Использование скоринговых моделей оценки кредитоспособности заемщика. Автоматизированная скоринговая система для оценки кредитоспособности заемщиков

С развитием банковской сферы в нашей стране, практически каждый гражданин хоть однажды обращался в кредитные организации за займом, поэтому процедура оформления кредитной сделки знакома многим. При подаче заявки, кредитный специалист оценивает платежеспособность потенциального клиента путем метода финансового скоринга. В этой статье мы ответим на вопрос: «Скоринг, что это такое и какие особенности имеет процедура подсчета очков?

Получение прибыли банка напрямую зависит с качеством кредитного портфеля. Чем меньше финансовых рисков, тем большая вероятность быстрого возврата заемных средств с дополнительной прибылью от уплаты процентов. Именно поэтому, рассматривая заявки на выдачу ссуды, банк проводит скрупулезную проверку потенциальных клиентов, анализируя возможные финансовые риски.

Дословно, в переводе с английского языка, «скоринг» означает «подсчет очков». Какие именно очки считают финансовые аналитики и для чего им это нужно?

Скоринг – это целая система распределения базы клиентов на основании статистических данных. Это своеобразный финансовый помощник в определении потенциальной платёжеспособности клиента и оперативного оценивания, который сегодня широко применяется в банковской сфере.

Система подсчета баллов для анализа используется для автоматической обработки данных заемщика, на основании которых выставляет общая оценка по клиенту. Простыми словами, это своеобразный тест, который проходит каждый клиент при подаче заявки. Каждый ответ приносит определенное количество балов по шкале возможных рисков.

Существует допустимое количество баллов, которое переводит клиент из зоны риска и автоматически определяет его потенциальную платежеспособность. Соответственно, не набрав нужного количества баллов, сложно рассчитывать на положительное решение. В некоторых случаях, банки могут проявить лояльность и предложить меньшую сумму займа при низких баллах скоринговой оценки.

При заявке на большую сумму займа (например, автокредит или ипотека), скоринговая оценка будет выступать в качестве дополнительного инструмента оценивания возможных рисков. Решение же будет приниматься на основании многих факторов.

Технические особенности скоринга

Следует понимать, что процедура оценивания клиента программой – это строго конфиденциальная информация и принцип ее действия сотрудники банка не раскрывают. Как правило, клиенту выдается сухая информация в виде отказа либо одобрения займа, а вот технические нюансы алгоритма клиент знать не должен.

Специалисты утверждают, что за каждый ответ программа начисляет определённые баллы, при чем не так легко заранее просчитать механизм действия ответов на конечный результат скоринга.

Стандартно, чем больше баллов клиент набирает, тем больший шанс получить положительный ответ по заявке. Однако, у каждого банка действует своя собственная процедура оценивания финансовых рисков и сказать, что скоринговая оценка – это типичный калькулятор баллов, было бы не верно.

Это сложнейший математический алгоритм, который может делать выводы на основании обработанных данных, производить анализ социальных факторов по уже сущетвующей клиентской базе за несколько лет.

Например, скоринговая программа может обработать данные о неплательщиках или должниках за последние 3-5 лет и выявить типичные социальные, возрастные или поведенческие факторы. На основании этих данных, будет заложена корректировка оценки и при анализе следующих клиентов, программа будет учитывать эти новые факторы.

Допустим, в базе данных конкретного банка, есть 10 должников со схожими признаками. При обращении нового клиента с похожим признаком его автоматически будет здесь ждать отказ. Но это вовсе не означает, что такой же результат он получит и в другом банке. Как уже говорилось выше, у каждого банка существует своя собственная скоринговая оценка.

Справедливости ради следует заметить, что скоринговая оценка не является идеальной программой анализа финансовых рисков, по мнению экспертов.

Так, например, широко известны случаи, когда клиентам, которые обращались в банк за кредитом на телевизор, был дан отказ. При этом спустя три месяца, банк одобрял авто кредит этим же самым клиентам. Парадокс? Не совсем.

Дело в том, что программа при первом обращении анализировала всех заемщиков, взявших кредит в пределах 10-30 тысяч рублей. И клиент мог попасть в зону риска по определенным поведенческим факторам. А по кредиту на большую сумму денег для авто, программа учитывала уже другую группу лиц, которая исправно выплачивает займ банку.

Виды кредитного скоринга

В соответствии с задачами, которые поставлены перед программой, скоринг подразделяют на:

• Скоринг заявителя (application scoring), подразумевает подсчет вероятности невозврата кредита клиента из-за низкой платежеспособности;
• Скоринг от мошенников (fraud scoring) – фильтрация клиентов по принципу подозрения в мошенничестве. Как правило, оценивание происходит на первом этапе, при тщательной проверке документов.
• Поведенческий скоринг – на основании факторов поведения уже существующих заемщиков, вычисляется процент финансового риска при выдаче займа клиенту.
• Скоринг взыскания такая модель оценивания работает на этапе возврата непогашенных кредитов. Программа позволяет составить план действий для взыскания займа с клиента.

Методика оценивания клиента проводится на основании социальных признаков, которые характеризуют заемщика. При этом ключевым моментом такого оценивания является автоматизация процесса и исключение участия человеческого фактора в процессе оценивания.

Скоринговая оценка кредитоспособности физического лица

Если после занесения всех ответов в программу, кредитный специалист отвечает, что скоринг пройден, это означает, что основная часть аналитической проверки пройдена. Далее заявка физического лица уходит в службу безопасности, где специалисты банка проверяют клиента уже по своему ряду критериев.

Проведение скоринговой оценки позволяет полностью исключить человеческий фактор. Это может быть предвзятое отношение специалиста к определенному клиенту, либо, напротив, чересчур лояльное отношение и намеренное укрытие некоторых факторов, которые указывают на повышенный финансовый риск для банка.

Информация, на основании которой происходит скоринговой анализ, берется из документов и не может быть искажена. В тех случаях, когда информация заносится со слов клиента, кредитный скоринг имеет меньшую эффективность при определении рисков.

Кредитный риск для банка – это возможная финансовая потеря вследствие невыполнения заемщиком взятых на себя обязательств. Причины могут быть самые разные: просроченные платежи, отказ от выплаты кредита и т.д. В этом случае скоринговая оценка является эффективным финансовым инструментом, который в комплексе с изучением кредитной истории позволит максимально точно определить потенциальную платежеспособность клиента.

Данные для проведения скоринга

В стандартный список вопросов входят следующие:

• семейное положение;
• возраст;
• место работы (если пенсионер работает);
• стаж;
• образование (специальность);
• указание дополнительный доход и т.д.

Также следует учитывать, что банковский работник при заполнении анкеты проводит визуальную оценку наряду со скорингом.

У специалиста есть подробная инструкция по определению платежеспособности клиента, куда входит анализ внешнего вида, речи клиента, соответствие поведения и указанной должности в анкете. Производя визуальную оценку потенциального заемщика, его речь, скорость ответа, поведение, кредитный консультант может добавить комментарий к заявке с примечанием отказать в кредите. При этом документы у клиента могут быть в порядке.

Чтобы повысить шансы на получение займа, отвечать нужно максимально точно и, без лишних раздумий, так как все это фиксируется экспертом в анкете и отправляется на проверку аналитику.

Недоверие может вызвать алкогольное опьянение, медленные запутанные ответы, незнание простой информации (телефон, рабочий адрес и т.д.), эмоциональная неустойчивость, несоответствие внешнего вида с указанным в анкете ежемесячным доходом и т.д.

Как видите, у банка есть очень много критериев проверки клиентов, среди которых, безусловно, большое внимание занимает кредитная история и финансовый скоринг.

Какие данные рассматриваются при скоринге

Алгоритм финансового скоринга достаточно сложен и учитывает множество факторов при выставлении общей оценки финансовых рисков.

У каждого банка существует свой собственный алгоритм проверки платежеспособности клиента и дисциплинированности относительно выплаты кредита.

Стандартно, рассматриваются следующие вопросы:

Проверка кредитной истории – заключительный этап скоринга

Заключительным этапом финансового скоринга, является проверка кредитной истории.

При положительной истории, клиент может смело рассчитывать на одобрение займа. Но это вовсе не означает, что банк даст согласие на кредит любой суммы. Положительная история гарантирует лишь факт одобрения банком займа, а вот размер суммы будет зависеть от дохода и потенциальной платежеспособности клиента.

Где банки берут информацию и как эти данные отражаются на принятии решения? Для упорядочивания работы с бюро кредитных историй и с целью создания единой базы данных, был создан государственный реестр бюро кредитных историй. Этот реестр находится в ведомстве Центрального Банка РФ и имеет все полномочия собирать и аккумулировать данные о выданных кредитах физических и юридических лиц.

У РБКИ находится наиболее полная и актуальная информация по всем клиентам, которая постоянно добавляется и обновляется. Каждый банк самостоятельно для себя определяет алгоритм фильтрации клиентов с «плохой» кредитной историей.

Подводя итог, следует сказать, что, несмотря на очевидные недостатки программы, скоринговая оценка клиента является эффективным инструментом для банка, позволяющим максимально снизить финансовые риски.

Видео. Суть скоринга

Термин «скоринг» в дословном переводе с английского языка означает «подсчет очков». Так называют систему и метод оценки рисков по кредитованию конкретного лица, управления рисками на основе математического прогноза. Банковский скоринг позволяет определить вероятность просрочки выплат, основываясь на информации из кредитной истории и на некоторых других данных. Основным критерием являются баллы, которые раньше начислялись сотрудниками кредитно-финансовых учреждений вручную, а сейчас все чаще рассчитываются специальной программой.

Скоринг эффективно работает в сфере экспресс-кредитования, микрофинансирования, где на рассмотрение заявки у специалиста есть не более часа. В специальную программу заводятся данные потенциального заемщика. Система сравнивает информацию со статистикой. Например, если в базе данных много сведений о том, что люди такого же возраста и/или профессии не возвращали кредиты, то решение может быть отрицательным - банк может отказать без объяснения причин.

