63
Плата за пакет ∇Комплекс-бизнес∈ списывается с расчетного счета
ежемесячно, независимо от движения денежных средств по расчетному счету.
2. Совершенствование ассортиментной политики ПАО ∇Сбербанк∈. В
настоящее время отдельные маркетплейсы (отечественные интернет-
площадки) представляют возможность получить средства в банках партнерах.
Основное достоинство подобного предложения в удобстве: понятные условия,
отсутствует необходимость в осуществлении поиска. Примером такого
партнерства является взаимодействие ∇Яндекс. Маркет∈ и ∇Тинькофф∈,
позволяющий ИП получать кредит до 10 млн. руб. Но для каждого
экономического субъекта предлагаются индивидуальные условия,
минимальная ставка начинается от 1,0% (в среднем она колеблется около 1,5%
в месяц). При этом важно, чтобы экономический субъект реализовывал товары
на площадке не менее трех месяцев.
Мы предлагаем воспользоваться опытом других кредитных
организаций. Банком ∇Открытие∈ был запущен проект одновременно с двумя
маркетплейсами - Ozon и Wildberries по выдаче ссуд действующим продавцам.
Он выдает займы до 10 млн. рублей по ставке от 9,5% годовых до двух лет.
Обеспечением выступает находящийся в обороте товар. Предусмотрено, что
расчетное обслуживание экономического субъекта должно осуществляться
через ∇Открытие∈.
Изучив деятельность банков-конкурентов по кредитованию малого
бизнеса, реализующих товары на маркетплейсах, целесообразно банку ПАО
∇Сбербанк∈ предлагать кредиты для селлеров на двух крупных маркетплесах:
Озон, Валберизз, при ставке кредита 1,5% в месяц. Условия: для ИП или ООО,
экономический субъект должен реализовывать товары на площадке не менее
трех месяцев. Выручка от 300 млн. руб. в год. Сумма кредита до 10 млн. руб.
3. Улучшение стратегии продвижения кредитных продуктов ПАО
∇Сбербанк∈. Для увеличения географического охвата потребителей,
целесообразно банку осуществлять продвижение своих кредитных продуктов
на крупных финансовых маркетплейсах. Наиболее популярными
64
финансовыми маркетплейсами для малого и среднего бизнеса являются: FinUp
[https://fiinup.ru/], Развивай.рф. [https://развивай.рф].
4. Внедрение искусственного интеллекта в процесс кредитования
(кредитный скоринг) в ПАО ∇Сбербанк∈. Существующие финансово-
кредитные учреждения оценивают кредитополучателей как на этапе
рассмотрения заявки, так и на иных стадиях сотрудничества — в частности,
если у заемщика возникают сложности с выплатой долга. Поэтому в них
развиваются несколько систем оценки: application-scoring - системы анализа
тех, кто только обратился за займом; behavioral-scoring (поведенческий
скоринг) - метод анализа поведения кредитополучателя на всем сроке
сотрудничества с банком, при проведении которого решают, нужно ли
пролонгировать договор, изменять кредитный лимит; fraud-scoring - система,
позволяющая понять, не является ли заемщик мошенником, как правило,
используется совместно с application-scoring на стадии рассмотрения заявки;
collection-scoring (коллекторский скоринг) - используется при работе с
задолженностями, оценивая шансы на возврат полученных денежных средств
с процентами, делает прогноз оптимального исхода для банка и предлагает
способы воздействия на должника.
Чтобы определить кредитоспособность получателя кредита финансовое
учреждение собирает информацию о клиенте из соответствующей базы
данных. На основании этих данных дата-сайентисты обучают модель,
выдающей определенный показатель надежности заемщика в виде числа,
представляющего собой скоринговый балл. На основании этого него банк
принимает предварительное решение о кредитовании. Модели кредитного
скоринга учитывают широкий набор данных. Основные сведения о получателе
кредита предоставляет его кредитная история — сколько ссуд он брал, есть ли
они в настоящее время, имелись ли просрочки, какая сумма была возвращена
в срок. С помощью нейросетей выделяются коррелирующие данные с
целевыми событиями, по которым делается прогноз их наступления. Сегодня
имеется большое число компаний, которые занимаются разработкой
65
нейросетей и искусственного интеллекта, в том числе могут разработать ИИ
для кредитного скоринга. Наиболее известными компаниями в этом
направлении являются: центр искусственного интеллекта СКБ ∇Контур∈
[https://kontur.ru/products/banks], институт искусственного интеллекта
AIRI[https://airi.net/ru/about/], компания ООО ∇Арт Проект∈
[https://taskon.com/about], рисунки 3.4-3.6.
