Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем: На примере Приморского края тема диссертации и автореферата по ВАК РФ 08.00.10, кандидат экономических наук Просалова, Вероника Сергеевна

• Просалова, Вероника Сергеевна
• кандидат экономических наук
• 2006

Оглавление диссертации кандидат экономических наук Просалова, Вероника Сергеевна

Введение.

1 Оценка кредитоспособности предприятия-заёмщика как инструмента управления кредитным процессом.

1.1 Понятие кредитоспособности предприятия, факторы, определяющие кредитоспособности заёмщика.

1.2 Использование информационных баз данных кредитных бюро для оценки кредитоспособности заёмщика.

1.3 Понятие нейронных сетей и возможность их применения при оценке кредитоспособности заёмщика.

2 Анализ методик оценки кредитоспособности заёмщиков и пути их совершенствования.

2.1 Мировой опыт определения кредитоспособности заёмщиков и возможности использования его российскими банками.

2.2 Анализ российских методик оценки кредитоспособности предприятий.

2.3 Разработка методики оценки краткосрочной кредитоспособности заёмщика для предприятий

Приморского края

3 Применение нейронных сетей в методике оценки кредитоспособности заёмщика.

3.1 Статистические методы построения кредитных рейтингов на основе экспертных оценок и нейронных сетей

3.2 Оценка кредитоспособности предприятий-заёмщиков с помощью виртуального кредитного эксперта.

Введение диссертации (часть автореферата) на тему «Оценка банками кредитоспособности юридических лиц в условиях развития нейросетевых экспертных систем: На примере Приморского края»

Постановка проблемы и актуальность исследования

Проблема совершенствования кредитного механизма является одной из приоритетных как в России, так и за рубежом. Определение кредитоспособности заёмщика— задача, ежедневно решаемая работниками кредитной организации, процедура проведения которой имеет чётко регламентированную схему. В то же время кредитоспособность заёмщика является одним из наиболее сложных вопросов в механизме возвратности кредита. Необходимость изучения сущности кредитоспособности объясняется как отсутствием единого мнения среди разных авторов по поводу определения самого понятия, так и дальнейшим развитием банковской инфраструктуры, которая в свою очередь оказывает влияние на формирование и содержание данного термина.

Необратимый процесс развития сферы банковского обслуживания и экономических отношений в целом, вносит постоянные коррективы в критерии оценки кредитоспособности, в результате чего возникает необходимость постоянного контроля и внесения изменений в процесс анализа кредитоспособности предприятия-заёмщика.

Проведённый анализ методик, применяемых отечественными коммерческими банками, показал, что большинство из них являются заимствованными из зарубежных источников, однако используемые в данных методиках расчёты оценки финансового состояния неприменимы к российским предприятиям. Причём, применяемые в отечественных методиках оценки кредитоспособности предприятий нормативы не соответствуют реальному уровню финансово-экономического развития предприятий того или иного региона. Они были разработаны давно и не подвергались корректировки.

Согласно нормам Базельского комитета и рекомендаций Банка России, оценка кредитоспособности предприятия-заёмщика должна учитывать специфику отрасли, в которой функционирует потенциальный кредитор. Несмотря на веские аргументы о необходимости применения отраслевых финансовых показателей при проведении оценки кредитоспособности, а также рекомендации ведущих экономистов РФ о разделении потенциальных заёмщиков на отраслевые группы, в настоящее время не существует научно обоснованной и целостной методики, соответствующей этим требованиям.

Отсутствие чётких критериев оценки качественных параметров отраслевой специфики не позволяет осуществлять контроль соответствующими органами над коммерческими банками относительно выполнения данных рекомендаций. В связи с этим отечественные кредитные организации либо не учитывают отраслевую специфику заёмщика, либо выделяют особенности результатов отдельных показателей лишь торговых предприятий.

В настоящее время отечественными банками слабо применяются компьютерные технологии, основанные на использовании искусственного интеллекта. За рубежом уже сформировался положительный опыт применения нейронных сетей кредитными организациями (Bank of America, Chase Manhattan Bank of New York). В настоящее время в США создаются научные центры, занимающиеся разработкой новых технологий в области применения нейронных сетей для оценки кредитоспособности заёмщиков. Однако ни зарубежные, ни отечественные коммерческие банки не применяют методик, основанных на использовании нейронных сетей, позволяющие определить кредитный рейтинг заёмщика, которые позволили бы сократить время рассмотрения кредитных заявок, а также существенно повысить уровень оценки кредитоспособности заёмщика.

Вышеуказанные моменты определили актуальность исследования.

Степень разработанности, теоретическая и практическая база исследования

Сущность кредитоспособности, а также проблемы её оценки рассматривались зарубежными учеными: Э. Альтманом, Г. Андерсоном, А. Арутуняном, У. Бивером, Н. Бунге, Д. Кейнсом, Д. Колдвелом, Р. Коттером, Б. Нидлзом, Э. Ридом, Дж. Сингелом, А. Смитом, Г. Спрингейтом, Д. Фулмером, Дж. Шимом и др.

Проблемам формулировки определения «кредитоспособность» в той или иной мере посвящались работы Е.И. Ададурова, Г.М. Кирсюк, А.И. Ольшаного,

О.И. Лаврушина, Ю.В. Рожкова, М.О. Сахаровой, Г.М. Тарасовой, Е.Б. ШрРйн-ской.

