Šiame dokumente pateikiama glausta sistemas kredito rizikos vertinimo įmonėje credit domain (SMEs and larger businesses), that can guide lenders when choosing kredito domenas (MVĮ ir didesnėmis įmonėmis), kurios gali padėti skolintojams renkantis appropriate data and tools. atitinkami duomenys ir įrankiai. Traditionally, lenders relied upon judgmental assessments of Tradiciškai, skolintojai, remtis subjektyvių nuomonių vertinimais the five Cs (capacity, capital, character, collateral, and conditions), but modern 5 Ca (galia, kapitalas, charakteris, įkaitas, ir sąlygos), bet modernus technology has allowed them to amass and capitalise on data. technologija leido jiems kaupti ir pasinaudoti duomenų. Besides judgment, lenders Be nuovoką, skolintojų can also apply scoring, reduced-form, and structural models—with the choice being taip pat gali taikyti įvertinimas balais, sumažinta forma, ir struktūrinio modelių pasirinkimas yra dependent upon the size and nature of the firms being assessed. priklauso nuo vertinamos įmonių dydį ir pobūdį. For the largest Didžiausias companies with traded securities, reduced-form and structural models can be used to bendrovėms, turinčioms vertybinių popierių apyvartą, sumažinti forma ir struktūrinių modelių gali būti naudojamas interpret their prices and price movements. interpretuoti savo kainas ir kainų svyravimus. In contrast, credit scoring is used mostly in Tuo tarpu kredito vertinimo, naudojamas daugiausia data-rich small-business credit environments, but can add value elsewhere. duomenų turtingos smulkiojo verslo kredito aplinka, bet gali pridėti vertės kitur.
Entrepreneurs' personal data play a major role for the smallest firms, but enterprise- Verslininkų asmens duomenys vaidina svarbų vaidmenį mažiausių įmonių, tačiau įmonė specific data (transactional, trade-creditor, financial-statement) take over for larger specifiniai duomenys (sandorio, prekyba kreditorius, finansų pareiškimas) perimti didesniems companies. įmonės. Even where numbers are small, it is still possible to develop scorecards to Net jei skaičiai yra nedideli, vis dar įmanoma plėtoti scorecards predict agency and internal rating grades. prognozuoti agentūrai ir vidaus reitingų rangais. Financial-statement data is a key component, Finansinė-pareiškimas duomenys yra pagrindinis komponentas, and this paper presents results showing that underwriters' expertise can be harnessed to ir tai Straipsnyje pateikiami rezultatai rodo, kad Emisijos patirtis gali būti panaudoti develop financial-ratio scoring models whose results approximate those developed using plėtoti finansų ratio balais modelius, kurių rezultatai apytikris tų, kurie parengti naudojant empirical data. empiriniai duomenys.
Table of Contents Turinys
1 1
2 2
Credit-risk assessment 101 Kredito rizikos vertinimas 101
3 3
Risk Assessment Revolutions Rizikos vertinimo Revoliucijos
4 4
Data and Duomenys ir
5 5
Financial statement data Finansinės atskaitomybės duomenys
6 6
Small-business data Mažos verslo duomenys
7 7
8 8
List of Tables Lentelių sąrašas
Table 1. 1 lentelė. Data versus the 5 Cs Duomenys palyginti su 5 CS
Table 2. 2 lentelė. USA Companies by JAV Įmonės pagal
Table 3. 3 lentelė. Company Size versus Įmonės dydis, palyginti su
Table 4. 4 lentelė. Models versus Modeliai, palyginti su
Table 5. 5 lentelė. Expert Model / RiskCalc correlations....................................................................................8 Ekspertas Modelis / RiskCalc koreliacijos ............................................. ....................................... 8
Table 6: Data-requirements matrix 6 lentelė: Duomenų reikalavimai matrica
List of Figures Paveikslų sąrašas
Figure 1. 1 pav. Ease of Lengva
Figure 2. 2 pav. Risk Assessment Revolutions ................................................................................................4 Rizikos vertinimo revoliucijos ............................................... ................................................. 4
Figure 3. 3 pav. Volumes and Profits Apimtys ir pelno

Page 2 Puslapis 2 |
1 1
Introduction Įvadas
Credit scoring is used primarily for retail credit, where the rich availability of data makes Kredito vertinimo, naudojamas visų pirma mažmeninės prekybos kreditą, kur turtingas duomenų prieinamumas it the 'gold standard' of credit-risk assessment. "aukso standartas" kredito rizikos vertinimo. For many years, its use was limited to Jau daugelį metų, jo naudojimas buvo apribotas iki account-level application-scoring for consumer credit, largely because this was where the paskyros lygio taikymas balais vartojimo kreditui, daugiausia dėl to, kad tai buvo, kur quickest wins could be achieved. gali būti pasiektas greičiausias laimi.
1 1
In recent years though, larger lenders have applied the Pastaraisiais metais, nors, didesni skolintojai kreipėsi same technology and experience to the small-business segment (which in the USA came pati technologija ir patirtis smulkaus verslo segmentui (kuris į JAV atvyko at the expense of smaller lenders). mažesnių skolintojų sąskaita). According to Thomas (2000), this evolved as lenders Pagal Tomą (2000), tai išsivystė kaip skolintojų realised there was little difference, ceteris paribus , between lending to an individual and a supratau, ten buvo šiek tiek skiriasi, ceteris paribus, tarp skolinimo individo ir one-man business—because their fortunes are so closely intertwined. Vienas dalykas, nes jų sėkmė yra taip glaudžiai susiję.
2 2
Credit scoring may be ill-suited for larger firms though, especially if more appropriate Kredito vertinimo didesnių įmonių, nors gali būti netinkama, ypač jei labiau tinka techniques are available. metodai yra prieinami. Commentators such as Allen et al. Komentatoriai, pavyzdžiui, Allen et al. (2003), who are more familiar (2003), kuris yra labiau susipažinę with the wholesale market, see credit scoring as second choice because of its 'portfolio didmeninėje rinkoje, kaip antrojo pasirinkimo, nes savo "portfelio kredito vertinimo approach', referring to its reliance upon a historical review of similar cases, as opposed to požiūris ", pasikliaudama istorinė apžvalga panašiais atvejais, o ne factors specific to each case. kiekvienu atveju konkretūs veiksniai. Even so, it has been gaining increasing acceptance for Nepaisant to, ji vis pripažinimą už middle-market companies where the amount of data has been growing, as has lenders' vidutines rinkos įmonės, kur duomenų kiekis auga, kaip ir skolintojams " ability to assess it, and use it for pricing, limit setting, or ongoing risk management. gebėjimas vertinti jį, ir naudoti jį už kainodarą, riboti nustatymą, ar vykdomą rizikos valdymą. This Tai demand comes not only from lenders, but also their shareholders, trade creditors, paklausa ateina ne tik iš skolintojų, bet ir jų akcininkai, kreditoriai ir prekybos, regulators, and others, and is increasing even further with the Basel II Accord. reguliatoriai, ir kiti, ir dar labiau didėja su Bazelio II susitarimą. This trend Ši tendencija cannot carry on forever though, as there are hurdles (data availability, model validation, negali tęsti amžinai, nors, kaip yra kliūtys duomenų prieinamumas, modelis patvirtinimas, consistency across organisations) that prevent larger wholesale loans from being nuoseklumo organizacijų), kad išvengti didesnes didmenines paskolas gražu managed as portfolios (Basel Models Task Force report, 1999, cited in Ong 2002). tvarkomos kaip portfeliai (Bazelis Modeliai darbo grupės ataskaita, 1999, cituojama Ong 2002).
This paper takes a brief look at some of the different types of data and models that can Šiame dokumente trumpai pažvelgti į kai skirtingų duomenų tipų ir modelių, kuriuos galima be used. būti naudojamas. It is primarily a literature review, but is unique in that it covers both retail and Tai visų pirma literatūros apžvalga, bet yra unikalus tuo, kad ji apima tiek mažmeniniu, tiek ir wholesale lending in a few pages, presenting concepts in a manner that should ease didmeninė skolinimas keliais puslapiais pristatyti koncepcijas tokiu būdu, kuris turėtų sumažinti interpretation. interpretacija. Most has been extracted from my book, 'The Credit Scoring Toolkit'. Dauguma buvo išgauti iš mano knygos, "- kredito vertinimo Toolkit". Also Taip pat presented is a small-business data-requirements matrix, a framework being presented for pateikiamų smulkaus verslo duomenų reikalavimai, matrica, struktūra pateikta the first time, that can aid lenders to determine what data is required for small and pirmas kartas, kad gali padėti skolintojams, siekiant nustatyti, kokie duomenys reikalingi mažoms ir middle-market companies at different stages during the credit risk management cycle. vidutines rinkos bendrovės skirtingų kredito rizikos valdymo ciklo etapuose.