Оценка кредитоспособности заемщика − физического лица − в автоматическом режиме основывается на анализе различной информации, среди которой:

• идентификационные данные . Обрабатываются данные паспорта, фото заявителя. Уже на этом этапе определяются мошенники, лица, имеющие плохую кредитную историю;
• социальное положение . Учитывается пол, возраст заявителя, его образование и место работы. Принимается во внимание адрес регистрации и проживания, наличие семьи, иждивенцев;
• финансовое положение . В идеальном варианте необходимо иметь не только достаточный, но и регулярный доход. Некоторые банки учитывают также возможные траты: оплату коммунальных услуг, детского сада и т. д. Многие заявители идут на хитрости, не заявляя об иждивенцах или завышая суммы доходов. При небольших займах это может сработать, но при крупных кредитах банки обычно проверяют данные намного тщательнее;
• кредитная история . В оценке кредитоспособности физического лица информация по предыдущим займам имеет одно из решающих значений. Определяются непогашенные кредиты, наличие просрочек и время, в течение которого они были выплачены. Если ссуды обслуживались аккуратно, то система выдаст высокую вероятность такого же поведения клиента в будущем, увеличив скоринговый балл. Такой же принцип работает и в обратную сторону;
• транзакционное поведение . Параметр оценки доступен для заявителей, являющихся клиентами кредитно-финансового учреждения. Держатели пластиковых карт, депозитных счетов, участники зарплатных проектов чаще получают высокую скоринговую оценку. Системой оцениваются суммы, на которые совершаются покупки, категории точек продаж.

Все данные проверяются по отдельности и сравниваются между собой на наличие противоречий. Должна быть связь между доходами и расходами, должностью и местом проживания и т. д.

Непредвзятость . Скоринговая система оценки кредитоспособности оперирует фактами и цифрами, не учитывая личностные особенности человека. Сотрудник офиса, принимающий заявку, не может никаким образом повлиять на алгоритм подсчета. Кредитный эксперт не вправе безосновательно отказать в выдаче ссуды, если программа оценила заемщика как платежеспособное лицо.

Оперативность . Подсчет баллов в ручном режиме выполняется в форме таблицы. В отдельные строки специалист самостоятельно вводит данные и присваивает баллы, ориентируясь только на собственный опыт и знания. Процесс трудоемкий и долгий, заявителям приходится ждать по часу и более. Современные программы подсчитывают скоринговый балл в сотни раз быстрее.

Финансовая выгода . Банки, использующие скоринговую систему оценки кредитоспособности, часто предлагают более выгодные условия предоставления ссуд. Просчет рисков и автоматический отсев возможных неплательщиков значительно снижает долю невозврата, которую обычно закладывают в процентную ставку. Это выгодно и заемщику, и кредитору.

В первую очередь необходимо сформировать хорошую кредитную историю, без просрочек. Если своевременные выплаты невозможны по объективным причинам, необходимо как можно раньше сообщить об этом в банк и доказать временную неплатежеспособность. Большинство кредиторов идут навстречу клиентам, предоставляя отсрочки платежа, делая перерасчет или предлагая другие решения. В этом случае история не будет испорчена отказами выплат. Если негативные строчки в истории уже есть, их можно компенсировать своевременно выплаченными кредитами.

Еще один способ, позволяющий повысить скоринговую оценку кредитоспособности, - наличие депозита. Открытый вклад в банке дает понять, что у клиента есть средства для выплаты. То же самое относится к держателям зарплатных карт, которые обычно имеют высокий балл.

Чтобы повысить оценку, необходимо внимательно отнестись к заполнению заявления. Рекомендуется указывать достоверные контактные данные и предупредить всех, чьи телефоны вы вписываете в анкету. Если сотрудник банка начнет прозвон, он должен дозвониться до всех абонентов. В противном случае информацию могут признать недостоверной и отказать из-за этого в кредитовании.

Если вам отказали в ссуде по причине того, что программа скоринга сочла вас некредитоспособным, не стоит отчаиваться. Возможно, настройки алгоритма неблагоприятны для вас только в этом банке. Чтобы проверить это, попробуйте пройти скоринг в нашего сайта.

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Во многих случаях отечественные банки на практике применяют модели анализа кредитоспособности на основе системы финансовых показателей, которые дают возможность оценить финансовое положение заемщика. Но данные модели так же, как и классификационные модели, имеют свои недостатки, такие как разработка нормативных значений для сравнения, так как существует разброс значений, обусловленный отраслевой спецификой предприятий - заемщиков. Что касается приводимых в соответствующей литературе оптимальных нормативных значений финансовых показателей, то они рассчитаны без учета отраслевой специфики. Из-за отсутствия единой нормативной базы по отраслям объективный анализ финансового положения заемщика невозможен, так как нет сравнительных среднеотраслевых, минимально допустимых и наилучших для данной отрасли показателей.

1.5 Скоринговая модель как инструмент оценки кредитоспособности

Банки привлекают квалифицированных специалистов для оценки кредитоспособности. К примеру, в ОАО «Банк Международный» не так давно был образован отдел финансового анализа Управления финансового анализа и методологии кредитных проектов, целью которого является проведение комплексного и объективного анализа деятельности заемщика (залогодателя, поручителя) с целью определения уровня кредитного риска по предоставленным кредитам . Но привлечение таких специалистов указывает на некоторые негативные аспекты:

Мнение специалистов субъективно - точность оценки зависит от профессионализма сотрудников, их знаний и опыта;

Сотрудники физически неспособны оперативно обработать большие объемы информации - отсюда ограничение числа рассматриваемых заявок;

В-третьих, привлечение квалифицированных специалистов требует значительные расходов - такие сотрудники обычно имеют высокую заработную плату.

В связи с обозначенными выше моментами, становится понятной высокая заинтересованность банков такими системами классификации кредитов, которые позволили бы свести к минимуму участие экспертов в вопросах принятия решений и уменьшили бы значимость человеческого фактора. Можно выделить два основных метода к оценке кредитного риска: субъективное заключение квалифицированных специалистов и автоматизированные системы кредитного скоринга .

Кредитный скоринг - это разновидность рейтинговой оценки, технический прием, предложенный в начале 40-х годов двадцатого века американским ученым Д. Дюраном для выборки заемщиков по потребительскому кредиту . Отличие кредитного скоринга от рейтинговой оценки заключается в том, что в формуле рейтинговой оценки вместо значения показателя используется его частная балльная оценка. Для каждого показателя определяется несколько интервалов значений, каждому интервалу приписывается определенное количество баллов или определяется класс. Если полученный заемщиком рейтинг ниже значения, заранее установленного сотрудниками банка, то такому заемщику будет отказано в кредите, а если соответствует нормативам, то кредитная заявка будет удовлетворена. В данном контексте следует отметить, что изначально модель кредитного скоринга была ориентирована на заемщиков - физических лиц. Лишь впоследствии, когда модель была проработана и была доказана ее эффективность на потребительском кредитовании, модель стали применять для оценки кредитоспособности юридических лиц.

Что касается использования модели кредитного скоринга отечественными банками, то в данном контексте скоринг кредитов предприятий - юридических лиц представляет собой методику оценки качества заемщика, основанную на различных характеристиках финансового положения предприятия . В результате анализа переменных получают интегрированный показатель в баллах, который оценивает степень кредитоспособности заемщика по ранговой шкале. В зависимости от балльной оценки принимается решение о выдаче кредита, о лимитах кредита. В случае с ОАО «Банк Международный», скоринговая модель позволяет сделать вывод о качестве финансового положения заемщика и о размере резерва на возможные потери по ссудам . Данная скоринговая модель сочетает в себе оценку кредитного риска, бизнес-риска и риска кредитной истории. Подробнее о данных видах риска рассказано ниже.

Основная цель использования скоринговой модели выражается в том, чтобы увеличить информированность о реальном финансово-экономическом положении потенциальных заемщиков. Модель не только позволяет оценить реальное финансовое состояние, но также и кредитный потенциал предприятий, что выполнять требования к кредитованию заемщиков. Важное отличие модели кредитного скоринга от субъективной оценки эксперта в том, что оценки скоринга основаны на математико-статистическом анализе кредитной истории «прошлых» заемщиков банка и предполагают более объективную систему оценки риска .

Таким образом, проблемы, которые может решить модель кредитного скоринга, следующие:

субъективизм - зачастую решения, принимаемые кредитными специалистами, основаны только на интуиции и личном опыте;

негибкость и нестабильность - качество оценки является случайной величиной, которую невозможно улучшить или ухудшить, и зависит от эмоционального состояния и предпочтений эксперта;

отсутствие системы обучения, передачи знаний и повышения квалификации - прежде чем стать высококвалифицированным специалистом, необходимо накопить определенный уровень знаний, основанный на приобретении достаточного опыта в данной сфере;

ограничение числа рассматриваемых заявок, которое обусловлено ограниченными физическими ресурсами человека, в результате этого - упущенная выгода от небольшого числа рассматриваемых заявок.

