ĮMONIŲ KREDITO RIZIKOS VERTINIMO MODELIŲ ANALIZĖ
Neringa Semėnaitė, Solveiga Jagminaitė
Vadovė: Lekt. Dr. Laura Ivaškevičiūtė
Kauno technologijos universitetas, Socialinių mokslų fakultetas SM 5/2 gr.
Įvadas
Bankai skolindami neturi visos reikiamos informacijos apie įmones, todėl susiduria su vis didesne kredito rizika, o tai sąlygoja nuolatinį poreikį tobulinti savo rizikos valdymo sistemą, kurti naujus metodus, kurie padėtų efektyviai vystyti veiklą. Problema: parinkus netinkamus kredito rizikos vertinimo modelius ir metodus iškyla neadekvataus kredito rizikos vertinimo grėsmė, kuri yra viena iš šiandieninės finansinės krizės priežasčių. Tikslas – išanalizuoti įmonės kredito rizikos vertinimo modelius. Metodika: mokslinės literatūros apžvalga.
Kredito rizikos samprata
Norint išaiškinti kredito rizikos sąvokos reikšmę, pirmiausia reikia apibrėžti kas yra kreditas. Išanalizavus keleto autorių, t.y. Martinkaus B., Buškevičiūtės E., Bartkaus E., Žaltauskienės N., pateikiamas kredito sąvokas, galima teigti, kad kreditas – komercinis pasitikėjimas, kurį kreditorius (skolintojas) išreiškia kredito gavėjui (skolininkui) tiesiogiai (skolindamas pinigus) arba netiesiogiai parduodamas prekes ir paslaugas skolon.
Anot S. Tarailos, paskolos išdavimas bendrais bruožais taip pat gali būti apibrėžiamas kaip vertės suteikimo kitam asmeniui arba subjektui procesas prisiimant su tuo susijusią riziką. Rizika susijusi su galimybe, kad kitas asmuo arba subjektas gali nesugebėti ateityje įvykdyti savo įsipareigojimų bankui.
G. Kancerevyčius kredito riziką apibūdina kaip riziką, kad kita sandorio šalis neįvykdys savo įsipareigojimų atėjus laikui arba kad savo įsipareigojimų ji neįvykdys pilnai ir dėl to bus prarasta dalis arba visas kreditas (investicija). Lietuvos Banko apibūdinimu, kredito rizika – rizika dėl sandorio šalies nesugebėjimo atsiskaityti sutartyje nustatyta tvarka.
Kredito rizikos vertinimo modeliai
Daugelio mokslininkų ir praktikų nustatyta, kad viena iš pagrindinių komercinių bankų žlugimo priežasčių – netinkamas kredito rizikos vertinimas. Kredito rizikai vertinti yra sukurta daug įvairių metodų ir modelių. Kadangi nėra vieno geriausio modelio kredito rizikai įvertinti (gali būti vertinama pavienės paskolos arba viso paskolų portfelio kredito rizika), komerciniai bankai savo veikloje naudoja įvairius metodų bei modelių derinius (žr. 1 pav.).

1 pav. Kredito rizikos vertinimo modeliai (sudaryta autorių)
Reitingavimas. Kad kredito rizika būtų veiksmingai valdoma, bankas turi nustatyti jos šaltinius ir tiksliai įvertinti kiekvieno banko skolininko, kiekvienos paskolos ir viso paskolų portfelio riziką. Skolininko ir paskolos rizika bankuose vertinama pasitelkiant reitingų sistemas. Kredito reitingai dažniausiai taikomi verslo klientų vertinimui. Mažmeniniams ir smulkiems verslo klientams taip pat taikoma įvertinimo sistema. Anot A. Dzikevičiaus ir L. Steckytės, reitingas – tai indikatorius, prognozė arba nuomonė apie įmonės ar institucijos gebėjimą vykdyti savo įsipareigojimus, įvertinant galimus nuostolius. Vieno ar kito kredito reitingo priskyrimas ir rizikos lygio nustatymas leidžia bankui grupuoti išduotus kreditus į grupes ir rizikos klases. Rizikos klasių klasifikacija nustato kreditų grupavimą pagal rizikos lygį, kurie būna tokie: kreditai su mažiausia rizika, kreditai su padidinta rizika, kreditai su ribine rizika ir kreditai neatitinkantys taisyklių.