2 2
Credit-risk assessment 101 Kredito rizikos vertinimas 101
Risk assessment is easiest in instances where past experience can be combined with data. Rizikos vertinimas yra lengviausias atvejais, kai patirtis gali būti derinamas su duomenų.
The extent to which this is possible depends upon the type of risk. Kiek tai įmanoma, priklauso nuo to, atsižvelgiant į rizikos tipą. Olsson (2002) presents Olsson (2002) pateikia what he calls an 'uncertainty matrix', an adaptation of which is provided in Figure 1 . ką jis vadina "neapibrėžtumas matrica", adaptacija, kuri yra pateikta 1 paveiksle.
According to this, the greater the certainty of the possible outcomes and their Pagal tai, kuo didesnis galimų rezultatų tikrumą ir jų probabilities, the easier the risk is to measure. tikimybės, rizika yra lengviau išmatuoti. Thus, it is relatively simple to assess Taigi, ji yra gana paprasta įvertinti market, liquidity, and credit risk, but much more difficult to assess operational, country, rinkos, likvidumo ir kredito rizika, bet daug sunkiau įvertinti veiklos, šalies, reputation, and systemic risks. reputacija ir sisteminė rizika. The primary constraints are data availability and the Pagrindiniai apribojimai yra duomenų prieinamumas ir curse of rare events. Prakeikimas retų įvykių.
Risk measurement relies upon having data, and tools to turn it into information. Rizikos matavimo remiasi duomenis, ir priemones, siekiant ją paversti informaciją. The types of data used can be classified according to: (i) source—internal systems, customer naudojamų duomenų tipai gali būti klasifikuojami pagal: i) šaltinis vidaus sistemos, klientų supplied, or external agencies; (ii) frame—time series (vertical) versus multivariate tiekiama, arba išorės agentūromis; (ii) rėmas laiko eilutė (vertikaliai), palyginti su daugiamatis snapshot (horizontal); (iii) judgment—objective (empirically derived) or subjective nuotrauka (horizontaliai); (iii) sprendimas tikslas (empiriškai gautos) ar subjektyviai
(human opinion); (iv) indicators—leading or lagging; and (v) view—backward (historical (Žmogaus nuomonė), (iv) rodikliai-aplenkimo ar atsilikimo ir (v) požiūris atgal (istorinis data) or forward (judgment/market prices). duomenys) arba pirmyn (sprendimai / rinkos kainos). The ideal is to have forward-looking Idealus, į ateitį orientuotas indicators, but that is infeasible in volume-driven environments. rodikliai, tačiau, kad yra neįmanoma tūris varomų aplinkoje. There are no market Yra nesusiformuotų rinka
1 1
According to Makuch (1998:3), 'It is estimated that as much of 80 per cent of the Pagal Makuch (1998:3), "Manoma, kad net 80 proc.
'measurable and controllable' risk is decided upon at the time of underwriting'. Išplatinimui "nuspręsta" įvertinti ir kontroliuoti rizikos.
2 2
The first generic attempts were provided by Fair Isaac, who launched a Small Business Pirmieji nepatentuotos pastangos buvo teikiama sąžiningos Izaoko, kuris pradėtos Small Business
Scoring Service (SBSS) in 1993 (Asch 2000), a trade credit service called CreditFYI.com in Puolimas tarnyba (SBSS) 1993 (Asch 2000), prekybos kredito paslauga, vadinamas CreditFYI.com,
1998, and a loan credit service called LoanWise.com in 1999 (Allen et al. 2003:13). 1998, ir paskolų kredito paslauga vadinama LoanWise.com 1999 (Allen et al. 2003:13).

Page 3 Puslapis 3 | prices for individual loans, and subjective assessments are inefficient, and expensive. individualių paskolų kainos ir subjektyvūs vertinimai yra neefektyvus ir brangus.
Even so, credit-scoring models have proven extremely robust, if only because of the Nepaisant to, kreditų vertinimo balų modeliai pasirodė itin patikimi, jei tik dėl to, kad inferences that are possible, given sufficient and stable historical data. išvadas, kad yra įmanoma, pateikti pakankamus ir stabilius istoriniai duomenys. In need, lenders Be kita ko, skolintojų can adjust strategies to accommodate their assessment of the future at portfolio level. galite reguliuoti strategijas, prisitaikyti prie jų vertinimą ateityje, esant portfelio lygmeniu.
The first tool used for providing structure Pirmoji priemonė, naudojama teikti struktūra to credit-risk assessment, was the concept of kredito rizikos vertinimą, buvo koncepcija the 5 'C's, a framework that could be almost 5 C, sistema, kuri galėtų būti beveik as old as credit itself. sena kaip ir pati kredito.
Capacity —Ability to repay liabilities out of Gebėjimų Galimybė grąžinti įsipareigojimus iš income; pajamos;
Capital —Financial resources available to Kapitalo Finansiniai ištekliai meet commitments should income not patenkinti įsipareigojimai turėtų būti pajamos ne materialise. materializuotis.
Conditions —How the current environment Sąlygos Kaip dabartinė aplinka may impact upon the enterprise, whether gali daryti įtaką įmonės ar via competition, economic, industry, or per konkurencijos, ekonominės, pramonės šakos ar other factors. kiti veiksniai.
Character —The quality of management: Simbolių ir valdymo kokybė:
Who are they? Kas jie? What experience do they have? Kokia patirtis tai daryti? Are they well suited to lead the Ar jie gerai tinka vadovauti company? įmonė?
Collateral —Security provided, including the pledge of assets, guarantees from third Gretutinis-apsaugos, įskaitant turto įkeitimą, garantijas iš trečiųjų šalių parties, or other risk mitigation. šalys arba kiti rizikos mažinimo.
This framework still dominates where information is obtained directly from the client in Ši sistema vis dar dominuoja, kai informacija gaunama tiesiogiai iš kliento relationship lending. santykiai skolinimą. The task now is to determine how this relates to modern Uždavinys yra nustatyti, kaip tai susiję su šiuolaikiška environments, where further structure has to be imposed upon the risk assessment. aplinka, kur toliau struktūra turi būti nustatytas nuo rizikos vertinimo. The goal is to minimise subjectivity, which requires data and/or experience. tikslas - sumažinti subjektyvumo, kuris reikalauja, duomenys ir / ar patirtį.
3 3
Risk Assessment Revolutions Rizikos vertinimo Revoliucijos
Credit-risk assessment has undergone its own industrial and technological Kredito rizikos vertinimas patyrė savo pramonės ir technologijų revolutions over the past two hundred years. revoliucijos per pastaruosius du šimtus metų. Its industrial revolution started with the Jo pramonės revoliucija prasidėjo broader industrial revolution, and evolution of consumer societies. platesnis pramonės revoliucija, o evoliucija vartotojų visuomenę. It resulted from the Tai lėmė nuo imposition of structure upon the process, which was required where lenders' employees taikyti nuo proceso struktūrą, kuri buvo reikalinga jei skolintojai darbuotojai made the decisions. sprendimus. Means had to be found of conveying hard-earned experience from Priemonės turėjo būti nustatyta, perteikti sunkiai uždirbtus patirtį one generation to the next—including the development of policy and override vienos kartos į kitą, įskaitant vystymosi politiką ir nepaisyti frameworks, concepts like the five 'C's, and tools like ratio analysis. sistemas, koncepcijas kaip penkių "C, ir panašūs įrankių reikmenys rodiklių analizė.
Policy : Rules used to limit the decision, when certain conditions hold true. Politika: Taisyklės naudojami apriboti sprendimo, esant tam tikroms sąlygoms laikyti tiesa. These are Tai yra usually based upon past experience, especially where higher than normal losses are paprastai remiasi ant ankstesnę patirtį, ypač kai didesnis nei įprasta nuostolių associated with those conditions. susijusi su šių sąlygų.
Overrides : Decisions can be overturned by other (usually higher) authorities, whether Peržiūrėjimas: Sprendimai galima paneigti kitų (paprastai didesnę) valdžios institucijoms, ar people or policies. žmonės ar politiką. Judgmental overrides of policy rules should only be done, if they Nuomonių politikos taisyklių peržiūrėjimas turėtų būti atliekamas tik tada, jei jie can be motivated by information that is not recognised by the existing framework. galima pagrįsti informacija, kuri nėra pripažinta esamą sistemą.
In contrast, the technological revolution is more recent, and has been reliant upon Priešingai, antrasis - technologinė revoliucija yra naujesnis, ir buvo priklausomos nuo computers to speed and streamline the data collection and analysis process. kompiuteriai pagreitinti ir supaprastinti duomenų rinkimo ir analizės procesas. It provided Joje numatyta an entirely new dimension to the range of options available. visiškai nauja dimensija galimybių spektrą. As illustrated in Figure 2 , Kaip parodyta 2 paveiksle, pure judgment and policy have given way to the use of different types of models. grynas sprendimas ir politika davė kelią į skirtingų tipų modelius. The choice depends upon the desired level of structure, and the amount of available data: pasirinkimas priklauso nuo norimo lygio struktūrą ir turimų duomenų sumos:
Figure 1. Ease of Measurement 1 pav. Lengva Matavimų
Unknown Nežinomas
Known Žinomas
Known Žinomas
Unknown Nežinomas
Ea Ea s ai eo Esperanto f f
Mea Mea " s ai ure laiką me mane nt NT
Systemic Sisteminis
Possible Outcomes Galimi rezultatai
Ou Ou tcome tcome
Pr Pr obabi obabi l l i aš ti Ti e e s ai
Reputational Reputacijai
Operational Veiklos
Credit Kreditas
Market Rinka
Liquidity Likvidumo

Page 4 Puslapis 4 |
Pure Judgment : Low on structure, low on Grynas sprendimas: nuo mažiausio struktūros, mažai data. duomenys. Relies upon subjective assessments, Priklauso nuo subjektyvių vertinimų, with no model or template. be modelio ar šabloną.
Expert System : Little data exists, but Ekspertų sistema: mažai duomenų yra, bet xunderwriters have sufficient experience xunderwriters turi pakankamai patirties to develop a set of rules or model, that sukurti taisykles ar modelių rinkinį, kad can be used to either drive or guide gali būti naudojamas arba diske arba nukreipimui decisions. sprendimai. They are seldom reliable Jie retai būna patikimi enough to be the sole decision driver Pakanka būti vienintelis sprendimas vairuotojas though, and there will usually be a nors ir paprastai būti judgmental overlay. neteisk perdangos.
Hybrid Models : Data availability varies. Hibridiniai modeliai: Duomenų prieinamumas skiriasi. A combination of model types is used, derinys naudojamas modelių rūšių įvairovė, depending priklausomai nuo upon ant what kas can galima be būti constructed for different aspects of the pagamintos įvairių aspektų, risk assessment. rizikos vertinimas. Outputs from different Išėjimai iš skirtingų statistical, and possibly expert, models are integrated into a single model. statistinis ir galbūt ekspertas, modeliai yra integruoti į vieną modelį.
Statistical Models : High on structure, high on data. Statistiniai modeliai: jų struktūra, daug duomenimis. While predictions are more reliable, Nors prognozės yra labiau patikimas, they have the disadvantage of a data addiction—and only the best and most highly jie turi sukurti duomenų trūkumas priklausomybės ir tik geriausią ir labiausiai structured data will do. struktūrizuoti duomenys darys.
An overview of the mix between pure judgment and statistical models for different types Tarp gryno sprendimo ir statistinių modelių įvairovės apžvalga įvairių tipų of lending is provided in Figure 3 . iš skolinimas yra pateikti 3 paveiksle. The matrix has transaction volumes and potential The matrix has sandorių apimtis ir potencialius profit as the x- and y-axes respectively. pelnas, x ir y ašys. The upper-left quadrant contains wholesale Viršutinis kairysis kvadrantas yra didmeninė prekyba credit sectors where little data or experience exists, and the potential profits are high— kredito sektoriai, kuriuose mažai duomenų ar patirties, esamą ir galimą pelno yra aukštos especially true for large and/or complex loans, such as sovereign, corporate, and project- ypač pasakytina apie didelių ir / ar sudėtingi paskolų, pavyzdžiui, suvereni, įmonių ir projektų finance lending. finansuoti skolinimą. These areas suffer most from the highly unstructured nature of what Šios sritys labiausiai kenčia nuo labai nestruktūrizuotos, ką little data is available. mažai duomenų.
In contrast, the lower-right quadrant Priešingai, apatiniame dešiniajame kvadrante contains retail credit—especially consumer yra mažmeninės kredito ypač vartotojui and ir small mažas business verslas lending—where skolinimas, kai statistical models provide the main voice. statistiniai modeliai pagrindinį balsą.
These have limitations though, and are only Tai turi trūkumų, nors ir yra tik the better choice where: (i) the environment geresnis pasirinkimas, jei: (i) aplinka is relatively stable; (ii) the data is highly yra gana stabili, (ii) duomenys yra labai structured; (iii) the loss associated with struktūra; (iii) nuostolis, susijęs su individual transactions is relatively low; (iv) konkretūs sandoriai yra palyginti maža; (iv) lower costs are perceived to provide a mažesnės išlaidos būtų manoma, kad teikti significant competitive advantage; and (v) akivaizdų konkurencinį pranašumą; ir (v) there are sufficient volumes and potential yra pakankamai apimtys ir potencialūs profits to justify the investment. pelną, verta investuoti.
According to Chorafas (1990), the Pareto Pagal Chorafas (1990), Pareto principle also applies to credit. principas taip pat taikomas kredito. A very small proportion of customers often provides the Labai maža dalis klientams dažnai suteikia greatest proportion of profits! didžiausia dalis pelno! Thus, service offerings should be stratified, according Taigi, siūlomas paslaugas, turėtų būti suskirstyti, pagal potential profitability: 'Emphasis must necessarily be placed on the most lucrative parts ir potencialas pelningumas: "Ypatingas dėmesys turi būti būtinai pateikiami iš pelningiausių dalių of the market—which is often more demanding, more risk, and also requires a steady rinka, kuri yra dažnai reiklesni, daugiau rizikos, ir taip pat reikalauja pastovaus vigilance in product development, as there is no copyright in the finance business'. budriems kuriant produktą, taip nėra finansų verslo autorinės teisės ".
The treatment of the different types of lending is not cast in stone, and over time, the Įvairių tipų skolinimo gydymo negali mesti akmens, ir laikui bėgant, thresholds have been shifting. ribos buvo perkelti. Risk assessment skills have become fewer and dearer, Rizikos vertinimo įgūdžiai tampa mažiau ir brangiau, while data has become broader, deeper, and cheaper. o duomenys tapo platesnis, gilesnis, ir pigiau. As lenders become more Kaip skolintojai tampa labiau
Figure 2. Risk Assessment Revolutions 2 pav. Rizikos vertinimo Revoliucijos
Figure 3. Volumes and Profits 3 pav. Apimtys ir pelnas
Volume Apimtis of Deals sandorių
Profit Margins Pelno maržos
Low Žemas
Low Žemas
High Aukštas
Judgmental Nuomonių
Statistical Statistinis
Profit Pelnas per už
Deal Spręsti
Sovereign Suverenus
Corporate Bendra
Middle Vidurinis
Market Rinka
Small Mažas
Business Verslas
Consumer Vartotojas
Project Finance Projektų finansavimas
Wealthy Pasiturintis
Individuals Asmenys
High Aukštas
Sub-prime Sub-prime
Micro- Mikro- finance finansuoti
Low Žemas
High Aukštas
High Aukštas
Low Žemas
Pure Judgment Grynas sprendimas
Te Te chn Banginiai o O logi langai cal cal
Expert Models Ekspertų modeliai
Statistical Models Statistinius modelius
Policy Politika
Data Duomenys
Industrial Pramoninis
Structure Struktūra
Overrides Peržiūrėjimas
Policy Politika
Hybrid Models Hibridiniai modeliai

Page 5 Puslapis 5 | comfortable with credit scoring, it is increasingly being used to assess individuals and patogus kredito vertinimo, ji vis dažniau naudojami siekiant įvertinti asmenis ir companies where ever larger values are involved. įmonių, kuriose dalyvauja vis didesnės reikšmės.
4 4
Data and Tools Duomenys ir įrankiai
Risk assessments can be done using a number of different data sources, and tools Rizikos vertinimas gali būti atliekamas naudojant keletą skirtingų duomenų šaltinių, ir priemonių other than scoring and judgment. išskyrus taškų ir sprendimų. The available data sources are: Iš turimų duomenų šaltiniai yra:
Payment history : Information on borrowers' payment patterns, which is a loose Mokėjimų istorija: Informacija skolininkų mokėjimo modelius, kurie yra laisvas surrogate for character/management. pobūdžio ir (arba) valdymo pakaitalas.
Principal assessments : A look at the entrepreneur(s) behind the business, including their Pagrindiniai vertinimai: verslininko) už verslo išvaizda, įskaitant jų credit histories. kredito istorijos.
Financial statements : A review of obligors' financial positions, as presented in recent Finansinė atskaitomybė: skolininkų finansinę būklę peržiūra, kaip pastaraisiais balance sheets and income statements. balansais ir pajamų ataskaitomis.
