信用分析

信用分析とは、企業や組織の信用度を計算する方法です。 ^[1]言い換えれば、企業が財務上の義務を履行する能力を評価することです。大企業の監査済み財務諸表は、社債を発行するとき、または発行したことがあるときに分析されることがあります。または、銀行は商業ローンを実行または更新する前に中小企業の財務諸表を分析する場合があります。この用語は、企業が大規模であるか小規模であるかに関係なく、どちらの場合も指します。信用アナリストは、この役割を担う 財務専門家です。

信用分析の目的の 1 つは、借り手と提案されている融資制度の両方を検討し、リスク評価を割り当てることです。リスク評価は、融資制度の存続期間中に特定の信頼水準で借り手が債務不履行になる可能性を推定し、債務不履行が発生した場合に貸し手が被る損失額を推定することによって導き出されます。

信用分析には、比率や傾向の分析、予測の作成、キャッシュフローの詳細な分析など、さまざまな財務分析手法が含まれます。信用分析には、担保やその他の返済源、信用履歴、管理能力の調査も含まれます。前述のように、アナリストは借り手が債務不履行になる可能性、および債務不履行が発生した場合の損失の深刻度を予測しようとします。信用スプレッドとは、米国債や LIBOR などの理論的に「リスクのない」投資と、債務不履行のリスクがある投資との金利差であり、金融​​市場参加者による信用分析を反映しています。

商業ローンを承認する前に、銀行はこれらすべての要素を検討しますが、最も重視するのは借り手のキャッシュフローです。返済能力の一般的な測定方法は、債務返済比率、つまり DSCR です。銀行の信用アナリストは、企業が生み出すキャッシュ (利息費用前、減価償却費やその他の非現金支出または臨時支出を除く) を測定します。DSCR は、このキャッシュフロー額を、満たす必要のある債務返済 (すべてのローンの元金と利息の支払いの両方) で割ります。商業銀行は、少なくとも 120 パーセントの DSCR を好みます。言い換えると、債務返済比率は 1.2 以上で、余裕があり、企業が債務要件を満たす余裕があることを示す必要があります。

従来、ほとんどの銀行は、法人借り手の信用リスクを評価するのに主観的な判断に頼ってきました。 ^[2]基本的に、銀行員は、性格（評判）、資本（レバレッジ）、支払い能力（収益の変動性）、顧客の事業状況（ローンの目的）、担保など、さまざまな借り手の特性に関する情報を使用して、特定のローンを行うかどうかを決定しました。これらの特性は、一般に5Cと呼ばれています。^[3]この種のエキスパートシステムの開発には時間と費用がかかります。特定のソフト（定性）データをリスクモデルに組み込むことは特に要求が厳しいですが、実装が成功すれば人的エラーがなくなり、悪用される可能性も減ります。そのため、銀行は時折、意思決定プロセスを複製しようとしてきました。それでも、法人顧客への信用供与では、多くの銀行が潜在的な借り手を評価するために、主に従来のエキスパートシステムに頼り続けています。

近年、信用スコアリングのための客観的で定量的なシステムが数多く開発されてきました。単変量（1 つの変数）の会計ベースの信用スコアリング システムでは、信用アナリストが潜在的な借り手のさまざまな主要な会計比率を、業界またはグループの標準およびこれらの変数の傾向と比較します。

現在、スタンダード＆プアーズ、ムーディーズ、リスクマネジメント協会はいずれも、銀行に業種別比率を提供しています。単変量アプローチにより、アナリストは調査を開始して、潜在的な借り手の特定の比率がその業種標準と著しく異なるかどうかを判断できます。ただし実際には、1 つの比率の不十分なレベルは、他の指標の強さによって緩和されることがよくあります。たとえば、ある企業は収益性比率は低いものの、流動性比率は平均以上である可能性があります。単変量アプローチの 1 つの制限は、このような弱い比率と強い比率の間でトレードオフを行うことが難しいことです。もちろん、優秀な信用アナリストはこれらの調整を行うことができます。ただし、特定の業種グループ、公開企業と非公開企業、地域などの一部の単変量指標は、比率レベルの値ではなくカテゴリ値です。このタイプの変数について判断を下すのはより困難です。

単変量モデルは現在でも多くの銀行で使用されていますが、ほとんどの学者や実務家は、企業のパフォーマンスを評価する手段として比率分析を承認していないようです。多くの著名な理論家は、実務家が広く使用している恣意的な経験則 (企業比率の比較など) を軽視し、より厳密な統計手法の適用を支持しています。

ファジー論理とニューラルネットワークは、企業の将来の業績をより正確に予測する信用スコアリング専門家システムを開発する新しい方法の例です。従来の比率分析に存在するハードデータに加えて、ファジー論理は言語用語や専門家の意見を簡単に組み込むことができるため、不十分で不正確なハードデータがある場合や、十分に理解されていないリスクをモデル化する場合に適しています。^[4]

一般的な学歴には、金融、ビジネス、統計、または会計（金融または経済に重点を置く）を専攻したビジネス関連の学士号が必要になることがよくあります。MBA は必須ではありませんが、昇進の機会を得るための競争力を高めるために、アナリストがMBA を取得または取得しようとするケースが増えています。商業銀行員は、銀行または第三者企業が提供する集中的な信用研修も受けます。

クレジットアナリストには、キャリアアップの道がいくつかあります。最も一般的な道筋は、信用リスクの分野で昇進することです。この道筋では、この分野で十分な経験を積んだ後、チームリーダーや最高リスク管理責任者(CRO) などの役職に就くことができます。

あるいは、多くのクレジット アナリストは、そのスキルを活用して、銀行内のリレーションシップまたはセールスの役割に転向します。この移行には、収益を生まない部門から銀行の収益性に直接貢献する部門への異動が含まれることがよくあります。クレジット アナリストは、顧客の財務とリスクを深く理解しているため、コーポレート バンキングのリレーションシップ マネージャーなどの役職に就くのに有利です。

もう一つのキャリアアップの選択肢は、投資銀行や関連分野（デット・キャピタル・マーケット、リスク・コンサルティングなど）への転職です。この転職には、信用リスクのスキルとこれらの分野で評価される金融の専門知識を一致させる必要があります。例えば、複雑なモデリングの経験があるアナリストはレバレッジド・ファイナンスでチャンスを得られるかもしれませんし、インフラや産業プロジェクトへの資金調達の経験があるアナリストはプロジェクト・ファイナンスの役職に適しているかもしれません。^[5]