Методика расчета скоринга в Coface.

Особенности национального скоринга

В России развитие скоринга (в его изначальном значении) ограничивается все еще низкими по западным меркам объемами кредитования, а также быстро меняющимися социально-экономическими условиями. Российские банки и рейтинговые агентства не располагают достаточной информацией о клиентах для того, чтобы выстроить эффективные математические модели, обеспечивающие спрос на розничное кредитование, с одной стороны, и минимизацию банковских рисков — с другой.

В такой ситуации есть два способа действий. Можно либо использовать модель, разработанную за рубежом (так поступает большинство «дочек» иностранных банков и западных рейтинговых агентств), с обязательной адаптацией к российским реалиям. Либо отказаться от применения скоринга на первоначальном этапе и выдавать кредиты всем желающим на основании стандартной проверки с целью накопления необходимой кредитной истории. После чего на основании собранных данных разработать собственную скоринговую модель.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель — чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности. Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией отсечения (линией безубыточности, по существу). Порог рассчитывается исходя из количества исправно платящих клиентов, необходимых для компенсации убытков от одного должника.

Чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогнозирование дефолта. Поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные модели для различных групп клиентов и различных видов кредита.

Набор входящих данных может варьироваться в зависимости от выбранной модели, а она, в свою очередь, зависит от уровня сложности и точности, которую себе задает (и может позволить) кредитная или рейтинговая организация. Затем эти входные данные вводятся в программу — назовем ее «черным ящиком», — которая после определенных расчетов, выдает итоговую оценку.

Что внутри «черного ящика»?

Рассмотрим наиболее известную западную модель скоринга — модель Альтмана, первый вариант которой был разработан автором в 1968 году на основе статистических данных примерно 70 американских компаний, половина из которых стала банкротами. Эта модель предназначена для оценки кредитоспособности крупных публичных компаний, которые в соответствии с требованиями SEC (американской комиссии по ценным бумагам) должны обладать годовым оборотом не менее 15 млн долларов.

В общем случае формула получения значения скоринга выглядит как обычный 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 стоимости долговых обязательств; Е — отношение объема реализации к совокупным активам.

Может создаться впечатление, что приведенная выше модель готова к выполнению своих функций и в российских условиях. Однако все не так просто, как кажется. Причин, по которым не стоит торопиться с заимствованием западных систем скоринга, две. Первая связана с математическими особенностями метода — представленные выше модели могут проводить только линейные границы между «плохими» и «хорошими» заемщиками. Вторая — с экономическими особенностями нашей страны: высокой дисперсностью регионов по экономическим свойствам и большим объемом теневого сектора в экономике.

Попытка применить модель Альтмана для таких гигантов как «Газпром» или «Лукойл», по крайней мере, с формальной точки зрения, не встретит никаких трудностей. Есть данные официальной отчетности, есть весовые коэффициенты, а значит, можно вычислить оценку кредитоспособности заемщика. Но что делать, если надо оценить не упомянутые крупнейшие публичные компании, а например, маленький колбасный завод в Подмосковье? Из 5 переменных формулы Альтмана в этом случае останется только 4, так как для переменной D не будет данных.

В реальности ситуация еще сложнее: не принимая во внимание переменную D, мы вынуждены изменять геометрию пространства факторов риска и, как следствие, весовые коэффициенты и по другим переменным формулы. Меняется сама модель: критическое значение скоринговой оценки (порог отсечения), с которым сравнивается оценка каждого заемщика, становится совсем другим. Следовательно, в наших условиях выбор объясняющих переменных для оценки скоринга российских фирм — весьма нетривиальная задача. Альтман построил свою модель на данных всего 70 компаний, в ней отражена вполне конкретная отраслевая специфика бизнеса (базовые отрасли американской экономики), она никак не учитывает риски, связанные с бизнес-циклами в России, и риски, свойственные компаниям с другой отраслевой принадлежностью. Поэтому можно констатировать следующее: использование такого рода модели путем ее механического переноса в наши условия само по себе становится мощнейшим фактором риска кредитной оценки.

