Служба спасения студентов
Служба спасения для студентов (18+)

Прогнозирование будущих денежных потоков корпоративных заемщиков

Стоимость
1500 руб.
Содержание
Теория
Объем
55 лист.
Год написания

Описание работы

Работа пользователя Vseznayka1995
Добрый день! Уважаемые студенты, Вашему вниманию представляется дипломная работа на тему: «Прогнозирование будущих денежных потоков корпоративных заемщиков»
Оригинальность работы 92%

Содержание

Глава 1. Предпосылки построения моделей прогнозирования денежных потоков заемщиков . 5
1.1 Состояние торговой отрасли....................................................................................................... 5
1.2 Обзор литературы......................................................................................................................... 6
Глава 2. Методология, используемая для построения прогностической модели...................... 26
Глава 3. Построение модели прогнозирования денежных потоков заемщиков....................... 32
3.1 Определение выборки и сбор данных..................................................................................... 32
3.2 Обработка данных...................................................................................................................... 38
3.3 Построение модели.................................................................................................................... 41
Заключение....................................................................................................................................... 50
Список литературы.......................................................................................................................... 52
Приложения...................................................................................................................................... 54

Введение
Основная деятельность любого коммерческого банка завязана на роли кредитора. Кредитование является активной операцией, первоначальным источником формирования прибыли банка, и как следствие возможности для дальнейшего стабильного развития. По итогам 2019 года объем кредитов физическим лицам вырос на 18,6%, объем кредитов предприятиям - на 4,5%, однако результаты меньше, чем на конец 2018 года. В банковском секторе 373 кредитные организации показали прибыль, в размере 2,196 млрд. рублей, в то же время 69 организаций продолжают показывать отрицательный финансовый результат. Существует множество причин, по которым банк показывает убыток, к ним можно отнести отсутствие притока денежных средств от клиентов, слабая управленческая система, большая доля некачественных ссуд в кредитном портфеле и т.д.
Рост   просроченной   задолженности   в   банковском   секторе   может    существенно
повлиять на стабильность экономической системы. Актуальность изучения причин возникновения просрочек и разработка мер по их устранению, остается важнейшим моментом в развитии коммерческих банков в ближайшем будущем.
Для обеспечения бесперебойности работы банка, необходимо тщательно подбирать клиентов, создавать методики для качественного мониторинга финансового состояния заемщиков, прогнозировать будущие притоки и оттоки денежных средств. Погашение задолженности должно быть произведено согласно установленным кредитным графикам. Соблюдение заемщиками условий кредитного договора или своевременное предсказание дефолта заемщика сотрудниками банка, может ограничить банк от многих проблем в будущем, в том числе и от создания дополнительных резервов на потери по ссудам. Большой размер резерва может указывать на плохое финансовое состояние банка. В частности, при критически высоком уровне просроченной задолженности, кредитная организация может и вовсе прекратить свое существование.
  • 2014 года Центральный Банк России отозвал ряд лицензий у коммерческих банков по причине некачественно сформированного портфеля. Для недопущения такого хода развития событий, кредитная организация должна работать с заемщиком до выдачи ссуды и после:
  1. До выдачи кредита, необходимо проверять финансовое состояние заемщика. В
настоящее                                                                                                       время           существует    огромное                                                                                                                        количество различных     методик                                                                                                                                                                для
принятия решения по выдаче, для составления правдивого портрета заемщика. К числу таких методов можно отнести и множество скоринговых моделей, и обращение к НБКИ (Национальное Бюро Кредитных Историй), так же проверка открытых судебных разбирательств по клиенту и т.д. В любом случае, банк должен самостоятельно определиться с методикой, подходящей конкретно для его клиентов и соответствующей его внутренним особенностям.
  1. После выдачи, задача стоит не менее сложная. Важно проверять и контролировать своевременное выполнение своих обязательств заемщиком. Для решения подобных задач нужна слаженная работа кредитного комитета. Регулярный мониторинг выданных ссуд, прогноз возможных невыплат, предкризисного состояния заемщика - это обязанность банка и его подчиненных.
    • связи с увеличением просроченных платежей в банковском секторе, а также большой роли корпоративного сегмента в общем объеме кредитования, в данной работе рассматривается моделирование будущего денежного потока корпоративного заемщика. За основу причин невыполнения своих обязательств или нарушения графиков платежей, берется
  • первую очередь – возникновение финансовых трудностей и отсутствие финансовых средств у клиента. Предполагается, что прогнозирование потока денежных средств заемщика может предотвратить дефолт или увеличение просрочки на ранних этапах.
Целью данной работы является создание модели для возможности прогнозирования денежного потока корпоративного заемщика.
Предметом исследования выступают компании торговой отрасли. В связи с тем, что каждая отрасль обладает собственной спецификой, была проанализирована только одна из них.
  • первой части работы приведены теоретические предпосылки для разработки модели, обзор существующей научной литературы со схожей тематикой. Во второй части описана методология, которая будет применяться при анализе. В заключительной части разрабатывается собственная модель, прогнозирующая денежный поток, а именно прирост выручки компаний-заемщиков.
Список литературы
  1. Федеральный закон №209-ФЗ «О развитии малого и среднего предпринимательства в Российской Федерации» от 24.07.2007 г.
  1. Федеральная служба государственной статистики [Электронный ресурс]. URL: https://www.gks.ru/
  1. Altman E. (1968): Financial ratios, discriminant analysis and the prediction of corporate
bankruptcy», The Journal of Finance, 23 (4): 589-609.
  1. Altman, E., R. Haldeman and P. Narayanan (1977): Zeta Analysis: A New Model to Identify
Bankruptcy Risk of Corporations, Journal of Banking and Finance 1 (1): 29-54.
  1. Back B., Laitinen T., Sere K. (1996): Neural networks and genetic algorithms for bankruptcy
predictions, Expert Systems with Applications 11: 407-413.
  1. Beaver  W.H.  (1966):  Financial  Ratios  as  Predictors  of  Failure,  Journal of  Accounting
Research, 4(1): 71-111.
  1. Breiman L., Friedman J., Stone C.J. (1984): Classification and Regression Trees, Wadsworth International Group.
  1. Chen K. and T. Shimerda (1981): An empirical analysis of useful financial ratios, Financial
Management, 10(1): 51-60.
  1. Cote J. (2005): Creditors' Use of Operating Cash Flows: An Experimental Study, Journal of
Managerial Issues, 17(2): 198-211.
  1. Gombola M.J. (1987): Cash Flow in Bankruptcy Prediction, Financial Management, 16(4): 55-65.
  1. Frydman H., Altman E.I., Kao D-L.  (1985): Introducing Recursive Partitioning for Financial
Classification: The Case of Financial Distress, Journal of Finance, 269-291.
  1. Hamza T. (2017): Financial distress prediction: The case of French small and medium-sized
firms, International Review of Financial Analysis, 50: 67-80.
  1. Hunter J. (2001): Failure Risk. A comparative Study of UK and Russian firms, Journal of
Policy Modeling, 23: 511-521.
  1. Kolari J.W., Ou C.C., Shin G.H. (2006): Assessing the Profitability and Riskiness of Small
Business Lenders in the Banking Industry, Journal of Entrepreneurial Finance, 11 (2): 1-26.
  1. Kapliński O. (2008): Usefulness and credibility of scoring methods in construction industry,
Journal of civil engineering and management, 14 (1): 21-28.
52
 
  1. Lugovskaya L. (2010): Predicting default of Russian SMEs on the basis of financial and non-
financial variables, Journal of Financial Services Marketing, 14(4): 301-313.
  1. Martin D. (1977): Early warning of bank failures: A logit regression approach, Journal of
Banking and Finance, 1 (3): 249-276.
  1. Mielke D.E. and Giacomino Don E. (1988): Using Statement of Cash Flows to Analyze Corporate Performance, Journal of Management Accounting, 54-57.
  1. Ohlson J. (1980): Financial ratios and the probabilistic prediction of bankruptcy, Journal of
Accounting Research, 18(1): 109-131.
  1. Pompe P.M. (2005): The prediction of bankruptcy of small and medium-sized industrial
firms, Journal of Business Venturing, 20: 847-868.
  1. Quinlan J.R. (1987): Simplifying of decision trees, International Journal of Man-Machine
Studies, 27 (3): 221-234.
  1. Rujoub  A.  (1995):  Using  Cash  Flow  Ratios  To  Predict  Business  Failures,  Journal  of
Managerial Issues, 7 (1): 75-90.
  1. Sharma N.D. (1980): Early Warning Indicators of Business Failure, Journal of Marketing, 44
(4): 80-89.
  1. Sinkey Jr. J. (1975): A multivariate statistical analysis of the characteristics of problem
banks, Journal of Finance, 30 (1): 21-36.
  1. Tam K. (1991): Neural network models and the prediction of bankruptcy, Omega, 19 (5): 429-445.
  1. Sirirattanaphonkun  W.,  Pattarathammas  S.  (2012):  Default  prediction  for  small-medium
enterprises in emerging market: evidence from Thailand, Seoul Journal of Business, 18(2).
  1. Wang Y. (2011): Corporate Default Prediction: Models, Drivers and Measurements
  1. Zmijewski  M.E.  (1984):  Methodological  Issues  Related  to  the  Estimation  of  Financial
Distress Prediction Models, Journal of Accounting Research, 22: 59-82.

 

Сколько стоит помощь с учебной работой?