Совершенствование процессов поддержки принятия решений по кредитованию в системе "Diasoft" для МАСТ-БАНКА

Размещено на http://www.allbest.ru

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«Ростовский государственный экономический университет (РИНХ)»

«Совершенствование процессов поддержки принятия решений по кредитованию в системе «Diasoft» для МАСТ-БАНКА»

Направление магистратуры 080500 - Бизнес-информатика

Диссертация на соискание

академической степени магистра

Магистрант гр. 361 - БИНG

О.С. Киселева

Научный руководитель -

профессор кафедры ИТ и ЗИ,

кандидат экономических наук

Г.М. Лапицкая

Ростов-на-Дону - 2013



Реферат

Диссертация на соискание академической степени магистра, 70 стр., 4 табл., 13рис., 27источников, 3 приложения.

КРЕДИТОВАНИЕ, СИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ, АНАЛИЗ, МОДЕЛИРОВАНИЕ.

Объектом исследования - является процесс принятия решений в сфере кредитования.

Предмет исследования - является автоматизация процесса принятия решений АБС «Diasoft » в системе кредитования.

Цель исследования - совершенствование системы принятия решения для АБС «Diasoft » в системе кредитования.

Методы исследования: методы научного познания - сравнение, системный анализ, методы имитационного моделирования, методы экспертных оценок.

Результаты работы: разработка модуля интеллектуальной поддержки принятия решения о выдаче кредита субъекту

Диссертация выполнена в текстовом редакторе Microsoft Word и представлена в твердой копии.



Введение

интеллектуальный решение риск кредитование

Актуальность совершенствования принятия решений на основе оценки рисков розничного кредитования подтверждается, с одной стороны, статистикой продолжающегося роста невозвратов кредитных средств, выданных на основании существующих методов и методик оценки кредитных рисков, с другой стороны, существует необходимость сохранить кредитную деятельность, в том числе как возможность смягчения воздействия кризиса на малый и средний бизнес и как поддержку населения во времена депрессивной экономики.

Главная составляющая повышения эффективности системы розничного кредитования - эффективность оценки риска данного вида услуг и, как следствие, снижение невозвратов заемных средств и оправданная диверсификация рисков.

Существующие методики оценки кредитного риска применительно к кредитованию физических лиц базируются на ряде общих принципов, что позволяет сгруппировать их в определенные направления: методики Центрального банка - платежеспособность соискателя определяется исходя из наличия залога или залогового имущества; методы, предложенные Базельским комитетом по банковскому надзору, в том числе подход, наиболее приемлемый и широко используемый, основанный на рейтинговой оценке - скоринг].

Авторы работ по оценке рисков банковской системы Т.Н. Данилова, В.В. Карасев, Е.Д. Соложенцев отмечают основные проблемы существующих методик, а именно, в первом случае: непрозрачность, недостоверность доходов, как соискателей, так и поручителей, несоизмеримость предлагаемого залогового имущества и суммы кредита, сложность процедуры оформления услуги и во втором: использование нероссийских методик и недостоверность накопленной статистики.

Степень разработанности проблемы.

На основании выводов из подробного анализа литературы, раскрывающей вопросы экономической, социальной психологии, литературы, посвященной финансовым рискам, следует, что риск-менеджерам необходимо анализировать риски (качественно и количественно), в основе которых лежит сим-биоз внешних воздействий и субъективного принятия решения, часто отличного от рационального. При оценке риска выдачи соискателю кредита необходимо рассматривать его как субъект, который к моменту осуществления действия «кредит» уже имеет индивидуальный опыт взаимодействия с внешней средой в системе кредитно-монетарных отношений.

Вопросы субъективного поведения человека наиболее актуальны на сегодняшний день в области разработки интеллектуальных информационных систем. Авторами работ А.И. Башмаковым, И.А. Башмаковым, Т.А. Гавриловой, В.Ф. Хорошевским рассматриваются вопросы проектирования интеллектуальных систем, как систем направленных, в том числе на изучение и моделирование субъективного поведения человека.

Объектом исследования является процесс принятия решений в сфере кредитования.

Предмет исследования - является автоматизация процесса принятия решений АБС «Diasoft » в системе кредитования.

Цель и задачи исследования. Целью диссертационной работы является совершенствование системы принятия решения АБС «Diasoft » в системе кредитования.

Для достижения цели в работе потребовалось поставить и решить следующие задачи:

Анализ существующих методов, средств и программ идентификации оценки кредитоспособности физических лиц.

Создание БД прецедентов для категориального анализа.

Разработка модели интеллектуальной поддержки принятия решения о выдаче кредита субъекту.

Формирование выводов об эффективности данного модуля.

Инструментарий исследования составили методы научного познания - сравнение, системный анализ, методы имитационного моделирования, методы экспертных оценок, современное программное обеспечение Microsoft Office, АБС «Diasoft».

Теоретической базой исследования послужили труды ведущих отечественных и зарубежных авторов, посвященные исследованию проблем совершенствования системы принятия решений по кредитованию, материалы научных конференций и публикации в периодической печати.

Эмпирической базой исследования явились статистические данные, собранные в ходе экспериментов, результаты научных исследований ведущих ученых и научно-исследовательских организаций, чья деятельность связана с системой поддержки принятия решения в сфере кредитования.

Научная новизна результатов исследования, состоит в определении альтернативного пространства признаков оценки соискателя кредита, применении и адаптации методов социальной и экономической психологии (положений семантического эксперимента) в системе кредитно-монетарных отношений, а именно в системе розничного кредитования, что предопределяет при оценке рисков данного вида услуг переход от оценки платежеспособности к оценке кредитоспособности.

Новизна структуры системы поддержки принятия решения, поддерживающей концепцию, состоит в том, что в нее включен блок извлечения и структурирования знаний, отражающих субъективное кредитное поведение заемщика, который, по сути, выполняет работу экспертов-психологов, что полностью снимает наиболее существенную проблему субъективного подхода уже на первом этапе оценки соискателя кредита. Результат работы данного блока - инструментарий для блока приобретения знаний, что предопределяет адаптивность системы оценки рисков с учетом социально-экономических факторов, а также структура системы поддержки принятия решений учитывает естественное наличие противоречий оценок кредитоспособности/платежеспособности, что обеспечивает возможность реализации гибкой политики банка.

Практическая значимость

Разработанный модуль системы поддержки принятия решения для АБС «Diasoft» может использоваться при разработке и модернизации существующих систем оценки кредитоспособности физических лиц.

Положения, выносимые на защиту:

Концепция оценки рисков розничного кредитования

Разработанная структура системы поддержки принятия решения которая моделирует процесс принятия решения для прикладной задачи - банковского кредитования физических лиц.

Разработанное, протестированное программное обеспечение для решения задачи - оценки кредитоспособности физического лица.

Теоретическая значимость работы состоит в разработке модели интеллектуальной системы принятия решений применительно к банковским предприятиям, использующим современные информационные и коммуникационные системы и технологии.

Апробация и внедрение результатов исследования.

Предложения и практические рекомендации, сформулированные в диссертационном исследовании, нашли отражение в двух публикациях «Моделирование процессов кредитования коммерческого банка»,

«Методика описания (структуризации) бизнес-процессов коммерческого банка и ее практическое применение».

Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения, библиографического списка и приложения.

Публикации. По результатам диссертационного исследования опубликовано 2 печатные работы общим объемом 0,6 п.л.



1. Проблемный анализ состояния услуг кредитования

1.1 Анализ ситуации рынка розничного кредитования

На 1 ноября 2012 года банковские активы выросли на 19% по сравнению с ноябрем 2011 года. При этом рост объемов потребительского кредита составил 41%, а рост объемов кредитов предприятиям и организациям - 17%. Темпы роста потребительского кредитования в этом году превысят прошлогодние. Если в 2011 году - объемы этого рынка выросли на 37%, то в этом году будет рост на 45-47%. 

Потребительское кредитование было не просто драйвером роста для банковской системы, а фактически стало основным источником дохода. На фоне вялого развития промышленного производства и, соответственно, низких темпов кредитования промышленности основная доля рекордной прибыли российских кредитных организаций (833,7 млрд. рублей за 9 месяцев) была заработана розничным кредитованием.

Рост рынка кредитования основан на средствах ЦБ и Минфина. Объем задолженности банков перед государством и ЦБ вырос в два раза и составил порядка 3,5 трлн. рублей, в то время как год назад эта цифра была на уровне 1,7 трлн. рублей. С января по сентябрь средствами клиентов фондировалось только 38% новых активов и 31% приходился на средства ЦБ и Минфина.

Таким образом, динамика роста розничного кредитования с начала года минимум в 1,5-2 раза превышает результаты остальных сегментов кредитного рынка. По итогам года портфель кредитов физлицам достигнет 7 трлн. рублей, а доля в совокупном кредитном портфеле -- 21-22% (1 января 2012 года было 19%). Из этой суммы около 1,6 трлн. рублей приходится на ипотечный кредит, 800 млрд. рублей - на автокредиты. Еще около 500 млрд. рублей - это жилищные кредиты, которые обеспечены не жильем, а инвестиционными контрактами (например, дольщиков). В течение 2-3 лет такие кредиты, как правило, превращаются в ипотечные. 

Таким образом, около 60% рынка, или 4 трлн. рублей - это необеспеченные краткосрочные кредиты. Именно этот сегмент характеризуется наибольшим ростом - около 58% по итогам года. В нем особенно выделяется подсектор карточного кредитования (задолженность - около 600 млрд. рублей). Рост здесь по итогам года может составить 80%. 

Высокий интерес банкиров к доходности данного бизнеса связан не только с более высокой процентной ставкой. Во-первых, потребительское кредитование в наибольшей степени среди остальных сегментов кредитного рынка дает банкам возможность увеличивать долю комиссионных доходов за счет предложения сопутствующих страховых услуг (страхование жизни, потери трудоспособности и т.п.). А, как известно, комиссионные доходы -- это наиболее стабильный компонент в кризисных или сложных условиях. Многие банки, не желая делить доходы со страховыми компаниями, идут по пути создания либо покупки собственного страхового бизнеса. И многие участники страхового рынка прогнозируют, что уже через пару лет именно госбанки станут на нем крупнейшими игроками.

Во-вторых, до недавнего времени розничный сегмент давал банкам и другое преимущество -- возможность активно наращивать масштабы бизнеса без существенного ущерба. Введение повышенных коэффициентов при расчете достаточности капитала для необеспеченных кредитов, а также планируемые ужесточения подходов регулятора к созданию РВПС ударят с нового года по потребительскому кредитованию, требуя от банков дополнительного запаса собственных средств при финансировании операций с повышенным риском. 

Качество кредитного портфеля при этом, согласно банковской информации, не ухудшается: доля просроченной задолженности упала к концу третьего квартала до 4,4%. Однако риски ухудшения качества кредитов остаются, в связи с ростом "закредитованности" заемщиков. Россияне все чаще берут повторные кредиты, не завершив обслуживание взятых ранее. На 1 ноября 2012 года количество заемщиков с пятью и более кредитами приблизилось к 8%, тогда как в январе этот показатель был почти вдвое ниже - 4,8%. Число граждан с двумя кредитами составляет большую часть всех заемщиков. Наибольший уровень просрочки по потребительским кредитам характерен для Калининградской (7,9%), Кемеровской (6%), Самарской (6%) областей и Москвы(6%).

В то же время просрочка по ипотеке снижается и остается рекордно низкой - не более 1,5%. Однако в данном случае необходимо проявлять осторожность в оценках. Кризис 2008-2009 годов показал, что этот показатель имеет тенденцию к стремительному росту в ситуации экономического кризиса. В условиях снижения заработной платы и роста безработицы он может вырасти десятикратно - до 10-15%. 

