Устойчивый экономический рост страны во многом определяется активным участием банковской системы в инвестиционном процессе, и прежде всего в кредитовании реального сектора. Учитывая нынешнее состояние банковской сферы России, динамичное развитие ее экономики довольно проблематично. Основные проблемы российской банковской системы - недокапитализация, высокий кредитный риск и отсутствие «длинных» пассивов - являются причинами того, что кредиты реальному сектору составляют лишь 12% от ВВП при 60 % в западных странах.

Современная банковская система - это одна из важнейших структур рыночной экономики. Продолжающееся повышение роли банковского сектора в развитии российской экономики и расширение масштабов банковского кредитования предприятий и населения сопровождаются повышением стабильности и надежности кредитных организаций.

Развитие кредитных операций банков с реальным сектором экономики явилось основным фактором роста активов банковского сектора в 2006 году. Кредиты, предоставленные банками отечественным нефинансовым предприятиям и организациям, за истекший год увеличились на 42,4% (что на 7,2 процентного пункта превышает темп прироста за 2005 год) и составили 2266,9 млрд. рублей на 1.01.2006. Удельный вес этих кредитов в активах действующих кредитных организаций возрос с 38,4% на 1.01.2006 до 40,5% на 1.01.2006.

В данной работе проведен анализ основных обобщающих показателей деятельности Отделения Марий Эл №8614 Сбербанка России, исследованы методы оценки кредитоспособности заемщика.

В качестве исходного материала для проведения исследования исполь-зованы данные отчетности ОСБ Марий Эл №8614, методическая литература, научные публикации и другие источники.

Глава 1. Общая характеристика ОСБ Марий Эл №8614

заемщика - юридического лица

Проблема оценки потенциальных и фактических ссудозаемщиков, их финансового состояния с точки зрения способности своевременно вернуть сумму основного долга и процентов была и остается основной из самых актуальных проблем организации кредитования банка.

Следует отметить, что в современных условиях отсутствуют унифицированные подходы к оценке финансового положения заемщика, поэтому банки вынуждены создавать собственные методики оценки кредитоспособности клиентов самостоятельно либо с помощю аудиторов.

Для определения кредитоспособности Заемщика проводится количественный (оценка финансового состояния) и качественный анализ рисков. В настоящее время законодательными и нормативными документами предусмотрены следующие показатели для оценки финансового состояния предприятий и организаций:

1. Оценка финансового состояния Заемщика

Оценка финансового состояния Заемщика производится с учетом тенденций в изменении финансового состояния и факторов, влияющих на эти изменения. С этой целью необходимо проанализировать динамику оценочных показателей, структуру статей баланса, качество активов, основные направления хозяйственно-финансовой политики предприятия.

При расчете показателей (коэффициентов) используется принцип осторожности, то есть пересчет статей актива баланса в сторону уменьшения на основании экспертной оценки. Для оценки финансового состояния Заемщика используются три группы оценочных показателей: коэффициенты ликвидности; коэффициент соотношения собственных и заемных средств; показатели оборачиваемости и рентабельности.

I. Коэффициенты ликвидности. Характеризуют обеспеченность пред-приятия оборотными средствами для ведения хозяйственной деятельности и своевременного погашения срочных обязательств.

Коэффициент абсолютной ликвидности К1 характеризует способность к моментальному погашению долговых обязательств и определяется как отношение денежных средств и высоколиквидных краткосрочных ценных бумаг к наиболее срочным обязательствам предприятия в виде краткосрочных кредитов банков, краткосрочных займов и различных кредиторских задолженностей :

стр.260 + стр.253 (частично)

К1 = -------------------------------------------------------- (1)

Раз.Y (стр.690) - (стр.640 + стр.650)

Промежуточный коэффициент покрытия К2 характеризует способность предприятия оперативно высвободить из хозяйственного оборота денежные средства и погасить долговые обязательства. К2 определяется как отношение:

стр.260 + стр.250 + стр.240

К2 = ---------------------------------------------------- (2)

Раз.Y (стр.690) - (стр.640 + стр.650)

Коэффициент текущей ликвидности К3 является обобщающим показателем платежеспособности предприятия, в расчет которого в числителе включаются все оборотные активы, в том числе и материальные:

Раз.II (стр.290)

К3 = -------------------------------------------------- (3)

Раз.Y (стр.690) - (стр.640 + стр.650)

II. Коэффициент соотношения собственных и заемных средств К4

Является одной из характеристик финансовой устойчивости предприятия и определяется как отношение собственных средств ко всей сумме обязательств по привлеченным заемным средствам:

Раз. III (стр. 490)

К4 = ------------------------------------------------------------------------- (4)

Раз.IY (стр.590) + Раз.Y (стр.690) - (стр.640 + стр.650)

III. Показатели оборачиваемости и рентабельности. Оборачиваемость разных элементов оборотных активов и кредиторской задолженности рассчитывается в днях исходя из объема дневных продаж (однодневной выручки от реализации).

Показатели рентабельности определяются в процентах или долях.

Рентабельность продукции (или рентабельность продаж) К5:

прибыль от реализации стр.050 формы №2

--------------------------------, или К5 = ------------------------------ (5)

выручка от реализации стр. 010 формы №2

Основными оценочными показателями являются коэффициенты К1, К2, К3, К4 и К5. Другие показатели оборачиваемости и рентабельности используются для общей характеристики и рассматриваются как дополнительные к первым пяти показателям.

Оценка результатов расчетов пяти коэффициентов заключается в присвоении Заемщику категории по каждому из этих показателей на основе сравнения полученных значений с установленными достаточными. Далее определяется сумма баллов по этим показателям в соответствии с их весами.

Таблица 4

Разбивка показателей на категории в зависимости от их фактических значений

Формула расчета суммы баллов S имеет вид:

S = 0,11 * Категория К1 + 0,05 * Категория К2 + 0,42 * Категория К3 +

+ 0,21 * Категория К4 + 0,21 * Категория К5.

Значение S наряду с другими факторами используется для определения рейтинга Заемщика.

Таблица 5

Таблица расчета суммы баллов

Для остальных показателей третьей группы (оборачиваемость и рентабельность) не устанавливаются оптимальные или критические значения ввиду большой зависимости этих значений от специфики предприятия, отраслевой принадлежности и других конкретных условий.

Оценка результатов расчетов этих показателей основана, главным образом, на сравнении их значений в динамике.

Качественный анализ основан на использовании информации, которая не может быть выражена в количественных показателях. Для проведения такого анализа используются сведения, представленные Заемщиком, подразделением безопасности и информация базы данных.

На этом этапе оцениваются риски, связанные с банками, в которых открыты счета; деловая репутация (аккуратность в выполнении обязательств, кредитная история, участие в крупных проектах, качество товаров и услуг и т.д.); качество управления (квалификация, устойчивость положения руководства, адаптивность к новым методам управления и технологиям, влиятельность в деловых и финансовых кругах).

Заключительным этапом оценки кредитоспособности является определение рейтинга Заемщика, или класса.

Устанавливается 3 класса заемщиков:

первого класса - кредитование которых не вызывает сомнений;

второго класса - кредитование требует взвешенного подхода;

третьего класса - кредитование связано с повышенным риском.

Рейтинг определяется на основе суммы баллов по пяти основным показателям, оценки остальных показателей третьей группы и качественного анализа рисков.

Сумма баллов S влияет на рейтинг Заемщика следующим образом:

S = 1 или 1,05 - Заемщик может быть отнесен к первому классу кредитоспособности;

S больше 1,05, но меньше 2,42 - соответствует второму классу;

S равно или больше 2,42 - соответствует третьему классу.

Далее определенный таким образом предварительный рейтинг корректируется с учетом других показателей третьей группы и качественной оценки Заемщика. При отрицательном влиянии этих факторов рейтинг может быть снижен на один класс.

В связи с тем, что методика оценки кредитоспособности заемщика в ОСБ №8614 СБ РФ основывается в основном на анализе относительных показателей финансово-хозяйственной деятельности, может быть предложена методика оценки кредитоспособности заемщика, которая основывается на классе кредитоспособности заемщика, для чего каждому показателю представленному ниже присваивается определенное количество баллов и в конце определяется класс кредитоспособности заемщика (приложение 2).

Значения класса кредитоспособности представлены в таблице 6.

Таблица 6

Значения класса кредитоспособности

Этапы реализации методики оценки кредитоспособности заемщиков - юридических лиц:

1. Изучение общей характеристики заемщика, (репутация, история бизнеса, характеристика деловой активности, связи с потребителями продукции и поставщиками продукции, состав учредителей и их стабильность, возвращение предыдущих кредитов, местонахождение заемщика, и так далее).

2. Анализ финансового положения заемщика (способность заемщика получать средства по всем видам деятельности и рассчитываться по своим обязательствам, в том числе по долгосрочным обязательствам).

3. Анализ эффективности кредитной операции или инвестиционного проекта (окупаемость проекта, денежный поток по конкретному проекту, желание заемщика использовать в проекте, который кредитуется, собственный капитал, характер рынка, условия реализации товаров, перспективность развития отрасли.

2.2. Методики оценки кредитоспособности физических лиц

В настоящее время в российской экономике наблюдается стабилизация, постепенное увеличение жизненного уровня населения. Это способствует более оптимистичному взгляду на будущее. Складывающаяся ситуация явилась одной из основных причин развития рынка кредитования частных лиц: выдачи потребительских кредитов, автокредитования, ипотечного кредитования, образовательного кредитования, кредитования при помощи пластиковых карт. При этом нужно принимать во внимание, что кредитование всегда связано с риском.

В мировой практике существует ряд направлений кредитования физических лиц. Несомненно, самым перспективным является рынок ипотечного кредитования. В большинстве банков уже есть свои собственные наработки в данной области, выраженные в виде программ ипотечного кредитования. Но доходность здесь небольшая, поскольку кредитование не имеет массовый характер. Деятельность в данной области связана с большим количеством рисков, касающихся в основном длительности периода кредитования. Поэтому стоимость кредитной услуги очень велика. Для привлечения клиентов необходимо, в первую очередь, снижение процентной ставки за счет исключения из нее риска неплатежа. Для этого банки должны отсечь «плохих» заемщиков и предупредить случаи невозврата и, соответственно, дополнительные расходы с этим связанные.

Автокредитование по доходности стоит на первых позициях данного рынка. В настоящее время в России 15 - 20% всех автомобилей реализуется с помощью кредитов, а в некоторых автосалонах в кредит приобретается до 70% автомобилей. Как правило, автомобиль же и используют в качестве залога. Но даже в такой ситуации недобросовестный заемщик, ввиду отсутствия регистрации залога - движимого имущества, вполне может повторно заложить или продать автомобиль.

Кредитование товаров длительного пользования берет своей массовостью. Большинство кредитов данной области не превышают 10000 рублей. В случае же мошенничества или дефолта заемщика банк должен нести затраты соизмеримые с суммой кредита. Данная проблема возникла в начале 2005 г. в отечественных коммерческих банках, где доля проблемных займов достигла 25% в портфелях потребительского кредитования. Практика перекладывания рисков на заемщиков в данном случае может помочь только на первых порах. В условиях конкуренции выиграет тот, кто минимизирует риски, опять же достоверно определив, какой клиент 'хороший', а какой 'плохой' и предложит заемщикам более выгодные условия.

