Hindamismudel. Hindamismudelite tüübid. Punktisüsteemi miinused

Vaatleme ettevõtte pankroti mudeleid ja üksikasjalikumalt ettevõtte maksevõime hindamise meetodeid.

Mis on ettevõtte hindamise punktimudel?

Skoorimine ettevõtte maksejõulisuse hindamisel seisneb ettevõtete statistika analüüsis nende kohustuste täitmise kohta võlausaldajate ees, mille kohta info on krediidiajaloo büroos. Seetõttu nimetatakse skoorimudeleid kirjanduses mõnikord ka krediidiskoori mudeliteks ( krediit-skoor) või krediidiskoori mudelid. Seega võib öelda, et krediidiskoori mudelid on statistilised mudelid ettevõtte maksevõime hindamiseks.

Hindamismeetodi hindamismeetodi ajalugu

Varem töötati välja skoorimismudelid eraisikute krediidivõime hindamiseks pankade laenude väljastamiseks. Selle lähenemisviisi pakkus esmakordselt välja D. Durand 1941. aastal, et jagada pangakliendid kahte klassi: krediidivõimelised ja krediidivõimetud. Klassi määramiseks arvutati näitajad, mis võimaldavad teha järelduse selle pankrotiohu kohta. Hindamismudelite hinded arvutatakse logistilise regressiooni tööriista abil. Selle alusel ehitatakse muide ka logit-mudeleid eraisikute ja ettevõtete pankrotiohu hindamiseks.

Skoorimismeetodi ülesanne ettevõtte maksevõime hindamisel

Ettevõtte maksevõime hindamise skoorimudeli ülesanne on klassifitseerida see finantsriski astme järgi. Hindamismeetod on sarnane ettevõtte hindamisel kasutatavale reitingumeetodile, kuna see sisaldab ka ettevõtte reitingut (klassi), lisaks sellele on hind ja reitingu määramine finantsnäitajatele.

Erinevus seisneb selles, et selle tulemusena antakse reiting ja ettevõte kuulub maksevõimeklassi, s.o. Lisaks hindamisele viiakse läbi ka klassifitseerimist. Samuti saadakse punktiarvestuse tulemusena ettevõttele hinnang ja ettevõtet kirjeldavatele finantssuhtarvudele hinnang.

Skoorimudelid ettevõtte maksevõime hindamiseks

Vaatleme kodumaiseid skoorimismudeleid ettevõtte maksevõime hindamiseks. Analüüsime kahte kodumaist skoorimudelit Dontsova-Nikiforova ja Savitskaja. Need mudelid on loodud kodumaiste ettevõtete pankrotiriski hindamiseks. Niisiis, alustame.

Dontsova-Nikiforova skoorimise mudel (1999)

Dontsova L.V.

Majandusteadlased Dontsova L.V. ja Nikiforova N.A. pakkuda välja skoorimismudel ettevõtte maksevõime hindamiseks, mis võimaldab kuue finantssuhtarvu hinnangu alusel liigitada ettevõtte ühte kuuest maksevõimeklassist.

Indeks	1 klass(punkt)	2. klass(punkt)	3. klass(punkt)	4. klass(punkt)	5. klass(punkt)	6. klass(punkt)
Absoluutne likviidsuskordaja	0,25 ja rohkem (20)	0.216	0.15(12)	0.1(8)	0.05(4)	Vähem kui 0,05 (0)
Kiire suhe	1 või enam (18)	0.9(15)	0.8 (12)	0.7(9)	0.6(6)	Vähem kui 0,5 (0)
	2 või enam (16,5)	1.7(120	1.4(7.5)	1.1(3)	1(1.5)	Vähem kui 1 (0)
	0,6 ja rohkem (17)	0.54(12)	0.43(7.4)	0.41(1.8)	0.4(1)	Vähem kui 0,4 (0)
Oma käibekapitali provisjoni suhe	0,5 ja rohkem (15)	0.4(12)	0.3(9)	0.2(6)	0.1(3)	Vähem kui 0,1 (0)
Varude katvuse suhe	1 või enam (15)	0.9(12)	0.8(9)	0.7(6)	0.6(3)	Vähem kui 0,6 (0)
Piiri minimaalne väärtus punktides	100	64	50	28	18	–
1. klass>100 punkti	Ettevõttel on hea finantsjõu marginaal
2. klass>64 punkti	Ettevõttel on ebaoluline võlgade tagasimaksmise tõenäosus, üldiselt on risk olemas
3. klass>50 punkti	Probleemne ettevõtmine
4. klass>28 punkti	Ettevõttel on suur pankrotioht
5. klass>18 punkti	Ettevõttel on väga kõrge pankrotioht, taastamismeetmed suure tõenäosusega ei aita
6. klass<18 баллов	Ettevõte on rahaliselt maksejõuetu