В 2013 году следует ожидать сохранения дефицита ликвидности и снижения достаточности капитала, в результате чего возможен рост ставок по банковским кредитным продуктам и, как следствие, сокращение спроса на них. В итоге прирост активов в банковской системе сократится.

Эксперты прогнозируют в дальнейшем снижение темпов роста рынка потребительского кредитования до 25--30% в 2013 году в связи с удорожанием ресурсов и ужесточением требований к капиталу.

Быстрый рост объемов потребительского кредитования и медленный рост доходов населения может привести в будущем к увеличению числа проблемных займов. Реальные располагаемые денежные доходы в сентябре 2012 года по сравнению с соответствующим периодом предыдущего года увеличились на 3,6%, в то время как прирост кредитов физическим лиц составил 41,7%. В 2011 году средний доход российского гражданина и средний размер потребительского кредита были сопоставимы -- в районе 22--23 тыс. руб. В 2012 году при средней месячной зарплате 23,6 тыс. руб. средняя задолженность по потребительскому кредитованию достигла уже 38 тыс.руб.



1.2 Концепция оценки рисков розничного кредитования

Исходя из анализа актуальности обозначенной проблемы задача состоит в разработке метода и инструментария его реализующего, который позволит выявить, оценить и спрогнозировать кредитное поведение соискателя розничного кредита, исключая данные о его финансовой состоятельности, которые не представляется возможным подтвердить однозначно на момент получения кредита, но при этом не исключая возможность дальнейшего их дополнения.

Для решения аналогичных задач анализа, интерпретации и прогнозирования, широкое применение находят интеллектуальные информационные системы .

Центральная парадигма интеллектуальных технологий сегодня - обработка знаний, системным ядром которых является база знаний или модель предметной области.

Для определения подхода извлечения знаний для построения базы знаний, которая отражает поведение кредитного заемщика, определяющее в свою очередь принятие решений при осуществлении им действия «кредит», воспользуемся классификацией систем приобретения знаний из работы .

Назначение интеллектуальной системы определим согласно представленной схеме (рис.1) как совокупность процедур, решающих задачи анализа (анализ фактических данных, интерпретация полученных связей и зависимостей, прогнозирование на их основании), обеспечивающих лицо, принимающее решение, необходимой информацией для принятия решения о выдаче/отказе кредитных средств.



Рис. 1. Классификация систем приобретения знаний

Далее в ходе работы был осуществлен поиск подхода к изучению человека как личности, а в данном конкретном случае, как субъекта-индивида, вступающего в кредитно-монетарные отношения с точки зрения реализации интеллектуальных информационных технологий, в связи с такими направлениями науки, как социология, экономика и психология Автономов В.С. Модель человека в экономической науке/ В.С. Автономов.- СПб.: Экон. шк., 1998.- 229 с..

В целом, социология и экономическая психология исследует отражение человеком и группами экономической реальности, особенности и механизмы экономического поведения, экономико-психологической адаптации, готовности к риску и неопределенности. Определение рыночного поведения индивида в экономике отражено в работах, в которых главным условием является его рациональное поведение. Но существенное влияние психологии на экономическую теорию способствовало известным открытиям плеяды ученых экономистов, которые сумели выйти за рамки упрощенной схемы «экономического человека», отказавшись от формализованного описания экономического поведения.

Не отрицая совершенно ранее заявленного рационального экономического поведения в рамках последних исследований, экономическое действие оценивается как вектор с координатами затрат и результатов в денежной и психологической системах. Более того, отмечено доминирующее эмоциональное отношение конкретно к экономическим событиям, противоречивость развития экономического мышления на нынешнем этапе, детерминированную преимущественно эмоциональными (а не рациональными) оценками и восприятием экономической действительности.

Здесь следует заметить точку зрения банковских аналитиков о назревшей необходимости учитывать положения социологии и экономической психологии.

В теории экономической психологии дано определение оппортунистического поведения, которое наиболее полно отражает риски при оценке кредитоспособности кредитного заемщика. Под оппортунизмом понимаются многочисленные случаи нарушения контрактных (договорных) отношений в системе партнерства. Оппортунистическое поведение определяется как «преследование собственного интереса, доходящее до вероломства» Андиева Е.Ю. Способ построения психологического профиля заемщика для оценки рисков в сфере потребительского кредитования / Е.Ю. Андиева, И.И. Семенова // Управление риском.- 2008. - №1.- С. 56-63.. К нему относятся любые формы обмана и нарушения взятых на себя обязательств, для которых в неоклассической теории не находилось места. В случае невозврата кредита роль данного понятия при дальнейшем переходе к оценке риска кредитного заемщика, который по определению сам себе позволяет не платить по долгам, возрастает.

Таким образом, если стандартное определение кредита для экономической теории звучит как «экономическая сделка, при которой один партнер предоставляет другому денежные средства или имущество на условиях срочности, возвратности и платности», то в настоящей работе «кредит» следует понимать более широко, не только как заявленный документально долг, но и как межличностный долг, где параметром оценки риска доверия заёмщику служит его желание платить.

С точки зрения проблемы экономического риска в отечественной социологии и социальной философии наиболее значимыми являются исследования, предпринятые А.П. Альгиным Альгин А. П. Грани экономического риска / А. П. Альгин.- М.: Знание, 1991.- 63 с..

Риск в современной экономической теории определяется как вероятность возможного убытка или ущерба в результате действия как субъективных, так и объективных факторов.

Применительно к кредитному заемщику как физическому лицу в контексте кредит - долг - межличностные отношения, возможно наиболее общее определение риска, как «возможность опасности, неудачи» либо как «действие наудачу в надежде на счастливый исход», которое исходит из обобщенного представления о риске и наиболее полно выявляет его сущность.

