:: ECONOMY :: МОЖЛИВОСТІ СКОРИНГОВОГО МОДЕЛЮВАННЯ ПРИ ФІНАНСОВІЙ ДІАГНОСТИЦІ СУБ’ЄКТІВ АГРАРНОЇ СФЕРИ БАНКАМИ :: ECONOMY :: МОЖЛИВОСТІ СКОРИНГОВОГО МОДЕЛЮВАННЯ ПРИ ФІНАНСОВІЙ ДІАГНОСТИЦІ СУБ’ЄКТІВ АГРАРНОЇ СФЕРИ БАНКАМИ
:: ECONOMY :: МОЖЛИВОСТІ СКОРИНГОВОГО МОДЕЛЮВАННЯ ПРИ ФІНАНСОВІЙ ДІАГНОСТИЦІ СУБ’ЄКТІВ АГРАРНОЇ СФЕРИ БАНКАМИ
 
UA  RU  EN
         

Світ наукових досліджень. Випуск 28

Термін подання матеріалів

21 березня 2024

До початку конференції залишилось днів 18



  Головна
Нові вимоги до публікацій результатів кандидатських та докторських дисертацій
Редакційна колегія. ГО «Наукова спільнота»
Договір про співробітництво з Wyzsza Szkola Zarzadzania i Administracji w Opolu
Календар конференцій
Архів
  Наукові конференції
 
 Лінки
 Форум
Наукові конференції
Наукова спільнота - інтернет конференції
Світ наукових досліджень www.economy-confer.com.ua

 Голосування 
З яких джерел Ви дізнались про нашу конференцію:

соціальні мережі;
інформування електронною поштою;
пошукові інтернет-системи (Google, Yahoo, Meta, Yandex);
інтернет-каталоги конференцій (science-community.org, konferencii.ru, vsenauki.ru, інші);
наукові підрозділи ВУЗів;
порекомендували знайомі.
з СМС повідомлення на мобільний телефон.