Данные недостатки можно попытаться решить с помощью скоринговой модели, так как ее преимуществами являются простота (так как достаточно рассчитать финансовые коэффициенты и, приняв во внимание коэффициенты их значимости, определить класс заемщика), возможность расчета оптимальных значений по частным показателям, способность ранжирования организаций по результатам, комплексный подход к оценке кредитоспособности (так как используются показатели, отражающие различные стороны деятельности организации). Однако при использовании скоринговой модели следует учитывать ряд проблем:

необходимость тщательного отбора финансовых показателей (требуется использовать показатели, описывающие разные стороны работы заемщика);

важность обоснования пороговых значений показателей (в России довольно сложно осуществить подобный подход, так как недостаточно сведений о фактическом состоянии и уровнях данных показателей в экономике России, а также малая степень участия банков в формировании такой базы данных);

необходимость обоснования коэффициентов значимости для каждой системы показателей в соответствии с отраслью деятельности конкретного предприятия - заемщика;

определение величины отклонений в пограничных областях, относящих заемщиков к разным классам;

при рейтинговой оценке учитываются уровни показателей только относительно оптимальных значений, соответствующих определенным установленным нормативам, но не принимается во внимание степень их выполнения или невыполнения;

в системе рассчитываемых коэффициентов не учитываются многие факторы - репутация заемщика, перспективы и особенности рыночной конъюнктуры, оценки выпускаемой и реализуемой продукции, перспективы капиталовложений.

Скоринговая модель является одним из примеров успешного применения статистических и математических методов. Однако в России скоринговая модель не получила распространения. По мнению Г. Андреевой, широкому распространению скоринга мешают не столько объективные, сколько субъективные причины, из которых основная причина - недоверчивое отношение банковских менеджеров к математическим и статистическим методам . Если говорить об отечественных банках, то применение скоринговых моделей в банках сочетается с экспертной оценкой. В банках для каждого крупного предприятия - заемщика назначается ответственный кредитный специалист, который курирует финансовый анализ по данному заемщику. В связи с малой разработанностью скоринговых моделей данную тему будет интересно рассмотреть на примере конкретного банка.

Глава 2. Оценка кредитоспособности заемщиков - юридических лиц в рамках финансового анализа на основе методики ОАО «Банк Международный»

2.1 Краткая характеристика деятельности ОАО «Банк Международный»

Банк был зарегистрирован Центральным Банком Российской Федерации в ноябре 1989 года как «Санкт-Петербургский лесопромышленный банк». В 1999 году Банк был переименован в «Банк Международный» . Основным направлением кредитной политики Банка в 1999 году являлось формирование мощной универсальной клиентской базы. Предложив ведущим корпорациям Санкт-Петербурга и Северо-Западного региона уникальный комплексный финансовый сервис, Банк смог в течение года привлечь на обслуживание свыше 500 крупнейших предприятий промышленности, торговли, транспорта, строительства и других отраслей.

Особенностью работы Банка явилось закрепление за каждой компанией-клиентом персонального менеджера, оперативно решающего все возникающие вопросы предприятия, связанные с обслуживанием в банке. В данном контексте хотелось бы отметить, что Банк сделал ставку не на автоматизированные системы управления кредитным риском, а именно на экспертную оценку сотрудников банка, что в рамках рассматриваемой темы диплома является скорее контраргументом к применению скоринговой модели. То есть сама по себе модель недостаточно хорошо отражает кредитный риск контрагента, если каждый этап получения баллов за ту или иную статью риска не контролируется кредитным специалистом в рамках составления экспертного суждения об уровне риска.

Далее в 2000 году ОАО «Банк Международный» выходит на рынок Москвы, где и было открыто первое региональное подразделение Банка. Клиентами филиала стали 65 юридических лиц, среди которых такие крупные предприятия и организации как ГТК «Россия», представительство ОАО «Авиакомпания «Самара», ОАО «Мостотрест», представительства фирм Санкт-Петербурга: ГУАП «Пулково», группы компаний «Талосто», ООО «Лаверна», а также крупные московские предприятия - группа компаний «Экспресс-лайн», ООО «Счетмаш», ЗАО «ТД «Даргез», группа компаний «Стальные конструкции» и другие .

В настоящее время основным направлением деятельности Банка является кредитование крупных корпоративных клиентов, занимающих лидирующие позиции в торговой, лизинговой, строительной, производственной и отраслях оборонно-промышленного комплекса. Банк имеет 5 филиалов в Российской Федерации: в Волгограде, в Москве, в Нижнем Новгороде, в Новосибирске и в Ульяновске.

Кредитованию в Банке отводится роль основного механизма получения доходов от размещения собственных и привлеченных средств и, одновременно, продукта, удовлетворяющего потребности клиентов Банка в заемных средствах. Кроме того, кредитование используется как инструмент для привлечения новых клиентов банка, сохранения имеющейся клиентской базы, расширения сфер и увеличения объемов бизнеса Банка.

В кредитной политике ОАО «Банк Международный» выделены следующие цели кредитования как банковского бизнеса :

Формирование сбалансированного по структуре и видам рисков кредитного портфеля в рамках устанавливаемых Финансовым Планом Банка размеров кредитных вложений Банка.

Поддержание оптимальной доходности кредитного портфеля.

Обеспечение приемлемого уровня риска по кредитным операциям.

Расширение объемов и сфер бизнеса Банка.

Максимальное удовлетворение потребностей клиентов Банка в кредитных продуктах.

ОАО «Банк Международный» позиционирует себя как универсальный финансовый институт, и в соответствии с этим предлагает корпоративным клиентам широкий перечень кредитных инструментов :

Краткосрочное кредитование, в том числе, в форме кредитной линии с лимитом выдачи, с лимитом задолженности и овердрафт;

Финансирование лизинговых операций;

Кредитование на приобретение векселей Банка (вексельное кредитование);

Документарные операции, связанные с кредитным риском для Банка.

Финансирование внешнеторговых операций;

Покупка долговых обязательств (векселей, облигации) третьих лиц;

Инвестиционное кредитование (проектное финансирование).

В соответствии с кредитной политикой Банка приоритетными направлениями кредитования ОАО «Банк Международный» являются следующие отрасли экономики:

добыча и переработка, реализация углеводородного сырья (нефть, газ) и продуктов их переработки;

пищевая промышленность;

фармацевтическая промышленность;

энергетическая отрасль;

оборонно-промышленный комплекс;

транспорт, в том числе автомобильный, железнодорожный, авиационный;

логистика;

торговля, в том числе оптово-розничная ТНП и т.д.;

финансирование лизинговой деятельности в указанных отраслях.

С учетом успешной деятельности Банка на финансовом рынке уже в течение чуть более чем 20 лет, следует отметить достаточно высокие рейтинги Банка. Международное рейтинговое агентство «Standard & Poor"s» в 2012 году повысило долгосрочный кредитный рейтинг Банка по международной шкале до отметки «В» - стабильный. По национальной шкале рейтинг Банка также повышен до уровня «ruBBB+» .

Таким образом, ОАО «Банк Международный» успешно функционирует на финансовом рынке России уже достаточно длительный период. В рамках рассматриваемой темы ВКР следует сделать акцент на системе риск-менеджмента банка. Банк обеспечивает достаточный уровень прибыльности без наращивания «аппетита к риску», используя эксклюзивную модель «индивидуального подхода к клиентам» . Одним из инструментов данной модели является скоринговая модель в сочетании с качественным анализом финансового положения заемщиков.

2.2 Выбор заемщиков - юридических лиц, клиентов ОАО «Банк Международный» для анализа кредитоспособности

Приступая к анализу финансового положения заемщиков - юридических лиц, клиентов ОАО «Банк Международный», нужно отметить, что данный анализ необходим для последующих расчетов по скоринговой модели. Кроме того, не лишним будет обратить внимание на управление Банка, которое занимается финансовым анализом.

Название данного управления следующее: «Управление финансового анализа и методологии кредитных проектов Департамента анализа и контроля кредитных проектов» . Данное управление занимается осуществлением ежеквартального мониторинга финансового положения заемщика. По юридическим лицам производится оценка финансового положения заемщика на основании анализа изменения финансового состояния предприятия, выявления негативных моментов в финансово-хозяйственной деятельности заемщика. По итогам ежеквартального мониторинга Управлением формируется профессиональное суждение об уровне риска по ссудам, производится классификация ссудной задолженности по категориям качества с указанием процентной величины расчетного резерва.

После рассмотрения деятельности Управления Банка по финансовому анализу, можно приступить к расчетам. Для анализа кредитоспособности в рамках данного исследования было выбрано 33 заемщика. Выборка данных заемщиков была сформирована исходя из следующих предпосылок: выбранные заемщики являются юридическими лицами, крупными корпоративными клиентами; выбранные заемщики различаются по отраслям; по выбранным заемщикам в наличии информация, необходимая для расчетов. Хотелось бы уточнить, что выбор заемщиков был обусловлен тем, что Банк в апреле 2013 года проводил ежеквартальный мониторинг финансового положения отчетностей именно приведенных выше заемщиков. Также наличие в выборке заемщиков по разным отраслям позволяет изучить различия при анализе кредитоспособности отраслей, что, несомненно, является преимуществом для комплексного исследования. В таблице 2.1. представлено распределение заемщиков по сферам деятельности.

Таблица 2.1 - Предприятия - заемщики, распределение по отраслям

Торговые компании (16)	Строительные компании (9)
ООО «АБМ Трейд»	ЗАО «И-Инвест»
ООО «АВРО»	ООО «ГАММА»
ООО «Агроальянс МТ»	ОАО «ГСК»
ООО «Александрия»	ООО «КВС»
ООО «Белый Ветер Цифровой»	ЗАО «Новая Эра»
ООО «Евротрансавто»	ООО «Полюс»
ООО «Евротранс»	ООО «ПромТехСервис»
ООО «Оптима»	ООО «Строительный трест № 3»
ООО «РКБ»	ООО «Элис-Констракшн»
ООО «Санти»	Производственные компании (6)
ООО «СПб Нефтепродукт»	ООО «АНГСТРЕМ Трейдинг»
ООО «СТК Девиз»	ООО «ДСК№ 5»
ООО «Тав Ойл»	ООО «Иллунг»
ООО «Торговля от «Петмола» опт»	ЗАО «ПолеКом»
ЗАО «Финансовая компания «Форум»	ООО «Прионежская горная компания»
ООО «ЮНИФРОСТ»	ЗАО «РУАН»
Лизинговые компании (1)	Транспортные компании (1)
ЗАО «Лизинговые технологии»	ООО «Транспортная компания» «Стелл»

Значимые показатели по выбранным заемщикам приводятся в Приложениях 1-33 к ВКР. Среди значимых показателей - агрегированный баланс заемщика, структура активов и структура пассивов. Приложения идут в том же порядке, как и заемщики, представленные в таблице 2.1.

