48796

Оценка долгосрочного кредитного рейтинга S and P для компаний на основе финансовых коэффициентов

Курсовая

Финансы и кредитные отношения

Кредитный рейтинг выражает мнение Stndrd Poors относительно способности и готовности эмитента своевременно и в полном объеме выполнять свои финансовые обязательства. Кредитные рейтинги могут присваиваться эмитенту суверенному правительству региональным и местным органам власти корпорациям финансовым институтам объектам инфраструктуры страховым компаниям управляемым фондам или отдельному долговому обязательству...

Русский

2014-09-23

167 KB

2 чел.

Министерство образования Российской Федерации

Г О С У Д А Р С Т В Е Н Н Ы Й  У Н И В Е Р С И Т Е Т

ВЫСШАЯ ШКОЛА ЭКОНОМИКИ

ПЕРМСКИЙ ФИЛИАЛ

Факультет экономики

Кафедра финансового менеджмента

КУРСОВАЯ РАБОТА

на тему Оценка долгосрочного кредитного рейтинга S&P для компаний на основе финансовых коэффициентов

Студента группы Э-03-1

Анисимов А.В.

Преподаватель:

Ясницкий Л.Н.

Пермь 2007

  1.  
    Кредитный рейтинг
    S&P

Кредитный рейтинг выражает мнение Standard & Poor's относительно способности и готовности эмитента своевременно и в полном объеме выполнять свои финансовые обязательства. Кредитные рейтинги могут присваиваться эмитенту (суверенному правительству, региональным и местным органам власти, корпорациям, финансовым институтам, объектам инфраструктуры, страховым компаниям, управляемым фондам) или отдельному долговому обязательству.

В России Standard & Poor's присваивает рейтинги по международной шкале (по обязательствам в национальной и иностранной валюте) в таблице №1:

Rating is

Spread is

D

20.00%

C

12.00%

CC

10.00%

CCC

8.00%

B-

6.00%

B

4.00%

B+

3.25%

BB

2.50%

BB+

2.00%

BBB

1.50%

A-

1.00%

A

0.85%

A+

0.70%

AA

0.50%

AAA

0.35%


Важно подчеркнуть, что кредитный рейтинг, по какой бы шкале он ни присваивался, не является:

  •  рекомендацией относительно того, покупать, продавать или держать те или иные ценные бумаги,
  •  мнением о рыночной цене долговых обязательств и об инвестиционной привлекательности эмитента для конкретного инвестора.

  1.  Зачем нужен кредитный рейтинг.

Кредитный рейтинг Standard & Poor’s имеет целый ряд преимуществ для эмитентов, инвесторов, кредиторов и финансовых посредников. Предоставляя независимое, обоснованное и компетентное мнение, кредитный рейтинг помогает эмитенту расширить доступ к заемным средствам и другим источникам капитала, тем самым, повышая финансовую гибкость эмитента.

Кредитный рейтинг представляет собой независимую и надежную оценку кредитоспособности эмитента, на основе которой участники рынка могут принимать обоснованные финансовые решения. Это может повлечь за собой снижение издержек эмитента по привлечению заемных средств. Для тех эмитентов, которые привлекают средства под гарантии третьих лиц, кредитный рейтинг может снизить стоимость такой гарантии или с большей эффективностью привлечь средства без приобретения гарантии. Тем более, кредитный рейтинг позволяет оценивать издержки на заёмный капитал фирм.

Кредитный рейтинг часто используется банками и другими финансовыми посредниками для принятия решений по кредитованию, сделкам на денежном рынке, страхованию, лизингу и в любых других ситуациях, где требуется оценка кредитоспособности делового партнера. Многие компании предпочитают не раскрывать свою финансовую информацию в процессе деловых переговоров. В этом случае кредитный рейтинг эмитента служит надежным ориентиром кредитоспособности. Кредитный рейтинг помогает менеджменту компании определить стоимость заимствований в будущем.

Кредитный рейтинг, будучи независимым мнением, может защитить компанию и ее ценные бумаги от неадекватных подозрений в неплатежеспособности, вызванных дефолтом других компаний на рынке.