Рис. 3.4 - Сайт центра искусственного интеллекта СКБ ∇Контур∈
https://kontur.ru/products/banks по разработке нейросетей и искусственного
интеллекта для банков и финансовых организаций
Рис. 3.5 - Сайты компании AIRI https://airi.net/ru/about/ по разработке
нейросетей и искусственного интеллекта для банков и финансовых
организаций
66
Рис. 3.6 - Сайт компании ООО ∇Арт Проект∈ https://taskon.com/about по
разработке нейросетей и искусственного интеллекта для банков и
финансовых организаций
Таким образом, предложенные рекомендации, направленные на
совершенствование системы кредитованная малого и среднего бизнеса,
позволят ПАО ∇Сбербанк∈ увеличить географический охват, привлечь больше
потенциальных потребителей, тем самым повысить доходность и
конкурентоспособность банка на занимаемой нише.
3.2 Совершенствование методов предупреждения кредитных рисков при
кредитовании малого бизнеса в ПАО ∇Сбербанк∈
Основными факторами, влияющими на уровень кредитного риска,
выступают объем предоставления ссуд клиентам банка, а также объективность
оценки их кредитоспособности. Основу деятельности финансово-кредитного
учреждения составляют кредитные операции, поэтому отказаться от
наращивания их объемов банк не может.
Нужно сказать, что оценка кредитоспособности организаций в ПАО
∇Сбербанк∈ проработана на сегодня практически полностью, но есть
некоторые недостатки: неполная объективность в оценке кредитоспособности
клиента; несовершенство мобильности руководства к изменению критериев
оценки согласно экономической ситуации; неполная автоматизация процесса;
несвоевременная оперативность реагирования на кризисную ситуацию.
67
Для этого необходимо регулярно рассчитывать и отслеживать
следующие коэффициенты по кредитам (показатели качественного анализа
кредитного портфеля).
К ним относится, прежде всего, коэффициент риска кредитного
портфеля. Он показывает, какая доля всех резервов, являющихся
прогнозируемыми потерями по предоставленным кредитным средствам, от
всей совокупности предоставленных ссуд. Обычные значения этого
показателя составляют 0,6-1, но по мере его приближения к 1, снижается риск
кредитного портфеля.
Коэффициент покрытия убытков по кредитам показывает уровень
защищенности финансовых результатов кредитного учреждения от потерь,
связанных с невозвратом полученных кредитов. Он определяется как
отношение совокупных резервов к сумме всех просрочек. В норме его
значение должно превышать 1.
Коэффициент обеспечения показывает долю средств, обеспечивающих
возвратность выданных ссуд на рубль кредитного портфеля. Его норма
превышает 1. Он рассчитывается как отношение обеспечения к кредитным
вложениям.
Расчеты по показателям качественного анализа кредитного портфеля
сведены в таблицу 3.3.
Таблица 3.3
Показатели качественного анализа кредитного портфеля ПАО ∇Сбербанк∈,
млн. руб.
Показатели
01.12.2022
01.12.2023
Кредитные вложения
25 015 750
29 160 753
Совокупные резервы
695 957
638 490
Сумма всех просрочек
828 452
696 184
Обеспечение
29 962 714
35 596 999
Коэффициент риска кредитного портфеля
0,97
0,98
Коэффициент покрытия убытков по кредитам
0,84
0,92
Коэффициент обеспечения
1,20
1,22
68
Проанализировав ее данные, можно заключить, что коэффициенты
риска кредитного портфеля и покрытия убытков по кредитам расположены в
оптимальном диапазоне за весь исследуемый период, что свидетельствует о
низком риске кредитного портфеля банка. Коэффициент обеспечения с января
2022-го по этот же месяц 2023-го не достигал единицы, что говорит о том, что
кредитные вложения были меньше обеспечения.
Для уменьшения уровня кредитного риска нужно предпринять меры по
модернизации методики оценки кредитоспособности заемщиков.
