Отчет по практике в ЗАО «Банк Русский Стандарт»

3) Анализ наличия факторов  риска (проверяет служба безопасности  банка)

Фактор риска	Наличие / отсутствия факторов риска
наличие вступивших в силу решений суда о привлечении физического  лица к уголовной ответственности  в виде лишения свободы	Нет
наличие информации о потере либо существенном снижении доходов  или имущества, за счет которых предполагалось погашение задолженности физическим лицом.	Нет
наличие документально подтвержденных сведений об отзыве лицензии у кредитной  организации, в которой размещен вклад физического лица, если невозвращение  этого вклада окажет влияние на способность  заемщика - физического лица выполнить  свои обязательства по ссуде	Нет

 

4) Вывод о финансовом положении  Заемщика

Совокупная бальная оценка по таблице «Финансовый результат»
ОЦЕНКА ФИНАНСОВОГО ПОЛОЖЕНИЯ	Хорошее

 

Исходя, из данных таблицы 6 можно увидеть финансовое состояние  заемщика, за счет каких средств  он будет погашать кредит, а так  же кредитную историю, добросовестность и репутацию. Решение в отношении  клиента будет принимать кредитный  комитет, который будет учитывать  все выше перечисленные показатели. Несмотря на тщательную оценку кредитоспособности в ЗАО «Банк Русский Стандарт»  существуют проблемы не возврата кредитов связанные с выдачей кредитов на так называемых «точках» в магазинах  сети «М Видео» с применением скоринговой системы. На 1 сентября задолженность по ним составляет около 456198,36 рублей (с учетом просроченной задолженности, просроченных процентов и пеням по ним на 01.09.2011 г.) Уже в ближайшее время банк вынужден сократить долю «быстрых кредитов» в своих портфелях и принять серьезные меры по их возвратам. Рост не возврата долгов в банки объясняется увеличением популярности «быстрых кредитов». Половина объема просроченной задолженности приходится на экспресс-кредиты (в том числе на «быстрые кредиты», выдаваемые по пластиковым картам).

Из-за бурного развития этого рынка  в последние два года увеличилась  и задолженность физлиц, доля не возвратов в сегменте экспресс-кредитов составляет 20% от кредитных портфелей  банков, а по карточным кредитам — около 10%. Эффективного механизма  возврата долгов через суд в России пока нет, поэтому банки, желающие быстрее  захватить рынок, сейчас расплачиваются за свою неосмотрительность. В Минэкономразвития ведомство подготовило законопроект, позволяющий проводить процедуру банкротства физических лиц. Согласно документу, по решению суда часть имущества гражданина может быть продана, а вырученные деньги направлены на погашение долгов. Дело о банкротстве может быть начато, если долг заемщика перед банком превысил 10 тыс. руб. Арест, правда, не будет накладываться на дом или квартиру, которые являются единственным жильем должника и членов его семьи, а также на «предметы обычной домашней обстановки и обихода. На 1 апреля 2007 года, согласно данным ЦБ, просрочка по ссудам составила 2,96% или 66,1 млрд. рублей. На начало 2009-го этот показатель находился на уровне 1,85% (21,8 млрд. рублей). За первые четыре месяца текущего года общая просроченная задолженность по кредитам населению увеличилась на 14%. Отметим: средние показатели 50 банков-лидеров в области кредитования граждан вполне соответствуют ситуации на рынке в целом, совокупная просрочка этих кредитных организаций составляет около 3% от их общего розничного портфеля. Проблема не возврата кредитов особенно остро встала сейчас в условиях мирового кризиса.

В главе 1 рассмотрены основные финансовые показатели банка, его место на рынке кредитования, а так же представлена методика оценки финансового состояния физических лиц на момент подачи заявки на кредит в ЗАО «Банк Русский Стандарт» разработанная с учетом ее особенностей и требований к заемщикам, направленная на уменьшение не возвратности кредитов и получение прибыли от их возврата. Далее будет рассмотрена скоринговая система при выдаче экспресс-кредитов и рассмотрены основные ее недостатки.

