57
мероприятия будет составлять 24,5 млрд. руб.
Для прогнозирования возврата кредитов при погашении кредита
предполагалось использование марковских цепей разного порядка совместно с
базовыми методами классификации. Основная задача – описать динамику
погашения кредита заемщика с учетом условий кредита, информации о самом
заемщике, а также кредитной истории заемщика и определить состояние
кредитного счета для каждого заемщика в следующем периоде с достаточной
точностью.
Предлагаемая методика на основе адаптивных агрегированных методов
классификации и марковских цепей направлена на повышение точности
прогнозирования возврата кредитов и может быть использована банками в
процессе кредитования клиентов, начиная с принятия решения о выдаче
кредита и при погашении кредитов заёмщиками.
3.2. Пути совершенствования методики определения кредитного рейтинга
заемщика банка как инструмента реализации кредитной политики
Предлагается усовершенствование оценки кредитоспособности
заемщика – физического лица, путем внедрения матричной модели оценки
заемщика в скоринговую систему, принимаемую банком.
Изучив банковский опыт последнего десятилетия, можно
констатировать тот факт, что банки постоянно разрабатывают и
совершенствуют методы оценки качества потенциальных заемщиков с
помощью различных моделей, коэффициентов и других показателей. Их
основной задачей является выработка таких подходов, которые могли бы дать
объективную характеристику потенциального заемщика в постоянно
изменяющихся рыночных условиях, чтобы в последующем разделить
заемщиков на группы. Основная направленность оценки кредитоспособности –
это определение степени финансовой устойчивости, так как финансовая
устойчивость самого банка зависит от финансовой устойчивости его клиентов,
58
и чем больше у банка качественных заемщиков, тем устойчивее этот банк.
В настоящее время большинство банков для оценки своих
потенциальных заемщиков используют следующие методы:
− статистические модели (система скоринг);
− ограниченная экспертная оценка (статистические модели и мнение
эксперта);
− экспертная оценка.
Наиболее популярным из представленных методов является система
скоринг, т.к. данный метод оценки уменьшает операционный риск и
всевозможные издержки, которые связаны с оценкой потенциального
заемщика. Все эти результаты достигаются благодаря автоматизированной
работе банка и различных скоринг-бюро. Также хочется отметить скорость
обработки заявки, которая сводится к минимальным значениям. Несмотря на
значительные преимущества данной системы, для ее эффективной работы
необходима постоянная ее доработка, т.е. возможность приспосабливаться к
изменяющимся рыночным условиям.
Остальные представленные методы используются реже из-за своей
высокой стоимости, т.к. банк – это, в первую очередь, коммерческая
организация, стремящееся к оптимизации издержек и максимизации прибыли.
АО «Тинькофф Банк» применяет скоринговую систему оценки
заемщика.
Подводя итог вышесказанному, можно отметить тот факт, что банки все
чаще задаются вопросом, а как при динамично-развивающемуся темпе жизни, и
всевозможных рисках, которые окружают как банк, так и потенциального
заемщика, рационально оценить заемщика в современных рыночных условиях,
повысить эффективность кредитных операций, а также повысить качество
своего кредитного портфеля.
На самом деле, все сводится к тому, что основной задачей банка
является определение, тех потенциальных клиентов, кто: во-первых, с большей
вероятностью вернет ссуду, во-вторых, оплатить проценты и тем самым
59
принесет прибыль банку. Для выполнения данной задачи необходимо уделить
большое внимание в определении параметров кредита, т.е. суммы, срока,
ставки, который конкретный заемщик возьмет и вернет с процентами.
Таким образом, перед нами встает классическая задача по оптимизации
конечной функции, которой может быть или извлечение максимальной
прибыли, или рост портфеля (клиентской базы) и повышения его качества, или
совокупность этих и ряд других конечных переменных. С другой стороны,
данный процесс требует не только знаний математики, но и экспертизы
практически всех кредитных процедур, возможностей IT-инфраструктуры, а
также максимально точных знаний о заемщиках.
Возвращаясь к скорингой системе, которая вполне могла бы решить
данную задачу, но не в изменяющихся рыночных условиях, т.к. банки замечая
новые явления, вносят их в свои модели, усложняют их, добиваясь тем самым
лучшей прогнозной силы.
Безусловно, для АО «Тинькофф Банк» это весомое преимущество,
требуя больших средств, которое связано с поддержанием работы данной
системы и ее постоянным обновлением, но при достаточной квалификации
персонала банка, на пример аналитиков, все работает хорошо.