При этом необходимо ускорить проведение идентификации
потенциального кредитополучателя. Это обусловлено тем, что субъект МП, в
отличие от среднего и крупного бизнеса, в наибольшей степени завязан на
личности владельца.
В РФ сегодня отсутствует централизованная система данных о
физическом лице, в частности нет единого уникального ID человека. При
обращении к данным Бюро кредитных историй сегодня используется такой
ключ - ФИО, дата рождения и реквизиты удостоверения личности.
Эта проблема может быть решена за счет использования функции
биометрии хотя бы в части распознавания лиц. Это позволит
противодействовать мошенническим схемам и улучшить эффективность
использования технологии ∇Кредитная фабрика∈. Для этого следует внедрить
систему автоматизированного анализа фотографий и изображений.
Подобная система позволит проводить анализ фото клиента путем
поиска совпадений в имеющейся базе данных банка по фотографиям. Она
будет иметь какой-либо смысл, если будет настроена на распознавание лиц. В
связи с этим представляется целесообразным внедрение в практику оценки
кредитоспособности такой системы как по отношению к физическим лицам,
так и к владельцам МП.
Необходимо расширить взаимодействие банка с внешними источниками
информации. При осуществлении проверки кредитной истории клиента нужно
организовать ее осуществление по, как минимум, пяти бюро кредитных
69
историй: Объединенное кредитное бюро, Национальное Бюро кредитных
историй, ∇Эквифакс∈, ∇Русский Стандарт∈ и Межрегиональное бюро
кредитных историй. Само финансово-кредитное учреждение может
активизировать свое участие в системе межбанковского обмена.
Это направление может развиваться при принятии участия в системах
противодействия мошенничеству Nation Hunter (компании ∇Экспириан∈) и
FPS (компании ∇Эквифакс∈). Они предоставляют возможность выявления
признаков потенциального мошенничества на базе анализа заявок в
финансово-кредитных учреждениях.
Актуально и модернизация комплекса показателей, применение
которых позволяет дать точную оценку вероятности возврата ссуды. В их
массу следует включать не только традиционные, но и так называемые
нетрадиционные показатели.
Одним из способов снижения риска является обеспечение по выданным
кредитам ПАО ∇Сбербанк∈.
Сведения о переданных кредитному учреждению суммах обеспечения
представлена в таблице 3.4.
Таблица 3.4
Обеспечение по выданным кредитам, млн. руб.
Показатель
01.01.2022
01.01.2023
Динамика
Обеспечение по выданным кредитам
29 962 714
35 596 999
5 634 284
18,80%
имущество
22 965 643
27 342 544
4 376 901
19,10%
ценные бумаги
6 994 042
8 251 172
1 257 131
18,00%
драгоценные металлы
3 029
3 283
253
8,40%
Проанализировав данные, представленные в ней, можно заключить, что
основное предпочтение ПАО ∇Сбербанк∈ отдает имущественной форме
обеспечения выдаваемых кредитов. При этом следует учесть, что суммы
обеспечения за анализируемый период растут, с учетом естественного роста
сумм выдаваемых банком кредитов. Разница между началом 2021-го года и
70
этим же периодом 2022-го составляет 5 634 285 млн. рублей, что равнозначно
увеличению сумм, обеспечивающих выдаваемые кредиты на 15,8%.
Работу в данном направлении необходимо развивать и
совершенствовать и дальше, так как наличие обеспечения практически
полностью способно погасить банковские потери от невозврата кредитов.
С целью погашения потерь от кредитного портфеля кредитного
учреждения важно иметь резервы банка на потенциальные потери по ссудам.
Под резервом следует понимать специальный фонд, формируемый
банковскими учреждениями вследствие рискованности кредитных операций.
Их формируют для снижения и минимизации потенциальных потерь при
невозможности полного погашения кредита, а также в случае возможности его
частичного погашения.
Данные о резервах ПАО ∇Сбербанк∈ представлены в таблице 3.5.
Таблица 3.5
Резервы ПАО ∇Сбербанк∈ на возможные потери, млн. руб.
Показатель
01.01.2022
01.01.2023
Динамика
Показатель
Абс.
Отн.