Для более наглядного представления о заемщиках по отраслям можно взглянуть на рис. 2.1. Из рисунка видно, что большую часть в выборке составили торговые компании (49% от выборки), также строительные (27%) и производственные компании (18%). То есть в выборке 16 торговых компаний, 9 строительных компаний, 6 производственных компаний, 1 лизинговая и 1 транспортная компания.

Рис. 2.1. Распределение заемщиков в выборке по отраслям

2.3 Анализ финансового положения заемщиков на основе методики ОАО «Банк Международный»

После первичного изучения выборки можно приступать непосредственно к финансовому анализу заемщиков. Следует обратить внимание, что финансовый анализ проводился на основе методики Банка, приведенной в «Инструкции по краткосрочному кредитованию юридических лиц» . В данном внутреннем нормативном документе Банка последовательно приведен алгоритм анализа финансового положения заемщика.

Для наглядного представления о проделанной работе будет представлен анализ финансового положения одного из 33-х заемщиков, так как представлять анализ всех 33-х заемщиков не имеет смысла ввиду большого объема анализа. Тем не менее, результаты расчета финансовых коэффициентов остальных заемщиков можно найти в Приложении 34 к ВКР.

Для наглядного представления о проделанной работе представлен анализ финансового положения одного из 33-х заемщиков, так как представлять анализ всех 33-х заемщиков не имеет смысла ввиду большого объема анализа. Тем не менее, результаты расчета финансовых коэффициентов остальных заемщиков можно найти в Приложении 34 к данной работе. В Приложениях 1-33 к ВКР приведены данные по остальным заемщикам. Компании в Приложениях 1-33 представлены в том же порядке, что и на таблице 2.1. Формат приведенных данных: значимые показатели - агрегированный баланс, структура активов и структура пассивов. Данные по всем компаниям представлены за 5 кварталов - 4 квартала 2012 года и последний квартал предыдущего, 2011 года.

Таким образом, для репрезентативного финансового анализа был выбран заемщик Общество с ограниченной ответственностью «ТаВ Ойл». Выбор данного заемщика среди остальных 33-х заемщиков обусловлен тем, что структура финансовой отчетности данного заемщика более всего подходит для отражения всех особенностей анализа финансового положения заемщика. Заемщик имеет отчетность с достаточным удельным весом показателей в структуре активов и пассивов, для того чтобы в дальнейшем на его примере можно было раскрыть методику скоринговой модели.

Компания ООО «Тав Ойл» была зарегистрирована 24.10.2003 года. Компания работает на рынке реализации нефтепродуктов с 2003 года. Основным видом деятельности компании является оптовая торговля нефтепродуктами. Компания работает с поставщиками нефтепродуктов по предоплате, а с покупателями - с отсрочкой платежа в зависимости от вида нефтепродуктов (фактически до 30 календарных дней).

В соответствии с «Инструкцией по краткосрочному кредитованию юридических лиц» на основании данных бухгалтерской отчетности была сформирована аналитическая таблица (агрегированный баланс) с указанием основных абсолютных финансовых показателей по состоянию на 01.01.2012, 01.04.2012. 01.07.2012 и 01.10.2012, 01.01.2013 (за 4 квартала + отчетный квартал). Таблица 2.2. приведена ниже.

Таблица 2.2 - Показатели бухгалтерского баланса и отчета о прибылях и убытках (тыс. руб.):

Показатель
Валюта баланса
Капитал и резервы
Нераспр. прибыль (убыток)
Внеоборотные активы
НДС по приобр. Ценностям
Дебиторская задолженность
Краткосрочные фин. Вложения
Денежные средства
Прочие оборотные активы
Всего оборотные активы
Займы и кредиты долгосрочные
Всего долгосрочные обяз-ва
Кредиты и займы краткосрочные
Кредиторская задолженность
Доходы будущих периодов
Всего краткосрочные обяз-ва
Выручка от реализации (нараст. итогом)
Прибыль от продаж
Прочие доходы
Прочие расходы
Проценты к уплате
Чистая прибыль/убыток
Чистая прибыль за квартал

В «Инструкции» при изучении данных агрегированного баланса предлагается проанализировать основные тенденции изменения абсолютных финансовых показателей. Основной задачей сотрудника Управления финансового анализа является выявление причин данных тенденций, а также изучения влияния указанных причин на возможность исполнения обязательств перед Банком в будущем.

На первом этапе был проведен анализ динамики и структуры капитала ООО «Тав Ойл» с расчетом абсолютных и относительных изменений. В таблице 2.3. приведен горизонтальный анализ агрегированного баланса ОАО «Тав Ойл». За анализируемый период (с 01.01.2012 до 01.01.2013) валюта баланса компании выросла на 27,3 млн. руб. или на 44%. В 4 квартале по сравнению с 3 кварталом 2012 года валюта баланса выросла на 24,2 млн. руб. или на 36,8%. В структуре капитала компании на 01.01.2013 года преобладают оборотный капитал в активе и краткосрочные обязательства в пассиве. При этом структура капитала компании сбалансирована по срокам привлечения и размещения средств. Величина собственных оборотных средств составила 34,7 млн. руб. и возросла по сравнению с началом отчетного года на 5,7%. Таким образом, за счет инвестиционных ресурсов (собственного капитала и долгосрочных обязательств) на 53% профинансирован оборотный капитал. Чистые активы (представленные собственным капиталом компании) увеличились за период с начала года на 5%, благодаря росту нераспределенной прибыли. На 01.01.2013 г. она составила 99,9% в общем объеме капитала и резервов.

Таблица 2.3 - Анализ динамики важнейших показателей ООО «Тав Ойл»:

Показатель			Изменение за год	Изменение за квартал
Валюта баланса
Капитал и резервы
В том числе нераспределенная прибыль (убыток)
Внеоборотные активы
НДС по приобретенным ценностям
Дебиторская задолженность
Краткосрочные финансовые вложения
Денежные средства
Прочие оборотные активы
Всего оборотные активы
Займы и кредиты долгосрочные
Всего долгосрочные обязательства
Кредиты и займы краткосрочные
Кредиторская задолженность
Доходы будущих периодов
Всего краткосрочные обязательства
Выручка от реализации (нарастающим итогом)
Среднемесячная выручка от реализации
Себестоимость проданных товаров
Прибыль от продаж
Прочие доходы
Прочие расходы
Проценты к уплате
Чистая прибыль/убыток
Выручка от реализации за квартал
Среднемесячная выручка за квартал
Чистая прибыль за квартал

Для представления изменения структуры капитала на 01.01.2013 по сравнению с 01.01.2012 была построена таблица 2.4., показывающая изменения оборотных и внеоборотных активов, капитала и резервов, долгосрочных и краткосрочных обязательств. Из таблицы 2.4. видно, что по сравнению с первым кварталом возросли оборотные активы на 27 342 тыс. руб. и краткосрочные обязательства на 25 334 тыс. руб.

Таблица 2.4 - Структура капитала на начало и конец 2012 г.

Структура капитала на 01.01.2012, тыс. руб.	Структура капитала на 01.01.2013, тыс. руб.	Изменение тыс. руб.	Изменение %
Внеоборотные активы		Внеоборотные активы
Оборотные активы		Оборотные активы
Капитал и резервы		Капитал и резервы
Краткосрочные обязательства		Краткосрочные обязательства
Долгосрочные обязательства		Долгосрочные обязательства

Также были построены диаграммы, показывающие удельные веса статей баланса по отношению к валюте баланса на начало и конец 2012 года. Диаграммы представлены на рисунках 2.2. и 2.3. Из диаграмм, представленных ниже, можно заметить, что доли статей баланса в 2012 году изменились незначительно: доля собственного капитала уменьшилась на 6%, доля краткосрочных обязательств возросла на 14%, доля долгосрочных обязательств уменьшилась на 8%.

Рис. 2.2. Структура капитала на начало 2012 года

Рис. 2.3. Структура капитала на конец 2012 г.

На втором этапе анализа был проведен анализ структуры активов предприятия. В «Инструкции» дано указание на то, что взаимная величина различных групп активов и пассивов зависит от того, к какой отрасли принадлежит данное предприятие. Так, у торговых компаний (какой является рассматриваемая компания) доля оборотных активов обычно 70 - 95 процентов, и аналогична же доля и привлеченных источников средств. У компании ООО «Тав Ойл» оборотные активы на отчетный квартал равны валюте баланса.

После соответствующей группировки статей баланса была оценена относительного изменения различных групп активов и пассивов за несколько последних кварталов: произошло ли изменение удельного веса какого-либо из разделов баланса или группы статей более чем на 10%. В данном случае из таблицы 2.5. можно увидеть, что таких изменений нет.

Таблица 2.5 - Структура активов ООО «Тав Ойл» за 5 кварталов

Основную долю в структуре активов компании занимает дебиторская задолженность, которая сформирована преимущественно за счет задолженности покупателей (36,6 млн. рублей или 44% всей дебиторской задолженности). Просроченная дебиторская задолженность отсутствует.

Оборачиваемость дебиторской задолженности составила 36 дней (против 35 дней в аналогичном периоде прошлого года). Следует отметить, что компания является нетто-кредитором в расчетах - дебиторская задолженность превышает кредиторскую в 4,9 раза (84 093 тыс. руб. против 17 155 тыс. руб.) Нетто-кредитор - это субъект финансового рынка, финансовые активы которого превышают пассивы .

