Дипломная работа: Анализ кредитной деятельности банка на примере ПАО Сбербанк
Внимание! Если размещение файла нарушает Ваши авторские права, то обязательно сообщите нам
74
доступная информация на данного клиента из бюро кредитных историй —
организации, в которой хранится база данных кредитных историй граждан
страны; данные оборотов по текущим расчетным счетам.
В наиболее общем виде скоринговая модель представляет собой
интегрирование и оценку определенных характеристик клиента. В результате
получается комплексный показатель (score) – аналог кредитного рейтинга; чем
он больше, тем выше степень надежности клиента, и банк может ранжировать
своих клиентов по уровню возрастания кредитоспособности. Интегральный
скоринговый рейтинг каждого заемщика сравнивается с неким нормативом, или
линией допустимого уровня, которая, по существу, является порогом
безубыточности рисковой операции и рассчитывается из пропорции, сколько в
среднем нужно однородных клиентов, которые платят по кредитам в срок, для
того, чтобы нивелировать убытки от одного должника. Заемщикам с
интегральным показателем выше этого уровня (минимальной кредитный
рейтинг) выдается кредит, клиентам с рейтингом ниже этой линии — не
выдается.
Основные методологические проблемы, с которыми сталкивается риск-
менеджер банка, который проектирует создание скоринговой системы:
ограничения и разнородность источников информации, которые не позволяют
широко применять универсальные скоринговые модели; дифференциация
клиентов по многочисленным сегментам, широта линейки кредитных продуктов
вызывают необходимость разработки отдельных специализированных
скоринговых моделей и их модификаций; выбор перечня показателей для оценки
уровня риск-факторов; правильный выбор спецификации модели и
необходимость ее актуализации; наличие «шумов» в данных, недостоверность и
пробелы в данных; выбор корректного методологического аппарата анализа и
программного продукта для автоматизированных расчетов параметров моделей;
корректность трактовки и экономической интерпретации скоринговых моделей
(наличие модели является вспомогательным инструментом для эксперта-
75
аналитика, особенно это касается крупных кредитов, тогда как по мелким
возможно автоматизированное принятие решений). Математически скоринг
представляет собой стандартную классификационную задачу, где исходя из
доступной информации необходимо получить модель, наиболее точно
разбивающую общую выборку клиентов на «плохих» и «хороших».
Учитывая разную размерность входящих данных, из которых некоторые
могут быть непараметрическими, необходимо сначала преобразовать
информацию в консолидированный и сопоставимый вид для
автоматизированной обработки пакетами прикладных программ. Спектр
методов непосредственно классификации весьма широк и включает в себя такие
методы: эконометрические и статистические методы, основанные на
дисперсионном или регрессионном анализе (линейная многофакторная
регрессия, логистическая регрессия и т.п.); методы линейного
программирования; деревья классификации; нейронные сети; другие методы.
Наиболее распространенными и простыми в интерпретации являются
регрессионные методы, использующие многофакторную модель такого вида:
S = ao + a1x1 + a2x2 + … + anan, (1) где,
S — вероятность дефолта по выплате кредита (дефолта клиента),
A — весовые коэффициенты регрессионной модели,
X — характеристики клиента (триггеры регрессии).
В кредитовании определен стандартный набор показателей, входящих в
большинство моделей кредитного скоринга клиента. Перечислим основные из
них: пол клиента; место жительства (регион); образование (высшее, среднее,
научная степень); семейное положение клиента; возраст клиента; количество
членов семьи без дохода (иждивенцев); срок кредита; тип занятости
(предприниматель, наемный работник); стаж работы у последнего работодателя;
стаж работы у текущего работодателя; частота пользования услугами банка
(стабильный клиент, новый клиент); ежемесячный чистый доход (после
обязательных выплат); кредитная история (наличие своевременно погашенных
76
кредитов, просрочек, списаний и реструктуризаций); уровень закредитованности
клиента. Что касается Сбербанка России, то в нем применяется разработанная
методика определения кредитоспособности клиента на основе параметрической
количественной оценки финансового положения и тщательного анализа рисков.
Финансовое состояние клиента оценивается с учетом динамики показателей
финансового состояния и триггеров, влияющих на такие изменения. Для этой
цели анализируются тренды оценочных показателей, динамика и структура
статей баланса, качество активов и пассивов, основные направления финансово-
хозяйственной деятельности заемщика. В расчетах аналитики применяют
принцип консервативности расчетов, т.е. сознательное преувеличение пассивов
(например, признание пассива скорее краткосрочным, чем долгосрочным) и
занижение стоимость активов (например, признание нулевой стоимости
некоторых видов нематериальных активов, вычитание проблемной дебиторской
задолженности и проблемных запасов из состава активов). Для оценки
финансового состояния клиента Сбербанка используются 3 группы показателей:
1. коэффициенты ликвидности (срочной - К1, текущей - К2, общей -К3);
2. коэффициент соотношения собственных и заемных средств (КА);
3. коэффициент оборачиваемости и рентабельности (К5).
