Отчет по преддипломной практике в Сбербанке России

 

Вывод:

1. обменный курс с 29, 4545 руб./$ в 2010 г. снизился на 1,7058 руб./$ в 2011 г. и на 0,6645 руб./$ в 2012 г. (хотя в 2012 г. по сравнению с 2011 г. наблюдался рост на 1,0413 руб./$) до 28, 7900 руб./$;
2. чистая ссудная задолженность выросла в 2012 г. с 2010 г. на 14 021 (млн. руб.) (с 16 753 до 30 774);
3. активы банка за рассматриваемый период увеличились на 22 334 (млн. руб.) (с 26 775 до 49 109);
4. собственные средства в 2012 г. с 2010 г. выросли на 1113 (млн. руб.) (с 2 160 до 3 273);
5. чистая прибыль увеличилась с 2010 г. в 2012 г. на 455 (млн. руб.) (с 89 до 544);
6. рентабельность капитала в 2011 г. с 2010 г. выросла на 13% (с 6% до 19%), а в 2012 г. осталась без изменений (19%);
7. рентабельность активов с 2010 г. по 2012 г. выросла на 0,95% с 0,41% до 1,36% (в 2012 г. по сравнению с 2011 г. наблюдалось ее уменьшение на 0,25%);
8. прибыль на обыкновенную акцию выросла за рассматриваемый период на 22 (рубля) (с 6 в 2010 г. до 28 в 2012 г.);
9. дивиденды на обыкновенную акцию в 2011 г. с 2010 г. выросли на 0,2 (рубля) (с 0,3 до 0,5), а в 2012 г. изменений не наблюдалось (0,5);
10. рыночная капитализация в 2012 г. с 2010 г. увеличилась на 588 (млн. долл. США) (с 62 до 650).

На рисунке 3 отражена динамика средств корпоративных и частных  клиентов и кредиты им, на рисунке 4 – кредитов и активов, а на рисунке 5 – прибыли до налогообложения  с 2010 по 2012 гг.

 

0

5000

10000

15000

20000

25000

30000

35000

2010

2011

2012

Года

Млн. руб.

Средства

корпоративных

клиентов

Средства частных

клиентов

Кредиты

корпоративным

клиентам

Кредиты частным

клиентам

 

 

Рисунок 3. Средства клиентов и кредиты

 

0

10000

20000

30000

40000

50000

60000

2010

2011

2012

Года

Млн. руб.

Кредиты

Активы

Рисунок 4. Активы и кредитный  портфель

 

0

100

200

300

400

500

600

700

800

2010

2011

2012

Года

Млн. руб.

Прибыль до

налогообложения

Рисунок 5. Прибыль до налогообложения

 

Вывод:

1. наблюдается снижение средств корпоративных клиентов с 2010 г. в 2011 г. и их рост в 2012 г. (до 15 000 (млн. руб.));
2. средства частных клиентов растут быстрее на протяжении всего рассматриваемого периода (до 26 000 (млн. руб.)), однако кредитов им выдается значительно меньше, чем корпоративным клиентам (в 2012 г. менее 5 000 против 30 000 соответственно);
3. активы банка вместе с кредитами растут на протяжении всего рассматриваемого периода (до 30 000 и 50 000 (млн. руб.) соответственно);
4. отношение кредитов к активам больше в 2011 г., чем в 2010 и 2012 гг.;
5. прибыль до налогообложения с 2010 г. (90 (млн. руб.)) в 2011 г. выросла больше, чем в 2012 г. (до 510 и 710 соответственно).На рисунке 6 отражена динамика прибыли и собственных средств Банка, на рисунке 7 – процентного дохода с 2010 по 2012 гг.

 

0

500

1000

1500

2000

2500

3000

3500

2010

2011

2012

Года

Млн. руб.

Операционная прибыль

Собственные средства

Рисунок 6. Прибыль и собственные  средства

 

Рисунок 7 0

500

1000

1500

2000

2500

3000

3500

4000

4500

2010

2011

2012

Года

Млн. руб.

Процентный доход

Вывод:

1. за рассматриваемый период отношение операционной прибыли к собственным средствам выросло с 4,12% в 2010 г. до 17,7% в 2011 г. и снизилось до 16,6% в 2012 г.;
2. с 2010 г. по 2012 г. операционная прибыль выросла с 89 до 544 (млн. руб.), а собственные средства – с 2 160 до 3 273 (с 2010 г. по 2011 г. рост операционной прибыли был значительнее (80,7%) по сравнению с ростом собственных средств (12%), а в 2012 г. по сравнению с 2011 г. собственные средства росли быстрее, чем операционная прибыль (20% против 15% соответственно)).

