Становление банковской системы России: ее состав и структура

Проблемы формирования и развития национального государства, национальной экономики и банковской системы тесно взаимосвязаны  между собой. Причем они актуальны  как для развивающихся, так и для промышленно развитых стран. За последние годы организационная и денежно-кредитные сферы мировой экономики получили значительное развитие. Глубокие изменения затронули как структуру национальных банковских систем, так и валютные рынки. Было создано множество новых финансовых инструментов, произошли изменения и в финансовой деятельности предприятий. Рост процентных ставок и увеличение финансовых расходов заставили по-иному взглянуть на функцию управления денежными потоками. Безусловно, управление международными денежными средствами во многом схоже с управлением национальной наличностью: прогнозирование движения денежных потоков, создание системы информации, переговоры с банками.

 

3.3. Ожидаемый социально-экономический эффект внедрения инноваций в банковскую систему

 

В начале 90-х годов  прошлого века в России появилась  система коммерческих банков. Болезни, существовавшие в тот момент в  экономике, передались по наследству и  ее детям. Банки в общей массе  представляли собой либо кассу крупного предприятия, концентрируя в себе все его риски, которые всегда крайне высоки; либо находились в тесной связи с представителем чиновничества, обслуживая бюджетные средства, имея, тем не менее, шанс потерять бизнес при очередных выборах. Ведение банковского бизнеса в тот момент подразумевало в основном наличие хороших связей.

Идея создать новый  банк, не имея покровителя, который  бы обеспечил достаточный финансовый поток, казалась трудноосуществимой. При  создании многих банков была сделана ставка на лидерство в передовых банковских технологиях. Только так можно было выделиться маленькому банку из обширной массы кредитных организаций. Крупные инновации следовали одна за другой, почти ежегодно:

1994 год - “Быстрые расчеты”: банки создают развитыеой на Урале сети корреспондентских счетов и одним из лидеров в скорости проведения платежей;

1995 год – разработка системы удаленного управления расчетным счетом “Клиент-банк”;

1996 год – внедрение микропроцессорных карт;

1999 год – внедрение системы удаленного управления счетом через Интернет;

2000 год – разработка банками собственных сайтов;

2002 год – создание банковских сертификационных центров ЭЦП;

2003 год – внедрение банками микропроцессорных карт VISA Electron/Classic, и их эмиссия.

Со временем список инноваций позволил банковской системе развиваться далее. Кроме того, новые технологии позволяли качественно обслуживать большее число клиентов. Но, как известно, рост и увеличение в размерах неизбежно ведет к ухудшению управляемости бизнеса, а традиционный подход по ужесточению контроля – к росту бюрократического аппарата. Акционеры банков не воспользовались этим решением, а напротив, начали бороться с ростом численности персонала. Но задача оказалась не простой. К тому же она была существенно усугублена новыми мощными тенденциями, захватившими банковский мир – приходом массового клиента, поворотом к розничному бизнесу, неизбежно влекущим за собой рост числа сотрудников. Решение этой проблемы было найдено опять же в области технологических инноваций – на этот раз ставка была сделана на передовые технологии управления бизнес-процессами, документопотоками и на интеллектуальные автоматизированные системы принятия решений.

В условиях повышения прибыли и доходности банковской деятельности одним из ключей к успеху становится способность автоматизировать процесс обработки кредитных заявок, включая этапы анализа и принятия решения. Исторически, эти задачи решалась исключительно человеком, так как на первый взгляд практически невозможно предусмотреть все моменты и отразить их в программном обеспечении. Тем не менее, идея подключить к этой задаче математический аппарат неоднократно возникала, и в свое время была решена. На Западе методологии, позволяющие автоматизировать процедуру классификации клиентов, получили название скоринг-систем – от английского глагола score – дословно “зарабатывать очки”. В своем простейшем варианте скоринг-система оценивает заемщика по набору характеристик (перечень имущества, должность, образование и т.д.), каждой из которых соответствует свой уровень значимости, выражаемый в баллах. Итоговая оценка системы, получаемая суммированием баллов, отражает предельный размер кредита, который можно предоставить заемщику без обеспечения (залога).

