Кредитная политика

Комплексная разработка теоретических  и практических вопросов формирования и реализации механизма управления кредитным риском коммерческого  банка является важной экономической  проблемой, решение которой позволит существенно повысить качество кредитного портфеля. Для решения этой задачи необходимо внедрять передовой зарубежный и отечественный теоретический и практический опыт в части оценки кредитных рисков, использовать единые подходы к анализу кредитоспособности индивидуальных заемщиков, качества кредитов и бизнес-риска индивидуальных заемщиков. С другой стороны, необходимо проводить последовательный анализ качества кредитного портфеля банка в целом и его структуры.

Такой подход будет способствовать существенному ограничению степени  влияния кредитного риска на банковскую систему страны, и, следовательно, способствовать укреплению ее стабильности и эффективности.

 

3.2 Использование инновационных методов анализа данных с целью снижения кредитного риска

 

Для уменьшения риска при  операциях кредитования физических лиц рассмотрим метод, основанный на применении технологии интеллектуального анализа данных. Риск, связанный с невозвратом суммы основного долга и процентов можно значительно снизить, оценивая вероятность возврата заемщиком кредита. В последнее время для оценки риска кредитования заемщика в мировой практике широкое распространение получил скоринг. В России ему также уделяют должное внимание.

Сущность этого метода состоит в том, что каждый фактор, характеризующий заемщика, имеет  свою количественную оценку, то есть баллы. Суммируя полученные баллы, можно получить оценку кредитоспособности физического лица. Каждый параметр имеет максимально возможный порог, который выше для важных вопросов и ниже для второстепенных.

На сегодняшний день известно достаточно много методик кредитного скоринга. Одной из самых известных является модель Дюрана. Дюран определил группы факторов, позволяющих максимально определить степень кредитного риска. Но эта модель как любая другая не идеальна и имеет ряд недостатков.

Основным недостатком  скоринговой системы оценки кредитоспособности физических лиц является то, что  она очень формализована, плохо адаптируема. Хорошая методика для оценки кредитоспособности система, должна отвечать реальному положению дел.

Для адаптации скоринговой  модели оценки кредитоспособности физических лиц специалисту необходимо проделывать путь. То есть специалисты, которые будут заниматься такой адаптацией должны быть высоко квалифицированными, и должны профессионально оценить текущую ситуацию на рынке. Результатом проделанной работы будет набор факторов с весовыми коэффициентами плюс некий порог , преодолев который, человек, обратившийся за кредитом, считается способным погасить испрашиваемую ссуду плюс проценты. Полученные результаты являются по большей части субъективным мнением и, как правило, плохо подкреплены статистикой, то есть являются статистически необоснованные.

Итак, задача заключается  в построении модели оценки потенциальных заемщиков. Решение задачи также должно обладать большой достоверностью классификации, возможностью адаптации к любым условиям, простотой использования модели.

Пользуясь приведенной методикой, была предложена гипотеза о том, какие  факторы влияют на кредитоспособность человека. По мнению экспертов, по этим факторам можно учесть суммарный риск. Тем самым должно достигаться и отнесение потенциального заемщика к способным вернуть кредит или не способным.

"Дерево решений" - один из методов автоматического анализа данных. Получаемая модель - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

Сущность метода заключается  в следующем:

На основе данных, за прошлые  периоды строится "дерево". При этом класс каждой из ситуаций, на основе которых строится "дерево", заранее известен. В нашем случае должно быть известно, была ли возвращена основная сумма долга и проценты, и не было ли просрочек в платежах.

При построении "дерева" все известные ситуации обучающей выборки сначала попадают в верхний узел, а потом распределяются по узлам, которые в свою очередь также могут быть разбиты на дочерние узлы. Критерий разбиения - это различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия - мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Неопределенность тем выше, чем больше примесей  находятся в одном узле. Энтропия равна нулю, если в узле будут находиться объекты, относящиеся к одному классу.

Полученную модель используют при определении класса вновь возникших ситуаций.

При существенном изменении  текущей ситуации на рынке, "дерево" можно перестроить, т.е. адаптировать к существующей обстановке.

