Размещено на http://www.allbest.ru/

Введение

В мировой практике кредитоспособность клиента является одним из основных объектов при определении целесообразности кредитных отношений с ним. Способность к возвращению долга связывается с моральными качествами клиента, его талантом и родом занятий, степенью вложения капитала в недвижимое имущество, возможностью заработать средства для погашения ссуды[1].

Для оценки кредитоспособности на перспективу нужно учесть влияние предстоящих конъюнктурных изменений в экономике, сказывающихся на деятельности заемщика, с учетом сумм и сроков будущих поступлений доходов и их использования, в соответствии с обязательствами по платежам.

При определении кредитоспособности нужно учитывать и данные о разных сторонах деятельности заемщика, условия его работы. Наряду с цифровыми показателями можно использовать данные о репутации заемщика, которые не поддаются выражению в цифровом виде.

Таким образом, кредитоспособность заемщика основывается на моральных качествах клиента и его способности воспроизвести авансированные средства для погашения долга.

Основная цель изучения кредитоспособности - определить способность и готовность заемщика вернуть запрашиваемую сумму в соответствии с условиями договора о выдаче ссуды. Банк должен в каждом случае определить степень риска, что он готов взять на себя, и размер кредита, который может быть предоставлен в данных обстоятельствах[2].

Сложность оценки кредитоспособности заемщиков обусловила применение разнообразных подходов к такой задаче, в зависимости от особенностей заемщиков.

Для эффективной оценки кредитных рисков важно правильно подобрать метод оценки кредитоспособности заемщика и кредитного портфеля банка.

В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом[1]:

- субъективный вывод экспертов или кредитных инспекторов;

- автоматизированные системы скоринга.

Скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

Широкое применение скоринга началось с распространением кредитных карточек. При том, количества людей, которые ежедневно обращались за кредитными карточками постоянно увеличивалась, поэтому банкам ничего другого не оставалось, как автоматизировать процесс принятия решений о выдаче кредита. Однако вскоре они оценили не только скорость обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем, уровень безнадежного долга сокращался до 50%.

Тем не менее, в настоящее время в мире не существует единой стандартизированной системы оценки кредитоспособности. Банки используют различные системы анализа кредитоспособности заемщика. Перечень показателей, используемых для анализа финансового состояния заемщика, и порядок их расчета определяются кредитной организацией самостоятельно. Одним из самых важных этапов в организации процесса кредитования является оценка кредитоспособности и платежеспособности клиента. От правильной оценки часто зависит жизнеспособность банка. Неправильная оценка может привести к невозврату кредита, что в свою очередь способно нарушить ликвидность банка и в конечном счете привести к банкротству кредитной организации[2].

Размер кредитов, ставки по ним, способы погашения, условия предоставления, формы обеспечения варьируются в широких диапазонах у различных банков. Оформление кредита требует составления большого количества документации. Отсюда следует, что автоматизация процесса предоставления кредитов является актуальной задачей в настоящее время. Однако, предлагаемые на рынке информационных технологий пакеты программ универсального характера, настроены на решение широкого круга банковских задач, используют большое количество ресурсов ЭВМ, и требуют больших затрат на приобретение лицензионной копии, и зачастую являются избыточными для создания автоматизированного рабочего места служащего кредитного отдела. Таким образом, возникает потребность в написании небольших программ, которые легко адаптируются к специфическим условиям конкретного банка и позволяют пользователю не прибегать к услугам специалистов при их установке[2].

Автоматизация процесса классификации заемщика сокращает время оценки каждого клиента на 20 минут. Если учесть, что в течение дня менеджер анализирует примерно четыре кредитных проекта, то экономия времени составляет 80 мин/день. Рабочая неделя составляет 40 часов / неделю. Примерно половина времени отводится для просмотра и анализа уже существующих кредитных дел, т.е. 20 часов в неделю. Отсюда экономия составляет 200 минут или 3,3 часа / неделю, что равняется 8%. Итак, можно сократить количество работников и конечно же расходы на персонал на 8%, но это возможно лишь при прямой экстраполяции.

По экспертным оценкам главного регионального управления, без негативных последствий можно сократить штат на 6%. Вследствие этого банк сможет снизить затраты на персонал на 6%. Именно поэтому разработка данного проекта является актуальной задачей.

1. Состояние проблемы автоматизации кредитования физических лиц в банке и постановка задач дипломного проекта

1.1 Обзор и анализ публикаций по проблемам кредитования физических лиц в банке

Для эффективной оценки кредитных рисков важно правильно подобрать метод оценки кредитоспособности заемщика и кредитного портфеля банка. Существует множество методов для оценки заемщиков, которые имеют свои достоинства и недостатки [5]. К основным методикам можно отнести:

1 Методика НБУ.

2 Скоринг.

3 Математические методы.

3.1 Credit metrics / Credit Var.

3.2 Методика КМV.

3.3 Подход Credit Suisse Financial Prodacts (CSFP).

4 Методика Базельского комитета.

4.1 Стандартизированный подход (Standardized Apporoach).

4.2 Основной IRB-подход (Foundation IRB (Internal ratings-based) Apporoach). кредитование социальный потребительский заемщик

4.3 Расширенный IRB-подход (Advanced IRB Apporoach).

В данном банке используется метод скоринга. В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании друг с другом:

- субъективный вывод экспертов или кредитных инспекторов;

- автоматизированные системы скоринга[3].

Скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

Кредитный скоринг - это процесс оценки заемщика банком или другой кредитной организацией. По результатам этой оценки потенциальный кредитор принимает решение о кредитной заявке. Если в ходе этого процесса, заемщик не набирает определенного количества баллов - то в получении кредита ему отказывают.

Сам скоринг осуществляется с помощью "скоринговой модели" - т.е. своеобразных "рычагов", которые "взвешивают" математически выраженные характеристики заемщика, влияющие на его способность вовремя расплатиться с кредитором.

В западной банковской системе, когда человек обращается за кредитом, банк может иметь следующую информацию для анализа:

- анкета, заполняемая заемщиком;

­ информация на данного заемщика из кредитного бюро - организации, в которой хранится кредитная история всего взрослого населения страны;

­ данные движений по счетам, если речь идет об уже действующего клиента банка.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени роста кредитоспособности.

Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией раздела, что, собственно говоря, есть линией безубыточности и рассчитывается из отношения, сколько в среднем требуется клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии - нет.

Все это выглядит очень просто, однако сложность заключается в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать.

Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.

Набор характеристик, которые наиболее тесно связаны с вероятностью дефолта - вероятностью, что заемщик не вернет кредит или задержится с выплатой, будет отличаться в зависимости от национальных экономических и социально-культурных особенностей. Чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогнозирование дефолта. Поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные модели для различных групп клиентов и различных видов кредита.

К преимуществам данной автоматизированной модели можно отнести:

­ уменьшение затрат - путем уменьшения количества персонала, задействованного в процедурах выдачи кредита;

­ уменьшение времени обработки заявлений на получение кредитов (принятие решений по кредитам сокращается до нескольких минут);

­ уменьшение времени для предоставления ответа относительно принятия решения о предоставлении кредита или об его отказе;

­ автоматический расчет скоринга для физических лиц и субъектов малого и среднего бизнеса;

­ минимизация операционного риска;

­ подготовка операторами банка в режиме реального времени протоколов скоринга и бизнес-правил, а также установление стратегий;

­ осуществление более быстрой, эффективной и надежной взаимосвязи между сторонами кредитного процесса (физическими лицами, кредитными учреждениями) [4].

Поскольку модели скоринга развивались, эволюция массовых продуктов для оценки займов характеризовалась ростом алгоритмизации. Большая часть знаний о кредитах извлеченная из базы данных с помощью математических исследований; эти модели составлены из условий, определенных кредитором, и математически с генерируемых правил и формул. Это позволяет увеличивать степень автоматизации в процессе принятия решений, приводит к результату с гораздо меньшим количеством затраченного времени чем прежде.

Различают следующие методы оценки кредитоспособности заемщиков:

1 Многофакторная и логистическая регрессия.

Традиционными и наиболее распространенными являются регрессионные методы, прежде всего линейная многофакторная регрессия:

р = w ₁ x ₁ + w ₂ x ₂ + ... + w _n x _n, (1.1)

где р - вероятность дефолта;

w - весовые коэффициенты;

x - характеристики клиента.

Логистическая регрессия:

log (p / (1 - p)) = w ₁ x ₁ + w ₂ x ₂ + ... + w _n x _n, (1.2)

где р - вероятность дефолта;

w - весовые коэффициенты;

x - характеристики клиента.

Для применения логистической регрессии необходимы гораздо более сложные расчеты для получения весовых коэффициентов и, следовательно, более мощная компьютерная база и усовершенствованное компьютерное обеспечение. Но при современном уровне развития компьютерной техники это не является проблемой, и в настоящее время логистическая регрессия является лидером скоринговых систем.

Преимущество логистической регрессии еще и в том, что она может подразделять клиентов как на две группы (0 - плохой, 1 - хороший), так и на несколько групп (1, 2, 3, 4 группы риска).

2 Кластерный анализ.

Кластерный анализ - это совокупность методов, позволяющих классифицировать многомерные наблюдения, объекты (заявки потенциальных заемщиков), каждый из которых описывается набором характеристик (факторов) Х 1, Х 2 ,..., X m.

Целью кластерного анализа является образование групп, классов подобных между собой объектов, которые принято называть кластерами. В скоринговых системах как классы выступают "надежные заемщики" и "проблемные заемщики". В кластерном анализе используется подход, когда все групповые признаки одновременно учитываются при отнесении субъектов наблюдения в тот или иной класс. При разработке скоринговых систем кластерный анализ на основе начальной выборки позволяет построить меру (расстояние) между двумя основными классами объектов и определить "центры" каждого класса в пространстве характеристик Х 1, Х 2 ,..., X m, то есть сформировать ключевое правило присуще задаче скоринга: по предложенному объекту вычисляются расстояния до каждого из классов ("надежные заемщики" и "проблемные заемщики"), и объект относится к классу, расстояние до которого оказывается минимальным. Содержательным моментом является выбор вида меры (расстояния между объектами) в пространстве признаков Х 1, Х 2 ,..., X m. Данный выбор должен быть осуществлен исходя из минимизации ошибок классификации объектов (заемщиков) [3].

3 Нейронные сети.

Нейронные сети представляют собой системы, которые разделяют клиентов на группы, внутри которых уровень риска одинаков и максимально отличается от уровня риска других групп. Нейронные сети используются главным образом при определении кредитоспособности юридических лиц, где анализируются выборки меньшего размера, чем в потребительском кредите. Но наиболее успешной областью их применения стало выявление мошенничества с кредитными картами благодаря их способности выявлять нестандартные ситуации.

4 Генетические алгоритмы.

Генетический алгоритм основан на аналогии с биологическим процессом естественного отбора. В сфере кредитования это выглядит следующим образом: имеется набор классификационных моделей, которые подвергаются «мутации», «скрещиваются», и в результате отбирается «сильнейший», то есть модель, которая дает наиболее точную классификацию.

5 Деревья классификации.

Деревья классификации - это метод, позволяющий предсказывать принадлежность наблюдений или объектов к тому или иному классу категориальной зависимой переменной в зависимости от соответствующих значений одной или нескольких предикторных переменных. Построение деревьев классификации - один из важнейших методов, используемых при проведении «добычи данных».

Цель построения деревьев классификации заключается в прогнозе (или объяснении) значений категориальной зависимой переменной, и поэтому методы, используемые, тесно связаны с более традиционными методами дискриминантного анализа, кластерного анализа, нелинейного оценивания .. Широкая сфера применения деревьев классификации делает их весьма привлекательным инструментом анализа данных, но не следует поэтому считать, что его рекомендуется использовать вместо традиционных методов статистики.