Скоринг принадлежит  к классу систем анализа данных и  управления знаниями, для названия которых в настоящее время используется целая группа терминов, неполный перечень которых включает data mining (“добыча данных”), knowledge management (“управление знаниями”), knowledge discovery (“открытие новых знаний”). Значение их в бизнесе, в том числе банковском, в последнее время возрастает. Согласно определению, эти системы, базируясь на математическом анализе, моделировании и технологиях баз данных, находят в массивах данных скрытые связи и закономерности, позволяющие выводить новые правила и предсказывать будущие результаты. Другое определение data mining: “процесс извлечения информации из данных с целью получения новых знаний”. Типичные приложения этих систем включают в себя сегментацию рынков, классификацию клиентов, выявление мошеннических действий, оценку различных направлений продвижения розничных продуктов, анализ кредитных рисков.

Автоматизированный анализ кредитных заявок как задача распознавания  образов, требует накопленной статистики по распознаваемым объектам для построения моделей и решающих правил. Сложность ситуации для большинства российских банков заключается в том, что статистика по выдаче кредитов недостаточна для адекватной работы системы.

Под адекватной работой  математической модели понимается ее способность обеспечить некий минимальный процент невозвратов по кредитам. По мировому опыту, этот процент должен варьироваться от 0,5 до 3%. Нулевой процент – величина абсолютно недостижимая, так как помимо недобросовестности заемщика, в силу вступают повседневные риски – смерть, потеря работы, несчастные случаи. Самые низкие проценты невозвратов достигаются в мусульманских странах – 0,5 - 1%. Это значение вплотную приближается к минимально возможному, так как национальные традиции предусматривают практику коллективной ответственности за каждого члена общины. Напротив, индивидуалистическая культура Христианского мира подводит это значение к уровню 3%.

Однако в России эти  показатели значительно хуже. Причина  в недостатке статистических данных (кредитование населения дело пока новое и анализировать еще нечего, а построение экспертных систем дело сложное и требует уникальной научной квалификации). По оценкам компании McKinsey, которая занималась разработкой ритейловых проектов для ряда банков России, невозврат кредитов в этой сфере составляет около 7%. Однако в период скорого выхода на этот рынок многих банков-участников эти цифры могут оказаться заметно хуже. Ввиду отсутствия накопленного опыта, присутствующие здесь риски, в частности, по возможным мошенническим действиям, в данный момент оценить очень сложно. Кроме того, многие выходящие на рынок банки фактически не используют интеллектуальные системы автоматизированного анализа и зачастую не отказывают в кредитах почти никому. Но применение скоринг - системы гарантии не дает, так как очень многое здесь зависит от ее качества. Это тот случай, когда некачественная система хуже, чем отсутствие такой системы вообще.

Результаты поисков  и анализа привели Российские банки к тому, что исходная задача из плоскости традиционных чисто математических и статистических подходов вышла на уровень более сложной постановки - экспертной системы с математическим модулем распознавания в условиях неопределенности параметров, моделирующим процесс принятия решения кредитным инспектором на основе подходов систем искусственного интеллекта. Данный подход на порядок превосходит обычные статистические постановки по сложности реализации, но позволяет запустить систему, обладая минимальной информацией по объекту распознавания.

После выдачи кредита эта система сможет анализировать поведение клиентов, классифицировать их по типам кредитного поведения и выдавать рекомендации по работе с ними. Например, подсказывать, каким клиентам надо увеличить лимит или предложить новый продукт. Более широко, она решает задачу автоматизированного анализа и выработки оптимальных решений и подсказок при работе с массовым клиентом.

Скоринг – система позволит заемщику:

- Получить кредит без  залога;

- Ускорить процедуру выдачи кредита;

- Формировать самому клиенту список документов, которые нужно предоставлять банку (система способна оценивать заемщика по широкому перечню параметров);

- Узнать размер предоставляемого кредита спустя считанные минуты после обращения.

Имея описанные возможности, клиент получает максимум информации и свободы в выборе действий, понимает ситуацию и даже может ей до определенной степени управлять. Это интереснее, чем отдать свою заявку в “черный ящик” и потом неделю ждать, какое решение из него выскочит.

Скоринг – система даст банкам:

- Ускорение процесса обработки кредитных заявок;

- Сокращение численности банковского персонала;

- Экономию за счет использования персонала более низкой квалификации;

- Обеспечение объективности и единообразия критериев в оценке заявок кредитными инспекторами во всех филиалах и отделениях банков;

- Контроль всех шагов рассмотрения заявки, включая саму методологию оценки, на основе информационной системы. Это позволяет регулировать объемы кредитования в зависимости от ситуации на рынке, вносить коррективы в методологию оценки централизованно и немедленно вводить в действие их во всех отделениях банков. Но это далеко не все.

