Учебное пособие Нижний Новгород 2012


Пример 1.4. «Статистические модели оценки кредитоспособности заемщиков»



бет18/65
Дата24.02.2022
өлшемі1,85 Mb.
#133081
түріУчебное пособие
1   ...   14   15   16   17   18   19   20   21   ...   65
Байланысты:
ТЕКСТ (1)

Пример 1.4. «Статистические модели оценки кредитоспособности заемщиков».
Предположим, что за некоторый прошлый период доступны данные по группе компаний, включающей как компании, которые стали банкротами, так и компании, которые избежали краха22. Для простоты допустим, что будут проанализированы только два показателя: коэффициент текущей ликвидности (Ктл) и доля заемного капитала (Зк). Дискриминантная функция примет следующий вид:
Z = a + b×Ктл+ c×Зк. (1.5)
Параметры a, b и c дискриминантной функции рассчитываются в результате статистической обработки данных по выборке компаний, которые либо обанкротились, либо сумели выжить в течение некоторого периода. Так, по данным табл. 2.7, с помощью компьютерной программы дискриминантного анализа можно получить следующую зависимость:
Z = -0,3877 – 1,0736×Ктл + 0,0579×Зк (1.6)

Таблица 1.8


Расчет вероятности банкротства компаний

Компания

Ктл

Зк, %

Факт банкротства

Индекс Z

Вероятность банкротства, %

1

3,6

60

Нет

-0,780

17,2

2 (А)

3,0

20

Нет

-2,451

0,8

3

3,0

60

Нет

-0.135

42,0

4

3,0

76

Да

0,791

81,2

5

2,8

44

Нет

-0,847

15,5

6

2,6

56

Да

0,062

51,5

7

2,6

68

Да

0,757

80,2

8

2,4

40

Да

-0,649

21,1

9

2,4

60

Нет

0,509

71,5

10

2,2

28

Нет

-1,129

9.6

11

2,0

40

Нет

-0,220

38,1

12

2,0

48

Нет

0,244

60,1

13

1,8

60

Да

1,153

89,7

14

1,6

20

Нет

-0,948

13,1

15

1,6

44

Да

0,441

68,8

16

1,2

44

Да

0,871

83,5

17

1,0

24

Нет

-0,072

45,0

18

1,0

32

Да

0,391

66,7

19 (В)

1,0

60

Да

2,012

97,9

Эта функция Z изображена на рис. 1.3 как геометрическое место точек, для которых Z = 0.






Рис. 1.3. Графическая интерпретация вероятностей банкротства (LPB – малая вероятность банкротства; HPB – высокая вероятность банкротства; + компания выжила; – компания обанкротилась).

Компаниям, расположенным выше линии (то есть, имеющим Z<0), банкротство, вероятно, не грозит, тогда как компании, расположенные ниже линии (то есть, имеющие Z>0), могут в будущем разориться. На рис. 1.3 можно увидеть, что наблюдается только три отклонения от сформированной зависимости, когда местоположение точки не соответствует сделанным выводам. Тем не менее, вероятность получения правильного прогноза достаточно велика – 85%.


Чем выше значение Z, тем хуже выглядят компании с позиции возможного банкротства. Можно дать следующую интерпретацию индекса Z:
Z=0. Вероятность наступления банкротства в будущем (скажем, в течение двух лет) 50%. Значения Z таких компаний расположены прямо на линии разграничения.
Z<0. Вероятность наступления банкротства меньше 50%. Чем меньше Z, тем благоприятнее текущее финансовое положение.
Z>0. Вероятность наступления банкротства больше, чем 50%, и с ростом Z она увеличивается.
Знаки параметров дискриминантной функции имеют определенный смысл. Чем больше коэффициент текущей ликвидности (Ктл), тем меньше Z этой компании, то есть ниже вероятность банкротства. Подобным образом высокая доля заемного капитала (Зк) приводит к высокому значению Z, и это прямо отражается на увеличении вероятности банкротства.

S – устойчивое финансовое состояние ; UZ – “зона неведения”; B – банкротство.


Рис. 1.4. Распределение вероятностей значений индекса Z.

Среднее Z для компаний, которым не грозит банкротство, равно –0,583, а для потенциальных банкротов значение Z составляет +0,648. Можно интерпретировать рис. 1.4. следующим образом: если Z<-0,3, вероятность того, что компания будет двигаться к банкротству, очень мала, тогда как, если Z>0,3, существует небольшая вероятность того, что она останется платежеспособной. Если –0,3
Наша дискриминантная функция имеет только две переменные, но можно ввести и другие характеристики, например, рентабельность активов, оборачиваемость дебиторской задолженности, коэффициент быстрой ликвидности. При введении в рассмотрение нового параметра, например, показателя рентабельности активов (ROA), следует рассматривать новую дискриминантную функцию:
Z = a + b×Ктл+c×Зк + d×ROA. (1.7)
Не исключено, что по новому уравнению прогноз в отношении некоторых компаний изменится, то есть вполне вероятно, что добавление других характеристик заемщика улучшает точность прогнозирования банкротства. Другими словами, это приведет к тому, что распределение вероятностей становится более плотным, сужается зона неведения, и появляется возможность точнее классифицировать ту или иную компанию, то есть вероятность ошибки уменьшается.
Наиболее распространенными моделями MDA являются модели Альтмана и Чессера.


Достарыңызбен бөлісу:
1   ...   14   15   16   17   18   19   20   21   ...   65




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет