Russia fraud score 2015

Индекс должной осмотрительности

| 2015

Тел.: +7 (495) 787-43-43 E-mail: [email protected]


Чем полезен индекс должной осмотрительности?

ИДО - эффективный инструмент экспресс-диагностики контрагентов

Применение ИДО соответствует критериям должной осмотрительности, рекомендованным ФНС

ИДО – важный элемент анализа кредитных рисков

Внедрение ИДО позволяет выявить неблагонадежные компании с целью адекватно рассчитывать среднеотраслевые коэффициенты и другие аналитические показатели

Формирование адекватного информационного обеспечения для использования в построении финансовых моделей

Индекс должной осмотрительности – скоринговая модель, позволяющая оценить вероятность того, что та или иная компания является однодневкой, «брошенным активом», создана в качестве «транзакционной единицы».

Новое в Индексе должной осмотрительности

Выявление новых схем использования недобросовестных юридических лиц (фальшивые справки 2-НДФЛ).


Расширились методы моделирования - использование логистической регрессии, деревьев классификации и регрессии (CART) и нечеткой логики.

1

Улучшились статистические характеристики полученной модели.

2

Изменилось факторное пространство. Добавились новые факторы – позиция компании в судебном процессе, участие в закупках и другие.

3

4


Группы гарантированной благонадежности доля

Компании, сдающие отчетность в соответствии с МСФО 0,012%

Системообразующие компании 0,004%

Стратегические предприятия 0,003%

Российские компании-эмитенты 0,053%

Члены Российского союза промышленников и предпринимателей

0,007%

Базовая выборка, с чего мы началиПри формировании выборки для расчета индекса за основу были взяты данные из базы данных СПАРК - более 8 миллионов компаний (включая ликвидированные). Из них:

Выработка критериев неблагонадежности

Исследованность проблемы неблагонадежности компаний в России низкая

Экспертные оценки критериев неблагонадежности между собой не перекликаются

Зарубежный опыт неприменим (на Западе под неблагонадежностью компании понимается, главным образом, фальсификация отчетности)

Набор доступных параметров для моделирования ограничен

Ясные критерии отнесения компании к «неблагонадежным» отсутствуют



Зарубежные аналоги модели№ Авторы Страна Год Алгоритм модели Факторы

1 Loebbecke, Eining & Willingham США 1988 Общий вид (наличие фактора) 36 инд-ов в 3 кат-ях

2 Bell, Szykowny, Willingham США 1991 Каскадная логистическая регрессия Анкетирование

3 Altman et al Италия 1994 Дискриминантный анализ и нейросетевое моделирование 8

4 Fanning, Cogger & Srivastava США 1995 Логистическая регрессия и нейросетевое моделирование 20

5 Hansen, McDonald, Messier, Bell США 1996 EGB2 (Логит и Пробит модели) н/д

6 Green & Choi США 1997 Нейросетевая модель 8

7 Beneish США 1999 Пробит-модель 12

8 Fanning & Cogger США 1998 Нейросетевая модель 8

9 Bell & Carcello США 2000 Логистическая регрессия 7

10 Feroz, Kwon, Pastena & Park США 2000 Логистическая регрессия и нейросетевая модель 7

11 Hwang & Lin США 2003 Интегрированная система: нейросети, нечеткая логика 8

12 Tufan et al Турция 2003 Кластеризация по группам, основанная на нечеткой логике 3 кластера

13 Estévez et al Чили 2005 Нейросетевое моделирование и нечеткая логика 8

14 Patricia Dechow США 2007 Логистическая регрессия 7,9,11

15 Hernandez & Groot Голландия 2007 Логистическая регрессия 5

16 Bay, Yen, Yang Китай 2008 CART 24

17 Lou, Wang Тайвань 2009 Логистическая регрессия 14


Эмитенты, раскрывающие отчетность

Клиенты Интерфакса

Участники рейтинга «СПАРК-2000»

Члены Российского Союза Промышленников и Предпринимателей

Компании-участники проекта «Мониторинг платежей

Другие источники

Была произведена выборка благонадежных компаний из базы данных СПАРК:

Компании, представленные в выборке неблагонадежных, ликвидированы налоговым органом в 2009-2013 гг.

