எதிர் கட்சிகளின் கடன் தகுதியைப் புரிந்துகொள்வது வணிக முடிவெடுப்பதில் ஒரு முக்கிய அங்கமாகும். பத்திரங்களில் அல்லது கடன்களின் வடிவத்தில் முதலீடு செய்யப்பட்ட பணம் திருப்பிச் செலுத்தப்படுவதற்கான வாய்ப்பை முதலீட்டாளர்கள் அறிந்து கொள்ள வேண்டும். நிறுவனங்கள் சப்ளையர்கள், வாடிக்கையாளர்கள், கையகப்படுத்தல் வேட்பாளர்கள் மற்றும் போட்டியாளர்களின் கடன் தகுதியை அளவிட வேண்டும்.
கடன் தரத்தின் பாரம்பரிய அளவீடு ஒரு நிறுவன மதிப்பீடு ஆகும், அதாவது எஸ் அண்ட் பி, மூடிஸ் அல்லது ஃபிட்ச் தயாரித்தது. ஆயினும்கூட, இத்தகைய மதிப்பீடுகள் மில்லியன் கணக்கான சிறிய நிறுவனங்களுக்கு அல்ல, மிகப்பெரிய நிறுவனங்களுக்கு மட்டுமே கிடைக்கின்றன. அவற்றின் கடன் தகுதியை அளவிடுவதற்காக, சிறிய நிறுவனங்கள் பெரும்பாலும் மாற்று முறைகளைப் பயன்படுத்தி பகுப்பாய்வு செய்யப்படுகின்றன, அதாவது இயல்புநிலை (பி.டி) மாதிரிகள் நிகழ்தகவு. (மேலும் அறிய, கடன் மதிப்பீட்டு முகமைகளின் சுருக்கமான வரலாற்றைக் காண்க.)
பயிற்சி: இடர் மற்றும் பல்வகைப்படுத்தல்
பி.டி.க்களைக் கணக்கிடுவது பி.டி.க்களைக் கணக்கிடுவதற்கு மாடலிங் நுட்பமும் கடந்த கால இயல்புநிலைகளின் பெரிய தரவுத்தொகுப்பும் தேவைப்படுகிறது, அதோடு ஒரு பெரிய பிரபஞ்ச நிறுவனங்களுக்கான அடிப்படை நிதி மாறுபாடுகளின் முழுமையான தொகுப்பு. பெரும்பாலும், பி.டி மாதிரிகளைப் பயன்படுத்தத் தேர்ந்தெடுக்கும் நிறுவனங்கள் அவற்றை ஒரு சில வழங்குநர்களிடமிருந்து உரிமம் பெறுகின்றன. இருப்பினும், சில பெரிய நிதி நிறுவனங்கள் தங்கள் சொந்த பி.டி மாதிரிகளை உருவாக்குகின்றன.
ஒரு மாதிரியை உருவாக்குவதற்கு ஒரு தரவு கிடைக்கும் வரை அடிப்படைகளை சேகரிப்பது உட்பட தரவின் சேகரிப்பு மற்றும் பகுப்பாய்வு தேவைப்படுகிறது. இந்த தகவல் பொதுவாக நிதிநிலை அறிக்கைகளிலிருந்து வருகிறது. தரவு தொகுக்கப்பட்டவுடன், நிதி விகிதங்கள் அல்லது "இயக்கிகள்" - நேரத்தை மாற்றும் நேரம். இந்த இயக்கிகள் ஆறு வகைகளாகின்றன: அந்நிய விகிதங்கள், பணப்புழக்க விகிதங்கள், லாப விகிதங்கள், அளவு நடவடிக்கைகள், செலவு விகிதங்கள் மற்றும் சொத்து தர விகிதங்கள். இந்த நடவடிக்கைகள் கடன் பகுப்பாய்வு நிபுணர்களால் பரவலாக ஏற்றுக்கொள்ளப்படுகின்றன. (மேலும் அறிய, 6 அடிப்படை நிதி விகிதங்கள் மற்றும் அவை வெளிப்படுத்துவதைப் பார்க்கவும். )
அடுத்த கட்டம், உங்கள் மாதிரியில் உள்ள எந்த நிறுவனங்களில் "தவறியவர்கள்" என்பதை அடையாளம் காண்பது - உண்மையில் அவர்களின் நிதிக் கடமைகளில் தவறியவை. இந்த தகவலை கையில் வைத்து, ஒரு "லாஜிஸ்டிக்" பின்னடைவு மாதிரியை மதிப்பிடலாம். புள்ளிவிவர முறைகள் டஜன் கணக்கான வேட்பாளர் இயக்கிகளைச் சோதிக்கவும், பின்னர் எதிர்கால இயல்புநிலைகளை விளக்குவதில் மிகவும் முக்கியத்துவம் வாய்ந்தவற்றைத் தேர்வுசெய்யவும் பயன்படுத்தப்படுகின்றன.