Необходимо отметить ряд особенностей риска розничного кредитования физических лиц:

риск проявляется в конкретных ситуациях, имеет при этом чет-кие границы и в то же время распространяется на весь процесс погашения долга;

риск проявляется двояко, с одной стороны, является объектив-ной категорией и существует независимо от воли и сознания человека, однако риск можно рассматривать и как субъективную категорию (психологический дискомфорт , целенаправленное мошенничество соискателя);

с риском ассоциируется только часть угроз, о существовании которых субъект риска уведомлен (в данном случае наиболее ярким примером является наличие «серых» доходов заемщиков);

риск предусматривает соотнесение определенных качествен-ных показателей - возможных вариантов событий, обладающих раз-ной ценностью для субъекта риска, из чего следует проблема сравнения различных ценностей в различные периоды (например, со стороны заемщика существует множество «стечений обстоятельств» и «выходов» из них);

риск недостаточной информированности и, как следствие, проблема неадекватного восприятия ценности (например, знание заемщика и адекватная оценка своих возможностей лежит в основе своевременных выплат по кредиту).

Таким образом, самое существенное и заключается в особенностях взаимодействия объективного и субъективного компонентов - характере реализации экономических законов через механизмы их сознательного использования в конкретных ситуациях, необходимо анализировать риски качественно и количественно, в основе которых лежит симбиоз внешних воздействий и субъективного принятия решения отличного от рационального.

Кредитоспособность следует трактовать как желание, соединенное с возможностью своевременно погасить выданное обязательство.

С точки зрения теории принятия решений, дифференциация ментальных (мысленных) представлений человека и формально-логического представления знаний служит фундаментом для выделения понятия модели знаний, определяющей способ формального описания знаний в базы знаний.

Вновь обращаясь к классификации систем приобретения знаний (см. рис.1), определим метод построения базы знаний, которая отражает поведение кредитный заемщик, через смысловое (ментальное) пространство признаков, которое определяет принятие решений при осуществлении им действия «кредит».

Данные вопросы рассматриваются психосемантикой, которая позволяет исследовать структуры сознания через моделирование индивидуальной системы знаний человека и выявлять элементы знаний, которые могут им не осознаваться (латентные, скрытые, имплицитные). Эта наука объединяет методы когнитивной психологии, психолингвистики, психологии восприятия и исследования индивидуального сознания.



1.3 Сравнительный анализ методик для оценки рисков розничного кредитования

Свод правил для разделения потенциальных заемщиков на вернувших, или «хороших», и не вернувших, или «плохих», впервые предложил американец Дэвид Дюран в 1941 г. - прообраз сегодняшних скоринговых систем Спрысков Д. Управление рисками розничного кредитования путем построения скоринговых моделей / Д. Спрысков // Банковские услуги. - 2006. - № 2.- С. 26-27..

В модели Дюрана фигурируют группы факторов для определения степени кредитного риска и указаны коэффициенты для различных факторов, характеризующих кредитоспособность клиента, например: пол: женский (0,4 балла), мужской (0); возраст: 20 лет и меньше (0), 21 год (0,1), 22 года (0,2), 23 года и выше (0,3); срок проживания на одном месте: по 0,042 балла за каждый год, но не больше чем 0,42 в cумме; профессия: 0,55 - за профессию с низким риском, 0 - за профессию с высоким риском, 0,16 - другие профессии; финансовые показатели: наличие банковского счета (0,45), наличие недвижимости (0,35), наличие страхового полиса (0,19); работа: предприятия в общественной отрасли (0,21), другие (0); занятость: по 0,059 балла за каждый год стажа на последнем месте работы.

Сам Дюран определял сумму в 1,25 балла как порог оценки кредитоспособности. Разумеется, в середине XX в. речь шла не об использовании специализированного программного обеспечения, а о схеме работы кредитных инспекторов.

Скоринг как метод оценки рисков в розничном кредитовании в настоящее время получил самое широкое применение. Риск, в первую очередь, зависит от того, насколько хорошо оценена возможность возвратности кредитных средств.

Очевидными преимущества скоринговых моделей:

быстрота и беспристрастность принятия решений;

возможность диверсификации кредитного риска между заемщиками, то есть возможность эффективного управления кредитным портфелем;

отсутствие длительного обучения сотрудников кредитного департамента;

возможность провести экспресс-анализ заявки на кредит в присутствии клиента.

Эксперты отмечают и множество недостатков, которые в полной мере проявляются на российском рынке розничного кредитования, а именно:

скоринговые карты составляются для конкретных кредитных продуктов и задач анализа;

скоринговые карты имеют ограниченный срок применения: длительность периода актуальности зависит от характера и масштаба изменений в экономике и может варьироваться от года до нескольких лет, если период смены тенденций сопоставим с периодом накопления данных статистического анализа, то скоринговая карта может стать устаревшей уже к моменту ее расчета;

скоринговые модели строятся на основе выборки из числа наиболее «ранних» клиентов, но на данный момент в процессе кредитования задействованы уже не только наиболее надежные (самые состоятельные, самые качественные) заемщики, далее этот процесс развивается лавинообразно и качество заёмщиков снижается;

скоринг не защищает от заемщиков, сообщающих о себе частично недостоверные данные, причем не для того чтобы обмануть банк, а просто, не умея рассчитать свои финансовые возможности;

выявляет мошенников лишь формально (например, использование одного и того же паспорта при неоднократном получении кредита);

разработка, внедрение, обслуживание скоринговых систем, содержащих централизованные базы данных, требует высоких трудозатрат, что значительно снижает рентабельность бизнеса;

определение оценивающих признаков производится только на базе информации о тех клиентах, которым банк уже предоставил кредит, и неизвестно, сколько клиентов упустил банк;

массовая недостоверность заявленных данных, например, рекомендации приоритета оценки заёмщика по финансовым документам, достаточно затруднительно на данный момент, то есть должен быть учтен каждый из источников дохода, в том числе и по величине, степени надежности источника, ожидаемой будущей тенденции изменения доходов.