Märge:

Hindamismudelis on põhirõhk likviidsuskordajatel (kiirlikviidsuskordaja, absoluutse likviidsuse suhe), aga ka käibekordajatel (oma käibekapitali suhtarv, varude kattekordaja).

Koefitsiendid	Valem	Arvutus
Absoluutne likviidsuskordaja	(Raha + Lühiajalised finantsinvesteeringud) / Lühiajalised kohustused	lk 1250 / (lk 1510+lk 1520)
Kiire suhe	(Käibevara - Varud) / Lühiajalised kohustused	(lk 1250 + lk 1240) / (lk 1510 + lk 1520)
Praegune suhe
Rahalise sõltumatuse suhe	Aktsiad/Varad	lk 1300 / lk.1600
Oma käibekapitali provisjoni suhe	(Omakapital – põhivara) / Käibevara	(lk 1300-lk 1100) / lk 1200
Varude katvuse suhe	Varude käibekordaja= Müügitulu / keskmine laoseisu	lk 2110 / (lk 1210 np + lk 1210 kp)0,5*

n.p. ja k.p. – bilansi väärtus vastavalt perioodi alguses ja lõpus.

Savitskaja punktimudel (2007)

Savitskaja G.V.

Professor G.V. Savitskaja pakub oma krediidimudelit ettevõtte finantsseisundi hindamiseks. Erinevus seisneb selles, et mudelis on ettevõte liigitatud viide klassi ja selleks kasutatakse kolme finantssuhtarvu.

Indeks	1 klass	2. klass	3. klass	4. klass	5. klass
Kogukapitali tasuvus, %	30 ja rohkem (50 punkti)	29,9-20 (49,9-35 punkti)	19,9-10 (34,9-20 punkti)	9,9–1 (19,9–5 punkti)	Vähem kui 1 (0 punkti)
Praegune suhe	2 või enam (30 punkti)	1,99–1,7 (29,9–20 punkti)	1,69–1,4 (19,9–10 punkti)	1.39-1.1(9.9-1)	1 ja alla selle (0 punkti)
	0,7 või rohkem (20 punkti)	0,69–0,45 (19,9–10 punkti)	0,44–0,3 (9,9–5 punkti)	0,29–0,2 (4,9–1 punkti)	Vähem kui 0,2 (0 punkti)
Klassipiirid	100 punkti	99-65	64-35	34-6	0 punkti
1. klass>100 punkti	Hea finantsvõimega ettevõte
2. klass65-99 punkti	Ettevõttel on madal võlgade mittemaksmise risk
3. klass 35-64 punkti	Probleemne ettevõtmine
4. klass6-34 punkti	Ettevõttel on suur pankrotioht. Laenuandjad riskivad oma investeeritud vahendite kaotamisega
5. klass0 punkti	Ettevõte on maksejõuetu

Märge:

Kaks kolmest finantssuhtarvust määravad ettevõtte maksevõime, kus jooksevkordaja määrab lühiajalise likviidsuse ja finantssõltumatus määrab ettevõtte pikaajalise likviidsuse.

Rahalise sõltumatuse koefitsient = autonoomia koefitsient.