При обучении дерева использовались следующие факторы, определяющие заемщика: "N Паспорта"; "ФИО"; "Адрес"; "Размер ссуды"; "Срок ссуды"; "Цель ссуды"; "Среднемесячный доход"; "Среднемесячный расход"; "Основное направление расходов"; "Наличие недвижимости"; "Наличие автотранспорта"; "Наличие банковского счета"; "Наличие страховки"; "Название организации"; "Отраслевая принадлежность предприятия"; "Срок работы на данном предприятии"; "Направление деятельности заемщика"; "Срок работы на данном направлении"; "Пол"; "Семейное положение"; "Количество лет"; "Количество иждивенцев"; "Срок проживания в данной местности"; "Обеспеченность займа"; "Давать кредит". При этом поля: "N Паспорта", "ФИО", "Адрес", "Название организации" алгоритм уже до начала построения дерева решений определил как непригодные по причине практической уникальности каждого из значений.

Целевым полем является поле "Давать кредит", принимающий значения "Да" и "Нет". Эти значения можно интерпретировать следующим образом: "Нет" - плательщик либо сильно просрочил с платежами, либо не вернул часть денег, "Да" - противоположность "Нет". Методология хранилища такова, что информация хранится в процессах, каждый процесс имеет определенный набор измерений и фактов. Т.е. процесс реализован по стандартной схеме "Звезда", в центре которой хранятся факты, а измерения являются лучами. В данном случае процесс отображает выдачу кредита заемщику. Наиболее ценной информацией процесса является статус кредита. Хороший кредит - тот, который заемщик вернул в срок и в полном объеме, плохой - обратная ситуация.

Анализируя полученное дерево решений можно сделать вывод, что при помощи дерева решений  можно проводить анализ значащих факторов. Такое возможно благодаря тому, что при определении параметра на каждом уровне иерархии, по которому происходит разделение на дочерние узлы, используется критерий наибольшего устранения неопределенности. Таким образом, более значимые факторы, по которым проводится классификация, находятся на более близком расстоянии от корня дерева, чем менее значимые. Очень важной особенностью построенной модели является то, что правила, по которым определяется принадлежность заемщика к той или иной группе записаны на естественном языке.

Используя такой подход можно  устранить сразу оба вышеописанных  недостатка скоринговой системы  оценки кредитоспособности. То есть:

Стоимость адаптации сводится практически к минимуму за счет того, что алгоритмы построения модели классификации - это самоадаптируемые модели.

Качество результата достаточно велико за счет того, что алгоритм выбирает наиболее значимые факторы для определения  конечного ответа. Плюс ко всему полученный результат является статистически обоснованным.

Основные преимущества системы:

-Гибкая интеграция с любыми сторонними системами, т.е. получение информации для анализа и перенос результатов не вызывает проблем.

-Консолидация информации о заемщиках в специальном хранилище данных.

-Обеспечение возможности эксперту выбрать наиболее подходящий метод на каждом шаге обработки..

-Обеспечение возможности сотрудникам, не разбирающимся в методиках анализа и способах получения того или иного результата получать ответ на основе моделей подготовленных экспертом.

-Обеспечение возможности дать решение по списку потенциальных заемщиков.

-Обеспечение возможности эксперту оценить адекватность текущей модели.

Таким образом, для эффективного формирования кредитного портфеля банкам необходимо взять на вооружение передовые  технологии добычи знаний и применить  их для оценки потенциальных заемщиков. Благодаря этому можно будет не бояться предстоящей конкуренции на этом рынке. Подготовка решения данного вопроса сейчас позволит обкатать саму процедуру и в дальнейшем избежать ошибок и расходов в связи с массовым применением таких подходов в дальнейшем.[6]

3.3 Экономический методы как способ повышения качества кредитной политики

 

Применение на практике вышеуказанных  инструментов позволит Банку повысить качество кредитного портфеля и тем  самым повысить эффективность кредитной  политики. Вследствие отслеживания уровня кредитного риска с помощью эконометрических методов банк может прогнозировать свой кредитной портфель и минимизировать риски, что позволит повысить его доходность.[7]

Прогнозируемый эффект от предложенных мероприятий представлен  в таблицах 9 и 10

Таблица 9- Прогнозируемые показатели деятельности ОАО Сбербанка России, тыс. руб.

