию и проценты, которые он должен был получить за кредит. При выигрыше игрока В банк получает прибыль в размере выплачиваемых процентов за кредит. Таким образом, каждый элемент матрицы выигрышей (потерь)

L_i,j = L(y_i, z_j)                                                                                                                                    (4)

Математическое ожидание потерь, связанных с отнесением образа x к классу , определяется выражением:

                                                                                                                         (5)

Эту величину можно назвать условным средним риском. При распознавании каждого образа, предъявляемого природой, классификатор может отнести его к одной из М возможных категорий. Т.к. для каждого образа x вычисляются значения условных средних потерь и классификатор причисляет его к классу, которому соответствуют наименьшие условные потери, то и математическое ожидание полных потерь также будет минимизировано. Такой классификатор называется байесовским [9]. Используя формулу Байеса

                                                                                                                         (6)

                                                                                                                         (7)

В общем случае разделения на несколько классов образ x причисляется к классу , если условие справедливо при j = 1, 2, …, M, j i, т.е. если выполняется условие:

                                                                                                    (8)

Таким образом, байесовский классификатор обеспечивает отнесение образа x к классу с наименьшим значением средних потерь r.

7 Обработка статистических данных для разработанной модели

Статистический подход основывается на математических правилах классификации, которые формулируются и выводятся в терминах математической статистики. Байесовский классификатор обеспечивает получение оптимального классификатора в тех случаях, когда известны плотности распределения для всех совокупностей образов и вероятности появления образов для каждого класса.

Для использования байесовского классификатора необходимо знать вероятности и плотности распределения для каждого класса образов. Данную информацию можно получить, проанализировав статистические данные банкротства предприятий Украины за определенный промежуток времени по различным отраслям. Необходимо также знать стоимость принятия соответствующих решений, что можно рассчитать, исходя из желаемой суммы кредита и начисляемых процентов.

Выводы

Преимущества данной модели состоит в том, что для решения задачи о целесообразности выдачи кредита с учетом финансового состояния предприятия-заемщика используется оптимальный классификатор, дающий высокий уровень точности классификации.

Кроме того, эта модель хорошо формализована, что позволит реализовать ее в разрабатываемой экспертной системе.

Предложенная модель может применяться в совокупности с известными методами финансового анализа предприятия-заемщика, что позволит проводить более полный и точный анализ и уменьшить риск, связанный с кредитной деятельностью банка.

Список использованной литературы

1. О.П.Пернарівський Аналіз, оцінка та способи зниження банківських ризиків // Вісник НБУ, - 2004 - №4 – 44 с.
2. Калачиков О.В., Крупко Т.В., Автоматизація процесу оцінки кредитоспроможності підприємства // Фінанси України, - 2003 - №5 – 54 с.
3. Є. Тарнай Професійне управління кредитною діяльністю – гарантія успішного функціонування банку // Вісник НБУ, - 2004 - №6 – 30 с.
4. О.И. Лаврушина Банковское дело – М.: Финансы и статистика, 2001 г. – 672 с.
5. Т.С. Клебанова, Е.В. Раевнева, Математические модели трансформационной экономики – Харьков: ИД «ИНЖЭК», 2004 – 280 с.
6. В.Г.Артеменко, М.В. Беллендер Финансовый анализ - М.: Юнити, 1997 – 384 с.
7. И.А. Бланк, Стратегия и тактика управления финансами - К.: Финансы и статистика, 1996 – 487 с.
8. Дж. Ту, Р. Гонсалес Принципы распознавания образов – М.: «Мир», 1978 – 416 с.
9. Фу К. Последовательные методы в распознавании образов и обучении машин – М.: «Наука», 1971 – 256 с.
10. В.И. Гребельный Практикум по финансам предприятий - Д.: Донбасс, 2000 – 124 с.
11. М.И.Баканов, А.Д.Шеремет Теория экономического анализа – М.: Финансы и статистика, 1998 – 467 с.
12. В.І. Волохов, Оцінка ефективності кредитної діяльності баків // Фінанси України, - 2003 - №4 – 115 с.
13. С.І. Терещенко, Моделі оцінки платоспроможності діприємств // Фінанси України, - 2001 - №7 – 69 с.
14. Г.А. Титоренко, Информационные технологии управления - М.: Юнити, 2002 – 246 с.
15. О. Кононенко анализ финансовой отчетности – Харьков: Фактор, 2005 – 154 с.