Разработка мероприятий по улучшению кредитной политики коммерческого банка

Для принятия положительного решения необходимо, чтобы итоговая сумма баллов превысила определенный уровень. Критической в данной модели является сумма в 1,25, т.е. если итоговый балл клиента нижеуказанного уровня, ему кредит предоставлен не будет.

Изучение кредитоспособности клиента является одним из наиболее важных методов снижения кредитного риска и успешной реализации кредитной политики, поскольку позволяет избежать необоснованного риска еще на этапе рассмотрения заявки на предоставление кредита.

Основным доступным способом регулирования риска по кредитам в банке, остается вопрос совершенствования собственных методик оценки кредитоспособности заемщиков коммерческих Банков России.

На современном этапе актуальным является внедрение скоринговых методик при этом с учетом недостатков зарубежного опыта путем усовершенствования.

Процесс построения скоринговой системы можно условно разбить на три этапа:

• Формулировка задачи и подготовка данных. С помощью экспертов в конкретной области формулируется задача скоринга, производится сбор и предварительная обработка данных.

• Анализ данных и построение модели. Производится поиск оптимальной модели для решения поставленной задачи. Необходимо оценить точность работы различных моделей и выбрать наилучшую из них.

• Применение модели. Модель применяется для реального принятия решений, при этом производится оценка её точности на фактических данных. По прошествии времени модель должна перестраиваться, чтобы отражать произошедшие изменения.

Один из методов кредитного скоринга метод оценки «дерева решений», представлен на рисунке 3.1

Рисунок 3.1- Определение группы заемщиков

На  основе  полученной  информации  можно  сделать определенные выводы, например:

• К  числу  самых  добросовестных  клиентов  относится женщина  в возрасте  от  25  до  35  лет,  имеющая  одного  или двух  детей, среднегодовой заработок, которой составляет менее 50 тыс. рублей;

• Одним из самых ненадежных клиентов является человек (независимо от пола) в возрасте от 18 до 25 лет, не имеющий детей, среднегодовой заработок которого составляет менее 50 тыс. рублей.

Для каждой группы устанавливаются лимиты кредита, проценты по нему и срок возврата. На базе всей этой информации  может  строиться или  корректироваться  скоринговая система, которой и пользуется кредитный менеджер банка, опираясь при оценке клиента уже не только на предположения, но и на вполне обоснованные данные, что, так или иначе, способствует снижению кредитного риска.

Оценку кредитоспособности клиента в ОАО Банк «Петрокоммерц» планируется осуществлять с помощью программы кредитного скоринга Credit4Cast. Данная программа использовалась банком раннее с 2005 по 2009 год. В настоящее время банк использует программу кредитного скоринга Application scoring компании Scorto Corporation. На данный момент, после усовершенствования программы Credit4Cast банку не смотря на большие затраты предлагается заново внедрить упомянутую выше программу кредитного скоринга Credit4Cast от компании Forecsys Scoring Solution.

Credit4Cast (Forecsys Scoring Solution) – высокоинтеллектуальное  решение, позволяющее снизить риски на всех этапах управления кредитом (см. рис. 3.2) без потери доходности портфеля.

Рисунок 3.2 – Модель управления кредитом

Продукт Credit4Cast разработан на основе передовых интеллектуальных технологий анализа данных научной школы академика Ю.И. Журавлева (Вычислительного центра РАН) и инновационных идей компании Forecsys. Credit4Cast полностью автоматизирует процесс загрузки, обработки и построения скоринговых моделей, снижая операционные затраты и освобождая специалистов от рутинных задач, сосредоточив их усилия на особых случаях, которые невозможно учесть при автоматическом прогнозировании.

Преимущества использования программы кредитного скоринга Credit4Cast:

• Комплексное решение задач кредитного скоринга;

• Разработка и внедрение скоринговых моделей в несколько кликов;

• Создание устойчивых скоринговых моделей с использованием ситуационных и макроэкономических показателей;

• Использование передовых алгоритмов настройки логических коринговых моделей;

• Эффективное построение скоринговых моделей при минимальном массиве историй данных;

• Простейший интерфейс, позволяющий выбирать между качеством настраиваемых моделей и их интерпретируемостью;

• Быстрая интеграция с существующей информационной системой.

Для определения качества работы действующих скоринговых моделей и общей эффективности программ кредитования, производится регулярное построение отчетности по стабильности клиентской группы, по качеству работы модели, по динамике проблемной задолженности, по основным параметрам кредитного портфеля и по доходности действующих программ кредитования.

В стандартной конфигурации в Системе нет модулей, требующих отклика в режиме реального времени. Наиболее приближен к работе в режиме реального времени решающий сервер — компонент Credit4Cast, принимающий и обрабатывающий в автоматическом режиме заявки на оценку клиентов. На сервере может работать одновременно любое количество скоринговых моделей, к примеру — отдельные модели для заявок, приходящих из разных регионов, по разным кредитным продуктам или, в общем случае, по разным сегментам клиентской базы.

Время работы алгоритмов зависит от объема входных данных. Для перечисленных ниже алгоритмов произведена ориентировочная оценка времени выполнения на рабочей станции на базе процессора Intel Pentium 4 для 1000 элементов выборки:

• Обработки заявок на оценку клиента — 1000 заявок в секунду;

• Автоматический подбор градаций признака — 1 сек.;

• Построение карт сходства — 20 сек.;

• Построение карт Кохонена — 5 сек.;

• Построение решающего дерева — 30 сек.;

• Построение решающего списка — 30 сек.;

• Построение голосующего набора правил — 30 сек.;

• Локальная адаптация скоринговой модели — 5 сек.;

• Автоматический тест качества модели — 5 мин.;

• Расчет портфельных показателей — 3 мин.;

• Время генерации статистического отчета о работе сервера — 3-5 минут.

Алгоритмы, не указанные в списке, не являются ресурсоемкими, и в обычной ситуации не требуют сколько-нибудь значительного времени на выполнение.

Использование Credit4Cast позволяет существенно повысить качество кредитного портфеля, уменьшив уровень просроченной задолженности.  

Скоринговые модели, построенные с помощью Credit4Cast, помогают точно разделить заемщиков по степени надежности. Возможен выбор оптимального соотношения между объемом выданных кредитов и уровнем дефолтов по ним. Для каждого потенциального клиента оцениваются наиболее подходящие параметры кредита: срок, объем и ставка.

Например, на основе построенной модели получаются следующие правила:

• ЕСЛИ Обеспеченность займа = Да И Срок проживания в данной местности, лет > 5,5 И Количество лет > 19,5 И Наличие недвижимости = Да И Наличие банковского счета = Да ТО Давать кредит = Да (Достоверно на 98%)

• ЕСЛИ Обеспеченность займа = Да И Срок проживания в данной местности, лет > 5.5 И Наличие недвижимости = Да И Количество лет > 21.5 И Срок работы на данном направлении, лет <= 5.5 И Пол = Муж И Наличие банковского счета = Нет И Основное направление расходов = Одежда, продукты питания и т.п. ТО Давать кредит = Нет (Достоверно на 88%).

Благодаря автоматизированной процедуре построения и контроля жизненного цикла скоринговых моделей, оценка заемщика происходит быстро, регулярно проверяется качество модели.

Внедрение программы кредитного скоринга Credit4Cast позволит:

• Максимально уменьшить уровень дефолтов и просрочек по кредитам;

• Максимально уменьшить уровень отказов надежным кредитоспособным заемщикам;

• Оптимально формировать условия выдачи кредита;

• Максимально ускорить процедуру и снизить операционные затраты оценки кредитоспособности заемщика;

• Расширять состав и размер кредитного портфеля при заданной политике кредитных рисков (уровень невозвратов, прибыльность портфеля);

• Максимально уменьшить уровень мошенничества.

Таким образом, для эффективного формирования кредитного портфеля и минимизации кредитного риска банку необходимо внедрить программу Credit4Cast для оценки потенциальных заемщиков. С помощью данных мероприятий  ОАО Банк «Петрокоммерц» не только сократит процент просроченных ссуд, но и избежит дальнейших убытков для их покрытия.

В следующем параграфе рассчитаем экономическую эффективность от внедрения программы и подсчитаем смету затрат для ее реализации.

 

3.2 Расчет экономического  эффекта от внедрения мероприятий  по улучшению кредитной политики  ОАО Банк «Петрокоммерц»

 

Завершающим этапом программы по совершенствованию кредитной политики  ОАО Банк "Петрокоммерц" является проведение оценки эффективности, ее реализации и проведение корректирующих мероприятий в случае необходимости.

Оценку эффективности реализации предложенных программ можно осуществлять по следующим показателям:

• Материальные затраты на реализацию предложенного проекта;
• Экономический эффект полученный от предлагаемых мероприятий;

Итогами предложенных и реализованных мероприятий, направленных на совершенствование кредитной политики, будут:

• Повышение качества кредитных продуктов банка;
• Изменение финансовых показателей деятельности в ходе реализации программы;
• Расширенный размер кредитного портфеля при заданной политике кредитных рисков (уровень невозвратов сократится, прибыльность портфеля увеличится).

Применение на практике вышеуказанных мероприятий позволит банку повысить качество кредитного портфеля и тем самым повысить эффективность кредитной политики.

Проведем расчет эффективности внедрения системы кредитного скоринга. Экономический эффект от внедрения системы кредитного скоринга можно рассчитать по формуле (2):

, (2)

Д – доход от внедрения системы;

З – затраты банка на внедрение системы.

Стоимость внедрения системы кредитного скоринга составляет около 1,8 млн. рублей.

 Известно, что скоринговые  системы сокращают риск невыплат  по кредитам на 15 - 40%. В расчет возьмем среднюю величину – 27,5 %. Из выше указанного анализа второй главы известно что, кредитный портфель на 31.12.2013 год составил 188 423 204 тыс. рублей. Если предположить, что после внедрения программы кредитного скоринга доля просроченной задолженности сократится на 1,5% и составит при этом 1,9 % от кредитного портфеля в целом, то величина просроченных кредитов в 2014 году составит:

188 423 204 тыс. рублей * 1,9/100 = 3 580 041 тыс. рублей

Доход от внедрения программы кредитного скоринга составит:    3 580 041 - 27,5% = 2 595 530 тыс. рублей

Тогда эффективность внедрения системы кредитного скоринга составляет:

2 595 530 тыс. рублей – 1 800 000 тыс. рублей = 795 530 тыс. рублей в год.

Применение программы кредитного скоринга Credit4Cast позволит увеличить основные показатели деятельности банка на 10% за 2014 год.

Следовательно:

• Активы, приносящие прямой процентный доход составит 26 257 900 тыс. рублей + 10% = 28 883 690 тыс. рублей;
• Кредитный портфель составит 188 423 204 тыс. рублей + 10%=       208 874 958 тыс. рублей
• Ссуды кредитным организациям составят 25 717 419 + 10% = 28 289 161 тыс. рублей;
• Кредиты юридическим лицам будут ровняться 130 517 113 + 10% = 143 568 824 тыс. рублей.

Кредиты, предоставленные физическим лицам, увеличатся на 15% и составят 32 188 672 + 15% = 37 016 973 тыс. рублей.

 

Прогнозируемый эффект от предложенных мероприятий представлен в таблице 3.1.

Таблица 3.1 – Экономический эффект от предложенных мероприятий в банке ОАО «Петрокоммерц» на 2014 год, тыс. рублей.

Наименование показателя	Факт 2013 года	Прогноз 2014 года	Экономический эффект
1. Активы, приносящие прямой процентный доход	26 257 900	28 883 690	2 625 790
2.Кредитный портфель в  том числе:	188 423 204	208 874 958	20 451 754
2.1.Ссуды кредитным организациям	25 717 419	28 289 161	2 571 742
2.2.Кредиты юридическим  лицам	130 517 113	143 568 824	13 051 711
2.3.Кредиты, предоставленные  физическим лицам	32 188 672	37 016 973	4 828 301
3.Просроченная задолженность	6 406 389	3 580 041	- 2 826 348
4.Доля просроченной задолженности	3,4%	1,9%	1,5%