Проблемы и перспективы кредитования физических лиц

Основные тенденции  развития продукта:

-  рост доли экспресс-кредитования;

-  появление кредитов со стартовым взносом 0%: клиент оплачивает только страховку;

-  появление нишевых продуктов (на приобретение дополнительного оборудования и т.п.) и развитие новых программ (buy-back);

-  дальнейшее расширение сферы кредитования (подержанные автомобили).

Прогнозируемые  тенденции рынка:

-  рост продаж кредитов buy-back (обратный выкуп);

-  рост продаж рублевых кредитов на длинные сроки;

-  рост продаж кредитов с низким или нулевым первым взносом;

-  увеличение сроков кредитования, снижение ставки кредита;

-  повышение востребованности специальных кредитных программ (совместных программ банка, автопроизводителя, автосалона и страховой компании).

Продукт является востребованным на рынке, однако его дальнейший рост будет сдерживаться частичным замещением кредитными картами в сегменте краткосрочных кредитов (до 1 года). Можно ожидать, что такое замещение примет значительные размеры по мере распространения зарплатных кредитных карт.

Основные тенденции  развития продукта:

-  улучшение удобства обслуживания, расширение количества каналов для погашения кредита;

-  либерализация условий предоставления кредитов (снижение доли залоговых кредитов и кредитов под поручительство);

-  перемещение акцента на долгосрочные продукты (в связи с ростом конкуренции с кредитными картами в краткосрочном сегменте).

Экспресс-кредитование в торговых точках и овердрафтное кредитование уже начали замещаться более функциональными кредитными картами. Рост экспресс-кредитования еще поддерживается за счет регионов, однако этот потенциал должен быть исчерпан в ближайшее время, особенно с распространением зарплатных кредитных карт. Овердрафтное кредитование получило максимальное развитие в начале 2003 г. (6,2% рынка), но затем его роль снижалась (октябрь 2006 г. — 4,9%).

В результате активное наполнение кредитных портфелей  целым ассортиментом розничных  продуктов у крупных банков постепенно сменится более четким позиционированием  на рынке и подчас свертыванием изначальных программ.

Как следствие, преимущество будут иметь банки, которые окажутся в состоянии:

-  предложить клиенту технологическое и сервисное преимущество (функциональность продуктов, удобство и доступность каналов продаж и обслуживания);

-  выдержать падение ставок, то есть обеспечить высокую эффективность кредитных операций и низкий уровень потерь.

Таким образом, развитие в таких направлениях потребительского кредитования как экспресс-кредитование, кредитования с помощью кредитных  карт, ипотечное кредитование и автокредитование должно являться приоритетом для банков, настроенных на поддержание долгосрочного конкурентного преимущество в области розничного кредитования.

3.2 Совершенствование  кредитной политики в области  кредитования физических лиц

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 ЗАО «ВТБ-24», 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 ЗАО «ВТБ-24» рассчитывается коэффициент платеж-доход.

 

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.

Максимальные  значения показателей П/Д, выраженные в процентах, по программам потребительского и ипотечного кредитования устанавливаются  Кредитным комитетом. Максимальная сумма предоставляемого кредита (К) физическому лицу не может превышать  следующую расчетную величину:

1

К £ i*n ____ * {0.5 × D × n –ДO}

1 + 100* 12

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 ЗАО «ВТБ-24» не учитывает  такие факторы как наличие  сберегательного счета в банке, наличие недвижимости, страхование жизни Заемщика.

Автор предлагает альтернативную модель оценки кредитоспособности Заемщика – физического лица в  банке ЗАО «ВТБ-24».

Помимо расчета  платежеспособности Заемщика автор  предлагает 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:

1) возраст заемщика: 0,01 балла за каждый год сверх  20 лет при максимуме 0,3 балла;

2) пол: 0,4 балла  – женский; 0 – мужской;

3) оседлость: 0,042 балла за каждый год, прожитый в данной местности, при максимуме 0,42 балла;

4) занятость: 0,55 балла за профессию с низким  уровнем риска для жизни; 0 –  с высоким риском, 0,16 балла –  за все остальные профессии;

5) отрасль: 0,21 балла  для работников коммунальных  служб, государственных и банковских служащих, 0 – для всех остальных;

6) стабильность  занятости: 0,059 балла за каждый  год на данном месте работы  при максимуме 0,59 балла;

7) наличие сберегательного  счета в банке: 0,35 балла;

8) наличие недвижимости: 0,35 балла;

9) 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 ЗАО  «ВТБ-24» 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. Кредитный  скоринг широко применяется с 1966 года для принятие решения о выдаче/невыдаче кредита. 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  ЗАО «ВТБ-24» в связи с тем, что одной из приоритетных сфер деятельности ЗАО «ВТБ-24» 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 ЗАО «ВТБ-24» предполагает также высокие темпы развития деятельности по обслуживанию частной клиентуры.

В планах ЗАО  «ВТБ-24» на 2009 год – обеспечение  серьезного прироста прибыли, как за счет увеличения доходности операций, эффективного управления риском, так  и за счет оптимизации издержек.

Основными источниками  дохода Банка являются кредитование населения, малого и среднего бизнеса, крупных корпоративных клиентов, торговля ценными бумагами и обслуживание VIP-клиентуры. ЗАО «ВТБ-24» планирует  увеличить портфель розничных потребительских кредитов в 2,5 раза по сравнению с 2008 годом.

Решение состоит  в создании адаптивных систем кредитного скоринга, опирающихся на демографическую, ситуационную и историческую информацию.

Демографическая информация - это анкетная информация о клиенте.

Ситуационная информация - информация о том за каким кредитом, в какое место и время пришел клиент. В случае револьверного кредитования такая информация отсутствует.

Историческая  информация - информация об истории  финансовых операций с клиентом. Пока что в большинстве случаев такая информация отсутствует.

С полученной информацией  производится два основных действия - проверка информации (банки не хотят  выдавать кредит тому, кто их обманывает) и кредитный скоринг.

Проверка информации должна включать:

- проверку информации на полноту и непротиворечивость (в случае необходимости информация уточняется);

- проверка информации  по внешним базам данных. В  большинстве случаев банк может  получить базы для проверки  демографических данных таких,  как прописка и владение автотранспортом. Часть этих проверок может быть интегрирована, а часть требовать выгрузки данных и проверки вручную инспектором безопасности;

- проверка информации  на соответствие данных данным  других анкет. Такие проверки  могут выявить, например, ситуацию, когда жена уже получила кредит, а муж подал заявку на еще один потребительский кредит.

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.