Разработка методик оценки кредитоспособности заёмщиков нашли '"Сражение в трудах А.В. Батунина, В.Н. Едроновой, Д.А. Ендовицкой, О.П. • ЙЭце-вой, Г.Г. Кадыкова, Т.И. Овчинниковой, И.В. Пещанской, А.Н. Предтечей ^ого, Р.С. Сайфулина, А.Ф. Черненко, Е.Б. Ширинской и т.д.

В области применения искусственных нейронных сетей в финансово -Деятельности большой интерес представляют работы Д.-Э. Бэстенса, Ван Де1 Берга В.-М., Д. Вуда, M.JI. Кричевского, С. Хайкина.

На позицию автора повлияли также труды дальневосточных учёных,»снимающихся финансово-кредитными проблемами, таких как В.Ф. Бадюков Л.И. Вотинцева, В.А. Останин, В.В. Рудько-Силиванов, А.И. Фисенко.

В ходе работы использовались статистические данные предприятийЗПри-морского края, сгруппированных по отраслевой принадлежности, инструстив-ные и методические материалы Банка России, методические материалы отечественных банков, в том числе Приморского края, собранные и проанализированные лично автором.

Объектом исследования кредитоспособность предприятий-заёмщиков как фактор минимизации финансовых потерь коммерческих банков. j

В качестве предмета исследования определены методы оценки коммерчеI скими банками кредитоспособности юридических лиц в условиях применения нейронных сетей.

Цели и задачи диссертационного исследования

Основной целью диссертационного исследования является теоретическое исследование сущности процесса оценки кредитоспособности коммерческим банком юридических лиц и разработка соответствующей методики оценки с использованием современного математического аппарата.

Для достижения поставленной цели определены и решались следующие задачи:

1. Исследовать и раскрыть экономическую сущность кредитоспособности.

2. Оценить степень влияния региональных и отраслевых особенностей предприятий на результаты расчётов коэффициентов, оценивающих уровень кредитоспособности заёмщиков.

3. Разработать методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику предприятий.

4. Раскрыть сущность и механизм использования искусственных нейронных сетей применительно к сфере банковских услуг.

5. Сформулировать рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края.

6. Обосновать возможность использования нейронных сетей и разработать модель присвоения кредитного рейтинга предприятию-заёмщику.

Научная новизна результатов диссертационного исследования, выносимых автором на защиту, заключается в следующем: раскрыта сущность кредитоспособности как неотъемлемой части процесса банковского кредитования и на этой основе дано авторское понятие «кредитоспособность», включающее в себя описание результата оценки кредитоспособности заёмщика, являющееся основной составляющей заключения о выдаче ссуды; доказано, что региональная и отраслевая специфика предприятий оказывает значимое влияние на результаты рассчитываемых коэффициентов, оценивающих уровень кредитоспособности заёмщиков; предложен методический подход к оценке кредитоспособности юридических лиц, учитывающий региональную и отраслевую специфику заёмщиков, что позволяет существенно уменьшить риск невозврата выдаваемых банками ссуд; раскрыта сущность искусственных нейронных сетей и концептуально обоснована целесообразность применения нейросетевых экспертных систем при оценке кредитоспособности юридических лиц; даны рекомендации по внедрению нейросетевых экспертных систем в процесс оценки кредитоспособности юридических лиц коммерческими банками Приморского края; сформулировано и введено в научный оборот понятие «виртуальный кредитный эксперт», которое обогащает научные представления о возможности применения искусственных нейронных сетей в кредитном процессе.

Теоретическая значимость работы заключается в разработке научно обоснованного подхода к оценке кредитоспособности юридических лиц на основе использования нейронных сетей, в том числе разработке теоретических и методических положений по оценке кредитоспособности предприятий с учётом их отраслевой специфики.

Практическая значимость результатов диссертационного исследования заключается в возможности их использования коммерческими банками для оценки кредитоспособности потенциальных предприятий-заёмщиков.

Основные положения диссертационного исследования могут быть использованы в учебном процессе при изучении дисциплин, связанных с анализом финансового состояния предприятий, организаций, деятельности банков, использованием информационных технологий в кредитных организациях.

Апробация работы осуществлялась в ходе обсуждения её результатов на международных и межвузовских научно-практических конференциях: Четвёртая международная научно-практическая конференция «Экономика и менеджмент: проблемы и перспективы» (СПбГПУ, 2005); Межвузовская научно-практическая конференция «Стратегическое управление инновационным развитием экономики России» (СПбГПУ, 2005); Межвузовская научно-практическая конференция: «Управление устойчивым развитием экономических систем» (СПбГПУ, 2006); Восьмая Международная очно-заочная научно-практическая конференция студентов, аспирантов и молодых исследователей «Интеллектуальный потенциал вузов — на развитие Дальневосточного региона России и стран АТР» (ВГУЭС, 2006); Международная конференция кредитных союзов (Владивосток, 2006); Научно-практическая конференция «Управление структурными преобразованиями в экономике России» (СПбГПУ, 2006).

Внедрение результатов работы осуществлено в «Примсоцбанке» (Владивосток).

Публикации. По результатам выполненных в диссертации исследований опубликовано 10 печатных работ, общим авторским объёмом 4,1 п.л.

Объём и структура диссертационной работы. Диссертационное исследование изложено на 186 страницах текста, состоит из введения, трёх глав, заключения, списка использованных источников из 144 наименований, пяти приложений. Работа иллюстрирована 24 таблицами, 13 рисунками.