Однако, все это не имеет смысла, если банк сталкивается с новыми
заемщиками. При этом новые заемщики могут возникнуть как по инициативе
кредитора (выход на новые сегменты рынка, в новые регионы и т.п.), так и
независимо от его желания. Например, вследствие серьезных изменений в среде
обитания заемщиков (возможно и самого кредитора), то есть в политике,
экономике, общественном сознании и так далее. Такой список можно
продолжать до бесконечности. При всей сложившейся ситуации, к числу новых
заемщиком отнесем и тех, кто уже брал кредит, ведь наступили новые условия,
которые изменили поведенческие характеристики клиентов, в последствии
этого, система оценки, на которую потрачено много времени и сил, начала
давать сбои. Таким образом, можно сказать, что использование
индустриальных предиктивных моделей оценки кредитного риска − первая
60
рекомендация в период волатильности на рынке.
Напомним, что кредитный риск АО «Тинькофф Банк» − это не
единственный показатель, который дает характеристику потенциальному
заемщику. В России, присутствует некоторая особенность, которая преобладает
в сегменте розничного кредитования и с помощью которой, заемщик, чаще
всего, переоценивает свои возможности по обслуживанию долга. Данной
особенностью является низкая финансовая грамотность населения.
Таким образом, банковский работник должен уметь не только оценивать
способности заемщика обслуживать долг на основе предоставленных данных о
его кредитной истории, но и хорошо понимать возможности клиента. Ведь,
каким бы ответственным не был человек, если его текущий платеж превышает
доход, то свои обязательства перед банком он выполнить не сможет. Более
того, дефолт наступит при достижении определенного критического уровня
текущей долговой нагрузки − отношения ежемесячных платежей по всем
обязательствам к месячному доходу.
Проанализировав нынешнюю ситуацию, можно с уверенностью сказать,
что контроль за текущей долговой нагрузкой приобретает все большую
значимость в розничном кредитовании. Необходимо отметить, что
Центральный Банк РФ разработал концепцию для расчета данного показателя и
выступил с предложением ввести новое правило выдачи кредитов для россиян.
В разработанном регулятором документе говорится о том, что банки и
микрофинансовые организации могут обязать рассчитывать показатель
долговой нагрузки (ПДН) физических лиц.
ПНД = Среднемесячный платеж / Среднемесячный доход (5)
Для эффективного применения этого показателя необходимо решить две
локальные задачи:
1) первая − оценка ежемесячных доходов заемщика;
2) вторая − определение пороговых значений нагрузки, при которых
влияние на вероятность будущего дефолта становится значимой.
И, если вторая задача − сугубо техническая, которая решается с
61
помощью анализа наблюдений за различными сегментами заемщиков, то
решением первой задачи могут возникнуть трудности. Проблема заключается в
том, что в российской действительности у кредитора нет возможности
получить достоверную информацию о доходе. Если все кредитные
обязательства и история их обслуживания для кредитора прозрачны благодаря
кредитной истории из НБКИ, то данные о доходах, находящиеся в ведении
государственных органов (ПФР и ФНС), пока недоступны.
В представленной выше ситуации большинство кредиторов будут
вынуждены разработать дополнительный математический аппарат, который
позволит оценить реальный доход заемщика на основе его социально-
демографического портрета. Данной проблемой заинтересовалось
Национальное Бюро Кредитных Историй, которое в 2014 году смогли создать
методику сбора отраслевых данных о реальных доходах россиян и расчета
текущей долговой нагрузки.
Отличительной особенностью методики стала детализация индикаторов
долговой нагрузки по различным микросегментам заемщиков. В частности,
методика позволяет анализировать индикаторы по доходам заемщиков, по
регионам проживания, по типу задолженности, по количеству действующих
кредитов, по возрасту, отрасли занятости и занимаемой должности.
Все результаты открыты для кредиторов, передаются им два раза в год и
могут использоваться как для проверки собственных моделей оценки текущей
долговой нагрузки, так и для использования в системах принятия решений.
В одной из систем принятия решения, предлагается использовать
матричную модель, т.е. применения индикаторов кредитного риска (скоринга
на основе кредитной истории) и долговой нагрузки (скоринга на основе
возможностей заемщика обслуживать долг). Вместо данных показателей можно
использовать любые доступные банку данные.
Рекомендуемая матричная модель оценки заемщика представлена в
таблице 20.
