Оценка и анализ кредитоспособности физических лиц

Скоринговая система оценки платежеспособности розничного клиента - это статистическая модель, оценивающая вероятность того, что заемщик не заплатит по своим обязательствам в срок. А, как известно, для построения любой статистической модели необходимо иметь достаточную по объему и качественную базу данных. Именно отсутствие достаточного объема информации по розничным клиентам является основной преградой финансовых институтов в построении внутренних скоринговых моделей. Мелкие или начинающие банки в Европе, сталкивающиеся с подобной проблемой, часто прибегают к внешним источникам информации, как, например, покупка готовой модели или построение универсальной скоринговой системы (generic scorecard), использующей в своей основе внешние базы данных с информацией по физическим лицам, приобретенные в бюро кредитных историй, у специализированных компаний-разработчиков, других банков или даже телефонных компаний. [27] Принимая во внимание особенности финансовой системы Республики Беларусь и сравнительную новизну рынка кредитных услуг физическим лицам, белорусские банки столкнутся с проблемой отсутствия предложения на рынке внешних источников информации. Оптимальное решение в данной ситуации - это объединение баз данных по розничным клиентам нескольких схожих по предлагаемым услугам и роду деятельности банков в единый пул, и построение своих скоринговых систем на основе общих данных физических лиц нескольких банков. [27]

Профессор БГУ Михаил Ковалев считает оптимальной следующую методику построения банковской скоринговой модели для оценки кредитоспособности физических лиц.

База данных для построения скоринговой модели (собственная или приобретенная) должна содержать всю возможную информацию по клиентам за последние 2-5 лет, в том числе клиентский номер, банковский продукт, решение по кредитной заявке, дату открытия счета, статус задолженности, баланс на счету и т.д. Далее из выборочной совокупности должны быть исключены:

1. все нестандартные случаи (аномально большие суммы кредита, необычные цели для займа, реструктуризированные обязательства, клиенты с нестандартными условиями выплат и др.),

2. отказы в выдаче кредита по причинам, обусловленным единой политикой банка (несовершеннолетние, банкроты, двойные заявки и др.),

3. инсайдерские кредиты (VIP, сотрудники банка и др.),

4. сторно, незаконченные или находящиеся в процессе обработки кредитные анкеты,

5. нестандартное поведение клиента после выплаты кредита (подделка документов и мошенничество, кражи и потери кредитных карт, смертельные случаи и др.).

Все остальные данные в выборке должны быть разбиты на категории: «хороший» (платежеспособный), «плохой» (неплатежеспособный) клиент или «отказ» в выплате кредита. В теории по созданию скоринговых систем процесс моделирования часто разбивают на два этапа: 1) построение первичной модели с использованием известных данных по розничным счетам (платежеспособный/неплатежеспособный), 2) построение конечной модели с добавлением данных по клиентам, которым было отказано в кредите («отказы»). Практика, однако, показала, что добавление отказов, несмотря на большие затраты ресурсов, редко приносит желаемый результат и оказывает несущественное влияние на качество и характер модели. Поэтому далее мы предлагаем учитывать при построении лишь данные существующих клиентов, охарактеризовавших себя с позиции платежеспособности («хороший»/«плохой» случай).

Перед тем как переходить к анализу скоринговых показателей и построению первичной модели, банку необходимо точно сформулировать свое определение «плохого» случая (дефолта). Примерами определения дефолта в мировой практике являются: уровень просроченной задолженности (свыше 30 дней, 60 дней или 90 и более дней) на текущий момент или худший статус за все время кредитной истории, а также списание со счета, 3 раза задолженность свыше 30 дней, 2 раза задолженность свыше 60 дней, один раз задолженность свыше 90 дней, просроченная задолженность в размере свыше 500 000 руб. и т. д. Базель II дефинирует понятие дефолта как существование просроченной задолженности на счету свыше 90 дней когда-либо на протяжении всей кредитной истории. Банк свободен сам выбирать для себя, какое понятие дефолта лучше всего использовать при построении скоринговой модели, если он сможет логически аргументировать свой выбор. Подтверждение правильности выбранного определения может осуществляться экспертным путем или аналитическими методами (roll rate analysis, vintage analysis). [27]

