Кредитная политика для коммерческого банка

Скоринг является актуальным не только для  оценки кредитоспособности физических лиц, этот программный продукт также  может качественно улучшить оценку кредитоспособности юридических лиц и индивидуальных предпринимателей.

Практика выдачи корпоративных  кредитов по-прежнему остается актуальной: обслуживание корпоративных клиентов как оптовых покупателей всегда было одним из приоритетных направлений  банковской деятельности. Современная экономическая ситуация и здоровая конкуренция подталкивают банки к расширению кредитного предложения в области корпоративного кредитования. Наряду с понижением процентной ставки простота оформления и скорость предоставления кредита становятся факторами конкурентной борьбы банков за новых клиентов.

На  сегодняшний момент решение о  предоставлении кредита потенциальным заемщикам, банки зачастую принимается «вручную» на основании проведенного банком финансового анализа состояния компании-заемщика. Акционеный коммерческий банк регионального развития «Региобанк» использует отдельные элементы скоринга (на базе таблиц Microsoft Excel) при оценке кредитоспособности физических лиц. Поэтому внедрение в банках автоматизированных систем оценки кредитоспособности юридических лиц и индивидуальных предпринимателей является крайне актуальным, помогая банковским учреждениям выйти на качественно новый уровень управления своей доходностью. В настоящее время основными видами  скоринга для Российской практики

являются следующие:

 

Таблица 3.1 - Виды кредитного скоринга

 

Вид кредитного скоринга	Описание
Application-скоринг	Оценка кредитоспособности заемщиков для получения кредита.
Collection-скоринг	Определение приоритетных дел и направлений работы в отношении заемщиков, состояние кредитного счета которых классифицировано как «неудовлетворительное».
Behavioral-скоринг	Оценка динамики состояния кредитного счета заемщика.
Fraud-скоринг	Оценка вероятности мошенничества потенциального заемщика.

 

Вопрос  адекватной оценки кредитоспособности заемщика на  стадии получения кредита стоит для отечественных банков крайне остро. Поэтому использование Application-скоринг в настоящее время является наиболее актуальным для России.

В последнее  время российские банки все чаще и чаще поднимают вопрос о необходимости использования Collection-скоринга в повседневной работе.  Использование этого типа скоринга позволяет вести планомерную работу с просроченной задолженностью до момента ее передачи в коллекторское агентство. Опыт показывает, что значительную часть задолженности в ходе этой работы удается ликвидировать. Например, согласно результатам ряда исследований около 40% всех неплатежей приходится на забывчивых заемщиков, которые без всякого умысла забывают внести платеж по кредиту и «исправляются» после первых напоминаний.

Использование Behavioral-скоринг (поведенческий скоринг) позволяют спрогнозировать изменение платежеспособности заемщика, определить оптимальные лимиты по кредитной карте и т.д. Например, на основании поведения заемщика за предыдущие пять месяцев  можно спрогнозировать его поведение в последующие два месяца. В России этот тип скоринга практически не применяется, причем не столько в силу отсутствия необходимости, сколько из-за отсутствия скоринговых систем, способных решать подобные задачи. Fraud-скоринг, как правило, используется в связке с Application- и Behavioral скорингом для более детального анализа поведения заемщиков. Его актуальность для российского рынка достаточно велика.  По данным ряда отечественных банков откровенное мошенничество составляет до 10% от всех неплатежей, и этот показатель с каждым годом продолжает медленно, но неуклонно увеличиваться

Исторически кредитный скоринг возник около 50 лет назад в форме так называемых скоринговых карт. Устройство и использование скоринговой карты несложно и представлено в таблице 3.2.

 

Таблица 3.2 - Пример скоринговой карты для корпоративных клиентов

 

Классификационный признак	Критерий отбора	Баллы
Сектор экономики	Сельское хозяйство, автомобильная  промышленность, телекомунникации, финансы, химическая промышленность	44
	Современные технологии	-20
	Нефтяная и газовая  промышленность	53
Страна  регистрации	Китай, Япония	30
	Российская Федерация	52
	Другие	21
Сумма кредиторской задолженности	0<долг<100 000 000	53
	100 000 000<долг<300 000 000	32
	300 000 000<долг<выше	12
Опыт работы банка  с заемщиком	Да (положительный)	66
	Да (отрицательный)	21
	Нет	43

Продолжение таблицы 3.2

Классификационный признак	Критерий отбора	Баллы
Прибыль,получаемая организацией	меньше<Прибыль <5 000 000	39
	5 000 000<Прибыль <10 000 000	52

 

Характеристики  для скоринга могут быть выбраны  из любого имеющегося в распоряжении источника данных о потенциальном  заемщике. Подобными характеристиками могут служить демографические  факторы (например, сектор экономики, к которому относится основная деятельность компании-заемщика; страна регистрации организации; как долго существует компания, какое место занимает на рынке и т.п.), характеристики, отражающие уже существующие отношения между клиентом и банком (например, как долго компания является клиентом банка, количество используемых кредитных продуктов, насколько ответственно она подходит к осуществлению оплаты, предыдущие обращения компании в банк) и, наконец, финансовые данные о компании (например, годовой оборот, прибыль, размер капитала, число числившихся в штате компании сотрудников и т.д.).