Заключение диссертации по теме «Финансы, денежное обращение и кредит», Просалова, Вероника Сергеевна

Заключение

Приступая к работе, нами была определена цель исследования, предполагающая теоретическое исследование сущности процесса оценки кредитоспособности коммерческим банком юридических лиц и разработка соответствующей методики оценки с использованием современного математического аппарата.

В диссертационной работе широко используется как теоретический, так и практический опыт в области разработок различных методик кредитования юридических лиц. Проведённое исследование, в основе которого лежит анализ зарубежного и отечественного опыта оценки кредитоспособности предприятий, позволяет сформулировать следующие выводы и предложения:

1. Понятие «кредитоспособность», как неотъемлемая часть процесса банковского кредитования, претерпевало все изменения, которые происходили с самой банковской системой в России. Экономисты трактовали данное понятие, основываясь на процессах, происходящих в банковской системе в тот или иной исторический отрезок времени, а также уровня развития банковского обслуживания в этот момент.

В нашем понимании кредитоспособность — это способность заёмщика, к совершению кредитной сделки на условиях возвратности, срочности и платности, определённая на основе удовлетворительной оценки его финансово-хозяйственной деятельности и наличии положительной кредитной истории. Как видно из определения, мы сохранили в нём все факторы, определяющие понятие кредитоспособности и добавили описание результата оценки кредитоспособности заёмщика, который как раз и является наиболее важным в процессе решения о предоставлении кредита банком. Таким образом, сформулированное нами определение носит более практический характер, и в тоже время соответствует требованиям, предъявляемым к классическому определению понятия «кредитоспособность».

2. Прогнозная характеристика кредитоспособности заёмщика является основным её отличием от платёжеспособности. Кредитоспособность заёмщика прогнозирует его платёжеспособность на ближайшую перспективу, а именно на предполагаемый период пользования кредитом. Степень неплатёжеспособности в прошлом является одним из формальных показателей, на которые опираются при оценке кредитоспособности клиента.

Ещё одно существенное различие между платёжеспособностью и кредитоспособностью — это различие по источникам погашения. Заёмщик обычную свою задолженность (кроме ссудной) должен погасить, как правило, за счёт выручки от реализации продукции, работ, услуг. Ссудная задолженность имеет ещё три источника погашения: выручку от реализации имущества, принятого банком в залог по ссуде; гарантию другого банка или поручителя; страховые возмещения.

Оценка способности заёмщика расплатиться по кредитным обязательствам предполагает всесторонний анализ его финансового состояния и общей экономической ситуации в регионе и отрасли, где функционирует исследуемое предприятие. Готовность выполнить обязательства по кредиту не является во многом только экономической характеристикой, а зависит также от репутации и порядочности заёмщика.

3. Кредитные бюро являются информационными посредниками между банками и предприятиями — заёмщиками. С одной стороны, являясь аккумуляторами кредитных историй заёмщиков, они являются своего рода помощниками кредитных экспертов при определении уровня кредитоспособности потенциальных клиентов; с другой стороны, кредитные бюро путём изменения стоимости на свои услуги, а также в результате государственного регулирования законодательных актов об использовании внешних источниках информации коммерческими банками могут оказывать также и негативное влияние на развитие кредитного процесса в стране.

4. Актуальным, на наш взгляд, представляется вопрос создания Бюро кредитных историй в Приморском крае. Однако данный информационный ресурс в крае ещё не существует. Это объясняется несколькими причинами: во-первых, отдалённость региона от центра России, что приводит к замедленности в принятии новых решений, данный фактор еще можно назвать местным консерватизмом; во-вторых, естественное нежелание коммерческих банков платить кредитным бюро за обслуживание по выдаче интересующей их информации. Все эти факторы являются препятствием на пути создания Приморских кредитных бюро.

Объединение коммерческих банков с кредитными кооперативами в образовании совместной информационной базы данных помог бы не только значительно увеличить базу данных, но и повлиял бы на стоимость оказываемых услуг в сторону их уменьшения.

6. Деятельность кредитных бюро может стать одним из государственных рычагов по регулированию кредитной деятельности в стране. Данный механизм может происходить путём воздействия как через законодательные акты, регулирующие деятельность кредитных бюро; так и через уполномоченный законодательный орган, который осуществляет контроль и надзор за деятельностью бюро кредитных историй.

7. В условиях межбанковской конкуренции особое значение приобретает необходимость тщательного исследования кредитной организацией возможностей совершенствования внутренних бизнес-процессов на рынке кредитных услуг. Острая конкуренция между банками вызывает не только необходимость искать оптимальные стратегии развития на финансовом рынке, но и совершенствовать информационные технологии. Решающим фактором в конкурентной среде банков является успешное внедрение компьютерных технологий, которые могут приблизить их к самым передовым достижениям мировой банковской практики.

Понятие нейронных сетей в области применения их при оценке кредитоспособности заёмщиков коммерческими банками может быть сформулировано следующим образом: нейронная сеть — это кибернетический процесс обработки информации о заёмщике, основанный на методе предварительного обучения, а также накапливающий вновь приобретенные знания, с целью последующего определения уровня кредитоспособности клиента. Данное нами определение отличается от традиционного, предлагаемого специалистами в области информационных технологий, т.к. не раскрывает технологический процесс функционирования нейронной сети, а показывает сущность процесса нейронной сети при использовании её в процессе определения уровня кредитоспособности.