Вышеперечисленные недостатки обуславливают повсеместно возникающую проблему - «казус заёмщика». Разработчики скоринговых продуктов заявляют, например, что в одном случае «идеальным» кредитный заемщик является женатый мужчина 30 лет, имеющий одного ребенка и т.п. В другом случае, отмечая переоценку своих сил, свойственную мужчинам в этом возрасте, тот же мужчина получает значительно худшую оценку надежности, нежели женщина того же возраста с двумя детьми. В различных статьях приводится множество аналогичных примеров. Это позволяет сделать вывод о необходимости уменьшить неопределенность самого процесса кредитного скоринга посредством выявления более актуальных признаков кредитоспособности заёмщика Абричкина Г.Б. Программа "Инструментальная система скоринг-анализа и минимизации кредитных рисков" / Г.Б. Абричкина, О.Я. Кравец, А.Н. Деркачев // ФАП ВНТИЦ. Рег. № 50200300586 от 10.07.2003..

Анализ существующих анкет позволяет сделать вывод о том, что банки, осознавая возможности массовой недостоверности заявленных данных, положенных в основу анкет используют лишь минимум вопросов, оставляя многие поля анкет лишь для необязательного дозаявления, которые не играют роли при принятии решения о выдаче кредита.

Основная проблема современных скоринговых систем, заявленная многими авторами, в определении признаков, которые следует включать в скоринговую модель для определения надежности или ненадежности заемщика.

Многие эксперты отмечают, что нужны более тонкие и точные механизмы оценки. Скоринг, по сути, на данный момент в России имеет явно дискриминационный характер, т.е. опираясь на скоринговую оценку, банки продолжают перекладывать большую часть риска на «хороших» заёмщиков, перекладывая на них как свою долю ответственности, так и ответственность «плохих» заёмщиков. Следует отметить точку зрения большинства банковских аналитиков о необходимости более глубокой детализация в скоринге.

В западной банковской практике риски, связанные с возвратностью кредитных средств, определяются исходя из оценки кредитоспособности соискателя, что отлично от оценки его платежеспособности.

Кредитоспособность трактуется как желание, соединенное с возможностью своевременно погасить выданное обязательство, иными словами, насколько клиент creditworthy, т. е. насколько он «достоин» кредита (иначе «кредитоспособный»).

Необходимо учитывать риски, связанные с сознательным уклонением от возвращения банку долгов, когда «человек сам себе позволяет не платить по кредиту». В мировой практике это называется оценкой оппортунистического поведения как степени надежности и обязательности клиента.

Практика показывает существенное и систематическое отличие человеческих решений, основанных на субъективных эвристиках, от решений, основанных на оптимальном и рациональном выборе. В идеологию скоринга необходимо закладывать социально-психологические подходы.

Исходя из определения риска как степени вероятности невозврата кредита, процентов по нему или задержки выплат, которая может привести к существенным финансовым потерям со стороны кредитора, можно выделить несколько способов оценки риска.

Методики оценки кредитного риска базируется на ряде общих принципов, что позволяет их сгруппировать в определенные категории. В различных работах анализируются в основном следующие методики: методика Центрального банка и методы, предложенные Базельским комитетом по банковскому надзору.

Метод Центрального банка Алексахин С.В. Прикладной статистический анализ: учебное пособие для вузов / С.В. Алексахин и др.- М.: Изд-во «ПРИОР», 2001.- 224 с.. Деятельность кредитных организаций регламентируется рядом нормативно-правовых документов. Самым распространенным методом оценки кредитных рисков в российских банках является нормативный метод, соответствующий инструкции Центрального банка России от 30.06.1997 № 62(а) «О порядке формирования и использования резерва на возможные потери по ссудам».

Для целей оценки риска по ссудам определяются критерии её обеспеченности. Качество обеспечения определяется рыночной стоимостью предметов залога и степенью их ликвидности. Реальная рыночная стоимость предметов залога определяется на момент оценки риска по конкретной ссуде. При определении рыночной стоимости залога принимается во внимание информация о фактическом и перспективном состоянии конъюнктуры рынка по видам имущества, предоставленного в залог, а также динамика цен.

Методика ЦБ РФ по оценке кредитного риска основана на доступной для банков информации о КЗ и проста в практике исполнения. В то же время, она содержит в себе достаточную степень неопределенности, связанную с нечеткостью критериев, используемых при оценке залога, а также с недостаточно прозрачной процедурой оценки залога.

Методики Базельского соглашения. В 2004 г. Базельский комитет по банковскому надзору утвердил новый свод нормативов для финансовых организаций, известный как Базель-2, который заменит действующее на данный момент Базельское соглашение, принятое в

1998 г. Выполнение этих нормативов обязательно в Европейском союзе.

Главная цель соглашения - повышение качества управления рисками. Необходимо отметить следующие основные нововведения Базеля-2:

создание более чувствительной к рискам системы взвешенного расчета регулятивного капитала, основанной, по возможности, на количественных оценках рисков, проведенных самими банками;

более широкое признание инструментов снижения кредитных рисков;

новые требования к капиталу под операционный риск; расширение роли органов надзора;

всестороннее раскрытие информации и методологии банками.

Базельский Комитет по банковской политике разрешил использование внутренних методов оценки банковских рисков, в том числе и кредитных. В связи с этим появилось довольно много различных методов оценки кредитного риска, основанных на математических методах.

Анализ современной практики кредитования позволяет сделать вывод о том, что в настоящее время в банковской практике не существует универсальной методики оценки кредитного риска. Банки не обладают единой методологической и нормативной базой организации кредитного процесса и вынуждены вырабатывать свою систему кредитования в соответствии с определенной политикой банка, выбирающего определенный сегмент данного рынка услуг. Нормативные документы Центрального банка не исключают возможности определения банками категорий кредитных заемщиков самостоятельно. Базельский комитет по надзору за банковской деятельностью дает возможность оценки риска собственными методами.