Finantssuhtarvude arvutamine punktimudelis

Koefitsiendid	Valem	Arvutus
Kogukapitali tootlus	Maksueelne kasum / Kohustused	lk 2300 / lk 1700
Praegune suhe	Käibevara / Lühiajalised kohustused	lk 1200 / (lk 1510+lk 1520)
Rahalise sõltumatuse suhe	Aktsiad/Varad	lk 1300 / lk.1600

Kokkuvõte

Teeme kokkuvõtte ettevõtte maksevõime hindamise krediidiskoori mudelite analüüsist. Üks vaieldamatuid eeliseid on see, et need mudelid töötati välja kodumaiste ettevõtete jaoks. Üheks raskuseks selliste mudelite abil hindamisel on arvutuste suur kohmakus ja sageli arusaamatu skoorilise finantssuhtarvu kasutamine. Nende kasutamist saab hästi kombineerida teiste finantsseisundi hindamise meetoditega.

Täname tähelepanu eest! Edu!

Skoorimine (inglise keeles score, account) on krediidivõimelisuse hindamise meetod. Sind laenuvõtjana huvitab enesediagnostika hindamine: laenust keeldumise põhjuste väljaselgitamine või tulevase laenuvõimaluse hindamine. Selles artiklis räägime teile, kuidas oma punktiskoori teada saada ja kuidas seda suurendada.

Kuidas punktiarvestus töötab

Krediidivõimelisuse hindamiseks on punktide määramiseks vaja andmeid. Andmed võivad pärineda erinevatest allikatest: krediidiajalugu, laenuvõtja profiil, sotsiaalvõrgustikud jne. Scoring töötleb andmeid ja määrab hinde. Mida kõrgem on skoor, seda suurem on võimalus soodsatel tingimustel laenu saada.

Skoor ei ole konstantne väärtus. See muutub sõltuvalt laenuvõtja tegevusest. Näiteks laenuvõtja võttis laenu – krediidikoormus suurenes ja skoor vähenes. Kui maksate hilinenud maksega, langeb teie skoor veelgi madalamale. Kui laenuvõtja hoolikalt ja viivitamata laenu tagasi maksab, tõuseb skoor.

Skoorimise tüübid

Pangad kasutavad rakenduste, käitumise ja pettuste skoori.

Rakenduse punktiarvestus jagatud sotsiaaldemograafiliseks ja krediidiks. Esimeses analüüsitakse laenuvõtja profiili: vanus ja sugu, töökoht, tööstaaž, sissetulek. Teises analüüsitakse krediidiajalugu: mitu laenu laenuvõtja võttis, kuidas maksis, kui palju praegu maksab jne.

Käitumuslik punktiarvestus ennustab, kuidas laenuvõtja laenu tagasi maksab: ühtlaselt, enne tähtaega või viivises. Käitumisskoorimist saab läbi viia näiteks palgapank - ta teab, kuidas laenuvõtja kaarti kasutab, kui palju raha kulutab ja mille peale.

Petturlik punktiarvestus võitleb tahtlike laenuvõlgnevuste vastu. Selle punktiarvestuse käigus analüüsitakse siseministeeriumi, kohtutäiturite teenistuse, sisejulgeolekuteenistuse andmebaase ning krediidiajaloo kahtlasi andmeid, näiteks sagedasi aadresside ja telefoninumbrite muutusi.

Laenuvõtjana saate end hinnata kahte tüüpi skooride abil: krediidi- ja sotsiaaldemograafilised.

Krediidiskoorimine

Krediidiskoori abil hinnatakse laenuvõtjaid, kes on juba laenu võtnud. Skoor arvutatakse teie krediidiajaloo analüüsi põhjal.

Krediidiskoori aruande näide

Sotsiaaldemograafiline hindamine

Sotsiaaldemograafiline skoorimine on mõeldud tühja või puuduva krediidiajalooga laenuvõtjatele. See analüüsib vanust, sugu, perekonnaseisu, ülalpeetavate olemasolu, haridust, elukutset, töökogemust, sissetulekut ja elukohapiirkonda.

Sotsiaaldemo skoorimine võrdleb usaldusväärsuse hindamiseks kontrollitava laenuvõtja andmeid panga varasemate klientidega. Näiteks pangastatistika järgi teevad üle 30-aastased laenumakseid järjepidevamalt kui noored. Seetõttu saavad üle 30-aastased laenuvõtjad kõrgema skoori, kui kõik muud tingimused on võrdsed.