 

 

ГЛАВА 2. ОСНОВНЫЕ ПРОБЛЕМЫ В  ПОТРЕБИТЕЛЬСКОМ КРЕДИТОВАНИИ ФИЗИЧЕСКИХ ЛИЦ

 

2.1 Основные принципы скоринговой системы и ее недостатки в принятии решений в ЗАО «Банк Русский Стандарт»

 

Скоринг в ЗАО «Банк Русский Стандарт» используется главным образом при кредитовании физических лиц и представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

Важная черта системы  «кредит - скоринг» заключается в том, что она не может применяться по шаблону, а должна разрабатываться исходя из особенностей, присущих банку, его клиентуре, учитывая характер банковского законодательства и традиций страны, т. е. подлежит постоянному наблюдению и видоизменению.

Актуальность  создания, внедрения и использования  скоринговых систем для управления кредитными рисками сегодня не вызывает сомнения. С каждым годом список российских банков, запускающих совместно с торговыми компаниями программы потребительского кредитования физических лиц, растет большими темпами. По прогнозам объем рынка потребительского кредитования к началу 2009 года превысил рекордную для России отметку в 1 трлн. Рублей.

По  оценкам специалистов конкурентная борьба рано или поздно вынудит банки  выйти на сегмент потребительского кредитования. Однако те же специалисты  признают, что сегодня методики оценки заемщика не поспевают за ростом рынка  потребительского кредитования. И причин этому несколько.

Во-первых, процесс создания кредитных бюро в России находится на стартовом  этапе и еще далек от завершения. Анализ положительной кредитной  истории может являться существенным фактором при решении о выдаче кредита или может повлиять на снижение процентной ставки по кредиту для этого заемщика. В настоящее время отсутствие единого информационного и правового пространства для бюро кредитных историй не способствует снижению не возвратов кредитов и мошенничеству в области потребительского кредитования. Среди основных трудностей, стоящих в России на пути формирования кредитного бюро, эксперты отмечают отсутствие нормативной базы, регулирующей раскрытие информации о заемщике, и нежелание коммерческих банков раскрывать информацию о клиентах.

Во-вторых, многие банки опасаются выходить на рынок потребительского кредитования по причине отсутствия кредитных  историй.

В-третьих, высокая стоимость проектов по внедрению  собственной системы анализа  платежеспособности клиента (скоринг) на базе программного обеспечения стороннего разработчика, большие сроки (6-18 мес.) и высокие требования к специалистам сопровождения системы "отпугивают" сегмент небольших и средних банков.

В результате банки перекладывают риск не возврата на плечи заемщиков, завышая процентные ставки. Реальная годовая процентная ставка по экспресс-кредитам сегодня исключительно высока – от 40 процентов, включая все ежемесячные платежи, а в отдельных случаях достигает 70-80%. Многие банки используют простой скоринг, представляющий собой набор жестких правил, в лучшем случае – балльную оценку заемщика.

Сегодня известно достаточно много методик кредитного скоринга. Одной из самых известных является модель Дюрана. Дюран выделил группы факторов, позволяющих максимально определить степень кредитного риска, и коэффициенты для различных факторов, характеризующих кредитоспособность физического лица: пол, возраст, срок проживания в данной местности, профессия, финансовые показатели, работа, занятость.

В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score). Чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности.

«Скоринг - формуляр» немецкого банка состоит из двенадцати показателей, по каждому из которых клиенту начисляется большее или меньшее количество баллов. Максимальный балл - 20. Аналогичный подход при анализе кредитоспособности заемщиков используют французские банки. Единственная сложность заключается в том, что балльные оценки кредитоспособности заемщика должны быть статистически выверены и требуют постоянного обновления информации, что может быть дорого для банка.

Сейчас банки требуют  от потенциальных клиентов от 9 до 24 различных документов, которые являются официальным основанием для получения  кредита. Несмотря на то, что не существует официальной процедуры работы с  ними, и каждый банк по своей собственной  схеме собирает эти документы, в  целом они должны содержать все  необходимые сведения о заемщике.

Среди преимуществ скоринговых систем западные банкиры указывают снижение уровня не возврата кредита, быстроту и беспристрастность в принятии решений, возможность эффективного управления кредитным портфелем, отсутствие необходимости длительного обучения персонала.

Сложность заключается только в выборе характеристик, т. е. какая  информация является существенной, а  какой можно пренебречь. Выборка  подразделяется на две группы: «хорошие»  и «плохие» риски. В Западной Европе «плохим риском» считается клиент, задерживающийся с очередной  выплатой на три месяца, либо клиент, слишком рано возвращающий кредит, банк не успевает ничего на нем заработать.