Statistinis vertinimas dažniausiai taikomas fizinių asmenų arba mažų ir vidutinių įmonių rizikai vertinti. Stambioms įmonėms teikiamos paskolos labiau skiriasi, taigi standartizuotas statistinis metodas neatskleistų visų skolininko ypatumų. Be to, bankams paprastai trūksta duomenų apie įmonių įsipareigojimų neįvykdymo atvejus, todėl statistinius modelius sunku pagrįsti empiriškai. Eksperto – kvalifikuoto įmonės rizikos vertintojo atliekamas reitingavimas bankui brangiau kainuoja, tačiau stambioms įmonėms paprastai teikiamos didelės, daug pajamų bankui teikiančios paskolos, taigi tokio reitingavimo išlaidos atsiperka. Mišri procedūra, kai ekspertas iš anksto nustatytus kriterijus lygina su ribiniais dydžiais. Šiai grupei priskirtinos ir tos procedūros, kai pirminis įmonės reitingas nustatomas taikant statistinį modelį, o galutinis reitingas nustatomas eksperto.
Tam, kad būtų priskirtas reitingas reikia išanalizuoti visą grandinę kiekybinių ir kokybinių rodiklių, į kuriuos reikia atsižvelgti analizuojant su įmone susijusią riziką. Kiekvienas rodiklis turi paprastai nustatytą galutinio reitingo dalį. Tokiu būdu reitingas gaunamas išvedus svertinį kiekybinių ir kokybinių rodiklių vidurkį. D. Savickaitė ir V. Valvonis savo straipsnyje pateikia tokius įmonių reitingavimo kiekybinius rodiklius: likvidumo, pelningumo, nuosavybės ir skolos, turto panaudojimo efektyvumo (apyvartumo), finansinių įsipareigojimų dengimo ir kitus.
Kitą reitingo dalį sudaro kokybinis įmonės įvertinimas, bei jį atspindintys rodikliai, kuriais stengiamasi atsižvelgti į tai, ko neapima kiekybiniai rodikliai bei analizė. Todėl šie rodikliai tik papildo pagrindinę reitingo dalį, kuris jau būna įvertintas pagal kiekybinius rodiklius. D. Savickaitė bei V. Valvonis išskiria šiuos kokybinius rodiklius: įmonės valdymas; verslas, produkcija, klientai, rinka (pramonės šakos perspektyvos; užimama rinkos dalis; priklausomybė nuo tiekėjų ir kt.); planai, strategija, prognozės; kiti kokybiniai veiksniai (naudojamų technologijų lygis; aplinkosaugos ir kitos rizikos rūšys; ankstesnių įsipareigojimų vykdymas ir t.t.).
V. Valles pagal aplinkybių įvertinimą reitingavimo modelius suskirstė į dvi grupes:
- laiko momento. Taikant šį modelį įmonės rizika įvertinama pagal ekonominio ciklo fazę, t.y. esant ekonomikos pakilimui didesnė dalis įmonių laikomos mažiau rizikingomis, tuo tarpu esant ekonomikos nuosmukiui – daugiau įmonių laikomos rizikingesnėmis;
- ekonominio ciklo. Vertinant įmones daroma prielaida, kad jos veikia nepalankiomis ekonomikos sąlygomis, todėl reitingo priskyrimui neturi įtakos tuo metu vyraujanti ekonominio ciklo fazė.