Sotsiaaldemograafilise hindamisaruande näide

Punktide dekodeerimine

Krediit	sotsiaaldemogr.	Dekodeerimine
690-850	1000-1200	Maksimaalne tulemus. Kuulute usaldusväärsete laenuvõtjate kategooriasse. Pangad on nõus laenude andmist parematel tingimustel heaks kiitma
650-690	750-1000	Hea tulemus. Suur tõenäosus saada tavatingimustel laenu.
600-650	500-750	Vastuvõetav tulemus. Pank nõuab maksevõime kinnitamiseks täiendavaid sertifikaate, näiteks 2-NDFL.
500-600	250-500	Nõrk tulemus. Sellise skooriga on ebatõenäoline, et saate suurtest pankadest laenu. Võtke ühendust väikeste piirkondlike pankade või krediidiühistutega.
300-500	0-250	Halvim tulemus. Pangad tõenäoliselt laenu heaks ei kiida. Võtke ühendust MFO või KPK-ga. Pakkuge laenuandjale tagatist.

Kuidas oma skoori suurendada

Kui teil on madal krediidiskoor, on selle tõstmiseks ainult üks võimalus – parandada oma krediidiajalugu. Selle jaoks:

ja kontrollige, kas kõik selles on tõsi. Mõnikord edastavad krediidiasutused andmeid väga hilja või üldse mitte. Näiteks maksite laenu tagasi, kuid see on teie krediidiajaloos avatud. See vähendab skoori.
Loe artiklit
Sulgege hilinenud maksed ja mittevajalikud laenud: krediitkaardid, mikrolaenud, laenud seadmetele. Mida vähem avatud laene, seda kõrgem on skoor.
Kui teil on viimase kahe aasta jooksul olnud viivislaene, peate taastama oma usaldusväärse laenuvõtja maine. Selleks võtke uued laenud ja makske need hoolikalt tagasi. Nad ei anna laenu ilma tagatiseta – anna tagatis, leia kaaslaenaja. Kasutage teenust. Kuue kuu või aasta pärast hindepunkt tõuseb.

Oma sotsiaaldemograafilise skoori suurendamiseks uurige aruandest "tegureid" ja proovige neid parandada. Näiteks kui olete üksikettevõtja, leidke töökoht ja töötage kuus kuud töötajana. Leia kaaslaenaja, mine välismaale, leia lisatulu allikas.

Pea meeles

Skoorimine aitab laenuvõtjatel hinnata oma krediidivõimet ja mõista panga keeldumise põhjuseid.

Hindamist on erinevat tüüpi: ühed analüüsivad krediidiajalugu, teised küsimustikku ja teised otsivad pettuse märke. Teile on saadaval kahte tüüpi hindamine: sotsiaaldemograafiline ja sotsiaaldemograafiline. Esimene on asjakohane laenukogemusega laenuvõtjatele, teine - neile, kes pole kunagi laenu võtnud.

Hindamisskoor varieerub sõltuvalt krediidikäitumisest. Hindamist saab vähendada või suurendada.