Кредитные рейтинги могут использоваться инвестором в качестве простого удобного инструмента определения кредитного риска и премии за риск. Возможность определения с помощью кредитного рейтинга премию за риск продемонстрирована в таблице №1, где определённому уровню рейтинга соответствует свой спред компании.

Оценка кредитного рейтинга.

Кредитный рейтинг компаний-заемщиков складывается из двух основных компонентов: анализ бизнеса и анализ финансового профиля. Рейтинг компании не сводится к простому расчету финансовых показателей. Это еще и результат тщательного исследования фундаментальных характеристик бизнеса, таких как страновые риски, структура отрасли и перспективы ее роста, конкурентные преимущества компании, система регулирования, менеджмент, стратегия. В данной работе при оценке кредитного риска мы решили абстрагироваться от большинства характеристик бизнеса и сконцентрировали внимание только на финансовых коэффициентах компании, которые в некоторой степени отражают финансово-хозяйственную деятельность компании и могут влиять на присвоенный кредитный рейтинг.

Мы взяли бухгалтерские формы №1 и №2 и рассчитали по ним девять показателей: ROA, ROI, ROE, PM, Кавт, Выручка/Активы, LR долг/E, LR долг/Активы и величину финансового рычага D/E. Попробуем с помощью персептрона найти взаимосвязь между этими коэффициентами и кредитным рейтингом компании.

Исходные данные:

Рассчитаны коэффициенты 39 российских компаний из различных отраслей, которые с 2000 по 2007 гг. получили кредитный рейтинг S&P. 35 из них будут участвовать в обучении персептрона, а 4 компании будут представлять собой тестирующую выборку.

Зададим параметры персептрона:

Nx

9

Ny

1

Q

35

 

 

 

5.7

<Nw<

54.8

1

<N<

5

Как уже было сказано, у нас представлено 9 входных параметров и один выходной – это спред, который по таблице №1 однозначно определяет тип кредитного риска.

Ход расчётов:

Для начала мы проверили чувствительность персептрона к входным параметрам и выяснилось, что при отсутствии во входных параметрах коэффициента «Выручка/Активы» обучающая ошибка персептрона снижается, поэтому параметры персептрона были изменены следующим образом:

Nx

8

Ny

1

Q

35

 

 

 

5.7

<Nw<

54.8

1

<N<

6

Далее, решалась задача нахождения минимальных обучающих и тестируемых ошибок в рамках предложенного интервала количества нейронов скрытого слоя. В соответствии с теоремой Колмогорова-Арнольда-Хехт-Нельсона, был определён искомый интервал от 1 до 6 нейронов. Далее, мы определили обучающую и тестирующую ошибку по всем шести вариантам. Результаты этого этапа работы занесены в таблицу и отражены на графике:

Нейроны

Ошибка обучения

Ошибка тестирования

1

0.39

0.00011

2

0.342

0.000214

3

0.116

0.006824

4

0.1556

0.007811

5

0.0633

0.00901

6

0.63389

0.000808

Следовательно, на внутреннем слое у персептрона будет пять нейронов.

Выводы:

Таким образом, мы пришли к тому, что закономерность между финансовыми коэффициентами и кредитными рейтингами, присваиваемые организацией Standard and Poors имеется. Это подтверждает тот факт, что ошибка обучения очень низкая при пяти нейронах во внутреннем слое. С другой стороны, тестируемая ошибка в данном случае достаточно высока, что затрудняет возможный прогноз. Естественно, необходимо увеличить объём выборки хотя бы до 100 компаний. Но единственным ограничением является тот факт, что не у многих российских компаний есть кредитный рейтинг и, поэтому набрать необходимую по объёму статистику очень сложно.



Название

ROA

ROI

ROE

PM

Кавт

Выручка/А

LR долг/ E

LR долг/ А

D/E

Спред дефлота

1

Brand Development Inc. (Санвэй-Груп)

5.41%

1.11%

4.27%

4.56%

26.11%

118.53%

170.72%

44.57%

283.06%

6.00%

2

Копейка

8.14%

2.85%

6.50%

4.64%

43.82%

175.32%

3.66%

1.60%

128.21%

10.00%

3

ОАО "Казаньоргсинтез"

13.84%

9.94%

20.71%

22.74%

47.97%

60.87%

75.11%

36.03%

108.47%

6.00%

4

ОАО "АК "Транснефтепродукт"  