பின்னடைவு மாதிரி இயல்புநிலை நிகழ்வுகளை பல்வேறு இயக்கிகளுடன் தொடர்புபடுத்துகிறது. மாதிரி வெளியீடுகள் 0 மற்றும் 1 க்கு இடையில் வரையறுக்கப்பட்டுள்ளன என்பதில் இந்த மாதிரி தனித்துவமானது, இது இயல்புநிலையின் 0-100% நிகழ்தகவு அளவிற்கு மாற்றப்படலாம். இறுதி பின்னடைவின் குணகங்கள் அதன் இயக்கிகளை அடிப்படையாகக் கொண்ட ஒரு நிறுவனத்தின் இயல்புநிலை நிகழ்தகவை மதிப்பிடுவதற்கான ஒரு மாதிரியைக் குறிக்கின்றன.
இறுதியாக, இதன் விளைவாக வரும் மாதிரிக்கான செயல்திறன் நடவடிக்கைகளை நீங்கள் ஆராயலாம். மாதிரி இயல்புநிலைகளை எவ்வளவு கணித்துள்ளது என்பதை அளவிடும் புள்ளிவிவர சோதனைகள் இவை. எடுத்துக்காட்டாக, ஐந்தாண்டு காலத்திற்கு (2001-2005) நிதித் தரவைப் பயன்படுத்தி இந்த மாதிரி மதிப்பிடப்படலாம். இதன் விளைவாக மாதிரியானது இயல்புநிலைகளை கணிக்க வேறு காலகட்டத்திலிருந்து (2006-2009) தரவில் பயன்படுத்தப்படுகிறது. 2006-2009 காலகட்டத்தில் எந்த நிறுவனங்கள் இயல்புநிலைக்கு வந்தன என்பது எங்களுக்குத் தெரியும் என்பதால், அந்த மாதிரி எவ்வளவு சிறப்பாக செயல்பட்டது என்பதை நாம் சொல்ல முடியும்.
மாடல் எவ்வாறு செயல்படுகிறது என்பதைப் புரிந்து கொள்ள, அதிக திறன் மற்றும் குறைந்த லாபம் கொண்ட ஒரு சிறிய நிறுவனத்தைக் கவனியுங்கள். இந்த நிறுவனத்திற்கான மூன்று மாதிரி இயக்கிகளை நாங்கள் வரையறுத்துள்ளோம். பெரும்பாலும், இந்த நிறுவனம் இயல்புநிலையின் ஒப்பீட்டளவில் அதிக நிகழ்தகவை மாதிரியானது கணிக்கும், ஏனெனில் இது சிறியது, எனவே, அதன் வருவாய் ஸ்ட்ரீம் ஒழுங்கற்றதாக இருக்கலாம். நிறுவனம் அதிக அந்நியச் செலாவணியைக் கொண்டுள்ளது, எனவே, கடனாளிகளுக்கு அதிக வட்டி செலுத்தும் சுமை இருக்கலாம். நிறுவனம் குறைந்த இலாபத்தை கொண்டுள்ளது, அதாவது அதன் செலவுகளை ஈடுசெய்ய இது சிறிய பணத்தை உருவாக்குகிறது (அதன் அதிக கடன் சுமை உட்பட). ஒட்டுமொத்தமாக எடுத்துக் கொண்டால், நிறுவனம் எதிர்காலத்தில் கடன் கொடுப்பனவுகளைச் சிறப்பாகச் செய்ய இயலாது என்பதைக் கண்டறிய வாய்ப்புள்ளது. இதன் பொருள் இயல்புநிலைக்கு அதிக நிகழ்தகவு உள்ளது. (மேலும் அறிய, வணிக பகுப்பாய்விற்கான பின்னடைவு அடிப்படைகளைப் பார்க்கவும்.)