8. Применение нейросетевых технологий кредитными организациями Приморского края в настоящее время не распространено. Данное обстоятельство связано с рядом объективных причин. Во-первых, отсутствием среди банковских служащих грамотных специалистов, имеющих достаточный уровень знаний в области нейронных сетей. Во-вторых, незнание руководства коммерческих банков о преимуществах применения программных продуктов нейронных сетей в процессе оценки кредитоспособности заёмщиков. Решение данных проблем представляется довольно простым: местные университеты выпускают достаточное количество специалистов, обладающих теоретическими и практическими знаниями в вопросах нейронных сетей. Коммерческим банкам необходимо только установить договорные отношения с учебными заведениями о дополнительной специализации данных выпускников в области коммерческого кредитования. Что касается заинтересованности руководства кредитных организаций в применении нейронных сетей, то это — временные трудности. В настоящее время в центральных регионах страны применение нейросетевых пакетов приобретает всё большую популярность, следовательно, через небольшой промежуток времени заинтересованность в применении данных технологических разработок возникнет и в нашем крае.

9. Изучение опыта сравнительного анализа прогноза банкротств различными методиками показывает:

А) нейросетевое моделирование обеспечивает наилучшую точность предвидение банкротств: порядка 90%, по сравнению с 80 — 85% точностью для других статистических методик (дискриминантный анализ, логистический анализ и т.д.);

Б) при желании можно повысить «подозрительность» нейросети, обеспечив точность выявления банкротов вплоть до 99%;

В) банкротство можно уверенно предсказывать за несколько лет до его фактического наступления, причём точность предсказания за два года практически не отличается от точности предсказания за год. Таким образом, неявные сигналы неблагополучия присутствуют в финансовой отчётности фирмы задолго до её краха.

10. Проведённый нами анализ зарубежных методик определения кредитоспособности заёмщика показывает, что большинство кредитных организаций переходят от использования метода, основанного на наборе показателей, к интегральному понятию рейтинга. Основной показатель, используемый зарубежными коммерческими банками для оценки кредитоспособности заёмщика, — кредитный рейтинг. Использование рассмотренных методик в «чистом» виде в отечественных условиях осложняется объективными межстрановыми различиями в деятельности заёмщиков. Проведение комплекса мероприятий, направленных на исправление недостатков рассмотренных зарубежных методик, позволит повысить точность и эффективность расчётов.

11. Проведённый нами анализ отечественных методик оценки кредитоспособности предприятий коммерческими банками показал следующее. Первое, большинство отечественных методик основаны на зарубежном опыте прогнозирования банкротств. Второе, мы выявили основные недостатки и преимущества применяемых методик. Вывод, который можно сформулировать по окончании проведённого анализа — это необходимость разработки отечественной методики, основанной на анализе отраслевых коэффициентов, а также содержащий в своей основе статистическую базу российских предприятий. Основной причиной необходимости скорейшего решения данной проблемы — это принятие Положения «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности».

12. Разработанная методика оценки кредитоспособности заёмщика с учётом его региональной принадлежности и отраслевой специфики, основанная на расчётах реальной финансовой отчётности предприятий Приморского края, позволит более адекватно определять финансовое состояние потенциального заёмщика, что приведёт к снижению кредитных рисков коммерческих .банков Приморского края.

13. Качественная оценка кредитоспособности предприятия (качество работы управленческого персонала, межличностные отношения в коллективе и т.д.) в большей степени подвержена субъективному мнению кредитного эксперта, проводящему финансово-экономический анализ уровня кредитоспособности потенциального клиента. Необходимо учитывать также тот факт, что широкое распространение рынка кредитных услуг в нашей стране произошло сравнительно недавно. При принятии решения о выдаче кредита ссудозаёмщику формально оцениваются только количественные параметры, взятые из бухгалтерской отчётности. До настоящего времени не существует хорошо разработанных, и в свою очередь проверенных временем методик именно качественной оценки финансово-хозяйственной деятельности предприятия.

В связи с этим в настоящее время актуальным становится применение кредитного рейтинга предприятия с использованием статистического анализа финансовых коэффициентов. Такой подход представляется наилучшим решением, поскольку ему можно дать математическое обоснование и проверить его работоспособность на большом объёме реальных статистических данных.

Предложенный нами новый подход основан на идее экспертной кредитной упорядоченности предприятий, по которым имеется статистическая база данных о результатах их хозяйственной деятельности, и применении нейронных сетей для построения алгоритмов оценивания кредитоспособности. Разработанная модель не слишком сложна, но показывает достаточно точные результаты. Автоматизация построения моделей такого типа может быть осуществлена с использованием ряда доступных нейросетевых пакетов программ.

14. Разработанная нами модель оценки кредитоспособности заёмщика, основанная на использовании нейронной сети, присваивает предприятию кредитный рейтинг. Что невозможно в принципе сделать, используя статистические модели. Статистические модели позволяют оценить предприятие только по трём-четырём критериям, а модель на основе нейронных сетей присваивает индивидуальный кредитный рейтинг каждому ссудозаёмщику.

15. Согласно авторскому определению, под «виртуальным кредитным экспертом» понимается разработанная и обученная модель нейронной сети, определяющая кредитный рейтинг предприятия на основе его финансовых коэффициентов с целью принятия дальнейшего решения о предоставлении кредита.

