DISCOURSE ALGORITHM OF DEBTORS’ DIFFERENTIATION FOR CREDIT RISK GROUPS IN COMMERCIAL CREDITINGOF AGRICULTURAL ENTERPRISES OF THE KEMEROVO REGION
Rubrics: ECONOMICS
Authors:
1.
Kemerovo Institute of Food Science and Technology (University)
2.
Kemerovo Institute of Food Science and Technology (University)
3.
Kemerovo Institute of Food Science and Technology (University)
Type:
Article
Pages:
from 180
to 187
Status:
Published
Received:
30.12.2016
Accepted:
30.12.2016
Published:
30.12.2016
Subject area:
UDK 336:347.471.5(571.17)
UDK 66 Химическая технология. Химическая промышленность. Родственные отрасли
UDK 60 Прикладные науки. Общие вопросы
UDK 66 Химическая технология. Химическая промышленность. Родственные отрасли
UDK 60 Прикладные науки. Общие вопросы
Language:
Russian
Keywords:
Credit risk, commercial lending, discursive algorithm, credit risk indicators
Abstract (English):
Due to the fact that commercial crediting is a relatively new form of credit relations in modern Russia, there are no complete methodical technologies aimed at credit risk estimate in production sphere in home literature. This explains the interest of the authors to recommendations of foreign scientists in the field of estimating procedures including those based on the quality vector of debit and credit debts as key characteristics of a commercial credit. Analytical and financial-engineering studies have been carried out in 2 stages: the identification and grouping of credit risk indicators in the field of commercial credit; unification of credit risk indicators in the form of the discursive algorithm. The identified credit risk indicators are of interest not so much from the standpoint of their private studies but in terms of the possibility of analytical tools engineering based on them. Construction of a new analytical scheme has been preceded by a thematic grouping of indicators necessary to highlight the key vectors in the estimating procedure. Five trends in credit risk estimate are clearly traced within the commercial credit analysis: the quality of debit indebtedness, the quality of creditor indebtedness, the degree of their contingency, liquidity, and stock dynamics. Based on the results of the thematic grouping of indicators, the authors have developed a discursive algorithm of debtors’ differentiation for credit risk groups taking into account their region-and-branch sectors.
Due to the fact that commercial crediting is a relatively new form of credit relations in modern Russia, there are no complete methodical technologies aimed at credit risk estimate in production sphere in home literature. This explains the interest of the authors to recommendations of foreign scientists in the field of estimating procedures including those based on the quality vector of debit and credit debts as key characteristics of a commercial credit. Analytical and financial-engineering studies have been carried out in 2 stages: the identification and grouping of credit risk indicators in the field of commercial credit; unification of credit risk indicators in the form of the discursive algorithm. The identified credit risk indicators are of interest not so much from the standpoint of their private studies but in terms of the possibility of analytical tools engineering based on them. Construction of a new analytical scheme has been preceded by a thematic grouping of indicators necessary to highlight the key vectors in the estimating procedure. Five trends in credit risk estimate are clearly traced within the commercial credit analysis: the quality of debit indebtedness, the quality of creditor indebtedness, the degree of their contingency, liquidity, and stock dynamics. Based on the results of the thematic grouping of indicators, the authors have developed a discursive algorithm of debtors’ differentiation for credit risk groups taking into account their region-and-branch sectors.