В рамках анализа активов был проведен анализ дебиторской задолженности предприятия. В «Инструкции» отмечено, что особое внимание следует уделить изменению структуры оборотных средств: произошел ли рост дебиторской задолженности или нет, является ли уровень запасов сырья достаточным для работы предприятия, не произошло ли затоваривание складов готовой продукцией. Также необходимо выявить зависимость от одного или определенного круга дебиторов, которая может также привести к снижению платежеспособности. При анализе состава дебиторской задолженности необходимо обратить внимание на сроки и реальность ее погашения. Для этого необходимо получить подробную расшифровку дебиторской задолженности вплоть до названий непосредственных дебиторов и выяснения их платежеспособности. Расшифровка дебиторской задолженности, из которой можно выделить долю крупнейшего дебитора, представлена в таблице 2.6.

Таблица 2.6 - Расшифровка дебиторской задолженности ООО «Тав Ойл» на 01.01.2013 г.

Наименование дебитора	Задолженность, тыс. руб.
ТСБ-Брокер
Североморские теплосети
ООО «Хэлп-Ойл»
ООО Целлюлозный завод Питкяранта
ООО Несто
Стройкомплектсервис
ООО ТопТрейдСервис
ОО Прима-Ойл
Всего дебиторская задолженность:

Дебиторская задолженность МУП «Североморские теплосети» является просроченной, сроком возникновения 28.06.2010. Крупнейшим дебитором является «ТСБ-Брокер», 19% от всей задолженности. Вторым крупнейшим дебитором является «Североморские теплосети», 12% от всей задолженности. Остальные дебиторы имеют задолженность менее 10% от общей суммы. После анализа крупнейших дебиторов следует переходить к анализу крупнейших контрагентов - покупателей. В связи с этим был проведен анализ оборотно-сальдовой ведомости компании по счету 62, чтобы выявить основных покупателей. Данные представлены ниже в таблице 2.7.

Таблица 2.7 - Анализ взаимоотношений с покупателями за 4 кв. 2012г. (в тыс. руб.):

Контрагент	Оборот по ОСВ 62 сч.
Стройкомплектсервис
Мегаполис
Целлюлозный завод
Импульс Ойл
ТопТрейдСервис

Основным покупателем компании в 4 квартале 2012г. являлись компании Хэлп-Ойл и Стройкомплектсервис - по 40% и 9% от общего объема реализованной продукции. Финансовые вложения в компании отсутствуют. Инвестиционные (внеоборотные) активы компании на 01.01.2013 г. отсутствуют. Как и в аналогичном периоде прошлого года (на 01.01.2012 - 99,8%) , в активах преобладают оборотные активы (100%), в том числе наибольшая доля приходится на дебиторскую задолженность (93,3%).

Следующим этапом анализа был анализ структуры пассивов. Анализ пассивов производился на предмет напряженности имеющих обязательств заемщика. Значительная доля собственного капитала заемщика, наличие долгосрочных источников финансирования свидетельствует об устойчивости предприятия. Была построена таблица 2.8., отражающая структуру пассивов. Доля заемных средств в пассивах на начало 2012 года составляла 47%, на конец 2012 года составляла 61,5%. Собственный капитал на начало и конец 2012 года имел доли соответственно 26% и 19,5%.

Таблица 2.8 - Структура пассивов ООО «Тав Ойл» за 5 кварталов

На долю долгосрочных обязательств компании на конец периода пришлись 19% всех пассивов. В отчетном периоде они были представлены долгосрочными займами учредителей компании. Заимствования по сравнению с началом года выросли на 6% (по сравнению со 2 кварталом 2012 этот показатель не изменился).

Структура краткосрочных обязательств компании в анализируемом периоде изменилась в сторону увеличения доли краткосрочных заимствований (банковских кредитов) - с 21% до 42,4% - и уменьшения доли кредиторской задолженности - с 25% до 19,0%. При этом величина краткосрочных заемных средств возросла в отчетном периоде на 21,4%, а кредиторской задолженности - уменьшилась на 5,6%. Краткосрочные заемные средства на 01.01.2013 сформированы исключительно из кредитов ОАО «Банк Международный».

Далее был проведен анализ кредиторской задолженности компании. Оценка кредиторской задолженности производилась с целью анализа финансирования деятельности за счет отложенных платежей и его влияния на платежеспособность заемщика. Кредиторская задолженность в абсолютной величине практически не изменилась, однако произошли изменения в ее структуре: увеличился объем задолженности перед поставщиками (38% против 12% на начало года), значительно уменьшился объем задолженности перед покупателями по авансам полученным (11% против 64% на начало года), возросла доля задолженности компании перед персоналом (29% против 6% на начало года). Задолженность является краткосрочной, текущей.

Таблица 2.9 - Расшифровка кредиторской задолженности ООО «Тав Ойл» на 01.01.2013 г.

Оборачиваемость кредиторской задолженности является высокой, период оборачиваемости 7 дней (против 9 дней - в 2012 году). Крупнейшими кредиторами компании являются ООО «Газнефтехимпереработка» - 45% и ЗАО «Совекс» - 13% от всей задолженности. Наличие кредитора, который имеет более 10% задолженности, следует отметить как риск для Банка. Помимо кредиторской задолженности необходимо еще проанализировать взаимоотношения с поставщиками, то есть оборотно-сальдовую ведомость по счету 60. В таблице 2.10. представлены результаты расчетов.

Таблица 2.10 - Анализ взаимоотношений с поставщиками за 4 кв. 2012г. (в тыс. руб.):

Контрагент	Оборот по ОСВ 60.1 сч
Хэлп -Ойл
АВС-Континент
ТриТон Трейд
ТСБ-Брокер
Газнефтехимпереработка
ФортеИнвест
Сургутэкс

Согласно оборотно-сальдовой ведомости по счету 60 основными поставщиками компании в 4 квартале 2012 являлись ООО «Хэлп-Ойл» (41% в общем обороте), АВС-Континент (19% в общем обороте). Наличие поставщика, доля которого превышает 10% в 4 раза, создает определенный риск неплатежеспособности для Банка.

Таким образом, структура и динамика капитала компании в отчетном периоде свидетельствует о следующих характерных чертах ее работы:

компания работает преимущественно на краткосрочных заемных средствах, хотя рост прибыли способствует росту собственных источников финансирования, а рост долгосрочных инвестиций учредителей - сбалансированности общей структуры капитала;

размещение средств осуществляется преимущественно в дебиторскую задолженность, скорость оборачиваемости которой сохраняется на достаточно высоком уровне;

в расчетах компания выступает нетто-кредитором, это может стать причиной снижения уровня доходности в будущем, что подтверждается замедлением темпов роста чистой прибыли в 4 квартале 2012 года.

Финальным этапом анализа финансовой отчетности в соответствии с «Инструкцией» выступает анализ основных финансовых коэффициентов. На основании полученных коэффициентов было произведено их изучение в рамках общего анализа финансового состояния заемщика. Анализ динамики расчетных финансовых показателей был произведен с выявлением причин их изменения, тенденций ухудшения платежеспособности и финансовой устойчивости, учитывая риски Банка при кредитовании данного предприятия. Полученные данные представлены в таблице 2.11.

Таблица 2.11 - Анализ основных финансовых коэффициентов

Наименование коэффициента	Расчёт показателя	Приемлемые значения
Чистые активы, тыс.руб.	ВБ - долгосрочные и краткосрочные заемные ср-ва + доходы будущих периодов
Коэффициент текущей ликвидности (покрытия)	Оборотные активы / Краткосрочные пассивы
Коэффициент финансовой независимости	Собственный капитал / Суммарный пассив (ВБ)
Коэффициент соотношения собственных и заемных средств	Собственный капитал / Суммарные обязательства
Оборачиваемость запасов, дней	Сумма запасов /Объём дневных продаж
Оборачиваемость дебиторской задолженности, дней	Сумма дебиторской задолж-ти / Объем дневных продаж
Оборачиваемость кредиторской задолженности, дней	Сумма кредиторской задол-ти / Объем дневных продаж
Рентабельность продаж (%)	Прибыль от реализации / Выручка от реализации
Рентабельность деятельности (%)	Чистая прибыль за последний отчетный квартал / выручка от продажи товаров, продукции, работ, услуг за последний отчетный квартал
Коэффициент денежного покрытия, в месяцах	Размер кредитных обязательств на текущую дату + запрашиваемая сумма кредитного продукта / cреднемес. выручка
Коэффициент покрытия процентов	Квартальная прибыль от продаж за последний отчетный квартал / (сумма процентов по кредитам и займам, уплаченная за последний отчетный квартал + среднеквартальной сумме процентов по рассматриваемому кредитному продукту).

Ликвидность компании в отчетном периоде характеризуется полной обеспеченностью краткосрочных обязательств как оборотными, так и высоколиквидными оборотными активами. За анализируемый период коэффициент текущей ликвидности не изменился и находится на уровне, значительно превышающем нормативное значение (более 0,5).

Коэффициент финансовой независимости и коэффициент соотношения собственных и заемных средств находятся на уровне (и выше) нормативного значения (более 0 и более 0,4 соответственно).

За 12 месяцев 2012 выручка компании (нарастающим итогом) составила 844 млн. руб. или 38% от показателя аналогичного периода прошлого года. За 4 квартал 2012 ежеквартальная выручка достигла своего максимального значения по сравнению с уровнями других кварталов, начиная с 01.10.2011. За 4 квартал выручка выросла на 23% по сравнению с уровнем выручки за аналогичный период прошлого года.

Деятельность компании является прибыльной, прибыль от основной деятельности возросла по сравнению с аналогичным периодом предыдущего года на 47%. Соответственно повысилась и рентабельность продаж (доля прибыли от продаж в выручке): с 0,7% до 0,8 в третьем квартале, однако в четвертом квартале рентабельность понизилась до 0,7%.

