Теоретические основы повышения эффективности активных операций при помощи кредитного скоринга

Параметры микроклимата могут меняться в широких пределах, в то время как необходимым условием жизнедеятельности человека является поддержание постоянства температуры тела благодаря терморегуляции, т.е. способности организма регулировать отдачу тепла в окружающую среду. Принцип нормирования микроклимата - создание оптимальных условий для теплообмена тела человека с окружающей средой.

В помещениях, где установлены компьютеры, должны соблюдаться определенные параметры микроклимата. В санитарных нормах СН-245-71 установлены величины параметров микроклимата, создающие комфортные условия. Эти нормы устанавливаются в зависимости от времени года, характера трудового процесса и характера производственного помещения [26].

В настоящее время компьютерная техника широко применяется во всех областях деятельности человека. При работе с компьютером сотрудники банка подвергаются воздействию ряда опасных и вредных производственных факторов: электромагнитных полей (диапазон радиочастот: ВЧ, УВЧ и СВЧ), инфракрасного и ионизирующего излучений, шума и вибрации, статического электричества и др. [27]

Объемы помещений, в которых размещены сотрудники вычислительных центров, не должны быть меньше 19,5м ³/человека с учетом максимального числа одновременно работающих в смену.

В (табл. 10) приведены нормы подачи свежего воздуха в помещения, где расположены компьютеры.



Таблица 10 - Параметры микроклимата для помещений, где установлены компьютеры

Период года	Параметр микроклимата	Величина
Холодный	Температура воздуха в помещении Относительная влажность Скорость движения воздуха	22…24°С 40…60 % до 0,1м/с
Теплый	Температура воздуха в помещении Относительная влажность Скорость движения воздуха	23…25°С 40…60 % 0,1…0,2м/с

Вычислительная техника является источником существенных тепловыделений, что может привести к повышению температуры и снижению относительной влажности в помещении. Поэтому необходимо придерживаться параметров микроклимата для помещений в кредитных организациях, в т.ч. и в ПАО КБ "Центр-инвест" ДО в г. Волгодонске.

В (табл.11) представлены нормы подачи свежего воздуха в помещения, где расположены компьютеры.

Таблица 11 - Нормы подачи свежего воздуха в помещения, где расположены компьютеры

Характеристика помещения	Объемный расход подаваемого в помещение свежего воздуха, м 3 /на одного человека в час
Объем до 20м 3 на человека 20…40м 3 на человека Более 40м 3 на человека	Не менее 30 Не менее 20 Естественная вентиляция

Для обеспечения комфортных условий используются как организационные методы (рациональная организация проведения работ в зависимости от времени года и суток, чередование труда и отдыха), так и технические средства (вентиляция, кондиционирование воздуха, отопительная система).



2.3 Сравнительная оценка использования скоринговой системы ПАО КБ "Центр-инвест" в г. Волгодонске

Клиенты, обратившиеся в ПАО КБ "Центр-инвест" в г. Волгодонске за кредитом, проходят процедуру кредитного скоринга.

ПАО КБ "Центр-инвест" в г. Волгодонске расположен по адресу: 347374 г. Волгодонск, ул. Горького, 143.

Если клиент набирает 650+ баллов, то их условно называют "хорошими". Вероятность выхода на дефолт у них низкая. Это значит, что, "зашив" риск в ставку по кредиту, банк одобряет таким клиентам потребительский кредит под 20-25 % годовых. Конечно, 20 % - это на сегодня пороговое значение. Если скоринг от 600 до 650 баллов, его назвают "средним" клиентом. Риск дефолта у них выше, а значит, банк "зашьет" в ставку уже минимум 10 %. Это значит, что потребительский займ возможен для таких клиентов уже только под 25-40 % годовых.

Со скорингом 550-600 баллов клиент условно может считаться "плохим". Риск дефолта 20 % в кредитной ставке по потребительскому кредиту означает 40-70 % годовых. (табл.12)

Таблица 12 - Кредитный скоринг клиента и риск дефолта невозврата кредитов при различных процентных ставках в ПАО КБ "Центр-инвест" в г. Волгодонске

Скоринг	Тип клиента	Риск дефолта невозврата кредитов, %	Ставка, %	Кредитование в кредитной организации
>650	хороший	5	20-25	да
600-650	средний	10	24-40	да
550-600	плохой	20	40-70	да
<500	крайне плохой	40	-	нет

Анализ таблицы 12 показывает, что для клиентов со скорингом ниже 550 баллов классического банковского кредитования нет. Но это не означает, что с ними не нужно работать. Банк ищет варианты решения задач для клиента в микро-финансовых организациях, КПК.

Механизм работы с потенциальными клиентами ПАО КБ "Центр-инвест" ДО в г. Волгодонске заключается в следующем:

- Рассчитывается скоринг клиента.

- Определяется, к какой категории он относится.

- Выясняют, в какой банк его отправлять.

- Определяют на какой кредит он может рассчитывать.

Если обратился клиент в ПАО КБ "Центр-инвест" ДО в г. Волгодонске и набрал скоринг 570 баллов, то этот клиент:

- Относится к "плохим" заемщикам.

- Отправляют его в банк, который кредитует заемщиков категории subprime.(кризисный заёмщик)

- Кредит для него возможен относительно небольшой, т.е. в 200-300 тыс. рублей в зависимости от региона и под повышенную процентную ставку до 40-70 % годовых.

При наличии дополнительных положительных факторов (таких как залог, поручительство) заемщик способен подняться до категории "средний" заемщик и получить кредит под 25-40 %. Однако в категорию "хороший" заемщик ему перейти не удастся (рис. 3)

Рисунок 3 - Кредитный скоринг заемщика и вероятность выхода клиента на дефолт

Заемщики с низким скорингом требуют больше усилий, чтобы довести дело до положительного решения в банке. Тогда как клиенты с высоким скорингом могут получить кредит и самостоятельно.