Anot D. Savickaitės ir V. Valvonio, vieno iš dviejų reitingavimo modelių pasirinkimą dažniausiai lemia banko veiklos pobūdis ir modelio taikymo tikslai. Pavyzdžiui, teikiant trumpalaikes paskolas labiau tinka taikyti laiko momento modelį, nes per trumpą laikotarpį ekonominis ciklas nepasikeičia, o numatant įmonės galimybes grąžinti paskolą ilgu laikotarpiu taikytinas ekonominio ciklo modelis. D. Savickaitės ir V. Valvonio teigimu, vienas iš didžiausių šalies bankuose atliekamo įmonių reitingavimo trūkumų – nepakankamas reitingavimo modelių patikimumo vertinimas. Dėl to sunku nustatyti įmonių rizikos lygį. Reitingavimo modelių taikymo rezultatais turėtų būti remiamasi kasdienėje bankų veikloje – tai skatintų bankus labiau rūpintis šių modelių patikimumu ir juos nuolat tobulinti.
D. Tom teigia, kad „Scoring“ sistema, remdamasi kredito suteikimo istorija, suteikia galimybę išsiaiškinti finansinių įsipareigojimų įvykdymo arba neįvykdymo tikimybę. Ši sistema paremta diskriminaciniais modeliais arba panašia technika – kartu analizuojami keli veiksniai, apibūdinantys klientą, siekiant gauti jo skaitinį įvertinimą. Vertinant klientų kreditavimo riziką pagal šią sistemą, pasirinkti veiksniai vertinami balais. Informacija gaunama iš klientų prašymų skirti kreditą. Jeigu balų suma viršija nustatytą lygį – kreditas išduodamas, jeigu ne – neišduodamas. Sistemos privalumai: galima įvertinti daug kreditų prašymų greitai ir su minimaliomis sąnaudomis; sumažėja operacinės banko išlaidos; išvengiama subjektyvaus žmogiškojo veiksnio įtakos priimant sprendimus (tai aktualu tada, kai kredito specialistas dar nėra labai patyręs). Sistemos trūkumas – konkretus klientas neįvertinamas objektyviai, neatskleidžiamos iki galo jo finansinės sąlygos ir kitos aplinkybės, nuo kurių priklauso kredito sugrąžinimas.
Matematiniai kredito rizikos modeliai paprastai skirstomi į struktūrinius ir redukuotuosius. Šie modeliai yra ekvivalentūs, skiriasi tik jų sudarymo prielaidos ir modeliavimui reikalingų duomenų pobūdis. Taikant minėtus modelius galima nustatyti paskolos vertę, įmonės turto vertę ar net sumodeliuoti jos nemokumą. Tiek struktūrinių, tiek redukuotųjų modelių yra įvairių atmainų. Mišrus modelis – minėtų modelių derinimo rezultatas.
R. Leipaus ir M. Valužio teigimu, struktūriniais kredito rizikos modeliais vadinami tokie tolydaus laiko modeliai, kai įmonės turto vertės kitimas aprašomas kaip stochastinis difuzinis procesas. Tokiu atveju kredito rizika suprantama kaip įmonės turto vertės ir finansinių įsipareigojimų kitimo pasekmė. Šie modeliai leidžia nustatyti įmonės turto vertę, kredito rizikos priemoką ir paskolos vertę. Jie taikomi darant prielaidą, kad galioja Modigliani-Miller teorema, kuri reiškia, jog įmonės turto vertė, esant nuliniams mokesčių tarifams, nepriklauso nuo jos finansų struktūros.
Anot N. A. Tarashev, galima būtų išskirti šešis pagrindinius struktūrinius kredito rizikos modelius. Didžioji dalis šių modelių sukurta, remiantis klasikiniu Merton (1974) modeliu. Taikant šį modelį, siekiama įvertinti nemokumo riziką ir kartu paaiškinti, kokios priežastys jį lemia, t. y. nustatyti struktūrinius ryšius tarp nemokumo ir jį lemiančių veiksnių.