После точного определения и документации понятия дефолта всех розничных клиентов, попадающих в эту категорию, необходимо охарактеризовать как «неплатежеспособных», а остальных как «платежеспособных». Размер выборки, придерживаясь грубого правила, должен составлять около 1500 «плохих» случаев и 1500 «хороших». При небольших объемах бизнеса можно использовать и меньшие базы данных по розничным клиентам, тем не менее, минимальная статистически значимая выборка считается 600 случаев. Для того чтобы классифицировать текущих клиентов, находящихся в процессе погашения кредита, обычно определяют «показательный период» (performance window) - это период, в течение которого большинство счетов проявляют себя с позиции дефолта. Типичным «показательным периодом» является период 18 месяцев, т.е. все новые счета, использующиеся для построения скоринговой модели, наблюдают в течение 18 месяцев для классификации их в категории «плохой» или «хороший» плательщик. Наиболее точно, применительно к конкретному кредитному портфелю банка, этот период можно определить с помощью аналитических методов (напр. vintage analysis). [27]

Следующим основным этапом построения модели является выбор и анализ независимых переменных. Основным источником данных являются анкетные данные клиента на момент подачи кредитной заявки, например:

Демографические показатели: возраст, пол, национальность, место проживания, длительность проживания в актуальном месте жительства, образование, профессия, длительность трудоустройства, наличие собственности, семейное положение, наличие детей и др.

Данные по запрашиваемому кредиту: цель кредита, общий размер займа, срок финансирования, первоначальный взнос, отношение размера займа к размеру обеспечения по кредиту и др.

Финансовые показатели: при учете количественных характеристик в модели рекомендуется избегать абсолютных величин и использовать коэффициенты, как например: сумма задолженности к доходу, ежемесячные выплаты по кредиту к ежемесячному доходу, месячный свободно располагаемый бюджет к ежемесячному доходу, ежемесячные выплаты по кредиту к месячному свободно располагаемому бюджету и др.

Маркетинговые показатели: источник поступления кредитной анкеты, проводимая программа, побуждающий мотив и др.

Следующим основным источником информации является внутренняя кредитная история банка и информация, полученная в бюро кредитных историй на момент подачи анкеты. Используемыми скоринговыми переменными могут являться: количество текущих счетов клиента, количество и наличие кредитных карт, общая сумма всех кредитов, время получения последнего кредита, наличие у клиента других продуктов этой финансовой организации, состояние текущего счета и др.

В отношении выбора скоринговых моделей, необходимо отметить, что нейросети обычно критикуются за непрозрачность системы принятия решения, в отличие от деревьев решений, которые показывают четкую логику расчетов, однако не позволяют использование входящих количественных переменных. Множественная линейная регрессия наоборот лучше применима при наличие количественных переменных, логарифмическая регрессия и нейросети применимы для любых переменных, как качественных, так и количественных. В связи с этим, профессор БГУ Михаил Ковалев советует в процессе разработки модели использовать множественную линейную регрессию для получения быстрых и точных результатов относительно включаемых характеристик и общего качества модели, а при построении финальной скоринговой системы использовать множественную логарифмическую регрессию. [ 27]

Следующим этапом повышения эффективности оценки кредитоспособности физических лиц является оптимизация работы с «Кредитным бюро». Как известно, в процессе кредитования банк нуждается в большом количестве информации, которую необходимо быстро обработать. В настоящее время сложилась практика, что с кредитными отчетами работают сотрудники службы безопасности. Как правило это бывшие работники силовых структур, которым привычно работать с информацией МВД, она для них знакома и понятна, в отличие от информации кредитного бюро, которая достаточно сложна для восприятия и содержит большое количество параметров.

С начала 2009 года кредитное бюро начало накапливать информацию по всем кредитным договорам, это значительно расширило базу и составляет по приблизительным отчетам 1,5-2 миллиона кредитных историй.

По данным американской компании FICO, которая занимается скорингом преимущественно для кредитных бюро, прослеживается следующая зависимость веса параметров кредитных отчетов: 35% составляют истории платежей, 30% - сумма задолженности на текущий момент; 15% - длина кредитной истории. Таким образом, чем продолжительнее кредитная история клиента, тем объективнее можно о нем сформировать мнение. На последнем месте в данных - информация о новых кредитах, выданных за последнее время и типы кредитов, использованных клиентом, так как положительную репутацию зарабатывают клиенты, получавшие кредиты разных типов, что дает право быть уверенным в знании клиента о работе тех или иных кредитных продуктов.

Вышеприведенные данные подтверждают то, что информация отчета нелегка для восприятия, поскольку количество параметров анализа велико. Компания FICO, к примеру, для использования кредитной истории в скоринговых моделях задействует до 200 информационных баз. Если рынок развит, и закредитовано много клиентов, скоринг кредитной истории имеет больший вес. Таким образом, самым эффективным будет вариант использование данных кредитного отчета в скоринговой модели банка в качестве одного или более параметров. Этот вариант можно реализовывать банкам, которые используют или планируют использование скоринга, уже сейчас.

По мнению начальника отдела кредитных историй специализированного управления Национального Банка РБ Виктора Пленкина, для оценки кредитной истории клиента альтернативы скорингу нет, однако необходимо наработать статистику как минимум за три года. Кредитный отчет должен применяться вместе с автоматической обработкой заявления и оформления документов для упрощения документооборота и исключения операционных ошибок. Такой отчет желательно обрабатывать автоматизированно. Он может быть получен как в виде бумажного документа, так и в виде xml-документа, который можно загружать в свою базу данных, обрабатывать, дополнять и т. д. Естественно, такой вариант предпочтительнее, он дает банку дополнительные возможности и преимущества.

Крупнейшее кредитное бюро России «Национальное бюро кредитных историй» (НБКИ) среди причин, мешающих банкам эффективно использовать информацию кредитного бюро, называют, прежде всего, недоработанную технологию получения кредитных отчетов в самих банках. Это возвращает и к белорусской проблеме недостатка соответствующих компьютерных программ. Второй преградой становится отсутствие в банках внутренних регламентов и процедур по использованию кредитных отчетов, и третье - отсутствие практики и навыков у банков в работе с кредитными отчетами.

Проанализировав предложенные способы повышения эффективности оценки кредитоспособности физических лиц в Беларуси, можно сделать следующие выводы:

1. Для создания эффективной модели скоринга необходимы достаточный личный опыт розничного кредитования (не менее 5 лет), тщательный анализ данного опыта, высокий профессионализм работников, качественное программное обеспечение, возможность обновления и перестройки модели, что требует немалых затрат. В Беларуси эффективно внедрить скоринг пока могут только крупнейшие банки, в структуре которых уже существуют аналитические отделы по управлению рисками при потребительском кредитовании. Учитывая данные требования, внедрение скоринга должно осуществляться постепенно. Для начала можно сделать автоматизированную систему предварительной оценки заемщиков, которая будет автоматически отсеивать заведомо «плохие» риски, а на рассмотрение кредитного комитета предлагать риски «хорошие» и «пограничные». Таким образом, в перспективе скоринг будет результативен и его применение даст колоссальные результаты, но на сегодняшний день данная модель в нашей практике должна иметь только рекомендательный характер. В связи с этим, экспертная оценка остается необходимым условием эффективного анализа кредитоспособности и окончательный вывод должен делать только банковский специалист.

2. Необходимо оптимизировать работу с «Кредитным бюро» путем совершенствования информационных технологий, обновления программного обеспечения для создания ежедневно обновляющейся доступной информационной базы, установленной непосредственно в банке и использовать данные кредитного отчета в скоринговой модели банка в качестве одного или более параметров. Это существенным образом упростит и сократит процесс получения и обработки информации о кредитной истории заявителя.

Заключение

В результате проведенного исследования можно сделать следующие выводы.

Под кредитоспособностью следует понимать реально сложившееся правовое и хозяйственно-финансовое положение заемщика, исходя из которого банк принимает решение о начале, продолжении или прекращении кредитных отношений с клиентом. Понятие кредитоспособность обширнее понятия платежеспособность, которое в свою очередь является одним из важнейших показателей кредитоспособности заемщика. Необходимо понимать, что кредитоспособность заемщика в отличие от платежеспособности не фиксирует неплатежи за истекший период или какую-либо дату, а прогнозирует способность к погашению долга на ближайшую перспективу. Эффективное определение кредитоспособности заемщика подразумевает тщательное изучение и анализ не только экономических показателей, но и иной информации, отражающей финансовое положение, деловую репутацию, моральный облик.

Кредитный риск - риск возникновения частых убытков или недополучения дохода по банковской ссуде, вследствие неспособности или нежелания заемщика выполнять свои обязательства перед банком.

Фактор банковского кредитного риска - это причина возможных потерь стоимости активов банка, определяющая их характер и сферу возникновения. Такой критерий кредитоспособности как финансовое положение кредитополучателя, является наиболее значимым из факторов индивидуальных банковских кредитных рисков. Для минимизации внутренних рисков при кредитовании физических лиц, банкам необходимо совершенствовать существующие методы оценки и анализа кредитоспособности заемщиков.