По итогам анализа коэффициентов клиенту присваивается класс
(категория), представленный в таблице, по каждому разработаны нормативы.
Таблица 11
Категории коэффициентов оценки кредитоспособности
физических лиц в Сбербанке
Показатель (триггер
модели)
1 категория
2 категория
3 категория
К
1
0,2 и >
0,15-0,2
0,15 и <
К
2
0,8 и >
0,5-0,8
0,5 и <
К
3
2,0 и >
1,0-2,0
1,0 и <
К
4
, без торговли
1,0 и >
0,7-1,0
0,7 и <
К
4
, для торговли
0,6 и >
0,4-0,6
0,4 и <
К
5
0,15 и >
< 0,15
убыточные
Источник информации: по данным Енина И.В.
3
Следующим шагом является расчет итогового рейтинга (S) со
3
Енин И.В. Принцип использования кредитных историй // Банковское дело. - 2015.- № 9. - С. 37-39
77
следующими весами коэффициентов: K1 = 0,11; К2 = 0,05; К3 = 0,42; К4 = 0,21;
К5 = 0,21.
После определения количественного показателя меры риска, проводится
качественный анализ, который базируется на использовании непараметрической
информации. Такой тип информации может обработать только эксперт-
аналитик; скоринговые расчеты здесь не помогут. На последнем этапе
определяется общий класс клиента: первоклассные (1>S>1.05); второклассные
(1,05 < S < 2,42); третьеклассные (S> 2,42, низкий уровень кредитоспособности).
Общий рейтинг состоит из оценки количественных факторов и поправки на
качественные факторы
4
.
В целом, можно выделить
5
следующие преимущества кредитного
скоринга: возможность снижения операционных затрат банка и минимизации
кредитного и операционного рисков за счет автоматизации принятия решения (в
первую очередь, снижается роль человеческого фактора, снижмается количество
ошибок в расчетах, при этом ответственность за адекватность скоринговой
модели вырастает до критического); - сокращение сроков обработки заявок и
предоставления ответа о выдаче или отказе в выдаче кредита; упреждение
попыток мошенничества персонала; формирование системы раннего
предупреждения и мониторинга кредитных рисков. При всех преимуществах
кредитный скоринг имеет недостатки:
- вычисление параметров выборки проводится только по действующим
клиентам. Таким образом, система может постоянно отсеивать хороших
клиентов, которые могли потенциально приносить банку высокий доход;
- необходимость постоянной верификации модели в связи с отраслевыми
изменениями и изменениями условий экономической и социальной среды;
- возможность умышленной подтасовки информации клиентом и обман
4
Коптева А.В. Анализ и оценка кредитоспособности физических лиц АО «Сбербанк России» // ФГБОУ ВПО
ОмГАУ им. П.А. Столыпина – [электронный ресурс] - https://www.scienceforum.ru/2015/pdf/9988.pdf
5
Джурабаева Г.К., Музыко Е.И. Методика построения рейтинговых скоринг-моделей оценки
кредитоспособности предприятий-заемщиков // сборник научных трудов НГТУ. – 2008. – № 1(51). С– 119–124
78
автоматизированной системы, при этом факторы, не входящие в модель, но
важные и свидетельствующие о рисках, остаются вне рамок анализа;
- требуется высокая квалификация и степень ответственности
сотрудников, участвующих в проектировании скориновых систем;
- широкое распространение управленческой отчетности и неофициальных
данных, которые имеют слабый уровень достоверности и структурирования;
- возможность применения скоринговых моделей не для целевых групп,
что приводит к искажениям результатов расчетов.
Результаты обобщения современных подходов, используемых при анализе
кредитных рисков и кредитоспособности физических и юридических лиц,
проведенного в рамках нашей работы, можно использовать для разработки
адаптированой методики кредитного скоринга для ПАО «Сбербанк». Однако,
адаптация должна быть основана на выявлении специфики бизнес-модели
Сбербанка и особенностей его системы принятия решений по оценке
кредитоспособности клиентов. Данный вопрос будет изложен в следующем
разделе нашей работы.
Основные принципы
6
, в соответствии с которыми Группа «Сбербанк» и
создает и развивает систему управления рисками и капиталом, изначально были
установлены в «Стратегии управления рисками и капиталом Группы ПАО
Сбербанк», которая была утверждена Набсоветом Сбербанка 15.10.2017 года.
Принцип №1 – максимальная осведомленность о риске: принятие
управленческого решения о проведении кредитной операции производится
исключительно после всестороннего анализа перечня и уровня рисков,
возникающих в результате такой проведения операции.
Принцип №2 - управление кредитованием с учетом принимаемого риска: в
Сбербанке осуществляется анализ достаточности имеющегося в распоряжении
капитала с помощью реализации внутренних процедур оценки достаточности
6
Принципы организации системы управления рисками Группы – [электронный ресурс] - https://2016.report-
sberbank.ru/ru/management-of-risks/group-risk-management/principles-of-organization
Источник: https://baza.diplomsite.ru/previewfile/3597