62
осуществить классификацию потенциальных заемщиков по
уровню их платежеспособности и определить сроки предоставления займов;
быстро сформировать сущностные рекомендации в сфере
лимитов и процентных ставок по кредит;
мгновенно получить количественную оценку потенциального
риска неплатежа по кредиту и необходимого уровня страховой суммы по
кредиту;
качественно сформировать список требований по отношению к
заемщику в рамках необходимых объемов кредитных ресурсов;
определить объемы резервирования капитала по каждому
отдельно взятому кредиту;
формировать и вести архивы кредитных историй заемщиков, как
отдельно взятого кредитора таки в комплексе;
осуществлять всесторонний анализ кредитоспособности
заемщика;
оценить влияние внешней среды на уровень кредитоспособности
и платежеспособности отдельно взятого заемщика;
определять структуру и факторы потенциальных рисков
влияющих на платежеспособность потенциального заемщика.
Модель оценки кредитоспособности потенциального заемщика
основывается на широком спектре потенциальных рисков. В рамках, которых
для каждого отдельно взятого заемщика выбирается наиболее подходящая
система оценки рисков его кредитоспособности и платежеспособности.
Данные модели также позволяют спрогнозировать различные сценарии
развития ситуации в рамках тех или иных кредитных историй.
Система также позволяет оценивать различные сценарии развития
кредитуемого бизнеса, что дает персоналу банка возможность более точно
прогнозировать доходность операций и денежный поток банка.
Использование системы позволяет получать объективную картину
бизнеса потенциальных и имеющихся заемщиков, которая характеризуется
63
численными оценками, точность и объективность может быть проверена
оценками на исторических данных. Объективная оценка рисков конкретных
заемщиков при повышении их числа повышает эффективность управления
активами банка (увеличивает доходность при контроле рисков), обеспечивая
банку конкурентное преимущество
Увеличение объемов кредитования физических лиц российскими
банками диктует необходимость внедрения автоматизированной оценки
потенциальных заемщиков и инструментов управления портфельными
рисками. Программное решение «Franklin&Grant» «Финансы и аналитика»
предназначено для автоматизированного скоринга заемщиков и управления
кредитным риском портфеля розничных кредитов.
Решение реализует следующие группы функций:
скоринговая модель оценки кредитоспособности потенциального
заемщика;
осуществление контроля качества скоринговой модели и ее
адаптации под изменения экономической среды;
осуществление подбора оптимальных параметров учета и оценки
потенциальных кредитных рисков;
изменение динамики лимитов и задолженностей в рамках данной
скоринговой модели;
комплексное управление кредитным портфелем однородных
ссуд;
качественный и глубокий комплексный анализ базы клиентов
коммерческого банка;
экономический анализ, планирование и прогнозирование
основных экономических показателей развития территориальных единиц, где
присутствуют отделения коммерческого банка.
Система скоринга, входящая в состав решения позволяет оценивать
кредитный риск заемщика на основании уникальной модели, адаптивной к
данным. Модель скоринга физических лиц может базироваться на анкетных
64
данных заемщиков, экспертных знаниях менеджмента банка, численных
оценках, полученных на статистике «плохих» и «хороших» кредитов,
численных оценках, построенных на объективной региональной и отраслевой
информации
30
.
Решение позволяет ограничивать риски кредитования даже при
недостаточности или отсутствии у банка статистики по выданным кредитам
за счет использования моделей экспертного и макроэкономического
скоринга.
Модуль управления портфелем и аллокации позволяет контролировать
и ограничивать портфельные риски и управлять аллокационной частью
кредитного риска, что оптимизирует распределение кредитных ресурсов
банка между отдельными регионами его присутствия или между различными
кредитными продуктами.
Единые стандарты оценки кредитоспособности заемщиков для всех
филиалов при высоком уровне точности.
Решение обеспечивает наиболее точную оценку кредитоспособности
заемщиков для многофилиальных банков за счет того, что модели по сути
являются региональными. При этом соблюдается единый стандарт оценки
кредитоспособности заемщиков, который легко внедрить или изменить
практически сразу во всех филиалах.
Для оценки кредитоспособности потенциальных заемщиков в системах
скоринга наша компания использует модель построения «кредитного
портрета» для каждого заемщика. Эта модель является уникальной
разработкой, учитывающей как лучшие достижения мирового опыта оценки
заемщиков, так и, главное, специфику российских условий. Кредитный
портрет заемщика формируется на основании объективных численных
оценок статистической информации и анкетных данных заемщика.
Кредитный портрет потенциального заемщика позволяет осуществить:
30
Всяких М.В. Современные методы оценки кредитоспособности предприятия / М.В. Всяких, Ю.В.