Hindamismudelite koostamiseks (ja olenemata valitud matemaatilisest lähenemisviisist) võetakse eelmistest taotlejatest esinduslik valim (mitmest tuhandest sadade tuhandeteni – see pole kümneid miljoneid kliente teenindava tööstusharu jaoks probleem). Iga valimisse kuuluva taotleja kohta võetakse kindlaksmääratud ajavahemikuks (tavaliselt 12, 18 või 24 kuud) välja täielik teave taotlusvormist ja teave tema krediidiajaloost. Seejärel tehakse ekspertotsus, milline jutt on aktsepteeritav, s.t. kas klient on "hea" või "halb". Kõige sagedamini peetakse “halvaks” klienti, kes pole 3 kuud järjest laenu tasunud. Alati on teatud hulk kliente, keda ei saa liigitada ei “headeks” ega “halbadeks”, sest
nad kas ei saanud laenu piisavalt kaua (aega on möödas liiga vähe) või on nende krediidiajalugu “ebaselge” (näiteks viivitusi oli 3 kuud, aga mitte järjest). Reeglina jäetakse sellised "vahepealsed" kliendid valimist välja.
Empiirilised nõuded hindamismudeli koostamiseks kasutatavale andmebaasile:
valimi suurus - vähemalt 1500 kokku, vähemalt 500 halba;
"halva"/"hea" kriteeriumi selge määratlus. Alati pole selge, millises krediidiajaloo staadiumis, mille alusel ja millisel tasemel eraldada “halb” ja “hea”;
ajaperioodi selge määratlus - toote eluiga (sõltub tootest endast ja võib varieeruda kuust - mobiiltelefon kuni aastakümneteni - hüpoteek);
kliendigrupi stabiilsus - demograafia, ränne, tarbimisharjumuste säilimine;
kaudne, kuid kohustuslik nõue: majanduslike, poliitiliste, sotsiaalsete ja muude tingimuste stabiilsus.
Krediidimudelite koostamisel on oluline valida ajahorisont - ajavahemik taotluse esitamise (laenu väljastamise) ja klassifikatsiooni „halb“/“hea“ vahel. Analüüs näitab, et makseviivituse määr sõltuvalt kliendi organisatsioonis viibimise kestusest esialgu tõuseb ja alles 12 kuu pärast (krediitkaardid) või veelgi enam (ühekordsed laenud) hakkab stabiliseeruma. Seega viib lühem ajahorisont alahindamiseni ega võta täielikult arvesse kõiki maksejõuetust ennustavaid omadusi. Teisest küljest jätab üle kahe aasta pikkune ajahorisont mudeli vastuvõtlikuks selle aja jooksul toimuvatele muutustele kliendigrupi koosseisus, sest kuidas valimisse kuuluvate klientide koosseis ajahorisondi alguses võib oluliselt erineda praegusel ajal sisenevate klientide koosseisust. Tegelikult kasutatakse kahte samaaegset lõiku (ajahorisondi alguses ja lõpus), et luua mudel, mis on ajas stabiilne (üle esialgse ajahorisondi). See määrab ajaperioodi pikkuse valiku – ajahorisondi modelleerimisel.
Teiseks äärmiselt oluliseks ja vastuoluliseks küsimuseks jääb valimi “hea” ja “halva” suhe. Kas see peaks kajastama nende tegelikku suhet populatsioonis või peaks neid olema võrdne arv (selline suhtarv hõlbustab oluliselt mudeli koostamist matemaatilisest aspektist)?
Järgmiseks muutub punktimudeli konstrueerimine klassifitseerimisprobleemiks, kus sisendtunnused (või parameetrid) on vastused taotlusvormi küsimustele ja erinevate organisatsioonide (näiteks politsei) kontrollide tulemusena saadud parameetrid (või andmed). , kohtud, kohalikud omavalitsused, krediidibürood jne) ning väljundi karakteristikud (vastus) - soovitud tulemus - on klientide jagunemine "headeks" ja "halbadeks" olemasoleva krediidiajaloo järgi, võrreldes nende sisenditega. omadused.
Tegelik reitingutabel (scorecard) on süsteem laenuvõtja omadustele (või parameetritele) numbriliste punktide (skooride) määramiseks, et saada soovitud arvväärtus, mis peegeldab laenuvõtja tõenäosust kogeda teatud laenuvõtjate suhtes teiste laenuvõtjatega. sündmus või teatud toimingu sooritamine (määratluses on "seoses" aspekt väga oluline).
Krediidireitingu tabel ei näita näiteks, millist riskitaset peaks eeldama (nt kui suur protsent teatud tüüpi laenudest tõenäoliselt ei tagastata); selle asemel näitab see, kuidas antud laen tõenäoliselt käitub võrreldes teiste laenudega. Näiteks, kas teatud atribuutide komplektiga laenude vaike- või makseviivitusmäär on eeldatavasti suurem või madalam kui erineva komplektiga laenude puhul.
Enamik liigatabeleid koostatakse regressioonimudeli arvutamise teel – statistilise mudeliga, mis testib, kuidas üks parameeter (karakteristiku) mõjutab teist parameetrit või (kõige sagedamini) tervet komplekti muid parameetreid.
Regressioonimudeli tulemuseks on koefitsientide kogum, mida nimetatakse regressiooniteguriteks, mida saab tõlgendada korrelatsioonina huvipakkuvate (määramisele kuuluvate) ja selgitavate parameetrite vahel, hoides konstantsena kõiki muid huvipakkuvate parameetrite mõjusid. Need koefitsiendid on liigatabelis teisendatud punktikaaludeks.
Kõige sagedamini kasutatav meetod liigatabelite koostamiseks
Kõige sagedamini kasutatakse reitingutabelite koostamiseks logistilise regressiooni statistilist meetodit. Selle lähenemise selgitamiseks tasub aga alustada lihtsast lineaarsest regressioonist ning seejärel liikuda edasi logistilise regressioonini – lineaarse erijuhuna.
Lihtsamal kujul püüab lineaarne regressioon leida lineaarset seost kahe muutuja X ja K vahel. Muutuja Y, mida üritatakse ennustada, on defineeritud kui sõltuv muutuja (kuna see sõltub X-st). Muutuja X on selgitav, kuna see "selgitab", miks Y erineb inimestelt.
Lineaarse regressiooni abil püütakse välja selgitada järgmist: kui X muutub, siis kui palju