Отличительная особенность метода деревьев классификации - это присущая ему гибкость. Уже было сказано о способности деревьев классификации последовательно изучать эффект влияния отдельных переменных. Есть еще целый ряд причин, делающих деревья классификации более гибким средством, чем традиционные методы анализа. Способность деревьев классификации выполнять одномерное ветвления для анализа вклада отдельных переменных дает возможность работать с предикторными переменными различных типов. Если новая категория содержит некую дополнительную информацию о риске, то к дереву решений можно добавить новые узлы, учитывающие и использующие эту информацию. Таким образом, при построении одномерных ветвлений дерева классификации позволяют использовать для ветвления как непрерывные, так и категориальные переменные.

Отличительная особенность метода деревьев классификации - это присущая ему гибкость. Уже было сказано о способности деревьев классификации последовательно изучать эффект влияния отдельных переменных. Есть еще целый ряд причин, делающих деревья классификации более гибким средством, чем традиционные методы анализа.Способность деревьев классификации выполнять одномерное ветвления для анализа вклада отдельных переменных дает возможность работать с предикторнимы переменными различных типов. Если новая категория содержит некую дополнительную информацию о риске, то к дереву решений можно добавить новые узлы, учитывающие и используя эту информацию. Таким образом, при построении одномерных ветвлений дерева классификации позволяют использовать для ветвления как непрерывные, так и категориальные переменные.[3]

Таким образом, проведенный анализ показал, что разрабатываемая автоматизированная система классификации заемщиков-физических лиц в конкретном банке, для принятия решения по выдаче кредита позволит в отделе кредитования повысить эффективность процесса предоставления кредита физическим лицам за счет уменьшения времени на принятие решения по выдаче кредита.

1.2 Постановка задач проекта

Разработать программное обеспечение подсистемы классификации заемщика при оформлении потребительских кредитов в составе автоматизированной системы учета выданных кредитов с целью автоматизации работы инспектора отдела кредитования банка и членов кредитного коммитета при ринятии решения об удовлетворении (неудовлетворении) кредитной заявки, снижения рисков принятия положительного решения при выдаче проблемного кредита.

Реализация дипломного проекта предполагает решение следующих задач:

- анализ системы потребительского кредитования физических лиц;

- анализ документооборота банка при оформлении потребительского кредита;

- анализ методов классификации заемщика с точки зрения безопасности выдачи кредита;

- разработка ТЗ на ПО подсистемы классификации заемщика при оформлении потребительских кредитов;

- разработка логической и физической моделей БД подсистемы классификации заемщика при оформлении потребительских кредитов;

- разработка алгоритмов функционирования ПО подсистемы классификации заемщика при оформлении потребительских кредитов;

- разработка ПО подсистемы классификации заемщика при оформлении потребительских кредитов;

- верификация ПО подсистемы классификации заемщика при оформлении потребительских кредитов;

- экономическое обоснование разработки ПО подсистемы классификации заемщика при оформлении потребительских кредитов;

- разработка мероприятий по обеспечению безопасности жизнедеятельности пользователя разработанного ПП.

1.3 Техническое задание на разработку подсистемы классификации заемщика при оформлении потребительских кредитов

1.3.1 Основание для проведения работы

Основанием для выполнения работы является приказ № _____ от «___»______________ о базе производственной практике и приказ № _____ от на выполнение дипломного проекта для специальности 7.080403 - «Программное обеспечение автоматизированных систем» по Национальному аэрокосмическому университету им. Н.Е Жуковского «ХАИ».

1.3.2 Цель и назначение разработки

Программный продукт «Подсистема классификации заемщиков при оформлении потребительских кредитов “ПОТРЕБ-КРЕДИТ”» предназначен для автоматизации работы инспектора отдела кредитования банка и членов кредитного коммитета при ринятии решения об удовлетворении (неудовлетворении) кредитной заявки.

Применение данного программного продукта позволит существенно упростить анализ кредитоспостобости заемщика за счет автоматизации процессов классификации заемщика на основе предоставленных заемщиком данных.

Использование системы позволит повысить качественный уровень эффективности и производительности работы отдела кредитования, при кредитовании физических лиц для приобретения товаров народного потребления (потребительских кредитов), снизить риск принятия положительного решения членами кредитного коммитета при выдаче потенциально невозвратного кредита.

1.3.3 Источники разработки

Источниками разработки являются перечень нормативных документов АКБ «Приватбанк», закон Украины «Про банки та банківську діяльність», а также разработки управления автоматизации банковских технологий АКБ «Приватбанк».

1.3.4 Требования пользователя

1Внешние требования

ПП должен создавать БД, которая содержит информацию:

- о сотрудниках отделения;

- о схемах кредитования;

- о личных сведениях заемщиков, их месте работы, доходах и расходах, их семейном и социальном положении, движимом и недвижимом имуществе;

- о заявках на оформление потребительского кредита;

- о районных отделах внутренних дел, выдающих паспорт (далее РОВД);

- о налоговых инспекциях, выдающих идентификационный код

- (далее ГНИ).

ПП должен производить изменения в базах данных:

- добавлять новую информацию о схемах кредитования, о личных сведениях заемщиков, их месте работы, доходах и расходах, их семейном и социальном положении, движимом и недвижимом имуществе, их заявках на кредитование, сотрудниках отделения, РОВД, ГНИ;

- изменять информацию об отделении банка, схемах кредитования, о личных сведениях заемщиков, их месте работы, доходах и расходах, их семейном и социальном положении, движимом и недвижимом имуществе, их заявках на кредитование, сотрудниках отделения, РОВД, ГНИ;

- удалять информацию о схемах кредитования, о личных сведениях заемщиков, их месте работы, доходах и расходах, их семейном и социальном положении, движимом и недвижимом имуществе, их заявках на кредитование, сотрудниках отделения, РОВД, ГНИ;

ПП должен реализовывать алгоритм классификации заемщика на основании анкетных данных и документов предоставленых заемщиком. Результатом работы алгоритма должно быть отнесение заемщика к одному из классов (A, B, C, D).

ПП должен обладать удобным пользовательским интерфейсом

Для нормальной работы ПО необходима операционная система Windows.

Для нормальной работы ПО необходим компьютер с такими параметрами.

- процессор- Celeron 1.7 GHz;

- оперативная память (ОП) - 512 MБ;

- 50 МБ свободного дискового пространства для ПП и 300 МБ для

- таблиц БД;

- видеопамять -512.