Таким образом, базовым вопросом кредитования физических лиц является достоверная классификация потенциальных заемщиков на 'хороших' и 'плохих'. Рассмотрим используемую в мире практику такой оценки, а также проблемы на пути ее применения в нашей стране.

Наибольшее распространение в мире получила скоринговая система классификации на основе бальных оценок. В основе скоринга лежит принцип формализации знаний экспертов определенным способом. Консервативность банкиров донесла данный принцип оценки до наших дней. Сейчас существуют куда более прогрессивные способы добычи и формализации знаний (Data Mining). Даже если самого эксперта нет, то, основываясь не на опыте, а на статистических данных, им станет, например, дерево решений, что будет наглядно показано далее.

На данный момент банки находятся в невыгодном положении (приложение 3). С одной стороны, необходимо осваивать рынок потребительского кредитования, а с другой стороны с этим процессом связаны слишком высокие риски, которые зачастую перекладываются на заемщиков, что явно не способствует стимулированию спроса на кредиты. Также не известно, когда освещенные здесь проблемы будут должным образом урегулированы с правовой точки зрения.

В такой ситуации банк, решившийся на освоение данного рынка должен иметь несколько вещей:

- консолидированную информацию о клиентах, представленную в унифицированном виде. Информация должна периодически пополняться данными из всех филиалов банка. Такое хранилище будет исполнять функцию кредитного бюро;

- достоверный способ классификации (достоверность должна быть более 90%) потенциальных заемщиков и отсечение 'неблагонадежных'. Этот способ позволит снизить риски невозврата к минимуму, что позволит выдавать более дешевые кредиты и, соответственно, привлечет больше заемщиков. При этом значительно увеличится прибыль от кредитования физических лиц.

Модель классификации заемщиков должна иметь свойства тиражируемости и адаптации к состоянию рынка, к каждому филиалу банка. Т.е. построенная, основываясь на общих закономерностях, модель должна корректироваться под частные, присущие каждому филиалу особенности. Это позволит учесть местные особенности, что еще больше позволит снизить риск.

На данный момент банки в той или иной степени имеют наработки по каждому из этих пунктов, но методики, заложенные в их основе либо слишком инертны, чтобы адекватно реагировать на динамику рынка, либо слишком дороги (предлагаемые зарубежные решения сопоставимы с доходами от потребительского кредитования в сегодняшнем виде). Именно поэтому так дороги кредиты и не так велик спрос на них. Увеличение же достоверности и снижение стоимости позволит отказаться от практики переноса рисков и затрат на заемщиков. Тогда в выигрыше окажутся все - и банки, сохраняя удельную прибыльность на прежнем уровне, и заемщики, привлеченные более выгодными условиями. Все это становится более актуальным в виду будущего бурного роста рынка потребительского кредитования и будущей конкуренции.

Для достижения этих целей банки привлекают высокооплачиваемых экспертов. Но их мало и им порой физически не хватает времени успевать везде. Поэтому также актуальным является вопрос формализации знаний экспертов и их тиражирование.

Задачи подобного рода легко решаются на базе платформы Deductor. Механизмы Deductor позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и формализовать знания экспертов, создав модели классификации заемщиков с достоверностью более 90%. Причем модель позволит принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду предстоящего онлайн кредитования и массового использования кредитных карт.

Большинство банков уже имеют достаточно статистики по кредитованию физических лиц. Для построения достоверной модели достаточно информации за 3 - 4 года. Тем более, модели имеют возможность периодически перестраиваться, учитывая динамику рынка (новые данные).

Подытоживая все сказанное выше, можно с уверенностью говорить о готовности Банка Марий Эл к использованию передовых методик оценки кредитоспособности физических лиц. Осталось лишь консолидировать накопленные данные и формализовать опыт экспертов в рамках единой архитектуры. Это с успехом позволяет сделать аналитическая платформа Deductor. В виду этого, интересно будет рассмотреть основные принципы формирования такой системы на одном из примеров оценки кредитоспособности физических лиц. В нем будут видны преимущества заложенных в платформе методик относительно используемых в настоящий момент (скоринг, экспертные оценки и т.п.).

