Системи за вътрешен рейтинг. Скоринг модели.
Регулирани кредитори (като търговските или ипотечните банки) могат да бъдат обект на ограничения по отношение приложимите стойности на съотношението LTV. В някои страни (напр. Дания) се прилагат нормативно установени максимални стойности на LTV за всяка отделна категория недвижими имоти, приемани като обезпечение. Обобщаването на резултатите от анализа на финансовите отчети предполага необходимостта от комплексна оценка на същите.
Новини от страната и чужбина
Неделчо Неделчев: Привличането на сериозен международен партньор може да ни превърне в регионален лидер Свиленски: БДЖ е във фалит, Борисов да го спасява още днес Новини от вас: Балон над Долината Веселин Маринов без Фейсбук, бил обиден от мнения на хора за него
Повечето банки използват системи за класифициране на кредитните експозиции в рискови категории (системи за вътрешен рейтинг), като основа за вземане на решение относно предоставянето на кредит. Броят на рейтинговите класове в рамките на скалата за кредитен рейтинг и дефинициите на същите се различават при отделните банки, въпреки че съществува тенденция към унифицирането им, във връзка с приложението на вътрешно рейтинговия подход (IRB) за определяне на рисково претеглените активи, в рамките на Базел II. По отношение на дизайна и функционирането на вътрешните рейтингови системи, могат да се разграничат три основни категории, (съобразно приложимите процедури при определянето на рейтинга) 19: 1.Процеси, базирани на статистически модели за оценка на кредитния риск.
При този подход, рейтингът на контрагентиге/експозициите се определя на базата единствено на модели за оценка на вероятността за неизпълнение или други способи за количествено измерване на кредитния риск. Разработени от самите банки или от специализирани консултантски компании20, тези модели включват, както количествени (например, финансови съотношения), така и качествени, но стандартизирани фактори (касаещи, например оценка на бизнеса, кредитна история, отраслова принадлежност и др.). Статистическите модели за оценка на кредитния риск при малки и средни предприятия (и при физически лица) се внедряват в процеса по одобрение на кредитите посредством т.нар. скоринг; екстензивната база данни обуславя по-високата степен на приложимост на последния в рамките на този кредитен сегмент.
Първа стъпка при конструирането на подобни модели е идентифицирането на обективни икономически и финансови измерители на кредитния риск за различните категории кредитополучатели, които осигуряват информация относно вероятността от неизпълнение. При потребителските кредити, характеристиките на кредитоискателя, които участват с определени тегла при генерирането на кредитен скоринг, обикновено са: притежавани активи, доход, брой издържани лица, задължения по други кредити, кредитна история и т.н; при корпоративните кредити — информация за паричните потоци и финансови съотношения, калкулирани на базата на финансовите отчети.
Използвайки емпирична информация, банката определя относителната значимост на всеки от избраните фактори по отношение регистрираната честота на неизпълнение на задължения, в рамките на разглеждания масив от предоставени кредити; след обработка на първоначалната историческа база данни — анализ и заместване на липсващите стойности, типизиране и формиране на нови променливи, количествен, качествен и факторен анализ на данните, анализ на база на графичните разпределения на различни променливи, анализ на отдалечените стойности и т.н., се пристъпва към етапа на същинско моделиране, при който се ползват основно вероятностни модели, логистични регресионни модели и линеен дискриминантен анализ.
На базата на входящите параметри за клиентите, кандидатстващи за кредит, чрез използване на съответните модели, се определя скоринг (респ., вероятност от неизпълнение) или същите се класифицират в определени рискови категории. Последното предполага определянето на гранична стойност (праг) (cut-off score), диференциращ кредитите на такива с нисък и с висок кредитен риск, който може да служи за елиминиране на последните. 2.Процедури, базирани на ограничено използване на експертна преценка.
При този подход, за разлика от напълно автоматизирания процес в горния случай, определянето на рейтинга се базира основно на определен инструментариум за количествена оценка (статистически модел), но се допуска известна намеса от страна на кредитните аналитици, които могат да коригират (до определена, ограничена степен) окончателния рейтинг на базата на собствена преценка. 3.Процедури, основани на експертна преценка. Повечето от финансовите институции прилагат (в частност, по отношение на големи корпоративни клиенти) процес за вътрешно рейтинговане, при който определянето на класа рейтинг включва значителен елемент на експертна оценка (относителната значимост на която не е ограничена експлицитно).
В този процес могат да бъдат включени статистически модели (в различна степен при отделните институции), но определеният от аналитика рейтинг може съществено да се отклонява от индикациите на статистическия модел. Дискриминантен анализ. Скоринг модели (Z-score ) на Алтман (Е. Altman) Статистическият метод на дискриминантния анализ е в основата на модела за идентифициране на риска от неплатежоспособност при индустриални корпорации Zscore, разработен от Е. Алтман през 1968 г.21 Моделът съчетава традиционни финансови показатели с многомерен дискриминантен анализ; стойностите на включените в дискриминантната функция финансови съотношения, в качеството им на независими променливи, се умножават с определени тегла и привеждат към единен измерител (скоринг за кредитен риск, “Z”); последният служи за оценка на потенциала за настъпване на неплатежоспособност, доколкото (на базата на определените гранични стойности на Z), определя принадлежността на оценяваната икономическа единица към една от следните зони на дискриминиране: 1.При Z 2,99, опасността от фалит е минимална.
При стойност на Z, попадаща в диапазона между 1,81 и 2,99 (т. нар. “зона на игнориране” или “сива зона”) моделът не позволява формулирането на еднозначна оценка относно вероятността за настъпване на несъстоятелност при изследваната фирма. Линейната дискриминантна функция приема следния вид: n X n Z = a + a X + a X + a X + … + a 0 1 1 2 2 3 3 Където: Z — кредитен скоринг; X Xn … 1 — значение на обяснителните променливи (финансови съотношения) за предприятието-обект на анализ; a an … 0 — дискриминантни тегла. Моделът е разработен последователно в няколко варианта 22 , първият от които (1968 г.) е следният: 1 2 3 4 5 Z = ,0 012X + ,0 014X + ,0 033X + ,0 006X + ,0 999X