В скоринговую модель закладываются параметры, которые влияют на итоговый балл заёмщика, это связано с положительной кредитной историей, высшим образованием и стабильным доходом, такие пойдут в плюс, а наличие судимости или неквалифицированный труд снизят баллы.

Чем выше скоринговый балл, тем меньше вероятность дефолта, и соответственно ниже риск для кредитной организации. (рис. 4)

Рисунок 4 - Процент ипотечных займов по скоринговому баллу, присвоенному на момент выдачи

Основная задача скоринга - принятие быстрого решения.

Накопив достаточно статистических сведений по своим клиентам "настройки" скоринга меняются. Почти точно возможно определить диапазон скоринговых значений клиентов, которым одобряют или не одобряют кредит в том или ином банке, уже после 20-30 обращений. В итоге у кредитной организации получается "матрица" для принятия быстрого решения по любому клиенту. Она заведена в более доступном виде в Exel, куда вводится скоринг в поле, где формула выдает сразу названия банков, куда раннее одобряли или нет данного клиента с подобным значением скоринга.

В (табл.13) представлены причины отказов заёмщикам в получении кредитных средств.

Таблица 13 - Причины отказов в кредитовании заёмщика в ПАО КБ "Центр-инвест" до в г. Волгодонске

Ответы клиентов	Место	Ответы ПАО КБ "Центр-инвест"
Варианты	%		Варианты	%
Плохая кредитная история	29	1	Плохая кредитная история	36
Маленькая зарплата	23	2	Многочисленные кредиты	22
Многочисленные кредиты	12	3	Маленькая зарплата	15
"Серая" зарплата заемщика	9	4	Непрезентабельная внешность заемщика	8
Непрезентабельная внешность заемщика	7	5	Величина запрашиваемой суммы	7
Возраст заемщика (от 55)	7	6	Возраст заемщика (до 25)	5
Возраст заемщика (до 25)	5	7	Возраст заемщика (от 55)	4
Заемщик имеет на содержании иждивенцев	5	8	"Серая" зарплата заемщика	2
Величина запрашиваемой суммы	3	9	Заемщик имеет на содержании иждивенцев	1

Скоринговая система также показывает и анализирует в какое время суток идёт запрос кредитных продуктов (рис. 5)

Рисунок 5 - Динамика распределения потребительского кредитования по времени

На (рис. 6-7) представлены распределение запросов потребительского кредита по дням недели и причины отказа в выдаче кредита.

Рисунок 6 - Распределение запроса потребительского кредита по дням недели

Рисунок 7 - Причины отказа в выдаче кредита

Отчеты "Социально-экономические портреты лиц, обратившихся за кредитами" позволяют получить ответы на следующие вопросы:

- Какие размеры ссуд пользуются наибольшим спросом?

- С каким личным доходом чаще обращаются за кредитом?

- Распределение по полу, возрасту, социальному статусу, образованию и т.д. (рис. 8)



Рисунок 8 - Распределение запроса потенциальных заёмщиков по размеру кредита

Анализ длительности рассмотрения анкет, позволяют осуществлять мониторинг эффективности работы банка, участвующих в принятии решений о выдаче кредитов, а также находить "узкие" места в цепочке прохождения заявок. [40]

Перспектива внедрения системы кредитного скоринга в банке, как любое другое нововведение разделяет всех заинтересованных лиц на две большие группы. Одной группе сотрудников банка кажется, что внедрять надо, и весь вопрос для неё заключается лишь в том, как и что. Зато другая, зачастую весьма внушительная, группа считает, что внедрение скоринговой системы это что-то невероятно сложное, опасное, дорогое и очень несвоевременное.

Основным доводом противников внедрения скоринговой системы является тот факт, что процесс кредитного скоринга и так осуществляется. Более того, общие результаты такого скоринга внешне кажутся вполне приемлемыми. Так зачем что-то менять?

Для того чтобы разобраться насколько так ли это сложно и стоит ли что-то менять, следует сравнить типовой подход к скорингу и использование полноценной системы кредитного скоринга. (табл.14).



Таблица 14 - Основные различия типового кредитного скоринга и полноценной системы кредитного скоринга

Критерий	Типовой подход к скорингу	Система кредитного скоринга
Первичная обработка кредитной заявки	Основывается на экспертных знаниях кредитного специалиста	Основывается на объективной информации из различных источников
Процесс оценки идентичных заявок	Рассмотрение каждой заявки зависит от конкретного кредитного специалиста и субъективных факторов.	Идентичные заявки проходят идентичную процедуру оценки
Легкость восприятия	Уже используется, результаты ожидаемы	Необходимы культурные перемены, готовность сотрудников к нововведениям.
Процесс внедрения	Длительное обучение и тренировка каждого кредитного специалиста. Наработка опыта и интуиции.	Не требует длительного обучения сотрудников. При внедрении необходим контроль со стороны кредитных специалистов высшего звена
Возможность ошибок, злоупотреблений и мошенничества	Ошибки возможны в силу человеческого фактора. Злоупотребления и мошенничество возможны.	Злоупотребления возможны только на уровне высшего звена кредитных специалистов. Ошибки могут быть связаны с некачественными скоринговыми моделями. Мошенничество возможно, однако его вероятность заметно снижается.
Гибкость	При внедрении нового кредитного продукта необходима разработка новых инструкций и обучение персонала. Процесс длительный и мало поддающийся контролю	При внедрении нового кредитного продукта необходимо создание новых скоринговых моделей (или внесение изменений в уже имеющиеся). Процесс полностью контролируемый. Качество вновь созданных моделей может быть проверено без запуска в работу. Дополнительное обучение персонала не требуется.

Анализируя таблицу 14, мы видим, что основой является то, что в нашем недалеком будущем скоринговая система заменит большую часть кредитных специалистов. Хотя на самом деле система кредитного скоринга не заменяет, а лишь дополняет работу кредитного специалиста. Это всего лишь инструмент для работы на кредитном рынке.

