Анализ кредитоспособности заемщика на ОАО «Уральская Сталь»

 

      СОДЕРЖАНИЕ 
 

       Введение……………………………………………………………………..3

       Глава 1 Теоретические аспекты анализа (оценки) кредитоспособности заемщика ……………………………………………………………………………5

       1.1 Методы оценки потенциального  заемщика с позиции экономической  безопасности ………………………………………………………………………..5

       1.2 Определение категории кредитного  риска заемщика………………..9

       1.3 Маркетинговые методы стратегической  концентрации информации о заемщиках…………………………………………………………………………...15 

       Глава 2 Анализ кредитоспособности заемщика на ОАО «Уральская Сталь» за 2004 – 2006 гг………………………………………………………...….21

       2.1 Краткая экономическая характеристика  предприятия………………21

       2.2 Оценка финансового положения  заемщика………………………….23

       2.3 Анализ кредитоспособности заемщика………………………………28 

       Глава 3 Мероприятия направленные на уменьшение факторов риска связанных с финансовым состоянием заемщика…………………………………32

       3.1 Обзор зарубежных моделей анализа  кредитоспособности заемщика……………………………………………………………………………32

       3.2 Бюро кредитных историй, как  фактор минимизации рисков кредитования………………………………………………………………………..36

       Заключение……….......................................................................................43

       Список  использованной литературы……………………………………..45

       Приложение 1 Методология управления банковскими рисками

       Приложение 2 Схема цикличности осуществления управления банковскими рисками

       Приложение 3 Схема бизнес - процессов коммерческого банка

       Приложение 4 Таблица для SWOT анализа

       Введение 

      Процесс кредитования связан с действием многочисленных и многообразных факторов риска, способных повлечь за собой непогашение ссуды в обусловленный срок. Изменения в потребительском спросе или в технологии производства могут решающим образом повлиять на дела фирмы и превратить некогда процветающего Заемщика в убыточное предприятие. Продолжительная забастовка, резкое снижение цен в результате конкуренции или уход с работы ведущих управляющих - все это способно отразиться на погашении долга заемщиком. Предоставляя ссуды, коммерческий банк должен изучать факторы, которые могут повлечь за собой их непогашение. Такое изучение именуют анализом кредитоспособности (credit analysis).

      Основная  цель такого анализа  определить способность  и готовность заемщика вернуть запрашиваемую  ссуду в соответствии с условиями  кредитного договора. Банк должен в  каждом случае определить степень риска, который он готов взять на себя, и размер кредита, который может быть предоставлен в данных обстоятельствах.

      Рассматривая  кредитную заявку, служащие банка  учитывают много факторов. На протяжении многих лет служащие банка, ответственные  за выдачу ссуд исходили из следующих моментов: дееспособности заемщика; его репутации; способности получать доход; владение активами; состояния экономической конъюнктуры.

      Банки развитых капиталистических стран  применяют сложную систему большого количества показателей для оценки кредитоспособности клиентов. Эта система дифференцирована в зависимости от характера Заемщика (фирма, частное лицо, вид деятельности), а также может основываться как на сальдовых, так и оборотных показателях отчетности клиентов.

      При оценке кредитоспособности клиента коммерческого банка рекомендуется использовать не только основные, но и дополнительные показатели. В их числе могут быть показатели, характеризующие обрачиваемость запасов или средств в расчетах, долю ликвидных активов в общей сумме оборотных средств или соотношение ликвидных активов I класса и задолженности, уровень неплатежей за истекший период, эффективность производственного потенциала, доходность и прибыльность партнеров (например, кредитоспособность заказчика), среднюю продолжительность строительства, равномерность распределения дохода.

      Анализ  и оценка потенциального заемщика заключается в проверке не только и не столько его финансового состояния, но и многих других аспектов, в том числе связанных с принятием на себя риска третьих лиц. Ведь даже самый законопослушный предприниматель не застрахован от того, что его не подведет партнер или контрагент. А гражданин, берущий потребительский кредит, не может гарантировать, что завтра не окажется без источника дохода. Таким образом, исключительно актуальным сегодня становится комплексный подход к оценке заемщиков.

      Минимизация кредитного риска наталкивается  на российские проблемы защиты бизнеса, начиная с отсутствия информационной базы хозяйствующих субъектов в  масштабах региона и страны. Добавим нескоординированность деятельности государственных органов и частных организаций, фрагментарный и противоречивый характер нормативно-правовой базы, продолжающуюся "либеральную криминализацию" бизнеса и общества и так далее.

      Второе  типичное явление - привлечение службы безопасности банка только тогда, когда проблемы с возвратом кредита уже возникли.

      Это неправильно по сути. Проверку клиентов изначально следует организовывать силами трех подразделений: кредитного, юридического и безопасности. При этом каждое должно отвечать за решение строго определенных вопросов, отнесенных к их компетенции.

      Данные  проблемы и обусловили  выбранную  тему курсовой работы: «Анализ  кредитоспособности заемщика». 
 
 
 

       Глава 1 Теоретические аспекты  анализа (оценки) кредитоспособности заемщика

       1.1 Методы оценки  потенциального заемщика  с позиции экономической  безопасности  

      Одним из важнейших вопросов управления кредитным  риском конкретной рисковой позиции  является определение вероятности  дефолта или вероятности дефолта конкретного контрагента. Под термином "дефолт" как в западной, так и в отечественной научной литературе понимается неисполнение контрагентом в силу неспособности или нежелания условий кредитного соглашения или рыночной сделки.

