ДИСКУРСИВНЫЙ АЛГОРИТМ ДИФФЕРЕНЦИАЦИИ ДЕБИТОРОВ ПО ГРУППАМ КРЕДИТНОГО РИСКАВ РАМКАХ КОММЕРЧЕСКОГО КРЕДИТОВАНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ ОРГАНИЗАЦИЙ КЕМЕРОВСКОЙ ОБЛАСТИ
Рубрики: ЭКОНОМИКА
Авторы:
1.
ФГБОУ ВО «Кемеровский технологический институт пищевой промышленности (университет)»
2.
ФГБОУ ВО «Кемеровский технологический институт пищевой промышленности (университет)»
3.
ФГБОУ ВО «Кемеровский технологический институт пищевой промышленности (университет)»
Тип:
Статья
Страницы:
с 180
по 187
Статус:
Опубликован
Получено:
30.12.2016
Одобрено:
30.12.2016
Опубликовано:
30.12.2016
Классификаторы:
УДК 336:347.471.5(571.17)
УДК 66 Химическая технология. Химическая промышленность. Родственные отрасли
УДК 60 Прикладные науки. Общие вопросы
УДК 66 Химическая технология. Химическая промышленность. Родственные отрасли
УДК 60 Прикладные науки. Общие вопросы
Язык материала:
русский
Ключевые слова:
Кредитный риск, коммерческое кредитование, дискурсивный алгоритм, индикаторы кредитного риска
Аннотация (русский):
В связи с тем, что область коммерческого кредитования является относительно новой формой кредитных отношений в современной России, в отечественной литературе отсутствуют законченные методические технологии, направленные на оценку кредитного риска в сфере производства. Этим объясняется интерес авторов к рекомендациям зарубежных ученых в области оценочной процедуры, в том числе по вектору качества дебиторской и кредиторской задолженности как ключевых характеристик коммерческого кредита. Аналитическая и финансово-инженерная работа проведена в два этапа: выявление и группировка индикаторов кредитного риска в сфере коммерческого кредита; унификация индикаторов кредитного риска в форме дискурсивного алгоритма. Выявленные индикаторы кредитного риска привлекают не столько с позиции их частного исследования, сколько с точки зрения возможности инженерии аналитических механизмов на их основе. Построению новой аналитической схемы предшествует тематическая группировка индикаторов, которая необходима для выделения ключевых векторов в области оценочной процедуры. В рамках коммерческого кредитования четко прослеживаются пять аналитических направлений в оценке кредитного риска: качество дебиторской задолженности, качество кредиторской задолженности, степень их сопряженности, ликвидность, динамика запасов. Опираясь на результаты тематической группировки индикаторов, авторы разработали дискурсивный алгоритм дифференциации дебиторов по группам кредитного риска с учетом их регионально-отраслевой принадлежности.
В связи с тем, что область коммерческого кредитования является относительно новой формой кредитных отношений в современной России, в отечественной литературе отсутствуют законченные методические технологии, направленные на оценку кредитного риска в сфере производства. Этим объясняется интерес авторов к рекомендациям зарубежных ученых в области оценочной процедуры, в том числе по вектору качества дебиторской и кредиторской задолженности как ключевых характеристик коммерческого кредита. Аналитическая и финансово-инженерная работа проведена в два этапа: выявление и группировка индикаторов кредитного риска в сфере коммерческого кредита; унификация индикаторов кредитного риска в форме дискурсивного алгоритма. Выявленные индикаторы кредитного риска привлекают не столько с позиции их частного исследования, сколько с точки зрения возможности инженерии аналитических механизмов на их основе. Построению новой аналитической схемы предшествует тематическая группировка индикаторов, которая необходима для выделения ключевых векторов в области оценочной процедуры. В рамках коммерческого кредитования четко прослеживаются пять аналитических направлений в оценке кредитного риска: качество дебиторской задолженности, качество кредиторской задолженности, степень их сопряженности, ликвидность, динамика запасов. Опираясь на результаты тематической группировки индикаторов, авторы разработали дискурсивный алгоритм дифференциации дебиторов по группам кредитного риска с учетом их регионально-отраслевой принадлежности.
Ключевые слова:
Кредитный риск, коммерческое кредитование, дискурсивный алгоритм, индикаторы кредитного риска
Кредитный риск, коммерческое кредитование, дискурсивный алгоритм, индикаторы кредитного риска
Введение Ориентируясь на поставленную цель исследова- тельской работы, вводим необходимые понятия и предусматриваем последующие действия. Под ин- дикаторами кредитного риска понимаем ключевые относительные показатели, гипотетически наделенные значительными прогностическими свой- ствами. Выявлением индикаторов считаем целена- правленный отбор параметров из совокупности на базе их соответствия определенному критерию предпочтения, а их группировкой - образование качественно однородных групп индикаторов в за- висимости от аналитического направления. Таким образом, процесс выявления и группи- ровки индикаторов кредитного риска отражает сле- дующие шаги: исследование системы коэффициентов кредитного анализа; формирование своеобразных матриц предпочтений для выявления индика- торов кредитного риска; тематическую группиров- ку индикаторов. Концентрация ключевых парамет- ров кредитного анализа должна найти свое приме- нение в эффективной аналитической работе. С этой целью синтезируем (унифицируем) индикаторы в аналитический механизм, осуществляя процесс приведения отдельных коэффициентов к единооб- разию. В данной статье механизм унификации от- ражает конструирование дискурсивного алгоритма дифференциации дебиторов по группам кредитного риска. Алгоритм как «система правил, определяющая содержание и последовательность операций, переводящих исходные данные в конечный резуль- тат» [20] в данном случае обладает дискурсивными чертами. Рассматривая «дискурсивный» как логич- ный, последовательный, обоснованный [20], проти- воположный интуитивному и используя эту черту по отношению к алгоритму, предусматриваем воз- можность интерпретации понятия «дискурсивный алгоритм» как «логически обоснованной системы правил, определяющей содержание и последова- тельность операций, переводящих исходные дан- ные в конечный результат» [26]. Дифференциация, означающая «разделение … единого целого на различные части…» [20], в дан- ном случае употребляется по отношению к сово- купности потенциальных дебиторов, классифика- ция которых необходима для принятия рациональ- ных кредитных решений. В связи с тем, что фина- лом данной аналитической конструкции является дифференциация дебиторов по группам кредитного риска, целевую направленность алгоритма целесо- образно вынести в его название. Унифицируя ин- дикаторы кредитного риска, мы условно отож- дествляем понятия: «система показателей», «анали- тический механизм», «аналитические конструкции» и «аналитические схемы», так как все они в широ- ком смысле отражают «определенное строение, устройство на основе взаимопроникающих элемен- тов» [25, 26, 27]. Процедура унификации индикаторов кредитно- го риска представлена методом построения «дерева решений», заключающимся в исследовании про- гнозируемого количества возможных сценариев, характеризующихся индивидуальным набором раз- ноплановых количественных параметров. Этот прием позволяет представлять аналитическую ин- формацию в иерархической, последовательной структуре, где каждому объекту соответствует единственный «узел», дающий однозначное реше- ние. В качестве критических значений показателей алгоритма предполагается использовать как норма- тивные, так и фактические значения, рассчитанные в среднем за 2013-2014 гг. на регионально- отраслевом уровне. В ходе исследовательской ра- боты были изучены методики и рекомендации сле- дующих авторов: Ю. Бригхем и Л. Гапенски; И.Ф. Брик; Дж. Ван Хорн; А.И. Гончаров; О.В. Ефимова и М.В. Мельник; В.В. Ковалев; Ли Ченг Ф. и Дж. Финнерти; И.Я. Лукасевич; Р.Д. Мехта; В.П. Сав- чук; Т.