Совершенствование кредитной политики ОАО «БИНБАНК»

 

Анализ структуры кредитного портфеля «Бинбанк» по состоянию на 01 января 2015 года показывает, что на 47% он сформирован из кредитов, предоставленным юридическим лицам, в т.ч коммерческое кредитование 40,74% и кредиты физическим лицам - ИП 6,42%;

Таким образом, за анализируемый период наибольшее изменение в структуре кредитного портфеля произошло по статье коммерческое кредитование, изменение в относительном выражении составило 2,67%.

Рисунок 2.1 –Структура кредитного портфеля «Бинбанка» на 1 января 2015 г.

Динамика структуры кредитного «Бинбанка» представлена на рисунке 2.2. Немаловажное значение при анализе структуры кредитного портфеля приобретают внешние факторы, такие, как политика государства в области экономики, социальные реформы, разработка и внедрение национальных проектов, позволяющих выйти на новый, более высокий уровень развития страны.

Рисунок 2.2 - Динамика структуры кредитного портфеля «Бинбанка»

О качестве кредитного портфеля можно судить по доле просроченной задолженности в общей сумме кредитных вложений и доле кредитов III-V групп качества. Кроме того, определенные выводы можно сделать, сопоставляя задолженность по ссудам на отчетную дату с суммой принятых в обеспечение ценных бумаг, гарантий, поручительств и имущества. Еще одной группой показателей качества кредитного портфеля, учитываемых на внебалансовых счетах, являются суммы задолженности по процентам по основному долгу, списанные из-за невозможности взыскания (сч. 917), а также суммы задолженности, списанной из-за невозможности взыскания (сч. 918). Суммы, относимые на эти счета, учитываются на них до поступления средств от заемщика, но не более пяти лет. [39, с. 236] Оценка качества кредитного портфеля приведена в таблице 2.3.

Общая сумма просроченной задолженности на 1 января 2009г. равна 12446 тыс. руб., темп прироста составил 84,63 %, ее доля в общей сумме кредитных вложений составляет 0,69 %. Таким образом, мы наблюдаем рост отрицательного показателя, который негативно сказывается на качестве кредитного портфеля. Уровень сомнительной задолженности за анализируемый период вырос на 4,1%.       

Таблица 2.3 – Качество кредитного портфеля «Бинбанка», тыс. руб.

Показатели	Остаток на 01.01.2014г.	Остаток на 01.01.2015г.	Темп прироста %
1. Кредитные вложения – всего, в том числе	1 189 844	1 798 847	151,18%
В том числе
1.1 Просроченная задолженность	6 741	12 446	184,63%
1.1.1 Доля в %	0,57%	0,69%	x
1.2 Сомнительная задолженность (3-5 группы риска)	111 053	115 621	104,1
1.2.1 Доля в %	9,33%	6,43%
2. Принятое обеспечение по выданным кредитам - всего	3 569 619	6 957 425	194,91%
В том числе
2.1 Ценные бумаги, принятые в залог	1 492	1 494	100,13%
2.2 Полученные гарантии и поручительства	3018 567	5716 917	189,39%
2.3 Имущество, принятое в залог, кроме ценных бумаг	549 560	1 239 014	225,46%
3. Задолженность по процентным платежам по основному долгу, списанная с баланса из-за невозможности взыскания	9 448	10 155	107,48%
4. Задолженность по основному долгу, списанная из-за невозможности взыскания	79 444	80 613	101,47%

 

Принятое обеспечение по выданным кредитам за отчётный период выросло с 3569619 тыс. руб. до 6957 425 тыс. руб. или на 194,91%. Рост произошёл за счёт увеличения принятого в качестве обеспечения имущества, кроме ценных бумаг (темп изменения составил 225,46%), в том числе участились случаи предоставления в залог гарантий и поручительств (темп изменения составил 189,39%). Также увеличилась сумма ценных бумаг, предоставляемых заемщиками (темп изменения составил 100,13%).

Основная цель деятельности «Бинбанка» как коммерческой структуры – получения максимальной прибыли в долгосрочной перспективе. Это включает в себя потенциальный рост объёма банковских операций, увеличения собственного капитала, приемлемый уровень риска для кредиторов и вкладчиков, повышение имиджа в глазах потенциальных клиентов.

Финансовый результат деятельности банка – показатель концентрирующий в себе результат разнообразных пассивных и активных операций банка и отражающий влияние всех факторов, воздействующих на деятельность банка. В связи с тем, что вся деятельность банка нацелена на получение прибыли в условиях постепенно усиливающейся конкуренции, главной задачей становится поиск малейшей возможности получения дополнительного дохода без того, чтобы не подвергать банк неоправданному риску. Получение максимальных доходов достигается, как правило, за счёт наиболее эффективного использования банковских ресурсов.