Жизнь кредита начинается не с кредитной заявки, а с интереса заемщика или с предложения банка. Заканчивается же жизнь кредита тоже не заключением договора, а полным погашением (хотя возможны и иные сценарии) и, если процесс организован соответствующим образом, предложением клиенту нового продукта.

Выдавая кредит заемщику, банк всегда рискует свои деньги потерять. Владельцам финансовых структур это не нравится, следовательно - предпринимается все необходимые меры, чтобы минимизировать риск невозврата средств по кредитам [20]. Одной из таких мер предосторожности является тщательная оценка материального благосостояния клиента, которая проводится по системе скоринга. (рис. 9)

Любому желающему взять кредит в банке необходимо правильно, заполнить анкету, в которой зашифрованы показатели "выгодности" клиента для банка.

Рисунок 9 - Структура оценки материального состояния заёмщика для получения кредита

В любой анкете порядка тридцати вопросов, но лишь некоторые из них являются ключевыми, влияющими на "проходной балл" будущего заёмщика. Каждый заёмщик должен тратить время на управление и повышение своего кредитного балла. [41]

На примере данных банка ПАО КБ "Центр-инвест" в г. Волгодонске при помощи скоринговой модели рассмотрим в сравнении получение или отказ в получении потребительского кредита физическими лицами. Для этого они заполняют тест-анкету или скоринговую карту в банке в кредитном отделе, где отвечают на следующие вопросы (табл.15).

Таблица 15 - Скоринговая карта заёмщика Иванова И.И. и ее бальная оценка в ПАО КБ "Центр-инвест" в г. Волгодонске

Показатель	Значение	Балл
Возраст:	- клиент в возрасте 30-35 лет	114
Зарплата:	- 25-40тыс. руб. в месяц	140
Семейное положение:	- убежденные холостяки и девицы на выданье	87
Количество детей:	- отсутствие таковых	87
Род деятельности:	- сотрудник коммерческой фирмы;	124
Уровень квалификации:	-- работник бюджетной структуры	93
Трудовой стаж:	- трудовая пятилетка	62
Зарплата:	- 25-40тыс. руб. в месяц	140
Наличие стационарного телефона:	- вымирающий вид, домашний телефон	36
Автотранспорт:	- новая машина отечественного производства	53
Итого баллов		803

Анализ таблицы 15 показывает, что общий счет баллов потенциального заёмщика выше черты отсечения 650, поэтому решение по выдаче кредита будет положительным.

Рассмотрим получение или отказ в получении потребительского кредита физическим лицом заёмщика Петрова П.П. (табл. 16)

Таблица 16 - Скоринговая карта заёмщика Петрова П.П. и ее бальная оценка в ПАО КБ "Центр-инвест" в г. Волгодонске

Показатель	Значение	Балл
Возраст:	- меньше 20 и больше 60 лет;	15
Зарплата:	- от 5 до 15 тысяч рублей;	57
Семейное положение:	- официально разведенные;	70
Количество детей:	- двое детей;	52
Род деятельности:	- остальные	47
Уровень квалификации:	-должности обслуживающего персонала;	17
Трудовой стаж:	- больше 5 лет.	89
Зарплата:	- от 5 до 15 тысяч рублей;	57
Наличие стационарного телефона:	- если потенциальному заемщику вполне хватает собственного мобильника;	7
Автотранспорт:	- новая машина отечественного производства;	53
Итого баллов		464

Анализируя таблицу, мы видим, что заёмщик Петров П.П. общий счет набрал по скоринговой карте 464 балла, поэтому решение по выдаче кредита- отказ.

По результатам оценки кредитоспособности клиентов в зависимости от набранных баллов кредит попадает в одну из категорий качества. Данные потенциальные заемщики набрали 803 и 464 балла соответственно. Потенциальный заёмщик, который набрал 803 балла, для него имеются хорошие шансы на получение кредитных средств. А заёмщику, набравшему баллы меньше скорингового порога установленного кредитной организацией, определилась черта отсечения по выдаче кредита. Оценка кредитоспособности заёмщиков показывает, что одному кредит гарантирован, и есть все шансы на получение заёмных ресурсов даже по сниженной процентной ставке, а другому будет отказ, т.к. может быть, большой риск невозврата кредитных средств в банк. Данная скоринговая система позволяет беспристрастно и эффективно рассчитать скоринговый балл и своевременно выявить некредитоспособных клиентов.



3. Рекомендации по основным направлениям повышения эффективности кредитных операций коммерческого банка (на примере ПАО КБ "Центр-инвест" в г. Волгодонске) при помощи скоринга

3.1 Механизмы, направленные на повышение эффективности кредитования

Основными направлениями совершенствования кредитования физических лиц являются:

- увеличение объемов кредитования;

- минимизация рисков на возможные потери от кредитного процесса;

- улучшение условий и качества кредитов.

Для этого нужно внедрять эффективные механизмы кредитования населения при предоставлении кредитов, которые бы способствовали формированию и развитию человеческого капитала в стране.

Также необходимо разрабатывать меры, направленные на снижение кредитного бремени заемщиков, повышать их мотивацию к кредитованию на основе заемных средств. (рис. 9).

Рисунок 9 - Направления повышения эффективности кредитования заёмщиков

К основным направлениям повышения эффективности кредитных операций коммерческого банка должны также относится требования банковского сектора с функциональными возможностями скоринговой системы.

