Надіслати статтю
вул. Інститутська 11, м. Хмельницький, 29016
visnyk.khnu@khmnu.edu.ua
(0382) 67-51-08

СУЧАСНІ МЕТОДИ ОЦІНКИ КРЕДИТОСПРОМОЖНОСТІ ПОЗИЧАЛЬНИКІВ-ЮРИДИЧНИХ ОСІБ БАНКАМИ УКРАЇНИ

MODERN METHODS FOR EVALUATING THE CREDITWORTHINESS OF BANK’S BORROWERS-LEGAL ENTITIES OF UKRAINE

https://doi.org/10.31891/2307-5740-2022-306-3-4

Марія БАЛИЦЬКА
Київський Національний Університет імені Т. Шевченка
https://orcid.org/0000-0002-7129-4232
e-mail: m.balytskaknu@gmail.com
Маргарита ПАРЖИЦЬКА
Київський Національний Університет імені Т. Шевченка
https://orcid.org/0000-0002-4205-140X
e-mail: margarita12333@gmail.com

Mariia BALYTSKA, Marharyta PARZHYTSKA
Taras Shevchenko National University of Kyiv

Анотація мовою оригіналу

У статті проаналізовано сучасні моделі оцінки кредитоспроможності позичальника, а також їх характеристики та переваги та недоліки.  Дослідження існуючих методик оцінювання кредитоспроможності позичальника-юридичної особи дозволило прийти до висновку, що для отримання точних і об’єктивних оцінок кредитоспроможності підприємства слід використовувати комплексні методики. При цьому, методичне забезпечення оцінки кредитоспроможності позичальника-юридичної оосби, що використовується вітчизняними банківськими установами, потребує подальшого вдосконалення в частині розроблення інструментарію оцінки якісних характеристик кредитоспроможності підприємства. У зв’язку із цим у статті також розглянуто новітні підходи щодо методики оцінювання кредитоспроможності юридичних осіб, такі як кредитний рейтинг, інноваційний кредитний скоринг, в тому числі на основі застосування альтернативний даних, базуються на ефективному використанні сучасних цифрових технологій: BigData, штучного інтелекту, машинного навчання.

Ключові слова: кредитоспроможність; методи оцінки кредитоспроможності; позичальник-юридична особа; показники фінансового стану.

Розширена анотація англійською мовою

At the present stage of development of financial and economic relations, lending is one of the most popular sources of covering the lack of financial resources necessary, in particular, to start the activity of an economic entity, expand production, eliminate the liquidity gap, etc. At the same time, enterprises operate in a changing environment, under the influence of permanent, as well as unpredictable risks and threats. Thus, intending to get a loan from a bank, a legal entity cannot always guarantee their timely return in full. In a crisis, legal entities often have significant losses, and therefore take loans to pay current liabilities. When providing loans to economic entities, banking institutions must be sure of their return. For this purpose, the creditworthiness of the borrower-legal entity is assessed, which ensures minimization of the risk of non-repayment of the bank’s loan funds.

The article discusses modern models for assessing the creditworthiness of a borrower, as well as their characteristics and advantages and disadvantages. Taking into account the theoretical and methodological aspects of assessing the creditworthiness of borrowers makes it possible to reasonably propose ways to improve them so that banks can further minimize credit risk in their activities, and the banking system remains financially stable. The study of existing methods for assessing the creditworthiness of a borrower-legal entity led to the conclusion that in order to obtain accurate and objective assessments of the creditworthiness of an enterprise, complex methods should be used. At the same time, the methodological support for assessing the creditworthiness of a borrower-legal entity, used by domestic banking institutions, requires further improvement in terms of developing tools for assessing the qualitative characteristics of an enterprise’s creditworthiness. The article discusses the latest approaches to the methodology for assessing the creditworthiness of legal entities, such as credit rating, innovative credit scoring, including those based on the use of alternative data, based on the effective use of modern digital technologies: BigData, artificial intelligence, machine learning.

Keywords: creditworthiness; credit assessment methods; borrower-legal entity; indicators of financial condition.

Література

  1. Chaikovska I.I. Development of an economic-mathematical model to determine the optimal duration of project operations / I. Chaikovska, M. Chaikovskyi // Eastern-European journal of enterprise technologies (control processes). – 2020. – № 3 (105). – P. 34–42.
  2. Фінансова звітність банку АТ КБ «Приватбанк» за 2020 рік. URL: https://static.privatbank.ua/files/PB_SepUkr_2021.03.15_Zvit_Last_n.pdf
  3. Положення про визначення банками України розміру кредитного ризику за активними банківськими операціями, затверджене постановою Правління Національного банку України від 30.06.2016 р. № 351. URL: https://zakon.rada.gov.ua/laws/show/v0351500-16#Text
  4. Офіційний сайт АТ «Райффайзен Банк Аваль». URL: https://www.aval.ua/
  5. Офіційний сайт АТ «УкрСиббанк». URL: https://my.ukrsibbank.com/ua/about-bank/
  6. Офіційний сайт ПАТ «Креді Агріколь Банк». URL: https://credit-agricole.ua/
  7. Alternative Credit Scoring of Micro-, Small and Medium-sized Enterprises. Hong Kong Monetary Authority. 2020. URL: https://www.hkma.gov.hk/media/eng/doc/key-functions/financial-infrastructure/alternative_credit_scoring.pdf.
  8. Credit scoring approaches guidelines. World Bank Group. 2019. URL: https://thedocs.worldbank.org/en/doc/935891585869698451-0130022020/original/CREDITSCORINGAPPROACHESGUIDELINESFINALWEB.pdf.
  9. Бобиль В. Сучасний ризик–менеджмент у банківській діяльності: теоретичний аспект. Вісник Національного банку України. 2008. №11. С. 28–32.
  10. Schroer А. AI and the Bottom Line: 20 Examples of Artificial Intelligence in Finance. Uniting People + Tech. 2021. URL: https://builtin.com/artificial-intelligence/ai-finance-banking-applications-companies.
  11. Положення про кредитну політику ПАТ КБ «Приватбанк»: Протокол Наглядової Ради №19 від 23.06.17 р. URL: https://static.privatbank.ua/files/Regulation_on_credit_policy_190617.pdf

References

  1. Chaikovska I.I. Development of an economic-mathematical model to determine the optimal duration of project operations / I. Chaikovska, M. Chaikovskyi // Eastern-European journal of enterprise technologies (control processes). – 2020. – № 3 (105). – P. 34–42.
  2. Finansova zvitnist banku AT KB «Pryvatbank» za 2020 rik. URL: https://static.privatbank.ua/files/PB_SepUkr_2021.03.15_Zvit_Last_n.pdf
  3. Polozhennia pro vyznachennia bankamy Ukrainy rozmiru kredytnoho ryzyku za aktyvnymy bankivskymy operatsiiamy, zatverdzhene postanovoiu Pravlinnia Natsionalnoho banku Ukrainy vid 30.06.2016 r. № 351. URL: https://zakon.rada.gov.ua/laws/show/v0351500-16#Text
  4. Ofitsiinyi sait AT «Raiffaizen Bank Aval».URL: https://www.aval.ua/
  5. Ofitsiinyi sait AT «UkrSybbank».URL: https://my.ukrsibbank.com/ua/about-bank/
  6. Ofitsiinyi sait PAT «Kredi Ahrikol Bank».URL: https://credit-agricole.ua/
  7. Alternative Credit Scoring of Micro-, Small and Medium-sized Enterprises. Hong Kong Monetary Authority. 2020. URL: https://www.hkma.gov.hk/media/eng/doc/key-functions/financial-infrastructure/alternative_credit_scoring.pdf.
  8. Credit scoring approaches guidelines. World Bank Group. 2019. URL: https://thedocs.worldbank.org/en/doc/935891585869698451-0130022020/original/CREDITSCORINGAPPROACHESGUIDELINESFINALWEB.pdf.
  9. Bobyl V. Suchasnyi ryzyk–menedzhment u bankivskii diialnosti: teoretychnyi aspekt. Visnyk Natsionalnoho banku Ukrainy. 2008. №11. S. 28–32.
  10. Schroer А. AI and the Bottom Line: 20 Examples of Artificial Intelligence in Finance. Uniting People + Tech. 2021. URL: https://builtin.com/artificial-intelligence/ai-finance-banking-applications-companies.
  11. Polozhennia pro kredytnu polityku PAT KB «Pryvatbank»: Protokol Nahliadovoi Rady №19 vid 23.06.17 r. URL: https://static.privatbank.ua/files/Regulation_on_credit_policy_190617.pdf

Post Author: Кравчик Юрій

Translate