Кредитная политика коммерческого банка

 Внедрение данной технологии особенно актуально для Агропромкредит в связи с тем, что одной из приоритетных сфер деятельности Агропромкредит является расширение клиентского кредитования. Увеличение объема кредитного портфеля планируется как за счет расширения лимитов кредитования основных заемщиков, так и за счет привлечения новых клиентов.

Большое внимание уделяется диверсификации кредитного портфеля. Увеличение числа потенциальных заемщиков будет проводиться за счет расширения и активизации работы филиальной сети, представленной практически во всех промышленных регионах страны. План стратегического развития Агропромкредит предполагает также высокие темпы развития деятельности по обслуживанию частной клиентуры.

Основными источниками дохода Банка являются кредитование населения, малого и среднего бизнеса, крупных корпоративных клиентов, торговля ценными бумагами и обслуживание VIP-клиентуры.

Решение состоит в создании адаптивных систем кредитного скоринга, опирающихся на демографическую, ситуационную и историческую информацию.

Демографическая информация - это анкетная информация о клиенте.

Ситуационная информация - информация о том, за каким кредитом, в какое место и время пришел клиент. В случае револьверного кредитования такая информация отсутствует.

Историческая информация - информация об истории финансовых операций с клиентом. Пока что в большинстве случаев такая информация отсутствует.

С полученной информацией производится два основных действия - проверка информации (банки не хотят выдавать кредит тому, кто их обманывает) и кредитный скоринг.

Проверка информации должна включать:

• проверку информации на полноту и непротиворечивость (в случае необходимости информация уточняется);
• проверка информации по внешним базам данных. В большинстве случаев банк может получить базы для проверки демографических данных таких, как прописка и владение автотранспортом. Часть этих проверок может быть интегрирована, а часть требовать выгрузки данных и проверки вручную инспектором безопасности;
• проверка информации на соответствие данных данным других анкет. Такие проверки могут выявить, например, ситуацию, когда жена уже получила кредит, а муж подал заявку на еще один потребительский кредит.

Для скоринга обычно предлагается использовать нейронную сеть. Свойство универсальной аппроксимации нейронной сети говорит о том, что она работает, по крайней мере, не хуже любого наперед заданного метода или модели кредитного скоринга. Нейронная сеть обучается на конкретных демографических и ситуационных данных.

Как и со всякой системой, основанной на системах искусственного интеллекта, с нейронной сетью самое сложное - ее обучение и запуск в эксплуатацию. В начальный момент отсутствует история выдачи кредитов, и вряд ли конкуренты поделятся информацией. Более того, данные разнятся по регионам, и те признаки, которые были важны в одном регионе, могут в другом не работать.

Соответственно, предлагается взять сначала как можно больше анкетных и ситуационных данных о клиенте. В дальнейшем те пункты анкеты, которые не влияют на кредитный риск, отбросить.

Начальное обучение нейронной сети производится на основе специально сгенерированной выборки анкет и простой скоринговой модели и экспертных оценок.

Другой проблемой, сопряженной с использованием нейронной сети является некоторая непрозрачность для человеческого понимания принимаемых ею решений. Решение, предлагаемое разработчиками данных автоматизированных систем, состоит в:

• извлечении правил из нейронной сети для понимания факторов, влияющих на кредитные риски и управления ими;
• утверждении и использовании в операционной деятельности дерева решений.

Одна из таких программ "NTRScoring" представляет собой модуль управления взаимоотношениями с клиентами интегрированной банковской системы (ИБС) и включающий в себя систему скоринга - расчета кредитного рейтинга, и настраиваемый на основе правил и регламентов, принятых в кредитной организации.

Система реализует отработанный и содержательный бизнес-процесс работы с клиентом в части предоставления им продуктов (как правило, кредитов того или иного вида). Бизнес-процесс может быть настроен на условия в конкретном банке.

Назначение данной системы в следующем:

• создание единой базы данных по клиентам Банка, зарегистрированных в рамках Системы;
• автоматизация процессов регистрации и обработки заявок клиентов Банка на предоставление Продуктов в рамках Системы;
• автоматизация процесса принятия решения о кредитоспособности клиентов на основе процедуры скоринга;
• обеспечение целостности информации по клиентам в Системе;
• накопление кредитной истории клиентов Банка;
• автоматизация процедур управления продуктами;
• обеспечение целостности информации по кредитам в Системе;
• получение статистической и аналитической информации по использованию продуктов Банка;
• анализ истории предоставления кредитов;
• расчет и перерасчет скоринговых коэффициентов.

Схема бизнес-процессов в части предоставления продуктов следующая:

• регистрация заявок клиентов на предоставление Продуктов (заявка содержит подробную информацию о клиенте);
• уточнение данных клиента;
• предварительная проверка заявок на полноту и достаточность предоставленной информации;
• проверка на наличие информации о клиенте в "черном списке";
• проведение расчета кредитного рейтинга клиента на основании зарегистрированной заявки;
• выполнение проверки информации на внешние условия;
• утверждение заявки кредитным инспектором;
• при необходимости согласование условий предоставления Продукта с клиентом;
• формирование пакета документов для подписания клиентом;
• регистрация клиента в Системе.

В разных странах набор характеристик, описывающих заемщиков, и их относительный вес в оценке кредитного риска различаются, как различны экономические условия жизни и национальный менталитет. Поэтому нельзя автоматически переносить модель из одной страны в другую. В российских условиях параметры одного региона не переносимы на ситуацию другого региона, на его уровни зарплат и рисков. Более того, не дает эффекта даже перенос скоринговой модели из одного банка в другой, поскольку клиентская база каждого банка имеет свои особенности.

Предлагается разработка и внедрение системы скоринга, позволяющей оценивать кредитный риск заемщика и всего кредитного портфеля на основании уникальной модели, адаптивной к данным. Модель скоринга физических лиц может базироваться на анкетных данных заемщиков, экспертных знаниях менеджмента банка, численных оценках, полученных на статистике "плохих" и "хороших" кредитов, численных оценках, построенных на объективной региональной и отраслевой информации.

В результате работы модели по оценке конкретного заемщика формируется кредитный портрет потенциального заемщика, позволяющий производить:

• процедуру разделения потенциальных заемщиков на "плохих", которым не может быть выдан кредит, и "хороших", которым кредит может быть выдан;
• расчет индивидуальных параметров кредитной сделки для конкретного заемщика (лимит, процент, срок, график погашения кредита);
• расчет риска и управление кредитным портфелем по всем ссудам, выдаваемым частным лицам.

Методология решения базируется на анализе специфики деятельности банка. При этом учитываются как группы клиентов (отраслевая и региональная принадлежность и др.), так и кредитные продукты банка для физических лиц. Исходя из потребностей банка в развитии бизнеса и имеющихся данных, могут быть построены скоринговые модели, основанные на экспертных знаниях банковского менеджмента, на статистических данных, на учете макроэкономических данных о социально-экономическом развитии конкретных регионов и отраслей. Наиболее мощными по точности оценки кредитного риска являются модели, использующие комплексный подход, т.е. учет всех данных и экспертных знаний менеджмента банка.

Ключевые преимущества от внедрения скоринговой системы:

• сокращение сроков принятия решения о предоставлении кредита. Увеличение числа и скорости обработки заявок за счет минимизации документооборота при выдаче кредита частным клиентам, как важнейший способ обеспечения доходности ритейлового кредитования;
• эффективная оценка и постоянный контроль уровня рисков конкретного заемщика;
• снижение влияния субъективных факторов при принятии решения о предоставлении кредита. Обеспечение объективности в оценке заявок кредитными инспекторами во всех филиалах и отделениях банка;
• оценка и управление риском портфеля кредитов частным лицам банка в целом, включая его отделения. Учет, при определении параметров новых кредитов, уровня доходности и риска кредитного портфеля;
• реализация единого подхода при оценке заемщиков для различных типов кредитных продуктов банка (кредитные карты, потребительские кредиты, автокредитование, ипотечные кредиты);
• адаптация параметров кредита под возможности конкретного заемщика (кастомизация кредитного продукта);
• резкое расширение, за счет кастомизации кредитных продуктов, состава и численности кредитуемых лиц;
• сокращение численности банковского персонала, экономия за счет использования персонала более низкой квалификации.