Всяких // Вестник Северного (Арктического) федерального университета. Серия: Гуманитарные и
социальные науки. — 2015. № 3.— С. 104–108.
65
процедуру разделения потенциальных заемщиков на «плохих»,
которым не может быть выдан кредит, и «хороших», которым кредит может
быть выдан;
расчет параметров кредитной сделки для конкретного заемщика
(лимит, процент, срок, график погашения кредита), то есть осуществлять
кастомизацию кредитных продуктов банка.
Кредитный портрет потенциального заемщика (рисунок 12)
представляет собой кривую на плоскости, по одной оси которой отложена
предполагаемая сумма кредита с учетом процентов, а по другой оси –
предполагаемый срок его погашения (время).
Рисунок 12. Кредитный портрет потенциального заемщика
31
Как можно увидеть из вышеприведенного рисунка данная кривая
кривая характеризует кредитный портрет потенциального заемщика,
разделяя рисунок на две части – под данной кривой и над ней. Верхняя
область относится к так называемым «неакцептируемым» кредитам, нижняя
область, напротив – к «акцептируемым». Например, на срок t0
предоставляемый потенциальному заемщику, он может получить кредит на
31
Родионова Л.А. Эконометрические подходы к оцениванию кредитного поведения населения в
России / Л.А. Родионова, С.М. Юсупова, Т.М. Трач // Известия Саратовского университета. Новая серия.
Серия Экономика. Управление. Право. — 2016. № 1.— С. 39–48.
66
сумму, не выше точки S0 (точки B и C, но никак не точка A). Максимально
возможный объем кредитных средств, на который может претендовать
потенциальный заемщик – Smax (точка D), следовательно, данная сумма
будет выдана на период t*.
Как показывает практика, для большинства потенциальных заемщиков
может быть построено несколько таких кредитных портрета. Все убдет
зависеть от параметров ссуды: процентная ставка по кредиту, схема выплат
процентов и тела кредита. Данная ситуация позволяет применять как
стандартные кредиты коммерческих банков, так и производить
кастомизацию продуктов – создавать кредиты, которые будут иметь
оптимальные характеристики. Как для потенциального заемщика, что в свою
очередь позволит увеличить число потенциально надежных заемщиков, так и
для банка (ведь будут учтены кредитные риски учреждения), что позволит в
краткосрочной перспективе ему нарастить активы.
Следует отметить тот факт, что система скоринга, базирующаяся на
основании оценки кредитной характеристики потенциального заемщика,
позволит ясно учитывать период, вследствие чего будет существенно
увеличена точность комплексной оценки кредитоспособности
потенциального заемщика при долгосрочных кредитах (автокредиты и
ипотека).
В российских условиях, когда неоднородность экономического
развития регионов и отраслей экономики высока, точность оценки
кредитоспособности заемщиков будет зависеть от учета этой специфики, что
отсутствует в известных системах скоринга, особенно, западных.
Анализ заемщика производится с учетом статистического анализа
предприятий региона и динамики их развития в разных секторах экономики.
Кредитный портрет заемщика учитывает также социальную стратификацию
населения в конкретном регионе. Все это позволяет повысить точность
оценки кредитоспособности и отслеживать динамику кредитоспособности
заемщиков во времени.
67
Модель скоринга, построенная на основе расчета кредитного портрета
заемщика также предусматривает возможность введения экспертных знаний
банковского менеджмента в виде граничных значений анкетных данных.
Входными данными для построения модели скоринга на основе
кредитного портрета заемщика являются:
квалификационные знания экспертов коммерческого банка о
своих заемщиках;
данные анкетирования потенциальных заемщиков;
комплексная статистика по субъектам предпринимательской
деятельности (как в разрезе отрасли, так и в разрезе регионов);
статистика и прогнозы социально-экономического развития
территории;
комплексная статистика по кредитно-инвестиционному
портфелю коммерческого банка.
Использование кредитного портрета заемщика для построения систем
скоринга физических лиц в банке позволяет в рамках единого подхода
работать с различными кредитными продуктами: от кредитов на неотложные
нужды до потребительского кредитования, с характерным временным
горизонтом до полугода – года и до ипотечных кредитов.
Использование различных моделей скоринга позволяет
оптимизировать бизнес-процесс кредитования, включая оптимизацию анкеты
заемщика, принятие решения о выдаче кредита, анализ выданных ссуд, и
снизить затраты на маркетинг и разработку новых продуктов предохраняет
портфель от волатильности экономики. Использование модуля
экономического скоринга или экономического модуля совместно с
портфельным управлением риском позволяет банку эффективно
использовать тенденции в экономике и препятствовать влиянию
отрицательных факторов.
Состав решения для управления кредитным риском (рисунок 13).
Программное решение реализовано в модульной архитектуре, что позволяет
68
проводить пошаговое внедрение управления кредитным риском в банке при
кредитовании заемщиков физических лиц.