Прежде чем приступить к описанию решения необходимо осветить некоторые аспекты методики анализа с использованием механизмов Data Mining. Итак, задача заключается в построении модели оценки (классификации) потенциальных заемщиков. Решение задачи также должно обладать большой достоверностью классификации, возможностью адаптации к любым условиям, простотой использования модели.

Пользуясь приведенной выше методикой, была предложена гипотеза о том, какие факторы влияют на кредитоспособность человека. По мнению экспертов, по этим факторам можно учесть суммарный риск. Тем самым должно достигаться и отнесение потенциального заемщика к способным вернуть кредит или не способным.

Предложенные факторы представлены в таблице 7.

Таблица 7

Факторы, влияющие на кредитоспособность

Согласно предложенной гипотезе, данные факторы были собраны и консолидированы в хранилище данных Deductor Warehouse. Методология хранилища такова, что информация хранится в процессах, каждый процесс имеет определенный набор измерений и фактов. Т.е. процесс реализован по стандартной схеме “Звезда”, в центре которой хранятся факты, а измерения являются лучами. В данном случае процесс отображает выдачу кредита заемщику. Наиболее ценной информацией процесса является статус кредита. Хороший кредит - тот, который заемщик вернул в срок и в полном объеме, плохой - обратная ситуация.

При построении модели оценки кредитоспособности огромную помощь эксперту окажет разнообразная аналитическая отчетность. Поскольку данные в хранилище представлены в многомерном виде, то, несомненно, наиболее удобно получать отчетность в виде набора срезов данных - кросс-таблиц.

В основном берут кредит лица до 30 лет, от 30 до 50 менее активно, от 50 до 70 практически не берут. Видимо, условия кредитования не устраивает лиц, старше 30 лет в большинстве случаев. Банку, для привлечения данной категории лиц придется менять условия кредитования (например, уменьшить плату за кредит). Если анализировать причину такого количества отказов в выдачи кредитов, то выяснится, что потенциальные заемщики неадекватно оценивали свои возможности по погашению кредита (это наглядно видно на самоорганизующихся картах далее).

В Deductor 4 в OLAP-кубе с помощью инструмента 'селектор' можно агрегировать факты по какому-либо измерению, оставляя только те объекты, которые соответствуют указанному условию. Например, можно объединить сумму кредитов по возрастам заемщиков, оставив только тех, которые в сумме берут 50% кредитов. Так подтверждается популярность кредитования среди молодежи. Это небольшой пример применения аналитической отчетности. На практике можно таким образом анализировать любую информацию о заемщиках, имеющуюся в хранилище в произвольных разрезах.

Сегментация заемщиков.

Каждый заемщик обладает определенным набором атрибутов (факторов). Для анализа рынка необходимо в первую очередь понять общую картину. Кто берет кредиты, зачем, какие существуют причины отказов в выдаче кредитов или причины несостоятельности. Для этого необходимо наглядное представление всех имеющихся данных. Такую задачу можно решить с помощью построения самоорганизующихся карт, показывающих распределение заемщиков по характеристикам 'Сумма кредита', 'Срок кредита', 'Цель кредитования', 'Среднемесячный доход', 'Количество иждивенцев' и 'Возраст'. После сегментирования можно узнать, какие именно сегменты являются наиболее активными, какие приносят наибольшую прибыль и где находятся наиболее лояльные клиенты, выделить характерные для них признаки.