Для построения скоринговой системы могут быть использоваться следующие типы данных:

• макроэкономические данные, представляющие собой статистическую информацию по социально-экономическому развитию для тех регионов, в которых имеются отделения (представительства, филиалы) банка, или в которых банк планирует их открыть;
• статистические данные предприятий регионов с тем, чтобы включить в модель скоринга информацию о принадлежности заемщика к определенному сектору экономики для повышения точности оценки.
• Анкетные данные по всем имеющимся заемщикам банка в разрезе возвратов и невозвратов долга, а также по просроченным выплатам процентов и основной суммы долга. Состав анкетных данных, необходимых для работы модели, определяется после предварительного анализа;
• экспертные знания банковского менеджмента по каждому из типов кредитных продуктов банка.

В качестве иллюстрации на рисунке №7 приведен пример бизнес-процесса работы банка по кредитной заявке - от первого контакта с клиентом до принятия банком предварительного решения о предоставлении кредита на определенную сумму (до выбора заемщиком квартиры). Видно, что тут основную роль в снижении рисков до минимума играет согласованная работа всех сотрудников банка в соответствии с утвержденной схемой принятия решения.

Рисунок 7. - Пример бизнес-процесса принятия решения о предоставлении ипотечного кредита (до выбора квартиры заемщиком).

Проведем расчет эффективности внедрения системы кредитного скоринга. Экономический эффект от вндерния системы кредитного скоринга можно рассчитать по формуле:

Э = Д-З

Где Д - доход от внедрения системы;

З - затраты банка на внедрение системы.

Стоимость внедрения системы кредитного скоринга составляет около 1000 тыс. руб.

Известно, что скоринговые системы сокращают риск невыплат по кредитам на 15-40%. В расчет возьмем среднюю величину - 27,5 %. Согласно стратегическим планам Агропромкредит на 2014 год, потребительский кредитный портфель банка составит 130996,5 тыс. руб. Если предположить, что доля просроченных и безнадежных ссуд в кредитном портфеле банка не изменится и останется на уровне 2013 года, т.е. 1,3 % (без внедрения скоринговой системы), то в 2014 году величина просроченных и безнадежных ссуд банка составит:

130996,5 * 1,3/100 = 1702,95 тыс. руб.

С внедрением скоринговой системы величина просроченных и безнадежных ссуд банка сократиться на 468,3 тыс. руб., т.е. составит:

1702,95 - 468,3 = 1234,63 тыс. руб.

То есть эффективность внедрения системы кредитного скоринга составляет:

1234,63  - 1000 = 234,63 тыс. руб. в  год.

Таким образом, система скоринга позволит банку Агропромкредит резко увеличить объем продаж кредитных продуктов банка путем сокращения сроков проверки кредитной заявки и индивидуальной настройки параметров кредита под каждого заемщика. Система скоринга обеспечивает быструю и объективную оценку уровня рисков выдаваемых кредитов и принятие таких решений по ссудам, которые минимизируют кредитные риски портфеля.

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

По дипломной работе можно сделать следующие выводы.

Сущность кредитной политики определяется как стратегия и тактика банка по привлечению ресурсов на возвратной основе и их инвестированию в части кредитования клиентов банка. Предметной стороной реализации кредитной политики являются функциональные формы и виды кредитной политики банка. В основу классификации видов кредитной политики положены различные критерии: срок, цена кредита, тип рынка и др. Независимо от вида кредитная политика банка имеет внутреннюю структуру. Основными элементами кредитной политики коммерческого банка являются: