Управление кредитными рисками

Таблица 2.7

Распределение заемщиков по классам соответственно суммы набранных баллов  
 
 

 

      Ранжування  классов от А к Д отвечает характеристикам  финансового состояния заемщиков  от наилучшей к наиболее плохой.

      При оценке кредитов юридических лиц  баллы предоставляются за параметрами:

1. Обеспечения  ( залог-4, порука-3, бланковый-0);

   2. Наличие прибыли или убытка  за отчетной период (прибыль-1,убыток - -1);

   3. Клиент банка или нет (так-2, ни -2);

   4. Выполнения обязательств заемщиком  в минувшему (за каждое надлежащее выполнение-1, за каждое ненадлежащее выполнение -1);

   5. Эффективность управления заемщика (добрая-1, плохая -1);

   6. Соблюдения финансовых показателей  : коэффициент общей ликвидности,  коэффициент абсолютной ликвидности,  коэффициент автономности, коэффициент маневренности собственных средств с нормативными значениями, предложенными НБУ (соблюдения всех показателей-2, трех-1.5, двух-1, одного-0.5, несоблюдения ни одного-0);

   7. Рыночная позиция заемщика (добрая-2, недобрая-0).

       При оценке кредитов физических лиц баллы предоставляются за параметрами :

     - Обеспечения (залог-4, порука-2, без  обеспечения-0);

     - Прибыль или материальное состояние  заемщика относительно суммы  кредита (высокий-4, средний-2, низкий-0);

     - Контакт с банком (постоянный-3, тесный-2, по необходимости-1, отсутствующий-0);

- Социальная  стабильность клиента (высокая-2, средняя-1, низкая-0)[31,37].

      После подсчета суммы баллов по каждой ссуде  и определения характера погашения  кредита заемщиком согласно Положения  НБУ каждый кредит относится к  определенной группе риска. Дальнейший расчет осуществляется с помощью установленных НБУ норм отчисления.

      По  всей видимости, методика оценки кредитного портфеля учреждениями АБ «Брокбизнесбанк» есть довольно простоя. Недостатком ее можно назвать абстрактность отдельных показателей и критериев их определения. Например, какое соотношение материального состояния заемщика и суммы кредита следует считать низким или средним, как ли определить  рыночную позицию заемщика. Довольно маленький вес при расчетах получает критерий "прибыльность-убыточность". Данная методика служит характерным примером адаптации банком оценочных критериев к практическому применению, о которую шла речь раньше.

      Использования резервов для возмещения убытков  осуществляется лишь в том случае, если заем признанная безнадежным к взысканию. В любом случае использования резервов, созданных за счет банка, для погашения убытка носит характер компенсации кредитного риска, а не  его минимизации. Резервы по кредитам - это пассивный способ защиты от риска, он ни в коем случае не влияет на вероятность непогашения займа клиентом. Независимо от того что объем зарезервированного средства имеет банковское учреждение, состояние заемщика и его кредитоспособность могут ухудшиться или улучшиться.  Поэтому внимание кредитного инспектора АБ «Брокбізнесбанк» должна акцентироваться на улучшении риска-менеджмента самого банка. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

3. ПУТИ  УСОВЕРШЕНСТВОВАНИЯ УПРАВЛЕНИЯ  КРЕДИТНЫМ

РИСКОМ 
 

3.1 Применение скоринга для оценки кредитного риска 

      Повышение прибыльности кредитных операций непосредственно связан с качеством оценки кредитного риска. В зависимости от классификации клиента по группам риска банк принимает такие решения: следует ли выдавать кредит, который лимит кредитования и которое проценты надо устанавливать.

      В практике существует два основных метода оценки риска кредитования, которые могут применяться как в отдельности, так и в объединении один из одним: субъективный вывод экспертов или кредитных инспекторов; автоматизированные системы скорингу.

      Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории предыдущих клиентов банк старается определить вероятность своевременного возвращения кредита конкретным заемщиком[19,21].

      В данное время скоринг стаэ все более популярным не тыльки при оцынцы риска при разных видах кредита, но и в других областях: маркетинга (для определения вероятности, которая именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, который метод влияния будет наиболее эффективным), при выявленные мошенничества с кредитными карточками, при определенные вероятности перехода клиента к конкуренту и т.п..

      В западной банковской системе когда лицо обращается за кредитом, банк может располагать такой информацией для анализа:

• анкета, которую заполняет заемщик;
• информация о заемщике из кредитного бюро - организации, в которой сохраняется кредитная история всего взрослого населения страны;
• данные движений по счетам, если речь идет об уже действующего клиента банка.

