Методика рейтингования компаний IT -сектора по уровню рисков кредитоспособности

Предметом исследования являются компании стратегически важного в информационную эпоху IT-сектора. Их развитие связано с высокими рисками и нуждается в больших объемах инвестиций, в том числе в привлечении банковских кредитов. В этой связи цель исследования заключалась в разработке адекватной отраслевой методики рейтингования компаний IT-сектора по уровню рисков кредитоспособности с использованием математико-статистического инструментария, позволяющего достоверно оценить потенциальные риски инвесторов. Предложена методика оценки кредитоспособности IT-компаний на базе системы риск-факторов, позволяющих количественно оценить подверженность деятельности компаний двум обобщенным группам рисков: финансового риска и бизнес-рисков. На основе кластерного анализа разработана рейтинговая таблица, в соответствии с которой в зависимости от полученного расчетного балла определяется категория кредитоспособности компании. В рамках исследования сделаны выводы о том, что ключевыми факторами, оказывающими влияние на кредитоспособность компаний, являются: показатели финансовой устойчивости, рентабельность активов, коэффициент ликвидности, объем рынка интернет-рекламы, а также удельный вес нематериальных активов в структуре активов и величина расходов на исследовательские разработки и капитальные вложения. Построенная скоринговая модель апробирована на компании Mail.ru Group (c 12.10.2021 г. — VK). Практическая значимость результатов исследования заключается в том, что разработанную модель можно применить не только для оценки кредитоспособности, но и в качестве одного из экспресс-методов управления рисками в организации.

1. Ивантер В. В., Порфирьев Б. Н., Сорокин Д. Е., Эскиндаров М. А., Масленников В. В., Широв А. А. и др. Как придать импульс развитию российской экономики: приоритеты действий (предложения к Основным направлениям деятельности Правительства РФ до 2024 г.). Финансы: теория и практика. 2018;22(7):4–15. DOI: 10.26794/2587–5671–2018–0–0–4–15

2. Казакова Н. А., Болвачев А. И., Гендон А. Л., Голубева Г. Ф. Мониторинг экономической безопасности региона на основе индикаторов устойчивого развития. Проблемы прогнозирования. 2016;(6):42–55. DOI: 10.1134/S 1075700716060058

3. Karminsky A. M., Khromova E. Increase of banks’ credit risks forecasting power by the usage of the set of alternative models. Russian Journal of Economics. 2018;4(2):155–174.

4. Карминский А. М. Кредитные рейтинги и их моделирование. М.: Изд. дом ВШЭ; 2017. 351 с.

5. Karminsky A. M., Khromova E. Extended modeling of banks’ credit ratings. Procedia Computer Science. 2016;91:201–210. DOI: 10.10’16/j.procs.2016.07.058

6. Karminsky A. M., Khromova E. Modelling banks’ credit ratings of international agencies. Eurasian Economic Review. 2016;6(3):341–363. DOI: 10.1007/s40822–016–0058–5

7. Fedotova M. A., Tazikhina T. V., Nadezhdina Y. V., Raeva I. V. Problems of determining the cost of collateral in the conditions of implementation Basel II, III Standards in Russia. Journal of Reviews on Global Economics. 2018;7:662–667. DOI: 10.6000/1929–7092.2018.07.60

8. Новикова Н. Ю. Актуальные вопросы управления корпоративным кредитным риском банка в условиях коронакризиса. Финансовый бизнес. 2020;(6):155–156.

9. Munguti V. M., Ngali R. M. Evaluating credit worthiness of small and growing technology businesses. The University Journal. 2020;2(1):81–91. URL: https://daea.or.ke/wp-content/uploads/2020/03/TUJ-21_Munguti-Ngali-81-91.pdf

10. Safi R., Lin Z. Using non-financial data to assess the creditworthiness of businesses in online trade. In: Proc. 19th Pacific Asia conf. on information systems (PACIS 2014). 2014. URL: https://core.ac.uk/download/pdf/301363028.pdf

11. Kazakova N. A., Kuzmina-Merlino I. Financial benchmarking as an airline competitiveness assessment tool. In: Proc. 15th Int. strategic management conf. (ISMC 2019). (Poznan, 27–29 June, 2019). London: European Publisher Ltd; 2019:288–298. (European Proceedings of Social and Behavioural Sciences. Vol. 71). DOI: 10.15405/epsbs.2019.10.02.26

12. Жевага А. А., Карминский А. М., Кузнецов И. В., Моргунов А. В. Моделирование вероятности дефолта корпоративных заемщиков. Управление корпоративными финансами. 2016;(1):64–78.

13. Татаринова Л. В., Кравченко А. Е. Оптимизация кредитного портфеля коммерческого банка путем отраслевой диверсификации. Бизнес. Образование. Право. 2021;(1):119–124. DOI: 10.25683/VOLBI.2020.54.108

14. Рахаев В. А. Развитие методов оценки кредитного риска для формирования резервов на возможные потери по ссудам. Финансы: теория и практика. 2020;24(6):82–91. DOI: 10.26794/2587–5671–2020–24–6–82–91

15. Казакова Н. А. Аналитические процедуры: опыт использования в аудите и оценке хозяйственной деятельности. Вестник Финансового университета. 2017;21(2):113–120.

16. Beugelsdijk S., Ambos B., Nell P. C. Conceptualizing and measuring distance in international business research: Recurring questions and best practice guidelines. Journal of International Business Studies. 2018;49(9):1113–1137. DOI: 10.1057/s41267–018–0182–4

17. Harjadi D., Yuniawan A., Abdurrahman A., Dananjoyo R., Filatrovi E. W., Arraniri I. Product characteristics, market competitive strategies, and SMEs performance: Testing their relationships. The Journal of Asian Finance, Economics and Business. 2020;7(10):613–620. DOI: 10.13106/jafeb.2020.vol7.no10.613

18. Черкасова В. А., Слепушенко Г. А. Влияние цифровизации бизнеса на финансовые показатели российских компаний. Финансы: теория и практика. 2021;25(2):128–142. DOI: 10.26794/2587–5671–2021–25–2–128–142

19. Теплова Т. В., Соколова Т. В., Теплов А. С. Интеллектуальный капитал российских компаний как драйвер снижения стоимости долга. Журнал Новой экономической ассоциации. 2017;(4):107–134. DOI: 10.31737/2221–2264–2017–36–4–5

20. Артеменко Д. А., Зенченко С. В. Цифровые технологии в финансовой сфере: эволюция и основные тренды развития в России и за рубежом. Финансы: теория и практика. 2021;25(3):90–101. DOI: 10.26794/2587–5671–2021–25–3–90–101