Существенным преимуществом разработанного «виртуального кредитного эксперта» является, то, что в основу обучающей выборки нейронной сети заложена предложенная во втором разделе диссертационного исследования статистическая модель, учитывающая отраслевые особенности предприятий.

Основным из стимулов скорейшего внедрения «виртуального кредитного эксперта» среди региональных коммерческих банков является простота его использования. Уже разработанная и обученная модель не требует от пользователей каких-либо навыков в области программирования или обладанием специфических знаний в области нейронных сетей. Представленная модель обладает возможностью самообучения в процессе её использования, т.е. с течением времени она будет реагировать на происходящие изменения в показателях вводимых в неё коэффициентов и постепенно изменять присваиваемые предприятиям рейтинги. В данном случае на изменение величины финансовых коэффициентов может влиять множество факторов, таких как развитие региональной экономики, инфляционные процессы и т.д. Этот показатель существенно отличает «виртуального кредитного эксперта» от обычно применяемых статистических моделей.

16. Одним из будущих вариантов совершенствования «виртуального кредитного эксперта» может стать постановка задачи не только оценки уровня кредитоспособности предприятия, но и как возможности предсказания дальнейшего развития предприятия с точки зрения его надёжности как заёмщика коммерческого банка.

Список литературы диссертационного исследования кандидат экономических наук Просалова, Вероника Сергеевна, 2006 год

1. Гражданский кодекс РФ (часть первая) от 30.11.1994 г.

2. О банках и банковской деятельности: Федеральный закон от 0212.1990 г. № 395-1 (с изменениями и дополнениями).

3. О несостоятельности (банкротстве): Федеральный закон от 26.10. 2002 г. №127-ФЗ

4. О кредитных историях: Федеральный закон от 30.12.2004 г. № 218-ФЗ.

5. О внесении изменений в Федеральный закон «О кредитных историях»: Федеральный закон от 21.07.2005 г. №110-ФЗ.

6. О некоторых мерах по реализации законодательства о несостоятельности (банкротстве) предприятий: Постановление Правительства РФ от 20.05.1994 г. №498.

7. О федеральном органе исполнительной власти, уполномоченном на осуществление функций по контролю и надзору за деятельностью бюро кредитных историй: Постановление Правительства РФ от 10.08.2005 г. № 501.

8. Об утверждении положения о требованиях к финансовому положению и деловой репутации участников бюро кредитных историй: Приказ ФСФР РФ от 27.10.2005 г. № 05-52 / пн-н.

9. Об утверждении порядка проведения конкурса по безвозмездной передаче кредитных историй: Приказ ФСФР РФ № 05-88 / пз-н от 22.12.2005 г.

10. О перечне, формах и порядке составления и представления форм отчетности кредитных организаций в ЦБ РФ: Указание ЦБ РФ от 16.01 2004 № 1376-У.

11. О порядке и формах представления бюро кредитных историй информации, содержащейся в титульных частях кредитных историй, и кодов субъектов кредитных историй в центральный каталог кредитных историй: Указание ЦБ РФ от 31.06.2005 г. № 1611.

12. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в бюро кредитных историй: Указание ЦБ РФ от 31.08.2005 г. № 7036.

13. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в кредитную организацию: Указание ЦБ РФ от 31.08.2005 г. № 1612-У.

14. О порядке направления запросов и получения информации из центрального каталога кредитных историй субъектом кредитной истории и пользователем кредитной истории посредством обращения в бюро кредитных историй: Указание ЦБ РФ от 29.11.2005 г. №1635-У.

15. Положение о порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности № 254-П от 20.03.2006 г.

16. Об основных показателях финансовой устойчивости организаций Приморского края за 2004 год: Аналитическая записка Приморского краевого комитета государственной статистики.

17. Основной капитал экономики Приморского края в 1993 — 2003 годах: Статистический сборник Территориального органа федеральной службы государственной службы по Приморскому краю.

18. Основные показатели бухгалтерской отчётности организаций: Статистический бюллетень Территориального органа федеральной службы государственной статистики по Приморскому краю.

19. Финансовые результаты и состояние расчетов в организациях Приморского края на 1 июля 2005 года: статистический бюллетень Территориальногооргана федеральной службы государственной статистики по Приморскому краю.

20. Ананькина Е. Влияние отраслевых рисков на кредитоспособность предприятий российской нефтяной отрасли // Russia. Декабрь 1999.

21. Анализ экономической деятельности клиентов банка: учебное пособие / под ред. О.И. Лаврушина М. : ИНФРА-М, 1996.

22. Андреева Г.В. Скоринг как метод оценки кредитного риска // Банковские технологии. 2000. № 6.

23. Андреюк О.А. К вопросу стимулирования кредитных вложений в реальный сектор // Деньги и кредит. 2000. № 8.

24. Арутунян А.В. Опыт применения моделей Флумера и Спрингейта в оценке венгерских предприятий сельского хозяйства // Корпоративный менеджмент. 2002. № 129.

25. Банковское дело: учебник для вузов / под ред. проф. В.И. Колесникова. М.: Финансы и статистика, 1995.

26. Банковское дело: учебник для ВУЗов / под ред. О.И. Лаврушина. М. : Финансы и статистика, 2000.

27. Банковское дело: современная система кредитования: учебное пособие / под ред. О.И. Лаврушина. М. : КНОРУС, 2005.

28. Банковское дело: справочное пособие / под ред. Ю.А. Бабичевой. М. : Экономика, 1994.

