49668

Построение модели оценки кредитоспособности заемщика

Практическая работа

Банковское дело и рынок ценных бумаг

Зачастую коммерческие банки сталкиваются с проблемами неплатежей по кредиту изза того что еще на начальной стадии принятия решений о выдаче или невыдаче кредита неправильно оценили потенциальные риски что и привело к негативным результатам. На основе имеющихся данных о финансовых показателях компаний и наличия отсутствия последующих проблем с выплатой кредита мы обучим компьютерную программу только на основе данных о финансовых характеристиках компании выдавать прогноз о том сможет ли компания погасить кредит без проблем или это будет...

Русский

2014-01-05

161.5 KB

2 чел.

PAGE  4

Государственный университет

Высшая школа экономики

Пермский филиал

Факультет Экономики

Кафедра финансового менеджмента

практическая работа

на тему построение модели оценки кредитоспособности заемщика

Студента группы Э-06-2

Деменева К.С.

Преподаватель:

Ясницкий Л.Н.

Пермь 2007


СОДЕРЖАНИЕ

  1.  Описание  3
  2.  Начальные данные 3
  3.  Модель нейросимулятора 4
  4.  Определение количества нейронов скрытого слоя 4
  5.  Обучение нейросимулятора  5
  6.  Проверка вычислений 5
  7.  Приложения 7


1. Описание

Наша работа посвящена определению кредитоспособности и платежеспособности потенциального заемщика – юридического лица. Зачастую коммерческие банки сталкиваются с проблемами неплатежей по кредиту из-за того, что еще на начальной стадии принятия решений о выдаче или невыдаче кредита неправильно оценили потенциальные риски, что и привело к негативным результатам.

На основе имеющихся данных о финансовых показателях компаний и наличия (отсутствия) последующих проблем с выплатой кредита, мы обучим компьютерную программу только на основе данных о финансовых характеристиках компании выдавать прогноз о том, сможет ли компания погасить кредит без проблем, или это будет сопряжено со значительными трудностями.

2. Начальные данные

Анализ будет основываться на пяти показателях:

А) Коэффициент абсолютной ликвидности. Показатель демонстрирует способность погашать краткосрочную задолженность за счет самых ликвидных активов.

Б) Коэффициент промежуточного покрытия – показывает способность погашать задолженность за счет ликвидных активов.

В) Коэффициент текущей ликвидности – показывает способность погашать задолженность за счет ликвидных и медленнореализуемых активов.

Г) Коэффициент финансовой устойчивости – показывает степень зависимости компании от кредиторов при формировании активов.

Д) Наличие у компании в прошлом проблем с погашениями кредитов

Имеется база данных (см. приложение 1) о 25 компаниях-заемщиках, значениях указанных коэффициентов для данных компаний и наличия проблем у них с погашением кредита.

3. Модель нейросимулятора

Наша модель будет иметь 4 входа (значения вышеуказанных показателей) и один выход – наличие или отсутствие проблем с кредитом (1 –проблемы, 0 – нет проблем).

4. Определение количества нейронов скрытого слоя.

нейроны скрытого слоя

0

2

3

4

5

6

7

10

12

15

Число эпох

10024

10024

10024

10024

10024

10024

10024

10024

10024

10024

Максимальная ошибка

0,103

0,015

0,0136

0,0157

0,0234

0,0242

0,0153

0,0168

0,0182

0,02

Средняя ошибка

0,000911

0,000019

0,000023

0,000026

0,000031

0,000038

0,000035

0,000026

0,000031

0,000035

 

 

ранг 1

11

2

1

4

9

10

3

5

7

8

ранг 2

11

1

2

3

5

10

8

3

5

8

сумма

22

3

3

7

14

20

11

8

12

16

предпочтения

11

1

1

3

8

10

5

4

6

9

Мы выбираем два нейрона в скрытом слое, т.к. при тестировании данный вариант дал наименьшее значение средней ошибки и второе наименьшее значение максимальной ошибки.

5. Обучение нейросимулятора.