Повышение рентабельности продаж в третьем квартале не привело к повышению уровня доходности бизнеса в целом. За 9 месяцев 2012 рентабельность деятельности компании снизилась и составила 0,1%, в то время как в аналогичном периоде предыдущего года рентабельность составляла 0,3%. Это было вызвано следующими причинами: в 2 раза увеличилась величина процентов к уплате Банку и в 1,2 раза увелич...

Подобные документы

Трактовка понятия, методы и модели оценки кредитоспособности заемщиков. Заключение о возможности выдачи кредита банком на примере ОАО "АКБ Стелла-Банк". Оценка кредитоспособности организаций-заемщиков. Расчет показателей ликвидности и платежеспособности.

дипломная работа , добавлен 07.02.2015


Нормативно-законодательное регулирование и экономическая сущность кредитоспособности заемщиков. Оценка кредитоспособности на основе делового риска. Расчет оценки качества заемщиков юридических и физических лиц. Совершенствование скоринговой оценки.

дипломная работа , добавлен 16.04.2011


Определение понятия, изучение целей и раскрытие задач кредитного скоринга как инструмента оценки кредитоспособности физических лиц, его перспективы в России. Построение скоринговой модели оценки кредитоспособности клиентов на примере ООО "ХКФ Банк".

курсовая работа , добавлен 07.08.2013


Понятие кредитоспособности цели и задачи оценки кредитоспособности. Методы оценки кредитоспособности заемщика. Модели диагностики банкротства. Анализ и пути совершенствования оценки кредитоспособности предприятия-заемщика на примере ОАО "Покровский хлеб".

курсовая работа , добавлен 14.06.2015


Сущность кредитоспособности и ее значение. Информационная база и этапы оценки кредитоспособности. Оценка кредитоспособности потенциальных заемщиков коммерческого банка на основе финансовых коэффициентов, денежного потока и показателей делового риска.

контрольная работа , добавлен 10.11.2015


Оценка кредитоспособности на основе системы финансовых коэффициентов. Анализ делового риска. Показатели кредитоспособности, используемые зарубежными коммерческими банками. Анализ показателей оценки финансового положения заемщика ОАО "Донхлеббанк".

курсовая работа , добавлен 21.10.2011


Понятие и назначение процесса определения кредитоспособности заемщика банка, порядок, критерии и способы ее оценки, общие подходы к реализации и анализу. Характеристика деятельности Национального банка "Траст", анализ кредитоспособности юридических лиц.

курсовая работа , добавлен 25.01.2010


Методы оценки кредитоспособности юридических и физических лиц. Скоринговая (бальная) оценка кредитоспособности и андеррайтинг. Организация процесса оценки кредитоспособности заёмщиков - физических лиц - Сбербанком России на примере ипотечного кредита.

дипломная работа , добавлен 25.02.2015


Понятие, сущность, критерии и методы оценки кредитоспособности корпоративных заемщиков. Система предоставления банковских кредитов юридическим лицам. Анализ методики оценки кредитоспособности юридических лиц. Условия кредитования, утверждаемые банком.

курсовая работа , добавлен 13.11.2013


Нормативно-правовые аспекты оценки кредитоспособности в РФ. Сравнительная оценка методик оценки кредитоспособности банковских заемщиков. Организация работы по управлению кредитным риском. Оценка кредитоспособности юридического лица. Методы снижения риска.

Понятие скоринговой оценки кредитоспособности клиентов

Определение 1

Скоринг – это статистическая либо математическая модель, с помощью которой используются данные кредитных историй клиентов банк, и в конечном итоге имеется возможность рассчитать вероятность того, что очередной потенциальный ссудозаёмщик вернет полученные средства в срок.

Такая методика оценки заёмщика является взвешенной суммой определённого набора характеристик в очень упрощенном виде. Это необходимо для формирования сводного показателя. Этот показатель далее сравнивается с так называемой линией безубыточности.

Такая оценка платёжеспособности заёмщика нужна для определения интегрального показателя каждого потенциального клиента, и полученный результат необходимо сравнивать с вышеупомянутой линией (соответственно, кредит смогут получить лишь те заёмщики, у которых данный показатель выше линии безубыточности).

Обычно в национальной экономике банки используют адаптированные модели скоринговых оценок кредитоспособности физического лица, которые приспособлены к российским условиям.

Сначала дается предварительная оценка возможности получения ссуды, основанная на данных анкет-заявлений кредитозаёмщиков. По результатам заполненных анкет-заявлений подписываются протоколы оценок возможности предоставления кредитов.

Пример 1

Если размер баллов меньше 30, в протоколах фиксируется отказ в предоставлении кредита, если же было набрано больше 30 баллов, то на следующем этапе риск оценивают более тщательным образом с учётом дополнительных опросов.

Преимущества и недостатки скоринговой оценки кредитоспособности

Скоринговые методики и модели позволяют:

• снизить риск невозврата кредита;
• принять решения по выдаче кредита быстро и беспристрастно;
• позволяют эффективно управлять кредитным портфелем;
• не нужно затрачивать много времени на обучение сотрудников кредитного отдела;
• есть возможность провести экспресс-анализ заявки на кредит в присутствии клиента.

К ограничениям скоринговой мотодики следует отнести то, что она может применятся только в отношении информации о тех клиентах, которым банк уже выдавал ссуду. Также сотрудникам банка приходится периодически проверять качество методики и анализа и разрабатывать новую методику скоринга.

Дальнейшее улучшение скоринговой методики позволит расширить и изменить перечень оцениваемых характеристик кредитов.

При ипотечном кредитовании граждан используется андеррайтинг заёмщика, самое важное – это оценка своевременного взноса платежей по кредиту. Оценивается отношение размера ежемесячных обязательств заёмщика к совокупному семейному доходу за тот же период и т.п.

Процесс проведения скоринговой оценки кредитоспособности ссудозаёмщиков

Обычно для анализа кредитоспособности потенциального заёмщика запрашиваются:

• копия документов, удостоверяющего личность заёмщика;
• подтверждение доходов клиента: справка по форме 2-НДФЛ, копия налоговой декларации по форме 3-НДФЛ;
• Дополнительно также могут запросить документы собственности на имущество и прочие, которые могут подтвердить платёжеспособность и деловую репутацию клиента.

Специалисты банка проводят анализ платёжеспособности индивидуального заёмщика на базе данных о среднемесячном доходе и размерах удержаний за предшествовавшие шесть месяцев, а также сведений на основании анкеты. Результат вычисляется как среднемесячный доход за вычетом всех обязательных платежей и корректируется на поправочный коэффициент, который различается в зависимости от величины дохода (от 0,3 до 0,6). Чем больше доход, тем больше корректировка.

Замечание 1

На данный момент, наиболее универсальным методом оценки кредитоспособности является метод оценки финансового положения клиента.

Для снижения и контроля рисков, банки должны ежеквартально проводить оценку финансового состояния заёмщика.

В качестве совершенствования оценки кредитоспособности физических лиц предлагается использовать скоринговую систему при определении объёмов выдаваемых кредитов.

Кредитные баллы предназначены для измерения риска дефолта потенциального заёмщика с учётом различных факторов кредитной истории. Формулы для расчёта кредитных баллов обычно западными банками не раскрываются, но, в целом используются следующие компоненты, которые можно рассмотреть в качестве применимого опыта:

1. 35% составляет кредитная история – наличие или отсутствие компрометирующей информации. Банкротство, залоги, судебные решения, соглашения, конфискации, выкуп имущества, просроченные платежи могут стать причиной отказа в выдаче кредита.
2. 30% приходится на долговую нагрузку – эта категория рассматривает ряд конкретных измерений долговой нагрузки, включая количество счетов с овердрафтами, существующие кредитные обязательства, покупки в рассрочку.
3. 15% доля приходится на срок кредитной истории – средний период кредитования и срок первоначального кредита.
4. 10% составляет оценка используемых типов кредита (рассрочка, офердрафты, потребительское кредитование, ипотека), показывает историю управления различным видами кредитов.
5. 10% доля оценки приходится на количество запросов на выдачу кредита – рейтинг заёмщика снижается, если запросы были сделаны в больших количествах в последнее время (14–45 дней).

Скоринговые модели должны быть основаны на актуальных данных и быстро перенастраиваться при изменении кредитной политики банка.

В работе скоринговой модели большую роль играет бюро кредитных историй. Необходимо изучить кредитную историю потенциального заёмщика и супруги(а) заявителя. Все виды доходов и расходов заёмщика должны быть документально подтверждены.

Пример 2

Кредиты не должны выдаваться гражданам, у которых выплаты по исполнительным документам в размере 50 и более процентов чистого дохода. Также в обеспечение ссуд не должно приниматься поручительство физического лица, у которого размеры удержаний из заработной платы равны или превышают 50 процентов чистых доходов.

На рисунке 1 представлена информация, разработанная зарубежными банками для получения информации о цели кредита, личных особенностях заёмщика и кредитной истории заёмщика.

Рисунок 1. Переменные, используемые в скоринговых моделях оценки кредитоспособности заёмщиков. Автор24 - интернет-биржа студенческих работ

При оценкекредитных рисков потенциальных заёмщиков принимается во внимание ряд факторов:возраст, семейное положение и образование, количество его/её иждивенцев, место проживания клиента, профессия, стаж, опыт работы в текущее время. А также следующая финансовая информация: регулярные доходы клиента и обязательства; кредитная история, которая включает в себя такие факты, как качественное погашение кредита; предыдущее позитивное сотрудничество с банком, если клиент уже является клиентом банка.

Повышение доходности кредитных операций непосредственно связано с качеством оценки кредитного риска. В зависимости от классификации клиента по группам риска банк принимает решение, стоит ли выдавать кредит или нет, какой лимит кредитования и проценты следует устанавливать.

В мировой практике существует два основных метода оценки риска кредитования, которые могут применяться как отдельно, так и в сочетании с друг другом:

• субъективое заключение экспертов или кредитных инспекторов;
• автоматизированные системы скоринга.

