Защищенная информационная система оценки кредитоспособности физических лиц

Данные табл. 5.4 получены на основании следующих расчетов:

Lо = 1000*120*3 = 360 000

Lд = 0,08*360000= 28 800

Lн = 0,28*(360000+28800) =54 432

Pн = 0,3*360000= 54000

5.1.3. Расчет постоянных затрат

Рассчитаем зарплату администратора системы. Данные расчетов поместим в табл. 5.6.

Табл. 5.6. Затраты на зарплату администратора системы

Данные табл. 5.6 получены на основании следующих расчетов:

LО = 2016*120*1 = 241920 руб.

LД = 0,08*241920 = 19354 руб.

LН = 0,28*(241920+19354) = 73157 руб.

PН = 0,3*241920= 72576 руб.

Затраты на обучение сотрудников

Затраты на ежегодное обучение сотрудников составляют 50 000 руб.

Затраты на электроэнергию

400 Вт * 1 = 0,4 КВт/ч (энергопотребление АРМ)

Итого в год: (0,4*2920)* 1,43 руб.= 1670, 24 руб.

Табл. 5.7. Общие единовременные затраты

Табл. 5.8. Общие постоянные затраты

5.2. Расчет эффективности внедрения информационной системы оценки кредитоспособности физических лиц.

Для оценки инвестиционной привлекательности проекта определим чистую текущую стоимость проекта (NPV) и индекс рентабельности проекта (PI) на основе рассчитанных единовременных и постоянных затрат, результатах тестовой эксплуатации (приведены в отчете о тестовой эксплуатации) и данных годового финансового отчета компании.

Крупные коммерческие банки имеют по 20-30 филиалов в разных регионах России, в которых содержатся 3-4 сотрудника кредитного комитета. Внедрение системы оценки кредитоспособности позволит сократить аппарат принятия решений в 2 раза, т.е. ежегодные расходы на заработную плату сокращаются на 1 700 000 руб.

Ежегодная индексация заработанной платы составляет 10%.

CF0 = 1 665 384

CF1 = 1 700 000 – 458 677.24=1 241 322.76

Предполагая, что в течение следующих лет тарифы поднимутся на 10%, а зарплаты сотрудников возрастут на 7% , таким образом, получим, что

CF2=1 819 000 – 492334.75=1 326 665.25;

Ставку дисконтирования r для информационных и телекоммуникационных технологий примем равной 30%.

Формула расчета чистой текущей стоимости (NPV - Net Price Value) имеет следующий вид:

Вычислим по данной формуле NPV проекта:

NPV > 0, следовательно, проект окупится.

Определим индекс рентабельности для данного проекта:

PI > 1, следовательно, проект будет прибыльным.

Таким образом, приведенные расчеты показали, что разработка и реализация защищенной информационной системы оценки кредитоспособности физических лиц является экономически эффективным.

Заключение

В ходе выполнения дипломного проекта были решены основные задачи и получены следующие практические результаты.

1.      Проанализированы существующие подходы определения кредитоспособности физических лиц.

2.      Разработаны принципы и механизмы функционирования адаптивной скоринговой системы оценки кредитоспособности физических лиц;

3.      Разработана методика оценки кредитоспособности на базе адаптивной скоринговой системы.

Решение данных задач позволило достигнуть цели дипломного проекта.

Перспективным видится решение об автоматизированной периодической перестройке дерева принятия решений с учетом изменения особенности рынка кредитования.

Список литературы

1.      Жуков Е.Ф. Банковский менеджмент. М.: Юнити-Дана, 2008. – 255 с.

2.      Ендовицкий Д. А. Анализ и оценки кредитоспособности заемщика. М.:КНОРУС, 2008. – 264 с.

3.      Потребительский кредит. http://credit.partnerlist.ru/index.php

4.       Овердрафт. http://credit.partnerlist.ru/overdraft.php

5.       Автокредит. http://credit.partnerlist.ru/avtocredit.php

6.       Ипотечный кредит. http://credit.partnerlist.ru/ipoteka.php

7.      Кредитование физических лиц.

http://www.basegroup.ru/solutions/case/credit/

8.      Использование деревьев решений для оценки кредитоспособности физических лиц. http://www.basegroup.ru/library/practice/solvency/

9.      Применение логистической регрессии в медицине и скоринге. http://www.basegroup.ru/library/practice/logis_medic_scoring/

10. Скоринг - как метод оценки кредитного риска.

http://solvency.boom.ru/1dop.html

11. Data Mining – интеллектуальный анализ данных.

              http://www.iteam.ru/publications/it/section_55/article_1448/

12. Использование деревья решений для оценки кредитоспособности физических лиц. http://www.basegroup.ru/library/practice/solvency/

13.   Черкашенко В.Н. Этот «загадочный» скоринг // Банковское дело. – 2006. - №3. – c. 42-48.

14.   Луценко Е.В. Определение кредитоспособности физических лиц и риска их кредитования // Финансовые риски. – 2006. - №32. – с. 75-83.

15.   Клементьев В.А. Совершенствование формы заявления-анкеты заемщика в целях снижения рисков потребительского кредитования // Кредитные отношения. – 2008. – №28. – с. 35-39.

16. Федеральный закон № 218-ФЗ "О бюро кредитных историй" от 01.09.2005 г.

17.   Власов С.Н., Рожков Ю.В., Щуплова Е.А. Розничный коммерческий банк: социальное стратифицирование. Хабаровск: РИЦ ХГАЭП, 2006 – 176 с.

18.   Обработка дубликатов и противоречий. www.basegroup.ru

19.   Обнаружение и исключение аномальных признаков. www.basegroup.ru

20.   Сокращение числа признаков. www.basegroup.ru

21.   Введение в трансформацию данных. www.basegroup.ru

22.   Слияние данных. www.basegroup.ru

23.   Нормализация и кодирование данных. www.basegroup.ru

24.   Деревья классификации.

http://www.statsoft.ru/home/textbook/modules/stclatre.html

25. Микроклимат на рабочем месте: как удержать ситуацию под контролем. http://www.skynet.infotecstt.ru/?q=node/11

26. Зинченко В.П. Основы эргономики. – М.: МГУ, 1979. – 179с.

27. Белова С.В. Безопасность жизнедеятельности. – М.: Высшая школа, 2001. – 256 с.

28.   Новиков Ю.В. Экология, окружающая среда и человек. – Москва, 1999. – 154с.