Результати голосувань Докладніше

 Наша кнопка
www.economy-confer.com.ua - Економічні наукові інтернет-конференції

 Лічильники
Українська рейтингова система

МОЖЛИВОСТІ СКОРИНГОВОГО МОДЕЛЮВАННЯ ПРИ ФІНАНСОВІЙ ДІАГНОСТИЦІ СУБ’ЄКТІВ АГРАРНОЇ СФЕРИ БАНКАМИ

 
12.06.2014 01:14
Автор: Лавров Руслан Валерійович, кандидат економічних наук, доцент, Чернігівський державний інститут економіки і управління
[Секція 5. Банківська справа. Фінанси, грошовий обіг та кредит;]
Нині, за оцінками ряду науковців, для вітчизняного банківського сектору найістотнішим з усіх видів ризиків є кредитний. Кожний банк розробляє власні методики фінансової діагностики, оцінки кредитоспроможності позичальників суб’єктів аграрної сфери та регламенти надання кредитів.
Для визначення кредитоспроможності аграрних суб’єктів банки переважно використовують наступні групи оціночних показників: коефіцієнти ліквідності; коефіцієнт наявності власних коштів; показники оборотності й рентабельності.
Коефіцієнти ліквідності дозволяють проаналізувати здатність позичальника відповідати за своїми поточними зобов’язаннями. Так, коефіцієнт абсолютної ліквідності К1 є найбільш жорстким критерієм ліквідності агропідприємств, що демонструє частину короткострокових зобов’язань, яка при необхідності може бути повернена за рахунок наявних фінансових ресурсів, коштів на депозитних рахунках і високоліквідних короткострокових цінних паперів.
Проміжний коефіцієнт покриття (або коефіцієнт швидкої ліквідності) К2 характеризує можливість суб’єктів агросфери оперативно вивільняти фінансові ресурси з господарського обороту та розрахуватися за борговими зобов’язаннями. Визначається відношенням суми грошових коштів, короткострокових фінансових вкладень і дебіторської заборгованості до короткострокових зобов’язань.
Коефіцієнт поточної ліквідності (або загальний коефіцієнт покриття) К3 дає загальну оцінку ліквідності аграрних суб’єктів і розраховується як відношення суми оборотних активів (у тому числі матеріальних) до суми короткострокових зобов’язань без доходів майбутніх періодів та резервів майбутніх витрат.
Коефіцієнт наявності власних коштів К4 демонструє частку власних засобів позичальників у загальному обсязі коштів і визначається відношенням власних коштів (збільшених на доходи майбутніх періодів та резерви майбутніх витрат) до всієї суми коштів суб’єктів аграрної сфери.
Оборотність елементів оборотних активів і кредиторської заборгованості розраховується в днях виходячи з обсягу денних продажів (одноденної виручки від реалізації), який обчислюється діленням виручки від реалізації на кількість днів у періоді (90, 180, 270 або 360). Оборотність оборотних активів визначається відношенням їх середньої вартості до обсягу денних продажів. Оборотність дебіторської заборгованості визначається відношенням її середньої вартості до обсягу денних продажів. Оборотність запасів визначається відношенням їх середньої вартості до обсягу денних продажів.
Показники рентабельності обчислюють у відсотках (частках). Рентабельність продукції (або рентабельність продажів) K5 визначається як відношення суми прибутку від продажів до суми виручки від реалізації за мінусом ПДВ, акцизів і аналогічних платежів. Рентабельність діяльності суб’єктів аграрної сфери K6 визначається відношенням чистого прибутку до суми виручки від реалізації за мінусом ПДВ, акцизів і аналогічних платежів. Нарешті, рентабельність вкладень визначається як відношення балансового прибутку суб’єктів аграрної сфери до всієї суми їх коштів.
Основними оціночними показниками є коефіцієнти К1, К2, К3, К4, К5 і К6. Інші показники оборотності й рентабельності використовуються для загальної характеристики та розглядаються як додаткові до перших шести показників.
Оцінка результатів розрахунків шести коефіцієнтів полягає у присвоєнні категорії позичальнику по кожному з цих показників шляхом порівняння отриманих значень із раніше встановленими як достатні. Далі визначається сума балів за цими показниками відповідно до їх ваги за формулою:
S = 0,05 К1 + 0,10 К2 + 0,40 К3 + 0,20 К4 + 0,15 К5 + 0,10 К6    (1)
Клас кредитоспроможності суб’єктів аграрної сфери визначається на основі суми балів шести основних показників, оцінки інших показників третьої групи та якісного аналізу ризиків. Сума балів S впливає на клас кредитоспроможності наступним чином: 1 клас (кредитування не викликає сумнівів): значення S = 1,25 і менше; 2 клас (кредитування вимагає зваженого підходу): значення S знаходиться в діапазоні від 1,25 до 2,35; 3 клас (кредитування пов’язане з більш високим ризиком): значення S більше 2,35.
Як об’єкт дослідження виступили 327 суб’єктів аграрної сфери, що входять з адміністративно-територіальним поділом до складу 32 районів, які розбиті на 4 природно-господарські зони: степова (9 районів, 91 суб’єкт); південний лісостеп (8 районів, 85 суб’єктів); північний лісостеп (9 районів, 94 суб’єкти); полісся (6 районів, 57 суб’єктів).
Для моделювання використовувалися показники річної бухгалтерської звітності суб’єктів аграрної сфери за 2007-2011 рр. і розраховані 6 основних коефіцієнтів, передбачених методикою банків.
Застосувавши метод підстановки даних, експериментальним шляхом було визначено кордони класів кредитоспроможності в балах за 100-бальною шкалою. За результатами досліджень встановлено, що: 1 клас – від 100 до 70 балів; 2 клас – від 69 до 26 балів; 3 клас – нижче 26 балів.
Проведення фінансової діагностики суб’єктів аграрної сфери, врахування значущих чинників, що впливають на рівень кредитоспроможності, дозволяє банкам правильно визначити можливість кредитування конкретних суб’єктів аграрної сфери, а самому позичальнику – управляти цими факторами для збільшення можливості отримання кредиту в банку. Це підтверджує практичну значимість економетрики, заснованої на багатовимірному статистичному аналізі.
Для того, щоб побудувати рівняння регресії необхідно сформувати вихідну матрицю. Дані в матрицях слід формувати по роках, природно-господарським зонам і в цілому по аграрній сфері.
За результатами дослідження суб’єктів аграрної сфери були отримані такі регресійні рівняння за даними 2007-2011 рр.:
Чернігівська область:
В = 28,88 + 0,27 К1 – 0,05 К2 + 0,22 К3 + 38,21 К4 – 2,39 К5 + 0,35 К6.
Степова зона:
В = 7,30 – 2,96 К1 + 0,22 К2 + 0,55 К3 + 70,84 К4 – 6,82 К5 + 10,64 К6.
Південний лісостеп:
В = 22,70 + 1,61 К1 + 0,34 К2 + 0,02 К3 + 48,96 К4 – 4,61 К5 – 0,78 К6.
Північний лісостеп:
В = 33,62 + 3,36 К1 – 0,13 К2 + 0,33 К3 + 26,23 К4 + 3,83 К5 – 0,25 К6.
Полісся:
В = 14,52 + 6,93 К1 – 2,54 К2 + 0,33 К3 + 57,50 К4 + 3,85 К5 + 0,21 К6.
Результати досліджень показали, що незважаючи на значущість кожного рівняння в цілому, не всі фактори є значимими. Так, якщо p-level перевищує заданий рівень значимості 0,05, то названі фактори є незначущими в рівнянні регресії. Значимими чинниками, що роблять найбільший вплив на ступінь кредитоспроможності є ті, які мають найбільший рівень значимості, коли p-level менше 0,05.
Провівши покрокову кореляцію, тобто послідовно виключивши фактори з моделей за принципом їх найменшої значущості, отримали найбільш значущі фактори, що впливають на ступінь кредитоспроможності суб’єктів агросфери:
Чернігівська область: В = 28,82 + 0,23 К3 + 38,20 К4 – 2,31 К5 + 0,35 К6.
Степова зона: В = 6,69 – 2,61 К1 + 0,56 К3 + 70,98 К4 + 6,70 К6.
Південний лісостеп: В = 22,80 + 2,35 К3 + 49,71 К4 – 5,44 К5.
Північний лісостеп: В = 33,49 + 4,75 К1 + 0,24 К3 + 26,64 К4.
Полісся: В = 13,78 + 6,99 К1 – 2,52 К2 + 0,35 К3 + 57,09 К4 + 0,20 К6.
Дослідження переконали, що скорингову оцінку доцільно здійснювати за двома показниками, які мають найбільш істотний вплив на фінансовий стан суб’єктів аграрної сфери: коефіцієнт наявності власних коштів (К4), у якого показник імовірності помилки (p-level) дорівнює 0,0000; коефіцієнт поточної ліквідності (К3), у якого p-level також дорівнює 0,0000.
Таким чином, створено комплекс скорингових моделей, що дають змогу здійснити фінансову діагностику та оцінити кредитоспроможність суб’єктів аграрної сфери. Моделі, створені на регіональному масиві даних і представлені в розрізі природно-господарських зон, дозволяють краще врахувати їх специфіку й розробити скорингову модель, яка найбільш точно визначає кредитоспроможність суб’єктів аграрної сфери, що знаходяться в різних зонах.
Розроблені скорингові моделі можливі для застосування не лише для завдань оцінки кредитоспроможності суб’єктів аграрної сфери, але і експрес-аналізу їх фінансового стану, фінансового моніторингу, внутрішнього аудиту тощо.

