Скоринг как способ снижения кредитного риска

     Смысл кредитного скоринга заключается в  том, что каждому соискателю кредита  приписывается свойственная только ему оценка кредитного риска. Сравнение  значения кредитного скоринга, полученного  для конкретного заемщика, со специфичной (подчеркнем это) для каждой модели скоринга пороговой оценкой помогает решить труднейшую проблему выбора при  выдаче кредита, разделяя заемщиков  на два класса (тех, кому кредит выдать можно, и тех, кому он «противопоказан»)[3, c. 128].  
 
 
 

 

     

     1.2. Особенности построения скоринга для оценки кредитоспособности клиентов банка 

     Скоринговая система оценки платежеспособности розничного клиента - это статистическая модель, оценивающая вероятность  того, что заемщик не заплатит по своим обязательствам в срок. Таким образом, для построения любой статистической модели необходимо иметь достаточную по объему и качественную базу данных.

1. Формулировка требований к системе – это первая и возможно самая главная стадия процесса внедрения. Требования к скоринговой системе зависят от того, каким образом она будет использоваться. Рассмотрим несколько вариантов.
2. Банк собирается регулярно выводить на рынок новые кредитные продукты, тогда на первое место из требований к скоринговой системе выдвигается как гибкость. То есть банк должен иметь возможность быстро и качественно запускать в работу новые кредитные продукты.
3. Банк в первую очередь ориентируется на риск-менеджмент, то есть политика банка в большей степени определяется рисками – тогда основные требования к системе будут связаны с отчетностью.
4. Банк потратил значительные ресурсы на собственное хранилище данных, фронт-офис или какое-то другое банковское ПО. Вследствие, этого на первое место выходит возможность легкой интеграции скоринговой системы в уже существующие решения.
5. Банк обладает большим количеством отделений, у него подписаны контракты с рядом крупных торговых сетей. Для такого банка самыми важными требованиями будет масштабируемость и производительность системы [4, c.78].

     База  данных для построения скоринговой  модели (собственная или приобретенная) должна содержать всю возможную информацию по клиентам за последние 2-5 лет, в том числе клиентский номер (в Беларуси хороший способ идентификации - личный номер, который совпадает со страховым номером в фонде социальной защиты, кстати, там есть база данных по доходам изо всех официальных источников за последние 5 лет), банковский продукт, решение по кредитной заявке, дату открытия счета, статус задолженности, баланс на счету и т.д. Далее из выборочной совокупности должны быть исключены:

• все нестандартные случаи (аномально большие суммы кредита, необычные цели для займа, реструктуризированные обязательства, клиенты с нестандартными условиями выплат и др.),
• отказы в выдаче кредита по причинам, обусловленным единой политикой банка (несовершеннолетние, банкроты, двойные заявки и др.),
• инсайдерские кредиты (VIP, сотрудники банка и др.),
• сторно, незаконченные или находящиеся в процессе обработки кредитные анкеты,
• нестандартное поведение клиента после выплаты кредита (подделка документов и мошенничество, кражи и потери кредитных карт, смертельные случаи и др.).

     Все остальные данные в выборке должны быть разбиты на категории: «хороший» (платежеспособный), «плохой» (неплатежеспособный) клиент или «отказ» в выплате кредита [8].

     В теории по созданию скоринговых систем процесс моделирования часто  разбивают на два этапа:

     1) построение первичной модели  с использованием известных данных  по розничным счетам (платежеспособный/неплатежеспособный),

     2) построение конечной модели с  добавлением данных по клиентам, которым было отказано в кредите («отказы»).

     Практика показывает, что добавление отказов, несмотря на большие затраты ресурсов, редко приносит желаемый результат и оказывает несущественное влияние на качество и характер модели. Поэтому далее мы предлагаем учитывать при построении лишь данные существующих клиентов, охарактеризовавших себя с позиции платежеспособности («хороший»/«плохой» случай).

     Перед тем как переходить к анализу  скоринговых показателей и построению первичной модели, банку необходимо точно сформулировать свое определение «плохого» случая (дефолта). Примерами определения дефолта в мировой практике являются: уровень просроченной задолженности (свыше 30 дней, 60 дней или 90 и более дней) на текущий момент или худший статус за все время кредитной истории, а также списание со счета, 3 раза задолженность свыше 30 дней, 2 раза задолженность свыше 60 дней, один раз задолженность свыше 90 дней, просроченная задолженность в размере свыше 500 000 руб. и т. д. Базель II дефинирует понятие дефолта как существование просроченной задолженности на счету свыше 90 дней когда-либо на протяжении всей кредитной истории. Банк свободен сам выбирать для себя, какое понятие дефолта лучше всего использовать при построении скоринговой модели, если он сможет логически аргументировать свой выбор. Подтверждение правильности выбранного определения может осуществляться экспертным путем или аналитическими методами (roll rate analysis, vintage analysis).

     После точного определения и документации понятия дефолта всех розничных клиентов, попадающих в эту категорию, необходимо охарактеризовать как «неплатежеспособных», а остальных - как «платежеспособных»[9, c. 98].