29. Батунин А.В. Новые индикаторы банкротства предприятия // Экономический анализ. 2003. № 4.

30. Булгакова Л.Н. Экономическая диагностика предприятий при инвестиционном кредитовании // Вопросы экономики. 2000. № 19.

31. Бухгалтерский и управленческий учёт: учебное пособие / под ред. Кон-дракова Н.П. М.: Инфра-М, 2004.

32. Бэстенс Д.-Э., Ван Ден Берг В.-М., Вуд Д. Нейронные сети и финансовые рынки. Принятие решений в торговых операциях. М. : ТВП Научное издательство, 1997.

33. Власов С.Н., Рожков Ю.В., Щуплова Е.А. Розничный коммерческий банк: социальное стратифицирование: монография / под науч. ред. проф. Ю.В. Рожкова. Хабаровск : РИЦ ХГАЭП, 2006.

34. Гойденко Ю.Н., Рожков Ю.В. Цены на услуги коммерческих банков: теория и практика формирования. Моногр. Владивосток : Изд-во Дальневост. ун-та, 2003.

35. Готовчиков И.Ф. Методы статистического анализа кредитной дисциплины в российской банковской системе // Финансы и кредит. 2002. № 12.

36. Горскин И.И. Определение рейтинга кредитной привлекательности кредитной заявки // Банковское дело. 1999. № 7.

37. Гусева К.Н. Долгосрочное кредитование как метод интеграции банковского и промышленного капиталов // Деньги и кредит. 2000. № 7.

38. Дарькин С.М. Использование ресурсов финансово-банковской системы региона для обеспечения безопасности его экономики // Финансы и кредит. 2004. № 5.

39. Едронова В.Н., Хасянова С.Ю. Модели анализа кредитоспособности заёмщиков // Финансы и кредит. 2002. № 6.

40. Едронова В.Н., Шахватова М.В. Особенности оценки финансовых результатов и финансового состояния субъектов бюджетирования // Экономический анализ: теория и практика. 2004. № 13.

41. Елисеева И.И., Юзбашев М.М. Общая теория статистики: учебник для вузов / под ред. И.И. Елисеевой. М.: Финансы и статистика, 2000.

42. Ендовицкий Д.А. Бочарова И.В. Комплексная оценка кредитоспособности хозяйствующего субъекта // Экономический анализ. 2004. № 15.

43. Ендовицкий Д.А. Бочарова И.В. Система комплексного анализа кредитоспособности заёмщика // Аудитор. 2004. №11.

44. Загорий Г.В. О методах оценки кредитного риска // Деньги и кредит. 1997. № 6.

45. Кабушкин С.Н. Управление банковским кредитным риском. М. : Новое знание, 2004.

46. Кирисюк Г. М., Ляховский B.C. Оценка банком кредитоспособности заемщика // Деньги и кредит. 2000. № 4.

47. Ковалёв В.В. Анализ финансового состояния и прогнозирование банкротства. СПб., 1994.

48. Ковалёв В.В. Финансовый анализ: Управление капиталом. Выбор инвестиций. Анализ отчётности. М. : Финансы и статистика, 1997.

49. Константинов Н.С. Методические рекомендации по оценке кредитос-побности корпоративных клиентов в коммерческом банке // Финансовый менеджмент. 2004. № 2.

50. Корнеев В.В., Гареев А.Ф., Васютин С.В. и др. Базы данных. Интеллектуальная обработка информации. М. : Нолидж, 1999.

51. Кричевский М.Л. Введение в искусственные нейронные сети. СПб. : Изд. СПб Гос. морск. техн. унив., 1999.

52. Кричевский М.Л. Нейронные сети в задачах риск-менеджмента. Научн. сессия проф.-преп. состава СПбГУЭФ. Сб.докл. СПб. : Изд. СПбГУЭФ, 2002.

53. Кричевский М.Л. Интеллектуальные методы в менеджменте. СПб. : Питер, 2005.

54. Лисицина Е.В. Статистический подход к коэффициентному методу в финансовом экспресс-анализе предприятия // Финансовый менеджмент. 2001. № 1.

55. Лиховидов В.Н. Практический курс распознания образов. Владивосток : Изд. ДВГУ, 1983.

56. Максютов А.А. Анализ долгов компании при определении её кредитоспособности // Деньги и кредит. 2002. № 3.

57. Минский М., Пайперт И. Персептроны. М. : Мир, 1971.

58. Овчинникова Т.И., Пахомов А.И. Булгакова И.Н. Методы финансово-экономической диагностики банкротства предприятий // Финансовый менеджмент. 2005. № 5.

59. Ольхова Р.Г., Сахарова М.О., Соколинская Н.Э. Банк и контроль. М. : Прогресс, 1995.

60. Ольшаный А.И. Банковское кредитование: российский и зарубежный опыт. М. : Финансы и статистика, 1997.

61. Основы банковской деятельности / под ред. Тагирбекова К.Р. М. : Финансы и статистика, 2001.

62. Основы бухгалтерского учёта / под ред. Адамова Н.А. СПб. : Питер, 2005.

63. Осовский С. Нейронные сети для обработки информации. М. : Финансы и статистика, 2002.

64. Панова Г.С. Анализ финансового состояния коммерческого банка. М. : Финансы и статистика, 1996.

65. Петров В. Международное регулирование банковских операций на примере соглашения «Базель II» // Международные банковские операции. 2004. № 1.

