|
| | | | Проблемы современной экономики, N 1 (29), 2009 | | | | ФИНАНСОВО-КРЕДИТНАЯ СИСТЕМА. БЮДЖЕТНОЕ, ВАЛЮТНОЕ И КРЕДИТНОЕ РЕГУЛИРОВАНИЕ ЭКОНОМИКИ, ИНВЕСТИЦИОННЫЕ РЕСУРСЫ | | | Васина Н. В.
преподаватель кафедры бухгалтерского учета, анализа и статистики Омского филиала Академии бюджета и казначейства МФ РФ
Патласов О. Ю.
заведующий кафедрой коммерции, маркетинга и рекламы Омской гуманитарной академии,
доктор экономических наук
| |
| | | | | В статье предлагается комплекс финансовых моделей, адаптированных к аграрному сектору. Предложенные модели разработаны на основе действующего Регламента Сбербанка РФ (2006) и Методики расчета показателей финансового состояния сельскохозяйственных товаропроизводителей. Модели разработаны в разрезе четырех природно-хозяйственных зон. Для экспресс-анализа выделены два наиболее значимых индикатора и предложена соответствующая регрессионная модель | | Ключевые слова: кризис ликвидности, банкротство, оценка кредитоспособности, сельхозорганизации |
Экономический кризис, приобретая глобальные очертания, затрагивает все большее количество стран. После банкротств американских компаний, европейские финансовые власти начали процесс национализации. На международных рынках стал намечаться кризис ликвидности. Центробанки всего мира начали вливать в свои финансовые системы десятки и сотни миллиардов долларов. По мнению аналитиков, данный процесс отражает опасную тенденцию и говорит о серьезности финансовых проблем в мире. Правительства стран Бенилюкса национализировали крупнейший бельгийский банк Fortis. Власти Великобритании произвели частичную национализацию восьмого по размерам банка страны — Bradford & Bingley, в начале года власти спасали тонущий Northern Rock, шестой по размерам банк страны1.
Ипотечный кризис в США начался еще в 2006 году. Главной его причиной стал рост невозвратов жилищных кредитов неблагонадежными заемщиками. Кризис начал приобретать международные масштабы весной 2007 года, когда New Century Financial Corporation, крупнейшая ипотечная компания США, занимающаяся кредитованием ненадежных заемщиков, ушла с Нью-Йоркской фондовой биржи. В течение следующих нескольких месяцев понесли убытки или оказались банкротами десятки подобных компаний. С марта по сентябрь 2008 года произошло радикальное изменение «финансового ландшафта» в США. Инвестиционные гиганты Bear Sterns и Meryll Lynch прекратили свое существование через поглощение; Lehman Brothers обанкротился; под федеральный контроль перешел IndyMac, имевший активы на $32 млрд и депозиты на $19 млрд В начале сентября Белый дом взял под свое управление ипотечные компании Fannie Mae и Freddie Mac, на грани краха также оказалась страховая компании AIG, получившая от государства экстренный кредит. Крах WaMu, имевший активы $307 млрд, на сегодня стал последним случаем из уникальной серии поглощений и полных банкротств, преобразовавших американский финансовый пейзаж, вызвавших обрушения на мировых фондовых рынках. Из 8500 функционирующих в США банков 117, по итогам первого полугодия, включены в число возможных банкротов.
Для российского банковского сектора наиболее существенным из всех видов риска в настоящее время является кредитный. В связи с этим Банком России были приняты документы, регулирующие порядок управления данным видом риска. Одним из таких документов стало Положение «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности» от 26.03.04 г. № 254-П, после принятия которого, российские кредитные организации получили возможность разрабатывать внутренние методики оценки кредитоспособности организаций.
Сбербанком России была разработана методика оценки кредитоспособности заемщиков (юридических лиц): регламент предоставления кредитов юридическим лицам и индивидуальным предпринимателям Сбербанком РФ и его филиалами (утвержденный Комитетом по предоставлению кредитов и инвестиций Сбербанка России 30.06.06г., протокол № 322).