Environmental inputs : Review of industry and regional factors, whether using economic Aplinkos įėjimai: apžvalga pramonės ir regioniniai veiksniai, ar ekonominę data and forecasts, or historical aggregates based on internal/bureau data. duomenys ir prognozės, ar istorinių užpildai pagrįsta vidaus / biuro duomenimis.
Market value of traded securities : The level, volatility, and buy/sell spreads of market Rinkos vertė, kuriomis prekiaujama vertybinių popierių: lygis, nepastovumas, ir pirkti / parduoti pastos rinkos prices provide forward-looking information, which is a summary of market kainos suteikti ateitį orientuotą informaciją, kuri yra rinkos santrauka participants' views on obligors' credit risk (the gold standard for corporate credit). dalyvių nuomonę apie įsipareigojančiųjų asmenų kredito rizikos aukso standartas įmonių kredito).
Both bond and equity prices may be used. Abi obligacijų ir akcijų kainos gali būti naudojamas.
Human input : Relationship managers' and underwriters' eyes and ears are still a Žmogaus įvestis: Sąryšis vadovai ir draudimo bendrovės "ausys ir akys vis dar primary source of information. pagrindinis informacijos šaltinis. The goal is to ensure that their observations are as Tikslas yra užtikrinti, kad jų pastabos yra objective as possible, but in many instances, subjective inputs are required. tikslas, kaip įmanoma, tačiau daugeliu atvejų, subjektyvūs įėjimai yra privalomi.
This list is not exhaustive; other Šis sąrašas nėra išsamus; sources, such as application forms šaltinių, kaip antai paraiškų formas and credit evaluations, could also be ir kredito vertinimai, taip pat galėtų būti included. įtraukti. Each provides information Kiekvienas teikia informaciją on one or more of the five 'C's (see vieną ar daugiau iš penkių "C (žr.
Table 1 ). 1 lentelė). The most far reaching are Plačiausiai yra judgmental assessments and the nuomonių vertinimai ir value of traded securities (both kuriais prekiaujama vertybinių popierių vertė (tiek forward-looking), but judgmental ateitį orientuotas), tačiau kritiškas assessments are expensive and slow vertinimai yra brangus ir lėtas to react, while securities' prices tend reaguoti, o vertybiniai popieriai "kainos turi tendenciją to overreact. pernelyg jautriai.
Exactly what data is used also depends upon the amount (to be) borrowed, and the Tiksliai, kokie duomenys yra naudojami taip pat priklauso nuo sumos), pasiskolintą ir size of the obligor being assessed. įsipareigojančiojo asmens dydis vertinamas. The 'loan amount' drives what information is Paskolos sumos "diskai, kokia informacija yra requested, while 'firm size' affects what is prašoma, o "įmonė dydis lemia tai, ką yra readily available and relevant. lengvai prieinami ir tinkami. If both are Jei abu yra small, the time and effort spent on the mažas, laiko ir pastangų išleidžiama assessment will be less. Table 2 provides an vertinimas bus mažiau 2 lentelė. indication of the large number of smaller nuoroda į daug mažesnių companies (excludes sole proprietors) in the įmonės (išskyrus individualių verslininkų)
United States, and the pattern is similar Jungtinės Amerikos Valstijos, ir modelis yra panašus elsewhere. kitur. Indeed, the bulk of economic Iš tiesų, ekonominės dalis growth is driven by SME activities. augimo varomoji jėga yra MVĮ veiklą. The 'class' definitions vary from country to country, "Klasė" apibrėžtys skiriasi nuo šalies, but the general pattern of what information is available and used for risk assessments tačiau bendras modelis, kokia informacija yra teikiama ir naudojama rizikos vertinimo will be similar (see Table 3 ): bus panašus (žr. 3 lentelę):
3 3
Falkenstein et al. Falkenstein et al. (2000:11). (2000:11).
Table 1. Data versus the 5 Cs 1 lentelė. Duomenys palyginti su 5 CS
Data Source Duomenų šaltinis
Ca Ca p p a c c i aš t t y Y
Cap Kepurė i aš tal Sausio
Cond Kondic i aš t t ions jonai
Char Char ac AC te te r R
Col Kol l l ater ater a l l
Human input Žmogaus indėlis
Traded securities prices Kuriais prekiaujama vertybinių popierių kainos
Financial statements Finansinės ataskaitos
Environmental inputs Aplinkos įėjimai
Principal assessments Pagrindiniai vertinimai
Payment history Mokėjimų istorija
Table 2. USA Companies by Assets 2 lentelė. JAV Įmonės turtu
1996 IRS data 1996 IRS
3 3
Class Klasė
Range Diapazonas
Number Skaičius
Small Mažas
<$100K <$ 100K
2,500,000 2.500.000
Small, Middle $100K-$1M Mažas, Vidurio $ 100K-$ 1M
1,500,000 1.500.000
Middle Vidurinis
$1M-$100M $ 1M-$ 100M
300,000 300.000
Large Didelis
>$100M > $ 100M
16,000 16.000

Page 6 Puslapis 6 |
Very Large — Share and bond prices can be used for publicly-listed companies and those Labai didelė dalis ir obligacijų kainos gali būti naudojamas viešai listinguojamoms bendrovėms, ir tie, with traded-debt. su prekiaujama skolų.
Large —Judgmental Large-nuomonių assessments vertinimai dominate for larger companies dominuoti už didesnėms įmonėms with significant debt. didelis skolą. This Tai applies especially ypač pasakytina apie to į rating įvertinimas grades provided by credit rating kredito reitingų klasės numatytos agencies, but also to internal agentūros, bet ir vidaus grades. pažymiai. Payment histories and Mokėjimų istorijos ir personal assessments are not asmeniniai vertinimai yra ne considered relevant. laikoma svarbia.
Middle —Caught in a range where Vidurio Caught diapazone, kur there is neither market data, nor sufficient exposure to justify full fundamental yra nei rinkos duomenys, nei pakankamos pagrįsti pilnas esminis poveikio analysis. analizė. Analysis becomes backward-looking, focussing upon what has happened to Analizė tampa atgal ieškote, sutelkiant dėmesį nuo to, kas nutiko obligors in similar circumstances in the past. įsipareigojančiųjų asmenų panašiomis aplinkybėmis praeityje. The primary data used is financial Pirminiai duomenys, naudojami yra finansinė statements provided by the borrowers, along with industry assessments. skolininkų numatytos ataskaitos, kartu su pramonės vertinimus. Payment Mokėjimas histories and personal assessments may feature. istorijos ir asmens vertinimai gali funkcija.
Small —Below a certain level, financial statements may be either unavailable or Mažos žemiau tam tikro lygio, finansinė atskaitomybė gali būti arba nepasiekiami arba unreliable (out of date, poor accounting/auditing, or just plain over-optimism). nepatikimas (pasenęs, prastas apskaita / auditas, arba tiesiog per didelis optimizmas). Focus Sutelkti then shifts towards obligors' payment histories (via the credit bureau) and data on tada pereina prie skolininkų mokėjimų istoriją per kredito biuro) ir duomenis apie recent revenue inflows that can be confirmed from bank statements. naujausi pajamų įplaukos, kuris gali būti patvirtintas banko ataskaitos.
Very Small —Finally, at some point, it becomes difficult or impossible to divorce the Labai mažos Galiausiai, tam tikru momentu, tampa sunku arba neįmanoma išskirti individual and the enterprise, especially for sole proprietorships. individualus ir įmonių, ypač individualių įmonių. Lending will be Skolinant būtų based on, or heavily influenced by, assessments of the borrowers in their personal pagrįsta, arba didelę įtaką, vertinant skolininkų jų asmeninė capacities. pajėgumai.
Now that the data sources have been considered, the tools used to assess them can be Dabar, kad buvo laikomi duomenų šaltiniai, įrankiai, naudojami įvertinti, jų gali būti covered. padengti. Fernandes (2005) splits corporate credit-risk assessment techniques into three Fernandes (2005) skyla į tris verslo kredito rizikos vertinimo metodus types: (i) structural (eg Merton's 1974 option-based model)—models the structure of the rūšys: i) struktūriniai pvz. Merton 1974 pasirinkimo modelis)-modeliai struktūra default process, using financial statement data (esp. liabilities) and some proxy for asset default procesas, naudojant finansinių ataskaitų duomenis (ypač įsipareigojimai) ir šiek tiek turto proxy value and volatility; (ii) reduced-form (eg Jarrow and Turnbull's 1995 model)—relies vertė ir kintamumas; (ii) sumažinti forma (pvz., Jarrow ir Turnbull "1995 modelis) remiasi upon the value of publicly-traded debt over time, and assumes that the risk can be nuo vertės viešai išplatintus skolos laikui bėgant, ir daroma prielaida, kad rizika gali būti determined from price volatility and/or the credit spreads; and (iii) scoring (eg nustatomas nuo kainų svyravimo ir (arba) kredito palūkanų normų skirtumai ir (iii) balais (pvz.,
Altman's 1968 Z-score model)—describes a target variable as a function of multiple Altman 1968 Z-balų modelį) aprašoma tikslinį kintamąjį kaip kelių funkcijos, predictors. prognozuoti. An obvious omission from this list is judgmental assessments (such as agency Iš šio sąrašo yra akivaizdus praleidimas nuomonių vertinimais (pavyzdžiui, agentūros and internal rating grades), where credit analysts or committees assess quantitative and ir vidaus reitingų klasės), kai kredito analitikai arba komitetais įvertinti kiekybinius ir qualitative factors, using other tools where possible. kokybiniai veiksniai, naudojant kitas priemones, jeigu tai įmanoma.