Они должны быть связаны с:

- централизованностью, т.е. скоринговая система должна работать одновременно во всех отделениях банка, его филиалах и других удаленных точках по предоставлению кредитов. Простейшие скоринговые решения, в частности, реализованные на основе Microsoft Office Excel, такой возможностью не обладают. А между тем, только в том случае, если система соответствует этому требованию, появляется возможность осуществлять качественный и полноценный контроль над деятельностью, как отдельных сотрудников, так и над всей кредитной политикой банка;

- построением моделей или их созданием. Особенно важно, чтобы была возможность централизованной интеграции в работу вновь созданных моделей в кратчайшие сроки. Для этих целей используются специализированные приложения, которые позволяют создавать различные модели оценки заемщиков, начиная от простых бальных и заканчивая кластерным анализом, деревьями решений и нейросетями; [35]

- созданием стратегий анализа заемщиков. Развитие кредитного скоринга на сегодняшний день только на одной лишь скоринговой модели становится недостаточным для принятия решения по некоторым кредитам. Самые "хорошие" и самые "плохие" заемщики видны практически невооруженным глазом. Но большая часть кредитных заявок поступает от заемщиков, для которых "прямолинейное" применение скоринговых моделей не даст качественного результата, т.к. не будет достигнуто качественное разделение на "хороших" и "плохих" заемщиков. Выходом из подобной ситуации может стать построение стратегии принятия решений, где оценка скоринговой моделью, сегментация и т.п. - это лишь элементы единого цикла - принятия решения по кредитной заявке;

- информацией из внешних источников. Важно, чтобы система позволяла в автоматическом режиме использовать черные списки, информацию из кредитных бюро, свои локальные базы данных и др. источники информации, позволяя Банку тем самым принимать наиболее объективные решения за кратчайшие сроки;

- управлением правилами кредитной политики. В случае если используются недостаточно качественные скоринговые модели или они вообще отсутствуют как таковые, система кредитного скоринга должна обладать возможностью простого создания и управления правилами кредитной политики, т.е. созданием систем бонусов/штрафов для оценки потенциального заемщика. Кредитный аналитик или риск-менеджер банка, задавая правила кредитной политики, получает возможность уточнить систему формирования рейтинга заемщика, т.е. одни правила-условия могут увеличивать рейтинг, другие снижать;

- ролевым принятием решений по выдаче кредита. Когда решение скоринговой системы по кредитной заявке неоднозначно, то на первый план выходит возможность создания и управление правилами распределения заявок для кредитных специалистов с учетом их прав и полномочий. То есть, определяется, какому специалисту, какого уровня должна отправляться та или иная заявка на рассмотрение. "Уровней" специалистов может быть много, начиная с сотрудника экономической безопасности и заканчивая кредитными экспертами. Причем задание подобных правил распределения заявок должно быть максимально простым и доступным для риск-менеджеров и кредитных аналитиков и не требовать специальных знаний;

- регулированием интерпретации скорингового рейтинга. Еще один из важных элементов поддержки процесса принятия решения - это возможность гибкой настройки интерпретации скорингового рейтинга для кредитных специалистов. Если такая возможность реализована, скоринговая система может выдать для кредитных специалистов рекомендации, замечания, подсказки и различного рода сообщения, делая, таким образом, оценку заемщика максимально объективной и качественной. Правила формирования подобного рода сообщений определяет кредитный департамент или департамент риск-менеджмента;

- скоринговой отчетностью. Крайне важно чтобы скоринговая система предусматривала быструю и качественную оценку и динамику изменений, как состояния кредитного счета отдельного заемщика, так и кредитного портфеля в целом. То есть должна быть реализована система скоринговой отчетности, на основании которой можно отслеживать адекватность работы, как всей системы кредитного скоринга, так и используемых скоринговых методов и моделей, а также стратегий оценки потенциальных заемщиков.

Определившись с тем, какой функциональностью должна обладать система или модель кредитного скоринга, следует остановиться на тех методах, которые повысят эффективность кредитных операций коммерческого банка и обеспечат кредитным организациям сохранить и удержать клиентов, оставаться рентабельными в любых экономических ситуациях. Поэтому применение скоринговых моделей повышают эффективность кредитных операций и это будет связано:

- со снижением уровня невозврата кредитов;

- быстротой и беспристрастностью принятия решений;

- появлением возможности эффективно управлять кредитным портфелем;

- отсутствием длительного обучения сотрудников скорингового или кредитного отдела;

- появлением возможности проводить экспресс-анализ заявки на кредит в присутствии заёмщика или клиента банка.

3.2 Применение эффективных инструментов скоринга для управления и снижения кредитных рисков в банках

В условиях, когда Банк России продолжает ужесточение денежно-кредитной политики из-за экономических санкций со стороны Европы и Америки это сказывается на ликвидности кредитных организаций и вынуждает их увеличивать процентные ставки по кредитам, которые сейчас и так уже запредельные для заёмщиков. Для выдачи кредитов клиентам банка и снижения рисков невозвратов заёмных средств, в банке реализуется ряд мер или проектов по построению комплексной системы управления рисками, включающие как разработку и внедрение новых инструментов оценки рисков при анализе кредитных заявок и принятии решений о выдаче кредитов, так и процессы, обеспечивающие удержание рисков на минимальном уровне. Банк на постоянной основе осуществляет мониторинг скоринговых карт.

В 2013 гг. году были разработаны и внедрены новые скоринговые карты по ряду кредитных продуктов. Внедряются антимошеннические скоринговые карты, совершенствуется application-скоринг. Внедряются стандартизованные формализованные процедуры экспертизы кредитных заявок с учетом характеристик клиентских сегментов, расширяется перечень достоверных внешних источников используемой информации, в т.ч. автоматизированное взаимодействие с государственными органами ПФ РФ, ФМС, ФНС России.

С 1 июля 2014 г. российский ФЗ "О кредитных историях" действует с учетом поправок, которые открывают страховым компаниям доступ к кредитным историям клиентов. Поэтому, Россия, хоть и с запозданием, но всё же присоединилась к мировой практике скоринга на основе кредитных историй, который должен стать позитивным фактором роста прибыльности банков и страховых компаний. [1]

Кредитный скоринг является инструментом для оценки уровня риска заемщика. Применяя различные статистические и вероятностные подходы, банк назначает заемщикам скоринговые баллы, разделяя их на "хороших" и "плохих". Эти скоринговые баллы наряду с другими финансовыми характеристиками, такими как ожидаемый уровень выдачи кредитов, прибыль, потери, помогают в конечном итоге принять решение.

