Кредитный анализ - Credit analysis
Эта статья поднимает множество проблем. Пожалуйста помоги Улучши это или обсудите эти вопросы на страница обсуждения. (Узнайте, как и когда удалить эти сообщения-шаблоны) (Узнайте, как и когда удалить этот шаблон сообщения)
|
Кредитный анализ это метод, с помощью которого вычисляется кредитоспособность бизнеса или организации. Другими словами, это оценка способности компании выполнять свои финансовые обязательства. Аудированная финансовая отчетность крупной компании может быть проанализирована при выпуске или выпуске облигации. Или банка может анализировать финансовую отчетность малого бизнеса перед предоставлением или продлением коммерческого кредита. Этот термин относится к любому случаю, независимо от того, большой или маленький бизнес.
Целью кредитного анализа является рассмотрение как заемщика, так и предлагаемой кредитной линии, а также присвоение рейтинга риска. Рейтинг риска определяется путем оценки вероятности дефолта заемщика на заданном уровне уверенности в течение срока действия кредитной линии и путем оценки суммы убытков, которые кредитор понесет в случае дефолта.
Кредитный анализ включает в себя широкий спектр методов финансового анализа, в том числе: соотношение анализ тенденций, а также создание прогнозов и подробный анализ денежных потоков. Кредитный анализ также включает проверку залог и другие источники погашения, а также кредитная история и управленческие способности. Аналитики пытаются предсказать вероятность того, что заемщик не выполнит свои долги, а также серьезность потерь в случае дефолта. Кредитные спреды - разница в процентные ставки между теоретически «безрисковыми» инвестициями, такими как казначейские обязательства США или LIBOR, и инвестициями, несущими определенный риск дефолта - отражают кредитный анализ участников финансового рынка.
Прежде чем одобрить коммерческий заем, банк рассмотрит все эти факторы, уделяя особое внимание денежному потоку заемщика. Типичным измерением платежеспособности является коэффициент покрытия долга. Кредитный аналитик банка будет измерять денежные средства, генерируемые бизнесом (до процентных расходов и исключая амортизация и любые другие безналичные или чрезвычайные расходы). Коэффициент покрытия обслуживания долга делит эту сумму денежного потока на обслуживание долга (как основной, так и интерес платежи по всем кредитам), которые необходимо будет выполнить. Коммерческие банкиры хотели бы, чтобы покрытие обслуживания долга составляло не менее 120 процентов. Другими словами, коэффициент покрытия обслуживания долга должен быть 1,2 или выше, чтобы показать, что существует дополнительная подушка безопасности и что бизнес может позволить себе свои долговые требования.
Классический кредитный анализ
Традиционно большинство банков полагались на субъективное суждение при оценке кредитного риска корпоративного заемщика. По сути, банкиры использовали информацию о различных характеристиках заемщика, таких как характер (репутация ), капитал (кредитное плечо ), платежеспособность (непостоянство из заработок ), условий бизнеса заказчика (цель заем ), и залог - при принятии решения о выдаче кредита. Эти характеристики обычно обозначаются как 5Cs.[1] Разработка такой экспертной системы требует много времени и средств. Особенно сложно включить некоторые мягкие (качественные) данные в модель риска,[2] однако успешная реализация исключает человеческую ошибку и снижает вероятность неправильного использования. Вот почему время от времени банки пытались клонировать свой процесс принятия решений. Несмотря на это, при предоставлении кредитов корпоративным клиентам многие банки продолжают полагаться в первую очередь на свою традиционную экспертную систему для оценки потенциальных заемщиков.
Системы кредитного скоринга:
В последние десятилетия был разработан ряд объективных количественных систем подсчета баллов. В одномерный (одна переменная) бухгалтерский учет На основе систем оценки кредитоспособности кредитный аналитик сравнивает различные ключевые коэффициенты бухгалтерского учета потенциальных заемщиков с отраслевыми или групповыми нормами и тенденциями в этих переменных.
Сегодня, Стандартный & Бедный, Moody's, и Ассоциация управления рисками все могут предоставить банкам отраслевые коэффициенты. Одномерный подход позволяет аналитику, начинающему расследование, определить, заметно ли отличается конкретный коэффициент для потенциального заемщика от нормы для его отрасли. В действительности, однако, неудовлетворительный уровень одного отношения часто смягчается силой какой-либо другой меры. Фирма, например, может иметь плохую коэффициент рентабельности но выше среднего коэффициент ликвидности. Одним из ограничений одномерного подхода является сложность достижения компромисса между такими слабыми и сильными отношениями. Конечно, хороший кредитный аналитик может внести эти корректировки. Однако некоторые одномерные показатели, такие как конкретная отраслевая группа, государственная или частная компания и регион, являются категориальными, а не значениями на уровне отношения. О переменных этого типа судить сложнее.
Хотя одномерные модели все еще используются сегодня во многих банках, большинство ученых и растущее число практиков, похоже, не одобряют пропорциональный анализ как средство оценки эффективности коммерческого предприятия. Многие уважаемые теоретики занижают произвольные эмпирические правила (такие как сравнение коэффициентов компаний), которые широко используются практиками, и предпочитают вместо этого применение более строгих статистических методов.
Образование и обучение
Для получения типичного образования часто требуется степень бакалавра в области бизнеса, статистики, бухгалтерского учета (с акцентом на финансы или экономику). Однако степень магистра делового администрирования не требуется, однако ее все чаще проводят или проводят аналитики, часто для того, чтобы стать более конкурентоспособными в плане возможностей продвижения по службе. Коммерческие банкиры также проходят интенсивную кредитную подготовку в своем банке или сторонней компании.
использованная литература
- ^ MBDA, "[1] "
- ^ Бркич, Сабина; Ходзич, Мигдат; Дзанич, Энис (ноябрь 2017 г.). «Нечеткая логическая модель анализа мягких данных для оценки кредитного риска корпоративных клиентов в коммерческом банкинге». Пятая научная конференция «Экономика интеграции» ICEI 2017.