on tõenäoline, et selle tulemusel muutub ka K. Selleks on vaja andmestikku, milles saab jälgida paaride X komplekti ja vastavat K. Kui need on XY tasapinnale kantud ja kindel hulk on saadud, võib selguda, et see asetseb kindlale sirgele, s.t. X ja Y vahel on teatud seos, mida saate proovida võrrandi abil ligikaudselt leida:
Y = B_0 + B_1 x X_1
Kus
B0 on Y väärtus, kui X = 0;
B1 - sirgjoone kalle.
Need V. on regressioonikoefitsiendid. Praktikas on tõenäoliselt mitu selgitavat muutujat:
Y = B_0 + B_1 x X_1 + B_2 x X_2 + ... + B_n x X_n.
Logistiline regressioon versus lineaarne regressioon
Hindamise kasutamisel võtab sõltuv muutuja reeglina väärtusi väga väikeses vahemikus. Kõige sagedamini töötavad nad binaarse muutujaga, s.t. selline, mis võtab ainult kaks täisarvu: näiteks laen, mis on maksejõuetuseta või mitte; kataloogi posti teel saanud klient kas vastas või mitte. Tavaliselt määratakse sel juhul vaikimisi väärtuseks "1" ja tagasimakstud laenule väärtus "0".
Mudel peaks lõppkokkuvõttes hindama laenu maksejõuetuse (või kliendi vastuse kataloogile) tõenäosust.
Ja kuigi liigatabeli arvutamiseks kasutatakse mõnikord lineaarset mudelit, osutub logistiline regressioon palju mugavamaks, kuna see on spetsiaalselt üles ehitatud juhtudel, kui sõltuv muutuja on binaarne (st see võtab, nagu me juba ütlesime, ainult kaks väärtust).
Lineaarne regressioon võib anda tõenäosusväärtusi, mis on väiksemad kui null ja suuremad kui üks, mis on mõttetu. Logistiline mudel väldib seda, kuna see ei käsitle mitte sõltuva muutuja enda kahendväärtust, vaid tõenäosust või koefitsiente (koefitsiente), et see väärtus tegelikult aset leiab. Rakendamise tõenäosuse ja realiseerimata jätmise tõenäosuse suhte logaritmi nimetatakse logitiks, mis võib võtta mis tahes väärtuse, nii negatiivse kui ka positiivse. Seetõttu on logitite jaoks täiesti võimalik kasutada lineaarse regressiooni mudelit (sellest ka nimi "logistiline").
Logistilise regressioonimudeli korral eeldatakse, et seletavad muutujad, korrutatuna nende koefitsientidega, on lineaarsed mitte Y suhtes, nagu lineaarse regressiooni puhul, vaid logiti suhtes, mis on tõenäosussuhte loomulik logaritm:
ln (p/(1 - p)) = B_0 + B_1 x X_1 + B_2 x B_2 + X_2 + ... + B_n x X_n, kus
p on V esinemise tõenäosus;
p/(1 - p) - koefitsientide suhe.
Koefitsientide ja koefitsientide suhe
Koefitsientide suhe võimaldab võrrelda erinevate laenude riskitaset. Seega, kui ühe p1/(1 - p_1) = 0,11 ja teise puhul p2/(1 - p2) = 0,052, siis on nende suhe 0,46, s.o. ühe laenu maksejõuetuse risk on veidi väiksem kui pool teise laenu maksejõuetuse riskist.
Olulisemad järeldused sellest on järgmised: logistiliste regressioonide põhjal on vaja saada erinevate laenude koefitsiendid ise ja nende suhtarvud, sest Ainult nii saab vahetult võrrelda ja arvestada nii üksikute omaduste mõju riskitasemele kui ka ühe laenu suhtelist riski teise laenu suhtes. Püüded leppida ühe reitingutabeliga ei võimalda hinnata ühe laenu riskantsust teise suhtes ühe puhul arvesse võetud ja teise puhul mittearvestatud tunnuste võimaliku mõju tõttu.
Hindamistabeli individuaalsete tunnuste suhteliste kaalude arvutamine
Olles koostanud ja hinnanud logistilise mudeli, saate asendada X-väärtused mis tahes taotleja või laenuga ja arvutada hinde võrrandi abil:

