Управление рисками потребительског окредитовнаия

Таким образом, во второй главе дипломной работы была дана краткая финансово-организационная характеристика банка ВТБ24 (ЗАО) на основе Формы №1 «Баланс» и Формы №2 «Отчета о прибылях и убытках». Были сделаны выводы о динамике ключевых показателей Банка за 12 месяцев 2013 г.:

• активы  увеличились в 1,18 раза – до 1 739,2 млрд. рублей. На 01.01.2013 этот показатель составлял 1 472,0 млрд. рублей.
• объем собственных средств (капитала) Банка вырос в 1,16  раза – до 178,1 млрд. рублей. На начало года этот показатель составлял 154,2 млрд. рублей.
• чистая ссудная задолженность выросла в 1,20 раза и составила на 1 октября 2013 года 1 518,5 млрд. рублей (1 265,2 млрд. рублей на начало 2013 года).
• привлеченные средства клиентов выросли в 1,20 раза  и на 1 октября 2013 года составили 1 574,1 млрд. рублей (1 307,4 млрд. рублей на 01.01.2013 г.).
• объем портфеля розничных продуктов увеличился в 1,23 раза – до 1 219,4 млрд. рублей.               

По результатам 12 месяцев 2013 года объем доходов Банка составил: процентные доходы -  более 149 млрд. рублей,  комиссионные доходы – более 17 млрд. рублей, что превышает аналогичные показатели за 2012 год. Так процентные доходы выросли на 36%, комиссионные доходы продемонстрировали рост на 21% по сравнению с аналогичным периодом 2012 года.

Во втором параграфе проведен анализ рисков потребительского кредитования в банке. На основании проведенного анализа можно сделать вывод о том, что факторы кредитного риска носят как внешний характер по отношению к банку, так и внутренний. Факторы, носящие внешний характер, связаны с возможностью реализации кредитного риска по причине, не зависящей от деятельности персонала кредитного подразделения банка. Напротив, факторы, носящие внутренний характер связаны с ошибками персонала, допущенными в ходе оформления кредитной документации, ошибками при оценке кредитоспособности заемщика, нарушениями должностных инструкций и ошибками, заложенными в самих правилах осуществления кредитования.

Третий параграф 2 главы посвящен исследованию  политики управления рисками в ВТБ24. Основная цель кредитной политики ВТБ24 - формирование кредитного портфеля, позволяющего поддерживать качество активов на приемлемом уровне, обеспечивающего целевой уровень доходности, направленного на минимизацию кредитных рисков. Большую проблему представляет неразработанность научно-обоснованной методологической базы и отсутствие внутрибанковских методик по определению. Таким образом успешная реализация задач коммерческого банка невозможна без серьезной модернизации системы управления рисками.

Глава 3. Разработка рекомендаций по минимизации рисков потребительского кредитования в ВТБ24 (ЗАО)

1. Мероприятия по снижению рисков потребительского кредитования и оценка их эффективности

Анализ кредитной политики банка показал, что одна является достаточно эффективной. Однако на фоне общих тенденций на рынке потребительского кредитования банку можно рекомендовать следующее.

1. Снижение кредитных рисков

Основное направление снижения кредитного риска - это формирование надежного состава клиентов, имеющих расчетные счета в конкретном банке. Поэтому оценка кредитоспособности клиента является важнейшим этапом в процессе кредитования, и любому коммерческому банку необходимо придавать огромное значение разработке современной методологической базы оценки кредитоспособности, тестированию квалификации кредитных работников. Ошибка при оценке кредитоспособности клиента может привести к невозврату кредита, что в свою очередь способно нарушить ликвидность банка и, в конечном счете, привести к банкротству кредитной организации.

Принимая решение о возможности, целесообразности и условиях кредитования, банк должен, главным образом выявить наличие потенциальной способности заемщика вернуть полученную ссуду в соответствии с оговоренными сроками. Это становится возможным лишь в том случае, если финансовое положение заемщика устойчиво, а денежные поступления на его счета за реализованную продукцию (работы, услуги) осуществляются стабильно. Финансовое положение не может быть охарактеризовано каким-то одним показателем, поэтому решения о заключении кредитного договора осуществляется в условиях многокритериальной задачи.

В ВТБ24, как показал анализ, разработана достаточно эффективная система управления кредитными рисками (о чем свидетельствует низкий уровень просроченных ссуд в кредитном портфеле банка). Однако в данной системе есть и свои недостатки. При оценке кредитоспособности заемщика в учет принимаются, как правило, достоверность предоставленных Заемщиком сведений, а также величина доходов Заемщика.

При оценке платежеспособности Заемщика в ВТБ24 рассчитывается коэффициент платеж-доход.

  (3.1)

Коэффициент определяет предельно допустимую долю расходов Заемщика / Созаемщика по кредиту (в части платежей по основному долгу и процентам) в совокупных доходах Заемщика / Созаемщика. Превышение коэффициента свидетельствует о повышенном риске Банка при предоставлении кредитных средств.

                                  (3.2)

где:  К – максимальная сумма предоставляемого кредита; D - среднемесячный доход семьи; n - период кредитования в месяцах; i - ставка кредитования, процентов годовых; ДО - сумма денежных обязательств Клиента.

Величина суммы предоставляемого кредита уменьшается при наличии денежных обязательств физического лица.

При оценке кредитоспособности Заемщика ВТБ24 не учитывает такие факторы как наличие сберегательного счета в банке, страхование жизни Заемщика.

Помимо расчета платежеспособности Заемщика возможно при предоставлении банком потребительского кредита использовать модель бальной оценки кредита. В этом случае потенциальному заемщику предлагается заполнить специальные стандартные анкеты. Баллы начисляются в зависимости от возраста, пола, семейного положения, месячного дохода, оседлости, занятости в конкретной отрасли и срока работы на определенном месте, наличия сберегательного счета в банке, недвижимости, страхового полиса и т.д. Для принятия положительного решения необходимо, чтобы итоговая сумма баллов превысила определенный уровень.

Упрощенная модель бальной оценки заемщика потребительского кредита, основана на девяти факторах:

• возраст заемщика: 0,01 балла за каждый год сверх 20 лет при максимуме 0,3 балла;
• пол: 0,4 балла - женский; 0 - мужской;
• оседлость: 0,042 балла за каждый год, прожитый в данной местности, при максимуме 0,42 балла;
• занятость: 0,55 балла за профессию с низким уровнем риска для жизни; 0 - с высоким риском, 0,16 балла - за все остальные профессии;
• отрасль: 0,21 балла для работников коммунальных служб, государственных и банковских служащих, 0 - для всех остальных;
• стабильность занятости: 0,059 балла за каждый год на данном месте работы при максимуме 0,59 балла;
• наличие сберегательного счета в банке: 0,35 балла;
• наличие недвижимости: 0,35 балла;
• страхование жизни: 0,19 балла.

Критической в данной модели является сумма в 1,25, т.е. если итоговый балл клиента ниже указанного уровня, ему кредит предоставлен не будет.

Это позволит ВТБ24 не только рассчитать платежеспособность клиента, но также и учесть дополнительные риски при потребительском кредитовании.

2. Внедрение новых кредитных  технологий (например, кредитный скоринг).

Кредитный скоринг используется для автоматизации потребительского кредитования. Под кредитным скорингом понимается формальный метод принятия решения о выдаче/невыдаче кредита или максимальной сумме выдаваемого кредита. Классические методы кредитного скоринга опираются на кредитную историю. Тем, не менее, несмотря на то, что данная технология известная достаточно давно, не все банки ее применяют.

Внедрение данной технологии особенно актуально для ВТБ24 в связи с тем, что одной из приоритетных сфер деятельности ВТБ24 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 ВТБ24 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.

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.

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.

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 (экспресс-кредиты, 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;
• контроль всех шагов рассмотрения заявки;
• возможность вносить коррективы в методологию оценки централизованно и немедленно вводить их в действие во всех отделениях банка.

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.