Расчет кредитного риска  на основе статистических данных кредитных  договоров в ОАО «Сбербанк  России»

 

Разработанная вероятностная  модель кредитного риска позволяет  при помощи строгих математических вычислений по приведенным ранее  формулам получать точное и однозначно интерпретируемое количественное значение оценки риска кредита. Для того чтобы  получить возможность использовать эту систему оценки риска для  принятия в банке решений по конкретным кредитным заявкам потенциальных  заемщиков, необходимо знать конкретные значения вероятностей всех исходных рисковых событий Р₁÷Р₂₂.

Попытка провести чисто теоретические  исследования и рассчитать искомые  вероятности применительно к  общей модели кредитного риска для  некоего отвлеченного, абстрактного случая приводит к ситуации полной априорной неопределенности относительно значений требуемых параметров. Для  получения информации, позволяющей  рассчитать вероятности исходных рисковых событий, воспользуемся эмпирическим методом и вычислим их на основании  апостериорного статистического анализа  данных из реальных кредитных историй, которые были составлены в процессе банковской кредитной деятельности.

Таким образом, необходимо провести выборочный ретроспективный анализ истории развития определенного  количества кредитных дел, начиная  от момента выдачи ссуды и заканчивая сроком окончания кредитного договора и соответствующим результатом  в отношениях между банком и заемщиком. Для апостериорного статистического  анализа была взята выборка объемом  в N=1000 кредитных историй, составленных по результатам кредитной работы ОАО «Сбербанк России». С целью соблюдения интересов этого банка в плане сохранения его коммерческой тайны конкретные количественные данные несколько изменены, однако все требуемые соотношения между различными исходными параметрами риска сохранены таким образом, что они не вносят существенных искажений в полученные результаты исследований и расчетов. Полученные на их основе вероятности исходных рисковых событий обеспечивают адаптацию разработанной логико-вероятностной модели кредитного риска применительно к ее использованию в кредитной деятельности конкретного банка.

Итак, объем исследуемой  выборки N равен 1000 кредитных дел. Из них к моменту окончания действия кредитных договоров заемщиками не было возвращено банку n=220 ссуд различных видов, то есть имело место 22% невозврата кредитов. В процессе ретроспективного анализа кредитными экспертами банка были выявлены основные причины невозврата этих ссуд, которые были отражены в соответствующих документах, включенных в кредитные досье. В результате этого анализа для каждого случая непогашения кредита были определены конкретные исходные оценочные параметры из всего множества {I₁,I₂₂}, которые при оценке кредитного риска в процессе принятия решения по данной заявке были оценены в пределах допустимых значений, но впоследствии оказались оцененными неправильно. Соответствующие им характеристики кредитоспособности либо делового риска заемщика или же свойства обеспечения оказались не на должном уровне и явились главными причинами, которые привели к невыполнению со стороны заемщика заключенного кредитного договора.

В данной работе проведено  обобщение этих результатов ретроспективного анализа, и подробная итоговая информация по основным факторам невозврата кредитов сведена в таблицу, которая приведена  в Приложении № 5. В этой таблице  величина S_i означает общее количество случаев в выборке, в которых исходный оценочный параметр I_i был назван в числе основных причин непогашения кредита.

Следует особо отметить, что у любого невозвращенного  кредита в общем случае может  быть не одна, а несколько причин невозврата и, соответственно, несколько  ошибочно оцененных исходных параметров риска. Кроме того, в процессе выявления  причин невозврата выданных кредитов оказалось достаточно сложно произвести разграничение между исходными параметрами риска, относящимися к одной группе элементов структурной модели, то есть между логическими переменными, входящими в одну простейшую конъюнкцию, поскольку эти параметры характеризуют в целом одну и ту же сторону деятельности заемщика или свойство кредита. Поэтому в случаях, когда в числе главных причин невозврата кредита называлась та или иная из указанных групп исходных рисковых событий, то все исходные оценочные параметры этой группы, составляющие одну простейшую конъюнкцию, признавались оцененными неправильно. Вследствие этого исходные рисковые события, объединенные между собой знаком логического умножения, имеют одинаковое число повторений в ретроспективном анализе, то есть одинаковые значения величины S_i в таблице Приложения № 5.

На основании проведенных  исследований были вычислены апостериорные  вероятности неправильной оценки исходных оценочных параметров, то есть вероятности  исходных рисковых событий Р₁÷Р₂₂. Основываясь на классическом определении вероятности случайного события как предела частоты появления благоприятствующих этому случайному событию элементарных исходов при количестве наблюдений, стремящемся к бесконечности, оценочные значения вероятностей Р₁÷Р₂₂ при конечном объеме выборки N=1000 были вычислены по следующей формуле:

 

Pi= Si/N (3.11)

 

Итоговые величины, полученные в результате проведенного апостериорного статистического анализа, представлены в таблице 3.1.