கலை Vs. விஞ்ஞானம் இந்த கட்டத்தில், புள்ளிவிவரங்களைப் பயன்படுத்தி மாதிரி உருவாக்கும் செயல்முறை முற்றிலும் இயந்திரமயமானது. இப்போது செயல்முறையின் "கலை" யை நாட வேண்டிய அவசியம் உள்ளது. இறுதி மாதிரியில் தேர்ந்தெடுக்கப்பட்ட டிரைவர்களை ஆராயுங்கள் (வாய்ப்பு, 6-10 டிரைவர்களிடமிருந்து எங்கும்). வெறுமனே, முன்னர் விவரிக்கப்பட்ட ஆறு வகைகளில் ஒவ்வொன்றிலிருந்தும் குறைந்தது ஒரு இயக்கி இருக்க வேண்டும்.
எவ்வாறாயினும், மேலே விவரிக்கப்பட்ட இயந்திர செயல்முறை, ஆறு டிரைவர்களை அழைக்கும் ஒரு சூழ்நிலைக்கு வழிவகுக்கும், இவை அனைத்தும் அந்நிய செலாவணி விகித வகையிலிருந்து பெறப்பட்டவை, ஆனால் பணப்புழக்கம், லாபம் போன்றவற்றைக் குறிக்கவில்லை. அத்தகைய மாதிரியைப் பயன்படுத்தக் கேட்கப்படும் வங்கி கடன் அதிகாரிகள் கடன் முடிவுகளுக்கு உதவுவது புகார். அத்தகைய வல்லுநர்களால் உருவாக்கப்பட்ட வலுவான உள்ளுணர்வு மற்ற இயக்கி வகைகளும் முக்கியமானதாக இருக்க வேண்டும் என்று நம்புவதற்கு வழிவகுக்கும். அத்தகைய ஓட்டுநர்கள் இல்லாதது பலரும் மாதிரி போதுமானதாக இல்லை என்ற முடிவுக்கு வரக்கூடும்.
வெளிப்படையான தீர்வு என்னவென்றால், சில அந்நிய ஓட்டுனர்களை காணாமல் போன வகைகளில் இருந்து இயக்கிகளுடன் மாற்றுவதாகும். இருப்பினும் இது ஒரு சிக்கலை எழுப்புகிறது. அசல் மாதிரி மிக உயர்ந்த புள்ளிவிவர செயல்திறன் நடவடிக்கைகளை வழங்க வடிவமைக்கப்பட்டுள்ளது. இயக்கி அமைப்பை மாற்றுவதன் மூலம், மாதிரியின் செயல்திறன் முற்றிலும் கணித கண்ணோட்டத்தில் குறையும் என்று தெரிகிறது.
எனவே, மாதிரியின் (கலை) உள்ளுணர்வு முறையீட்டை அதிகரிக்க ஓட்டுனர்களின் பரந்த தேர்வைச் சேர்ப்பதற்கும் புள்ளிவிவர நடவடிக்கைகள் (அறிவியல்) அடிப்படையில் மாதிரி சக்தியின் சாத்தியமான குறைவுக்கும் இடையில் ஒரு பரிமாற்றம் செய்யப்பட வேண்டும். (மேலும், நிதி மாடலிங் முறையில் நடை விஷயங்களைப் படிக்கவும்.)
பி.டி மாடல்களின் விமர்சனங்கள் மாதிரியின் தரம் முதன்மையாக அளவுத்திருத்தத்திற்கான கிடைக்கக்கூடிய இயல்புநிலைகளின் எண்ணிக்கை மற்றும் நிதி தரவின் தூய்மை ஆகியவற்றைப் பொறுத்தது. பல சந்தர்ப்பங்களில், இது ஒரு சிறிய தேவை அல்ல, ஏனெனில் நிறைய தரவுத் தொகுப்புகள் பிழைகளைக் கொண்டிருக்கின்றன அல்லது தரவைக் காணவில்லை.
இந்த மாதிரிகள் வரலாற்று தகவல்களை மட்டுமே பயன்படுத்துகின்றன, சில சமயங்களில் உள்ளீடுகள் ஒரு வருடம் அல்லது அதற்கு மேற்பட்ட காலாவதியானவை. இது மாதிரியின் முன்கணிப்பு சக்தியை நீர்த்துப்போகச் செய்கிறது, குறிப்பாக கணக்கியல் மரபுகள் அல்லது ஒழுங்குமுறைகளில் மாற்றம் போன்ற ஒரு இயக்கி குறைவான தொடர்புடையதாக மாற்றப்பட்ட சில குறிப்பிடத்தக்க மாற்றங்கள் ஏற்பட்டிருந்தால்.