Struktūriniai modeliai pasižymi kai kuriais trūkumais, turinčiais įtakos modeliuojant ir ekonomiškai interpretuojant kredito riziką: taikant struktūrinius modelius, įmonės turto vertė paprastai yra nustatoma pagal akcijų vertę rinkoje; sudarant matematinį modelį, kai vienam skolininkui suteikiamos kelios paskolos, turi būti nurodyta ir jų grąžinimo pirmenybė. Pažymėtina, kad šiuo metu taikomuose struktūriniuose kredito rizikos modeliuose, išskyrus Black-Cox ir Briys-de Varenne modelius, kai atsižvelgiama į paskolų grąžinimo eiliškumą vertinant kredito riziką, ši taisyklė dažniausiai pažeidžiama; įmonės turto vertės kitimas aprašomas kaip tolydus difuzinis procesas. Vadovaujantis struktūrinio modelio logika, įmonės negali ištikti netikėtas bankrotas, bet empiriniai duomenys rodo, kad rizikingų trumpalaikių skolos vertybinių popierių rizikos priemoka, palyginti su tokiais struktūrinių modelių įverčiais, yra didelė, todėl negalima atmesti prielaidos, kad įmonė gali tapti nemoki staiga.
Anot R. Leipaus ir M. Valužio, redukuotieji kredito rizikos modeliai atsirado kaip alternatyva struktūriniams. Jais buvo siekiama praplėsti modeliavimo galimybes naudojant ne įmonės veiklos finansinius, o kredito rinkos duomenis. Tai bendresni negu struktūriniai ir labiau pritaikyti įmonės nemokumui prognozuoti modeliai. Taikant tokius modelius, mėginama apskaičiuoti ne tik paskolą paėmusios įmonės turto dabartinę vertę, bet ir pačios paskolos dabartinę vertę. Svarbi šių modelių ypatybė yra ta, kad įmonės nemokumo atveju intensyvumo parametrai gali kisti laiko atžvilgiu, o tai reiškia, kad įmonės veiklai turi įtakos verslo ciklai ir pan.
E. Altman, A. Resti ir A. Sironi teigimu, taikant redukuotuosius modelius firmos vertė neturi būti vertinama, kadangi ji nesąlygoja finansinių įsipareigojimų nevykdymo. Redukuotieji modeliai iš esmės skiriasi nuo struktūrinių finansinių įsipareigojimų nevykdymo numatomumu. Remiantis redukuotaisiais modeliais, išorinis atsitiktinis kintamasis lemia finansinių įsipareigojimų nevykdymą bet kokiu laiko intervalu ir yra ne nulinis. Finansinių įsipareigojimų nevykdymas įvyksta, kai atsitiktinis kintamasis savo lygmenyje pasislenka, tačiau, remiantis šiandien turima informacija, to poslinkio laiko numatyti negalima.
Redukuotųjų modelių privalumas: šiems modeliams sudaryti reikia mažiau informacijos apie įmonės turtą ir jos finansinius įsipareigojimus, nes naudojami visiems rinkos dalyviams prieinami duomenys, jei rinkoje jų yra. Be to, sudarant redukuotuosius modelius, daroma prielaida, kad finansinių įsipareigojimų struktūra nėra nuolat stebimas procesas, nors skolos padengimas yra stebimas procesas
Vienas iš didžiausių redukuotųjų modelių trūkumų yra tas, kad esant didelei įmonės nemokumo tikimybei galima suklysti nustatant jos nemokumo momentą, nes įmonės bankrotas trunka tam tikrą laiką. Taikant tipinį redukuotąjį kredito rizikos modelį, bandoma įvertinti rizikingą paskolą iš turimos informacijos apie jos padengimo lygį, nerizikingų obligacijų kainos ar iš kredito reitingų pokyčių tikimybių. A. Estrella teigia, kad jei finansinių įsipareigojimų nevykdymo laikas yra modeliuojamas nesivadovaujant teorija, rizikuojama ignoruoti rinkos informaciją ir padaryti klaidingas išvadas.
Išvados
Kredito rizikai įvertinti yra sukurta daugybė modelių ir metodų, kurių taikymas priklauso nuo to, ką bankas nori sužinoti – kredito rizikos šaltinius, įmonės reitingą, finansinių įsipareigojimų neįvykdymo tikimybę, paskolos vertę, įmonės nemokumą ir pan. Visi straipsnyje aptarti metodai ir modeliai turi tiek privalumų, tiek trūkumų, todėl mokslininkai ir praktikai juos nuolat tobulina.
