Проблемы обеспечения исполнения обязательств при совершении банковских операций. Поручительство и банковская гарантия

От профессиональных мошенников страдают даже очень консервативные банки, в которых требуется предоставление справки с места работы по официальной форме налоговой службы.

С точки зрения таких банков суть мошенничества — это предоставление поддельных справок о месте работы и доходах. Служба безопасности знает признаки этих подделок и 80 – 90 % фальшивок вычисляет еще при оценке заемщика. «Проскочившие» выявляются только после начала просрочек.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Рисунок 15 – Доля просроченных кредитов в кредитных портфелях  банков /35/

 

В подавляющем большинстве случаев люди пользуются услугами мошенников, рассчитывая вложить деньги в какой-то бизнес, получить прибыль и рассчитаться с банком. Но очень часто это не удается, и таким образом заемщик сам становится мошенником. Меньшая часть случаев — это люди, которые работают с изготовителями поддельных документов в одной связке, в одном бизнесе. Полученные деньги они отдают руководителю всего мошеннического предприятия.

Кстати, раньше мошенники  делали своим клиентам поддельные справки  о доходах бесплатно, а в качестве гонорара брали 30 - 40% от суммы кредита после его получения. Но в связи с тем, что банк все чаще распознает подделки на ранних этапах, мошенники сегодня берут за справку 1,5 - 2 тысяч долларов и 20 - 25% от суммы кредита после получения денег. При этом надо понимать, что «целесообразно» вообще рассматривать участие в данной схеме при сумме кредита от 20 - 25 тысяч долларов /27, с.37/.

В среднем по России кредит считается проблемным после 90 - 100 дней просрочки. Договор с заемщиком расторгается, и банк проходит все процедуры взыскания, в том числе обращается в суд и в правоохранительные органы. Возбуждаются дела по статьям 159, часть 3 (мошенничество в особо крупных размерах и совершенное группой лиц), и 327 (изготовление поддельных документов). На большинство проблемных заемщиков это действует отрезвляюще. Кстати, в число мошенников в такой схеме попадают и поручители.

Просроченная задолженность  также является крупной проблемой  и в Амурском филиале ОАО АКБ  «Росбанк». Проанализировав финансово-экономическое состояние банка, нормативные документы и инструкции банка, а также воспользовавшись опытом других кредитных учреждений был разработан комплекс мер, направленных на снижение просроченной задолженности.

1. Необходимо создать в центральном отделении и в каждом доп. офисе Амурского филиала Росбанка рабочую группу по контролю за уровнем просроченной задолженности. Задачами данной группы являются: координация действий привлеченных  подразделений, разработка дополнительных мероприятий по снижению просроченной задолженности, анализ отчетов о результатах проведенных мероприятий в доп.офисах Амурского филиала Росбанка и непосредственно контроль за уровнем просроченной задолженности. Для более оптимального распределения обязанностей предлагаю включить в состав группы центрального отделения:  заместителя директора по розничному бизнесу, начальника отдела кредитования частных клиентов, руководителя группы сопровождения,  а также специалистов, обеспечивающих техническую сторону проводимых мероприятий, назначить ответственного по  взаимодействию с доп.офисами Амурского филиала Росбанка. В состав групп доп.офисов должны входить: Управляющий, главный специалист группы сопровождения, программист. К задачам данной группы отнести: координацию действий персонала доп.офиса, формирование отчетов по результатам проведенных мероприятий и их отправка в центральное отделение.

2. Необходимо создать в центральном отделении рабочую группу по контролю за уровнем проблемной задолженности в состав которой должны входить лица, уполномоченные на принятие решений в данной сфере (начальник отдела безопасности, руководитель группы по работе с проблемной задолженностью, юрисконсульт).

3. В центральном отделении Амурского филиала и в доп.офисах Росбанка необходимо активизировать работу с текущей просроченной задолженностью путем автодозвона (при помощи специальных программ), адресного дозвона, проведения переговоров с заемщиками. Обеспечить проведение переговоров с заемщиками, допустившими просрочку, из расчета:  50 заемщиков на 1 сотрудника сопровождения в день (действующий норматив Росбанка по адресному дозвону).

С целью увеличения охвата заемщиков нужно привлечь кредитных экспертов, по кредитам которых допущена просрочка, к дозвонам, переговорам с заемщиками в нерабочее время, это также будет способствовать повышению уровня ответственности среди кредитных экспертов, побудит их проводить оценку кредитоспособности клиентов более тщательнее.