Простейшая скоринговая карта, которая используется при выдаче новых кредитов, состоит из набора характеристик, достаточно значимых со статистической точки зрения, способных разделять данные на "хорошие" и "плохие". [18]

Скоринговая карта имеет примерный одинаковый формат и распространен в банковской отрасли, где имеет следующие обоснования:

- подобное представление баллов легко интерпретировать. Оно соответствует любому регулирующему требованию, обеспечивая необходимую прозрачность;

- причины для отказов, низкий или высокий балл можно легко объяснить, используя стандартные формы отчетности;

- "облегченная" структура скоринговой карты помогает аналитикам выполнить свои функции, не имея глубоких знаний в области статистики или программирования. Это делает скоринговую карту эффективным и преимущественным инструментом для управления рисками. (табл.17)

Таблица 17 - Эффективность и преимущества применения скоринговых карт для управления и снижения кредитных рисков

Выгода	Комфорт	Безопасность
Снизит потери по кредитам	Легко дифференцируются стратегии по уровню риска	Мониторим работоспособность модели
Обеспечит рост доходного портфеля	Точность прогнозирования будущих потерь в каждой точки жизни кредита	Сохраняем конфиденциальность
Сэкономит ресурсы на управление рисками	Повышение уровня контроля за счёт снижения операционных ресурсов	Работают опытные сотрудники. В портфолио каждого не менее 20 работающих моделей
Повысит скорость решения о выдаче кредита, точность прогноза риск показателей, маржинальность продукта	Модель учитывает статистические данные	Топ-игроки в индустрии финансовых услуг используют скоринговые карты для оценки и управления рисками.
Повысит качество кредитного портфеля за счёт выставления лимитов, взвешенных по риску	Построение модели с этапа сбора данных до сдачи модели руководству Банка	Банк сотрудничает с компаниями в области разработки скоринговых моделей

Скоринговые модели в бизнес-контексте - это инструмент принятия разнообразных кредитных решений, элемент общей стратегии розничного банка.

Рисунок 10 - Дополнительные факторы, влияющие на кредитоспособность заемщика

Скоринговые модели в потребительском кредитовании используются на различных этапах работы с клиентом, начиная с получения первой заявки от заемщиков, через организацию работы с текущими заемщиками, и заканчивая прогнозированием возможного уровня потерь в кредитном портфеле и созданием необходимых резервов.

Скоринг позволяет выявлять дополнительные факторы, влияющие на кредитоспособность заемщика, установив взаимосвязь между событиями кредитной истории и различными его характеристиками (рис. 10)

С введением новых кредитных продуктов, основанных на текущей рыночной ситуации, связанными с экономическими санкциями ЕС и Америки применяемые к банкам, будут использоваться принципы, которые помогут кредитным инспекторам основываться на одновременном использовании скоринга и андеррайтинга для принятия максимально верных и объективных решений при выдаче кредитов заёмщикам. Развитие получат новые виды проверок при кредитовании -это поведенческий скоринг и данные социальных сетей, которые будут ориентироваться на формальные статистические законы.

Также эффективной мерой для принятия решений в розничном кредитовании наряду с другими видами скоринга становится скоринг против мошенничества, или antifraud-скоринг.

Такая скоринговая оценка при вероятном мошенничестве предоставляется КБИ в рамках специализированных сервисов, где создаётся самими кредитными организациями на основе собственных данных или наработок. Это модный современный тренд, который возник в рамках общей потребности для снижения рисков, а также реальный инструмент оптимизирующий данные для принятия кредитных решений и как следствие повышения экономической эффективности кредитных операций.

Скоринг помогает не только в управлении рисками невозврата в случае дефолта клиента, но он также используется для задач выявления и предотвращения мошенничества.

Действия мошенников вынуждают банки увеличивать кредитные резервы и ставки по кредитам, что приводит к снижению конкурентоспособности банка. Более того, банк, вовлеченный в скандал, связанный с мошенническими операциями, не будет пользоваться популярностью среди клиентов.

По оценкам экспертов примерно половина невозвратов кредитов обусловлено дефолтом, и для контроля этих рисков используются методы кредитного скоринга, а другая половина - мошенничеством, поэтому для снижения таких рисков применяют скоринговые методы.

Мошенничество при кредитовании разделяют на две категории:

1) при попытке получить кредит (происходит при подаче заявления);

2) в процессе использования и погашения кредитных средств.

Второе чаще связано с кражей или самой карты, или ее данных для последующего использования в преступных целях. Соответственно методы и выявления, и предотвращения при рассмотрении заявления отличаются от методов, используемых для контроля использования карты и выполняемых по ней транзакций.

Мошенничество, происходящее во время подачи заявления на кредит, подразделяется на мягкое (soft) и жесткое (hard).

В случае мягкого мошенничества заявители, как правило, используют свое настоящее имя, чаще всего они уже подавали заявки на кредит, но получили отказ, зачастую из-за их неспособности расплатиться. И они манипулируют своими данными так, чтобы выглядеть более основательно (старше, выше доход, более продолжительное проживание по данному адресу; сокрытие адресов, по которым они проживали, когда у них были проблемы - например с выплатой). И хотя эти заявители и намереваются выплачивать кредит, объективно они навряд ли на это способны.

В случае жесткого мошенничества заявитель изначально и не собирается платить и, как правило, использует для подачи заявления украденную или даже изобретенную идентификацию (личные данные), за этим зачастую стоит профессиональная организованная группа мошенников.

Риск жесткого мошенничества сильно отличается от кредитного риска как по своей природе, так и по способам наилучшего предотвращения. Риски же мягкого мошенничества в определенной степени коррелируют с кредитным риском.

