artykul_ptrojczak3lrozenberg1.pdf

Leonard Rozenberg 1 , Patrycja Trojczak 2

SYSTEM OCENY SYTUACJI FINANSOWEJ

PRZEDSIĦBIORSTWA I RYZYKA KREDYTOWEGO

W DZIAýALNOĺCI BANKOWEJ

1. Wprowadzenie

W poni Ň szym artykule prezentowany jest system oceny ryzyka kredytowego, który zo-

stał opracowany w Katedrze Organizacji i Zarz Ģ dzania, na Wydziale Informatyki Politechniki

Szczeci ı skiej. W systemie tym dokonuje si ħ analizy podstawowych czynników ryzyka towa-

rzysz Ģ cych działalno Ļ ci bankowej, ze szczególnym uwzgl ħ dnieniem ryzyka kredytowego, jako

najbardziej charakterystycznego ryzyka na styku bank-przedsi ħ biorstwo.

Pewn Ģ innowacj Ģ jest to, Ň e w opisywanym systemie dost ħ pnych jest kilka metod oceny

indywidualnej zdolno Ļ ci kredytowej, tak Ň e przydatnych dla oceny du Ň ych podmiotów gospo-

darczych, w których ocena ryzyka jest utrudniona ze wzgl ħ du na zło Ň ono Ļę czynników decydu-

j Ģ cych o sytuacji finansowo-ekonomicznej promotora projektu.

Metodyka oceny zdolno Ļ ci kredytowej dla potrzeb systemu opracowana została w taki

sposób, Ň e bazuje na rzeczywistych danych finansowych za ostatnie cztery okresy rozliczenio-

we oraz uzale Ň niona jest od struktury aktywów i pasywów analizowanego podmiotu. W tym

celu podzielono badane podmioty na dwie grupy:

• kredytobiorców o niskim udziale maj Ģ tku trwałego w strukturze bilansu,

• kredytobiorców o wysokim udziale maj Ģ tku trwałego w strukturze bilansu.

Klasyfikacja ta zale Ň y nie tylko od bie ŇĢ cej struktury aktywów, ale bazuje tak Ň e na ana-

lizie kształtowania si ħ tej struktury w okresach poprzednich. Dla potrzeb analizy zastosowano

dwa systemy oceny ryzyka, to jest system austriacki i system mi ħ dzynarodowy.

W systemie mi ħ dzynarodowym stosowana jest skala 6-cio stopniowa, od klasy 1 dla

kredytobiorcy najbardziej wiarygodnego, do klasy 6, oznaczaj Ģ cej kredytobiorców najmniej

wiarygodnych. Natomiast w systemie austriackim zastosowana jest klasyfikacja 5-cio stopnio-

wa, od klasy 1 dla najbardziej wiarygodnych klientów, do klasy 5 dla klientów najmniej wiary-

godnych.

Zadaniem tak skonstruowanej aplikacji jest mo Ň liwo Ļę obiektywnej oceny kredytobior-

ców, a tak Ň e wspieranie analityków bankowych w ocenie wiarygodno Ļ ci potencjalnych klien-

tów i kredytobiorców. Na podstawie dokumentów finansowych (bilansu, rachunku zysków i

strat i informacji dodatkowych) przedstawionych przez analizowan Ģ firm ħ , ubiegaj Ģ c Ģ si ħ o

kredyt za czas czterech okresów rozliczeniowych analizuje si ħ sytuacj ħ ekonomiczn Ģ przedsi ħ -

biorstwa. Badanych jest przy tym szereg wska Ņ ników ekonomicznych, ich wzajemne powi Ģ za-

nia oraz zmiany ich warto Ļ ci w czasie. Wynikiem tej analizy jest zakwalifikowanie ewentual-

nego klienta do jednej ze zdefiniowanych powy Ň ej grup ryzyka i przyporz Ģ dkowanie mu odpo-

wiedniej oceny ratingowej.

1 dr hab. in Ň ., profesor PS, pracownik Wydziału Informatyki Politechniki Szczeci ı skiej, specjalizuje si ħ w zagad-

nieniach bankowo Ļ ci i zarz Ģ dzania finansami z zastosowaniem narz ħ dzi informatycznych; Kierownik Katedry Or-

ganizacji i Zarz Ģ dzania oraz współpracuj Ģ cy wykładowca Zachodniopomorskiej Szkoły Biznesu w Szczecinie,

2 mgr in Ň ., doktorantka w Katedrze Organizacji i Zarz Ģ dzania na Wydziale Informatyki Politechniki Szczeci ı skiej,

realizuje prac ħ doktorsk Ģ z zagadnie ı logiki rozmytej i modelowania matematycznego.