4. Ввиду того, что процесс выдачи кредитов автоматизирован, в отдельных случаях может возникнуть просроченная задолженность не по вине клиента (техническая просрочка). Учитывая это обстоятельство необходимо разработать комплекс мер, способствующий усилению контроля в этом направлении.

5. Привлечь специалистов групп сопровождения, бэк-офиса, программистов (технологов) на аккордные работы, рассчитать нормы нагрузки, необходимую численность,  установить контроль за исполнением. Если исходить из расчета 50 заемщиков на 1 сотрудника в день, то за каждый час аккордных работ специалист должен обзвонить 7 заемщиков. Соответственно внеурочная работа должна оплачиваться и это будет дополнительным стимулом для сотрудников.

6. Провести инвентаризацию проблемной задолженности: сформировать группы неплательщиков по признакам: мошеннические кредиты; отсутствие доходов у заемщика; заемщики, не желающие платить; другие. Выработать тактику действий в отношении каждой группы, ускорить подготовку документов в суд.

7. С целью анализа причин и предупреждения в дальнейшем возникновения просроченной задолженности необходимо подготовить программное обеспечение для мониторинга просроченной задолженности по точкам продаж, по кредитным экспертам на еженедельной основе. Также подготовить программное обеспечение для формирования факторного анализа по направлениям:

• возраст (20 – 30 лет; 30 – 40 лет; 40 – 50 лет; 50 – 60 лет);
• пол;
• профессия (согласно классификациям в программном обеспечении росбанка);
• наличие в собственности недвижимости, автотраспорта;
• жилплощадь собственная или арендуемая;

8. В дальнейшем для анализа осуществлять мониторинг просроченной задолженности по кредитным экспертам, точкам продаж.

По результатам анализа:

• принимать решения по кредитным экспертам (поощрение, взыскание, отстранение от должности и т.п.),
• производить соответствующий мониторинг точек продаж на предмет возникновения мошеннических действий.

9. С целью  предупреждения  возникновения просроченной задолженности  из-за внесения денежных средств в погашение ссудной задолженности не на соответствующий счет клиента необходимо использовать пластиковую карту клиента для получения доступа к счету при внесении денежных средств через кассу банка.

10. Для реализации предыдущего  предложения нужно обязать кредитных экспертов проводить разъяснительную работу с заемщиками при предоставлении кредитов по следующим вопросам:

• о необходимости предоставления пластиковой карты при погашении кредита;
• при перечислении денежных средств в погашение кредита со счетов, открытых в других банках, либо через отделения Почты России, осуществлять переводы не позднее, чем за 10 дней до даты погашения, т.к. проблема возникновения просрочки вследствие несвоевременного перечисления денежных средств неподотчетными Росбанку расчетными учреждениями стоит очень остро.

11. Необходимо разработать программный комплекс для формирования отчета по просроченной задолженности, с выделением  текущей, и проблемной задолженности в разрезе кредитных продуктов по доп.офисам. Произвести контрольную сверку полученных данных с балансовыми позициями соответствующих статей.

По предварительной  оценке данный план позволит снизить уровень просроченной задолженности в портфеле потребительских ссуд  на 25 %.

Для реализации пунктов 6, 7, 8, 11, а также для снижения риска невозврата ссуд на этапе выдачи кредита можно предложить использование банком автоматизированной аналитической платформы Deductor (программный продукт компании BaseGroup Labs). Данное решение позволяет автоматизировать всю последовательность действий от получения заявки на кредит в удаленной торговой точке до принятия решения о его выдаче и формировании необходимого пакета документов. Предложенный продукт выгодно отличается от используемой Росбанком программы автоматической обработки заявок ЦКН-Мониторинг наличием автоматической оценки риска (при помощи построения скоринговых моделей). Deductor – своего рода виртуальный эксперт по оценке кредитных рисков. /36/

Механизмы Deductor позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и систематизировать знания риск-менеджеров, создав модели классификации заемщиков с достоверностью более 90 %. Данный способ классификации позволит снизить риски невозврата к минимуму, что позволит выдавать более дешевые кредиты и, соответственно привлечет больше заемщиков. Причем модель позволить принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду предстоящего он-лайн кредитования и массового использования кредитных карт.