В. Теплова, М.И. Ткачук и Е.Ф. Киреева; Дж. Фостер; Хамбург Моррис; Э. Хелферт; А.Д. Шере- мет, Р.С. Сайфулин и Е.В. Негашев; Д.С. Эверт [1, 2, 3, 4, 5, 7, 8, 11, 12, 14, 15, 19, 21, 22, 24, 28, 29]. Объекты и методы исследования Целью работы является разработка и обоснова- ние дискурсивного алгоритма дифференциации дебиторов по группам кредитного риска в рамках коммерческого кредитования. Объектом исследования выступают сельскохо- зяйственные предприятия Кемеровской области. В качестве предмета исследования рассматрива- ется кредитный риск, возникающий в процессе коммерческого кредитования. Теоретической и методологической основой ис- следования послужили научные работы зарубежных и отечественных экономистов, посвященные вопросам кредитного дела, финансового анализа, финансового менеджмента, финансовой инженерии. В процессе исследования авторы применяли следующие методы: экономико-статистический, монографический, абстрактно-логический, методы сравнения и группировки, анализа и синтеза, метод построения «дерева решений» и др. Результаты и их обсуждение Матрица предпочтений, сформированная на ос- нове 17 авторских методик и отражающая 22 базовых параметра, при использовании частоты приме- нения финансовых коэффициентов в аналитической практике в качестве критерия предпочтения, позволила выявить 10 индикаторов кредитного риска (с уровнем значимости 29,4-76,5 %). Первичная группировка индикаторов по эконо- мическому содержанию предоставляет возможность выявленные коэффициенты распределить по четырем векторам: качество дебиторской задолженности (DZ); качество кредиторской задолженности (KZ); ликвидность баланса (L); динамика запасов (D). По- нятие «качество задолженности», по мнению Н.В. Гаретовского, характеризуется «совокупностью свойств задолженности, обусловливающих ее спо- собность удовлетворять определенные потребности в соответствии с назначением» [23, c. 32]. Предполагая, что основным назначением деби- торской задолженности является авансирование оборотного капитала, Р.А. Русак и Н.А. Русак ее качеством считают «вероятность получения задолженности своевременно и в полной сумме» [18, 91]. Многие финансисты измерителем подобной вероятности считают удельный вес просроченной задолженности [2, с. 92, 95; 9, с. 227; 18, с. 91], то есть своеобразный атрибут «политики взыскания долгов» [2, с. 90]. О.В. Ефимова и М.В. Мельник, в свою оче- редь, дополняют смысловую нагрузку данного понятия сопоставимостью динамики долгов де- биторов и выручки предприятия, утверждая: «ес- ли рост дебиторской задолженности не сопро- вождается соответствующим увеличением вы- ручки, то можно говорить об увеличении сроков ее погашения (снижении скорости оборота), а, следовательно, об ухудшении ее качества» [2, с. 95]. Проводя аналогию по отношению к креди- торской задолженности и проанализировав со- став показателей, характеризующих качество задолженности, приходим к выводу о наличии нескольких составляющих компонентов: произ- водственной, специфической и составляющей «степени долевого участия» (рис. 1). Качество DZ Качество KZ коэффициент погашения дебиторской за-долженности ПРОИЗВОДСТВЕННАЯКОМПОНЕНТА соотношение кредиторской задолженности ивыручки «политика сбора долгов»:доля просрочки в структуре дебиторской задолженности СПЕЦИФИЧЕСКАЯ КОМПОНЕНТА «кредитная история»:доля просрочки в структуре кредиторской задолженности доля дебиторской задолженности в струк-туре оборотного капитала «СТЕПЕНЬ ДОЛЕВОГОУЧАСТИЯ» доля кредиторской задолженности в структурекраткосрочных обязательств Рис. 1. Составляющие компоненты качества дебиторской и кредиторской задолженности Таким образом, очевидно, что специфику ана- литической базы в рамках коммерческого кредита характеризуют нестандартные фундаментальные параметры - незавершенная задолженность дебиторов и долги перед кредиторами предприятия. На наш взгляд, в процедуре оценки кредитного риска уместно рассматривать не только их массивы и ка- чество, но и сопряженность. Для оценки их сопряженности разумно при- менять показатель, характеризующий суммарное соотношение дебиторской и кредиторской задолженности, с нормативным уровнем: 1,0. Это связано одним из базовых условий эффек- тивного финансирования воспроизводственного процесса: равновеликие массивы задолженности дебиторов и долгов перед кредиторами. Помимо указанной причины, этот параметр целесообразно применять в аналитической конструкции с позиции политики управления активами и пасси- вами (УАП), а именно: корреспондирующие сег- менты активов и пассивов должны быть сопоста- вимыми по размерам и специфике [26]. В резуль- тате такого уточнения тематическая группировка индикаторов кредитного риска дополняется еще одним вектором: сопряженность дебиторской и кредиторской задолженности (рис. 2). Совокупность оригинальных индикаторов кредитного риска в условиях коммер- ческого кредитования Показатели качества дебиторской задолженности 2. Показатели качества кредиторской задолженности доля дебиторской задолженности в структуре оборот- ного капитала; доля просрочки в структуре дебиторской задолжен- ности; коэффициент погашения дебиторской задолженности - доля кредиторской задолженности в структуре крат- косрочных обязательств; доля просрочки в структуре кредиторской задолжен- ности; соотношение кредиторской задолженности и выручки Показатель сопряженности DZ и KZ 4. Показатель динамики запасов -коэффициент соотношения DZ и KZ - показатель движения товарных запасов 5. Показатели ликвидности чистый оборотный капитал (CHOK); текущая ликвидность (KTL); абсолютная ликвидность (KAL) Рис. 2. Тематическая группировка оригинальных индикаторов кредитного риска в сфере коммерческого кредитования Представив в комплексе оригинальные индика- торы кредитного риска в рамках коммерческого кредитования, выстраиваем на их основе дискур- сивный алгоритм дифференциации дебиторов. Ре- зультативными признаками оценочной процедуры выступают две модификации: высокий (V) и низ- кий (N) уровень риска. На наш взгляд, именно та- кая градация риска в процессе кредитования при- годна для использования в связи с тем, что в этом случае предусматриваются два взаимоисключаю- щих варианта кредитного решения: положительное или отрицательное [26]. Опорные положения алго- ритма отражают специфику торгового кредита: оборотные активы характеризуются значительной подвижностью и скоростью оборота и, в связи с этим, выступают объектом коммерческого кредита, т.к. авансирование оборотного капитала дебитора за счет отвлечения средств из собственного оборота кредитора может осуществляться лишь в несуще- ственных временных границах. Данное положение выступает стержнем для конструирования алгорит- ма. Поэтому организующим звеном аналитической конструкции выступает чистый оборотный капитал, отображающий маржу в сопоставлении оборотного капитала и суммы текущих обязательств. Логика расчета данного параметра представляется убеди- тельной: текущая задолженность перед кредиторами появляется как неминуемый результат активной деятельности на рынке. Организация, функциони- рующая в обычном режиме, расплачивается по краткосрочным пассивам за счет оборотного капи- тала [2, с. 241-242; 12, с. 107; 19, с. 69-70]. Экспресс-диагностику способности дебитора своевре- менно погашать кредитные обязательства продол- жаем совершать при условии, если указанный пока- затель больше нуля. В том случае, когда параметр относится к отрицательному ряду чисел, расчет следующих за ним коэффициентов теряет смысл. Если чистый оборотный капитал положителен, делаем следующий шаг: расчет и анализ коэффи- циента текущей ликвидности (KTL, нормативное значение 2,0). Однако опыт аналитической работы показал, что соответствие показателя норме и пе- рекрывание норматива иногда негативно характе- ризуют финансовую деятельность организации, так как это может быть связано с существенными массивами долгов дебиторов. В этой связи необ- ходимо не только оценить величину дебиторской задолженности, но и соотнести массивы дебитор- ской и кредиторской задолженности (для оценки степени сопряженности отвлеченных и привле- ченных средств предприятия). Если выполняется правило равновеликих сумм дебиторской и креди- торской задолженности, то дебитора следует отнести к носителям минимального уровня кредитного риска. В случае, когда отношение меньше либо равно единице, то в качестве аналитического ориентира должна предстать кредиторская задолженность. В первую очередь следует изучить удельный вес кредиторской задолженности в совокупных кратко- срочных обязательствах. Фактическая средняя доля долгов перед кредиторами в структуре краткосроч- ных обязательств сельскохозяйственных организа- ций Кемеровской области за период 2013-2014 гг. составила 87,14 % [16, 17]. Следовательно, в ситуации превышения средне- го регионально-отраслевого долевого участия кре- диторской задолженности в структуре краткосроч- ных обязательств (>87,14 %), целесообразно вы- явить долю просрочки в совокупной задолженности перед кредиторами. Среднегодовое долевое участие просроченных долгов в совокупной кредиторской задолженности в расчетном периоде по сельскохо- зяйственным предприятиям Кузбасса - 25,6 % (а именно: в 2013 г. - 27,6 %, в 2014 г. - 23,6 %) [16, 17]. В случае перекрывания указанного порога разумно принять отрицательное кредитное решение в связи с высоким уровнем риска. Когда просрочка перед кредиторами не превышает заданного рубежа, кредитная операция может состояться, так как степень кредитного риска мож- но признать допустимой. В ситуации, когда удель- ный вес кредиторской задолженности предприятия в структуре текущих пассивов располагается в установленных границах (87,14 %), то разумно расширить последовательную аналитическую ли- нию отношением кредиторской задолженности и выручки. Возникающая проблема в аналитической процедуре (отсутствие нормативного значения по- казателя) решается возможностью изучения данно- го параметра в динамике. С этой целью в аналити- ческой схеме отражаем «проблемный блок» по со- измерению реальных значений показателя на две последние временные точки. Равновесные значения параметров или падение показателя в динамике могут указывать либо на спад кредиторской задол- женности, либо на прирост объема продаж. Обе версии потенциальных ситуаций характеризуются незначительным уровнем кредитного риска. В про- тивном случае (рост коэффициента в динамике) уровень риска повышается. Возвращаясь к коэффициенту соотношения де- биторской и кредиторской задолженности и преду- сматривая его значение >1, делаем вывод о соответствующем объекте анализа - дебиторской задолженности. Изначально исследуем ее место в совокупном оборотном капитале. В качестве значе- ния-ориентира используем среднюю долю дебитор- ской задолженности в структуре оборотных акти- вов по сельскохозяйственным организациям Кеме- ровской области - 37,52 % [16, 17]. При суще- ственном долевом участии долгов дебиторов в структуре оборотного капитала (>37,52 %) целесо- образно измерить долю просрочки в совокупной дебиторской задолженности, сделав выводы об уровне риска по данной кредитной операции. Экспресс-оценку можно осуществить, ориентируясь на средние показатели сельскохозяйственных произ- водителей Кузбасса [16, 17] - 43,19 %. Однако этот уровень слишком высок и не может быть принят в качестве