Agency grades are provided by credit rating agencies for a fee. Agentūra klasės kredito reitingų agentūrų, už tam tikrą mokestį. These apply to large firms Jos taikomos didelėms įmonėms only, which in 1996 numbered approximately 16,000 in the USA (see Table 2 ). , kuris 1996 m. maždaug 16.000 JAV (žr. 2 lentelę). Not all Ne visi firms are rated though, so the number of rated firms is less. įmonės vertinta nors, todėl iš reitinguojamų įmonių skaičius yra mažesnis.
The appropriate choice is primarily determined by what data is available: (i) Tinkamas pasirinkimas visų pirma nustato, kokie duomenys yra: (i) structural—financial statement and liquid traded-equity prices; (ii) reduced-form—liquid struktūrinis finansinė ataskaita ir skystųjų prekiaujama nuosavybės vertybinių popierių kainos; (ii) sumažinta forma-skystis traded-debt prices only; (iii) scoring—financial statement, trade creditor, and other prekiaujama ir skolos kainos tik, (iii) balais-finansinė ataskaita, prekybos kreditorius, ir kiti company data; and (iv) judgmental—where data is thin, highly unstructured, or can įmonės duomenys; ir (iv) neteisk, kai duomenys yra plonas, labai nestruktūrinių, arba gali significantly enhance the results of other models. žymiai padidinti kitų modelių rezultatus. Other names are used for these model Kiti pavadinimai yra naudojami šioms modelio types, and there are more yet. rūšys, ir dar yra daugiau. Falkenstein et al. Falkenstein et al. (2000) mention: agency ratings (2000) paminėjimas agentūrų reitingai
(judgmental), public-firm (structural), private-firm (scoring), hazard (reduced-form), (Neteisk), viešojo įmonių (struktūrinė), privačių įmonių (balais), pavojaus (sumažinto formos), business reports (scoring), and consumer bureau for SME's (scoring). verslo ataskaitos balais) ir vartotojų biurų mažoms ir vidutinėms įmonėms (balais). Two further types Dar du tipai complement the other models: (i) exposure models, that predict loss severity should papildyti kitus modelius: (i) poveikio modelius, kad prognozuoti nuostolių sunkumą turėtų default occur (EAD and LGD), based mostly on collateral type, security, and industry; numatytasis atsirasti (EVD ir LGD), daugiausia grindžiama įkeitimo tipas, saugumo, bet ir pramonei;
Table 3. Company Size versus Data 3 lentelė. Įmonės dydis, palyginti su duomenų
Company Size Įmonės dydis
Ma Ma r R k K et p et p r R i aš c c es es
Jud Jud g g m m e e ntal ntal inpu inpu ts TS
En En vi vi ronment gos
Inp Inp u ir ts TS
Fi Internetas n n a ncial ncial sta STA t t ement ement s ai
Pa Pa y Y m m e e n n t t hist ist ory ORY
Princi Principus p p a l l asses asilai s ai m m e e nt NT
Very Large Labai didelis
Large Didelis
Middle Vidurinis
Small Mažas
Very Small Labai mažas

Page 7 Puslapis 7 | and (ii) portfolio models, that recognise within-portfolio correlations and provide overall ir (ii) investicijų portfelio modeliai, kad pripažinti per portfelio koreliacijas ir teikti bendras worst-case loss scenarios at different confidence intervals. blogiausiu atveju nuostolių scenarijai įvairiuose pasikliautinųjų intervalų.
Business report scores are provided by the likes of Dun and Bradstreet and Experian to Verslo Pranešimas balai Dun ir Bradstreet ir Experian mėgsta predict bankruptcy, liquidation, or severe delinquency, based on liens, court actions, prognozuoti bankroto, likvidavimo ar sunkia uždelsimu, paremtą kreditorinio reikalavimo pirmumo teisėmis, teisminėmis priemonėmis, creditor petitions, company age and size, and trade creditors' data. kreditorius peticijos, bendrovė amžius ir dydis, ir profesinių kreditorių duomenys. Bank data can also be Banko duomenys taip pat gali būti incorporated, but access may be limited to banks only. įtraukta, tačiau galimybė gali būti apribota tik bankams.
Once Kartą again, vėl, a rather gana imperfect netobulas representation of the relationship between atstovavimo santykiams tarp the various model types and data sources įvairių modelių tipai ir duomenų šaltiniai is provided in Table 4 . yra pateikti 4 lentelėje. Its primary Jos pagrindinis shortcoming is that it does not recognise trūkumas yra tai, kad ji nepripažįsta the inroads the lenders are making in InRoads skolintojai integrating model types. integruoti modelio tipus. In particular, Visų pirma, agency ratings and private-firm models agentūrų įvertinimą ir privačių įmonių modelius are increasingly making reference to vis labiau darant nuorodą į market prices, either for individual rinkos kainos, arba individualiai. companies or the entire market. bendrovės arba visa rinka.
4 4
5 5
Financial statement data Finansinės atskaitomybės duomenys
For relationship lending, experienced credit underwriters put heavy reliance upon Santykių su skolinimo, patyrę kredito draudikus vykdyti sunkioji pasikliaudama customers' financial statements (income statement, balance sheet, cash flow), in spite of klientų finansinė atskaitomybė pelno (nuostolių) ataskaita, balansas, pinigų srautai), nepaisant their faults. jų gedimai. Their reliability can be extremely suspect for SMEs, either because of poor Jų patikimumas gali būti labai įtariamasis MVĮ, arba dėl blogos attention to detail or the time taken to produce them, and there are costs associated with dėmesį į informacijos ar laikas, juos gaminti, yra išlaidos, susijusios su spreading them into a consistent format. paskleidžiant juos į nuosekliu standartu. For transactional lending, this information has Skolinimo sandorio, ši informacija turi largely been supplanted by credit bureau data, but lenders ignore it at their peril. didžia dalimi buvo išstumtos kredito biuro duomenimis, tačiau skolintojai jį ignoruoti savo pačių rizika. Good Geras quality statements kokybės ataskaitos
5 5 can provide a view of obligors' financial health that has a relatively gali suteikti skolingo asmens finansinės padėties vaizdą, kad turi palyginti low correlation with—and is more substantial (and longer-term) than—their payment Maža koreliacija ir yra didesnė (ir ilgalaikio) nei jų mokėjimas histories. istorijos. This becomes ever more relevant as the size of the firm increases. Tai tampa vis labiau kaip kontoros didėja dydžio.
Financial-ratio analysis has long been used for risk assessment of both debt and equity Finansinė santykio analizę buvo seniai naudojamas tiek skolos ir nuosavybės vertybinių popierių rizikos įvertinimo investments. investicijos. Comparison of defaulted versus non-defaulted firms was first attempted by Neįvykdytoms palyginti ne su neįvykdytais įsipareigojimais, įmonių palyginimas pirmą kartą buvo bandoma
Fitzpatrick (1932), but Altman's (1968) z-score model was the first to use predictive Fitzpatrick (1932), tačiau Altman (1968) z balas modelis buvo pirmasis naudoti nuspėjamasis statistics. statistika. Defaults in this domain are very rare though, and it is difficult for individual Numatytasis šioje srityje yra labai reti, nors ir sunku, individualus lenders to amass enough 'bads' to develop a decent model. skolintojai sukaupia pakankamai "blogybėmis" plėtoti padoraus modelį. This is complicated further Tai yra sudėtinga toliau where lenders lack proper financial-spreading capabilities, especially in retail and quasi- jei kreditoriai neturi tinkamų finansų plitimo galimybes, ypač mažmeninės prekybos ir kvazi- retail environments where it is difficult to cost justify. mažmeninės prekybos aplinkos, kur sunku, kainuos pateisinti. As a result, financial-ratio scoring Kaip rezultatas, finansų santykis balais remained in the realm of academia for over thirty years, but inroads are now being made. išliko daugiau nei trisdešimt metų iš akademinės sferos, bet InRoads yra dabar.
The two primary modelling approaches are: Du pagrindiniai modeliavimo metodai yra šie:
(i) probability of default (PD)— (I) įsipareigojimų neįvykdymo tikimybė (PD) - developed using financial statement and default data collected from many lenders; and sukurtas naudojant finansinę ataskaitą ir numatytuosius duomenis, surinktus iš įvairių skolintojų;
(ii) rating grade prediction (RGP)—developed to predict subjective grades provided (Ii) įvertinimas klasė prognozė (RGP) sukurta prognozuoti subjektyvias skalėms either by the rating agencies or lenders' own credit underwriters. arba reitingų agentūromis ar kreditorių nuosavų kredito draudimo bendrovės. The first commercially- Pirmas komerciškai used generic financial-ratio-scoring PD model was launched by Moody's in 2000, which naudojamas bendrinis finansų santykis rezultatyvus PD modelis buvo pradėtas 2000 m. Moody 's, kuri
4 4
According to Dwyer et al. Pagal Dwyer et al. (2004:15), RiskCalc v3.1 from Moody's KMV 'combines forward- (2004:15), RiskCalc v3.1 nuo Moody "KMV" sujungia ateitį looking market information that reflects the general credit cycle and the state of the firm's ieško rinkos informacija, kuri atspindi bendrą kredito ciklą ir įmonė būklę industry with firm-specific data about private companies'. pramonė įmonė konkrečių duomenų apie privačių įmonių. This is a more sophisticated Tai yra sudėtingesnės version than the financial-statement only mode referred to in Section 5. versija nei 5 skirsnyje nurodytos finansinės pareiškimas tik režimu.
5 5
Financial statements' quality is primarily a function of the resources devoted to creating Finansinių ataskaitų kokybė yra visų pirma skirtus finansinius išteklius, kurti funkcija them, and small businesses are more focussed on business than accounting. juos, ir mažoms įmonėms daugiau dėmesio skiriama verslui kaip apskaitos. In some Kai kuriose countries though, taxation or other authorities require regular financial statements, which šalys, nors, mokesčių ir kitos institucijos reikalauja reguliariai finansinę atskaitomybę, greatly aids credit risk assessment. labai AIDS kredito rizikos vertinimas.
Table 4. 4 lentelė.
Models versus data Modeliai ar duomenų
Model Type Modelis Tipas
Ju Ju dgmental dgmental in į p p u ir t t s ai
Finan Finan c c ia ia l l statemen statemen ts TS
T T r R a d d ed ED equ prekės, Kompiuteriu k i aš ty tu
Tr Tr ade ade d d de de bt BT
En En v prieš i aš r R o O n n m m e e n n t t in į p p u ir t t s ai
Pay Mokėti m m ent ENT history istorija
Agency rating Agentūra įvertinimas
Public-firm Viešosios firma
Private-firm Privatus firma
Hazard Pavojus
Credit bureau Kreditų biuras

Page 8 Puslapis 8 | was based upon its Credit Research Database compiled using contributions from many buvo pagrįstas kreditų tyrimų duomenų bazę, sudaromą naudojant įmokas iš daugelio lenders. skolintojai. Today, separate models are available for several geographical regions, but they Šiandien, atskiri modeliai keletą geografinių regionų, tačiau jie tend to be better suited for SMEs. linkę labiau tinka MVĮ.
6 6
In contrast, Fitch Ratings provides an RGP model, which was developed using the Priešingai, "Fitch Ratings" RGP modelį, kuris buvo sukurtas naudojant average rating grades provided by all three rating agencies, and is better suited for the vidutinis visų trijų reitingų agentūrų reitingų rangais ir geriau tinka wholesale market. didmeninės prekybos rinka. Individual lenders can also use this approach to model their internal Atskiri kreditoriai taip pat gali naudoti šį metodą modeliuoti savo vidaus ratings, using financial and other information. įvertinimą, naudojant finansinę ir kitą informaciją. Care must be taken though, as the Reikia pasirūpinti, nors, kaip
'garbage in/garbage out' maxim applies—the results can only ever be as good as the "Šiukšlių arba šiukšlių iš" maksima taikoma rezultatai gali kada nors būti tokia pat gera, kaip analysts' inputs, whether for the model development or its application. analitikų įėjimai, ar modelio kūrimo ar taikymo. Even so, Net jei taip, significant benefits accrue simply from the application of a standard model, even if only reikšmingų nauda atitenka tik nuo standartinio modelio taikymo, net jei tik provided as one input for into an otherwise judgmental decision. kaip vienos žaliavos į kitaip nuomonių sprendimų.
During 2005 Standard Bank developed an RGP model based solely on expert's blind Per 2005 Standard Bank sukūrė RGP modelį, grindžiamą vien dėl eksperto aklas ratings of 207 SME's financial statements. reitingai 207 MVĮ finansinei atskaitomybei. This was benchmarked against the one- and Tai buvo nustatomas pagal vieno- five- year financial-statement only PD predictions penkerių metų finansinė ataskaita tik PD prognozės, provided by the RiskCalc model for South Africa. Pietų Afrikos RiskCalc modelio.
The Spearman's rank-order correlations shown in Spearmano "rangas užsakymų koreliacijos parodyta
Table 5 are proof that such expert input can 5 lentelė yra įrodymas, kad toks ekspertas indėlis provide reasonable results. teikti pagrįstų rezultatus. While it cannot be Nors ji gali būti ne shown definitively, the numbers also seem to parodė galutinai, skaičiai taip pat atrodo, kad indicate that: (i) better results are achieved for rodo, kad: i) geresnius rezultatus pasiekė larger companies where financial statement data is didesnės įmonės, kuriose finansinės atskaitomybės duomenys yra richer; and (ii) the expert's opinions correspond turtingesnis, ir (ii) Eksperto nuomonė atitinka more closely to the longer term projections provided by RiskCalc. labiau ilgesnio laikotarpio prognozių, teikiamų RiskCalc.
6 6
Small-business data requirements Nedidelio verslo duomenų reikalavimai
As indicated in the preceding sections, the data required to assess credit risk varies with Kaip minėta ankstesniuose skyriuose, duomenys, reikalingi kredito rizikai įvertinti skiriasi the situation. situacija. For retail enterprise-lending, the data types can be split into six categories. Dėl mažmeninės prekybos įmonių skolinimas, duomenų tipai gali būti suskirstyti į šešias kategorijas.
The first three are those traditionally associated with credit scoring, including: (i) Pirmieji trys yra tradiciškai siejama su kredito vertinimo, įskaitant: (i) demographics and customer supplied; (i) internal data on current and past performance; demografija ir klientų tiekiamas i) vidaus duomenų apie dabartinę ir praeities veiklos rezultatų; and (iii) external data from the credit bureaux. ir (iii) išorinius duomenis iš kredito biurų. The other three are: (iv) financial Kitos trys: (iv) finansinių statement data, which can be summarised in its own score; (v) collateral, which pareiškimas duomenys, kurie gali būti apibendrinti savo score; (v) įkaitui, kuris influences both default probability and severity; and (vi) judgmental inputs, covering įtakoja tiek numatytąjį tikimybę ir sunkumą, ir vi) nuomonių įėjimai, apimantis aspects that cannot be adequately assessed through objective analysis. aspektai, kurie negali būti tinkamai įvertintas per objektyvia analize. These are hardly Tai vargu ar used for consumer credit, because the costs cannot be justified. vartojimo kreditui, nes išlaidos negali būti pateisinamas.
For SME-lending though, there are other issues at play, especially for larger loans Nors MVĮ skolinimas, šiame žaidime yra ir kitų klausimų, ypač didesnėmis paskolomis where the extra expense is warranted. kurioje papildomos išlaidos yra pagrįstas. Financial statements can provide a more Finansinės ataskaitos gali suteikti daugiau substantial view of the enterprise, much of which is not reflected in other data. esminis požiūris įmonės, kurios didžioji dalis neatsispindi kitais duomenimis. Collateral Įkaitas may be difficult to realise, but lenders often rely upon the entrepreneurs' personal gali būti sunku įgyvendinti, tačiau skolintojai dažnai remiasi verslininkų asmeninis guarantees that provide extra motivation to come right. garantijos, kurios suteikia papildomą motyvaciją atvyks tiesiai. And finally, there will always be Ir galiausiai, visada bus some point where lenders need to invest that little bit more, and recognise pieces of kai taškas, kur skolintojai reikia investuoti, kad šiek tiek daugiau, ir pripažinti vienetų information that cannot be captured by the system. informacija, kuri negali būti fiksuojamas sistemoje. In some instances this will be through Kai kuriais atvejais tai bus per structured questions asked as part of the credit evaluation, and in others through system struktūrizuotus klausimus paprašė kaip kredito vertinimo, ir kitais naudodamiesi sistemos overrides. peržiūrėjimas.