2. Metody oceny wiarygodnoĻci finansowej

Ocena wiarygodno Ļ ci kredytowej zazwyczaj prowadzona jest w dwóch płaszczyznach,

jako ocena jako Ļ ciowa i ilo Ļ ciowa. Poniewa Ň ocena jako Ļ ciowa jest - z oczywistych powodów -

ocen Ģ subiektywn Ģ , przeto niełatwo jest poda ę uniwersalny algorytm jej oszacowania. Inaczej

jest w przypadku oceny ilo Ļ ciowej.

Ta opiera si ħ wył Ģ cznie na dostarczonych dokumentach, posiada jasno okre Ļ lone reguły

analizy i z tego powodu mo Ň liwe jest jej całkowite zautomatyzowanie i - co nie mniej wa Ň ne –

daje to mo Ň liwo Ļę obiektywizacji oceny ilo Ļ ciowej. Obecnie istnieje wiele obiektywnych metod

oceny sytuacji finansowej, opartych na analizach matematycznych danych zawartych w doku-

mentach finansowych. Dzi ħ ki temu mo Ň liwe jest stworzenie systemów informatycznych dla au-

tomatycznej, kompleksowej oceny standingu finansowego podmiotów gospodarczych.

Bardzo cz ħ sto stosuje si ħ tutaj metody statystyczne, które wykorzystuj Ģ techniki ilo-

Ļ ciowe, opieraj Ģ ce si ħ o opracowane modele matematyczne. Metody statystyczne s Ģ coraz po-

wszechniej stosowane z uwagi na fakt, Ň e rozwój technik informatycznych pozwolił na proste

implementowanie ich przy u Ň yciu komputerów osobistych.

Modele matematyczne, stosowane w metodach statystycznych podzieli ę mo Ň na na pa-

rametryczne i nieparametryczne. Modele nieparametryczne nie wymagaj Ģ w praktyce odno Ļ nie

relacji wyst ħ puj Ģ cych mi ħ dzy badanymi zmiennymi, ale wymagaj Ģ zapewnienia du Ň ego zbioru

danych do bada ı (jest to cz ħ sto ograniczenie do Ļę istotne, bowiem wiele firm w naszym kraju

ma krótk Ģ histori ħ ). Modele parametryczne za Ļ , to modele oparte na wielowymiarowej analizie

wariancyjnej, analizie dyskryminacyjnej oraz modele logitowe i probitowe. Modele nieparame-

tryczne bazuj Ģ te Ň na sieciach neuronowych, drzewach klasyfikacyjnych oraz najbli Ň szego s Ģ -

siedztwa.

Modele logitowy i probitowy mo Ň na sporz Ģ dzi ę w wyniku nast ħ puj Ģ cego podej Ļ cia.

Niech x i oznacza wektor wybranych cech kredytobiorcy, przy czym liczno Ļę tych cech wynosi

N, czyli, Ň e i=1,..N. Zmienna y i oznacza ę b ħ dzie zdolno Ļę kredytobiorcy do wywi Ģ zywania si ħ

z umowy (w naszym przypadku kredytowej), czyli wywi Ģ zywalno Ļę . Zakładamy, Ň e zmienna

y i =1 dla przypadku, gdy pewna ukryta nieobserwowalna zmienna y i * ³0, za Ļ y i =0, je Ň eli

zmienna nieobserwowalna y i * <0. Ponadto zachodzi zale Ň no Ļę y i * = b’x i + e i . W przypadku mo-

delu logitowego zaburzenie e i ma rozkład logistyczny, za Ļ w przypadku modelu probitowego

ma ono rozkład normalny

Metoda najbli Ň szego s Ģ siedztwa polega z kolei na wprowadzeniu do przestrzeni cech

pewnej metryki, tj. miary „odległo Ļ ci”. Za jej pomoc Ģ wyznacza si ħ k najbli Ň szych (zwykle w

sensie euklidesowym) s Ģ siadów analizowanego kredytobiorcy i bior Ģ c pod uwag ħ ich sytuacj ħ

wysuwa si ħ wniosek na temat jego przyszłej zdolno Ļ ci kredytowej.

Metoda drzew klasyfikacyjnych polega na rekurencyjnym podziale próby na dwie pod-

próby (lew Ģ i praw Ģ ) na podstawie jednej z cech kredytobiorcy. W ten sposób powstaje drzewo

decyzyjne, pozwalaj Ģ ce klasyfikowa ę kredytobiorców.

Pomimo sporej atrakcyjno Ļ ci i nowych mo Ň liwo Ļ ci powy Ň ej zasygnalizowanych metod,

ich zło Ň ono Ļę oraz brak do Ļ wiadcze ı w praktycznym stosowaniu ci Ģ gle jeszcze czyni analiz ħ

wska Ņ nikow Ģ najcz ħĻ ciej stosowanym narz ħ dziem przy badaniu wiarygodno Ļ ci i standingu fi-

nansowego podmiotów gospodarczych.

- 2 -

Analiza wska Ņ nikowa jest metod Ģ bada ı analitycznych polegaj Ģ c Ģ na wyznaczeniu i

ocenie wska Ņ ników, które uzyskuje si ħ na podstawie danych zawartych w sprawozdaniach fi-

nansowych. Klasyczna analiza wska Ņ nikowa jest najcz ħĻ ciej uzupełniana analiz Ģ porównawcz Ģ

przede wszystkim w czasie, ale czasem tak Ň e w przestrzeni. Wska Ņ niki mog Ģ przedstawia ę re-

lacje obrazuj Ģ ce zale Ň no Ļ ci zachodz Ģ ce pomi ħ dzy pozycjami jednego sprawozdania:

• bilansu (wska Ņ niki bilansowe),

• rachunku zysków i strat (wska Ņ niki wynikowe)

lub zale Ň no Ļ ci zachodz Ģ ce pomi ħ dzy pozycjami z ró Ň nych sprawozda ı (wska Ņ niki mieszane).

Za pomoc Ģ wska Ņ ników mo Ň na scharakteryzowa ę syntetycznie wiele ekonomicznych i

finansowych aspektów działalno Ļ ci przedsi ħ biorstwa. Pozwalaj Ģ one zidentyfikowa ę mocne i

słabe strony funkcjonowania przedsi ħ biorstwa, a tak Ň e dostarczaj Ģ informacji o zagro Ň eniach i

szansach w jego działalno Ļ ci. Analiza wska Ņ nikowa cieszy si ħ du ŇĢ popularno Ļ ci Ģ z wzgl ħ du na

prostot ħ stosowania, mo Ň liwo Ļę dokonywania wszechstronnych porówna ı , jak równie Ň łatwo Ļę

dostosowania do potrzeb ró Ň nych grup u Ň ytkowników.

Korzystaj Ģ c z analizy wska Ņ nikowej, nale Ň y mie ę na uwadze dwa zagadnienia: kon-

strukcj ħ wska Ņ ników i ich interpretacj ħ . Zrozumienie konstrukcji, czyli metodologii oblicze ı

danego wska Ņ nika, jest warunkiem wła Ļ ciwej jego interpretacji. Poniewa Ň metodologii oblicza-

nia wska Ņ ników nie reguluj Ģ Ň adne akty prawne i przepisy, skutkuje to mnogo Ļ ci Ģ podej Ļę do

oblicze ı poszczególnych wska Ņ ników - niektóre wska Ņ niki maj Ģ wr ħ cz po kilka funkcjonuj Ģ -

cych równolegle nazw. Zdarza si ħ te Ň , Ň e wska Ņ niki, okre Ļ lane jedn Ģ nazw Ģ , obliczane s Ģ na

wiele ró Ň nych sposobów.

Z tego powodu opracowania przedstawiaj Ģ ce wielko Ļ ci wska Ņ ników s Ģ cz ħ sto bezu Ň y-

teczne, bo nie daj Ģ gwarancji zachowania warunków porównywalno Ļ ci, je Ļ li nie poda si ħ w

nich precyzyjnych formuł obliczanych wska Ņ ników. Teoretycznie mo Ň liwe jest wyró Ň nienie

około 400 wska Ņ ników, ale w przewa Ň aj Ģ cej cz ħĻ ci literatury przedmiotu, dotycz Ģ cej analizy

wska Ņ nikowej, omawianych jest od kilkunastu do kilkudziesi ħ ciu wska Ņ ników. Wynika to z

faktu, Ň e wi ħ kszo Ļę wska Ņ ników stanowi modyfikacj ħ lub proste przekształcenia innych

wska Ņ ników.