Внутренние требования

При аварийных сбоях в БД должна быть сохранена текущая информация.

ПП должен обеспечивать интуитивно-понятный интерфейс, содержать справочную информацию.

В ПО должна быть реализована защита от несанкционированного доступа.

Приемо-сдаточные испытания ПО должны проводиться в присутствии заказчика согласно требованиям и методам проведения испытаний. После сдачи ПО в эксплуатацию система должна сопровождаться.

ПП должен сопровождаться необходимыми документами:

- пояснительной запиской;

- набором демонстрационных БД;

- техническим заданием;

- инструкцией пользователя.

ПП должен выдавать ответ на запрос меньше, чем за 2 секунды.

Все действия оператора должны сопровождаться соответствующими вспомогательными сообщениями.

При разработке и эксплуатации ПО должны соблюдаться нормы и правила техники безопасности.

1.3.5 Требования к программному продукту

1.3.5.1 Требования к функциональности

Серверная часть ПП должна управлять БД, содержащей справочники:

- о сотрудниках отделения;

- о схемах кредитования;

- о личных сведениях заемщиков, их месте работы, доходах и расходах, их семейном и социальном положении, движимом и недвижимом имуществе;

- о заявках на оформление потребительского кредита;

- о районных отделах внутренних дел, выдающих паспорт (далее РОВД);

- о налоговых инспекциях, выдающих идентификационный код (далее ГНИ).

Клиентская часть ПП должна реализовывать алгоритм классификации заемщика на основании анкетных данных и документов предоставленых заемщиком. Результатом работы алгоритма должно быть отнесение заемщика к одному из классов (A, B, C, D).

Клиентская часть ПП должна обеспечить безопасный доступ к данным, интерфейс с серверной частью БД, а также периодическую архивацию данных.

Требования к производительности

ПП должен выдавать ответ на любой запрос серверной части меньше, чем за 2 секунды.

Требования к интерфейсу

Клиентская часть ПП должна быть реализована для ОС Windows 2000 и выше.

В ПП должно быть реализован быть вывод сообщения об ошибках и предупреждающей информации.

Интерфейс ПП должен быть реализован на украинском языке.

В ПП должна быть реализована система помощи пользователю.

Операционные требования

Для клиентской части ПП необходимо использовать ОС семейства Windows (2000, XP, Vista, 7), для серверной части ПП необходимо использовать ОС семейства Linux (Debian, Mandriva, Novell, Red Hat, Ubuntu).

Требования к ресурсам

Для нормальной работы ПП необходимы следующие минимальные требования к конфигурации ЭВМ:

- процессор- Celeron 1.7 GHz;

- оперативная память (ОП) - 512 MБ;

- 50 МБ свободного дискового пространства для ПП и 300 МБ для

- таблиц БД;

- видеопамять -512.

Требования к верификации

Тестирование ПП должно включать в соответствии с планом валидации и верификации ПП следующие этапы:

- автономное тестирование;

- интеграционное тестирование;

- тестирование основных функций.

Требования к испытаниям

Тестирование ПП должен проводить разработчик в присутствии заказчика.

Требования к документации

В состав программной документации входят:

- техническое задание;

- расчетно-пояснительная записка;

- описание программы.

Также предоставляются:

- плакаты;

- презентационный ролик;

- диск с программным продуктом;

- отзыв руководителя;

- рецензия;

- доклад;

- реферат.

Тебования к защите

ПП должен обеспечивать защиту данных от несанкционированного доступа с помощью пароля.

Требования к мобильности

Эксплуатация клиентской части ПП должна быть возможна на любой ЭВМ семейства IBM PC с операционными системами Windows XP/Vista/7 и с техническими характеристиками не ниже минимальных. Эксплуатация серверной части ПП должна производиться на ОС Linux Debian/Mandriva/Novell/Red Hat/Ubuntu.

Требования к качеству

Контроль качественных характеристик должен осуществляться на этапе тестирования.

Требования к надежности

Для обеспечения надежной работы системы должно быть реализовано:

- обеспечение целостности данных;

- обеспечение контроля корректности входных данных;

- обеспечение защиты данных от несанкционированного доступа;

- восстановление работоспособности системы после отказа или после некорректного завершения операции над данными.

Требования к надежности сопровождения

Поставка модифицированных версий ПП осуществляться будет за дополнительное финансирование.

Ошибки, выявленные в течение 3 месяцев со дня установки ПО, исправляются бесплатно.

Требования к безопасности

В помещении в котором должно эксплуатироваться ПО должен быть установлен кондиционер

1.3.6 Матрица трассируемости

В таблице 1.1 представлена матрица трассируемости.

Таблица 1.1 - Матрица трассируемости

Требования пользователя	Требования к программному продукту
		1. 3. 5. 1. 1	1.3.5.1.2	1.3.5.1.3	1.3.5.2	1.3.5.3.1	1.3.5.3.2	1.3.5.3.3	1.3.5.3.4	1.3.5.4	1.3.5.5	1.3.5.6	1.3.5.7	1.3.5.8	1.3.5.9	1. 3. 5. 10	1. 3. 5. 11	1. 3. 5. 12	1. 3. 5. 13.1	1. 3. 5. 13.2	1. 3. 5. 14
	1.3.4.1.1	+								+
	1.3.4.1.2			+						+
	1.3.4.1.3		+
	1.3.4.1.4					+				+
	1.3.4.1.5								+							+
	1.3.4.1.6										+					+
	1.3.4.2.1																	+
	1.3.4.2.2						+		+
	1.3.4.2.3							+							+			+
	1.3.4.2.4	+										+	+				+		+	+
	1.3.4.2.5													+
	1.3.4.2.6				+													+
	1.3.4.2.7								+
	1.3.4.2.8																				+

Размещено на http://www.allbest.ru/

Выводы по разделу 1

В ходе изучения состояния проблемы автоматизации кредитования физических лиц в банке, был проведен обзор и анализ методик и методов оценки кредитоспособности заемщиков. Проведено обоснование необходимости разработки собственной подсистемы классификации заемщиков при оформлении потребительского кредита.

Исходя из анализа проблемы, были четко сформулированы цели и задачи дипломного проекта. Были определены требования пользователя и требования к программному обеспечению. Разработано техническое задание.

2. МОДЕЛИРОВАНИЕ ПО ПОДСИСТЕМЫ классификации ЗАЕМЩИКА ПРИ ОФОРМЛЕНИИ ПОТРЕБИТЕЛЬСКИХ КРЕДИТОВ

2.1 Основные информационные потоки при классификации заемщика при оформлении потребительских кредитов

Кредитная документация - это составляемые клиентом и банком документы, которые сопровождают кредитную сделку с момента обращения клиента в банк и до погашения ссуды.

С точки зрения обработки заявок на кредитование и ведения кредитной документации организационная структура отделения банка выглядит следующим образом.

Рисунок 2.1 - Организационная структура отделения банка

При обращении клиента в отдел кредитования отделения банка за получением кредита уполномоченный кредитный инспектор выясняет у клиента цель, на которую испрашивается кредит, разъясняет ему условия и порядок предоставления кредита, знакомит с перечнем документов, необходимых для получения кредита.

Для получения потребительского кредита заемщик предоставляет банку следующие документы:

1) заявление;

2) паспорт или заменяющий его документ;

3) идентификационный код физического лица;

4) справка с места работы о полученных доходах за 6 месяцев;

5) документы, подтверждающие наличие иных доходов;

6) декларацию о полученных доходах, заверенную налоговой инспекцией, для граждан, занимающихся предпринимательской деятельностью;

7) анкеты;

8) счет-фактуру выданный организацией-продавцом на приобретаемый в кредит товар народного потребления (ТНП);

9) другие документы при необходимости.

Кредитный инспектор производит проверку предоставленных клиентом документов и сведений, указанных в документах и анкете; определяет платежеспособность клиента и максимально возможный размер кредита.

При проверке сведений кредитный инспектор выясняет с помощью единой базы данных кредитную историю заемщика и размер задолженности по ранее полученным кредитам.

Кредитующее подразделение направляет пакет документов юридической службе и службе безопасности Банка.

Юридическая служба анализирует представленные документы с точки зрения правильности оформления и соответствия действующему законодательству.

Служба безопасности проводит проверку паспортных данных( данных удостоверения личности), места жительства, места работы Заемщика и сведений, указанных в анкете.

По результатам проверки и анализа документов юридическая служба и служба безопасности составляют письменные заключения, которые передаются в кредитующее подразделение.

Заключение кредитного инспектора, завизированное начальником отдела кредитования, заключения других служб банка прилагаются к пакету документов заемщика.

Пакет документов со своим заключением, завизированным руководителем подразделения, кредитный инспектор направляет начальнику отделения для принятия решения о предоставлении (отказе в предоставлении).

Начальник отделения делает надпись на заявлении клиента о принятом им решении с указанием даты и возвращает документы кредитному инспектору.

В случаях, когда кредитный инспектор сомневается в безопасности выдачи кредита, он готовит кредитную заявку в кредитный комитет отделения, который состоит из сотрудников различных подразделений отделения банка. Подготовка и рассмотрение вопроса на заседании комитета, а также оформление принятых решений осуществляются в соответствии с регламентом работы кредитного комитета.

Кредитный инспектор делает отметку о принятом начальником отделения или кредитным комитетом отделения решении в журнале регистрации заявлений (с указанием даты и номера протокола) и сообщает об этом решении заемщику.

При принятии положительного решения кредитный инспектор приступает к оформлению документов.

Важным условием предоставления потребительского кредита является оценка платежеспособности заемщика. Она определяется на основании справки с места работы о доходах и размере удержаний, а также данных анкеты.

Справка должна содержать следующую информацию:

- полное наименование организации, выдавшей справку, ее почтовый адрес, телефон и банковские реквизиты;

- продолжительность постоянной работы заемщика в данной организации;

- настоящая должность заемщика (кем работает);

- среднемесячный доход за последние шесть месяцев;

- среднемесячные удержания за последние шесть месяцев с расшифровкой по видам.

Справка предоставляется за подписями руководителя и главного бухгалтера организации, скрепленными печатью.

При расчете платежеспособности из дохода вычитаются все обязательные платежи, указанные в справке и анкете (подоходный налог, взносы, алименты, компенсация ущерба, и др.). Также учитываются данные анкеты о наличие счетов в других банках, владении электронными платежными картами, владении недвижимостью и автотранспортом, семейном положении заемщика, отношении к воинской службе, наличии судимостей и проч.

Схема информационных потоков, возникающих при обработке заявки на кредитование приведена на рисунке 2.2.

Рисунок 2.2 - Схема информационных потоков в отделении банка при оформлении кредита

2.2 Современные методы построения информационных систем

Тенденции развития современных информационных технологий приводят к постоянному возрастанию сложности информационных систем (ИС), создаваемых в различных областях экономики. Современные проекты ИС характеризуются, как правило, следующими особенностями:

- сложность описания (достаточно большое количество функций, процессов, элементов данных и сложные взаимосвязи между ними), требующая тщательного моделирования и анализа данных и процессов;

- наличие совокупности тесно взаимодействующих компонентов (подсистем), имеющих свои локальные задачи и цели функционирования (например, традиционных приложений, связанных с обработкой транзакций и решением регламентных задач, и приложений аналитической обработки (поддержки принятия решений), использующих нерегламентированные запросы к данным большого объема);

- отсутствие прямых аналогов, ограничивающее возможность использования каких-либо типовых проектных решений и прикладных систем;

- необходимость интеграции существующих и вновь разрабатываемых приложений;

- функционирование в неоднородной среде на нескольких аппаратных платформах;

- разобщенность и разнородность отдельных групп разработчиков по уровню квалификации и сложившимся традициям использования тех или иных инструментальных средств;

- существенная временная протяженность проекта, обусловленная, с одной стороны, ограниченными возможностями коллектива разработчиков, и, с другой стороны, масштабами организации-заказчика и различной степенью готовности отдельных ее подразделений к внедрению ИС.

Для успешной реализации проекта объект проектирования (ИС) должен быть прежде всего адекватно описан, должны быть построены полные и непротиворечивые функциональные и информационные модели ИС. Накопленный к настоящему времени опыт проектирования ИС показывает, что это логически сложная, трудоемкая и длительная по времени работа, требующая высокой квалификации участвующих в ней специалистов. Однако до недавнего времени проектирование ИС выполнялось в основном на интуитивном уровне с применением неформализованных методов, основанных на искусстве, практическом опыте, экспертных оценках и дорогостоящих экспериментальных проверках качества функционирования ИС. Кроме того, в процессе создания и функционирования ИС информационные потребности пользователей могут изменяться или уточняться, что еще более усложняет разработку и сопровождение таких систем.

Перечисленные факторы способствовали появлению программно-технологических средств специального класса - CASE-средств, реализующих CASE-технологию создания и сопровождения ИС. Под термином CASE-средства понимаются программные средства, поддерживающие процессы создания и сопровождения ИС, включая анализ и формулировку требований, проектирование прикладного ПО (приложений) и баз данных, генерацию кода, тестирование, документирование, обеспечение качества, конфигурационное управление и управление проектом, а также другие процессы. CASE-средства вместе с системным ПО и техническими средствами образуют полную среду разработки ИС.

На начальных этапах создания ИС необходимо понять, как работает организация, которую собираются автоматизировать. Никто в организации не знает, как она работает в той мере подробности, которая необходима для создания ИС [17]. Поэтому для описания работы предприятия необходимо построить модель. Такая модель должна быть адекватна предметной области, следовательно, она должна содержать в себе знания всех участников организации.

2.3 Обзор моделей данных

Анализируя предметную область и постановку задачи, можно смело сказать, что разрабатываемая система приложения подходит для работы в СУБД [8], где разрабатывается структура БД и приложение. Существует несколько моделей данных, полагаемых в основу информационных систем. Наиболее часто используются следующие три: иерархическая, сетевая и реляционная. Остановимся подробнее на этих моделях.

Иерархическая модель. Первые иерархические и сетевые СУБД были созданы в начале 60-х годов. Причиной послужила необходимость управления миллионами записей (связанных друг с другом иерархическим образом), например при информационной поддержке лунного проекта Аполлон.

Отношения в иерархической модели данных организованы в виде совокупностей деревьев, где дерево - структура данных, в которой тип сегмента потомка связан только с одним типом сегмента предка. Графически: Предок - точка на конце стрелки, а Потомок - точка на острие стрелки. В базах данных определено, что точки - это типы записей, а стрелки представляют отношения один - к - одному или один - ко - многим.

К ограничениям иерархической модели данных можно отнести:

Отсутствует явное разделение логических и физических характеристик модели;

- для представления неиерархических отношений данных требуются дополнительные манипуляции;

- непредвиденные запросы могут требовать реорганизации базы данных.

Сетевая модель. Сети - естественный способ представления отношений между объектами. Они широко применяются в математике, исследованиях операций, химии, физике, социологии и других областях знаний. Сети обычно могут быть представлены математической структурой, которая называется направленным графом. Направленный граф имеет простую структуру. Он состоит из точек или узлов, соединенных стрелками или ребрами. В контексте моделей данных узлы можно представлять как типы записей данных, а ребра представляют отношения один-к-одному или один-ко-многим. Структура графа делает возможными простые представления иерархических отношений (таких, как генеалогические данные).

Сетевая модель данных - это представление данных сетевыми структурами типов записей и связанных отношениями мощности один-к-одному или один-ко-многим. В сетевой модели существует две основные структуры данных: типы записей и наборы:

- тип записей, совокупность логически связанных элементов данных;

- набор, в модели DTBG отношение один-ко-многим между двумя типами записей;

- простая сеть, структура данных, в которой все бинарные отношения имеют мощность один-ко-многим;

- сложная сеть, структура данных, в которой одно или несколько бинарных отношений имеют мощность многие-ко-многим;

- тип записи связи, формальная запись, созданная для того, чтобы преобразовать сложную сеть в эквивалентную ей простую сеть.

Реляционная модель. Основными элементами реляционной модели данных являются таблицы, представляющие сущности, в которых столбцы представлют атрибуты сущностей, а строки описывают экземпляры сущностей. Модель данных также подразумевает наличие операторов для генерации новых таблиц на основе существующих (называемых запросами), именно таких образом пользователи могут манипулировать данными и получать необходимую информацию.

Существует два подхода к проектированию реляционной базы данных:

- первый подход заключается в том, что на этапе концептуального проектирования создается не концептуальная модель данных, а непосредственно реляционная схема базы данных, состоящая из определений реляционных таблиц, подвергающихся нормализации;

- второй подход основан на механическом преобразовании функциональной модели, созданной ранее, в нормализованную реляционную модель. Этот подход чаще всего используется при проектировании больших, сложных схем баз данных, необходимых для корпоративных информационных систем.

Правильное проектирование реляционной модели подразумевает использование сжатой информации, которой достаточно для создания и полной структуры базы данных. Такая информация представляет собой концептуальную модель, применение такой модели позволяет определить необходимые данные для хранения в базе данных, свести число хранимых отношений к минимуму, нормализовать отношения для упрощения решения проблем, связанных с обновлением и удалением данных. Метод декомпозиции отношений основан на 4-х нормальных формах отношений и вполне пригоден при условии небольшого количества задействованных атрибутов. На практике применяются в основном только первые 3 нормальные формы [12]. При большом числе атрибутов, функциональных зависимостей метод декомпозиции усложняет процесс формирования концептуальной модели. Для этого можно применить метод "сущность-связь" (ER-диаграммы). Этот метод отличается от методов декомпозиции тем, что функциональные зависимости привлекаются не на начальном, а на конечном этапе проектирования. В настоящее время эта технология является наиболее распространенной и поддерживается большинством средств разработки.