62
Таблица 20
Рекомендуемая матричная модель оценки заемщика
Степень риска
Кредитный риск
(скоринг на основе кредитной
истории)
Низкий балл
(высокий
риск)
Средний балл
(средний риск)
Высокий балл
(низкий риск)
Долговая
нагрузка
(скоринг на
основе
возможностей
заемщика
обслуживать
долг)
Высокая
(высокий
риск)
Отказ
Отказ
Понижение
лимита
Средняя
(средний
риск)
Отказ
Стандартный
кредит
Стандартный
кредит
Низкая
(низкий
риск)
Повышение
ставки
Стандартный
кредит
Премиальное
предложение
Проанализировав таблицу 20, можно отметить большие преимущества
для кредитора. Например, появляется возможность персонифировать подход к
оценке потенциального заемщика, а также диверсифицировать для него
индивидуальные предложения.
Таким образом, при обращении заемщика с высокой долговой нагрузкой
и высоким кредитным риском, банк будет вынужден отказать в заемных
денежных средствах. Однако, для сегмента, с высокой долговой нагрузкой, но
при наличии хорошей кредитной истории, риск дефолта можно компенсировать
снижением суммы кредита. Для заемщиков с высоким кредитным риском, т.е. с
плохой кредитной историей в случае, если долговая нагрузка находится на
низком уровне, повышенный риск можно компенсировать повышением ставки.
С абсолютно другой стороны необходимо относится к заемщикам,
которые имеют хорошую кредитную историю и низкую долговую нагрузку.
Такие заемщики с точки зрения риска достаточно ценны для любого кредитора.
Ведь именно эта особенность дает возможность выбора среди большого
количества предложений от конкурентов, т.е. заемщик сам может выбирать
кредитора. Следовательно, если кредитор хочет выдать кредит такому
заемщику, для него должно быть сформулировано премиальное предложение.
Стоит обратить внимание на связь риск-менеджмента и кредитного маркетинга
63
− еще одной тенденции последнего времени в розничном кредитовании.
С помощью данной матрицы у кредитора появляется возможность
оценить риск на этапе рассмотрения заявки и в процессе обслуживания долга.
Вести непрерывный мониторинг заемщиков, который включает в себя
профилактику дефолтов, определение стратегии взыскания. Также провести
анализ отказов по кредитной заявке, с целью корректировки правил принятия
решения и маркетинговых активностей.
Доходы от операций по кредитованию физических лиц АО «Тинькофф
Банк» расценивает как источник будущих доходов банка. Основная
современная проблема современных банков при осуществлении
краткосрочного кредитования заключается в несвоевременности, полноте или
невыплате кредита. Существует множество методов борьбы с данным
явлением, так или иначе обеспечивающих гарантию оплаты кредита, но
практически в природе абсолютно безрисковых кредитов нет.
Рассчитаем эффективность первого мероприятия по
усовершенствование оценки кредитоспособности заемщика.
Расчет эффективности мероприятия по усовершенствованию методики
оценки кредитоспособности заемщика – физического лица представлен
таблице 21.
Таблица 21
Эффективность мероприятия по усовершенствованию методики
оценки кредитоспособности заемщика
Показатель
Значение
Изменение
(+,-)
2018г.
Прогнозный
год
Ссудная задолженность
физических лиц, млн. руб.
223 493
236 349
12 856
Просроченная задолженность
физических лиц, млн. руб.
24 857
22 123
-2 734
Текущая задолженность, млн.
руб.
198 636
214 226
15 590
Доля просроченной
задолженности, %
11,1
9,4
-1,8
По данным таблицы 21 видно, что при усовершенствовании методики
оценки кредитоспособности заемщика – физического лица происходит
64
сокращение доли просроченной задолженности на 2,7 млрд. руб. или на 1,8%.
Ссудная задолженность физических лиц анализируемого банка до внедрения
мероприятия составляла 223,4 млрд. руб., после внедрения мероприятия будет
составлять 236,3 млрд. руб. Просроченная задолженность физических лиц
анализируемого банка до внедрения данного мероприятия в АО «Тинькофф
Банк» составляла 24,8 млрд. руб., после внедрения мероприятия будет
составлять 22,1 млрд. руб.
Эффективность предложенных мероприятий по совершенствованию
кредитной деятельности АО «Тинькофф Банк» представлена в таблице 22.
Таблица 22
Эффективность мероприятий для АО «Тинькофф Банк»
Показатель
Значение
Изменение
(+,-)
2018г.
Прогнозный
год
Ссудная задолженность, млн. руб.
264 199
289 628
25 429
- физических лиц
223 493
247 896
24 403
- юридических лиц
28 983
30 009
1 026
- кредитных организаций
11 723
11 723
0
Просроченная задолженность, млн. руб.