Для оценки кредитоспособности заемщика Сбербанком используются три группы оценочных показателей: коэффициенты ликвидности; коэффициент наличия собственных средств; показатели оборачиваемости и рентабельности.
1. Коэффициенты ликвидности. Позволяют проанализировать способность организации отвечать по своим текущим обязательствам.
Коэффициент абсолютной ликвидности К1 является наиболее жестким критерием ликвидности организации и показывает какая часть краткосрочных обязательств может быть при необходимости погашена за счет имеющихся денежных средств, средств на депозитных счетах и высоколиквидных краткосрочных ценных бумаг.
Промежуточный коэффициент покрытия (коэффициент быстрой ликвидности) К2 характеризует способность организации оперативно высвободить из хозяйственного оборота денежные средства и погасить долговые обязательства. К2 определяется как отношение суммы денежных средств, краткосрочных финансовых вложений и дебиторской задолженности к краткосрочным обязательствам.
Коэффициент текущей ликвидности (общий коэффициент покрытия) КЗ дает общую оценку ликвидности организации, в расчет которого в числителе включаются все оборотные активы, в том числе и материальные. Он рассчитывается как отношение суммы оборотных активов к сумме краткосрочных обязательств без доходов будущих периодов и резервов предстоящих расходов.
2. Коэффициент наличия собственных средств К4. Показывает долю собственных средств организации в общем объеме средств организации и определяется как отношение собственных средств, увеличенных на доходы будущих периодов и резервы предстоящих расходов ко всей сумме средств организации.
3. Показатели оборачиваемости и рентабельности. Оборачиваемость разных элементов оборотных активов и кредиторской задолженности рассчитывается в днях исходя из объема дневных продаж (однодневной выручки от реализации). Объем дневных продаж рассчитывается делением выручки от реализации на число дней в периоде (90, 180, 270 или 360).
Оборачиваемость оборотных активов определяется отношением средней стоимости оборотных активов к объему дневных продаж.
Оборачиваемость дебиторской задолженности определяется отношением средней стоимости дебиторской задолженности к объему дневных продаж.
Оборачиваемость запасов определяется как отношение средней стоимости запасов к объему дневных продаж.
Показатели рентабельности определяются в процентах или долях.
Рентабельность продукции (рентабельность продаж) K5 определяется как отношение суммы прибыли от продаж к сумме выручки от реализации за минусом НДС, акцизов и аналогичных платежей.
Рентабельность деятельности организации K6 определяется как отношение чистой прибыли к сумме выручки от реализации за минусом НДС, акцизов и аналогичных платежей.
Рентабельность вложений в предприятие определяется как отношение балансовой прибыли ко всей сумме средств организации.
Основными оценочными показателями являются коэффициенты К1, К2, КЗ, К4, К5 и К6. Другие показатели оборачиваемости и рентабельности используются для общей характеристики и рассматриваются как дополнительные к первым шести показателям.
Оценка результатов расчетов шести коэффициентов заключается в присвоении категории по каждому из этих показателей на основе сравнения полученных значений с ранее установленными как достаточными. Далее определяется сумма баллов по этим показателям в соответствии с их весами по формуле:
S = 0,05 * К1 + 0,10 * К К2 + 0,40 * КЗ + 0,20 * К4 +
+ 0,15 * К5 + 0,10 * К6. (1)
Класс кредитоспособности определяется на основе суммы баллов по шести основным показателям, оценки остальных показателей третьей группы и качественного анализа рисков. Сумма баллов S влияет на класс кредитоспособности следующим образом: 1класс кредитоспособности (кредитование не вызывает сомнений): S = 1.25 и менее; 2 класс кредитоспособности (кредитование требует взвешенного подхода): значение S находится в диапазоне от 1,25 до 2,35; 3 класс кредитоспособности (кредитование связано с повышенным риском): значение S больше 2,35.