Список використаних джерел:
1. Камінський А.Б. Скорингові технології в кредитному ризик-менеджменті / А.Б. Камінський, К.К. Писанець // Бізнес-інформ. – 2012. – № 4. – С. 197-201.
2. Кредитный скоринг от “А” до “Я”. – [Электронный ресурс]. – Режим доступа: http://www.prostobankir.com.ua/.
3. Музира М.В. Скорингове моделювання при роботі з проблемними клієнтами / М.В. Музира, С.М. Копичко // Прикладна математика та комп’ютинг: матеріали II наук. конф., 14-16 квіт. 2010 р. – К.: Просвіта, 2010. – С. 93-97.
4. Мэйз Э. Руководство по кредитному скорингу / Э. Мэйз; пер. с англ. И.М. Тикота. – Минск: Гревцов Паблишер, 2008. – 464 с.
5. Уланов С.В. Скоринговые модели и средства управления рисками для поддержки принятия кредитных решений: дисс. ... кандидата эконом. наук: 08.00.13, 08.00.10 / Уланов Сергей Викторович. – Ижевск: ИжГТУ, 2007. – 152 с.
6. Anderson, R. (2007). The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Management and Decision Automation. Oxford: OUP. 792 p.
7. Thomas, L.C., Edelman, D.B., Crook, J.N. (2002). Credit Scoring and Its Applications. Philadelphia: SIAM. 248 р.


Creative Commons Attribution Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License

допомогаЗнайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter


 Інші наукові праці даної секції
КРЕДИТНА ПОЛІТИКА БАНКУ ЯК ФАКТОР ЗАБЕЗПЕЧЕННЯ ЙОГО ФІНАНСОВОЇ СТІЙКОСТІ
11.06.2014 19:25
ЕЛЕКТРОННІ ГРОШІ В УКРАЇНІ
11.06.2014 01:26
ФАКТОРИ РИЗИКУ КРЕДИТНОЇ ДІЯЛЬНОСТІ КОМЕРЦІЙНИХ БАНКІВ УКРАЇНИ
06.06.2014 23:25




© 2010-2024 Всі права застережені При використанні матеріалів сайту посилання на www.economy-confer.com.ua обов’язкове!
Час: 0.191 сек. / Mysql: 1338 (0.149 сек.)