оптимального значения, поэтому предла- гаем ориентироваться на тенденции, выявленные на общероссийском уровне - 26,15 %. При незначи- тельной доле дебиторской задолженности в совокупном оборотном капитале ( 37,52 %) вычисляем коэффициент погашения долгов дебиторами, свидетельствующий о мобильности дебиторской за- долженности, и сопоставляем его реальную величину с рекомендуемым значением. В принципе, значение этого показателя зависит от индивидуальных условий договоров, однако, если принимать во внимание типовые условия коммерческого кредита в России (возможность по- гашения задолженности в течение трех месяцев), можно рассчитать рекомендуемый уровень показа- теля - 0,231 (12 недель / 52 недели). Таким обра- зом, соответствие или превышение расчетно- нормативного значения коэффициента позволяет отнести дебитора к соответствующей группе кре- дитного риска. Далее вновь обратимся к коэффициенту теку- щей ликвидности, рассчитанному на втором этапе оценочной процедуры. При несоответствии фактического значения показателя нормативному уровню разумно будет дополнить аналитическую работу исследованием коэффициента абсолютной ликвид- ности. Следует отметить, что размер данного пара- метра во многом определяется числителем дроби (совокупные денежные средства и краткосрочные финансовые вложения), так как объем текущих обязательств предприятия в краткосрочном перио- де относительно стабилен. Волатильность активов мгновенной реализа- ции обусловлена их существенной мобильностью во времени. При этом в оценочной процедуре возникают проблемы, связанные с существенны- ми расхождениями в области рекомендуемых значений коэффициента: 0,05-0,1 [11, с. 229; 12, с. 108; 13, с. 279]; 0,20-0,25 [24, с. 64]; 0,3 [6, с. 12]; 0,1-0,7 [9, с. 103; 10, с. 184]. В настоящей статье в качестве оптимального уровня парамет- ра принимается его усредненное значение - 0,2. Соответствие нормативному уровню показателя и перекрывание нормы характеризуют потенциальную кредитную операцию как низко риско- ванную. В противном случае необходимы допол- нительные исследования, а именно: расчет пока- зателя движения товарных запасов. Однако ис- пользование указанного коэффициента в оценоч- ной процедуре затрудняется отсутствием его оп- тимального значения. По нашему мнению, реше- ние проблемы возможно посредством горизон- тально-динамического метода анализа. Рост по- казателя будет связан либо с увеличением объема продаж, либо с сокращением товарных запасов на складах организации, что является демонстра- цией низкого уровня кредитного риска. Противо- положная ситуация, характеризующаяся негатив- ными тенденциями, диктует кредитору нецелесообразность совершения кредитной операции в связи с высокой степенью риска. Предлагаемая классификационная аналитическая схема пред- ставлена на рис. 3. CHOK < 0 V KTL < 2 = 1 N KAL < 0,2 < 1 > 1 N да нет >87,14 % >37,52 % V N да нет N >25,6% N V N >26,15 % V >0,231 V N V Примечания. CHOK - чистый оборотный капитал; KTL - коэффициент текущей ликвидности; KAL - коэффициент абсолютной ликвидно- сти; VR - выручка; Z - запасы готовой продукции; KZ - кредиторская задолженность; KZp - просроченная кредиторская задолженность; DZ - дебиторская задолженность; DZp - просроченная дебиторская задолженность; OA - оборотные активы; KSO - краткосрочные обяза- тельства. Практическая реализация разработанного дис- курсивного алгоритма дифференциации дебиторов по группам кредитного риска может способство- вать повышению уровня эффективности принятия кредитных решений, вследствие чего повышается вероятность снижения неплатежей, и, в итоге, - обеспечивается рост уровня качества незавершен- ной задолженности организаций.
1. Альгин, А.П. Риск и его роль в общественной жизни / А.П. Альгин. - М.: Мысль, 1989. - 187 с
