Методы кредитования физических лиц в российских коммерческих банках

      - 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;

     - управление статусами клиентов;

     - сбор информации о клиентах от других модулей системы;

     - предоставление информации о клиентах другим модулям системы;

     - регистрация событий, связанных  с жизненным циклом клиента;

     - регистрация и ведение информации  о кредитах;

     - регистрация событий, связанных  с жизненным циклом кредита; 

     - управление статусами кредитов;

     - сбор информации о кредитах от других модулей системы;

     - предоставление информации о кредитах другим модулям системы.

     Схема бизнес-процессов в части предоставления продуктов следующая:

     - регистрация заявок клиентов на предоставление продуктов (заявка содержит подробную информацию о клиенте);

     - уточнение данных клиента; 

     - предварительная проверка заявок  на полноту и достаточность  предоставленной информации;

     - проверка на наличие информации  о клиенте в «черном списке»; 

     - проведение расчета кредитного  рейтинга клиента на основании зарегистрированной заявки;

     - выполнение проверки информации  на внешние условия; 

     - утверждение заявки кредитным  инспектором; 

     - при необходимости согласование условий предоставления продукта с клиентом;

     - формирование пакета документов для подписания клиентом;

     - регистрация клиента в системе;

В разных странах  набор характеристик, описывающих  заемщиков, и их относительный вес  в оценке кредитного риска различаются, как различны экономические условия  жизни и национальный менталитет. Поэтому нельзя автоматически переносить модель из одной страны в другую. В российских условиях параметры одного региона не переносимы на ситуацию другого региона, на его уровни зарплат и рисков. Более того, не дает эффекта даже перенос скоринговой модели из одного банка в другой, поскольку клиентская база каждого банка имеет свои особенности.

Предлагается  разработка и внедрение системы  скоринга, позволяющей оценивать  кредитный риск заемщика и всего  кредитного портфеля на основании уникальной модели, адаптивной к данным. Модель скоринга физических лиц может базироваться на анкетных данных заемщиков, экспертных знаниях менеджмента банка, численных оценках, полученных на статистике «плохих» и «хороших» кредитов, численных оценках, построенных на объективной региональной и отраслевой информации.

В результате работы модели по оценке конкретного заемщика формируется кредитный портрет  потенциального заемщика, позволяющий  производить:

• процедуру разделения потенциальных заемщиков на «плохих», которым не может быть выдан кредит, и «хороших», которым кредит может быть выдан;
• расчет индивидуальных параметров кредитной сделки для конкретного заемщика (лимит, процент, срок, график погашения кредита);
• расчет риска и управление кредитным портфелем по всем ссудам, выдаваемым частным лицам.

Методология решения  базируется на анализе специфики  деятельности банка. При этом учитываются  как группы клиентов (отраслевая и  региональная принадлежность и др.), так и кредитные продукты банка  для физических лиц. Исходя из потребностей банка в развитии бизнеса и имеющихся данных, могут быть построены скоринговые модели, основанные на экспертных знаниях банковского менеджмента, на статистических данных, на учете макроэкономических данных о социально-экономическом развитии конкретных регионов и отраслей. Наиболее мощными по точности оценки кредитного риска являются модели, использующие комплексный подход, т.е. учет всех данных и экспертных знаний менеджмента банка.

Ключевые преимущества от внедрения скоринговой системы

• Сокращение сроков принятия решения о предоставлении кредита. Увеличение числа и скорости обработки заявок за счет минимизации документооборота при выдаче кредита частным клиентам, как важнейший способ обеспечения доходности ритейлового кредитования.
• Эффективная оценка и постоянный контроль уровня рисков конкретного заемщика.
• Снижение влияния субъективных факторов при принятии решения о предоставлении кредита. Обеспечение объективности в оценке заявок кредитными инспекторами во всех филиалах и отделениях банка.
• Оценка и управление риском портфеля кредитов частным лицам банка в целом, включая его отделения. Учет, при определении параметров новых кредитов, уровня доходности и риска кредитного портфеля.
• Реализация единого подхода при оценке заемщиков для различных типов кредитных продуктов банка (экспресс-кредиты, кредитные карты, потребительские кредиты, автокредитование, ипотечные кредиты).
• Адаптация параметров кредита под возможности конкретного заемщика (кастомизация кредитного продукта).
• Резкое расширение, за счет кастомизации кредитных продуктов, состава и численности кредитуемых лиц.
• Сокращение численности банковского персонала, экономия за счет использования персонала более низкой квалификации.
• Контроль всех шагов рассмотрения заявки.
• Возможность вносить коррективы в методологию оценки централизованно и немедленно вводить их в действие во всех отделениях банка.

Для построения скоринговой системы могут быть использоваться следующие типы данных:

• Макроэкономические данные, представляющие собой статистическую информацию по социально-экономическому развитию для тех регионов, в которых имеются отделения (представительства, филиалы) банка, или в которых банк планирует их открыть.
• Статистические данные предприятий регионов с тем, чтобы включить в модель скоринга информацию о принадлежности заемщика к определенному сектору экономики для повышения точности оценки.
• Анкетные данные по всем имеющимся заемщикам банка в разрезе возвратов и невозвратов долга, а также по просроченным выплатам процентов и основной суммы долга. Состав анкетных данных, необходимых для работы модели, определяется после предварительного анализа.
• Экспертные знания банковского менеджмента по каждому из типов кредитных продуктов банка.

В качестве иллюстрации на рис. 16 приведен пример бизнес-процесса работы банка по кредитной заявке — от первого контакта с клиентом до принятия банком предварительного решения о предоставлении кредита на определенную сумму (до выбора заемщиком квартиры). Видно, что тут основную роль в снижении рисков до минимума играет согласованная работа всех сотрудников банка в соответствии с утвержденной схемой принятия решения.

Рисунок 16.  Пример бизнес-процесса принятия решения о предоставлении ипотечного кредита (до выбора квартиры заемщиком). Общая схема (для примера) и технология формирования заключения аналитиком банка

Проведем расчет эффективности внедрения системы  кредитного скоринга. Экономический  эффект от вндерния системы кредитного скоринга можно рассчитать по формуле :

Э = Д–З                               

Где Д – доход от внедрения системы;

З – затраты  банка на внедрение системы.

Стоимость внедрения  системы кредитного скоринга составляет около 1000 тыс. руб.

Известно, что  скоринговые системы сокращают  риск невыплат по кредитам на 15-40%. В  расчет возьмем среднюю величину – 27,5 %. Как уже указывалось, согласно стратегическим планам ВТБ 24 (ЗАО) на 2011 год, потребительский кредитный портфель банка составит 130996,5 тыс. руб. Если предположить, что доля просроченных и безнадежных ссуд в кредитном портфеле банка не изменится и останется на уровне 2010 года, т.е. 1,3 % (без внедрения скоринговой системы), то в 2011 году величина просроченных и безнадежных ссуд банка составит: