The assessment and modeling of the credit risk is one of the most important topics in the field of financial risk management. In this investigation the credit risk assessment model was developed and tested for Lithuanian companies. 20 financial ratios of the companies were calculated for each year of the 3 year period of interest. The analysis of variance (ANOVA) and Kolmogorov-Smirnov test were applied and the set of variables reduced from 60 to 25. Logistic regression was used for the classification of the companies into reliable and not reliable ones. Financial ratios, having the highest correlation to the possibility of default were selected for further investigation and several credit ratings were attributed to the companies according to these variables’ values. The average values of Mahalanobis Distances calculated for the most reliable companies were the lowest and these values increased with a decreased reliability of the company. The differences between Mahalanobis Distances of the companies having different credit ratings confirmed the reliability of the model results.
Santrauka
Kredito rizikos vertinimas ir modeliavimas – viena iš aktualiausiu temų, kalbant apie finansinės rizikos valdymą. Atlikto tyrimo metu buvo sukurtas kredito rizikos modelis. šis modelis išbandytas 198 Įmonių aibėje, skaičiuojant po 20 finansinių rodiklių 3 analizuojamų metu laikotarpiu. Panaudojus ANOVA metodą ir Kolmogorovo – Smirnovo statistiką, kintamųjų kiekis buvo sumažintas nuo 60 iki 25 rodiklių. Įmonįu klasifikavimui į 2 grupes: patikimus ir nepatikimus banko klientus, atsižvelgiant į jų įsipareigojimų nevykdymo tikimybę, buvo naudojama logistinė regresija. 97 proc. patikimų (nebankrutavusių) ir 82 proc. nepatikimų (bankrutavusių) įmonių suklasifikuotos teisingai. Tolimesniam tyrimui atrinkti 7 finansiniai rodikliai, kurių koreliacinis ryšys su įsipareigojimų nevykdymo tikimybe buvo didžiausias. Atsižvelgiant į šių kintamųjų reikšmės, įmonėms buvo priskirti 9 kredito reitingai. Vidutines Mahalanobio atstumu reikšmes, apskaiČiuotos patikimiausioms kompanijoms buvo mažiausios; šios reikšmės didėjo, mažejantįmonių patikimumui. Skirtingį reitingį įmonėms apskaiČiuoti Mahalanobio atstumų skirtumai, pagrindė modelio rezultatų patikimumą.
Companies Credit Risk Assessment Methods for Investment Decision Making