Анализ банковских рисков банка

Перечень  элементов кредитоспособности заемщика и показателей, их характеризующих, может быть более широким или  сокращенным в зависимости от целей анализа, видов кредита, сроков кредитования, состояния кредитных  отношений банка с заемщиком. Оптимальные или допустимые значения таких показателей должны дифференцироваться в зависимости от деятельности заемщика, конкретных условий сделки и пр.

2. Способы оценки кредитоспособности физических лиц.

На сегодняшний  день существует несколько основных методик оценки кредитоспособности клиентов. Системы отличаются друг от друга количеством показателей, которые применяются в качестве составных частей общей оценки заемщика, а также разными подходами  к характеристикам и приоритетностью  каждого из них.

Существуют  следующие способы оценки кредитоспособности физических лиц:

1. скоринговые модели;
2. методика определения платежеспособности; 
3. андеррайтинг;
4. Деревья решений;

Банк применяет  каждую из моделей для разных видов  кредитования и корректирует ее в  индивидуальном порядке (табл.).

3.1 . Скоринговая модель

Скоринг представляет собой математическую (статистическую) модель, с помощью которой на базе кредитной истории уже имеющихся клиентов банк определяет, насколько велика вероятность, что тот или иной клиент вернет кредит в назначенный срок. Скоринг выделяет те характеристики, которые наиболее тесно связаны с надежностью или, наоборот, с ненадежностью клиента.

3.2.История развития скоринга

Скоринг, по существу, является методом классификации всей интересующей нас популяции на различные группы, когда нам неизвестна характеристика, которая разделяет эти группы (вернет клиент кредит или нет), на зато известны другие характеристики, связанные с интересующей нас. В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 г. на примере растений. В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.

В начале 50-х  гг. в Сан-Франциско образовалась первая консалтинговая фирма в области скоринга, которая до сих пор является лидером среди разработчиков скоринговых систем.

Но широкое  применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита. Однако очень скоро они оценили не только быстроту обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем уровень безнадежного долга сокращался до 50%).

В 1974 г. в  США был принят Закон о предоставлении равных возможностей на получение кредита, который запрещал отказывать в выдаче кредита на основании следующих  характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей. В Великобритании законодательство допускает использование информации о возрасте и семейном положении, но зато запрещает принимать во внимание какие-либо физические увечья и недостатки (инвалидность). Для кредитных организаций использование скоринговых систем стало доказательством исполнения этих антидискриминационных законов -- у компьютера нет предубеждений.

Помимо установления принципов равноправия в области  кредитования, кредитное законодательство США, как и Закон о потребительском  кредите, принятый в Великобритании в том же 1974 г., имели важное значение для формирования службы кредитных  бюро. В таких бюро записывается кредитная история всех людей, когда-либо обращавшихся за ссудой в любую кредитную  организацию страны.

В кредитных  бюро содержатся следующие виды данных:

• социально-демографические характеристики;
• судебные решения (в случае передачи дел о востребовании задолженности по кредиту в суд);
• информация о банкротствах;

данные об индивидуальных заемщиках, получаемые от кредитных организаций по принципу «ты - мне, я - тебе», т. е. банк может получать информацию о клиентах других банков, только если сам поставляет аналогичную информацию.

Техника кредитного скоринга представляет собой оценку в баллах характеристик, позволяющих с достаточной достоверностью определить степень кредитного риска при предоставлении потребительской ссуды тому или иному заемщику. Наиболее значимыми для прогнозирования кредитного риска показателями могут быть такие показатели, как возраст, количество иждивенцев, профессия, доход, стоимость жилья и прочее.

3.3. Преимущества скоринговых моделей.

1) снижение  уровня не возврата кредита, быстрота и беспристрастность принятия решений;

2) возможность эффективного управления кредитным портфелем;

3) отсутствие  длительного обучения сотрудников кредитного департамента;

4) возможность  провести экспресс-анализ заявки  на кредит в присутствии клиента. 

Однако, несмотря на положительные моменты, применение кредитного скоринга сопряжено с рядом трудностей.

Одна из них заключается в том, что  определение оценивающих характеристик  производится только на базе информации о тех клиентах, которым банк уже  предоставил кредит.

Другая и  наиболее значимая проблема состоит  в том, что скоринговые модели строятся на основе выборки из числа наиболее "ранних" клиентов. Учитывая это, сотрудникам банка приходится периодически проверять качество работы системы и, когда оно ухудшается, разрабатывать новую модель.

Следует отметить, что из анкеты-заявления, заполненной  заемщиком, для оценки берутся порядка  десяти характеристик, а остальные  данные хранятся в статистической базе для дальнейшего обновления и  анализа скоринга.

На текущий  момент российские банки оценивают  такие характеристики, как доход, количество иждивенцев, наличие в  собственности автомобиля (при этом различают автомобиль отечественного и иностранного производства, обязательно  учитывая срок, прошедший с момента  его выпуска), наличие земельного участка (рассматривается его площадь  и удаленность от центра города), стаж работы, должность, образование.

Несомненно, сегодня это основные параметры, по которым можно определить степень  кредитоспособности физического лица. Однако непрерывная корректировка  скоринговой методики позволит расширить и изменить перечень оцениваемых характеристик, и те клиенты, которые сегодня попадают в группу ненадежных заемщиков, при последующем анализе кредитной деятельности, возможно, будут отнесены к числу заемщиков, имеющих низкую невозвратность кредитов.