Модели, разработанные для оценки кредитного риска, практически не работают для выявления и предотвращения риска мошенничества. Например, в случае если мошенничество заключается в использовании украденной идентификации, то кредитная скоринговая модель чаще всего даст высокий балл и одобрит такое заявление. По этой причине специальные модули по выявлению и предотвращению мошенничества обязательно включаются в интегральную систему обработки принимаемых заявлений. Важнейшим источником информации для сопоставления данных и выявления мошенничества являются кредитные бюро, а также внешние специализированные базы данных (например, по утерянным и украденным паспортам) и обязательно - собственная база данных кредитной организации.

Наиболее эффективными оказываются те системы, которые построены не на основе экспертных правил, а на основе моделирования - нейронными сетями, регрессионными методами, деревьями решений (decision trees), индукцией правил (rules induction), генетическими алгоритмами, анализом связей (link analysis) на основе теории графов (graph theory).

Такие системы используются как для проверки поступающих заявлений, так и в работе с действующими картами - для выявления и предотвращения мошенничества в транзакциях (причем удается применять скоринг в реальном времени, включая в него алгоритмы оценки мошенничества текущих транзакций).

Фрод скоринг (от англ. fraud - мошенничество) позволяет оценить вероятность совершения клиентом неправомерных действий. Зачастую данный вид скоринга используется в комплексе с другими видами оценки. Статистические данные по Российской Федерации свидетельствуют о том, что 10 % невозвращенных кредитов это результат мошеннических действий. [17]

В настоящий момент времени скоринговая система наиболее эффективна и несмотря на некоторые просчеты, лучше нее пока ничего не придумали.

Достаточное количество кредитных организаций применяют для оценки потенциального клиента специальные Software "программы", которые становятся самостоятельным бизнесом. [36]

В некоторых банках применяют внутренний софт, который не выставляется на рынок и о его эффективности знают только сотрудники. Потенциальным клиентам боятся данных скоринговых оценок не нужно, т.к. скоринг придуман не покарать заёмщика, а предупредить о возможно возникающих проблемах с финансами в будущем.

Система fraud-scoring позволяет кредитным организациям выявлять зависимость и согласованность действий по ряду клиентов, предотвращая сговоры с целью обмана или мошенничества. (рис. 11)

Рисунок 11 - Применение скоринг системы- Фрод скоринг (Fraud-scoring) на пути мошенников при получении кредита

Для предотвращения мошенничества и принятия решений о предоставлении кредитов, необходимо для кредитных организаций создание автоматизированного аналитического онлайн-инструмента. Использование обширного массива данных, основанного на сравнении информации из кредитных заявок участников системы Fraud-scoring, поможет небольшим банкам и тем кредитным организациям, которые специализируются на массовых розничных продуктах и экспресс-кредитах. Выявление с помощью системы признаков мошенничества в кредитных заявках позволит банкам более качественно проводить скоринг заемщиков, не увеличивая время рассмотрения кредитной заявки, что в конечном итоге позволит снизить кредитные риски и минимизировать потери по портфелю розничных ссуд.

Скоринг, который выявляет и предотвращает мошенничество, должен использоваться в комплексе с другими моделями или системами, и только тогда результаты его применения будут наиболее точными и эффективными.



Заключение

Основной целью банка является нахождение "золотой середины", т.е. оптимального соотношения между степенью риска и доходностью по кредитным операциям при помощи грамотного управления кредитным процессом, что реализуется посредством разработки практических мероприятий по привлечению новых клиентов и анализа их кредитоспособности, особенно в условиях экономических санкций, введенных ЕС и Америкой к России.

Применение скоринга эффективно для банка, так как скорость обработки заявки высокая, решение не зависит от эксперта, понижаются попытки мошенничества. Кредитные операции - основа банковского бизнеса, поскольку являются главной статьей доходов банка. Но эти операции связаны с риском невозврата ссуды (кредитным риском), которому в той или иной мере подвержены банки в процессе кредитования клиентов. Именно поэтому кредитные операции должны являться главным объектом внимания банков. Кредитная политика банка должна обязательно учитывать возможность кредитных рисков, предварять их появление и грамотно управлять ими, то есть сводить к минимуму возможные негативные последствия кредитных операций.

Наиболее распространенным в практике банков мероприятием, направленным на снижение кредитного риска, является оценка кредитоспособности заемщика, осуществляемая при помощи скоринга, который 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. В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель: чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности. Для разработки алгоритмов кредитного скоринга необходима историческая выборка данных - так называемая обучающая выборка. От качества этой выборки (на языке статистики - репрезентативности) зависит точность оценок параметров модели скоринга и соответственно эффективность скорингового алгоритма.

В России внедрение скоринга тормозится не столько объективными, сколько субъективными причинами, связанными с недоверчивым отношением банковских менеджеров к математическим и статистическим методам. Скоринговые модели необходимо разрабатывать на самых свежих данных, периодически проверять качество их работы, иметь возможность быстро и дешево перенастраивать модель, чего не позволяют сделать закрытые западные системы, применяемые в некоторых российских банках.

У каждого из методов классификации заемщиков имеются свои преимущества и недостатки, кроме того, выбор того или иного метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Все указанные мероприятия способны оказывать эффективное воздействие на выдачу кредитов клиентам ПАО КБ "Центр-инвест" ДО в г. Волгодонске используя систему кредитного скоринга при квалифицированном обслуживании персоналом банка, знаний, опыта и внимательности сотрудников кредитного или скорингового отделов.

Одним из основных приоритетов для ПАО КБ "Центр-инвест" является формирование качественного кредитного портфеля, сохранив и приумножив его при помощи скоринговой системы.

В результате проведённого анализа выпускной квалификационной работы мы видим, что основные направления повышения эффективности кредитных операций коммерческого банка (на примере ПАО КБ "Центр-инвест" в г. Волгодонске) при использовании скоринговых систем становятся стратегически выгодными и перспективными.