6. Проверка вычислений

Вычисления и интерпретация:

номер примера

х1

х2

х3

х4

х5

Y

1

0,8

1,2

2,1

0,75

0

0,9979

2

0,2

0,7

2,6

0,6

1

0,9979

3

0,6

1

2

0,7

0

0,9971

4

0,4

0,9

2,1

0,6

1

0,9954

5

0,7

1,4

1,6

0,8

0

0,9698

6

0,5

0,8

1,6

0,8

0

0,6867

7

0,3

0,7

1,4

0,9

1

0,0107

8

0,2

0,6

1,5

0,4

0

0,0028

Для начала необходимо отметить, что в практике финансово-экономического анализа приняты следующие нормативные значения для данных показателей:

Х1:  >0.5-0.6;

Х2:  >=1;

Х3:  >= 2;

Х4:  >=0.6-0.7

Пример № 1 демонстрирует ситуацию, когда все значения больше нормативных. В этом случае вопрос о невыдаче кредита даже и не встает. Наша модель выдает этому случаю наибольшую вероятность выдачи кредита.

Пример № 2 показывает, что при первых двух показателях меньше нормы, а вторых двух – больше, вопрос о выдаче кредита тоже должен быть решен строго положительно. Действительно, для банка более важна способность погасить кредит в срок, т.е. через определенное время, за что и отвечает показатель Х3.

Пример № 3 описывает классическую ситуацию, когда все значения показателей находятся строго на нормативном уровне. Естественно, что решение о выдаче кредита в данном случае должно быть положительным, что и демонстрирует наша модель.

Примеры № 4 и № 5 показывают, что если ряд показателей чуть меньше нормы, а ряд – чуть больше, то решение о выдаче кредита тоже положительно.

Пример № 6 демонстрирует «пограничную» ситуацию – когда ряд показателей меньше нормы, а ряд соответствует нормативам. В этом случае в жизни для принятия решения обычно приходится рассматривать дополнительные факторы. Поэтому выходное значение модели и находится на среднем уровне.

Пример № 7 демонстрирует, что если все показатели незначительно меньше нормативных, и при этом у компании уже были проблемы с погашением кредитов, то решение о выдаче займа должно быть отрицательно.

И наконец, пример № 8 показывает, что если все показатели заметно ниже нормативных значений, то кредит выдавать ни в коем случае нельзя.

Следует отметить, что во всех случаях (кроме №6 и №7) наличие прошлых проблем с кредитами не играет определяющей роли. Для банков главным является текущее состояние компании, что и нашло отражение в данном факте.


ПРИЛОЖЕНИЯ

Приложение 1

Начальные данные

Номер наблюдения

К-т абс. Ликвидности

К-т пром покрытия

К-т тек ликвидности

К-т фин. Устойчивости

Прошлые проблемы

Кредит

1

0,2

0,6

1,4

0,4

0

0

2

0,6

1,2

1,9

0,6

0

1

3

0,5

0,9

1,3

0,8

1

0

4

0,8

1,5

2,3

0,7

0

1

5

0,6

1

2

0,7

0

1

6

0,3

0,6

1,4

0,8

1

0

7

0,8

1,3

2,1

0,8

1

1

8

0,5

0,6

1,1

0,5

0

0

9

0,5

0,6

1,2

0,5

1

0

10

0,8

1,6

2,5

0,4

1

1

11

0,7

1,1

2,1

0,7

0

1

12

0,1

0,5

1,1

0,5

0

0

13

0,5

0,9

1,8

0,8

1

1

14

1

1,4

2,6

0,6

0

1

15

0,3

0,6

0,9

0,3

0

0

16

0,4

0,7

1,2

0,6

1

0

17

0,7

1,5

2,3

0,5

0

1

18

0,2

0,5

1,4

0,9

0

0

19

0,8

1,4

2,2

0,7

0

1

20

0,4

0,9

1,8

0,2

0

0

21

0,5

0,8

1,9

0,6

1

1

22

0,6

1,1

2,5

0,9

1

1

23

0,7

1,1

1,8

0,6

0

0

24

0,9

1,5

3

0,8

0

1

25

0,3

0,7

1,6

0,4

1

1


 