      Кредитные аналитики оперируют такими понятиями: «характеристики» клиентов (в математической терминологии - сменные, факторы) и «признака» - значения, которые принимает сменная. Если вообразить себе анкету, которую заполняет клиент, то характеристиками есть вопрос анкеты (возраст, роде шей состояние, профессия), а признаками - ответа на эти вопросы.

     В простейшем виде скорингова модель представляет собой взвешенную сумму определенных характеристик. В результате выходит интегральный показатель (score ), чем он высший, тим высшая надежность клиента, и банк может классифицировать своих клиентов за уровнем возрастания кредитоспособности.

      Интегральный показатель каждого клиента сравнивается с числовым порогом или линией распределения, которое, в сущности говоря, есть линией безубыточности и рассчитывается из отношение, сколько в средних нужно клиентов, которые своевременно платят, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии не выдается.

     Скоринг выделяет характеристики, которые наиболее связанные с ненадежностью, или наоборот, с надежностью клиента. Неизвестно ли возвратит заемщик кредит, но поскольку в прошлом лица такого возраста и профессии, с таким самым уровнем доходов не возвращали кредит, то клиенту, который отвечает этим характеристикам кредит не дадут[18,34].

     В этом состоит дискриминационный (не в статистическому, а в социальном значении этого слова) характер скорингу, то есть если лицо за формальными признаками близкое к группе с плохой кредитной историей, то кредита ей не дадут. Поэтому даже при очень высокому равные использования автоматизированных систем скорингу происходит субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, которая доказывает, что лицо классифицированная как ненадежная и наоборот.

     Что есть важнейшим для прогнозирования кредитного риска? В Большой Британии чаще всего используются такие характеристики: возраст; количество детей; профессия; профессия мужчины (жены); доход; доход мужчины (жены); район проживания; стоимость жилья; наличие телефона; сколько лет проживает по указанному адресу; сколько времени работает на указанном месте работы; сколько лет есть клиентом банка; наличие кредитной карточки/чековой книжки.

     В других странах набор характеристик, которые наиболее тесно связанные с вероятностью дефолта - вероятностью, что заемщик не возвратит кредит или задержится с выплатой, будет отличаться в силу национальных экономических и социально-культурных особенностей. Чем более однородная популяция клиентов, на которой разрабатывается модель, тем точніше прогнозирование дефолта. Поэтому очевидно, что нельзя автоматически перенести модель с одной страны в другую или с одного банка в другого. Даже внутри одного банка существуют разные модели для разных групп клиентов и разных видов кредита.

      Чтобы иметь возможность сравнивать клиентов с разными признаками и принимать решение о кредитование не интуитивно, а на основе формализованных критериев, непосредственно связанных с вероятностью дефолта, необходимо построить математическую модель, которая разрешит оценить, какая информация есть важной, а на которую можно не обращать внимания[14].

      С целью построения модели сначала создается выборка клиентов кредитной организации, о которые уже известно, красивыми заемщиками они себя зарекомендовали или нет, иногда такая выборка называется «учебной». Она может варьироваться от нескольких тысяч к сотне тысяч, которая не является проблемой на Западе, где кредитный портфель компаний может состоять из десятков миллионов клиентов. Выборка подразделяется на две группы: «красивые» и «плохие» риски. Это оправданно в том смысле, что банк при принятии решения о кредитование на первом этапе решает: предоставлять кредит или нет. При всей условности определений «красивый»/ «плохой», это именно те сроки, которые используются кредитными аналитиками.

      Определения «плохого» риска может быть разной в зависимости от политики банка, в Западной Европе «плохим» риском считается клиент, который задерживается с очередной выплатой на трех месяцы. Иногда к «плохому» риску относятся клиенты, которые слишком рано возвращают кредит, и банк не успевает ничего на них заработать.

      Таким образом, скоринг представляет собой классификационная задача, где исходя из имеющейся информации необходимо получить функцию, которая наиточнее разделяет выборку клиентов на «плохих» и «красивых».

      Но предварительно необходимо превратить имеющуюся информацию в форму, которая поддается анализу. Существует два основных подхода, которые пригодные для работы как с количественными, так и с качественными характеристиками:

      1.Превратить каждый признак в отдельную двойную сменную. Этот подход неудобный потому, что приводит к большому количеству сменных, хотя он не навязывает дополнительных отношений между зависимыми и независимыми сменными.

    2.Превратить каждую характеристику в сменную, которая будет принимать значения, которые отвечают отношению количества «плохих» клиентов с данным признаком к количеству «красивых» клиентов с этим же признаком. Более осложненный вариант - взять логарифм этого отношения. Таким образом, каждый признак получает числовую величину, которая отвечает уровню его «рискованности».

      Методы собственно классификации очень разнообразные и содержат в себе:

      - статистические методы, основанные на дикримінантному анализе (линейная регрессия, логистична регрессия);

      - разные варианты линейного программирования;