На основании проведенных исследований и оценки применения скоринга в ПАО КБ "Центр-инвест" необходимо развивать, улучшать и применять данную систему, которая позволит:

- сократить сроки принятия решения в предоставлении кредита;

- увеличить число и скорость обработки заявок за счет минимизации документооборота при выдаче кредита заёмщикам;

- эффективно оценивать и постоянно контролировать уровень риска по конкретному заемщику;

- снизить влияния субъективных факторов при принятии решения о предоставлении кредита;

- обеспечить объективность в оценке заявок кредитными инспекторами во всех филиалах, дополнительных офисах и отделениях банка;

- охватить более широкий круг потенциальных заемщиков;

- провести оптимизацию численности банковских служащих;

- снизить уровень внутреннего мошенничества путем критериев отбора параметров и использования единой оценки;

- контролировать шаги рассмотрения заявок;

- повысить качество кредитного портфеля, устанавливая процентную ставку по кредиту в зависимости от степени риска заёмщика.

Все методы, применяемые в ПАО КБ "Центр-инвест" в г. Волгодонске способны оказывать воздействие на эффективность кредитных операций, т.е. на выдачу или отказ кредитов заёмщикам при использовании системы кредитного скоринга, что улучшит кредитную политику банка и повысит конкурентоспособность кредитной организации.

В связи с тем, что рынок кредитных продуктов в России востребован и идет нарастающими темпами, для этого потребуется повсеместное внедрение автоматических систем оценки рисков для уменьшения потерь и повышения доходности кредитной организации. Значимость скоринга становится актуальнее и скоринговые системы будут приобретать первостепенное значение. Поэтому должны внедряться методы, которые будут созданы для российских условий и конкретно приспособлены для каждого банка.

Список использованной литературы

1. Федеральный закон от 30.12.2004 № 218-ФЗ "О кредитных историях", (с доп. и измен. от 03.07.16) [Электронный ресурс]. Режим доступа: Справочная правовая система "КонсультантПлюс" - (дата обращения 30.05.2017)

2. Федеральный закон "О потребительском кредите (займе)" от 21.12.2013 N 353-ФЗ (редакция закона 353-ФЗ от 03.07.2016 с изменениями, вступившими в силу с 01.01.2017)

3. "Положение о порядке формирования кредитными организациями резервов на возможные потери по ссудам, по ссудной и приравненной к ней задолженности" (утв. Банком России 26.03.2004 N 254-П) (ред. от 14.11.2016)

[Электронный ресурс]. Режим доступа: Справочная правовая система "КонсультантПлюс" - (дата обращения 30.05.2017)

4. "Трудовой кодекс Российской Федерации" от 30.12.2001 N 197-ФЗ (ред. от 03.07.2016) (с изм. и доп., вступ. в силу с 01.01.2017) [Электронный ресурс]. Режим доступа: Справочная правовая система "КонсультантПлюс" - (дата обращения 30.05.2017)

5. Андреева, Г. Скоринг как метод оценки кредитного риска [Текст]/ Г. Андреева// Банковские технологии - № 14(98) - 2010 г. -С. 17-23.

6. Афанасьева, О.Н. Скоринговая (рейтинговая) оценка финансового состояния заемщика // Банковское дело. - 2014. - № 3. - С. 64-71.

7. Безопасность жизнедеятельности. Безопасность жизнедеятельности. Белов, С.В., Ильницкая, А.В., Козьяков, А.Ф. и др. 7-е изд., стер. - М.: Высшая школа, 2007-616 с.

8. Васильев, А.Н. Особенности скорингового моделирования на основе линейных рейтинговых функций // Банковское дело. - 2013. - № 6. - С. 75-78.

9. Васина, Н.В. Зарубежный опыт применения скоринговых моделей для оценки финансового состояния организаций / Н.В. Васина // Омский филиал Академии бюджета и казначейства: 23.09.2009-35 с.

10. Деникаева, Р.Н., Альберт, В.А. Скоринг в России и за рубежом // Научное обозрение. - 2013. - № 11. - С. 194-199.

11. Зазулинский, В.Д. Безопасность жизнедеятельности: учебное пособие / В.Д. Зазулинский. - М.: Экзамен, 2014-256 с.

12. Лосевская, С. А., Владимирова, А.В. Скоринг как финансовый инструмент при кредитовании заёмщика// Новая наука: Современное состояние и пути развития. 2015. № 4-1. С. 178-180.

13. Лосевская, С.А. Кредитный скоринг при кредитовании физических лиц / С.А. Лосевская // Вестник Донского государственного аграрного университета. 2014. № 2 (12). - С. 79-83.

14. Ли, В.С., Бутнева, К.С., Лосевская, С.А. Основные направления повышения эффективности кредитных операций коммерческого банка при помощи скоринговой системы. В сборнике: Инновационные направления и разработки для эффективного сельскохозяйственного производства материалы международной научно-практической конференции, посвящённой памяти члена-корреспондента РАН В.И. Левахина: в 2-х частях. 2016. С. 257-259.

15. Ли, В.С., Бутнева, К.С., Лосевская, С.А. Развитие банковской системы России в условиях санкций. В сборнике: Современное состояние и приоритетные направления развития аграрной экономики в условиях импортозамещения материалы международной научно-практической конференции. 2016. С. 288-290.

16. Романюк, К.А. Метод оценки кредитоспособности физических лиц по непрерывной шкале / К.А. Романюк // Экономические науки. - 2015. - № 125. - С. 109-116.

17. Синельников, М.В. Скоринг как метод оценки кредитного риска в современной России / М.В. Синельников // Проблемы развития современной экономики. - 2015. - № 6. - С. 24-28.

18. Ткач, Д.А. Скоринговый балл для оценки кредитного риска. Принятие решения по кредитной заявке на основе скоринговых систем/ Д.А. Ткач // Российское предпринимательство. - 2010. - № 6, вып. 1. - С. 103-107.

19. Ханжин, С.В. Математическая модель кредитного скоринга потенциальных клиентов банка / С.В. Ханжин // Фундаментальные и прикладные исследования: проблемы и результаты. - 2015. - № 20. - С. 184-188.