Таким образом, тщательный анализ проблемы на основании рассмотренных работ, посвященных вопросам кредитования физических лиц, позволяет сделать следующие выводы:

анализ состояния услуг розничного кредитования, с точки зрения основных макроэкономических аспектов, показывает, что хеджирование рисков уже невозможно за счет повышения кредитной ставки или ужесточения требований к оценке кредитного заемщика;

анализ состояния вопроса предотвращения мошенничества при оказании услуг розничного кредитования, показал, что внедрение автоматизированных систем оценки кредитного заемщика, как наиболее действенный метод, на основании существующих признаков не приводит к желаемым результатам и, более того, как отмечают аналитики, является причиной повсеместно возникающего «казуса заемщика»;

на данный момент использование заключения Бюро кредитных историй по оценке кредитного заемщика не может быть основополагающим в принятии решения по выдаче кредита;

опыт предоставления кредитных услуг по пластиковым картам показал, что существует множество ограничений по их применению в различных торговых точках, операционные издержки;

используемые анкетные данные недостаточно достоверны, не отражают реальные намерения кредитного заемщика и, соответственно, способствуют не только ошибочно принятому решению, но и накоплению противоречивой статистики;

оценка кредитного заемщика, по сути, в России имеет явно дискриминационный характер, т.е. опираясь на скоринговую оценку, банки продолжают перекладывать большую часть риска на «хороших» заёмщиков, включая в него свою долю ответственности и «плохих» заёмщиков;

сам соискатель кредита, как субъект, который к моменту осуществления действия «кредит» уже имеет индивидуальный опыт взаимодействия с внешней средой в системе кредитно-монетарных отношений исключается из оценки рисков, то есть аспект субъективного кредитного поведения используется недостаточно или не рассматривается вовсе.

Определение характера риска и его величины является основным элементом для повышения эффективности управления кредитными рисками банка. Наиболее полное отражение рисков данного вида деятельности банков лежит в симбиозе внешних воздействий и субъективного принятия решений. Следует изменить подход к оценке рисков, то есть разработать концепцию системы оценки рисков розничного кредитования на основе оценки кредитоспособности заемщика с учетом аспектов его субъективного кредитного поведения.

Основные выводы по главе 1

В первой главе проведен анализ состояния услуг розничного кредитования, который позволяет сделать следующие выводы: хеджирование рисков не-целесообразно за счет повышения кредитной ставки, внедрение автоматизированных систем оценки кредитного заемщика, как наиболее действенный метод предотвращения мошенничества, на основании существующих признаков не приводит к желаемым результатам, использование заключения кредитного бюро не может быть основополагающим в принятии решения по выдаче кредита, использование не-достоверных анкетных данных, которые не отражают реальные намерения кредитного заемщика, способствует не только ошибочно принятому решению, но и накоплению противоречивой статистики, психологический аспект, направленный в основном на выявление мошенничества, формируется только лишь на основании заключения визуального осмотра, что требует высокой профессиональной подготовки кредитных инспекторов в каждой торговой точке, что снижает рентабельность бизнеса, методики (метод Центрального банка, методики Базельского соглашения), рекомендованные для оценки кредитного риска, позволяют выбирать и использовать более эффективные методы их оценки.

Результаты анализа позволили сделать вывод, что на сегодняшний день стоит проблема оценки рисков в системе розничного кредитования, и наиболее полное отражение рисков лежит в симбиозе внешних воздействий и субъективного принятия решений. Определен круг научных и практических задач, решение которых снимет обозначенную проблему.



2. Поддержка принятия решения в системе банковского кредитования

2.1 Поддержка принятия решения по кредитованию

Существующие тенденции развития банковского дела и статистические данные указывают на существенный рост рисков, связанных с банковской деятельностью, в том числе кредитного риска.

Для банков становится необходимым внедрение в рабочий процесс современных средств снижения рисков, к которым можно отнести и информационные системы расчета, оценки, контроля и управления рисками. Ставится цель: повышение эффективности системы банковского кредитования для снижения уровня кредитного риска. Задача кредитования при разных условиях и начальных данных может быть отнесена к различным классам задач принятия решения и соответственно требует различных методов решения. При этом в качестве входных данных задачи используются не только количественные параметры (средний годовой доход, возраст и т.д.), но и качественные (пол, группа здоровья и т.д.), позволяющие более точно прогнозировать развитие кредитной ситуации.

В данной работе предлагается использовать следующие методы Спрысков Д. Управление рисками розничного кредитования путем построения скоринговых моделей / Д. Спрысков // Банковские услуги. - 2006. - № 2.- С. 26-27:

в условиях риска, оценки кредитного риска, на основе имеющихся значений вероятности невозврата кредита, используется кредитная база банка, на основе которой формируются база прецедентов и тестирующая выборка для обучения нейронной сети; что обеспечивает возможность принятия решения на базе предыдущего опыта и создать классификатор, позволяющий оценивать новые кредитные проекты, для которых нет прецедентов;

в условиях неопределенности привлекается аппарат нечеткой логики и формируется на базе экспертного опыта нечеткая база знаний, что позволяет при отсутствии полной информации о кредитной ситуации принять обоснованное решение;

Прием заявки на получение кредита. Кредитный сотрудник банка принимает заявление на получение кредита от заемщика, а также проводит ознакомительное собеседование.

Далее система поддержки принятия решений осуществляет поиск заемщика в базе прецедентов.

Рис.2. UML диаграмма системы поддержки принятия кредитных проектов

Экспресс анализ заемщика- если заемщика в базе прецедентов нет, ему предлагается пройти «экспресс анализ», который предлагается проводить на электронном терминале в виде анкетирования.