Резервы на возможные потери
по ссудной задолженности
695 957
638 490
-57 467
-8,26%
в т.ч. по МБК
1 197
357
-840
-70.18%
в т.ч. по юридическим лицам
511 950
464 228
-47 722
-9.32%
в т.ч. по физическим лицам
182 810
173 905
-8 905
-4.87%
Проанализировав приведенные данные, можно заключить, что резервы
по кредитам, предоставляемым Сбербанком, уменьшились за анализируемый
период, что в принципе является неправильной динамикой. Мы предлагаем
ввести сумму обязательного предельного резерва и закрепить ее в
нормативных банковских документах. При расходовании средств из
резервного фонда и ее уменьшении должен быть предусмотрен
автоматизированный механизм его приоритетного и непрерывного
пополнения из доходов банка.
71
ПАО ∇Сбербанк∈ нужно создавать резервы под потенциальное
ухудшение макроэкономической ситуации в будущем и качества активов на
фоне финансово-экономического кризиса, вызванного пандемией вследствие
присутствия Covid-19, и внешнеполитического кризиса, спровоцированного
санкционной политикой, в совокупности с увеличением объемов
предоставления ссуд.
Необходимо отметить, что в IV квартале 2022 года ПАО ∇Сбербанк∈
вполне успешно справлялся с кредитным риском. Сегодня достаточно сложно
спрогнозировать будущую реакцию банка на актуальную экономическую и
внешнеполитическую ситуацию, поскольку используемые стандартные меры
по управлению рисками начинают терять свою актуальность, и должны быть
привлечены нестандартные меры.
С целью минимизации рисков и оценки кредитоспособности клиента
нужно внедрять в оценке рисков поэтапный структурированный подход,
исключающий мошеннические действия, предумышленный сговор, личную
заинтересованность, операционные риски, что позволит рассматривать и
выносить независимое и объективное решение о возможности предоставления
ссуды.
Таким образом, ПАО ∇Сбербанк∈ необходимо работать прежде всего
над автоматизацией в кредитном процессе, поскольку это непосредственно
влияет на возникновение операционных рисков, учитывая то, что кредитно-
финансовые учреждения пытаются проводить автоматизацию финансовых
данных через скоринговые программы. При этом необходимо учитывать и то,
что такой подход несет в себе риски принятия неверных решений, поскольку
не затрагивает сути самого предпринимательства. Я считаю, что следует
заниматься автоматизацией кредитного процесса, исключая появление
возможности операционных рисков и более детально проводить аналитику
данных, оставляя автоматизацию только на расчет коэффициентов и
выделение проблемных зон, на которые нужно обращать пристальное
внимание вследствие имеющихся отклонений по рынку. Необходимо
72
учитывать, что любой бизнес уникален, имеет свои сильные и слабые стороны,
необходимые к принятию обязательного учета.
Базой для построения банковской модели скоринга лица – владельца МП
— должна являться множественная линейная регрессия. Включение в
скоринговую модель ∇Кредитной фабрики∈ предложенных показателей
позволит получать максимально точные данные в связи со сложившейся
ситуацией на рынке кредитования граждан и будет способствовать
уменьшению как кредитного, так и операционного риска. Эту проблему
можно решить с использованием более логико-вероятностного метода и
других способов математического аппарата.
Основные достоинства при использовании подобного метода:
1) повышенная в пределах двух раз точность в определении ∇хороших∈
и ∇плохих∈ кредитов;
2) гораздо большая устойчивость (до семи раз) классификации ссуд;
3) прозрачная модель оценки и анализа риска индивидуального кредита
и совокупности кредитов финансово-кредитного учреждения;
4) управление кредитным риском с помощью динамики асимметрии
распознавания ∇хороших∈ и ∇плохих∈ кредитов, количества параметров и
градаций, описывающих кредит.
Отечественный и международный рынок ∇кредитных фабрик∈
направляется в сторону онлайн-банкинга, то есть предоставления услуг через
удаленные каналы. ПАО ∇Сбербанк России∈ должен совершенствовать
механизмы приема заявок через систему ∇Сбербанк Онлайн∈.
Это связано и с тем, что банк заинтересован в лояльных клиентах,
однако, если он получит отказ при свидетелях, то он вряд ли сохранит
лояльность на перспективу. Таким образом, ∇Сбербанк Онлайн∈ поможет
решить и такую актуальную проблему.
В связи с этим оценка кредитоспособности через использование онлайн-
приложений в автоматизированном режиме представляется целесообразным.