Итак, 0 сегмент - самый большой, представляет всех заемщиков старше 30 лет. Это наиболее консервативная часть всех заемщиков, поэтому ей присущи сходные черты и, следовательно, необходим одинаковый подход при оказании им услуг кредитования, а также их классификации. Заемщики же моложе 30 лет делятся еще на 4 сегмента:

Кластеризация показала, что на рынке кредитования физических лиц существуют не только различные направления (кредитование товаров, образовательные кредиты), но и различные сегменты заемщиков, пользующиеся одним и тем же видом услуг. Следовательно, для каждой такой группы необходим свой способ классификации на 'хороших' и 'плохих' заемщиков. Очевидно, что, даже анализируя отдельный сегмент рынка, доминируют те или иные факторы в зависимости от ситуации. В рассматриваемой далее модели будет показано, что при определенных условиях большую роль играет наличие собственности у кредитора, при других его образование или срок работы на предприятии. Т.е. модель классификации получается весьма гибкая. Тем не менее, существуют такие факторы, влияние которых на принятие решения о выдаче кредита мало меняется от остальных условий. Это сумма кредита, срок кредита, среднемесячный доход и среднемесячный расход.

Исходя из данных предыдущего анализа, можно выделить несколько групп заемщиков, берущих в кредит товары длительного пользования: кредиты на небольшие суммы, средние и значительные и проанализируем некоторые из них. Выделим из полученных сегментов группу заемщиков, берущих небольшие кредиты на приобретение товаров. Построим для этой группы дерево решений. Входными параметрами будут факторы, влияющие на кредитоспособность согласно выдвинутой гипотезе. Выходом же дерева будет решение о выдаче кредита или отказе.

Заметим, что дерево само отсекло незначащие и мало влияющие на результат факторы, оставив среднемесячный доход, расход и срок кредита. Это можно учесть при экспресс кредитовании наиболее дешевых товаров.

Перейдем непосредственно к классификации потенциальных заемщиков с помощью одной из построенных моделей. Для этого также используется инструмент 'Что-если'. В нем конечный пользователь задает входные факторы - анкетные данные, а результатом является оценка его кредитоспособности (0 - заемщик наверняка не вернет кредит, 1 - наверняка вернет). Более продуктивным будет групповой анализ данных о потенциальных заемщиках. Принцип его проведения такой: из хранилища извлекаются данные о лицах, обратившихся за кредитом в последнее время. Согласно этим данным, для каждого клиента автоматически подбирается одна из построенных моделей оценки кредитоспособности. Через модели прогоняются все данные. Затем результаты анализа экспортируются на сторону в виде отчета. Т.е. система регулярно сама выдает оценку потенциальных заемщиков.

Таким образом, в данном разделе работы была освещена тема потребительского кредитования с позиции проблем, возникающих у банков при освоении данного рынка, в основном касающиеся правовых аспектов и аспектов снижения риска. Также было продемонстрировано решение проблем оценки кредитоспособности заемщиков в сегодняшней действительности при помощи инструментов Data Mining платформы Deductor. В рамках данной задачи был реализован сценарий, заключающий в себе консолидацию данных из сторонней системы, прогон данных через построенную модель, экспорт результатов оценки кредитоспособности на сторону.

Основные преимущества системы:

- гибкая интеграция с любыми сторонними системами, т.е. получение информации для анализа и перенос результатов не вызывает проблем;

- консолидация информации о заемщиках в специальном хранилище данных;

- широкий спектр инструментов анализа, т.е. обеспечение возможности эксперту выбрать наиболее подходящий метод на каждом шаге обработки. Это позволит наиболее точно формализовать его знания.

Таким образом, для эффективного формирования кредитного портфеля Банку Марий Эл необходимо взять на вооружение передовые технологии добычи знаний и применить их для оценки потенциальных заемщиков. Благодаря этому можно будет не бояться предстоящей конкуренции на этом рынке. Подготовка решения данного вопроса сейчас позволит обкатать саму процедуру и в дальнейшем избежать ошибок и расходов в связи с массовым применением таких подходов в дальнейшем.

Глава 3. Анализ кредитоспособности заемщика ОСБ Марий Эл