The most complicated aspect of this is integrating the details of both individual and Sudėtingiausia aspektas yra integruoti tiek asmens duomenis ir enterprise. įmonė. This paper is the first in the literature to present the framework shown in Šis dokumentas yra literatūroje pateikti sistemą, parodytą
Table 6 , which shows its simplest form. 6 lentelė, kuri rodo jos paprasčiausios formos. The lender can decide which data is required Skolintojas gali nuspręsti, kokie duomenys privalo based upon: (i) whether it is a new or existing customer; (ii) the size of the loan; and (iii) remiasi: (i), ar jis yra naujas ar esamas klientas, (ii) paskolos dydis ir (iii)
6 6
Gini coefficients for one-year predictions usually range between 45 and 55 per cent (cases Gini koeficientai vienerių metų prognozės paprastai svyruoja tarp 45 ir 55 proc. Proc. (Atvejai scrubbed due to data quality issues excluded), which is comparable to many application valyti dėl duomenų kokybės klausimais neįtrauktų), kuri yra panaši į daugelį taikymo scoring models in consumer credit. vartojimo kreditų taškų modelius. See Dwyer et al. Dwyer et al. (2004:26) for USA numbers. (2004:26) JAV skaičių.
Table 5. 5 lentelė.
Expert Model / Ekspertas Modelis /
RiskCalc correlations RiskCalc koreliacijos
Enterprise Įmonė
Size Dydis
Count Skaičiuoti
1- 1 - year metai
5- 5 - year metai
Small Mažas
1,242 72.8% 74.9% 1242 72,8% 74,9%
Middle Vidurinis
1,717 86.9% 87.9% 1717 86,9% 87,9%
Total Suma
2,959 76.3% 78.2% 2959 76,3% 78,2%

Page 9 Puslapis 9 | the size of the enterprise. Įmonės dydis.
7 7
The larger loan, the more expensive the assessment that can be Kuo didesnė paskola, tuo brangiau įvertinimas, kad gali būti justified. pateisinamas. Some of the items are wishful thinking (eg financial statements for Kai kurie elementai yra pageidautinas (pvz., finansinės atskaitomybė individuals), but are included here for completeness. asmenys), bet čia išsamumo.
Where there are more enterprises Jei yra daugiau įmonių though, the situation nors, situacija is yra more daugiau complicated. sudėtinga. Related legal entities are Susiję juridiniai asmenys usually groups as 'households', no paprastai grupių, kaip "namų ūkių, nėra matter whether these are individuals, juristics, or some combination of the two. nesvarbu, ar jie yra asmenys, juristics, arba kai iš dviejų derinys. The treatment is logical, especially given our cultural predisposition towards mutually- gydymas yra logiška, ypač atsižvelgiant į mūsų kultūrinį polinkį į abipusiai exclusive family units. išimtinės šeimos vienetai. Is this enough though? Ar tai pakankamai nors? Such relationships are often much more Tokie ryšiai dažnai yra daug daugiau complicated. sudėtinga. This applies especially to business lending, where obligors can have shared Tai ypač taikytina verslo skolinimo, kuriose pasidalino įsipareigojantieji interests in many enterprises. Daugelyje įmonių interesus. In such instances, the treatment should then shift from Tokiais atvejais gydymas turėtų pereiti nuo households to networks. namų ūkiai tinklams. Rather than just assigning some group number, lenders can Užuot tiesiog priskirti kai kurių grupės numeris, skolintojai gali instead create linking tables to specify the relationships between the entities, and allow vietoj sukurti susiejant lenteles, kokius santykius tarp subjektų, ir leisti the simultaneous assessment of risk across multiple entities. vienu metu keliose subjektų rizikos vertinimas.
8 8
7 7
Summary Santrauka
Credit scoring is usually associated with consumer credit, but was quickly adopted for Kredito vertinimo paprastai siejamas su vartojimo kredito, tačiau greitai buvo priimtas small business credit where the fortunes of entrepreneur and enterprise are smulkaus verslo kredito, kur verslininko ir įmonės sėkmė indistinguishable. neatskiriami. In recent years, it has been used for the assessment of larger Pastaraisiais metais jis buvo naudojamas didesnių vertinimo enterprises, but there are limits. įmonių, tačiau yra ribos. This paper discussed several frameworks that can be Šiame dokumente aptarti keletą sistemų, kurios gali būti used to determine which data sources and assessment techniques are appropriate. naudojamas nustatyti, duomenų šaltiniai ir vertinimo metodai yra tinkami. The starting point was two general frameworks: (i) risk measurability—as a function of the atspirties taškas buvo dvi bendras sistemas: (i) rizika išmatuojamumas kaip funkcija certainties of both outcomes and their probabilities, where credit risk falls towards the neabejojo, tiek rezultatų ir jų tikimybės, kai kredito rizika patenka į higher end of both; (ii) data types—source, frame, judgment, indicators, and view; and didesnis pabaiga ir (ii) duomenų tipai kodo rėmas, sprendimas, rodikliai, ir peržiūrėti, ir
(iii) the traditional 5 Cs framework—capacity, capital, conditions, character, and (Iii) 5 tradicinis Cs pagrindų talpa, kapitalą, sąlygas, pobūdis ir collateral. įkaitas.
In today's environment, the 5 Cs are assessed using transaction histories, financial Šiandienos aplinkoje, 5 CS yra įvertinami naudojant operacijų istoriją, finansinius statements, environmental inputs, market prices, human input, and personal pareiškimai, aplinkosaugos įėjimai, rinkos kainos, žmogaus įvesties, ir asmeniniai assessments. vertinimai. Which is available or appropriate will vary though, especially by firm size. , Kuri yra prieinama arba reikia nors skirtis, ypač pagal įmonės dydį.
Transaction histories and personal assessments dominate for smaller enterprises, while Operacijų istorijos ir asmeniniais vertinimais dominuoti mažesnėms įmonėms, o analysis of market prices and judgmental review dominate at the upper end. rinkos kainomis analizė ir nuomonių peržiūra dominuoti viršutiniame gale. Firm size Firma dydis also influences the types of models that are applied, such as judgmental (rating grades), taip pat turi įtakos modelių, kurie yra taikomi, pavyzdžiui, neteisk (reitingas klasės) rūšis, structural (public-firm), reduced-form (hazard), and scoring (private-firm, business struktūrinis (valstybės įmonė), sumažinta forma (pavojus) ir balais (privati įmonė, verslas report, consumer bureau). ataskaita, vartotojų biuras). These are complemented by exposure and portfolio models. Juos papildo poveikio ir portfelio modeliai.
Credit has also undergone its own revolutions: (i) an industrial revolution, which Kreditas taip pat atlikta savo revoliucijas: (i) pramonės revoliucija, kurios resulted from the imposition of structure, that is increased through policy but decreased atsirado įvedus struktūros, didinamas politikos, tačiau sumažėjo through overrides; and (ii) a technological revolution that both created and was caused per svarbesnė; ir (ii) technologijų revoliucija, kad tiek sukurta ir buvo padaryta by increased data volumes, that have allowed lenders to shift from use of pure judgment padidėjo duomenų apimtis, skolintojai, kurios leido pereiti nuo gryno sprendimo naudojimo and policy, to statistical, expert, and hybrid models. ir politikos, statistikos, ekspertu, ir hibridinių automobilių modelių. At the same time, the Tuo pačiu metu, judgmental/statistical trade-off can be shown as a function of both data volumes and the neteisk / statistinis kompromisą gali būti rodomas kaip abiejų duomenų kiekį, funkcijos ir expected profit per deal—as the latter increases the more likely that judgment will still tikimasi pelno už sandorį-kaip ji padidėja labiau tikėtina, kad sprendimas vis dar play a role. vaidinti svarbų vaidmenį. Statistical models dominate in high-volume low-value environments, but Statistiniai modeliai dominuoja didelės apimties mažos vertės aplinkoje, bet
7 7
Related to enterprise size is the number of principals. Susijusios įmonės dydį vadovų skaičius. Beyond a certain point, the enterprise Be tam tikro taško, įmonės and individual become distinct. ir individualus išryškėja. According to Nigel Rusby of Experian UK, no more than Pagal Nigel Rusby iš Experian Jungtinėje Karalystėje, ne daugiau kaip three principals should be assessed. trys direktoriai turėtų būti įvertintas. Similar rules could also be applied to annual turnover, Panašios taisyklės taip pat galėtų būti taikomos metinės apyvartos, number of employees (if available), or some other measure. darbuotojų skaičius (jei yra), arba kai kita priemonė.