Keywords:
Credit risk, commercial lending, discursive algorithm, credit risk indicators
Credit risk, commercial lending, discursive algorithm, credit risk indicators
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. Al'gin, A.P. Risk i ego rol' v obschestvennoy zhizni / A.P. Al'gin. - M.: Mysl', 1989. - 187 s
2. Analiz finansovoy otchetnosti / pod red. O.V. Efimovoy, M.V. Mel'nik. - M.: Omega-L, 2004. - 451 s
3. Brighem, Yu. Finansovyy menedzhment: polnyy kurs: v 2-h t. / Yu. Brighem, L. Gapenski; per. s angl. pod red. V.V. Ko- valeva. T. 1. - SPb.: Ekonomicheskaya shkola, 1997. - 669 s
4. Brighem, Yu. Finansovyy menedzhment: polnyy kurs: v 2-h t. / Yu. Brighem, L. Gapenski; per. s angl. pod red. V.V. Kovaleva. T. 2. - SPb.: Ekonomicheskaya shkola, 1997. - 669 s
5. Brighem, Yu. Enciklopediya finansovogo menedzhmenta / Yu. Brighem. - M.: RAGS-«Ekonomika», 1998. - 215 s
6. Vishnyakov, I.V. Metody i modeli ocenki kreditosposobnosti zaemschikov / I.V. Vishnyakov. - SPB.: Izdatel'stvo SPb GIEA, 1998. - 354 s
7. Glazunov, V.N. Obespechenie tekuschey platezhesposobnosti predpriyatiya / V.N. Glazunov // Finansy. - 2004. - № 3. - S. 67-69
8. Goncharov, A.I. Sistema indikatorov platezhesposobnosti predpriyatiya / A.I. Goncharov // Finansy. - 2004. - № 6. - S. 69-70
9. Doncova, L.V. Analiz finansovoy otchetnosti / L.V. Doncova, N.A. Nikiforova. - M.: Delo i servis, 2003. - 336 s
10. Zotov, V.P. Kompleksnyy ekonomicheskiy analiz / V.P. Zotov. - Kemerovo: Kuzbassvuzizdat, 2001. - 380 s
11. Kovalev, V.V. Vvedenie v finansovyy menedzhment / V.V. Kovalev. - M.: Finansy i statistika, 2002. - 768 s
12. Kovalev, V.V., Kovalev Vit. V. Finansy predpriyatiy / V.V. Kovalev, Vit.V. Kovalev. - M.: TK Velbi, 2003. - 352 s
13. Kovalev, V.V. Finansovyy analiz: metody i procedury / V.V. Kovalev. - M.: Finansy i statistika, 2001. - 560 s
14. Li Cheng, F. Finansy korporaciy: teoriya, metody, praktika / F. Li Cheng, I. Dzh. Finnerti; per. s angl. - M.: IN- FRA-M, 2000. - 686 s
15. Lukasevich, I.Ya. Strategicheskie pokazateli finansovogo analiza / I.Ya. Lukasevich // Finansy. - 2002. -№ 9. - S. 22-27
16. Oficial'nyy sayt Federal'noy sluzhby gosudarstvennoy statistiki. - URL: http://www.gks.ru
17. Oficial'nyy sayt gosudarstvennoy statistiki Kemerovskoy oblasti. - URL: http://kemerovostat.gks.ru
18. Rusak, N.A. Finansovyy analiz sub'ekta hozyaystvovaniya: spravochnoe posobie / N.A. Rusak, V.A. Rusak. - Minsk: Vysshaya shkola, 1997. - 309 s
19. Savchuk, V.P. Upravlenie finansami predpriyatiya / V.P. Savchuk. - M.: BINOM. Laboratoriya znaniy, 2003. - 480 s
20. Slovar' inostrannyh slov / Pod red. L.N. Komarovoy. - 16-e izd., ispr. - M.: Russkiy yazyk, 1988. - 624 s
21. Teplova, T.V. Finansovyy menedzhment: upravlenie kapitalom i investiciyami / T.V. Teplova. - M.: GU VShE, 2000. - 504 s
22. Tkachuk, M.I. Osnovy finansovogo menedzhmenta / M.I. Tkachuk, E.F. Kireeva. - Minsk: Interpresservis: Ekoper- spektiva, 2002. - 416 s
23. Finansovo-kreditnyy slovar': v 3-h t. T. 3 / Gl. red. N.V. Garetovskiy. - M.: Finansy i statistika, 1988. - 511 s
24. Finansovyy menedzhment: teoriya i praktika / pod red. E.S. Stoyanovoy. - 4-e izd., pererab. i dop. - M.: Perspektiva, 1999. - 565 s
25. Hamskaya, S.G. Issledovanie ocenochnoy procedury v oblasti kreditnogo riska v usloviyah kommercheskogo kredita / S.G. Hamskaya; Kemer. gos. s.-h. in-t. - Kemerovo, 2007. - Dep. v INION RAN 03.07.07. - № R 60331. - 214 s
26. Hamskaya, S.G. Ocenka kreditnogo riska v ramkah kommercheskogo kreditovaniya (v forme pryamyh zaimstvovaniy mezhdu predpriyatiyami) / S.G. Hamskaya; dis. ... kand. ekon. nauk: 08.00.10. - Novosibirsk, 2006. - 193 s
27. Hamskaya, S.G. Eksperimental'no-sinteticheskiy podhod k ocenke kreditnogo riska / S.G. Hamskaya, N.I. Haritonova; Kemerovskiy gos. un-t. - Kemerovo, 2009. - Dep. v INION RAN 07.07.09. - № R 60762. - 127 s
28. Horn, V. Dzh. Osnovy upravleniya finansami / V. Dzh. Horn; per. s angl. pod red. I.I. Eliseevoy. - M.: Finansy i statistika, 1997. - 760 s
29. Sheremet, A.D. Metodika finansovogo analiza / A.D. Sheremet, R.S. Sayfulin, E.V. Negashev. - 3-e izd., pererab. i dop. - M.: INFRA-M, 2001. - 208 s