66. Пещанская И.В. Финансовые коэффициенты в системе оценки кредитоспособности заёмщиков банками // Экономический анализ: теория и практика. 2004. № 2.

67. Попова JI.B., Маслова И.А., Пчеленок Н.В., Петрыкина М.М. Применение моделей прогнозирования банкротства на российских предприятиях // Экономический анализ. 2004. № 9.

68. Пещанская И.В. Финансовый менеджмент: краткосрочная политика: учебное пособие для ВУЗов. М.: Экзамен М, 2005.

69. Помазанов М. Количественный анализ кредитного риска // Банковские технологии. 2004. № 2.

70. Помазанов М. Кредитный риск-менеджмент и моделирование нового актива в портфеле // Финансы и кредит. 2004. № 6 (144).

71. Помазанов М., Гундарь В. Капитал под риском в совершенной модели банковской системы // Финансы и кредит. 2003. № 24 (138).

72. Предтеченский А.Н. Коэффициентный анализ в системе кредитных рейтингов заёмщиков банка // Банковское дело. 2005. № 4.

73. Предтеченский А.Н. Коэффициентный анализ в системе кредитных рейтингов заемщиков банка. // Банковское дело. 2005. №5.

74. Прохно Ю.П. Лунева Ю.В. Проблемы оценки кредитоспособности корпоративны заемщиков коммерческих банков. // Финансы и кредит. 2004. № 5.

75. Рид Э., Коттер Р., ГилзЭ., Смит Р. Коммерческие банки. М. : Прогресс, 1983.

76. Рожков Ю.В. Степанова B.C. Проектное финансирование как форма инвестиционной деятельности коммерческого банка: учебное пособие. Хабаровск : РИЦ ХГАЭП, 2004.

77. Розенблатт Ф. Принципы нейродинамики. Персептроны и теория механизмов мозга. М.: Мир, 1965.

78. Российская банковская энциклопедия. Редколл.: О.И. Лаврушин (гл. ред.) и др. М. : Энциклопедическая Творческая Ассоциация, 1995

79. Роуз Питер С. Банковский менеджмент. М. : Дело Лтд, 1995.

80. Саати Т., Керне К. Аналитическое планирование. Организация систем. М.: Радио и связь, 1991.

81. Сахарова М.О. К вопросу о кредитоспособности предприятия // Деньги и кредит. 1999. № 3.

82. Седин В. Технология работы с международными рейтинговыми агентствами // Банковское дело. 2000. № 8 (68).

83. Словарь бухгалтерских терминов / под ред. Джоэл Дж. Сигел, Джей К. Шим. М. : Финансы и статистика, 2001.

84. Соложенцев Е.Д., Степанова Н.В., Карасёв В.В. Прозрачность методик оценки кредитных рисков и рейтингов. СПб. : С.-Петерб. ун-т, 2005.

85. Смулов A.M. Проблемы взаимодействия промышленных предприятий и банков. М.: Финансы и статистика, 2002.

86. Финансово-кредитный словарь. Т. 2. М.: Финансы и статистика, 1986.

87. Теория бухгалтерского учёта: задачи, ситуации, тесты / под ред. Т.М Неселовской. М.: Финансы и статистика, 2004.

88. Тосунян Г. Банковское дело и банковское законодательство в России:опыт, проблемы, перспективы. М. : «Дело Лтд», 1995.

89. Уоссермен Ф. Нейрокомпьютерная техника. М. : Мир 1992.

90. Усоскин В.М. Современный коммерческий банк: управление и операции. М.: АО «Всё для вас», 1994.

91. Усоскин В.М. Базельские стандарты адекватности банковского капитала: эволюция подходов // Деньги кредит. 2000. № 3.

92. Финансовый менеджмент: теория и практика: учебник / под ред. Стояновой Е.С. М.: Изд-во «Перспектива», 1999.

93. Финансовый анализ предприятий при угрозе банкротства: учебное пособие / под ред. Пещанской И.В. М. : Омега Л, 2003.

94. Финансово-экономические расчеты: пособие для менеджеров: учебное пособие / под ред. Ефимова М.Р. М. : Инфра-М, 2004.

95. Финансово-кредитный словарь. М. : Финансы и статистика, 1986.

96. Хайкин С. Нейронные сети: полный курс. М. : Издательский дом «Вильяме», 2006.

97. Черненко А.Ф. Оценка кредитоспособности организации на основе прогнозного бухгалтерского баланса // Экономический анализ. 2003. № 4.

98. Чернов В.К. Анализ финансово-кредитных операций на основе составляющих эффекта финансового рычага // Финансовая газета. 1999. № 44.

99. Шаламов Г.А. Бюро кредитных историй как инструмент снижения банковских рисков // Банковское дело. 2005. № 4.

100. Шарп, У., Александер, Г., Бейли, Д. Инвестиции. 5-е изд. / пер. с англ. М. : ИНФРА-М, 1997.

101. Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа предприятия. М. : Юни-Глоб, 1992.

102. Шеремет А.Д., Сайфулин Р.С. Финансы предприятий. М. : ИНФРА-М, 1999.

103. Шеремет А.Д., Щербакова Г.Н. Финансовый анализ в коммерческом банке. М.: Финансы и статистика, 2001.

104. Шеремет А.Д. Методика финансового анализа. М. : ИНФРА-М, 1996.