2. Анализ финансовой отчетности / под ред. О.В. Ефимовой, М.В. Мельник. - М.: Омега-Л, 2004. - 451 с
3. Бригхем, Ю. Финансовый менеджмент: полный курс: в 2-х т. / Ю. Бригхем, Л. Гапенски; пер. с англ. под ред. В.В. Ко- валева. Т. 1. - СПб.: Экономическая школа, 1997. - 669 с
4. Бригхем, Ю. Финансовый менеджмент: полный курс: в 2-х т. / Ю. Бригхем, Л. Гапенски; пер. с англ. под ред. В.В. Ковалева. Т. 2. - СПб.: Экономическая школа, 1997. - 669 с
5. Бригхем, Ю. Энциклопедия финансового менеджмента / Ю. Бригхем. - М.: РАГС-«Экономика», 1998. - 215 с
6. Вишняков, И.В. Методы и модели оценки кредитоспособности заемщиков / И.В. Вишняков. - СПБ.: Издательство СПб ГИЭА, 1998. - 354 с
7. Глазунов, В.Н. Обеспечение текущей платежеспособности предприятия / В.Н. Глазунов // Финансы. - 2004. - № 3. - С. 67-69
8. Гончаров, А.И. Система индикаторов платежеспособности предприятия / А.И. Гончаров // Финансы. - 2004. - № 6. - С. 69-70
9. Донцова, Л.В. Анализ финансовой отчетности / Л.В. Донцова, Н.А. Никифорова. - М.: Дело и сервис, 2003. - 336 с
10. Зотов, В.П. Комплексный экономический анализ / В.П. Зотов. - Кемерово: Кузбассвузиздат, 2001. - 380 с
11. Ковалев, В.В. Введение в финансовый менеджмент / В.В. Ковалев. - М.: Финансы и статистика, 2002. - 768 с
12. Ковалев, В.В., Ковалев Вит. В. Финансы предприятий / В.В. Ковалев, Вит.В. Ковалев. - М.: ТК Велби, 2003. - 352 с
13. Ковалев, В.В. Финансовый анализ: методы и процедуры / В.В. Ковалев. - М.: Финансы и статистика, 2001. - 560 с
14. Ли Ченг, Ф. Финансы корпораций: теория, методы, практика / Ф. Ли Ченг, И. Дж. Финнерти; пер. с англ. - М.: ИН- ФРА-М, 2000. - 686 с
15. Лукасевич, И.Я. Стратегические показатели финансового анализа / И.Я. Лукасевич // Финансы. - 2002. -№ 9. - С. 22-27
16. Официальный сайт Федеральной службы государственной статистики. - URL: http://www.gks.ru
17. Официальный сайт государственной статистики Кемеровской области. - URL: http://kemerovostat.gks.ru
18. Русак, Н.А. Финансовый анализ субъекта хозяйствования: справочное пособие / Н.А. Русак, В.А. Русак. - Минск: Высшая школа, 1997. - 309 с
19. Савчук, В.П. Управление финансами предприятия / В.П. Савчук. - М.: БИНОМ. Лаборатория знаний, 2003. - 480 с
20. Словарь иностранных слов / Под ред. Л.Н. Комаровой. - 16-е изд., испр. - М.: Русский язык, 1988. - 624 с
21. Теплова, Т.В. Финансовый менеджмент: управление капиталом и инвестициями / Т.В. Теплова. - М.: ГУ ВШЭ, 2000. - 504 с
22. Ткачук, М.И. Основы финансового менеджмента / М.И. Ткачук, Е.Ф. Киреева. - Минск: Интерпрессервис: Экопер- спектива, 2002. - 416 с
23. Финансово-кредитный словарь: в 3-х т. Т. 3 / Гл. ред. Н.В. Гаретовский. - М.: Финансы и статистика, 1988. - 511 с
24. Финансовый менеджмент: теория и практика / под ред. Е.С. Стояновой. - 4-е изд., перераб. и доп. - М.: Перспектива, 1999. - 565 с
25. Хамская, С.Г. Исследование оценочной процедуры в области кредитного риска в условиях коммерческого кредита / С.Г. Хамская; Кемер. гос. с.-х. ин-т. - Кемерово, 2007. - Деп. в ИНИОН РАН 03.07.07. - № Р 60331. - 214 с
26. Хамская, С.Г. Оценка кредитного риска в рамках коммерческого кредитования (в форме прямых заимствований между предприятиями) / С.Г. Хамская; дис. ... канд. экон. наук: 08.00.10. - Новосибирск, 2006. - 193 с
27. Хамская, С.Г. Экспериментально-синтетический подход к оценке кредитного риска / С.Г. Хамская, Н.И. Харитонова; Кемеровский гос. ун-т. - Кемерово, 2009. - Деп. в ИНИОН РАН 07.07.09. - № Р 60762. - 127 с
28. Хорн, В. Дж. Основы управления финансами / В. Дж. Хорн; пер. с англ. под ред. И.И. Елисеевой. - М.: Финансы и статистика, 1997. - 760 с
29. Шеремет, А.Д. Методика финансового анализа / А.Д. Шеремет, Р.С. Сайфулин, Е.В. Негашев. - 3-е изд., перераб. и доп. - М.: ИНФРА-М, 2001. - 208 с