Kuid see arv esitatakse naturaallogaritmiskaalal, mida on raske tõlgendada. Seetõttu teisendatakse skoor lineaarseks skaalaks, kus valitakse teatud arv punkte, nii et see arv annab kahekordse võimaluse teatud sündmuse toimumiseks. Selleks korrutage tulemus teguriga, mis on võrdne punktide arvuga, mis peaksid esindama koefitsientide kahekordistamist, ja jagage seejärel 1n(2):
lineaarskaalal arvestamine = (B 1 x X 1 + ... + Bp x Xp) x (20/1 p (2)),
kui võimaluste kahekordistamiseks vajalik punktide arv on 20.
Vastasel juhul, kui teil on vaja täpselt teada saada, kui palju punkte iga tunnus annab, saate iga B_1 korrutada (20/(1n(2))) ja seejärel parameetri X_1 väärtusega.
KS-i statistika kasutamine saadud reitingutabeli hindamiseks
Hindamistabel koostatakse erinevate laenude järjestamiseks konkreetse sündmuse koefitsientide alusel. On vaja, et selline punktitabel määraks laenudele, mis kogevad sündmust, ja laenudele, mis seda ei juhtu, erinevad kontod.
Näiteks annab krediidiskoori diagramm madalama skoori neile laenudele, mille tagasimaksmisega on hiljem tõsiseid raskusi või mis jäävad maksejõuetuks, nii et üldiselt peaks halbade laenude rühmal olema madalam punktisumma kui heade laenude rühmal.
Saadud tabeli kvaliteedi määramiseks koostatakse graafikud - heade ja halbade laenude protsendi jaotuskõverad (vastavalt heade ja halbade koguarvust) olenevalt konto suurusest ja punktide kvaliteedist. tabelit (kaarti) iseloomustab see, kui palju need kaks kõverat lahus on.
Just eraldatuse kvaliteedi arvuliseks määramiseks kasutatakse Kolmogorovi-Smirnovi statistikat (K-S statistika), mis annab selle eraldatuse numbrilise mõõdu. KS-i statistika arvutatakse lihtsalt: see on maksimaalne erinevus “hea” jaotuse kumulatiivse protsendi ja “halva” jaotuse kumulatiivse protsendi vahel. Teoreetiliselt võib KS-i statistika olla vahemikus 0–100, kuid praktikas jääb see tavaliselt vahemikku 25–75.
Ligikaudne gradatsioon näeb välja selline:
alla 20 - punktitabel on tõenäoliselt kasutamiseks sobimatu;
20-40 on hea laud;
41-50 on hea laud;
51-60 on väga hea laud; />61-75 on hämmastavalt hea tabel;
rohkem kui 75 on ilmselt liiga ilus, et tõsi olla, ilmselt on midagi valesti* (128).
Tuleb märkida, et hindamismudelite kvaliteeti tuleks pidevalt kontrollida ja jälgimine on töötamise ajal kohustuslik protseduur. Aja jooksul võivad muutuda nii majandustingimused kui ka laenuvõtjate käitumisomadused ning ainult skoorimismudelite õigeaegne kohandamine või isegi asendamine tagab krediidiriskide tõhusa juhtimise.