Поскольку целью функционирования банка является получение максимальной прибыли при допустимом уровне рисков, доходность кредитного портфеля является одним из критериев оценки его качества.

На долю доходных активов в «Бинбанке» приходится 88,45% всех работающих активов банка. Структура активов и процентных доходов представлена в таблице 2.4.

Для расчета доходности кредитных вложений используется следующая формула:

  (2.1)

Где:

ПП - полученные проценты по срочным и просроченным кредитам за период;

КВ - средний остаток ссудной задолженности за период.

Таблица 2.4 - Структура активов и процентных доходов «Бинбанка», тыс. руб.

Показатели	Среднегодовой остаток задолженности		Полученные проценты по ссудам		Средняя доходность %
	2013	2014	2013	2014	2013	2014
1. Кредитный портфель - всего	1 189 844	1 798 847	125 784	247 987	10,57%	13,79%
1.1 Кредиты юридическим лицам	453 012	732 779	47 636	99 496	10,52%	13,58%
1.2 Кредиты, выданные физическим лицам - индивидуальным предпринимателям	89 304	115 426	11 285	16 930	12,64%	14,67%
1.3 Кредиты предоставленные физическим лицам	640 787	938 196	66 863	131 561	10,43%	14,02%

 

Средняя процентная ставка по размещённым средствам в 2013 г. и в 2014 г. составила соответственно 10,57% ((125784: 1189844)*100) и 13,79% ((247 987: 1798847)*100%), а ставка рефинансирования составляла в 2013 году 10%, в 2014 году 13% годовых. Таким образом, средняя ставка банка по выданным кредитам за анализируемый период несколько превышает ставку рефинансирования. Структура доходов, полученных отделением за анализируемый период, представлена в таблице 2.5.

Кредитные операции являются наиболее значимым источником доходов для Банка. Их доля в общих доходах Банка по итогам отчетного периода составила – 69,07% (по итогам 2013 года – 58,70%). В абсолютном выражении доход от кредитных операций с учетом комиссионного дохода составил 322833 тыс. руб., или 174% от объема соответствующих доходов за 2007 год.

Полученные Банком за отчетный год процентные и комиссионные доходы по ссудному портфелю юридических лиц составили 116426 тыс. руб., или 198% от объема соответствующих доходов за 2013 год, при этом их доля в доходах Банка увеличилась на 4,93 п.п. до 32,43%.

          Объем комиссионных доходов, полученных за 2014 год, составил 74846 тыс. руб., или 125% от объема комиссионных доходов за 2013 год. Темпы роста комиссионного дохода сложились ниже темпов роста совокупных доходов Банка, что привело к снижению доли комиссий в общем объеме доходов Банка с 27,93% до 20,85%.

 

 

2.3 . СОВЕРШЕНСТВОВАНИЕ КРЕДИТНОЙ ПОЛИТИКИ «БИНБАНКА»

 

Для уменьшения риска при операциях кредитования физических лиц рассмотрим метод, основанный на применении технологии интеллектуального анализа данных (Data Mining). Можно привести давно всем известную цепочку связанных событий: чем меньше рискует банк при предоставлении кредита, тем меньше процентная ставка, предлагаемая этим банком; чем меньше процентная ставка, тем больше клиентов обратиться в именно этот банк; чем больше клиентов обратиться в банк, тем большую прибыль получит банк, а это одна из основных целей коммерческой деятельности. Риск, связанный с невозвратом суммы основного долга и процентов можно значительно снизить, оценивая вероятность возврата заемщиком кредита. В последнее время для оценки риска кредитования заемщика в мировой практике широкое распространение получил скоринг. В России ему также уделяют должное внимание. Сущность этого метода состоит в том, что каждый фактор, характеризующий заемщика, имеет свою количественную оценку. Суммируя полученные баллы, можно получить оценку кредитоспособности физического лица. Каждый параметр имеет максимально возможный порог, который выше для важных вопросов и ниже для второстепенных.