Запрос пакета документов заемщика - заемщик предоставляет заполненный пакет документов в банк.

Оценка платежеспособности заемщика традиционными средствами - производится расчет суммы кредита, возможности погашения кредита и процентов по нему.

Расчет платежеспособности заемщика:



, [1]

где Р - платежеспособность заемщика; Д - доход за последние 12 месяцев за вычетом всех обязательных платежей; К - понижающий коэффициент, определяется политикой банка; Т - срок выплаты основного долга в месяцах;

, [2]

S - максимально возможная сумма кредита; i - процентная ставка по кредиту (% годовых / 100).

Формализация данных о заемщике. При оценке задачи кредитования необходимо учесть такие объекты предметной области как заемщик и кредит. Эти объекты взаимодействуют в ситуации получения кредита, назовем ее кредитной ситуацией. Для формального описания кредитной ситуации предлагается модель заемщика (рис.3).

Рис. 3. Модель заемщика

Часть параметров описания заемщика носят количественный характер, а часть - качественный. Для унификации процесса оценки параметров предлагается ввести синдромный портрета заемщика(рис4).

Поиск по базе прецедентов кредитного проекта. Алгоритм поиска решения на основе прецедентов заключается в определении степени сходства текущей ситуации, которая задана на входе алгоритма, с ситуациями прецедентов из база прецедентов. При этом учитываются веса параметров прецедентов из база прецедентов - с этой целью значения параметров для текущей ситуации и ситуаций прецедентов умножаются на веса соответствующих параметров. Веса и значения параметров получены экспертной оценкой методом попарного сравнения.

 

Рис. 4. Синдромный портрет заемщика

Степень сходства будем определять по формуле:

, [3]

где C - степень сходства текущей ситуации с выбранным прецедентом, выраженная в процентах; wi - вес i-го показателя текущей ситуации; zi - значение i-го показателя текущей ситуации; pi - предикат сходства; w?i - вес i-го показателя прецедента; z?i - значение i-го показателя прецедента.

Расчет интеграционной оценки кредитного проекта.

После вычисления риска невозврата кредита одним из трех методов: использованием базы экспертного опыта, нейронной сети, аппарата нечеткой логики необходимо рассчитать прибыль или потери банка при участии в кредитном проекте.

Рассмотрим задачу принятия решения об участии в кредитном проекте в условиях риска на основе модели. Оппонентами в данном случае будем рассматривать банк и заемщика.

Кредит может:

1) быть возвращен полностью и принести банку некоторый доход a1;

2) быть не возвращен, и тогда речь может идти только о потерях a2 для банка. Числовые значения величин a1,a2 вычисляются по следующим формулам:

, [4]

где S - сумма кредита, g - риск невозврата кредита, Т - срок кредита в месяцах, Р - процентная ставка, t (Ti) - количество дней в i-ом месяце:

2, [5]

Рассмотрим модель со стороны банка. Банк может получить прибыль или понести убытки, поэтому кредитный сотрудник может выбрать одну из двух стратегий поведения:

1) участвовать в кредитном проекте;

2) не участвовать в кредитном проекте.

Элементы нижней строчки - нули, поскольку при отказе от участия в проекте банк ничего не теряет и не приобретает.

Вопрос о выборе стратегии решается теперь проверкой неравенства:

Q1 > Q2 или Q1 > 0 ,

где Q1- выигрыши банка при выборе стратегии A1.

Если это неравенство выполняется, то в проекте следует участвовать, если не выполняется - отказаться.

Сгенерированное компьютером решение будет представлять практический интерес для кредитного работника, однако это не означает, что оно не будет подвергаться изменениям или по определенным причинам не будет отвергнуто как неудовлетворяющее определенным требованиям. По-следнее слово всегда остается за лицом принимающим решение. Предлагаемая система устанавливается на рабочие места кредитных сотрудников.

Внедрение системы в кредитную деятельность предприятия позволит уменьшить риск невозврата кредита, увеличить степень автоматизации процесса оценки кредитоспособности клиента, что приводит к сокращению времени выдачи кредитов и уменьшения количества высококвалифицированных сотрудников, задействованных в процессе Шевченко И.В. Совершенствование качества обслуживания клиентов кредитными организациями путем внедрения новейших банковских технологий / И.В. Шевченко, О.А. Левицкая // Финансы и кредит. - 2004. - № 22(160). - С. 3-7 .

2.2 Исследование возможности уменьшения кредитных рисков банка посредством использования системы поддержки принятия решений, основанной на базе прецедентов

Процесс кредитования в настоящее время представляет собой строгую последовательность определенных действий банка по отношению к заемщику.

Проблемы существующей системы Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природ-ной среды / В.Л. Геловани, А.А. Башлыков, В.Б. Бритков, Е.Д. Вязилов.- М.: Эдиториал УРСС, 2001.- 304 с

1. Существующая система кредитования не автоматизирована.

2. Не вычисляется значение кредитного риска.

3. Проводится только количественный анализ заемщика.

4. Высокий уровень невозврата кредита.

Предлагаемые пути снижения кредитного риска Абричкина Г.Б. Инструментальные методы управления кредитными рисками регионального банка.: дис.канд. физ.-мат. наук / ВГТУ.- Воронеж, 2004.- 136 с.

1. Создать систему поддержки принятия решения, основанной на базе прецедентов, в которой роль коллегиального органа будет иметь база прецедентов, что позволит исключить человеческий фактор в процессе принятия решения, т.е. исключит риск предвзятой оценки.

2. Наряду с количественными показателями заемщика, такими как: возраст, доход, стаж работы и т.д., предлагается использовать качественные показатели, такие как кредитная история, состояние здоровья, взаимоотношение с законом и т.д., что позволит проводить более полный анализ заемщика, что так же поможет снизить уровень кредитного риска.

3. На основе анализа заемщика составить синдромный портрет для возможности ранжирования заемщика по группам.