В разделе «Методы оценки кредитоспособности заемщика физического лица» были рассмотрены основные методы оценки кредитоспособности физических лиц на основании зарубежного и отечественного опыта. Логический метод или метод экспертных оценок опирается на экспертную оценку с прогнозированием и предполагает взвешенный анализ личных качеств и финансового состояния потенциального заемщика. Данный метод широко применяется в Республике Беларусь и важнейшими анализируемыми критериями кредитоспособности являются платежеспособность и кредитная история заявителя. К основным недостаткам метода экспертных оценок относят длительность принятия решений о выдаче кредита, большой документооборот, высокие операционные расходы и наличие субъективизма при принятии решений.

Скоринговый метод оценки кредитоспособности физических лиц получил широкое распространение в зарубежной практике. Он основывается на подсчете баллов по каждой позиции кредитной заявки или анкеты. Основные преимущества метода скоринговой оценки кредитоспособности физических лиц заключаются в обеспечении принятия достаточно обоснованного решения по кредиту, снижении уровня невозврата займов, а также в быстрой обработке кредитных заявок.

Практический пример оценки кредитоспособности был рассмотрен в разделе «Определение кредитоспособности физических лиц на примере «ЗАО «АКБ «БЕЛРОСБАНК». В «ЗАО «АКБ «БЕЛРОСБАНК» применяется метод экспертных оценок. Благодаря профессионализму кредитных работников, четкому распределению обязанностей, использованию программного обеспечения по работе с заявками в электронном виде, критериям приемлемости заявителей, разработанным по каждому кредитному продукту, применяемая методика в целом эффективна. Однако в процессе анализа были выявлены недостатки. В связи с этим были разработаны следующие предложения для совершенствования данной методики:

-рекомендуется осуществлять более глубокий анализ кредитоспособности лиц, получающих доход от предпринимательской деятельности, а именно рекомендуется учитывать также следующие показатели: менеджмент и факторы рынка;

рекомендуется дополнительно проверять реальные доходов работников коммерческих структур и лиц, претендующих на кредитование по заявительной форме подтверждения доходов

-рекомендуется проверять состояние здоровья заявителя при кредитовании пенсионеров и по кредитам, обеспеченным неустойкой.

В разделе «Пути совершенствования оценки и анализа кредитоспособности физических лиц в Республике Беларусь» были предложены следующие пути совершенствования:

1 Внедрение кредитного скоринга в практическую деятельность отечественных банков. Применение данного метода даст возможность:

повысить эффективность управления кредитным портфелем банка на основании принятия взвешенных и обоснованных решений;

снизить операционные расходы благодаря экономии рабочего времени работников кредитного отдела, поскольку в сравнении с традиционным анализом кредитной заявки снижается количество документации, которая обрабатывается;

использовать качественно новые системы принятия решений относительно выдачи кредита и совершенствование моделей кредитования.

2 Оптимизация работы с «Кредитным бюро» путем совершенствования информационных технологий, обновления программного обеспечения и использования данных кредитного отчета в скоринговой модели банка в качестве одного или более параметров. Это существенным образом упростит и сократит процесс получения и обработки информации о кредитной истории заявителя.

Список использованных источников

1 Банковский кодекс Республики Беларусь: в редакции Закона Республики Беларусь от 17 июля 2006 г. №145-3. - Минск: Амалфея, 2010. - 216 с.

2 Закон Республики Беларусь «О кредитных историях»: Закон Респ. Беларусь, 10 ноября 2008 г., № 441-З // Нац. реестр правовых актов Респ. Беларусь. - 2008. - № 275. - 2/1538.