А также другие работы, которые могут Вас заинтересовать

15490. Методики прогнозирования вероятности банкротства предприятия 6.61 MB
  Исследования зарубежных ученых в области предсказания банкротства показывают, что из множества финансовых показателей можно выбрать лишь несколько полезных и более точно предсказывающих банкротство. Вслед за многими российскими авторами можно отметить,
15491. МЕТРОЛОГІЧНИЙ АНАЛІЗ ІНФОРМАЦІЙНО-ВИМІРЮВАЛЬНИХ КАНАЛІВ 90.5 KB
  МЕТРОЛОГІЧНИЙ АНАЛІЗ ІНФОРМАЦІЙНО-ВИМІРЮВАЛЬНИХ КАНАЛІВ ІВК є орієнтовані на конкретний обєкт тому при вирішенні завдань метрологічного аналізу необхідно розглядати і ІВК і обєкт в сукупності тому що ІВК сприймає і вимірює фізичні параметри полів повязаних з
15492. КЛАСИФІКАЦІЯ МОНТАЖНОЇ ПРОДУКЦІЇ 44.5 KB
  Лекція №7 КЛАСИФІКАЦІЯ МОНТАЖНОЇ ПРОДУКЦІЇ Для зєднань приладів і засобів використовують наступні типи проводів: 1. Монтажні 2. Обмотувальні Установочні 4. Компенсаційні Кабельна продукція поділяється на основні групи:силові і командні. Установочні провода в...
15493. Привід вантажопідйомних машин 77.5 KB
  ТЕМА: Привід вантажопідйомних машин Залежно від типу призначення і характеру роботи вантажопідйомної машини можуть бути використаний різний привід її механізмів. Привід вантажопідйомних машин класифікується за наступними ознаками: за виглядом вживаної руші...
15494. Дзень, дзень! Молот по зелізі!.. (про ковалів і ковальство в Підгайцях та дещо зі спогадів) 145 KB
  Дзень дзень Молот по зелізі.. про ковалів і ковальство в Підгайцях та дещо зі спогадів Про ковальство і ковалів вочевидь треба писати як кажуть старі галичани на ширшу скалю тобто не тільки писати але й досліджувати значно більше і глибше. Так наприклад велики
15495. ШЛЯХАМИ УКРАЇНСЬКИХ СІЧОВИХ СТРІЛЬЦІВ НА ПІДГАЄЧЧИНІ 139 KB
  Степан КОЛОДНИЦЬКИЙ Богдан МЕЛЬНИЧУК ШЛЯХАМИ УКРАЇНСЬКИХ СІЧОВИХ СТРІЛЬЦІВ НА ПІДГАЄЧЧИНІ До вибуху Першої світової війни Підгаєччина належала до одного із краще зорганізованих повітів Східної Галичини а це завдяки енергійному єдиному в той час адвокат...
15496. Аналіз статей з інноваційного маркетингу 70 KB
  В даній статті автор розглядає та порівнює тенденції інноваційного розвитку в Україні та за кордоном. При цьому, в закордонному інноваційному процесі спостерігаються такі особливості...
15497. Андрусівське сепаратне перемир’я 1667 22.75 KB
  Андрусівське сепаратне перемиря 1667 Андрусівський сепаратний договір Андрусівський мир угода між Московським царством і Польщею за спиною України про припинення війни підписана 30 січня 1667 року в селі Андрусове під Смоленськом терміном на 135 років. Угода стала заве
15498. Античні міста Північного Причорномор'я 14.88 KB
  Античні міста Північного Причорноморя Грецькі міста й селища виникли в Причорноморї під час Великої грецької колонізації у VIII VI ст. до н. е. Причини виникнення колоній полягали в перенаселенні Греції нестачі земель придатних для хліборобства пошуках джерел сировини...