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

76850. Артерии голени 182.91 KB
  Они являются конечными ветвями подколенной артерии и начинаются от нее на уровне нижнего края подколенной мышцы. Передний пучок состоит из передней большеберцовой артерии 23 сопровождающих глубоких вен и глубокой ветви малоберцового нерва боковой пучок из малоберцовой артерии 23 сопровождающих глубоких вен и поверхностной ветви малоберцового нерва. Мелкие ветви задней большеберцовой артерии: Ветвь огибающая головку фибулы участвует в образовании сети коленного сустава и кровоснабжении малоберцовых мышц.
76851. Артерии стопы 180.84 KB
  Дуга проецируется на уровне оснований плюсневых костей и заканчивается соединением с глубокой ветвью тыльной артерии стопы проходящей в первом межплюсневом промежутке. От дуги начинаются четыре плюсневые артерии . Прободающие артерии через межкостные промежутки соединяются с тыльными плюсневыми артериями.
76853. Плечеголовные вены 184.63 KB
  Обе плечеголовные вены: правая и левая (vv. brachiocephlicae dextra et sinistra) начинаются при слиянии подключичных и внутренних яремных вен правой и левой стороны на уровне и позади грудино-ключичных суставов, а заканчиваются образованием верхней полой вены на уровне прикрепления к грудине
76856. Вены головы 186.78 KB
  Кровь из вен головы поступает в яремные вены шеи и внутреннее позвоночное сплетение. Поверхностные вены головного мозга впадают в венозные синусы твердой мозговой оболочки. cerebri superiores имеющих восходящее направление: вены пре и постцентральной извилин предлобные лобные теменные и затылочные которые впадают в верхний сагиттальный синус.
76857. Вены верхней конечности 179.85 KB
  В области надплечья и плеча они вливаются в глубокие вены. Вторые проходят вместе с артериями собирая кровь от костей мышц суставов и вливаясь в подключичные вены. Вены верхней конечности клапанные начинаясь от пальцев они формируют на кисти тыльные венозные сети и ладонные дуги с перфорантными ветвями на предплечье и плече поверхностные и глубокие вены с анастомозами между ними.
76858. Вены нижней конечности 182.02 KB
  Прободающие вены соединяют между собой многочисленные глубокие и поверхностные вены расположенные в разных плоскостях и уровнях. В области лодыжек перфорантные вены не имеют прямых связей с подкожной сетью. Поверхностные вены вливаются в глубокие в разных отделах ноги в подколенной ямке и под паховой связкой.