Показатели	Среднегодовой остаток задолженности		Полученные проценты по ссудам		Средняя доходность %
	2010 год	Прогнозируемый период	2010 год	Прогнозируемый период	2010 год	Прогнозируемый период
Активы, приносящие прямой процентный доход	2 101 047	2521 256	х	х	х	х
Кредитный портфель - всего	1 798 847	2 421 598	247 987	347181,8	13,79%	14,34%
В том числе
1 Кредиты юридическим лицам	732 779	989 252	99 496	139294,4	13,58%	14,08%
2 Кредиты, выданные физическим  лицам - индивидуальным предпринимателям	115 426	155 825	16 930	23 702	14,67%	15,21%
3 Кредиты предоставленные физическим  лицам	938 196	1 266 565	131 561	184 185,4	14,02%	14,54%
Просроченная задолженность	12446	9 957	х	х	х	х
Доля просроченной задолженности  в ссудной задолженности	0,69%	0,41%	х	х	х	х
Уровень кредитного риска	2,57%	2,37%	х	х	х	х

[http://www.sbrf.ru]

Из таблиц видно, что уровень  кредитного риска в прогнозируемом периоде снизится на 0,2%, уровень просроченной задолженности на 0,28%, в абсолютном выражении на 2489 тыс. руб.

Таблица 10- Прогнозируемая структура доходов, полученных ОАО Сбербанком РФ, тыс. руб.

Статьи доходов	за 2008 год (тыс. руб)	Прогнозируемый период тыс. руб.	Доля в доходах		Изменение, п. п.
			за 2007 год (%)	Прогнозируемый период (%)
Процентные доходы от операций кредитования, в том числе:	247 987	347181,8	69,07%	69,17%	0,10%
-юридических лиц	116 426	162996,4	32,43%	32,47%	0,05%
-физических лиц	131 561	184185,4	36,64%	36,70%	0,05%
Комиссии полученные	74846	104784,4	20,85%	20,88%	0,03%
Доходы от внутрисистемных операций	21387	29514,06	5,96%	5,88%	-0,08%
Прочие	14819	20450,2	4,13%	4,07%	-0,05%
Итого	359 039	501 930	100,00%	100,00%	х

[http://www.sbrf.ru]

Таким образом, на основании  прогнозируемых данных приведенных  выше можно сделать вывод о  том, что применение эконометрических методов в банковской практике позволяет  банку повысить эффективность своей  деятельности в части кредитования и управления рисками, а как следствие  увеличить прибыль банка. Также стоит отметить, что внедрение в практику предлагаемой методики стресс-тестирования и программы интеллектуального анализа Tree Analyzer из пакета Deductor ver.3 потребует от банка инвестиций в размере 2,4 млн. руб.

Данные финансовые вложения окупятся банком в ближайшие три  года их использования.

 

                                                                 Заключение

Сущность кредитной политики определяется как стратегия и  тактика банка по привлечению  ресурсов на возвратной основе и их инвестированию в части кредитования клиентов банка. Основными элементами кредитной политики коммерческого банка являются:

1) стратегия банка по разработке основных направлений кредитно го процесса;

2) тактика банка по организации кредитования;

3) контроль за реализацией кредитной политик

Особенности кредитной политики ОАО Сбербанка РФ в условиях кризиса, заключается в предоставлении кредитов заемщикам на цели, предусмотренные их уставом для осуществления текущей и инвестиционной деятельности. Предоставление банком кредитов основывается на учете необходимых потребностей заемщиков в заемных средствах, наличии достаточных гарантий для своевременного их возврата. Банк предоставляет кредиты в пределах собственного капитала и привлеченных средств, обеспечивая сбалансированность размещаемых и привлекаемых ресурсов по срокам и объемам.

Главной целью Банка в 2009 году является обеспечение высокого качества активов и надежности Банка  в условиях спада экономики, а  также укрепление его рыночных позиций.

Кредитный портфель представляет собой состав и структуру выданных кредитов по отраслям, видам обеспечения  и срокам.

Пути совершенствования кредитной политики предполагается осуществлять с помощью инновационных методов анализа данных.

Одним из важных обстоятельств, с точки зрения устойчивости банка, является построение более адекватной оценки потерь в экстремальных условиях рынка (в рамках стресс-тестирования), которая создаст предпосылки для эффективного контроля и управления рисками в период возможных кризисных ситуаций.

Применение методики стресс-тестирования позволит банку в сложившейся  ситуации более точно определить уровень кредитного риска, что позволит выполнить задачи и цели кредитной  политики Банка - обеспечение эффективного управления кредитными ресурсами, направляя их преимущественно в реальный сектор экономики, удовлетворение возрастающей потребности населения, формирование качественного и доходного кредитного портфеля.