Данная статья посвящена западной практике использования скоринг-систем, которые в настоящее время широко применяются во всех экономически развитых странах. Хотя скоринг является одним из наиболее успешных примеров использования математических и статистических методов в бизнесе, в российской печати эта тема незаслуженно обойдена вниманием. Цель данной публикации -- восполнить этот пробел и дать общий обзор истории и практики применения скоринга. Так как статья рассчитана на достаточно широкий круг читателей, в ней дается только самое общее описание того, как работает скоринг. Теоретические основы и обоснования правомерности использования того или иного метода здесь не затрагиваются.

Поскольку скоринг используется главным образом при кредитовании физических лиц, особенно в потребительском кредите при необеспеченных ссудах, далее речь пойдет об оценке кредитного риска заемщиков -- физических лиц.

Определение кредитоспособности и информация, используемая для ее прогнозирования

Для оценки кредитного риска производится анализ кредитоспособности заемщика, под которой в российской банковской практике понимается способность юридического или физического лица полностью и в срок рассчитаться по своим долговым обязательствам. В западной банковской практике кредитоспособность трактуется как желание , соединенное с возможностью своевременно погасить выданное обязательство. Далее мы будем использовать термин «кредитоспособность» именно в этом значении. В соответствии с таким определением основная задача скоринга заключается не только в том, чтобы выяснить, в состоянии клиент выплатить кредит или нет, но и степень надежности и обязательности клиента. Иными словами, скоринг оценивает, насколько клиент creditworthy, т. е. насколько он «достоин» кредита.

Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

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

анкета, которую заполняет заемщик;

информация на данного заемщика из кредитного бюро -- организации, в которой хранится кредитная история всего взрослого населения страны;

данные движений по счетам, если речь идет об уже действующем клиенте банка.

Кредитные аналитики оперируют следующими понятиями: «характеристики» клиентов (в математической терминологии -- переменные, факторы) и «признаки» -- значения, которые принимает переменная. Если представить себе анкету, которую заполняет клиент, то характеристиками являются вопросы анкеты (возраст, семейное положение, профессия), а признаками -- ответы на эти вопросы.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности.

Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии -- нет.

Все это выглядит очень просто, однако сложность заключается в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать. К этой проблеме имеется несколько подходов, которые будут рассмотрены в разделе «Методы классификации клиентов».

Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.

В этом заключается дискриминационный (не в статистическом, а в социальном значении этого слова) характер скоринга, т. е. если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.

Какие же характеристики являются наиболее «ценными» для прогнозирования кредитного риска? В Великобритании наиболее часто используются следующие характеристики:

Количество детей/иждивенцев

Профессия

Профессия супруга(и)

Доход супруга(и)

Район проживания

Стоимость жилья

Наличие телефона

Сколько лет живет по данному адресу

Сколько лет работает на данной работе

Сколько лет является клиентом данного банка

Наличие кредитной карточки/чековой книжки

В других странах набор характеристик, которые наиболее тесно связаны с вероятностью дефолта -- вероятностью, что заемщик не вернет кредит или задержится с выплатой, будет отличаться в силу национальных экономических и социально-культурных особенностей. Чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогнозирование дефолта. Поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные модели для различных групп клиентов и различных видов кредита.

История развития скоринга

Скоринг, по существу, является методом классификации всей интересующей нас популяции на различные группы, когда нам неизвестна характеристика, которая разделяет эти группы (вернет клиент кредит или нет), на зато известны другие характеристики, связанные с интересующей нас. В статистике идеи классификации популяции на группы были разработаны Фишером в 1936 г. на примере растений. В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.

В начале 50-х гг. в Сан-Франциско образовалась первая консалтинговая фирма в области скоринга -- Fair Issac, которая до сих пор является лидером среди разработчиков скоринговых систем.

Но широкое применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита. Однако очень скоро они оценили не только быстроту обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем уровень безнадежного долга сокращался до 50% (Churchill G. A. , Nevin J. R. , Watson R. R. //The role of credit scoring in the loan decision. Credit World. March/1977; Myers J. H. , Forgy E. W. The development of numerical credit evaluation systems//Journal of American Statistical Association. September/1963).

В 1974 г. в США был принят Закон о предоставлении равных возможностей на получение кредита, который запрещал отказывать в выдаче кредита на основании следующих характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей. В Великобритании законодательство допускает использование информации о возрасте и семейном положении, но зато запрещает принимать во внимание какие-либо физические увечья и недостатки (инвалидность). Для кредитных организаций использование скоринговых систем стало доказательством исполнения этих антидискриминационных законов -- у компьютера нет предубеждений.

Помимо установления принципов равноправия в области кредитования, кредитное законодательство США, как и Закон о потребительском кредите, принятый в Великобритании в том же 1974 г., имели важное значение для формирования службы кредитных бюро. В таких бюро записывается кредитная история всех людей, когда-либо обращавшихся за ссудой в любую кредитную организацию страны.

В кредитных бюро содержатся следующие виды данных:

социально-демографические характеристики;

судебные решения (в случае передачи дел о востребовании задолженности по кредиту в суд);

информация о банкротствах;

данные об индивидуальных заемщиках, получаемые от кредитных организаций по принципу «ты -- мне, я -- тебе», т. е. банк может получать информацию о клиентах других банков, только если сам поставляет аналогичную информацию.

Объем и характер информации, хранящейся в бюро, строго регулируется законодательством каждой страны. В «Банковских технологиях» уже была публикация о кредитных бюро в сентябре 1999 г. -- «Вопросы учреждения кредитного бюро в России». Хотелось бы добавить, что помимо рассмотренных в статье моделей бюро существуют и транснациональные коммерческие компании, такие как Experian, Equifax, TransUnion, Scorex. Эти компании сами используют скоринговые системы, и во многих случаях продают клиентам не «сырую» информацию, а уже готовый интегральный показатель, который вводится в автоматизированную систему кредитной организации.

Значение кредитных бюро чрезвычайно велико, их существование позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не обслуживались. Кроме того, общепризнанной является ценность предыдущей кредитной истории для прогнозирования вероятности дефолта.

В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и т. п.

Методы классификации клиентов

Итак, в нашем распоряжении имеется большой объем разнообразной информации о клиентах. В этом океане сведений даже кредитному инспектору со значительным опытом работы иногда сложно сориентироваться при ответе, скажем, на вопрос -- какой клиент представляет больший риск: разведенный бездетный мужчина-предприниматель или замужняя женщина-адвокат с тремя детьми, при том что уровень дохода у них одинаков? Чтобы иметь возможность сравнивать клиентов с совершенно разными признаками и принимать решения о кредитовании не интуитивно, а на основе формализованных критериев, непосредственно связанных с вероятностью дефолта, необходимо построить математическую модель, которая позволит оценить, какая информация является существенной, а какой можно пренебречь.

В целях построения модели сначала производится выборка клиентов кредитной организации, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет, иногда такая выборка называется «обучающей». Она может варьироваться от нескольких тысяч до сотни тысяч, что не является проблемой на Западе, где кредитный портфель компаний может состоять из десятков миллионов клиентов. Выборка подразделяется на две группы: «хорошие» и «плохие» риски. Это оправдано в том смысле, что банк при принятии решения о кредитовании на первом этапе выбирает из двух вариантов: давать кредит или не давать. При всей «детскости» определений «хороший»/«плохой», это именно те термины, которые используются кредитными аналитиками.

Определение «плохого» риска может быть разным в зависимости от политики банка, в Западной Европе «плохим» риском обычно считается клиент, задерживающийся с очередной выплатой на три месяца. Иногда к «плохим» рискам относятся клиенты, которые слишком рано возвращают кредит, и банк не успевает ничего на них заработать.

Таким образом, скоринг представляет собой классификационную задачу, где исходя из имеющейся информации необходимо получить функцию, наиболее точно разделяющее выборку клиентов на «плохих» и «хороших».

Но предварительно необходимо преобразовать имеющуюся информацию в форму, поддающуюся анализу. Существует два основных подхода, которые пригодны для работы как с количественными, так и с качественными характеристиками:

1. Преобразовать каждый признак в отдельную двоичную переменную. Этот подход неудобен в том плане, что приводит к большому количеству переменных, хотя он не навязывает никаких дополнительных отношений между зависимой и независимыми переменными.

   Преобразовать каждую характеристику в переменную, которая будет принимать значения, соответствующие отношению числа «плохих» клиентов с данным признаком к числу «хороших» клиентов с этим же признаком. Более усложненный вариант -- взять логарифм этого отношения. Таким образом, каждый признак получает числовую величину, соответствующую уровню его «рискованности».

Методы собственно классификации весьма разнообразны и включают в себя:

статистические методы, основанные на дискриминантном анализе (линейная регрессия, логистическая регрессия);

различные варианты линейного программирования;

дерево классификации или рекурсионно-партиционный алгоритм (РПА);

нейронные сети;

генетический алгоритм;

метод ближайших соседей.

Традиционными и наиболее распространенными являются регрессионные методы, прежде всего линейная многофакторная регрессия :

р = w o + w 1 x 1 + w 2 x 2 + … + w n x n ,

где р -- вероятность дефолта, w -- весовые коэффициенты, x -- характеристики клиента.

Недостаток данной модели заключается в том, что в левой части уравнения находится вероятность, которая принимает значения от 0 до 1, а переменные в правой части могут принимать любые значения от - Ґ до + Ґ .

Логистическая регрессия позволяет преодолеть этот недостаток:

log (p/(1-p)) = w o + w 1 x 1 + w 2 x 2 + … + w n x n .

Для применения логистической регрессии необходимы гораздо более сложные расчеты для получения весовых коэффициентов и, следовательно, более мощная компьютерная база и усовершенствованное компьютерное обеспечение. Но при современном уровне развития компьютерной техники это не является проблемой, и в настоящее время логистическая регрессия является лидером скоринговых систем.