105. Шешукова Т.Г. К вопросу определения инвестиционной кредитоспособности предприятия-заёмщика // Экономический анализ. 2003. № 8.

106. Ширинская Е.Б. Операции коммерческих банков: российский и зарубежный опыт. М. : Финансы и статистика, 1995.

107. Ширинская Е.Б. Операции коммерческих банков: российский и зарубежный опыт. М.: Финансы и статистика, 1992.

108. Эйгель Ф. Критерии оценки кредитного риска // Рынок ценных бумаг. 1999. №5.

109. Энциклопедия финансового риск-менеджера / под ред. Лобанова А.А., Чугунова А.В. М. : Альпина паблишер, 2003.

110. Ярушкина Н.Г. Основы теории нечетких и гибридных систем. М. : Финансы и статистика, 2004.

111. Akerlof G. The Market for Lemons: Quality Uncertainty and the Market Mechanism / Quarterly Journal of Economics, № 84, 1970.

112. Altman, E.I. Hartzell, J. - Peck, M. Beaver,W.H. Financial Ratios as Predictors of Failure. Empirical Research in Accounting: Selected Studies / Journal of Accounting Research, 1967.

113. Botheras, D. A. Use of a Business Failure Prediction Model for Evaluating Potential and Existing Credit Risk / NSOLVENCY PREDICTION, E. Sands & Associates Inc. March, 1979.

114. Fulmer, J. G. et al. A Bankruptcy Classification Model For Small Firms / Journal of Commercial Bank Lending. July, 1984.

115. Grossman S. and Stiglitz J. On the Impossibility of Informationally Efficient Markets / American Economic Review, № 70, 1980.

116. Kohonen T. Self-Organization and Associative Memory. Berlun : Springer-Verlag, 1989.

117. Likhovidov V. Variational approach to unsupervised learning algorithms of neural networks. / Neural Networks, vol. 10, No 2, 1997.

118. Range of practice in Banks'Internal Ratings systems. Базельский комитет по банковскому надзору, 2000.

119. Spence M. Market Signaling. Harvard University Press, 1974.

120. Springate, G. L. V. Predicting the Possibility of Failure in a Canadian Firm. / INSOLVENCY PREDICTION, E. Sands & Associates Inc. January, 1978.

121. Шесть основополагающих принципов кредитования (правило шести «Си»)1. Характер (character)1. Способность (capacity)1. Денежные средства (cash)1. Обеспечение (collateral)1. Условия (conditions)1. Контроль (control)

122. Прибыль, дивиденды и объемы продаж в прошлом

123. Право собственности на активы Срок службы активов

124. Вероятность морального старения Остаточная стоимость Степень специализации по активам Право ареста, долги и ограничения Обязательства по лизингу и закладные

125. Страхование клиента Гарантии Относительные позиции банка каккредитора Судебные иски и положение с налогообложением Возможные будущие потребности в финансировании

126. Положение клиента в отрасли и ожидаемая доля на рынке

127. Сопоставление результатов деятельности клиента с результатами других фирмданной отрасли Конкурентоспособность продукции Чувствительность клиента и отрасли к смене стадий делового цикла и изменению технологии Условия на рынке рабочей силы

128. Влияние инфляции на баланс и поток наличности клиента Долгосрочные прогнозы вотношении отрасли Правила, политические факторы и факторы, связанные с охраной окружающей среды

129. Соответствующие законы в области банковской деятельности и правила относительно характера и качества приемлемых кредиторов

130. Факторы по Аргенти Баллы по Аргенти1. Недостатки1. Директор автократ 8

131. Председатель совета директоров также является директором 4

132. Пассивность совета директоров 2

133. Внутренние противоречия в совете директоров из-за различий в знаниях и навыках 2

134. Слабый финансовый директор 2

135. Недостаток профессиональных менеджеров среднего и нижнего звеньев 11. Недостатки системы учета:отсутствие бюджетного контроля 3отсутствие прогноза денежных потоков 3отсутствие системы управленческого учета затрат 3

136. Медленная реакция на изменения (появление новых продуктов, технологий, рынков сбыта и т.д.) 15

137. Максимально возможная сумма баллов 431. Проходной балл» 10

138. Если сумма баллов больше 10, недостатки в управлении компанией могут привести к серьезным ошибкам1. Ошибки

139. Слишком высокая доля заемного капитала 15

140. Недостаток оборотных средств из-за быстрого роста бизнеса 15

141. Наличие крупного проекта 15

142. Максимально возможная сумма баллов 451. Проходной балл» 15

143. Если сумма баллов на этой стадии (с учетом предыдущей) больше или равна 25, то предприятие подвергается определенному риску1. Симптомы

144. Ухудшение финансовых показателей 4

145. Использование «фиктивного» бухгалтерского учета 4

146. Нефинансовые признаки неблагополучия (ухудшение качества продукции, падение настроения в коллективе, снижение доли рынка и т.д.) 4

147. Окончательные симптомы кризиса (судебные иски, скандалы, отставки) 3

148. Максимально возможная сумма баллов 12

149. Максимально возможный А-счет 100

150. Шкала для интерпретации А-счета

151. Деятельность предприятия успешна До 25 баллов

152. Предприятие может обанкротиться в течение ближайших 5 От 25 о 35 баллов лет т Д° аллов

153. Предприятие испытывает серьезные трудности в настоящее Свыше 35 баллов время

154. Значения критериальных показателей для различных отраслей согласно методики учёных Казанского госуниверситета