3 Инструкция о порядке предоставления (размещения) банками денежных средств в форме кредита и их возврата: инструкция Нац. банка Респ. Беларусь, 30.12.2003 N 226: в ред. постановлений Правления Нац. банка от 28.12.2006 N 223, от 26.12.2007 N 227, от 14.07.2009 N 105/ http://www.belinvestbank.by/bank-profile/legislative-acts/credits-and-payback-statement

4 Правила предоставления ЗАО «АКБ «БЕЛРОСБАНК» кредитов физическим лицам/ Правила, утвержд. Правлением ЗАО «АКБ «БЕЛРОСБАНК», протокол от 28.08.2009,№39 с изм., внес. решением Правления от 25.06.2010, протокол №34

5 Докладная записка «Об отдельных вопросах, возникающих пи кредитовании физических лиц» от 16.06.2010 №13-07-04/628-дз

6 Программа предоставления кредитов физическим лицам «Автостатус». Протокол от 31.03.2010 №44

7 Программа предоставления кредитов физическим лицам «Автохит». Протокол от 11.03.2010 №11 с изм., внес. решением Правления от 23.07.2010, протокол №44

8 Программа предоставления кредитов физическим лицам «Уникальный». Протокол от 28.04.2010 №21 с изм., внес. решением Правления от 10.08.2010, протокол №47

9 Программа предоставления кредитов физическим лицам «Автоэкспресс». Протокол от 31.03.2010 №14 с изм., внес. решением Правления от 23.07.2010, протокол №44

10 Программа предоставления кредитов физическим лицам на потребительские нужды «Экспресс-кредит». Протокол от 28.04.2010 №21 с изм., внес. решением Правления от 23.07.2010, протокол №44

11 Программа овердрафтного кредитования физическим лицам «VISA-Bel-Express». Протокол от 28.04.2010 №21 с изм., внес. решением Правления от 23.07.2010, протокол №44

12 Программа предоставления кредитов физическим лицам на финансирование недвижимости. Протокол от 28.04.2010 №21 с изм., внес. решением Правления от 30.08.2010, протокол №51

13 Богданкевич, О.А. Организация деятельности коммерческих банков: ответы на экзаменац. Вопр./ О.А. Богданкевич. - 2-е изд., перераб. - Минск: ТетраСистемс, 2009. - 114 с.

14 Дробозина Л.А. Финансы. Денежное обращение. Кредит: Учебник для вузов /Л.А. Дробозина, Л.П. Окунева, Л.Д. Андросова и др.; Под ред. проф. Л.А. Дробозиной. М.: Финансы, ЮНИТИ, 1997.-479 с.

15 Кабушкин, С.Н. Управление банковским кредитным риском: учеб. пособие/ С.Н. Кабушкин. - 4-е изд., стер. - Минск: Новое знание, 2007. - 336 с. - (Экономическое образование).

16 Колпакова Г.М. Финансы. Денежное обращение. Кредит. Учебное пособие - М.: Финансы и статистика, 2004. - 432с.

17 Лаврушин О.И. Банковское дело: учебник / О. И. Лаврушин - М: Финансы и статистика, 2004. - 418с.

18 Ольшаный А.И. Банковское кредитование: российский и зарубежный опыт: учеб. пособие / под ред. Е.Г. Ищенко, В.И. Алексеева. М.: Русская Деловая Литература, 2005. - 247 с.

19 Поляков В.В., Московкина Л.А. Структура и функции центральных банков. Зарубежный опыт : учеб. Пособие/ В.В. Поляков, Л.А. Московкина М.: Инфра-М, 2005. - 118 с.

20 Пупликов, С.И. Организация деятельности коммерческого банка: банковский портфель: справ. Пособие / С.И. Пупликов. - Минск: А.Н. Вараксин, 2010. - 320 с.

21 Усоскин В.М. Современный коммерческий банк: управление и операции : учебник. / Под ред. Усоскина В.М. - М., «Вазар-Ферро»:2006 г.

22 Ширинская Е.Б. Операции банков: российский и зарубежный опыт: Учебное пособие/ Ширинская Е.Б. М: ФиС, 2005. - 152 с.

23 Банковский вестник № 4 (477) февраль 2010 г.: журнал/ http://www.nbrb.by/bv/narch/477/

24 Банковский вестник № 7 (336) март 2006 г : журнал/ http://www.nbrb.by/bv/narch/336/

25 Подсчет баллов. Елена Беганская. Газета «Ключевой вопрос» №8(164) от 03.03.09 г.,/ http://key.rinet.by/?p=300

26 Как банки оценивают кредитоспособность своих клиентов/

http://www.gznleasing.ru/news/all/2/10/06/8888766555456466/

27 Методика построения банковской скоринговой модели для оценки кредитоспособности физических лиц. Михаил Ковалев, профессор БГУ/ www.bsu.by/ru/sm.aspx?guid=49623

28 http://www.banki73.ru/credits/3/

29 http://www.factoringpro.ru/index.php/scoring-news

Размещено на Allbest.ru