      При определении вероятности дефолта контрагента, как правило, применяются несколько методов, образующих модели, в которых, с одной стороны, метод финансовых коэффициентов регламентирует порядок подбора и расчета финансовых коэффициентов, а с другой стороны - методы, использующие математический аппарат, определяют механизм действия.

      В силу того что современные реалии российских и западных банков существенно  отличаются по таким важнейшим параметрам, как правовое поле и исторически  сформировавшиеся экономические отношения, по нашему мнению, справедливо разделить существующую практику определения вероятности дефолта на российскую и западную.

      Проведя анализ западной практики определения  вероятности дефолта (компании, заемщика, контрагента), мы пришли к выводу о  параллельном существовании нескольких видов моделей:

      - модели, основанные исключительно  на данных финансовой отчетности;

      - модели, использующие как финансовую  отчетность, так и другие данные;

      - актуарные модели;

      - модели, основанные на определении  рыночной стоимости.

      Рассмотрим  приведенные модели более подробно.

      В течение прошлого века в финансовом мире прослеживались следующие тенденции: волнообразное действие глобальных и национальных финансовых кризисов, увеличение волатильности финансовых рынков, стремительно растущая конкуренция, глобализация финансовых рынков. Одновременно с этим характер экономических отношений в развитом капиталистическом мире ХХ века позволял ученым проводить свои исследования, опираясь на достоверные статистические данные и финансовую отчетность. Все это сформировало необходимые предпосылки для создания модели, использующей сравнительно небольшое количество показателей и направленной на определение вероятности банкротства предприятия. Такую модель впервые в 1968 году разработал профессор финансов Нью-Йоркского университета Э. Альтман.

      Для создания модели первоначально Альтманом  использовались 22 финансовых показателя и финансовая отчетность 66 компаний, половина которых успешно функционировала, а другая потерпела банкротство. С помощью метода множественного дискриминантного анализа производилась пошаговая статистическая оценка значимости финансовых коэффициентов, где менее значимые отсеивались, и эксперимент повторялся снова. В результате была получена модель, состоящая из пяти финансовых показателей (см. формулу 1.1): 

                                 Z = 1,2Х₁ + 1,4X₂ + 3,3Х₃ + 0,6Х₄ + 0,999Х₅,             (1.1) 

      где Х₁ - отношение собственного оборотного капитала к сумме активов;

            Х₂ - отношение нераспределенной прибыли к сумме активов;

            Х₃ - отношение прибыли до выплаты процентов и налогов к сумме активов;

            Х₄ - отношение рыночной стоимости капитала к балансовой стоимости обязательств;

            Х₅ - отношение выручки от реализации к сумме активов.

      Когда количество показателей модели попробовали  понизить до четырех, статистическая точность резко снизилась. Был сделан вывод, что дискриминантная функция с пятью переменными наиболее оптимально выполняет возложенную на нее задачу. Экспериментально был определен диапазон значений показателя Z - 1,81-2,99, который, в свою очередь, выступал как интегральный показатель кредитоспособности заемщика. Для компаний, у которых показатель Z был меньше 1,81, вероятность банкротства в ближайшем году определялась как высокая. Для компаний, у которых показатель Z превышал 2,99, вероятность банкротства определялась как низкая. Для компаний, чей показатель Z попал в диапазон 1,81-2,99, прогноз финансового состояния оказался затруднительным.

      Для таких моделей характерны два  вида ошибок:

      1) модель предсказала банкротство,  а компания успешно функционирует;

      2) модель предсказала успешное  функционирование, а компания обанкротилась.

      Значимость  этих двух ошибок неоднозначна, так  как предсказать банкротство  компании для банка гораздо важнее и сложнее.

      Модель  Альтмана допустила ошибки-погрешности первого вида в двух случаях из 33, что составило 6%, и второго вида - в одном случае из 33 (3%). Общая точность составила 95%, что является довольно точным прогнозом во временном диапазоне один год.

      Еще одним примером применения метода финансовых коэффициентов и метода множественного дискриминантного анализа является модель надзора за ссудами по Чессеру, прогнозирующая вероятность невыполнения контрагентом договорных обязательств по ссуде (см. формулу 1.2): 

      У = -2,0343 - 5,24Х₁ + 0,0053Х₂ - 6,6507Х₃ + 4,4009Х₄ - 0,0791Х₅ - 0,122Х₆,        (1.2) 

      где Х₁ - отношение высоколиквидных активов к сумме активов;

            Х₂ - отношение выручки от реализации к ликвидным активам;

           Х₃ - отношение совокупного дохода к сумме активов;

           Х₄ - отношение общей задолженность к общим активам;

           Х₅ - отношение основного капитала к оборотным активам;

           Х₆ - отношение оборотных активов к выручке от реализации.

      Переменная  У, представляющая собой линейную комбинацию независимых переменных Хn, в свою очередь, используется в формуле определения вероятности невыполнения договорных обязательств (см. формулу 1.3_:

                                                               _-y

                                                  Р = 1 / 1 + e ,                                                  (1.3) 

      где Р - вероятность невыполнения контрагентом договорных обязательств;

               е - число Эйлера, равное 2,71828.