20.90%

14.24%

23.24%

41.94%

61.29%

49.82%

45.05%

27.61%

63.17%

3.25%

5

ОАО "АК Транснефть"

16.50%

11.04%

15.31%

40.52%

72.11%

40.73%

17.10%

12.33%

38.68%

1.25%

6

ОАО "Вимм-Билль-Данн Продукты Питания"

3.89%

3.51%

9.84%

4.49%

35.67%

86.70%

58.14%

20.74%

212.00%

3.00%

7

АО ЭиЭ "Иркутскэнерго"

5.15%

2.61%

2.87%

12.18%

90.94%

42.30%

0.85%

0.77%

9.96%

3.25%

8

ОАО "Мосэнерго"

20.42%

13.47%

24.52%

19.39%

54.91%

105.33%

43.82%

24.06%

82.12%

2.50%

9

ОАО РАО "ЕЭС"

11.79%

8.91%

9.24%

77.27%

96.48%

15.26%

0.78%

0.76%

3.65%

2.50%

10

ОАО "ФСК ЕЭС"

4.42%

0.97%

1.32%

15.59%

73.73%

28.37%

17.59%

12.97%

35.62%

2.00%

11

ОАО "Вымпел-Коммуникации"

18.95%

11.01%

19.81%

28.69%

55.56%

66.06%

42.98%

23.88%

79.99%

2.00%

12

ОАО "Мегафон"

28.26%

19.59%

46.24%

31.41%

42.37%

89.98%

87.19%

36.94%

136.00%

2.50%

13

ОАО "МТС"

26.47%

13.35%

30.21%

33.42%

44.18%

79.21%

75.20%

33.22%

126.36%

3.00%

14

Евраз

30.09%

19.10%

40.75%

28.14%

46.87%

106.91%

60.87%

28.53%

113.35%

3.00%

15

ОАО "ММК"

41.48%

30.72%

40.75%

31.04%

75.40%

133.64%

21.63%

16.31%

32.63%

2.50%

16

ОАО "НЛМК"

30.06%

27.68%

34.01%

37.11%

81.39%

81.00%

9.65%

7.85%

22.86%

2.00%

17

Северсталь

7.71%

5.40%

8.63%

19.24%

62.55%

40.06%

33.90%

21.20%

59.87%

2.50%

18

ОАО "ТМК"

23.04%

15.35%

30.47%

20.42%

50.38%

112.80%

45.80%

23.08%

98.49%

3.00%

19

ОАО "ОМЗ"

6.84%

3.28%

14.58%

8.94%

22.50%

76.46%

61.72%

13.89%

344.51%

7.00%

20

ОАО "ВолгаТелеком"

13.94%

7.22%

14.26%

21.86%

50.61%

63.79%

59.17%

29.95%

97.59%

3.00%

21

ОАО "МГТС"

14.20%

14.93%

18.41%

27.96%

81.09%

50.77%

11.31%

9.17%

23.32%

3.00%

22

ОАО "РБК Информационное системы"

34.76%

17.14%

30.88%

37.54%

55.51%

92.58%

46.95%

26.07%

80.13%

3.25%

23

Ростелеком

24.53%

18.52%

25.39%

29.69%

72.91%

82.65%

14.55%

10.61%

37.15%

3.00%

24

Северо-Западный Телеком

16.17%

7.88%

14.17%

24.30%

55.64%

66.53%

52.43%

29.17%

79.72%

3.00%

25

ОАО "Уралсвязьинформ"

15.71%

4.29%

11.67%

22.55%

36.76%

69.67%

106.45%

39.13%

172.01%

3.00%

26

ОАО "ЮТК"

11.28%

2.79%

9.05%

27.23%

30.86%

41.44%

101.87%

31.44%

224.00%

6.00%

27

ОАО "Газпром"

11.77%

7.81%

9.82%

31.72%

79.56%

37.10%

19.06%

15.16%

25.69%

1.25%

28

ТНК-BP International Ltd.

28.74%

29.38%

66.15%

18.26%

44.41%

157.39%

57.28%

25.44%

125.16%

2.00%

29

ТНК-BP Holding

28.47%

29.52%

53.00%

27.88%

55.70%

102.10%

11.30%

6.29%

79.54%

2.00%

30

ОАО "Газпром-нефть"

39.70%

29.86%

91.95%

22.30%

32.48%

178.02%

82.83%

26.90%

207.90%

2.00%

31

ОАО "Лукойл"

23.65%

16.90%

25.07%

15.48%

67.40%

152.82%

26.98%

18.19%

48.37%

1.75%

32

ОАО "Роснефть"

14.59%

9.20%

22.51%

23.85%

40.87%

61.19%

83.57%

34.16%

144.66%

2.00%

33

ОАО "РЖД"

12.68%

9.18%

11.98%

28.66%

76.64%

44.26%

13.66%

10.47%

30.48%

1.25%

34

ОАО "Норильский никель"

45.30%

36.73%

46.43%

60.81%

79.12%

74.49%

14.80%

11.71%

26.40%

1.75%

35

Новатэк

23.49%

17.18%

22.19%

39.24%

77.40%

59.86%

16.90%

13.08%

29.20%

3.00%

36

ОАО "Алроса"

14.33%

10.76%

17.88%

27.32%

60.18%

52.46%

45.50%

27.38%

66.18%

3.00%

37

ОАО "НМТП"

12.53%

6.86%

10.13%

43.19%

67.70%

29.01%

46.24%

31.30%

47.71%

2.00%

38

Golden Telekom

12.79%

8.60%

8.68%

14.88%

99.04%

85.92%

0.48%

0.48%

0.97%

2.50%


 

А также другие работы, которые могут Вас заинтересовать

6172. Автосервис и фирменное обслуживание 8.35 MB
  Приведены материалы, необходимые при выполнении дипломных проектов по кафедре технологии обслуживания транспортных средств. Тематическая направленность проектов соответствует профессиональной деятельности выпускников на предприятиях автосервиса и фи...
6173. Создание, изменение и удаление таблиц в SQL Oracle 208 KB
  Создание, изменение и удаление таблиц в SQL Oracle Цели лабораторной работы Изучить возможности SQL Oracle по созданию, изменению и удалению таблиц. Приобрести практический опыт по созданию, изменению и удалению таблиц в SQL*Plus. ...
6174. Creation altering and deletion a table in SQL Oracle 206.5 KB
  Creation altering and deletion a table in SQL Oracle Purpose of the lab To study SQL Oracle possibilities in table creation, altering and deletion. To acquire practical skills in table creation, altering and deletion by using SQL*P...
6175. Integrity constraints in SQL Oracle 182 KB
  Integrity constraints in SQL Oracle Purpose of the lab To study SQL Oracle integrity constraints possibilities. To acquire practical skills in describing integrity constraints. Theoretical backgrounds You can define integrity...
6176. Системи захисту програмного забезпечення 72.5 KB
  Системи захисту програмного забезпечення 1. Класифікація систем захисту програмного забезпечення Системи захисту програмного забезпечення (СЗПЗ) широко поширені і знаходяться в постійному розвитку, завдяки розширенню ринку програмного забезпечення і...
6177. Понятие экономических информационных систем, принципы их построения и функционирования 71.05 KB
  Понятие экономических информационных систем, принципы их построения и функционирования. Критерии оценки ЭИС. Классификация ЭИС. Изучение ЭИС можно декомпозировать следующим образом: компоненты ЭИС, как работают ЭИС, динамика развития ЭИС, как управл...
6178. Закупівельна логістика 108 KB
  Закупівельна логістика. Сутність закупівельної логістики. Задачі закупівельної логістики. Служба закупівель на підприємстві. Задача зробити чи купити у закупівельній логістиці. Задача вибору постачаль...
6179. Модели данных: нормализация отношений 80.5 KB
  Модели данных: нормализация отношений. 1НФ. Нормализация отношений Центральная задача проектирования базы данных ЭИС - определение количества отношений и их атрибутного состава. Задача группировки атрибутов в отношения допускает множеств...
6180. Виробнича логістика 76.5 KB
  Виробнича логістика План Поняття виробничої логістики. Традиційна і логістична концепції організації виробництва. Якісна і кількісна гнучкість виробничих систем. Системи управління матеріальними потоками у виробничій логістиці, т...