27 505
21 745
-5 760
- физических лиц
24 857
19 388
-5 469
- юридических лиц
2 648
2 357
-291
- кредитных организаций
0
0
0
Доля просроченной задолженности, %
10,4
7,5
-2,9
- физических лиц
11,1
7,8
-3,3
- юридических лиц
9,1
7,9
-1,3
- кредитных организаций
0,0
0,0
0,0
По данным таблицы 22 видно, что внедрение предложенных
мероприятий позволит банку снизить просроченную задолженность с 10,4% до
7,5% или на сумму 5,7 млрд. руб. В случае, внедрения предложенных
мероприятий ссудная задолженность по кредитам в прогнозном году
увеличится до 289,6 млрд. руб., при этом просроченная задолженность в
прогнозном году составит 21,7 млрд. руб. Доля просроченной задолженности
снизиться с 10,4% до 7,5% на 2,9%.
В таблице 23 рассмотрим, как изменится риск кредитования
рискованных и недобросовестных заемщиков АО «Тинькофф Банк» от
предложенных мероприятий.
65
Таблица 23
Прогнозируемая экономия от снижения просроченной
задолженности в АО «Тинькофф Банк»
Показатель
Значение показателя
Измене
ние
(+,-)
2018г.
Прогноз
ный год
Планируемый размер кредитного
портфеля, млн. руб.
264 199
289 628
25 429
Просроченная задолженность, млн. руб.
27 505
21 745
-5 760
Доля просроченной задолженности, %
10,4
7,4
-3,0
Планируемый уровень маржи, %
8%
Прогнозируемые убытки от просроченной
задолженности, млн. руб.
2 410
1 715
695
Экономия от снижения просроченной
задолженности, млн. руб.
695
По данным 2018 года убытки (неполучение маржи) от просроченной
задолженности составили: 264 199 млн. руб. * 8% = 21 136 млн. руб.
Если доля просроченной задолженности останется на уровне 2018 года,
то прогнозируемые убытки по данной задолженности в прогнозном году могут
составить (с учетом планирования размера кредитного портфеля в размере
264 199 млн. руб. и уровнем маржи в 8%): 264 199 млн. руб. * 10,4% * 8% =
2 410 млн. руб.
Снижение доли просроченной задолженности до 7,4% приведет к
снижению убытков до уровня: 289 628 млн. руб. * 7,4% * 8% = 1 715 млн. руб.
Экономия от снижения просроченной задолженности составит 695 млн.
руб.
Таким образом, можно отметить положительную тенденцию
предлагаемых мер. В целом это позволит улучшить качество кредитного
портфеля, сократить резервы на возможные потери по ссудам, ссудной и
приравненной к ней задолженности, повысить финансовые показатели банка.
Выполнение предложенных мероприятий позволит не только сохранить
клиентскую базу, но и значительно ее расширить, увеличить объем выдаваемых
кредитов, улучшить структуру кредитного портфеля, обеспечить
своевременный возврат кредитов и поддерживать свои позиции на рынке
банковских услуг в России.
66
ЗАКЛЮЧЕНИЕ
Кредитование физических и юридических лиц – один из главных видов
деятельности, которым занимается практически любой банк. Проценты,
которые банк получает от предоставления денежных средств, являются
существенной графой заработка организации. Формирование кредитного
портфеля – одна из главных задач каждого кредитного учреждения. Он
позволяет получать существенную прибыль.
Основным направлением деятельности АО «Тинькофф Банк» является
предоставление качественных розничных банковских онлайн-услуг физическим
и юридическим лицам в сегменте малого и среднего бизнеса.
Активы и капитал банка за 2018г. увеличились, при этом наблюдается
снижение чистой прибыли банка. Показатели достаточности собственных
средств (капитала) банка находятся в пределах допустимых значений. Банк с
запасом соблюдает установленные Банком России предельные значения
обязательных нормативов ликвидности.
Рентабельность капитала банка уменьшилась, что свидетельствует о
снижении эффективности использования банком своего капитала.
Рентабельность активов уменьшилась, что свидетельствует о снижении
эффективности размещения банковских ресурсов.
Заемщиками банка являются физические лица, юридические лица,
кредитные организации.
Ссудная задолженность до вычета резервов на возможные потери по
кредитам за 2018г. составила 264,2 млрд. руб., которая увеличилась на 88,2
млрд. руб. или на 50,1% по сравнению с 2017г.
В структуре выданных кредитов, преобладают кредиты, выданные
физическим лицам, которые за 2018г. составили 87,1%. Удельный вес
выданных кредитов юридическим лицам за 2018г. составил 7,7%, при этом
удельный вес межбанковских кредитов составил 5,3%.
Банк формирует резерв на возможные потери. Резерв на возможные