Для построения скоринговых моделей используются самообучающиеся методы на основе технологий извлечения знаний. Эти технологии используют последние мировые достижения в области интеллектуальной обработки информации, что в несколько раз эффективнее использования классических бальных скоринговых методик. В Deductor для этой цели доступны деревья решений и нейронные сети. Деревья решений строят скоринг-модель в виде правил, и модель получается интуитивно понятной и прозрачной. При этом дерево решений способно перестраиваться при добавлении новых примеров, игнорировать несущественные признаки. Кроме того, предусмотрена ручная корректировка правил для исправления противоречий. Проще говоря, входными параметрами для дерева являются факторы, влияющие на кредитоспособность, выходом же дерева является решение о выдаче кредита либо об отказе. /37/

 

 

Рисунок 16 – Дерево решений для небольших кредитов

 

Нейронные сети являются мощным инструментом для выявления нелинейных зависимостей между входными и выходными факторами и позволяют дополнить скоринг-модель оценкой вероятности возврата кредита тем или иным заемщиком.

В конечном итоге это  позволяет:

• Снизить требования к кредитным экспертам;
• Уменьшить зависимость от персонала;
• Повысить качество работы;
• Снизить риск невозврата кредитов;

Алгоритм построения скоринговой модели при помощи Deductor следующий:

1. Выдвижение гипотезы – предположение о влиянии тех или иных факторов на исследуемую задачу. Данную задачу решают эксперты в области скоринг-анализа, полагаясь на свой опыт и знания. Результатом на данном этапе является список всех факторов, влияющих на возвратность ссуд.
2. Сбор и систематизация данных – представление данных в формализованном виде, подготовка данных в определенном виде (например, соблюдение упорядоченности по времени). Источником данных являются базы данных банков и бюро кредитных историй. Информация скапливается в Хранилище данных Deductor. Методика хранилища такова, что информация хранится в процессах, каждый процесс имеет определенный набор измерений и факторов.
3. Подбор модели и тестирование – комбинирование различных механизмов анализа, оценка экспертами адекватности полученной модели. Для этих целей инструментарий Deductor позволяет:

• создавать аналитическую отчетность в виде кросс-таблиц и кросс-диаграмм. К примеру, распределение сумм кредитов по возрасту заемщиков, также информацию возможно отобразить в разрезе как «хороших», так и «плохих» кредитов; 

 

 

Рисунок 17 – Суммы которые получили заемщики (или требовали потенциальные заемщики)

• производить анализ предпочтений заемщиков. К примеру, проанализировав динамику спроса на определенный вид услуги можно увидеть определенные периоды активности и спада;

 

 

Рисунок 18 – Динамика спроса на отдельный вид кредита

 

• проводить сегментацию заемщиков. Каждый заемщик обладает определенным набором атрибутов или факторов, для анализа рынка необходимо в первую очередь понять, кто берет кредиты, зачем, какие существуют причины отказов в выдаче кредитов или причины несостоятельности;
• проводить классификацию заемщиков либо групп заемщиков. На рынке кредитования физ.лиц существуют не только различные направления но и различные сегменты заемщиков, пользующихся одним и тем же видом услуг, следовательно для каждой группы необходим свой способ классификации на «хороших» и «плохих» заемщиков;
• строить модели на основе Нейронных сетей. Рассмотренные ранее методы классификации давали набор правил, согласно которым потенциальный заемщик оказывается «плохим» или «хорошим». Для некоторых групп потенциальных заемщиков необходимо дать нечеткую оценку его кредитоспособности. Например, введя понятие вероятности возврата кредита полностью и в срок. Это необходимо, если руководство банка выразит желание смягчить или, наоборот, ужесточить требования к потенциальным заемщикам. Для построения такой модели необходимо представить решение о выдаче кредита в числовом виде: 0 – «плохой кредит», 1 – «хороший кредит». Тогда, после построения модели, на выходе как раз и получится вероятность возврата. Управляющему же остается лишь задать пороговое значение вероятности, выше которой принимать решение о выдачи кредита, ниже – отказывать. Т.е. полученная модель дает возможность напрямую управлять уровнем риска. Можно свести риск к минимуму, указав в качестве порога 1 или повысить его при меньших значениях порога (но и, согласно применяющейся в банках практике, переложить его на заемщиков). Это также позволит оставаться в выигрышном положении перед конкурентами: снизить стоимость определенных услуг до уровня конкурентов, но также при этом увеличить порог, снизив риск.
• Произвести анализ полученной модели. Полученную модель эксперт может также анализировать, выявляя ее годность. Это осуществляется при помощи диаграммы «Что-если». В ней можно увидеть влияние на результат всего ряда значений какого-нибудь фактора при неизменных остальных факторах и оценить верность данной зависимости. Если модель ведет себя неадекватно, то, возможно, не учтены какие – то факторы, либо недостаточного данных.