Каждый из этих пунктов должен снизить процент невозврата кредита, тем самым уменьшить кредитный риск.

Следовательно, ставится задача исследовать возможность уменьшения кредитного риска, посредством создания системы поддержки принятия решения, основанной на базе прецедентов.



Рис.5. Предлагаемая модель уменьшения кредитного риска с использованием БП.

 

Подробно опишем отличные пункты предлагаемой системы поддержки принятия решения, основанной на базе прецедентов, от существующей системы кредитования.

1. Ознакомительное собеседования, проводится в форме «экспресс испытания», результатом которого является составление синдромного портрета заемщика и кредитной ситуации.

2. Анализ кредитной ситуации, модель которой представлена на рис.3 производится по критерию надежности кредитной ситуации с помощью экспертного анализа по следующим показателям:

- программа (условия) кредитования;

- сумма, необходимая заемщику;

- срок кредитования;

- кредитная история заемщика.

Каждому показателю методом попарного сравнения группой экспертов присваивается вес (значимость данного показателя):



Таблица 1.

Вес показателей кредитной ситуации.

	сумма кредита	срок кредитования	кредитная история	вес
сумма кредита	х1	1	0	2
срок кредитования	0	х1	0	1
кредитная история	1	1	х1	3

 

Далее на основании заключения экспертов производим группировку значений показателя и присваиваем каждой группе оценку в баллах по критерию надежности.

Так значения показателя суммы кредита можно разбить на следующие интервалы:

от 0 до 50 т.р. - минимальная сумма кредитования;

от 50 т.р. до 150 т.р. - стандартная сумма кредитования;

от 150 т.р. до 300 т.р. - максимальная сумма кредитования.

После присвоения значения каждому интервалу по каждому значению на основе экспертного анализа были составлены следующие группы по критерию надежности кредитной ситуации по данной программе:

идеальная кредитная ситуация - 8 - 12 баллов;

стандартная кредитная ситуация - 5 - 7 баллов;

подозрительная кредитная ситуация - 1- 4 балла;

кредитная ситуация не заслуживающая доверия - -3 - 0 баллов.

 

Рис. 6. Модель кредитной ситуации.

Параллельно с анализом кредитной ситуации производится анализ заемщика, результатом которого является представление синдромного портрета.

Для объективного анализа заемщика предлагается наряду с количественными показателями, такими как возраст, стаж работы, доход и т.д. оценивать и качественные показатели заемщика, такие как семейное положение, состояние здоровья, взаимоотношения с законом и т.д.

В состав синдромного портрета на основе экспертного анализа, включающего обзор медицины, уголовной стороны и кредитования, было решено включить следующие показатели, представленные в модели синдромного портрета заемщика, значение которых были разбиты на интервалы с помощью экспертных оценок Андиева Е.Ю. Способ построения психологического профиля заемщика для оценки рисков в сфере потребительского кредитования / Е.Ю. Андиева, И.И. Семенова // Управление риском.- 2008. - №1.- С. 56-63. (вес показателей синдромного портрета заемщика см. приложение №1) 

Далее, как и в случае с анализом кредитной ситуации, на основании заключения экспертов производим группировку значений показателей и присваиваем каждой группе оценку в баллах по критерию надежности.

После присвоения баллов каждому интервалу значений были составлены следующие группы по критерию надежности заемщика:

идеальный заемщик - более 150 - 175 баллов;

стандартный заемщик - балла 90 - 149 баллов;

подозрительный заемщик - 30 - 89 баллов;

заемщик, не заслуживающий доверия - менее 29 баллов.

3. Проводим анализ заемщика в данной кредитной ситуации.

 



Таблица2.

Результаты анализа заемщика в данной кредитной ситуации.

 

4. В результате экспертного анализа можно сделать следующие выводы:

В ситуации, помеченной V - можно выдать кредит. В ситуации, помеченной X - в кредите необходимо отказать. В ситуации, помеченной • - рассмотрение кредитного дела необходимо продолжить. Рассмотрим дальнейшую процедуру рассмотрения кредитного дела.

5. Сбор рассчитанных данных и данных, полученных от заемщика.

6 Представление рассчитанных данных и данных, полученных от заемщика в виде прецедента.

Прецедент- это описание проблемы или ситуации в совокупности с подробным указанием действий, предпринимаемых в данной ситуации или для решения данной проблемы.

Рис. 7. Структура прецедента



7. Поиск прецедентов производится в базе по следующему алгоритму.

 Предлагаемый алгоритм поиска прецедентов

 

Рис. 7. Алгоритм поиска прецедента

Алгоритм поиска решения на основе прецедентов заключается в определении степени сходства текущей ситуации, которая задана на входе алгоритма, с ситуациями прецедентов из базы прецедентов. При этом учитываются веса параметров прецедентов из базы прецедентов -- с этой целью значения параметров для текущей ситуации и ситуаций прецедентов умножаются на веса соответствующих параметров(рис 7).

Алгоритм нахождения решения по кредитному вопросу с применением базы прецедентов

 1) Ввод данных: количественные и качественные показатели заемщика, а также показатели кредитной ситуации, оцененные в баллах (см. пункт 2 предлагаемой системы).

2) Ограничение поиска по значению кредитной программы.

3) Вводим предикат P со значением 0 или 1 в соответствие от равенства текущих показателей

4) Попарно сравниваем значения идентичных показателей текущей ситуации с выбранным прецедентом.

5) В случае равенства показателей i, предикат рi=1, иначе рi=0.

6) Переходим к следующей паре показателей i+1.

7) Производим проверку до последнего показателя.

8) Рассчитываем степень сходства текущей ситуации с выбранным прецедентом по следующей формуле см. формулу №3

9) Переходим к следующему прецеденту.

10) Производим проверку до последнего прецедента.

11) Вывод прецедентов, отсортированных по степени сходства, на пользователю.