Таким образом, знания об имеющихся предприятиях и индивидуальных предпринимателях позволяют банку прогнозировать профиль потенциальной компании — заемщика банка. Поскольку со временем данные обновляются, естественно, периодически происходит модификация самой скоринговой карты: некоторые признаки становятся более значимыми, а другие отходят на второй план. Коррекция карт производится регулярно, а ее периодичность зависит от объема кредитов.

Скоринговый балл претендента, обратившегося за кредитом, сравнивается с баллами корпоративных клиентов, уже существующих в банке, и на этой основе делаются определенные выводы о его возможном поведении в будущем.

В целях сравнения  претендентов выборка подразделяется на две группы:

«хорошие» и «плохие» риски. Это  оправдано в том смысле, что банк при принятии решения о кредитовании на первом этапе выбирает из двух вариантов: давать кредит или не давать.

Определение «плохого»  риска может быть разным в зависимости оттого,

 какую политику осуществляет  коммерческий банк, «плохим» риском обычно считается клиент, задерживающийся с очередной выплатой на определенное количество времени (каждый банк устанавливает для себя свой период задержки). Иногда к «плохим» рискам относятся и клиенты, которые слишком рано возвращают кредит, так как банк не успевает ничего на них заработать.

Таким образом, скоринг  представляет собой классификационную  задачу, где исходя из имеющейся  информации необходимо получить функцию, наиболее точно разделяющее выборку  клиентов на «плохих» и «хороших». На практике используется комбинация нескольких методов, и компании предоставляющие скоринговые услуги хранят свои скоринговые модели в строжайшем секрете, поэтому сложно сказать, какой метод лучше.

В результате данных вычислений определяется балл отсечения, после сопоставления с которым принимается решение о предоставлении кредита. Если балл, набранный компанией-соискателем, выше балла отсечения, то выносится положительное решение, а вот если ниже, то банк вынужден отказать такой компании в выдаче денег.  

На основе полученных баллов происходит распределение корпоративных клиентов по классам риска с соответствующим уровнем вероятности дефолта (PD). Например, вероятность 0,356 означает, что данный контрагент с вероятностью 35,6% будет иметь просроченную задолженность в следующем году (точнее, в ближайшие 12 месяцев). Аккуратность и стабильность подобной PD-модели  на практике достаточно высока, что обеспечивается достаточно хорошим качеством данных о корпоративных клиентах, имеющихся в банках благодаря информации, регулярно предоставляемой ими. 

Для реализации моделирования  в корпоративном секторе используются

 разные  средства программного обеспечения.  Я рассмотрю в данной ситуации SAS Enterprise Miner, продукт, хорошо зарекомендовавший  себя в мировой банковской  практике.

На  рисунке 3.1 представлена общая схема скорингового проекта

 

Сбор данных                1                   Проверка качества               2         Статистический

                                                            данных                                              анализ данных

                                                                                                        3

 

Выбор оптимальной           5            Построение моделей                   4       Группировка

модели                                                различными                                           признаков

                                                            аналитическими методами

                     6

                                          Отчетность (в виде скоринговой

                                               карты и графиков)

 

Рисунок 3.1 - Скоринговый проект

 

 

Данный  продукт, удобный в использовании  и обладающий большим набором  функциональных возможностей, позволяет  также провести сегментацию с целью выявления группы клиентов с наиболее высоким уровнем риска (мошенников и должников), составляя так называемый «Профиль риска». В результате каждый корпоративный клиент банка зачисляется в соответствующий класс риска и получает внутренний рейтинг. Ежемесячно производится мониторинг кредитного портфеля и отслеживается динамика «эволюции» клиента.

Система внутренних рейтингов клиентов позволяет  банку реагировать на негативные тенденции и эффективно предотвращать  потенциальные дефолты.  

Какие бы аргументы ни приводились в   пользу  внедрения  в   банке

системы кредитного скоринга, в конечном итоге решающее значение имеет один – ожидаемый экономический  эффект. Для расчета экономического эффекта необходимо сравнить доход  от кредитования с применением кредитного скоринга и без него.

Для целей сопоставительного  анализа условия выдачи кредитов (см. табл.) будем считать неизменными  и одинаковыми как в случае использования кредитного скоринга, так и без него.

 

Таблица 3.3 - Общие условия кредитования

 

Условия кредита	Обозначение параметра	Значение параметра
Сумма кредита (принципал), руб.	Q	50 000
Годовая процентная ставка по кредиту	α, %	16
Длительность кредита, мес.	L	12
Способ погашения основного  долга	Ежемесячно равными  частями	-
Способ начисления процентов	Ежемесячно на остаток  задолженности по принципалу	-
Способ уплаты процентов	Ежемесячно	-
Дефолты по кредитам объявляются	По истечении T мес. с начала выдачи	9

 

Источниками роста доходности кредитного портфеля при использовании

кредитного скоринга могут выступать:

- увеличение доли аппликантов,  получающих согласие банка на  выдачу кредита, - за счет более  точной идентификации «хороших»  заемщиков;

- снижение доли дефолтов  в общей сумме выданных кредитов  – за счет

 более точной идентификации «плохих» заемщиков;

- общие увеличение  количества обращений в банк за получением кредита за счет ускорения процедуры рассмотрения заявок аппликантов. В соответствии с этими представлениями об источниках экономического эффекта различие между рассматриваемыми вариантами кредитования учтем в виде факторов результативности кредитования.