2.3.1 Преимущества реляционной модели данных

Среди перечисленных выше логических моделей данных реляционная обладает значительными преимуществами:

1 Достоинства для пользователя:

- реляционная БД представляет собой набор таблиц, с которыми пользователь привык работать;

- не нужно помнить пути доступа к данным и строить алгоритмы и процедуры обработки своего запроса;

- реляционные языки легки для изучения и освоения, в то время как языки общения с иерархической и сетевой моделями предназначены для программистов и мало пригодны для пользователей;

2 Достоинства обработки данных реляционной БД:

- связность. Реляционное представление дает ясную картину взаимосвязей атрибутов из различных отношений;

- точность. Направленные связи в реляционной БД отсутствуют. Отношения по своей природе обладают более точным смыслом и поддаются манипулированию с использованием таких средств, как алгебра и исчисление отношений, обеспечивающих наглядность и гибкость модели данных;

- гибкость. Операции проекции и объединения позволяют разрезать и склеивать отношения, так что программист может получать разнообразные файлы в нужной форме;

- секретность. Контроль секретности упрощается. Для каждого отношения имеется возможность задания правомерности доступа, засекреченные показатели можно выделить в отдельные отношения с проверкой прав доступа;

- простота Внедрения. Физическое размещение однородных (табличных) файлов намного проще, чем размещение иерархических и сетевых структур;

- независимость данных. БД должна допускать возможность расширения, т.е. добавления новых атрибутов и отношений.

2.4 Построение модели данных автоматизированной подсистемы классификации заемщика при оформлении потребительских кредитов

Создание модели данных, как правило, начинается с создания логической модели. Логический уровень - это абстрактный взгляд на данные, на нем данные представляются так, как они выглядят в реальном мире.

Schema Схема кредитования	Атрибут	Тип	Описание
	SchemaID (первичный ключ)	ЦЕЛЫЙ	код схемы
	CreditPercent	ЦЕЛЫЙ	процентная ставка
	FeePercent	ЦЕЛЫЙ	комиссия
	SchemaName	СТРОКОВЫЙ(50)	Название схемы
	PayDay	ЦЕЛЫЙ	день оплаты
User Пользователь. Сотрудник отделения банка	Атрибут	Тип	Описание
	UserID (первичный ключ)	ЦЕЛЫЙ	код пользователя
	ULastName	СТРОКОВЫЙ(20)	фамилия
	UFirstName	СТРОКОВЫЙ(15)	имя
	UMiddleName	СТРОКОВЫЙ(15)	отчество
	UShortName	СТРОКОВЫЙ(25)	сокращенное имя
	UOccup	СТРОКОВЫЙ(30)	должность
	UPassword	СТРОКОВЫЙ(10)	пароль
	Locked	ЦЕЛЫЙ	доступ
ROVD РОВД - гос. орган в котором клиенту выдавался паспорт (в одной местности встречается чаще всего)	Атрибут	Тип	Описание
	ROVDID (первичный ключ)	ЦЕЛЫЙ	код РОВД
	ROVDName	СТРОКОВЫЙ(70)	название РОВД

Физическая модель данных зависит от конкретной реализации СУБД, фактически являясь отображением системного каталога. В физической модели содержится информация обо всех объектах БД. Поскольку стандартов на объекты БД не существует (например, нет стандарта на типы данных), физическая модель зависит от конкретной реализации СУБД.

2.4.1 Выделение сущностей и их атрибутов

В результате предварительного анализа и декомпозиции предметной области были выделены обобщенные сущности, определены связи между ними и построена логическая модель.

Описание выделенных сущностей и их атрибутов приведено в таблице 2.1.