ஒரு குறிப்பிட்ட நாட்டிற்குள் ஒரு குறிப்பிட்ட தொழிலுக்கு மாதிரிகள் உருவாக்கப்பட வேண்டும். நாடு மற்றும் தொழில்துறையின் தனித்துவமான பொருளாதார, சட்ட மற்றும் கணக்கியல் காரணிகளை சரியாகப் பிடிக்க முடியும் என்பதை இது உறுதி செய்கிறது. சவால் என்னவென்றால், வழக்கமாக தரவுகளின் பற்றாக்குறை உள்ளது, குறிப்பாக அடையாளம் காணப்பட்ட இயல்புநிலைகளின் எண்ணிக்கையில். அந்த பற்றாக்குறை தரவு மேலும் நாடு-தொழில் வாளிகளாக பிரிக்கப்பட வேண்டும் என்றால், ஒவ்வொரு நாட்டு-தொழில் மாதிரிக்கும் குறைவான தரவு புள்ளிகள் உள்ளன.
அத்தகைய மாதிரிகளை உருவாக்கும்போது காணாமல் போன தரவு வாழ்க்கையின் உண்மை என்பதால், அந்த எண்களை நிரப்ப பல நுட்பங்கள் உருவாக்கப்பட்டுள்ளன. இருப்பினும், இந்த மாற்றுகளில் சில தவறானவற்றை அறிமுகப்படுத்தக்கூடும். தரவு பற்றாக்குறை என்பது ஒரு சிறிய தரவு மாதிரியைப் பயன்படுத்தி கணக்கிடப்படும் இயல்புநிலை நிகழ்தகவுகள் கேள்விக்குரிய நாடு அல்லது தொழில்துறையின் உண்மையான இயல்புநிலை நிகழ்தகவுகளை விட வேறுபட்டதாக இருக்கலாம். சில சந்தர்ப்பங்களில், அடிப்படை இயல்புநிலை அனுபவத்தை மிக நெருக்கமாக பொருத்த மாதிரி வெளியீடுகளை அளவிட முடியும்.
இங்கு விவரிக்கப்பட்டுள்ள மாடலிங் நுட்பம் பெரிய நிறுவனங்களுக்கான பி.டி.க்களைக் கணக்கிடவும் பயன்படுத்தப்படலாம். இருப்பினும், பெரிய நிறுவனங்களில் அதிகமான தரவு கிடைக்கிறது, ஏனெனில் அவை பொதுவாக வர்த்தக சமபங்கு மற்றும் குறிப்பிடத்தக்க பொது வெளிப்படுத்தல் தேவைகளுடன் பகிரங்கமாக பட்டியலிடப்பட்டுள்ளன. இந்த தரவு கிடைக்கும் தன்மை மேலே விவரிக்கப்பட்டதை விட சக்திவாய்ந்த பிற பி.டி மாதிரிகளை (சந்தை அடிப்படையிலான மாதிரிகள் என அழைக்கப்படுகிறது) உருவாக்குவதை சாத்தியமாக்குகிறது.
முடிவுரை
பி.டி மாதிரிகளின் முக்கியத்துவம் மற்றும் அவற்றின் முதன்மை வரம்பு-தரவு பற்றாக்குறை ஆகியவற்றை தொழில் பயிற்சியாளர்கள் மற்றும் கட்டுப்பாட்டாளர்கள் நன்கு அறிவார்கள். அதன்படி, இயல்புநிலை நிறுவனங்களின் துல்லியமான அடையாளம் உட்பட பயனுள்ள நிதித் தரவைப் பிடிக்க நிதி நிறுவனங்களின் திறனை மேம்படுத்த உலகெங்கிலும் பல்வேறு முயற்சிகள் (எடுத்துக்காட்டாக, பாஸல் II இன் அனுசரணையில்) மேற்கொள்ளப்பட்டுள்ளன. இந்த தரவுத்தொகுப்புகளின் அளவு மற்றும் துல்லியம் அதிகரிக்கும் போது, இதன் விளைவாக வரும் மாதிரிகளின் தரமும் மேம்படும். (இந்த தலைப்பில் மேலும் அறிய, கடன் மதிப்பீட்டு விவாதத்தைப் பார்க்கவும் .)