Комплексное решение проблем  скоринговой системы оценки кредитоспособности заемщиков:

С целью повышения эффективности  скоринговой системы и уменьшению не возврата кредитов был создан кейс который построен на базе аналитической платформы Deductor и web-технологий, автоматизирующее всю последовательность действий от получения заявки на кредит в удаленной торговой точке до принятия решения о его выдаче и формировании необходимого пакета документов. При этом в процессе задействованы все звенья – оператор торговой точки, служба безопасности, кредитный инспектор банка, адаптируемая скоринговая модель, используемая автоматизируемая банковская система.

Он  состоит из нескольких частей:

1) Бэк- и фронт-офис удаленных рабочих мест;

2) Схема документооборота (последовательности прохождения  анкет через службы банка);

3) База данных, содержащая  информацию о заемщиках и истории  принятия решений по ним;

4) LoansBase.Generator – генератор кредитных историй;

5) Система скоринга и аналитической отчетности;

6) Модуль интеграции с  АБС – автоматизированной банковской  системой.

Рассмотрим  каждую часть кейса подробнее.

Бэк-офис и фронт-офис представляют собой автоматизированные рабочие места операторов ввода заявок и лиц, участвующих в принятии решений о выдаче кредита. Оперативная работа пользователей с системой происходит при помощи единого веб-интерфейса. Среди пользователей системы можно выделить три категории:

1) Оператор торговой точки.  Он вводит данные из анкеты  заемщика в стандартную форму,  которая автоматически генерируется  на стороне сервера. Как вариант  возможен ввод данных самим  заемщиком (например, в случае  Интернет-заявок).

2) Сотрудник службы безопасности (СБ);

3) Сотрудник кредитного  отдела.

Отличие веб-формы сотрудника СБ от сотрудника кредитного отдела заключается в различии информации из анкеты заемщика, которая используется для принятия решения по заемщику. Так, для верификации заемщика службой безопасности необходима информация о номерах документов, регистрации, месте работы и пр. Кредитного инспектора интересует социальный портрет: уровень доходов, семейное положение, образование, и т.д., а также результат скоринговой модели.

Использование web-технологий позволяет добиться следующего:

1) Централизация всех  операций;

2) Высокая степень безопасности;

3) Легкость масштабирования  системы и тиражирования ее  на другие торговые точки;

4) Исключение необходимости  устанавливать какое-либо дополнительное  программное обеспечение – все  операции выполняются при помощи  стандартного браузера.

На  рисунке изображена последовательность прохождения анкеты заемщика через  службы банка. Например, добавляется  генерация пакета документов для  подписи клиентом, автоматическое открытие счета и т.д.

Данные приложения 5 и диаграммы на рис.6 показывают, что основную долю в ссудной задолженности занимают обесцененные кредиты.

 

Рисунок 8 - Последовательность прохождения анкеты заемщика через службы банка

 

В ряде случаев предпочтительно создание хранилища данных, в котором содержатся консолидированная информация по заявкам  с анкетами заемщиков и истории  принятия решений по выданным кредитам и погашениям кредитов. Это позволит сосредоточить информацию о потребительском  кредитовании в едином источнике  и снизить нагрузку на оперативную  базу данных.

 

Рисуно 9 - Схема работы с хранилищем данных

 

Как вариант, в хранилище данных может  накапливаться статистическая информация макроэкономического характера  об уровне жизни в регионе, средней  заработной плате, прожиточном минимуме и т.д. с целью повышения качества скоринговых моделей.

Кейс  комплектуется встроенным хранилищем данных Deductor Warehouse на базе свободно распространяемой клиент-серверной СУБД Firebird. Таким образом, как показано на рисунке 10 минимальная структура хранилища данных будет состоять из трех процессов (кубов): Заявки, Статусы, Погашения.

 

Рисунок 10 - Структура хранилища данных

 

Базовый генератор представляет собой генератор кредитных историй – специальный модуль, формирующий набор примеров с различными анкетными портретами заемщиков. Генерация производится по специальным алгоритмам математической статистики с учетом заданных распределений случайных величин. В качестве распределений могут использоваться как статистические данные по стране, так и экспертные суждения о том, у какого типа заемщиков будет пользоваться популярностью кредитная программа.

Искусственная кредитная история необходима в  случае, когда реальной кредитной  истории не существует, либо ее объем  незначителен. Это возникает в  случаях, когда: