Управленіе кредітным ріском

     Р - Purpose - цель кредита;

     А - Amount - обоснование цели кредита;

     R – Repayment - возможность погашения;

     I - Insurance - способ страхования кредитного риска.

     В практике американских банков применяют  «правило пяти си»:

       1C — customer's character (характер кредитополучателя) - репутация кредитополучателя, степень ответственности, готовность и желание погасить долг;

     2С  - capacity to pay (финансовые возможности) - предполагает тщательный анализ доходов и расходов кредитополучателя и перспективы их развития в будущем;

     ЗС - capital (капитал, имущество);

     4С  - collateral - обеспечение кредита, достаточность, качество и степень реализуемости залога в случае его непогашения;

      5С - current business conditions and goodwill (общие экономические условия) - определяют деловой климат в стране и оказывают влияние на положение банка и кредитополучателя.

       Перечисленные критерии «си»  иногда дополняют шестым критерием  - 6С — control - контроль за законодательными основами деятельности кредитополучателя и соответствием его стандартам банка [29, с.62].

     После предоставления кредита начинается второй этап кредитного процесса, смысл  которого в анализе текущей деятельности фирмы и выявлении на ранней стадии кредитов, которым угрожает несвоевременное  погашение. Для этого многие банки  при оценке выданных кредитов используют так называемый кредитный классификатор, который позволяет качественно  и количественно определить риск невозврата кредита. В странах с  рыночной экономикой широкой популярностью  среди банков пользуются классификационные  модели оценки кредитоспособности кредитополучателей, которые позволяют разбить кредитополучателей на группы и являются вспомогательным  инструментом при определении возможности  удовлетворения кредитной заявки. Достаточное  распространение получили две модели: 1) бальной (рейтинговой) оценки и 2) прогнозирования  банкротства.

     Рейтинговая оценка предприятия-кредитополучателя  рассчитывается на основе полученных значений финансовых коэффициентов  и выражается в баллах. Баллы исчисляются путем умножения значения любого показателя на его вес в интегральном показателе (рейтинге).

     Общий вид рейтинговой оценки следующий (формула 3.1): 

                                          Ко = ∑Ai х Ki; i € [l;n],                                       (3.1) 

     где Ко - интегральный показатель (рейтинг);

           Ai - удельный вес i-гo показателя;

           Ki - значение i-гo показателя;

           n - число показателей. [26, с. 2-7] 

     Модификацией  рейтинговой оценки является кредитный скоринг (credit scoring), который представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный кредитооплучатель вернет кредит в срок.

     Скоринг широко используется в США и Западной Европе. В качестве исходного материала  для скоринга используется разнообразная  информация о прошлых клиентах, на основе которой с помощью различных  статистических и нестатистических методов классификации делается прогноз о кредитоспособности будущих  кредитополучателей.

     В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем. В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и т. п.

         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. Интегральный показатель каждого клиента сравнивается с неким числовым порогом, или линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем нужно клиентов, которые платят в срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии -- нет.

     Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны  с ненадежностью или, наоборот, с  надежностью клиента. Банковский работник не знает, вернет ли данный кредитополучатель  кредит, но он знает, что в прошлом  люди этого возраста, этой же профессии, с таким же уровнем образования  и с таким же числом иждивенцев кредит не возвращали. Поэтому он давать кредит этому человеку не будет.

     В этом заключается дискриминационный  характер скоринга, т. е. если человек  по формальным признакам близок к  группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени  использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда  кредитный инспектор располагает  дополнительной информацией, доказывающей, что человек, классифицированный как  ненадежный, на самом деле «хороший», и наоборот [2].

     В Великобритании наиболее «ценными»  для прогнозирования кредитного риска считаются следующие характеристики: возраст, количество детей (иждивенцев), профессия, профессия супруга, доход, доход супруга, район проживания, стоимость жилья, наличие телефона, сколько лет живет по данному  адресу, сколько лет работает на данной работе, сколько лет является клиентом данного банка, наличие  кредитной карточки (чековой книжки).

     В других странах набор характеристик, которые наиболее тесно связаны  с вероятностью дефолта -- вероятностью, что кредитополучатель не вернет кредит или задержится с выплатой, будет отличаться в силу национальных экономических и социально-культурных особенностей. Чем более однородна  популяция клиентов, на которой разрабатывается  модель, тем точнее прогнозирование  дефолта. Поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные  модели для различных групп клиентов и различных видов кредита [62].

     Однако  при скоринговой процедуре отбора клиентов возникают некоторые проблемы.

     Во-первых, довольно сложно грамотно учесть все ключевые признаки клиента, так как многие из них плохо формализуемы.

     Во-вторых, балльные оценки признаков, как правило, достаточно субъективны. Так, мужчина и женщина получают разные баллы при оценке кредитных рисков. При этом количественные значения этих баллов формируются либо экспертным путем, либо по весьма субъективным расчетным схемам.

     В-третьих, используемые в расчетах балльные оценки не являются застывшими во времени величинами, поскольку сдвиги в социально-экономических условиях приводят к изменению уровня риска каждого признака. Иными словами, система баллов должна оперативно обновляться. При этом пересчет балльной шкалы идет для каждого временного интервала с учетом специфики конкретного банка и выдаваемых им кредитов (краткосрочный, долгосрочный и т.п.).

     В-четвертых, критическое значение суммы баллов, с которым сравнивается ее фактическая величина, определяется эмпирически. Никаких серьезных теоретических обоснований этой величины нет. Очевидно,  что в общем случае критический порог также является "плавающей" во времени величиной и должен быть дифференцирован в зависимости от вида кредита. Любые ошибки и погрешности в определении критической величины суммы баллов могут давать принципиально неверный результат, особенно когда фактическое значение баллов лежит в окрестности критического.

     Таким образом, поставить на "конвейер" выдачу кредитов на основе количественных методик оценки рисков весьма непросто. Всегда существует потребность неформальной перепроверки результатов современных  количественных тестов [61].

     На  Западе при кредитовании юридических  лиц скоринг-модели распространены не настолько широко, как в потребительском  кредите. Это связано с тем, что  для разработки модели очень трудно набрать достаточное количество компаний, сходных друг с другом: компании сильно отличаются по размеру, обороту, секторам экономики. Чем крупнее  предприятие, тем труднее подобрать  аналогичные предприятия для  сравнения.

     В отношении методов оценки кредитных  рисков для юридических лиц актуальны  те же проблемы, что и для физических. Так, при расчете вероятности  банкротства фирмы аналитиками  банка используются многофакторные модели, представляющие собой процедуру  взвешивания основных показателей  деятельности кредитуемого юридического лица. Далее полученный интегральный показатель сравнивается со своими эталонными значениями (их может быть несколько). По результатам сравнения делается окончательное заключение о платежеспособности хозяйственного субъекта.

     Здесь, как и в предыдущем случае, проблема определения состава и числа  взвешиваемых частных показателей  однозначного решения не имеет. Вопрос же формирования системы весовых  коэффициентов стоит еще более  остро, чем для физических лиц, так  как для количественного соизмерения  роли и "веса" совершенно различных  сторон жизни предприятия в данном случае нет вообще никакой объективной  основы [2].

     Достоинством  этой модели является ее простота: достаточно рассчитать финансовые коэффициенты и взвесить их, чтобы определить класс кредитополучателя. Следует, однако, помнить, что в расчете рейтинга могут принимать участие только те значения, которые отвечают установленным нормативам.

     Прогнозные  модели используются для оценки качества потенциальных кредитополучателей и базируются на статистических методах, наиболее распространенным из которых является множественный дискриминантный анализ (МДА), известный также как «кластерный анализ».

     Общий вид дискриминантной функции  следующий (формула 3.2):

      

                                        Z = А_о + ∑A_i * F_i; i ϵ [1;n],                                 (3.2) 

     где А_о, A_i - некоторые параметры (коэффициенты регрессии);

           F_i - факторы, характеризующие финансовое состояние кредитополучателя (например, финансовые коэффициенты). 

     Наиболее  известной моделью МДА является модель Альтмана. В 1977 году Альтманом, Хольдерманом и Нарайаной был  введен Z-анализ на основании следующего уравнения (формула 3.3): 

                     Z = 1,2 X1 + 1,4X2 + 0,6X3 + 1,0X4 + 3,3X5,                        (3.3) 

     где X1  - отношение собственных оборотных средств к сумме активов;

           Х2 - отношение реинвестируемой прибыли к сумме активов;

           ХЗ - отношение рыночной стоимости акций к заемному капиталу;

           Х4 - отношение объема продаж (выручки от реализации) к сумме активов;

           Х5 - отношение брутто-прибыли (прибыли до налогообложения) к сумме активов. 

     Отнесение предприятия к определенному  классу надежности производится на основании  следующих значений индекса Z:

     Z < 1,8 - вероятность банкротства очень высокая;

     1,8 < Z < 2,7 - вероятность банкротства высокая;

     2,7 < Z < 3,0 - вероятность банкротства низкая;

     3,0 < Z - вероятность банкротства очень низкая.