hrvatski

Modeli kreditnog rizika u ocjenjivanju kreditne sposobnosti malih poduzetnika

Cilj ovog rada je istraživanje kredit skoring modela kojima se procjenjuje kreditni rizik novčanog kredita. Ocjena kreditne sposobnosti komitenata može se obavljati primjenom subjektivne ocjene kreditnih analitičara koji upotrebljavaju svoje znanje, iskustvo i osjećaj ili primjenom kredit skoring modela. Subjektivna ocjena kreditnih analitičara pokazala se nedovoljnom za upravljanje kreditnim rizicima pa su stoga financijske institucije neprestano u procesu pronalaženja sve boljih kredit skoring modela. Kredit skoring model dodjeljuje jednu kvantitativnu mjeru potencijalnom komitentu predstavljajući vjerojatnost budućeg ponašanja u otplati dodjeljenog kredita. Takvim modelima identificiraju se one karakteristike komitenata koje najbolje predviđaju otplatu kredita. Istraživanje provedeno u ovom radu imalo je za cilj metodologiju kreditnog skoringa primijeniti na podacima o kreditima malih poduzetnika “ Štedno-kreditne zadruge Noa” kako bi se kreirao kredit skoring model koji će služiti kao pomoć pri donošenju odluka o odobravanju kredita. Budući da se radi o kreditima isključivo za male poduzetnike, provedeno istraživanje rezultiralo je prvim kredit skoring modelom za male poduzetnike u Hrvatskoj. U ovom su istraživanju upotrebljene logistička regresija, neuralne mreže i stablo odlučivanja. Testirane su 3 arhitekture neuralnih mreža: mreže “ širenje unatrag” , mreža s radijalno zasnovanom funkcijom i mreža učeće vektorske kvantizacije. Metodologija izgradnje skoring modela sastojala se u kreiranju dva skoring modela. Prvi model je napravljen na uzorku od 200 odobrenih kredita. Rezultati su pokazali da logistička regresija daje najvišu stopu uspješne klasifikacije (83.03%). Drugi i konačan kredit skoring model je napravljen na uzorku od 200 odobrenih i 20 odbijenih kreditnih zahtjeva. Svrha prvog modela je ocjenjivanje odbijenih kreditnih zahtjeva. Na taj način su svi odbijeni zajmotražitelji skorirani i uključeni u bazu podataka kao dobri ili kao loši. Budući da se logistička regresija pokazala najpreciznijom u klasificiranju komitenata, ona je upotrebljena za izgradnju konačnog kredit skoring modela. Varijable koje su se pokazale značajnima su slijedeće:  Poduzetnička ideja: jasna vizija posla  Plan rasta poduzeća: postotak ponovno uloženog profita u posao  Marketinški plan: način reklamiranja proizvoda odnosno usluge, prepoznavanje konkurencije  Osobne karakteristike poduzetnika: zanimanje poduzetnika, dob poduzetnika, lokacija poduzetnika  Karakteristike malog poduzeća: djelatnost poduzeća, oprema za posao, broj uposlenih  Karakteristike kreditnog programa: način otplate kamata, način otplate glavnice, visina traženog kredita, poček u otplati kredita. Glavna hipoteza ovog rada je da su odluke donešene primjenom kredit skoring modela preciznije od onih donešenih subjektivnom procjenom kreditnih referenata. Rezultati istraživanja su upravo to i pokazali. Naime, da je “ Štedno-kreditna zadruga Noa” imala kredit skoring model tada bi umjesto 81 loših prihvatila 53 loša zajmotražitelja što predstavlja značajno smanjenje u broju loših kojima je kredit odobren. Najnovija istraživanja pokazuju djelotvornost i nužnost upotrebe kreditnog skoringa u ocjenjivanju malih poduzeća, a isto tako istraživanje provedeno u “ Štedno-kreditnoj zadruzi Noa” pokazuje nadmoć kredit skoring modela prema subjektivnom načinu ocjene kreditne sposobnosti. U cilju stvaranja uvjeta za poticanje poduzetnišva u Hrvatskoj, metodologija koja bi bankama i ostalim financijskim institucijama omogućila plasiranje novca u kreditne programe koji će biti prilagođeni poduzetnicima koji razvijaju nove ili rastuće poslove, može u bitnoj mjeri doprinijeti ekonomskom razvitku Hrvatske.

upravljanje kreditnim rizikom; kreditni scoring; kreditna sposobnost; logistička regresija; neuralne mreže; stablo odlučivanja

nije evidentirano