Совершенствование кредитной политики коммерческого Банка ВТБ 24

 

 

 

 

 

 

 

 

3 Совершенствование  кредитной политики коммерческого  банка ВТБ 24

 

3.1 Практические рекомендации по совершенствованию кредитной политики в Банке ВТБ 24

 

 

Анализ кредитной политики банка показал, что она 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 ВТБ24, 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 ВТБ24 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:

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 ВТБ24 не учитывает такие факторы как наличие сберегательного счета в банке, страхование жизни Заемщика.

Помимо расчета платежеспособности Заемщика возможно 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 ВТБ24 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 ВТБ24 в связи с тем, что одной из приоритетных сфер деятельности ВТБ24 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 ВТБ24 предполагает также высокие темпы развития деятельности по обслуживанию частной клиентуры.

Основными источниками дохода Банка являются кредитование населения, малого и среднего бизнеса, крупных корпоративных клиентов, торговля ценными бумагами и обслуживание VIP-клиентуры.

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.

Одна из таких программ «NTRScoring» представляет собой модуль управления взаимоотношениями с клиентами интегрированной банковской системы (ИБС) и включающий в себя систему скоринга – расчета кредитного рейтинга, и настраиваемый на основе правил и регламентов, принятых в кредитной организации.

Система реализует отработанный и содержательный бизнес-процесс работы с клиентом в части предоставления им продуктов (как правило, кредитов того или иного вида). Бизнес-процесс может быть настроен на условия в конкретном банке.

Назначение данной системы в следующем:

- создание единой базы  данных по клиентам Банка, зарегистрированных  в рамках Системы;

- автоматизация процессов  регистрации и обработки заявок  клиентов Банка на предоставление  Продуктов в рамках Системы;

- автоматизация процесса  принятия решения о кредитоспособности  клиентов на основе процедуры  скоринга;

- обеспечение целостности  информации по клиентам в Системе;

- накопление кредитной  истории клиентов Банка;

- автоматизация процедур  управления продуктами;

- обеспечение целостности  информации по кредитам в Системе;

- получение статистической  и аналитической информации по  использованию продуктов Банка;

- анализ истории предоставления  кредитов;

- расчет и перерасчет  скоринговых коэффициентов.

Система выполняет следующие функции:

- регистрация и ведение  заявок клиентов на предоставление  Продукта;

- выполнение проверок  зарегистрированных заявок;

- выполнение расчета кредитного  рейтинга клиента (скоринг);

- регистрация и ведение  информации о клиентах;