В качестве объекта исследования выступили 327 сельскохозяйственных организаций (в 2007 г. — 350 сельхозорганизаций) Омской области, входящие по административно-территориальному делению в состав 32 районов, которые разбиты на 4 природно-хозяйственные зоны: степная (9 районов; 91 организации); южная лесостепь (8 районов, 85 организаций); северная лесостепь (9 районов, 94 организаций); северная (6 районов, 57 организаций).
Для моделирования были использованы показатели годовой бухгалтерской отчетности всех сельскохозяйственных организаций Омской области за 2005–2007 гг. Были рассчитаны 6 основных коэффициентов, предусмотренных методикой Сбербанка.
Применив метод подстановки данных, определили экспериментальным путем границы классов в баллах по 100-бальной системе, взяв за основу Методику расчета показателей финансового состояния сельскохозяйственных производителей (Постановление Правительства РФ от 30 января 2003 г. № 52). По результатам исследований получено, что: 1 класс кредитоспособности — от 100 до 69 баллов (не включительно); 2 класс кредитоспособности — от 69 до 26 баллов (включительно); 3 класс кредитоспособности — ниже 26 баллов.
Проведение анализа финансового состояния организации, определение значимых факторов, оказывающих влияние на уровень кредитоспособности, позволяет кредитным организациям правильно определить возможность кредитования конкретной организации, а самой организации дает возможность управлять этими факторами для увеличения возможности получения кредита в банке. Это подтверждает практическую значимость эконометрики, основанной на многомерных статистических исследованиях.
Для того, чтобы построить уравнение регрессии необходимо сформировать исходную матрицу. Данные в матрицах формируются по годам, природно-хозяйственным зонам и в целом по Омской области. Для исследования использовались данные годовых отчетов сельскохозяйственных организаций Омской области за 2005–2007 гг. После ввода данных, представленных в матрице, получена следующая информация. В табл. 1 представлены общие результаты оценки шестифакторной регрессионной модели, построенной на основании данных в целом по Омской области за 2007 год.
Приводятся следующие характеристики построенного уравнения регрессии: R — значение выборочного коэффициента корреляции; R2 — значение коэффициента детерминации (его величина показывает, какая доля обшей вариации зависимой переменной объясняется построенной регрессией); Adjusted R2 — значение скорректированного на число степеней свободы коэффициента детерминации; F — расчетное значение критерия Фишера, используемое для проверки гипотезы о значимости уравнения регрессии, р — величина уровня значимости; Std. Еrror of estimate — стандартная ошибка оценки уравнения регрессии. | | | Таблица 1
Общие результаты оценки регрессионной модели для Омской области за 2007 г.
Regression Summary for Dependent Variable: В (СБ2007-область)
R= ,92730491 R?= ,81984902 Adjusted R?= ,81319915
F(6,343)=93,212 p<0,0000 Std.Error |  | | где К1 — коэффициент абсолютной ликвидности; К 2 — промежуточный коэффициент покрытия; К 3 — коэффициент текущей ликвидности; К 4 — коэффициент наличия собственных средств; К 5 — рентабельность продаж; К 6 — рентабельность деятельности организации. |
Коэффициент корреляции в 2007 году равен — 0,9273, что свидетельствует о весьма высокой тесноте связи между степенью кредитоспособности и включенными в модель факторами. Коэффициент детерминации равен 0,8132. Это означает, что построенное уравнение регрессии примерно на 81% воспроизводит зависимость В от факторов (К1 — К6), т. е. результативный показатель на 81% зависит от этих факторов. Остальные 19% приходятся на долю случайных и неучтенных факторов. Расчетная величина критерия Фишера при степенях свободы (6,343) равна 93,212, что выше его табличного (теоретического) значения для доверительной вероятности Р = (1 — 0,05) = 0,95, что в свою очередь соответствует уровню значимости р менее 0,0000. Следовательно, полученное уравнение регрессии является значимым, а не результатом случайного отбора наблюдений.