Zastosowanie techniki komputerowej zwi ħ kszyło znacznie u Ň yteczno Ļę analizy finan-

sowej, poprzez przy Ļ pieszenie otrzymania wyników, zmniejszenie kosztów jej przeprowadze-

nia, a tak Ň e poprzez unikanie bł ħ dów podczas obliczania wska Ņ ników.

Interpretacja wska Ņ ników, stanowi Ģ ca niezb ħ dny element analizy finansowej, jest naj-

trudniejsz Ģ i najbardziej niejednoznaczn Ģ jej cz ħĻ ci Ģ . Wynika to z ograniczonej u Ň yteczno Ļ ci

informacji prezentowanych w sprawozdaniach finansowych, na podstawie których mo Ň na do-

kona ę jedynie przybli Ň onej i obarczonej subiektywizmem oceny sytuacji, w jakiej znajduje si ħ

przedsi ħ biorstwo. Interpretacja wska Ņ ników jest uzale Ň niona od mo Ň liwo Ļ ci dokonania porów-

na ı obliczonych wska Ņ ników z pewnymi wielko Ļ ciami bazowymi. Tylko w przypadku niektó-

rych wska Ņ ników wielko Ļ ci bazowe, tzn. takie, które przedsi ħ biorstwo powinno osi Ģ gn Ģę , s Ģ

znane i z góry okre Ļ lone. W wi ħ kszo Ļ ci przypadków wielko Ļ ci te s Ģ ró Ň ne dla przedsi ħ biorstw

działaj Ģ cych w ró Ň nych bran Ň ach, a tak Ň e podlegaj Ģ zmianom w czasie. W analizie wska Ņ niko-

wej wyró Ň ni ę wi ħ c trzeba analiz ħ trendu oraz analiz ħ porównawcz Ģ .

Analiza trendu polega na porównaniu obliczonych wska Ņ ników na przestrzeni kilku lub

kilkunastu okresów (najlepiej nie mniej ni Ň 3 lata). Zalet Ģ analizy trendu jest łatwo Ļę uzyskania

- 3 -

danych do obliczenia wska Ņ ników, natomiast wad Ģ - brak mo Ň liwo Ļ ci okre Ļ lenia pozycji przed-

si ħ biorstwa wzgl ħ dem konkurencji.

Analiza porównawcza polega na porównaniu obliczonych wska Ņ ników ze wska Ņ nikami

innych przedsi ħ biorstw (działaj Ģ cych w tej samej bran Ň y) lub Ļ rednimi w danej bran Ň y. Porów-

nanie musi dotyczy ę tego samego okresu, a metodologia obliczania wska Ņ ników powinna by ę

identyczna dla wszystkich przedsi ħ biorstw. Analiza porównawcza dostarcza znacznie wi ħ cej

informacji ni Ň analiza trendu, gdy Ň umo Ň liwia dokonanie oceny sytuacji przedsi ħ biorstwa na tle

konkurencyjnych firm.

Analiza wska Ņ nikowa pozwala oceni ę nie tylko bie ŇĢ c Ģ sytuacj ħ finansow Ģ przedsi ħ -

biorstwa, ale tak Ň e cz ħĻ ciowo prognozowa ę t ħ sytuacj ħ na okresy przyszłe. Wybór wska Ņ ników

i ich wpływ na wiarygodno Ļę kredytow Ģ definiowany jest indywidualnie przez banki i zazwy-

czaj jest wynikiem bada ı i analiz zale Ň no Ļ ci pomi ħ dzy warto Ļ ciami wska Ņ ników a spłat Ģ kredy-

tów przez kredytobiorców.

Stosunkowo now Ģ , ale coraz bardziej popularn Ģ metod Ģ interpretacji warto Ļ ci poszcze-

gólnych wska Ņ ników staje si ħ sprowadzenie ich wyniku do jednej warto Ļ ci, a wi ħ c do wska Ņ ni-

ka zagregowanego, który jednoznacznie okre Ļ la sytuacj ħ finansow Ģ przedsi ħ biorstwa. Metoda

ta polega na wybraniu odpowiednich wska Ņ ników, takich, które najlepiej b ħ d Ģ charakteryzowa-

ły badany podmiot i badane zjawisko 3 , a nast ħ pnie przypisaniu tym wska Ņ nikom odpowiednich

wag. Wagi te dobiera si ħ zwykle według znaczenia, jakie maj Ģ poszczególne wska Ņ niki dla

oceny kondycji firmy. Zagregowany wska Ņ nik równy jest sumie iloczynów wybranych wska Ņ -

ników i przypisanych im wag. Zalet Ģ tej metody jest prostota implementacji i jednoznaczno Ļę

interpretacji wyniku. Wad Ģ metody jest jej mała elastyczno Ļę i ograniczony zakres stosowania.

Oceniaj Ģ c sytuacje finansow Ģ nale Ň y tak Ň e pami ħ ta ę , Ň e wska Ņ niki wyliczane s Ģ na podstawie

danych historycznych.

3. Algorytmy implementacji

W celu przebadania i oceny skuteczno Ļ ci zaproponowanej procedury opracowano sys-

tem komputerowy, który realizuje algorytm przedstawiony na rysunku 1. Na bazie danych uzy-

skanych z dokumentów dostarczonych przez klienta wyliczane s Ģ z góry okre Ļ lone wska Ņ niki

finansowe. Ich rodzaj zale Ň y od rodzaju oceny ratingowej wybranej przez oceniaj Ģ cego oraz od

struktury analizowanych sprawozda ı .

Algorytm ten jest w zasadzie typowym algorytmem stosowanym przy tego typu oka-

zjach, ale wprowadzono w nim pewne dodatkowe udogodnienia oraz przeł Ģ czniki, które za-

pewni ę mu maj Ģ wi ħ ksz Ģ elastyczno Ļę , jak równie Ň zbie Ň no Ļę otrzymywanych wyników z rze-

czywisto Ļ ci Ģ .

3 Do wyboru wska Ņ ników stosuje si ħ najcz ħĻ ciej analiz ħ istotno Ļ ci w formie znanych testów.

- 4 -

Rys. 1. Algorytm zastosowany do oceny ratingowej

W p ro w a d z e n ie d a n y c h

fin a n s o w y c h k lie n ta

W p ro w a d z e n ie d a n y c h

k o ry g u jĢc y c h

W y lic z e n ie w s k aŅn ik ó w

e k o n o m ic z n y c h

O k reĻle n ie u d z ia łu

m a jĢtk u trw a łe g o

O c e n a ra tin g o w a

m i ħ d z y n a ro d o w a

O c e n a ra tin g o w a

a u s tria c k a

ń ródło: Opracowanie własne

Wska Ņ niki stosowane do oblicze ı pokazano w tabeli 1.

Tab. 1. WskaŅniki ekonomiczno-finansowe wykorzystywane do oceny ratingowej

Rodzaj wska Ņ nika

Sposób liczenia

Wska Ņ nik amortyzacji

Amortyzacja/BL *

Wska Ņ nik kapitału własnego

Kapitał własny ogółem/Suma bilansowa

Wska Ņ nik operacyjnego Cash

Flow w stosunku do BL

(Operacyjny CF/BL)*100%

Wska Ņ nik Cash Flow ogółem w

stosunku do BL

(CF ogółem/BL)*100%

Realny wska Ņ nik zadłu Ň enia

(Zobowi Ģ zania ogółem/kapitał własny ogó-

łem)*100%

Working Capital

Maj Ģ tek obrotowy+Rozliczenia mi ħ dzyokresowe

czynne)/(Zobowi Ģ zania krótkotermino-

we+Rozliczenia mi ħ dzyokresowe bierne))*100%

Wska Ņ nik pokrycia odsetek pła-

conych

(Wynik operacyjny+Saldo odsetek)/Dochody z

tytułu odsetek

Wska Ņ nik pokrycia zobowi Ģ za ı

długoterminowych

Operacyjny CF/Zobowi Ģ zania długotermino-

we)*(12/ilo Ļę miesi ħ cy w okresie rozliczenio-

wym)

Ebit Marge

((Wynik Operacyjny+Saldo odsetek)/BL)*100%

Wska Ņ nik operacyjnego Cash

Flow w stosunku do BL

(Operacyjny CF/BL)*100%

Wska Ņ nik Cash Flow ogółem w

stosunku do BL

(CF ogółem/BL)*100%

ń ródło: Opracowanie własne * Przychody operacyjne ogółem

- 5 -

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: