신용분석

Credit analysis

신용분석이란 기업이나 조직의 신용도를 계산하는 방법이다. 기업의 재무적 의무를 존중하는 능력에 대한 평가인 셈이다. 대기업의 감사 재무제표는 채권을 발행하거나 발행했을 때 분석할 수 있다. 또는 은행이 상업대출을 하거나 갱신하기 전에 소기업의 재무제표를 분석할 수 있다. 이 용어는 사업이 크든 작든 어느 한 경우를 가리킨다. 신용 분석가는 금융 전문가가 이 역할을 맡는다.

역할

추가 정보: 재무 분석가 § 기업 및 기타

신용분석의 한 가지 목적은 제안하는 차입자와 대여시설을 모두 살펴보고 위험등급을 부여하는 것이다. 위험등급은 대출자가 해당 시설의 존속기간에 대해 일정한 신뢰수준에서 채무불이행 발생확률을 추정하고 채무불이행 발생 시 대출자가 겪을 손실액을 추정함으로써 도출된다.

신용분석에는 비율과 추세분석뿐만 아니라 추정치의 작성과 현금흐름의 상세한 분석 등 매우 다양한 재무분석 기법이 포함된다. 신용분석에는 신용이력 및 관리능력뿐만 아니라 담보 및 기타 상환원인에 대한 검토도 포함된다. 앞서 언급한 바와 같이 분석가들은 차입자가 채무불이행으로 인한 채무불이행 발생의 위험성과 채무불이행 발생 시 손실 심각성을 예측하려고 한다. 신용 스프레드는 미국 국채나 LIBOR와 같은 이론적으로 "위험이 없는" 투자와 채무불이행 위험을 수반하는 투자 사이의 금리 차이며 금융 시장 참여자들의 신용 분석을 반영한다.

상업대출을 승인하기 전에 은행은 이러한 모든 요소를 살펴보게 되며, 주된 강조점은 차입자의 현금흐름이다. 상환능력의 대표적인 측정은 부채서비스 적용비율 또는 DSCR이다. 은행의 신용 분석가는 기업이 창출하는 현금(이자비용 전, 감가상각비 및 기타 비현금 또는 임시비용 제외)을 측정한다. DSCR은 이 현금 흐름 금액을 충족해야 하는 채무 서비스(모든 대출에 대한 원리금 지급 모두)로 나눈다. 시중은행들은 적어도 120퍼센트의 DSCR을 선호한다. 즉, 여분의 쿠션이 존재하며 기업이 부채요건을 감당할 수 있다는 것을 보여주기 위해서는 부채서비스 적용비율이 1.2 이상이어야 한다.

고전적 신용분석

전통적으로 대부분의 은행들은 기업 차입자의 신용위험을 평가하기 위해 주관적인 판단에 의존해왔다. 기본적으로, 은행가들은 주어진 대출의 여부를 결정하는데 성격(재투입), 자본(레버리지), 지불능력(수익의 유동성), 고객의 사업 조건(대여 목적), 담보 등 다양한 차입자의 특성에 관한 정보를 사용했다. 이러한 특성은 일반적으로 5C라고 한다.[1] 이런 유형의 전문가 시스템을 개발하는 것은 시간이 많이 걸리고 비용이 많이 든다. 특정 소프트(정량적) 데이터를 위험 모델에 통합하는 것은 특히 요구되지만, 성공적인 구현은 인간의 실수를 제거하고 오용의 가능성을 감소시킨다. 그래서 은행들이 수시로 의사 결정 과정을 복제하려 했던 것이다. 그럼에도 불구하고 기업고객에 대한 신용공여에 있어서 많은 은행들은 잠재적 차입자를 평가하는 전통적인 전문가 시스템에 계속해서 의존하고 있다.

신용평가제도

최근 수십 년 동안, 점수를 매기기 위한 객관적이고 정량적인 시스템이 개발되었다. 일변량(변수 1개) 회계기준 신용평가 시스템에서 신용분석가는 잠재적 차입자의 다양한 주요 회계비율과 이러한 변수의 산업 또는 집단 규범 및 추세를 비교한다.

오늘날 스탠더드앤드푸어스(S&P)와 무디스, 리스크관리협회(Risk Management Association)는 모두 은행에 산업 비율을 제공할 수 있다. 일변량 접근법을 통해 분석가는 잠재적 차입자의 특정 비율이 해당 산업의 표준과 현저히 다른지 여부를 조사하기 시작할 수 있다. 그러나 현실적으로 한 비율의 만족스럽지 못한 수준은 다른 몇 가지 조치의 강도에 의해 종종 완화된다. 예를 들어, 기업은 수익률은 낮지만 평균 이상의 유동성 비율을 가질 수 있다. 일변량 접근법의 한 가지 제한은 그러한 약한 비율과 강한 비율 사이에서 절충이 어렵다는 것이다. 물론, 좋은 신용 분석가는 이러한 조정을 할 수 있다. 그러나 특정 산업군, 공공 대 민간 기업, 지역 등 일부 일변도의 조치는 비율 수준보다는 범주형이다. 이런 유형의 변수에 대해서는 판단을 내리기가 더 어렵다.

단변량 모델은 오늘날에도 많은 은행에서 사용되고 있지만, 대부분의 학계 인사들과 점점 더 많은 수의 실무자들이 기업 성과를 평가하는 수단으로 비율 분석을 반대하는 것 같다. 많은 존경 받는 이론가들은 전문직 종사자들이 널리 사용하고 대신 보다 엄격한 통계 기법의 적용을 선호하는 자의적인 경험 법칙(회사 비율 비교 등)을 하향 평준화한다.

퍼지 로직과 신경망은 기업의 미래 성과 추정에서 더 높은 정확도를 제공하는 신용평가 전문가 시스템을 개발하는 새로운 방법의 예다. 전통적인 비율 분석에 존재하는 하드 데이터 외에도 퍼지 논리는 언어적 용어와 전문가 의견을 쉽게 통합할 수 있으며, 이는 하드 데이터가 불충분하고 부정확한 경우뿐만 아니라 완전히 이해되지 않은 위험을 모델링하는 데에도 더 적합하게 만든다.[2]

교육훈련

추가 정보: 신용 분석가 § 교육 및 재무 분석가 § 자격 심사

전형적인 교육 자격증에는 흔히 금융, 경영, 통계 또는 회계학을 전공하는 경영 관련 학사 학위가 필요하다. MBA가 필요한 것은 아니지만, 점점 더 많은 분석가들이 MBA를 보유하거나 추구하고 있으며, 종종 더 많은 선진화 기회를 얻기 위해 경쟁적으로 발전하기 위해 MBA는 점점 더 많이 보유되거나 추구되고 있다. 시중은행들도 은행이나 제3의 회사가 제공하는 강도 높은 신용교육을 받는다.

참조

  1. ^ MBDA, "[1]"
  2. ^ Brkic, Sabina and Hodzic, Migdat 및 Djanic, Enis, Puzzy Logic Model of Soft Data Analysis in Commercial Banking(2017년 11월 29일) 제5차 국제학술대회 "통합의 경제" ICII 2017 , SSRN에서 이용 가능: https://ssrn.com/abstract=3079471