Таблица 3.1

Апостериорные вероятности  исходных рисковых событий Р₁÷Р₂₂

№	Исходный оценочный параметр Ii	Число благоприятствующих исходов Si	Вероятность исходного рискового  события Pi
1	I1	S1 =27	Р1=0,027
2	I2	S2 =27	Р2=0,027
3	I3	S3 =27	Р3=0,027
4	I4	S4=38	Р4=0,038
5	I5	S5=38	Р5=0,038
6	I6	S6=38	Р6=0,038
7	I7	S7=19	Р7=0,019
8	I8	S8=19	Р8=0,019
9	I9	S9=52	Р9=0,052
10	I10	S10=52	Р10=0,052
11	I11	S11=52	Р11=0,052
12	I12	S12=36	Р12=0,036
13	I13	S13=36	Р13=0,036
14	I14	S14=18	Р14=0,018
15	I15	S15=18	Р15=0,018
16	I16	S16=25	Р16=0,025
17	I17	S17=25	Р17=0,025
18	I18	S18=7	Р18=0,007
19	I19	S19=2	Р19=0,002
20	I20	S20=4	Р20=0,004
21	I21	S21=22	Р21=0,022
22	I22	S22=22	Р22=0,022

Приведенные в таблице 3.1. вероятности Р1÷Р22 являются апостериорными вероятностями исходных рисковых событий, полученными эмпирическим методом в результате статистического анализа информации о кредитной деятельности банка и изучения фактов невозврата выданных им кредитов. Вычисленный согласно разработанной вероятностной модели с использованием этих значений вероятностей кредитный риск составляет величину Р(L)=0,016208. Экономический смысл полученного результата с точки зрения логико-вероятностного подхода к оценке кредитного риска состоит в следующем. Если все исходные оценочные параметры риска оценить так, как они были оценены, когда соответствующие им характеристики кредита и заемщика явились причинами непогашения выданных кредитов, то значение вероятности результирующего рискового события составит величину 0,016208.

Необходимо отметить, что  вычисленных по результатам апостериорного статистического анализа значений вероятностей исходных рисковых событий  еще не достаточно для того, чтобы  использовать разработанную систему  оценки кредитного риска в банковской практике, поскольку каждый из исходных оценочных параметров риска имеет  несколько возможных градаций оценки - в рассматриваемой методике число  дискретных градаций рейтинговых оценок варьируется от 3 до 6. Каждой градации какого-либо параметра должна соответствовать вероятность рискового события при данном значении дискретной оценки этого параметра. Тогда станет возможным вычислять вероятностное значение результирующего кредитного риска при абсолютно любых комбинациях оценок исходных параметров риска.

Знание вероятностей всех градаций исходных рисковых событий  позволяет рассчитать численное  значение вероятности результирующего  показателя кредитного риска Р(L). Однако, для качественной интерпретации получаемых количественных результатов необходимо оценить, насколько велико либо мало значение итоговой вероятности риска. То есть нужно иметь некое опорное значение вероятности риска, относительно которого можно было бы производить сравнения всех вновь получаемых значений вероятности кредитного риска. Кроме того, принципиальным моментом является тот факт, что принятие окончательного решения по вопросу каждой поступающей от клиентов в банк кредитной заявке состоит в ответе на вопрос, выдавать данному заемщику кредит или не выдавать.

Несмотря на всевозможные обсуждения вида выдаваемого кредита, сроков кредитования, корректировки  суммы, установление процентной ставки, получение у заемщика дополнительной информации о состоянии дел и  результатах работы его компании, а также предъявление к заемщику особых требований либо условий при  заключении договора, в любом случае принципиальный вопрос о предоставлении данному клиенту запрашиваемого кредита должен быть решен однозначно. Это значит, что всякая полноценная методика определения риска кредитования в результате всех оценок, расчетов, сопоставлений и других манипуляций с исходной информацией должна предлагать однозначный вариант решения вопроса о выдаче рассматриваемого кредита.

Окончательный вердикт по любой кредитной заявке все равно  будет выноситься сотрудником банка, имеющим достаточные полномочия, то есть человеком. Однако в целях  универсальности и единообразия подхода применяемая система  оценок должна давать свой однозначный  ответ на главный вопрос по каждому  запрашиваемому кредиту.

Разработанная на основе логико-вероятностного подхода система оценки кредитного риска позволяет для каждого  случая оценивания характеристик кредита  и заемщика получить количественное значение величины кредитного риска  в рамках теории вероятностей. Для  однозначного ответа на вопрос о возможности  выдачи рассматриваемого кредита необходимо установить определенное значение вероятности  риска кредита, которое считать  опорным при решении данного  вопроса. Таким образом, требуется  установить пороговый уровень вероятности  кредитного риска Р_пор(L). После этого автоматический механизм принятия решения по каждому частному случаю анализируемого кредита, для которого рассчитанное оценочное значение вероятности кредитного риска составляет величину Р_Ч(L), должен работать по стандартной схеме согласно общему принципу функционирования бинарных систем принятия решения. В таких системах, как известно, реализован алгоритм принятия решения, схематично изображенный на Рис.3.7.