Рисунок 13. Структура решения в сфере управления кредитным риском
32
Полный вариант решения включает следующие модули:
модули скоринга;
экспертный;
статистический;
поведенческий;
макроэкономический;
модуль контроля и управления качеством модели;
32
Серебряков Д.Е. Анализ эффективности алгоритмов интеллектуального анализа данных для
решения задач банковского скоринга / Д.Е. Серебряков // Актуальные проблемы авиации и космонавтики. —
2016. № 1.— С. 569–571.
Кредитная заявка
(анкета заемщика)
Отчеты
Портфель
Алокация
Модуль управления рисками
Хранилище
Модуль контроля
Модуль адаптации
Макроэкономический
модуль
Интеграция
Кредитный
модуль
Информаци
онная
система
Системы
банка
Поведенческий
Экспертный
Статистический
Модули
скоринга
Экономический
69
модуль автоматизации скоринговой модели;
аналитические модули;
макроэкономический модуль;
модули управления кредитными рисками высокого уровня;
модуль управления риском портфелей однотипных ссуд.
Модуль аллокации капитала. Состав решения по управлению риском
при кредитовании физических лиц.
Модули скоринга. Модули скоринга предназначены для определения
кредитоспособности потенциальных заемщиков. Набор данных модулей
позволяет производить построение скоринговых карт и оценку заемщиков
для различных кредитных программ Банка – потребительское кредитование,
экспресс-кредитование, кредитные карты, автокредитование, ипотека.
Модуль экспертного скоринга используется при отсутствии или
недостаточном количестве статистических данных по выданным кредитам.
Область применения – все кредитные программы Банка.
Модуль статистического скоринга используется, при наличии
достаточного объема статистики, для программ потребительского
кредитования, экспресс-кредитования, кредитных карт, автокредитования.
Модуль поведенческого скоринга предназначен, в первую очередь, для
карточных программ банка.
Он позволяет динамически изменять кредитный лимит и принимать
решения о закрытии лимита. Модуль также позволяет проводить оценку
вероятности полного или частичного погашения заемщиком задолженности
при нарушении сроков погашения.
Модуль автоматизации. Модуль автоматизации служит для управления
процессом разработки и адаптации скоринговых моделей. Модуль позволяет
сформировать признаковое пространство для описания заемщиков, провести
настройку имеющейся модели на обновленные статистические данные,
разработать новую скоринговую карту, определить разрешающую
70
способность созданной скоринговой модели, сформировать анкету заемщика
после создания скоринговой модели.
На рисунке 14 визуально изображена модель автоматизации процессов
коммерческого банка
Рисунок 14. Блок-схема автоматизации процессов коммерческого
банка
33
Аналитические модули. Макроэкономический модуль позволяет
провести комплексный углубленный анализ клиентской базы, и
обеспечивают макроэкономический анализ и прогнозирование
экономических и социальных показателей регионов присутствия банка и
отраслей национальной экономики.
Банк должен устанавливать, какие требования раскрытия информации
применимы к нему на основании концепции существенности информации.
Информация считается существенной, если ее упущение и неправильное
33
Ермаков К.О. Автоматизация процесса кредитования / К.О. Ермаков // Проблемы экономики и
менеджмента. — 2015. № 7.— С. 64–66.
Фронт офисс
Вычислительный
сервер
Витрина данных MS
SQL/Oracle
ABC
Кредитные
подразделения
Риск-
менеджмент
Служба
безопасности
Real
Banking
Другие IT-системы
(риск-менеджмент)
71
изложение может изменить или повлиять на оценку или решение
пользователя полагающегося на нее при принятии экономических решений.
Это определение согласуется международными стандартами финансовой
отчетности и многими национальными системами бухгалтерского учета.
Комитет признает необходимость экспертной оценки и того, будет ли
пользователь финансовой информации в конкретных обстоятельствах
считать эту информацию существенной (проверка пользователем). Комитет
не устанавливает конкретных порогов раскрытия информации, поскольку их
трудно определить и ими можно манипулировать и считает что мнение
пользователя – важный ориентир в обеспечении достаточного раскрытия
информации.
Модули управления кредитными рисками высокого уровня. Модули
управления кредитными рисками высокого уровня предназначены для
оценки и управления рисками портфелей однотипных ссуд.
В зависимости от наличия статистических данных, программ
кредитования, предпочитаемой Банком схемы внедрения состав
программных модулей системы скоринга может варьироваться от
минимального варианта внедрения до полномасштабного. Решение
разработано с использованием модульного подхода на основе трехуровневой
архитектуры «клиент-сервер», позволяющего гибко интегрировать систему
скоринга в информационную инфраструктуру отечественного коммерческого
банка.