Накапливаемые в системе  данные смогут быть использованы для следующих целей:

- Изучения и классификации типов клиентов; 

- Анализа клиентских предпочтений и потребностей в различных продуктах;

- Оценки качества кредитного портфеля и бизнеса (по различным направлениям и регионам);

- Оценки вероятного отклика различных клиентов на предложения им различных продуктов.

После накопления достаточной статистики скоринг - система сможет решать более сложные задачи. Например, нахождения оптимального, в смысле прибыли, уровня отсечения заявок (максимум разности между прибылью от “хороших” кредитов и потерями от “плохих”).

Кроме непосредственно  скоринга кредитных заявок, будет решаться и задача скоринга поведения клиентов, уже получивших кредиты (вторичного скоринга). Основываясь на данных о действиях клиента, аккуратности погашения кредита, система автоматически выявит клиентов с повышенным риском невозврата, даст возможность определить можно ли увеличить данному клиенту лимит и на сколько, стоит ли предложить ему другой продукт и какой именно.

Еще один вид скоринга – определение оптимальной стратегии  действий по отношению к клиентам, не возвращающим кредит (с какими клиентами стоит поработать самим и какими методами, а каких передать в агентство по возврату долгов). Рекомендации по такой стратегии также будут вырабатываться автоматически на основе данных о клиенте, о его операциях и о взаимодействии с банком.

С течением времени подходы  к ведению крупного бизнеса претерпели существенные изменения. В данный момент любое крупное предприятие должно ориентироваться уже не на ценовую  конкуренцию, а на инновационное  лидерство своего предприятия среди  конкурентов. Достичь этого результата можно лишь введением того, что называется научным подходом в принятии решений и реализации инновационных технологий.

Экономическим эффектом, который получает банк, внедряя инновации, является прибыль банка от прироста объема продаж кредитных продуктов. При использовании банками скорингового метода оценки заемщиков объем продаж кредитных продуктов будет увеличиваться за счет обслуживания большего числа клиентов за менее короткий период. Социальным эффектом здесь будет увеличение прибыли работников банка за счет снижения количества персонала.

 

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

 

 

Роль банковской системы  в экономике любой страны чрезвычайно  велика. В российской экономике на банковскую систему ложится еще  большая ответственность, ее роль в  стабилизации страны увеличивается, но усложняются задачи.

Уход крупных корпоративных  клиентов из российского банковского  сектора вынуждает отечественные  банки работать преимущественно  со средними и малыми фирмами и  на розничном рынке, что не обеспечивает им эффективных объемов деятельности. Однако расширение представительства иностранных банков на российском рынке (в виде дочерних банков, а в отдельных случаях – филиалов) в скором времени сделает их сильными конкурентами и на розничном рынке.

Проведенный в работе анализ состояния российской банковской системы позволил сделать несколько существенных выводов:  

В последние годы отечественная  банковская система демонстрировала  устойчивую положительную динамику. В плане количественного роста  ее активы выросли. С точки зрения повышения качества работы – банковский сектор России, наконец, начал выполнять функцию финансового посредника между капиталоизбыточными и капиталонедостаточными секторами хозяйства.

Вместе с тем на фоне экономического роста в стране динамика банковского сектора представляется явно недостаточной.

Несмотря на заметный рост кредитных портфелей российских банков, потребности предприятий в получении кредитов все еще удовлетворены незначительно. В особом дефиците длинные инвестиционные кредиты, четверть рынка которых обеспечено прямыми трансграничными кредитами иностранных банков. Но эти кредиты доступны ограниченному кругу российских предприятий, в основном крупным экспортерам и естественным монополиям. Большинство средних и малых предприятий испытывают в привлечении кредитных ресурсов серьезные затруднения. Согласно данным межрегионального обследования малого бизнеса, только четверть малых предпринимателей имеет опыт и условия для использования банковских кредитов

Банковская система  России продолжает нести серьезные системные риски, порождаемые неразвитой системой рефинансирования. Несмотря на недавний кризис, Центральный Банк ограничился разовым сокращением нормативов обязательных резервов.