Проектирование информационно-аналитической системы оценки эффективности факторинговых операций банка

Содержание

Слайд 2

Актуальность работы

МИЭМ НИУ ВШЭ, Прикладная Математика

Российский рынок факторинга является относительно молодой отраслью

Актуальность работы МИЭМ НИУ ВШЭ, Прикладная Математика Российский рынок факторинга является относительно
и большинство финансовых организаций только внедряют такую услугу для своих клиентов. В тоже время, за последние годы рынок показывает стремительные темпы роста, что говорит о заинтересованности как поставщиков, так и покупателей в использовании услуг контрактной отсрочки платежа. Как следствие, в условиях ожесточающейся конкуренции, факторы стремятся разработать новые продукты и дать более выгодные условия обслуживания для своих клиентов.
Отсутствие единого подхода и методов обслуживания клиентов в случае факторинга без права регресса с большим числом покупателей.

Слайд 3

Цель: Предложить математические методы и подходы оценки риска пула дебиторов в рамках

Цель: Предложить математические методы и подходы оценки риска пула дебиторов в рамках
факторинга без права регресса с большим числом покупателей.
Задачи:
Сбор данных для модели.
Построение регрессионной модели зависимости финансовых показателей предприятия и вероятности дефолта.
Анализ репрезентативности полученной зависимости.
Применение биномиального распределения и метода Монте-Карло для определения количества потенциальных дебиторов не способных выполнить денежные обязательства перед фактором и расчета процентной ставки финансирования.

Цель и задачи работы

МИЭМ НИУ ВШЭ, Прикладная Математика

Слайд 4

Основные понятия и определения

Факторинг — комплекс услуг для производителей и поставщиков, ведущих

Основные понятия и определения Факторинг — комплекс услуг для производителей и поставщиков,
деятельность на условиях отсрочки платежа.
Конечный носитель риска — юридическое лицо, денежный поток от деятельности которого будет являться источником погашения обязательств по заключенному договору о факторинговом обслуживании.
Процент финансирования — процент от общей стоимости поставки, который фактор обязуется выплатить поставщику первым платежом (один из основных инструментов фактора по регулированию своих рисков).
Дефолт — невозможность выполнения денежных обязательств клиента перед кредитором. С целью определения риска невыплаты, финансовая организация проводит структурный анализ предприятия и присвоение рейтинга платежеспособности дебитору.

МИЭМ НИУ ВШЭ, Прикладная Математика

Слайд 5

Факторинг без права регресса

МИЭМ НИУ ВШЭ, Прикладная Математика

Конечный носитель риска — Дебитор.
Процент

Факторинг без права регресса МИЭМ НИУ ВШЭ, Прикладная Математика Конечный носитель риска
финансирования — инструмент Финансового агента по регулированию риска неоплаты поставки.

Слайд 6

Построение регрессионной модели

Сбор данных

МИЭМ НИУ ВШЭ, Прикладная Математика

Построение регрессионной модели Сбор данных МИЭМ НИУ ВШЭ, Прикладная Математика

Слайд 7

МИЭМ НИУ ВШЭ, Прикладная Математика

Построение регрессионной модели

Обработка данных

МИЭМ НИУ ВШЭ, Прикладная Математика Построение регрессионной модели Обработка данных

Слайд 8

МИЭМ НИУ ВШЭ, Прикладная Математика

Построение регрессионной модели

Обработка данных, построение корреляционной таблицы

МИЭМ НИУ ВШЭ, Прикладная Математика Построение регрессионной модели Обработка данных, построение корреляционной таблицы

Слайд 9

МИЭМ НИУ ВШЭ, Прикладная Математика

Построение регрессионной модели

Обработка данных, линеаризация зависимости

МИЭМ НИУ ВШЭ, Прикладная Математика Построение регрессионной модели Обработка данных, линеаризация зависимости

Слайд 10

МИЭМ НИУ ВШЭ, Прикладная Математика

Построение регрессионной модели

Анализ итоговой модели

МИЭМ НИУ ВШЭ, Прикладная Математика Построение регрессионной модели Анализ итоговой модели

Слайд 11

МИЭМ НИУ ВШЭ, Прикладная Математика

Принятие риска на портфель дебиторов

Входные данные для моделирования

МИЭМ НИУ ВШЭ, Прикладная Математика Принятие риска на портфель дебиторов Входные данные для моделирования

Слайд 12

МИЭМ НИУ ВШЭ, Прикладная Математика

Принятие риска на портфель дебиторов

Биномиальное распределение и формула

МИЭМ НИУ ВШЭ, Прикладная Математика Принятие риска на портфель дебиторов Биномиальное распределение
Бернулли

Плюсы — простота расчета.
Минусы — принятие общего усредненного рейтинга на весь пул дебиторов, что в дальнейшем может повлиять на точность расчета процента финансирования.

Слайд 13

МИЭМ НИУ ВШЭ, Прикладная Математика

Принятие риска на портфель дебиторов

Метод Монте-Карло

МИЭМ НИУ ВШЭ, Прикладная Математика Принятие риска на портфель дебиторов Метод Монте-Карло

Слайд 14

МИЭМ НИУ ВШЭ, Прикладная Математика

Принятие риска на портфель дебиторов

Метод Монте-Карло

МИЭМ НИУ ВШЭ, Прикладная Математика Принятие риска на портфель дебиторов Метод Монте-Карло

Слайд 15

Проанализированы бизнес-процессы ведения факторинговых операций банка.
Выявлены финансовые показатели, в наибольшей степени влияющие

Проанализированы бизнес-процессы ведения факторинговых операций банка. Выявлены финансовые показатели, в наибольшей степени
на итоговый рейтинг компании.
Построена регрессионная модель упрощенного расчета рейтинга дебитора.
По результатам проведенного анализа, предложены две модели принятия риска на пул дебиторов.

Результаты работы

МИЭМ НИУ ВШЭ, Прикладная Математика

Слайд 16

1) И. Покаместов, А. Авагян. Конкуренция на рынке факторинга. // Litres, 2017.
2) Partho H.

1) И. Покаместов, А. Авагян. Конкуренция на рынке факторинга. // Litres, 2017.
Chakraborty and Arvind Sonmale. Factoring. // Notion Press, 2017.
3) Freddy R. Salinger. Factoring: The Law and Practice of Invoice Finance // Sweet & Maxwell, 2006.
4) М. Акулич. Инвестиционный маркетинг. Лизинг, франчайзинг, факторинг, краудсорсинг, краудфандинг // Litres, 2018.
5) Rudolf J. Freund, William J. Wilson, Ping Sa. Regression Analysis. // Elsevier, 2006.
6) Douglas C. Montgomery, Elizabeth A. Peck, G. Geoffrey Vining. Introduction to Linear Regression Analysis. // John Wiley & Sons, 2015.
7) Khan & Jain. Management Accounting. // Education, 2006.
8) Khan & Jain. Financial Management. // Tata McGraw-Hill, 2007.
9) James M. Wahlen, Stephen P. Baginski, Mark Bradshaw. Financial Reporting, Financial Statement Analysis and Valuation: A Strategic Perspective. // Cengage Learning, 2010.
10) Clyde P. Stickney, Roman L. Weil, Katherine Schipper, Jennifer Francis. Financial Accounting: An Introduction to Concepts, Methods and Uses. // Cengage Learning, 2009.
11) Krishna G. Palepu, Victor L. Bernard, Paul M. Healy, Erik Peek. Business Analysis and Valuation: Text and Cases. // Cengage Learning EMEA, 2007.
12) Войтоловский Н. В. Комплексный экономический анализ предприятия. // Издательский дом "Питер", 2008.
13) Frederick Gravetter, Larry Wallnau. Essentials of Statistics for the Behavioral Science. // Cengage Learning, 2007.
14) О. Растопчина. Высшая математика. Учебное пособие. // Litres, 2018.
15) Питер Джекел. Применение методов Монте-Карло в финансах. // Litres, 2017.

Список использованных материалов

МИЭМ НИУ ВШЭ, Прикладная Математика

Имя файла: Проектирование-информационно-аналитической-системы-оценки-эффективности-факторинговых-операций-банка.pptx
Количество просмотров: 32
Количество скачиваний: 0