Literatūros sąrašas
[1] Altman E., Resti A. ir Sironi A. The link between default and recovery rates: effects on the procyclicality of regulatory capital ratios. BIS Working Papers No. 113, 2002. Peržiūrėta 2009, vasario 19, adresu: http://www.bis.org/publ/work113.pdf?noframes=1
[2 ]Avery R. B., Calem P. S., Canner G. B. Consumer credit scoring: do situational circumstances matter? BIS Working Papers No. 146, 2004. Peržiūrėta 2009, vasario 19, adresu: http://www.bis.org/publ/work146.pdf?noframes=1
[3] Bartkus E., Buškevičiūtė E. Finansai ir kreditas. Kaunas: Technologija, 1993
[4] Buškevičiūtė E., Mačerinskienė I. Finansų analizė. Kaunas: Technologija, 2002
[5] Dzikevičius A., Steckytė L. Reitingavimo sistema kaip rizikos identifikavimo mechanizmas. Verslas, vadyba ir studijos. Vilnius: Technika, 2003
[6] Estrella A. Credit Ratings and Complementary Sources of Credit Quality Information. BIS Working Papers No. 3, 2000. Peržiūrėta 2009, vasario 19, adresu: http://www.cssf.lu/fileadmin/files/Dossiers/Adequation%20fonds%20propres/bcbs_wp3.pdf
[7] Kancerevyčius G. Finansai ir investicijos. Kaunas: Smaltijos leidykla, 2004
[8] Leipus R., Valužis M. Kredito rizika kaip pasirinkimo sandoris. Pinigų studijos, 1, 2006. Peržiūrėta 2009, vasario 19, adresu: http://www.lbank.lt/lt/leidiniai/pinigu_studijos2006_1/leipus.pdf
[9] Martinkus B. Žilinskas V. Ekonomikos pagrindai. Kaunas: Technologija, 2001
[10] Savickaitė D., Valvonis V. Įmonių reitingavimas: Lietuvos bankų patirtis. Pinigų studijos, 1, 2007.
[11] Taraila S. Kreditavimas: teorija ir praktika. Vilnius: Lietuvos bankininkystės, draudimo ir finansų institutas, 2001
[12] Tarashev N.A. An empirical evaluation of structural credit risk model. BIS Working Papers No. 179, 2005. Peržiūrėta 2009, vasario 19, adresu: http://www.bis.org/publ/work179.pdf?noframes=1
[13] Tom D. Credit Risk Analysis And Credit Scorin – Now And In The Future. Business Credit, Vol. 107, 2005. Peržiūrėta 2009, vasario 19, adresu: http://web.ebscohost.com/ehost/pdf?vid=5&hid=3&sid=ea1b440d-b1f2-406e-89b5-018f112d2137%40sessionmgr2
[14] Valles V. Stability of a „through - the - cycle” rating system during a financial crisis. FSI Award - 2006 Winning Paper, 2006. Peržiūrėta 2009, sausio 27, adresu: http://www.bis.org/fsi/awp2006.pdf
[15] Valvonis V. Šiuolaikinis kredito rizikos vertinimas banke: paskolos ir skolininko rizika. Pinigų studijos, 1, 2006. Peržiūrėta 2009, sausio 27, adresu: http://www.lbank.lt/lt/leidiniai/pinigu_studijos2006_1/valvonis.pdf
[16] Žaltauskienė N., Novošinskienė A. Credits Market Development in Lithuania. Inžinerinė ekonomika, 2002
ANALYSIS OF THE COMPANIES‘ CREDIT RISK ASSESSMENT MODELS
The main activities of commercial banking are lending. Inadequate credit risk assessment can be identified as one of the essential elements of today's financial crisis. Financial institutions face an increasing credit risk and the constant need to improve their risk management system, invent and develop new methods which would contribute to the effective development.
The article examines the concept of credit risk and the main credit risk models and methods, i.e. both ranking and the “Scoring” system and the mathematical (structural and reduced form) credit risk models.