Какие компании мы выбрали в качестве благонадежных?


Какие показатели мы выбрали для расчета?

Всего использовано несколько десятков различных факторов.


Впервые нами был проведено ex-post тестирование индекса, то есть, на основе информации, поступившей в 2013 - 2014 годы была проверена адекватность индекса, на основе данных, которых не было на момент его составления, определена его predictive power.

По результатам тестирования более 90% компаний, выявленных налоговым органом, как недобросовестные в 2014 году имели индекс >70, а среди, компаний подтвердивших свою добросовестность более 90 % имели индекс <40.

ROC-кривая для построенных моделей, демонстрирует их высокую статистическую значимость.

Тестирование модели


Распределение значений индекса при ex-post тестировании


Использование ИДО для оценки риска

Значение индекса

Уровень риска Рекомендации

1 - 40 Низкий риск

41 - 70 Средний риск

Рекомендуется сбор

дополнительной

информации

71 - 99 Высокий рискСбор дополнительной

информации обязателен


Развитие Индекса должной осмотрительности

Показатели ИДО 2011/2102 ИДО 2013 ИДО 2014 ИДО 2015

Выборка 2 000 вручную отобранных компаний (по 1 000 благонадежных и неблагонадежных)

236 044 автоматизировано отобранных компаний (208 684 – неблагонадежных, 27 360 – благонадежных)

Около 170 000 недобросовестных и около 30 000 добросовестных компаний (полуавтоматический отбор)

134 516 недобросовестных и около 304 486 добросовестных компаний (полуавтоматический отбор)

Факторы 9 (4 для компаний без финансовой отчетности)

20 (10 для компаний без финансовой отчетности)

Сократилось использование финансовых факторов, добавились новые – существенные факты, отрасль, регион

Около 40 факторов, включая новые

Модель Декомпозиция трех моделей (CART, Логистическая регрессия, Гибридная нейронечеткая сеть)

Логистическая нейросеть на 61 или 100 нейронах

Логистическая регрессия Декомпозиция трех моделей (CART, Логистическая регрессия, нечеткая логика)

Точность 88%-81% 95%-93% 97%-95% 98%-97%


Какие дополнительные возможности использования индекса?

Улучшение модели в связи с повышением качества информации привело к возможности выявлять наиболее значимые факторы и проводить анализ чувствительности.

Учет новых факторов позволяет выявлять новые схемы использования недобросовестных юридических лиц.

В совокупности с новым финансовым анализом, Индексом финансового риска (ИФР) и Индексом платежной дисциплины (ИПД) можно проводить комплексный анализ компании


Портрет компании в СПАРКе

Показатель Категория Результат

Индекс должной осмотрительности

Добросовестность

Комплексный анализ

компании

Финансовый анализ Структура, тренды, деловая активность, рентабельность, ликвидность, платежеспособность

Индекс финансового риска

Вероятность банкротства

Платежная дисциплина Выполнение обязательств

Связи Преемственность


ИДО не применим к следующим видам юридических лиц1. Бюджетные учреждения

2. Общественные и религиозные организации: приходы храмов, СОРОО, МОНОО

3. Автономные некоммерческие организации

4. Товарищества собственников жилья

5. Садоводческие, огороднические или дачные некоммерческие товарищества

6. Некоммерческие партнерства: НП, ДНП, СРО

7. Прочие некоммерческие организации: казачьи общества, коллегии адвокатов

8. Экстерриториальные организации

9. Органы общественной самодеятельности

10. Общественные движения

11. Ассоциации и союзы

12. Унитарные предприятия

по телефону: +7 (495) 787-43-43 по E-mail: [email protected] web: www.spark-interfax.ru

Страничка СПАРКа в социальных сетях:

http://www.facebook.com/SparkInterfax

http://spark-interfax.livejournal.com/

Мы всегда рады ответить на Ваши вопросы, свяжитесь с нами:

mailto:[email protected]

http://www.spark-interfax.ru/

http://www.facebook.com/SparkInterfax



Economy & Finance

Russia fraud score 2015