Scoring on pankade poolt kasutatav kliendihindamise süsteem, mis põhineb statistilistel meetoditel. Reeglina on see arvutiprogramm, millesse sisestatakse potentsiaalse laenuvõtja andmed. Vastuseks antakse tulemus – kas tasub talle laenu anda. Nimetus punktiarvestus tuleneb ingliskeelsest sõnast score, see tähendab “konto”.

Hindamist on nelja tüüpi:

taotluse skoorimine (inglise keelest sõnasõnaline tõlge - "taotluse hindamine, apellatsioon") - laenuvõtjate krediidivõime hindamine laenu väljastamisel. See on klientidele kõige levinum hindamisviis. See põhineb laenuvõtja isikuandmete esmasel kogumisel, nende arvutiga töötlemisel ja tulemuse väljastamisel: kas anda laenu või mitte;

inkasso-skooring - hindamissüsteem tagastamata laenudega töötamise etapis. Määrab pangatöötajate prioriteetsed tegevused "halbade" laenude tagasimaksmiseks. Tegelikult võimaldab programm sissenõudmata võlgade lahendamiseks teha mitmeid samme, näiteks alates esmasest hoiatusest kuni juhtumi inkassofirmale üleandmiseni. Arvatakse, et sellise töötlemise käigus väidab umbes 40% klientidest unustamist ja tagastab laenu;

käitumisskoorimine, "käitumise skoorimine" on hinnang laenuvõtja kõige tõenäolisematele finantstoimingutele. Selline süsteem võimaldab prognoosida muutusi laenuvõtja maksevõimes ja kohandada talle seatud limiite. Analüüsi aluseks võib olla kliendi tegevus teatud perioodi jooksul, näiteks krediitkaarditehingud;

pettuse skoor - statistiline hinnang potentsiaalse laenuvõtja pettuse tõenäosusele. Sellist hindamist kasutatakse tavaliselt koos muud tüüpi kliendiuuringutega. Arvatakse, et Venemaal on kuni 10% laenuvõlgnevustest seotud otsese pettusega ja see arv kasvab.

Paljud skoorimissüsteemid mitte ainult ei töötle sisestatud andmeid, vaid on ka iseõppimisvõimelised: võtavad arvesse juba teenuseks vastu võetud klientide käitumismustreid, et kohandada nende hinnangut tulevaste laenuvõtjate kohta.

Pangandustarkvara turul on valmislahendusi. Tuntuimad lääne programmid on SAS Credit Scoring, EGAR Scoring, Transact SM (Experian-Scorex), K4Loans (KXEN), Clementine (SPSS). Venemaa arendajatest paistavad silma Basegroup Labs ja Diasoft, tuntud on Ukraina firma Business Neuro-Systems. Samal ajal arendavad paljud pangad oma süsteeme.

Hindamissüsteemid võimaldavad vähendada kulusid ja minimeerida tegevusriski, automatiseerides otsuste langetamist, lühendavad laenutaotluste menetlemise aega, võimaldavad pankadel teostada krediidipoliitikat tsentraalselt ning pakuvad finantsorganisatsioonidele täiendavat kaitset pettuste eest. Samas on skoorimisel ka mitmeid miinuseid: sageli põhineb süsteemi otsus eranditult laenuvõtja enda esitatud andmete analüüsil. Lisaks tuleb hindamissüsteeme pidevalt täiustada ja hooldada, kuna need võtavad arvesse ainult varasemaid kogemusi ja reageerivad sotsiaal-majandusliku olukorra muutustele viivitusega.