Преимущество логистической регрессии еще и в том, что она может подразделять клиентов как на две группы (0 -- плохой, 1 -- хороший), так и на несколько групп (1, 2, 3, 4 группы риска).

Все регрессионные методы чувствительны к корреляции между характеристиками, поэтому в модели не должно быть сильно коррелированных независимых переменных.

Линейное программирование также приводит к линейной скоринговой модели. Провести абсолютно точную классификацию на плохих и хороших клиентов невозможно, но желательно свести ошибку к минимуму. Задачу можно сформулировать как поиск весовых коэффициентов, для которых ошибка и будет минимальной.

Дерево классификации и нейронные сети представляют собой системы, которые разделяют клиентов на группы, внутри которых уровень риска одинаков и максимально отличается от уровня риска других групп. Нейронные сети используются главным образом при определении кредитоспособности юридических лиц, где анализируются выборки меньшего размера, чем в потребительском кредите. Но наиболее успешной областью их применения стало выявление мошенничества с кредитными карточками благодаря их способности выявлять нестандартные ситуации (см.: Нортон М. Нервный бизнес//Банковские технологии. 1995. № 3. С. 73).

Генетический алгоритм основан на аналогии с биологическим процессом естественного отбора. В сфере кредитования это выглядит следующим образом: имеется набор классификационных моделей, которые подвергаются «мутации», «скрещиваются», и в результате отбирается «сильнейший», т. е. модель, дающая наиболее точную классификацию.

При использовании метода ближайших соседей выбирается единица измерения для определения расстояния между клиентами. Все клиенты в выборке получают определенное пространственное положение. Каждый новый клиент классифицируется исходя из того, каких клиентов -- плохих или хороших -- больше вокруг него.

На практике используется комбинация нескольких методов, и компании хранят свои скоринговые модели в строжайшем секрете, поэтому сложно сказать, какой метод лучше. Можно только делать приблизительные заключения, основываясь на научных публикациях, ниже приводится сравнительная таблица точности классификации для различных методов, составленная профессором Л. Томасом (Thomas L. C. A Survey of Credit and Behavioural Scoring//University of Edinburgh. 1999).

Сравнение следует производить только горизонтально, потому что авторы использовали разные определения «хороших» рисков и проводили исследования на различных популяциях и выборках. Таблица показывает процент правильно классифицированных клиентов. Цель всех приведенных исследований заключалась в сравнении эффективности различных методов классификации, поэтому не следует делать вывод, что данные цифры показывают эффективность скоринговых систем в целом, так как уже говорилось, что коммерческие системы используют несколько методов.

Таблица

Источники:

Henley W. E. Statistical aspects of credit scoring. Ph.D. thesis. Open University. 1995.
Boyle M. , Crook J. N. , Hamilton R. , Thomas L. C. Methods for credit scoring applied to slow payers in Credit Scoring and Credit Control//Oxford University Press. 1992.
Srinivasan V. , Kim Y. H. Credit granting: a comparative analysis of classification procedures//Journal of Finance. 1987. № 42.
Yobas M. B. , Crook J. N. , Ross P. Credit scoring using neural and evolutionary techniques//Working Paper 97/2, Credit research Centre, University of Edinburgh.
Desai V. S. , Convay D. G. , Crook J. N. , Overstreet G. A. Credit scoring models in the credit union environment using neural networks and genetic algorithms//IMA J. Mathematics applied in business and industry. 8/1997.

У каждого из методов имеются свои преимущества и недостатки, кроме того, выбор того или иного метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей. Регрессионные методы показывают значимость каждой характеристики для определения уровня риска, и поэтому особенно важны на этапе разработки анкеты, которую заполняют клиенты. Линейное программирование может оперировать большим количеством переменных и моделировать определенные условия: например, если маркетинговая стратегия банка направлена на молодежь, можно ввести условие, чтобы интегральный показатель молодых людей был выше, чем тех, кому за 60. Нейронные сети и деревья классификации выявляют нелинейные связи между переменными, которые могут привести к ошибке в линейных моделях.

Точность классификации проверяется либо методом «скользящего экзамена» для небольших выборок (модель строится на всей выборке за исключением одного клиента, выбранного наугад, затем проверяется на этом клиенте, и так перебираются все клиенты), либо при достаточно большой выборке она подразделяется на две части: на одной модель строится, на другой -- проверяется.

Ограничения, связанные с применением скоринга

В скоринге существует две основные проблемы. Первая заключается в том, что классификация выборки производится только на клиентах, которым дали кредит. Мы никогда не узнаем, как бы повели себя клиенты, которым в кредите было отказано: вполне возможно, что какая-то часть оказалась бы вполне приемлемыми заемщиками.

Но, как правило, отказ в кредите производится на основании достаточно серьезных причин. Банки фиксируют эти причины отказа и сохраняют информацию об «отказниках». Это позволяет им восстанавливать первоначальную популяцию клиентов, обращавшихся за кредитом.

Вторая проблема заключается в том, что люди с течением времени меняются, меняются и социально-экономические условия, влияющие на поведение людей. Поэтому скоринговые модели необходимо разрабатывать на выборке из наиболее «свежих» клиентов, периодически проверять качество работы системы и, когда качество ухудшается, разрабатывать новую модель. На Западе новая модель разрабатывается в среднем раз в полтора года, период между заменой модели может варьироваться в зависимости от того, насколько стабильной была экономика в это время. Для России, вероятно, максимальным периодом будет полгода, да и то при условии, что в этот период не произойдет никаких кардинальных потрясений типа событий августа 1998 г.

В настоящее время ведутся исследования того, как вводить социально-экономические характеристики в модель с тем, чтобы она служила дольше.

Перспективы развития скоринга в России

В России использование скоринг-систем тормозится, прежде всего, низкими объемами кредитования. Но с экономическим ростом (будем оптимистами) ситуация начнет меняться.

Само по себе небольшое по сравнению с западными кредитными организациями количество заемщиков препятствием не является, необходимо только следить за количеством характеристик по отношению к величине выборки. В статье В. Степанова, А. Заяца «Анализ состояния банка» (Банковские технологии. 1996. № 8. С. 58) авторы применили статистический подход -- кластерный анализ -- для классификации банков по группам рисков всего на 76 состояниях и при этом получили хороший результат -- более 90% совпадений с оценкой эксперта.

Отсутствие кредитных бюро, безусловно, также не способствует развитию скоринга. Но, с другой стороны, на Западе существует проблема проверки достоверности информации, которую человек указывает о себе в анкете. В России большая часть такой информации содержится в паспорте. Банкам достаточно иметь паспортные данные и данные трудовой книжки -- вот и исходный материал для анализа.

Еще один неблагоприятный фактор -- недостаточная распространенность таких универсальных статистических пакетов, как SAS и SPSS. Но, обращаясь опять к статье В. Степанова и А. Заяца, отметим использование пакета Stat-Media. Кроме того, существуют и другие программы, доступные по цене, которые могут делать линейную многофакторную регрессию, а для начала этого вполне достаточно.

Вполне вероятно, что в России скоринг сначала будет применяться не для физических лиц, а для юридических просто потому, что у банков накоплено гораздо больше информации о предприятиях, при этом используются балльные системы оценки риска различной сложности и с различным уровнем автоматизации. Отличие балльной системы от скоринговой заключается в том, что в первой значимость того или иного коэффициента или финансового показателя определяется субъективно, а во второй производится привязка коэффициентов к уровню риска.

На Западе при кредитовании юридических лиц скоринг-модели распространены не настолько широко, как в потребительском кредите. Это связано с тем, что для разработки модели очень трудно набрать достаточное количество компаний, сходных друг с другом: компании сильно отличаются по размеру, обороту, секторам экономики. Чем крупнее предприятие, тем труднее подобрать аналогичные предприятия для сравнения.

В последние годы большие сдвиги произошли в разработке скоринг-моделей для малого бизнеса. Применение скоринга для малого и среднего бизнеса оказалось возможным именно в силу большого количества сходных между собой предприятий.

В заключение хотелось бы отметить, что в России внедрение скоринга тормозится не столько объективными, сколько субъективными причинами, связанными с недоверчивым отношением банковских менеджеров к математическим и статистическим методам. Не так уж много требуется, чтобы начать анализировать своих клиентов -- кредитная история прошлых клиентов и статистический пакет, -- а отдача будет колоссальной. Среди преимуществ скоринговых систем западные банкиры указывают, в первую очередь, снижение уровня невозврата кредита. Далее отмечается быстрота и беспристрастность в принятии решений, возможность эффективного управления кредитным портфелем, отсутствие необходимости длительного обучения персонала.

В России внедрение скоринга должно осуществляться постепенно. Для начала можно сделать автоматизированную систему предварительной оценки заемщиков, которая будет автоматически отсеивать заведомо «плохие» риски, а на рассмотрение кредитного комитета предлагать риски «хорошие» и «пограничные». Но даже не вводя автоматизацию, можно оценить связь отдельных характеристик клиента с вероятностью дефолта как для физических, так и для юридических лиц -- знание таких характеристик может послужить существенной поддержкой кредитным инспекторам.

Итак, скоринг представляет собой автоматизированные системы оценки кредитного риска, которые широко используются в США и Западной Европе. В качестве исходного материала для скоринга используется разнообразная информация о прошлых клиентах, на основе которой с помощью различных статистических и нестатистических методов классификации делается прогноз о кредитоспособности будущих заемщиков. Скоринг-системы позволяют банковским работникам быстро принимать решения о кредитовании, регулировать объемы кредитования в зависимости от ситуации на рынке и определять оптимальное соотношение между доходностью кредитных операций и уровнем риска.

При подготовке статьи были использованы материалы Центра изучения кредита при Эдинбургском университете (Великобритания).