3.4.Недостатки скоринговой системы оценки кредитоспособности физических лиц.

Основным  недостатком скоринговой системы оценки кредитоспособности физических лиц является то, что она очень плохо адаптируема. А используемая для оценки кредитоспособности система, должна отвечать настоящему положению дел. Например, в США считается плюсом, если человек поменял много мест работы, что говорило о том, что он востребован. В СССР наоборот – данное обстоятельство говорило о том, что человек либо не может ужиться с коллективом, либо это малоценный специалист, а соответственно повышается вероятность просрочки в платежах. Другим примером различия весовых коэффициентов может служить то, что если в СССР наличие личного автомобиля говорило о хорошем финансовом положении заемщика, то сейчас это наличие практически ни о чем не говорит. Таким образом адаптировать модель просто крайне необходимо, как для разных периодов времени, так и для разных стран и даже для разных регионов страны.

Для адаптации  скоринговой модели оценки кредитоспособности физических лиц специалисту необходимо проделывать путь, подобный тому, что проделал Дюран. Т.е. специалисты, которые будут заниматься такой адаптацией должны быть высоко квалифицированными, а значит и очень высокооплачиваемые. Это должны такие люди, чтобы они были в состоянии оценить текущую ситуацию на рынке. Результатом такого рода проделанной работы будет набор факторов с весовыми коэффициентами плюс некий порог (значение), преодолев который человек, обратившийся за кредитом, считается способным погасить испрашиваемую ссуду плюс проценты. Полученные результаты являются по большей части субъективным мнением и, как правило, плохо подкрепленные статистикой (статистически необоснованные). Как следствие всего этого, полученная модель не в полной мере отвечает текущей действительности. Финансовым результатом такого подхода будет то, что в процентной ставке кредитования предлагаемой банком большую долю будет занимать часть, покрывающая риск неплатежей.

Итак, основные недостатки скоринговой системы оценки кредитоспособности физических лиц это:

• Высокая стоимость адаптации используемой модели под текущее положение дел;
• Большая вероятность ошибки модели при определении кредитоспособности потенциального заемщика, обусловленная субъективным мнением специалиста.

3.5.Деревья решений как вариант решения проблемы устранения недостатков скоринговой системы

Одним из вариантов  решения вышепоставленной задачи является применение алгоритмов, решающих задачи классификации. Задача классификации – это задача отнесения какого-либо объекта (потенциальный заемщик) к одному из заранее известных классов (Давать/Не давать кредит). Такого рода задачи с большим успехом решаются одним из методов Data Mining – при помощи деревьев решений. Деревья решений – один из методов автоматического анализа данных. Получаемая модель – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

3.6  Использование деревьев  решений для оценки  кредитоспособности

физических  лиц

Одним из вариантов  решения вышепоставленной задачи является применение алгоритмов, решающих задачи классификации. Задача классификации – это задача отнесения какого-либо объекта (потенциальный заемщик) к одному из заранее известных классов (Давать/Не давать кредит). Такого рода задачи с большим успехом решаются одним из методов Data Mining – при помощи деревьев решений. Деревья решений – один из методов автоматического анализа данных. Получаемая модель – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

Сущность  этого метода заключается в следующем:

6. На основе данных, за прошлые периоды строится дерево. При этом класс каждой из ситуаций, на основе которых строится дерево, заранее известен. В нашем случае должно быть известно, была ли возвращена основная сумма долга и проценты, и не было ли просрочек в платежах. При построении дерева все известные ситуации обучающей выборки сначала попадают в верхний узел, а потом распределяются по узлам, которые в свою очередь также могут быть разбиты на дочерние узлы. Критерий разбиения – это различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия – мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Неопределенность тем выше, чем больше примесей (объектов, относящихся к различным классам) находятся в одном узле. Энтропия равна нулю, если в узле будут находиться объекты, относящиеся к одному классу.
7. Полученную модель используют при определении класса (Давать/Не давать кредит) вновь возникших ситуаций (поступила заявка на получение кредита).
8. При существенном изменении текущей ситуации на рынке, дерево можно перестроить, т.е. адаптировать к существующей обстановке.

 
 
 

4. Методика определения платежеспособности

Более сложная  и тщательная оценка заемщика применяется при выдаче физическим лицам кредитов на неотложные потребительские нужды. Это, как правило, среднесрочные ссуды на покупку дорогих вещей, оплату каких-либо услуг и работ. Примером может служить приобретение дорогостоящей мебели, плата за обучение, финансирование ремонта жилья и т.п. В этом случае многие крупные коммерческие банки определяют платежеспособность заемщика на основании документов с места работы о доходах и размерах удержаний, а также по данным анкеты. Результат вычисляется как среднемесячный доход за вычетом всех обязательных платежей, скорректированный на поправочный коэффициент и умноженный на срок кредита. Исходя из полученной суммы, рассчитывается максимальный размер кредита. Полученная величина корректируется с учетом влияющих факторов: предоставленного обеспечения кредита, информации, содержащейся в заключениях службы безопасности и юридического департамента банка, остатка задолженности по ранее полученным ссудам.

Для оценки платежеспособности клиента кредитным  инспекторам необходимо проанализировать огромное количество документов. Перечень их достаточно велик и насчитывает  около пятнадцати наименований. Обязательное их предоставление клиентом, с одной  стороны, ограничивает круг потенциальных  заемщиков банка, а с другой, позволяет  сформировать кредитный портфель более  высокого качества и снизить кредитный  риск.