Таблица 2.1 - Описание выделенных сущностей и их атрибутов

GNI ГНИ - налоговая инспекция, выдавшая клиенту идентификационный код	Атрибут	Тип	Описание
	GNIID (первичный ключ)	ЦЕЛЫЙ	код ГНИ
	GNIName	СТРОКОВЫЙ(70)	название ГНИ
Credit Кредит. Договор на предоставление потребительского кредита	Атрибут	Тип	Описание
	ID (первичный ключ)	ЦЕЛЫЙ	код кредита
	GoodAmount	ЦЕЛЫЙ	стоимость товара
	PrepaidAmount	ЦЕЛЫЙ	авансовый взнос
	CreditTerm	ЦЕЛЫЙ	срок кредита
	PurchAggr	СТРОКОВЫЙ(40)	заголовок договора купли-продажи (КП)
	PurchAggrDate	ДАТА	дата договора КП
	PurchAcc	СТРОКОВЫЙ(20)	счет КП
	PurchAccDate	ДАТА	дата счета КП
	NaznPlat	СТРОКОВЫЙ(20)	назначение платежа
	PDV	ЦЕЛЫЙ	налог на добавленную стоимость
	StoreAdress	СТРОКОВЫЙ(70)	адрес хранения товара
	JointOwner	СТРОКОВЫЙ(50)	имя совладельца товара
	CreditNumber	СТРОКОВЫЙ(20)	банковский номер договора о кредитовании
	CreditDate	ДАТА	дата договора о кредитовании
	CreditAccount	СТРОКОВЫЙ(20)	счет тела кредита
	PercentAccount	СТРОКОВЫЙ(20)	счет уплаты процентов
	CStatus	ЦЕЛЫЙ	статус заявки
	SchemaID	ЦЕЛЫЙ	код схемы кредитования
	UserID	ЦЕЛЫЙ	код оператора (сотрудника отделения банка)
Client Клиент. Физическое лицо, оформляющее договор на предоставление потребительского кредита.	Атрибут	Тип	Описание
	ClientID (первичный ключ)	ЦЕЛЫЙ	код клиента
	LName	СТРОКОВЫЙ(20)	фамилия
	FName	СТРОКОВЫЙ(20)	имя
	Mname	СТРОКОВЫЙ(20)	отчество
	MainProfit	ЦЕЛЫЙ	основной доход
	OtherProfit	ЦЕЛЫЙ	другой доход
	Plastic	СТРОКОВЫЙ(20)	наличие пластиковой карты
	Accounts	ЦЕЛЫЙ	наличие счета в банке
	Papers	ЦЕЛЫЙ	наличие ценных бумаг
	CreditHistory	СТРОКОВЫЙ(50)	кредитная история
	LiveTerm	ЦЕЛЫЙ	время проживания в данной местности
	Phones	СТРОКОВЫЙ(20)	контактные телефоны
	FirmName	СТРОКОВЫЙ(20)	участие во владении фирмой
	Education	СТРОКОВЫЙ(50)	образование
	Criminal	ЦЕЛЫЙ	судимости
	Vneshn	СТРОКОВЫЙ(50)	внешность
	Vid	СТРОКОВЫЙ(50)	вид
	View	СТРОКОВЫЙ(50)	представление
	Military	ЦЕЛЫЙ	Отношение к воинской службе
	LivePlace	СТРОКОВЫЙ(20)	адрес проживания
Client Клиент. Физическое лицо, оформляющее договор на предоставление потребительского кредита.	LiveRegPlace	СТРОКОВЫЙ(20)	адрес регистрации
	BirthDate	ДАТА	дата рождения
	BirthPlace	СТРОКОВЫЙ(20)	место рождения
	PВData	СТРОКОВЫЙ(100)	паспортные данные
	INNData	СТРОКОВЫЙ(20)	Данные идентификационного код
	GNIID	ЦЕЛЫЙ	код ГНИ
	ROVDID	ЦЕЛЫЙ	код РОВД
Work. Работа. Сведения о месте работы клиента	Атрибут	Тип	Описание
	WorkID (первичный ключ)	ЦЕЛЫЙ	код работы
	WorkName	СТРОКОВЫЙ(20)	место работы
	WorkType	ЦЕЛЫЙ	тип организации
	WorkPlace	СТРОКОВЫЙ(50)	адрес работы
	WorkOccup	СТРОКОВЫЙ(20)	должность
	WorkOccupType	СТРОКОВЫЙ(50)	тип должности
	ClientID	ЦЕЛЫЙ	код клиента
	WorkTerm	ЦЕЛЫЙ	время работы
Family Семейное положение	Атрибут	Тип	Описание
	FamilyMID (первичный ключ)	ЦЕЛЫЙ	код члена семьи
	Married	СТРОКОВЫЙ(20)	Положение
	ChildCol	ЦЕЛЫЙ	Количество детей
	MFBithDate	ДАТА	дата рождения
	ID	ЦЕЛЫЙ	код клиента
Payments Расходы. Сведения о месячных затратах клиента	Атрибут	Тип	Описание
	ID (первичный ключ)	ЦЕЛЫЙ	код клиента
	ComPayment	ЦЕЛЫЙ	коммунальные платежи
	CurPayment	ЦЕЛЫЙ	текущие платежи
	OtherPayments	ЦЕЛЫЙ	другие расходы
Estate Недвижимость. Сведения о недвижимости которой владеет клиент	Атрибут	Тип	Описание
	EstateID (первичный ключ)	ЦЕЛЫЙ	код недвижимости
	EstateRate	ЦЕЛЫЙ	процент владения
	EstatePlace	СТРОКОВЫЙ(50)	адрес
	ClientID	ЦЕЛЫЙ	код клиента
	EstateSquare	ЦЕЛЫЙ	площадь
	AutoID (первичный ключ)	ЦЕЛЫЙ	код томобиля
	CarMark	СТРОКОВЫЙ(20)	марка авто
	ClientID	ЦЕЛЫЙ	код клиента
	AutoOwnType	СТРОКОВЫЙ(20)	Тип владения автомобилем
	CarYear	ЦЕЛЫЙ	год выпуска
	Useproxy	СТРОКОВЫЙ(30)	прокси-сервер
	PathOut	СТРОКОВЫЙ(20)	путь выходного файла
	PathArcOut	ЦЕЛЫЙ	путь архива выходного файла

Создание модели данных производилось с помощью Case-средства Data Modeler (ранее известного как ER-WIN) . ER-диаграмма логической модели данных разрабатываемой системы, отображающая святи между сущностями представлена на рисунке 2.3.

Отношения между выделенными сущностями представлены на рисунке 2.3-2.4.



Рисунок - 2.3 Отношения между выделенными сущностями

Создание модели данных производилось с помощью Case-средства Data Modeler (ранее известного как ER-WIN) . ER-диаграмма логической модели данных разрабатываемой системы, отображающая святи между сущностями представлена на рисунке 2.4.

2.4.2 Переход от логической модели к физической

1 Каждая простая сущность превращается в таблицу. Простая сущность - сущность, не являющаяся подтипом и не имеющая подтипов. Имя сущности становится именем таблицы.

2 Каждый атрибут становится возможным столбцом с тем же именем; может выбираться более точный формат. Столбцы, соответствующие необязательным атрибутам, могут содержать неопределенные значения; столбцы, соответствующие обязательным атрибутам, - не могут.

3 Компоненты уникального идентификатора сущности превращаются в первичный ключ таблицы. Если имеется несколько возможных уникальных идентификатора, выбирается наиболее используемый. Если в состав уникального идентификатора входят связи, к числу столбцов первичного ключа добавляется копия уникального идентификатора сущности, находящейся на дальнем конце связи (этот процесс может продолжаться рекурсивно). Для именования этих столбцов используются имена концов связей и/или имена сущностей.

4 Связи многие-к-одному (и один-к-одному) становятся внешними ключами. Т.е. делается копия уникального идентификатора с конца связи "один", и соответствующие столбцы составляют внешний ключ. Необязательные связи соответствуют столбцам, допускающим неопределенные значения; обязательные связи - столбцам, не допускающим неопределенные значения. Индексы создаются для первичного ключа (уникальный индекс), внешних ключей и тех атрибутов, на которых предполагается в основном базировать запросы.

5 Если в концептуальной схеме присутствовали подтипы, то возможны два способа: все подтипы в одной таблице (а) или для каждого подтипа - отдельная таблица (б). При применении способа (а) таблица создается для наиболее внешнего супертипа, а для подтипов могут создаваться представления. В таблицу добавляется, по крайней мере, один столбец, содержащий код ТИПА; он становится частью первичного ключа. При использовании метода (б) для каждого подтипа первого уровня (для более нижних - представления) супертип воссоздается с помощью представления UNION (из всех таблиц подтипов выбираются общие столбцы - столбцы супертипа).