Cofra нам расскажет

Автору приходилось выступать в качестве финансиста-разработчика и исполнителя-программиста в западном рейтинговом и страховом агентстве, когда стояла задача создания локальной системы присвоения скоринга, стыкующейся с методологией материнской компании, но учитывающей наиболее существенные показатели, которые могут быть легко взяты из стандартной российской отчетности.

В результате была написана программа B2F.

В начале 2009 года в российском офисе «Кофаса» возникла необходимость разработать скоринговую модель для оценки малых и средних предприятий в условиях кризиса. Автор принял участие и в этом проекте.

БАЗОВОЕ ЗНАЧЕНИЕ

В качестве базы скоринговой оценки в разработанной модели используется маржа EBITDA, так как рентабельность — основной параметр, включающий, среди прочего, общую прибыльность компании, рыночные и бизнес-риски. Он также косвенно отражает страновые особенности (например, попытки завысить себестоимость для снижения налогооблагаемой базы). Показатели из отчета о прибылях и убытках рассчитываются на годовой основе — месяц к месяцу (LTM, last twelve months). При необходимости используются квартальные отчеты.

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

КОРРЕКЦИЯ — ПЕРВЫЙ ЭТАП

Полученное базовое значение скоринга далее корректируется в соответствии со следующими параметрами.
Динамика объема продаж, которая демонстрирует способность компании продавать свои товары/услуги в текущей рыночной ситуации (способность выживать в кризисных условиях).
Изменение собственного капитала в связи с сокращением/увеличением нераспределенной прибыли/убытка, наличием переоценок валютных позиций, финансовых вливаний акционеров или, что совсем маловероятно в условиях кризиса, выпуска дополнительных акций.
Коэффициент «общий финансовый долг/EBITDA», который оценивает возможности анализируемой компании гасить долги из операционной прибыли. При этом общий финансовый долг, по мнению авторов модели, включает в себя не только долгосрочные/краткосрочные кредиты и займы, но и финансовый лизинг, который по РСБУ относится к забалансовым показателям, но обязательно учитывается по МСФО.
Показатель покрытия процентов, который демонстрирует способность компании обслуживать финансовый долг.

Стоит заметить, что в «Кофас» были установлены достаточно либеральные пороговые значения долговой нагрузки и покрытия процентов, что соответствовало средней норме в условиях финансового кризиса.

КОРРЕКЦИЯ — ВТОРОЙ ЭТАП

Далее полученное значение корректируется в сторону повышения в случае наличия положительных тенденций/факторов. Например, компания периодически составляет и раскрывает отчет о движении денежных средств — это свидетельствует о большей прозрачности и более продвинутой системе учета. Если же при этом чистый денежный поток от операций за рассматриваемый период — положительный, имеется явный повод для «поощрения».

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

В завершение имеется возможность ручной корректировки посчитанного машиной значения скоринга (что, впрочем, редко используется на практике) на +1/-1 на основании субъективных индикаторов, таких как:
- лидерство на рынке и/или явная динамика рассматриваемого рынка;
- заявленная поддержка правительства, административный ресурс;
- поддержка акционеров, сильный менеджмент;
- значительные изменения бизнеса (переориентация на другой продукт, рынок и т.д.).

Описанная модель используется в программе Cofra, на входе в которую вводятся перечисленные выше параметры, а на выходе получается числовое значение. Это значение может быть переведено в буквенный рейтинг, аналогичный шкале Standard&Poors (см. таблицу 6).

Cofra была протестирована более чем на 40 компаниях, ранее отрейтингованых в программе B2F. На рис. 1 показано сравнение результатов этих двух программ и значений, рассчитанных по формуле Альтмана. Видно, что наиболее сильно отличаются именно последние.

Полученный результат показался вполне приемлемым и обнадеживающим, так как Cofra позволяет на основании всего десятка стандартных значений в считанные минуты получить значение скоринга, почти совпадающего с результатом более сложной программы B2F, которая требует значительно большего количества входных данных, экспертных корректировок и, соответственно, затрат времени.

Источник: Банкир.ру