20. Шаталова, Е.П., Шаталов, А.Н. Оценка кредитоспособности заемщиков в банковском риск-менеджменте. - М.: КноРус, 2016. - 166 с.

21. Вся правда о скоринге: кто и как решает, дать ли вам кредит [Электронный ресурс] Режим доступа: URL: http://blogbankir.ru/vsya-pravda-o-skoringe.html-(дата обращения: 01.05.2017).

22. Группа банка "Центр-инвест" Сокращенная консолидированная промежуточная финансовая информация в соответствии с Международными Стандартами Финансовой Отчетности (неаудированные данные)30 июня 2015 года [Электронный ресурс] Режим доступа: URL: http://www.centrinvest.ru/files/about/reports/fininternational/IAS_FS_CIB_2kv 2015_rus.pdf - (дата обращения 28.05.2017 г.)

23. Использование деревьев решений для оценки кредитоспособности физических лиц Base Group Labs. Технологии анализа данных. [Электронный ресурс]. Режим доступа: URL: http://www.basegroup.ru/library /practice/solvency/- (дата обращения: 29.05.2017).

24. Кредитный скоринг. Не всё так страшно Пищулин Андрей. 14 марта 2012. [Электронный ресурс]Режим доступа: URL: http://bankovskoe-delo.vipsekret.ru/a_bankovskoe-delo&kreditniy-skoring&2.htm -(дата обращения 30.05.2017)

25. Микроклимат в банках [Электронный ресурс] Режим доступа: URL: http://www.rusbanks.info/article/Mikroklimat-v-bankah.html-(дата обращения: 01.05.2017).

26. Основные документы по охране труда в организации [Электронный ресурс] Режим доступа: URL: http://kadriruem.ru/normativnye-dokumenty-po-ohrane-truda/ - (дата обращения: 27.05.2017).

27. Особенности внедрения систем кредитного скоринга в банках РФ [Электронный ресурс]. Режим доступа: URL: http://www.leadbanking.ru/lbs-326-4.html- (дата обращения 13.05.2017)

28. О скоринге и новом факторе прибыльности для российских страховщиков [Электронный ресурс] Режим доступа: URL: http://www.sluchay.ru/ %D1 %81 %D1 %82 %D0 %B0 %D1 %82 %D1 %8C %D0 %B8_ %D0 %BE_ %D1 %81 %D1 %82 %D1 %80 %D0 %B0 %D1 %85 %D0 %BE %D0 %B2 %D0 %B0 %D0 %BD %D0 %B8 %D0 %B8/-skoringe-i-novom-faktore-pribylnosti-dlya-rossijskih-strahovshhikov-/- (дата обращения 13.05.2017)

29. Распределение структурных подразделений кредитной организации по регионам [Электронный ресурс] Режим доступа: URL: http://www.kuap.ru/banks/2225/-(дата обращения: 19.05.2017).

30. Скоринг как метод оценки кредитного риска [Электронный ресурс]. Режим доступа: URL: http://www.bankmib.ru/1693-(дата обращения: 02.06.2017).

31. Скоринговая модель оценки кредитоспособности заемщика [Электронный ресурс]. Режим доступа: URL: http://fb.ru/article/257301/skoringovaya-model-otsenki-kreditosposobnosti-zaemschika-(дата обращения: 01.05.2017).

32. Совет директоров ОАО КБ "Центр-инвест" утвердил стратегию развития банка на 2014-2017 гг- http://bankir.ru/novosti/20131127/sovet-direktorov-oao-kb-tsentr-invest-utverdil-strategiyu-razvitiya-banka-na-2014-2017-gg-10061228/-(дата обращения: 08.05.2017).

33. Стратегия экосистемы банка "Центр-инвест" на 2016-2018 гг. [Электронный ресурс] Режим доступа: URL: https://www.centrinvest.ru/files /about/reports/strategy2016-2018.pdf-(дата обращения: 19.05.2017).

34. Устав открытого акционерного общества коммерческого банка "Центр-инвест" (от 11.05.2016г.) [Электронный ресурс]. Режим доступа: URL:https://www.centrinvest.ru/ru/about/management/ustav- (дата обращения: 08.05.2017).

35. Цыплаков А.А. Оценка качества вероятностных прогнозов: корректные скоринговые правила и моменты [Электронный ресурс] Режим доступа: URL: http://avidreaders.ru/book/ocenka-kachestva-veroyatnostnyh-prognozov-korrektnye-skoringovye.html-(дата обращения: 08.05.2017).

36. Что такое скоринг и как он помогает банкам? [Электронный ресурс]. Режим доступа: URL: https://kredk.ru/chto-takoe-skoring-i-kak-on-pomogaet-bankam- (дата обращения: 28.05.2017).

37. Churchill, G. A., Nevin, J. R., Watson, R. R. The role of credit scoring in the loan decision. Credit World. March [Текст]/ G.A. Churchill, J.R. Nevin, R.R. Watson /1987; Myers J.H., Forgy E.W. The development of numerical credit evaluation systems//Journal of American Statistical Association. September/1983u- (дата обращения 01.05.17.)

38. Desai V.S., Convay D.G., Crook J.N., Overstreet G.A. Credit scoring models in the credit union environment using neural networks and genetic algorithms//IMA J. Mathematics applied in business and industry. 8/1997- (дата обращения 02.05.17.)

39. Eugene Grishenkoff, Informational System for Planning and Consolidation, SUGI26 Proceedings, 23-25 April, 2001, Long Beach, CA, http://www2.sas.com/proceedings/sugi26/p116-26.pdf - (дата обращения 01.05.17.)

40. Liang Q. "Corporate financial distress diagnosis in China: empirical analysis using credit scoring models". Hitotsubashi Journal of Commerce and Management, 2003. - Vol. 38, No. 1, pp. 13-28.

41. Credit Scores. Bust myths & improve your score http://www.moneysavingexpert.com/loans/credit-rating-credit-score- May 2017- (дата обращения 11.05.17.).

Размещено на Allbest.ru