На сегодняшний день известно достаточно много методик кредитного скоринга. Одной из самых известных является модель Дюрана. Дюран определил группы факторов, позволяющих максимально определить степень кредитного риска. Но эта модель как любая другая не идеальна и имеет ряд недостатков. Основным недостатком скоринговой системы оценки кредитоспособности физических лиц является то, что она очень плохо адаптируема, а используемая для оценки кредитоспособности система, должна отвечать настоящему положению дел. Например, в США считается плюсом, если человек поменял много мест работы, что говорило о том, что он востребован. В других станах наоборот – данное обстоятельство говорило о том, что человек либо не может ужиться с коллективом, либо это малоценный специалист, а соответственно повышается вероятность просрочки в платежах. Таким образом адаптировать модель просто крайне необходимо, как для разных периодов времени, так и для разных стран и даже для разных регионов страны. Для адаптации скоринговой модели оценки кредитоспособности физических лиц специалисту необходимо проделывать путь, подобный тому, что проделал Дюран. То есть специалисты, которые будут заниматься такой адаптацией должны быть высоко квалифицированными, а значит и очень высокооплачиваемые. Это должны такие люди, которые в состоянии оценить текущую ситуацию на рынке. Результатом такого рода проделанной работы будет набор факторов с весовыми коэффициентами плюс некий порог (значение), преодолев который, человек, обратившийся за кредитом, считается способным погасить испрашиваемую ссуду плюс проценты. Полученные результаты являются по большей части субъективным мнением и, как правило, плохо подкрепленные статистикой (статистически необоснованные). Как следствие всего этого, полученная модель не в полной мере отвечает текущей действительности. Одним из вариантов решения работы является применение алгоритмов, решающих задачи классификации. Задача классификации – это задача отнесения какого-либо объекта (потенциальный заемщик) к одному из заранее известных классов (Давать/Не давать кредит). Такого рода задачи с большим успехом решаются одним из методов Data Mining – при помощи деревьев решений.

Чтобы обеспечить его, необходимо придерживаться следующего алгоритма:

1. Выдвижение гипотезы – предположение о влиянии тех или иных факторов на исследуемую задачу. Данную задачу решают эксперты, полагаясь на свой опыт и знания. Результатом на данном этапе является список всех факторов.
2. Сбор и систематизация данных – представление данных в формализованном виде, подготовка данных в определенном виде (например, соблюдение упорядоченности по времени).
3. Подбор модели и тестирование – комбинирование различных механизмов анализа, оценка экспертами адекватности полученной модели. Возврат на предыдущие шаги при невозможности получения приемлемых результатов (например, проверка очередной гипотезы).
4. Использование приемлемой модели и ее совершенствование.
5. Именно с помощью такого подхода составлены анкеты – заявки на получение кредита. Экспертами в данной области были выявлены факторы, наиболее влияющие на результат. Эту информацию и заполняют в анкетах потенциальные заемщики. Помощь в проверке гипотез может оказать реализованный в Deductor факторный анализ. Данный инструмент выявляет значимость тех или иных факторов.
6. 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.

Дерево решений (рисунок 3.2) – один из методов автоматического анализа данных. Получаемая модель – это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.

          Рисунок 3.2 - Дерево решений см. Приложение Д

Сущность этого метода заключается в следующем:

1. На основе данных, за прошлые периоды строится дерево. При этом класс каждой из ситуаций, на основе которых строится дерево, заранее известен. В нашем случае должно быть известно, была ли возвращена основная сумма долга и проценты, и не было ли просрочек в платежах. Критерий разбиения – это различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия – мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. При существенном изменении текущей ситуации на рынке, дерево можно перестроить, т.е. адаптировать к существующей обстановке.

Прогнозируемый эффект от предложенных мероприятий представлен в таблицах 3.2 и 3.3.

Таблица 3.2 – Прогнозируемые показатели деятельности «Бинбанка»

Показатели	Среднегодовой остаток задолженности		Полученные проценты по ссудам		Средняя доходность %
	2014 год	Прогнозируемый период	2014 год	Прогнозируемый период	2014	Прогнозируемый период
Активы, приносящие прямой процентный доход	2 101 047	2521 256	х	х	х	х
Кредитный портфель – всего	1 798 847	2 421 598	247 987	347181,8	13,79%	14,34%
1 Кредиты юридическим лицам	732 779	989 252	99 496	139294,4	13,58%	14,08%
2 Кредиты, выданные физическим лицам - индивидуальным предпринимателям	115 426	155 825	16 930	23 702	14,67%	15,21%
3 Кредиты предоставленные физическим лицам	938 196	1 266 565	131 561	184 185,4	14,02%	14,54%
Просроченная задолженность	12446	9 957	х	х	х	х
Доля просроченной задолженности в ссудной задолженности	0,69%	0,41%	х	х	х	х
Уровень кредитного риска	2,57%	2,37%	х	х	х	х

 

Таблица 3.3 – Прогнозируемая структура доходов, полученных «Бинбанка»

Статьи доходов	За 2013год (тыс. руб.)	Прогнозируемый период тыс. руб.	Доля в доходах		Изменение, п.п.
			за 2013 год (%)	Прогнозируемый период (%)
Процентные доходы от операций кредитования, в том числе:	247 987	347181,8	69,07%	69,17%	0,10%
-юридических лиц	116 426	162996,4	32,43%	32,47%	0,05%
-физических лиц	131 561	184185,4	36,64%	36,70%	0,05%
Комиссии полученные	74846	104784,4	20,85%	20,88%	0,03%
Доходы от внутрисистемных операций	21387	29514,06	5,96%	5,88%	-0,08%
Прочие	14819	20450,2	4,13%	4,07%	-0,05%
Итого	359 039	501 930	100,00%	100,00%	х