По результатам анализа хозяйств в целом по Омской области в разрезе природно-хозяйственных зон были получены следующие регрессионные уравнения по данным 2007 года:
Область: В = 28,88 + 0,27К1 — 0,05К2 + 0,22К3 + 38,21К4 — 2,39К5 + 0,35К6
Степная зона: В = 7,30 — 2,96К1 + 0,22К2 + 0,55К3 + 70,84К4 — 6,82К5 + 10,64К6
Южная лесостепь:
В = 22,70 + 1,61К1 + 0,34К2 + 0,02К3 + 48,96К4 -4,61К5 — 0,78К6
Северная лесостепь:
В = 33,62 + 3,36К1 — 0,13К2 + 0,33К3 + 26,23К4 + 3,83К5 — 0,25К6
Северная зона: В = 14,52 + 6,93К1 — 2,54К2 + 0,33К3 + 57,50К4 + 3,85К5 + 0,21К6
Результаты исследований показали, что несмотря на значимость каждого уравнения в целом, не все факторы являются значимыми. Так, если p-level превышает заданный уровень значимости (α) 0,05, то названные факторы являются незначимыми в уравнении регрессии. Значимыми факторами, оказывающими наибольшее влияние на степень кредитоспособности, являются те, которые имеют наибольший уровень значимости (p-level<0,05).
Проведя пошаговую корреляцию, т. е. последовательно исключив факторы из моделей по принципу их наименьшей значимости, получили следующие результаты, представленные в табл. 2. | | | Таблица 2
Общие результаты оценки четырехфакторной модели по Омской области за 2007 г.
Regression Summary for Dependent Variable: В (СБ2007-область)
R= ,92710060 R?= ,81952735 Adjusted R?= ,81511608
F(4,345)=140,44 p<0,0000 Std.Erro |  |
Получен комплекс уравнений, содержащий наиболее значимые факторы, влияющие на степень кредитоспособности:
В 2007 году: область В = 28,82 + 0,23К3 + 38,20К4 — 2,31К5 + 0,35К6
Степная зона: В = 6,69 — 2,61К1 + 0,56К3 + 70,98К4 + 6,70К6
Южная лесостепь: В = 22,80 + 2,35К3 + 49,71К4 — 5,44К5
Северная лесостепь: В = 33,49 + 4,75К1 + 0,24К3 + 26,64К4
Северная зона: В = 13,78 + 6,99К1 — 2,52К2 + 0,35К3 + 57,09К4 + 0,20К6
Исследования показали, что оценку можно проводить по двум показателям, оказывающим наиболее существенное влияние на финансовое состояние сельскохозяйственных товаропроизводителей:
— коэффициент наличия собственных средств (К4), у которого показатель вероятности ошибки (p-level) равен 0,0000;
— коэффициент текущей ликвидности (К3), у которого p-level также равен 0,0000.
Таким образом, создан комплекс моделей, позволяющих проанализировать финансовое состояние сельскохозяйственной организации и сделать обоснованный вывод о ее кредитоспособности с учетом требований, применяемых Сбербанком России.
Предлагаемые методы анализа финансового состояния заемщика приемлемы для российских условий, они адаптированы к аграрному сектору.
Модели созданы на региональном массиве данных и представлены в разрезе по природно-хозяйственным зонам области, что позволяет лучше учесть их специфику и разработать модель, позволяющую более точно оценить кредитоспособность сельскохозяйственных организаций, находящихся в различных зонах.
Предлагаемые авторами модели возможны для применения не только для целей оценки кредитоспособности заемщика, но и для экспресс-анализа финансового положения сельскохозяйственных организаций; мониторинга финансового положения сельскохозяйственных организаций; внутреннего аудита. | |
|