8 8
If all were done at the same time, this would cause a circular reference. Jei viskas buvo atliekama tuo pačiu metu, tai sukelia ciklinę nuorodą. This does not pose Tai nekelia a problem for application scoring, which is event triggered. paraiškos taškų, kuris įvykis sukėlė problema. For behavioural scoring Dėl elgesio taškų though, any assessment would have to use data from the last run. nors, bet koks vertinimas būtų naudoti duomenis nuo paskutinio paleisti.
Table 6: Data-requirements matrix 6 lentelė: Duomenų reikalavimai matrica
Dem Dem
Int Ext Fin Žiniasklaida tel fin
Col Kol
Jud Jud
Business Verslas
Principal Pagrindinis

Page 10 Puslapis 10 | require highly-structured and stable data, and sufficient profit-potential to justify the reikalauja, kad labai struktūrizuoti ir stabilus duomenis, ir pakankamas pelnas gali pateisinti investment. investicija.
Historically, financial statement data played a significant role in the assessment of Istoriškai, finansinės atskaitomybės duomenys suvaidino svarbų vaidmenį vertinant both equity and debt investments. tiek akcijų ir skolos investicijos. In retail credit, it has largely been supplanted by Mažmeninės prekybos kreditą, iš esmės buvo supplanted transactional data. sudaryti sandorį duomenys. Even so, where financial-statement data is good, it can provide a Net jei taip, kur finansų ataskaita duomenys, yra gera, jis gali pateikti longer-term and more-substantial view of the borrower that cannot be captured by the ilgesnės trukmės ir daugiau didelė vaizdas paskolos gavėjui, kad negali būti fiksuojamas transactional data of either the business or its principals. sandorį arba verslo ar jo principas duomenys. Statistical models' targets can Statistinius modelius tikslai gali take the traditional good/bad form, but bads are even rarer than in the consumer market. tradicinį gerai / blogai formą, bet blogybėmis yra net rečiau kaip vartotojų rinkoje.
As a result, rating grades (internal or agency) are usually targeted instead. Dėl to reitingų lygius (vidaus arba agentūra) paprastai yra nukreiptas.
Lenders' challenge is to integrate this information to provide a single assessment. Skolintojams uždavinys yra integruoti šią informaciją pateikti vieną įvertinimą. A data requirements matrix for SMEs was presented, which classified the required data as: buvo pateikta duomenų reikalavimai matrica MVĮ, kurios klasifikuojamos reikiamus duomenis kaip:
(i) business and personal; and (ii) customer-demographics, internal systems, external (I) verslas ir asmeninis, ir (ii) klientų demografija, vidaus sistemos, išorės agencies, financial statements, collateral, and judgment. agentūros, finansinė atskaitomybė, įkaitai, ir teismo sprendimas. The firm can be treated as an Įmonė gali būti traktuojamas kaip extension of the individual at the lower end, and as a stand-alone entity at the upper end. individo pratęsimas pigesnių, ir kaip savarankiškas subjektas, viršutiniame gale.
The problem is the middle ground, especially where several entrepreneurs are involved Problema yra aukso vidurį, ypač tais atvejais, kai keli verslininkai with interests in different concerns. su interesų įvairių rūpesčių. In such cases, traditional householding approaches Tokiais atvejais tradiciniai apyvoka metodai are insufficient, and lenders may have to instead consider network modelling. yra nepakankamas, ir skolintojai gali vietoj apsvarstyti tinklo modeliavimą. This adds Tai prideda an extra level of complexity though, which may not be warranted. papildomai sudėtingumo lygis, nors, kuris negali būti pateisinamas.
8 8
Bibliography Bibliografija
Allen L., DeLong G., and Saunders A. (2003). 'Issues in the Credit Risk Modeling of Allen L., Delong G., Saunders A. (2003). Kredito rizikos modeliavimo klausimai
Retail Markets ' . Mažmeninės rinkos ". Working Paper No. FIN-03-007. Darbo dokumentas Nr FIN-03-007. NYU Stern School of Business: New NYU Stern School of Business: Naujas
York. Niujorkas. < http://ssrn.com/abstract=412520 >. <Http://ssrn.com/abstract=412520>.
Altman EI (1968). 'Financial Ratios, Discriminant Analysis, and the Prediction of Altman E. (1968). "Finansiniai rodikliai, Diskriminantinis analizė ir prognozavimas
Corporate Bankruptcy'. Journal of Finance 22, September, 589–610. Įmonių bankrotas. "Finansų leidinys 22, Rugsėjis, 589-610.
Anderson RA (2007). The Credit Scoring Toolkit: Theory and Practice for Retail Credit Risk Andersonas rojaus (2007) kredito vertinimo Toolkit ": mažmeninės kredito rizikos teorija ir praktika
Management . Valdymas. Oxford University Press: UK. Oxford University Press: Jungtinė Karalystė.
Asch L. (2000). 'Credit Scoring: A Tool for More Efficient SME Lending'. SME Issues 1(2), Asch L. (2000) "kredito vertinimo veiksmingiau MVĮ skolinimosi įrankis" MVĮ klausimus 1 (2).
November. Lapkričio mėn.
Dwyer DW, Kocagil AE, and Stein RM (2004). 'The Moody's KMV EDF RiskCalc v3.1 Dwyer DW, Kocagil AE ir Stein RM (2004). "Moody" KMV. EPF RiskCalc v3.1
Model: Next Generation Technology for Predicting Private Firm Risk'. Modelis: Kitas kartos technologija būdų privati įmonė rizika ". Moody's KMV "Moody" KMV
Company: USA. Kompanija: JAV.
Chorafas DN (1990). Risk Management in Financial Institutions . Chorafas DN (1990). Rizikos valdymas finansinėse institucijose. Butterworth & Co.: Butterworth & Co:
London. Londone.
Falkenstein E., Boral A., and Carty V. (2000). RiskCalc "Falkenstein E., Boral A. ir Carty V. (2000). RiskCalc,
TM TM for Private Companies: Moody's privačioms bendrovėms: "Moody
Default Model Rating Methodology . Numatytasis Modelis Reitingas metodika. Moody's Investors Service, Global Credit Research. Moody Investors Service "Bendras įsipareigojimas suteikti kreditą tyrimai.
Fernandes JE (2005). 'Corporate Credit Risk Modelling: Quantitative Rating System Fernandes JE (2005) "Bendra kredito rizikos modeliavimas. Kiekybinis įvertinimas sistema and Probability of Default Estimation'. Tikimybė Default įvertinimas ". Banco BPI: Lisbon. Banco BPI: Lisabonos.
Fitzpatrick PJ (1932). 'A Comparison of Ratios of Successful Industrial Enterprises with . Fitzpatrick PJ (1932). "Sėkmingos pramonės įmonių rodikliai palyginimas su those of Failed Firms'. Certified Public Accountant 12, 598–605, 656–662, 727–731. Žlungančių firmų sertifikuotas buhalteris 12, 598-605, 656-662, 727-731.
Jarrow RA and Turnbull S. (1995). 'Pricing Derivatives on Financial Securities Subject Jarrow RA ir Turnbull S. (1995). "Kainos dėl Finansinio Vertybinių popierių Tema dariniai to Credit Risk'. Journal of Finance 50(1), 53–86. kredito rizika ". leidinys Finansų 50 (1), 53-86.
Makuch WM (2001). 'Scoring Applications'. Makuch WM (2001). "Balų Programos". In: Mays E. (ed.) Handbook of Credit Scoring , Iš: mays E. (red.) vadovo kredito vertinimo,
3–21. 3-21. Glenlake Publishing: Chicago. Glenlake Publishing: Chicago.
Merton RC (1973). 'Theory of Rational Option Pricing'. Bell Journal of Economic and Mertonas RC (1973). "Racionalaus pasirinkimo sandorio įkainojimo teorija". Bellas leidinys Ekonomikos ir
Management Science 4(1), 141–83. Vadybos mokslo 4 (1), 141-83.
Olsson C. (2002). Risk Management in Emerging Markets . Olsson C. (2002). Rizikos valdymo besivystančiose rinkose. Pearson Education: London. Pearson Education: Londonas.
Ong MK (2002) ed . Credit Ratings: Methodologies, Rationale, and Default Risk . Ong MK (2002) Ed kredito reitingai: Metodika, priežastis ir įsipareigojimų nevykdymo rizika. Risk Books: Rizikos Knygos:
London. Londone.
Thomas LC (2000). 'A Survey of Credit and Behavioural Scoring: Forecasting Financial Tomas LC (2000) "kredito ir elgsenos taškų Apklausa: prognozavimas Finansinė
Risk of Lending to Consumers'. International Journal of Forecasting 16, 149–172. Rizikos paskolų vartotojus "International Journal of prognozavimo 16, 149-172.