     Следующим основным этапом построения модели является выбор и анализ независимых переменных. Основным источником данных являются анкетные данные клиента на момент подачи кредитной заявки, например:

• Демографические показатели: возраст, пол, национальность, местопроживание, длительность проживания в актуальном месте жительства, образование, профессия, длительность трудоустройства, наличие собственности, семейное положение, наличие детей и др.
• Данные по запрашиваемому кредиту: цель кредита, общий размер займа, срок финансирования, первоначальный взнос, отношение размера займа к размеру обеспечения по кредиту и др.
• Финансовые показатели: при учете количественных характеристик в модели рекомендуется избегать абсолютных величин и использовать коэффициенты, как например: сумма задолженности к доходу, ежемесячные выплаты по кредиту к ежемесячному доходу, месячный свободно располагаемый бюджет к ежемесячному доходу, ежемесячные выплаты по кредиту к месячному свободно располагаемому бюджету и др.

     ■ Маркетинговые показатели: источник поступления кредитной анкеты, проводимая программа, побуждающий мотив и др.

     Следующим основным источником информации является внутренняя кредитная история банка и информация, полученная в бюро кредитных историй на момент подачи анкеты. Используемыми скоринговыми переменными могут являться: количество текущих счетов клиента, количество и наличие кредитных карт, общая сумма всех кредитов, время получения последнего кредита, наличие у клиента других продуктов этой финансовой организации, состояние текущего счета, утилизация существующих лимитов, рейтинги бюро кредитных историй и др. [14].

     Если  определить кредитный скоринг как  разработку моделей, то основные задачи, стоящие перед банком можно сформулировать так:

1. Определение ключевой цели и типа скоринга: определение того, для чего конкретно будет использоваться скоринг – оценка заемщика, оценка динамики состояния счета или же определение оптимальной стратегии по уже «плохим» заемщикам.
2. Оценка, анализ и определение критериев: задание критериев оценки кредитоспособности и определение базовых параметров классификации заемщиков.
3. Выбор методов построения скоринговых моделей: исследование доступных методов создания скоринговых моделей на предмет максимальной адекватности имеющейся ситуации.
4. Оценка финансовой эффективности моделей: оценка и анализ общего влияния скоринговой модели на кредитный портфель в целом.

 
 

      

 

     

     ГЛАВА 2

     ПРАКТИКА  ПРИМЕНЕНИЯ СКОРИНГА В БАНКОВСКОЙ СИСТЕМЕ  РЕСПУБЛИКИ БЕЛАРУСЬ 

     2.1. Особенности использования  скоринговых систем  белорусскими банками 

     В Республике Беларусь негативными последствиями  развития кризисных явлений стало  резкое снижение темпов кредитования, ухудшение качества корпоративного кредитного портфеля, сформировался  своего рода “порочный круг”: ухудшение  экономического положения предприятий - ухудшение качества кредитов - ужесточение  подходов к кредитованию - усиление дефицита кредитования - ухудшение  экономического положения предприятий.

     Для эффективной оценки кредитных рисков важно правильно подобрать метод  оценки кредитоспособности заемщика и  кредитного портфеля банка. Кредитоспособность заемщика в мировой банковской практике фигурирует как один из основных объектов оценки при определении форм кредитных  отношений и целесообразности. Способность  к возврату долга неразрывно связана  с моральными качествами клиента, степенью инвестирования капитала в недвижимое имущество, его родом занятий, возможностью заработать средства для погашения  кредита и других обязательств [4, c. 167].

     Понимание актуальности использования более  совершенных методик возникает  чаще всего у тех банков, кредитование физических лиц в которых реализовано  в качестве массовой услуги.

     Для построения экспертной системы оценки кредитных рисков для физических лиц рационально, по моему мнению, использовать скоринговую модель, основанную на математических и статистических методах.

     Благодаря использованию скоринга банк получает снижение числа «плохих» кредитов. В качестве доказательства приведем данные по кредитованию физических лиц  с использованием системы скоринга фирмы Fair Isaac. После «пропускания»  факторов, характеризующих заемщика, через скоринговую модель получим  число, определяющее уровень риска, свойственного кредитованию данного  заемщика. Это число принимает  одно из значений в интервале от 300 до 850. Каждое из этих значений характеризует  различную возможность погашения  кредитных обязательств. Разные значения кредитного скоринга определяют различные  соотношения «хороших» и «плохих» заемщиков [15, с.255].  
 
 
 
 
 
 
 
 

     

     Рисунок 2.1 – Соотношения “хороших” и ”плохих” заемщиков

     Примечание  – Источник:  [9] 

     Таким образом, кредитуя заемщиков с высоким  значением скоринга, банк уменьшает  вероятность невозврата кредитов. Тем  самым уменьшаются потери и увеличивается  прибыль от кредитной деятельности без снижения стандартов кредитования.  

     База  данных для построения скоринговой  модели должна содержать всю возможную  информацию по клиентам за последние 2-5 лет, в том числе клиентский номер (для Беларуси хороший способ идентификации  – личный номер, который совпадает  со страховым номером в фонде  социальной защиты, кстати, там есть база данных по доходам из всех официальных  источников за последние 5 лет), банковский продукт, решение по кредитной заявке, дату открытия счета, статус задолженности, баланс на счету[7].

     В Республике Беларусь на сегодняшний  день скоринговая система оценки кредитного риска используется в  большинстве банков, в то время  как ещё в 2008 г. Скоринговыми системами  располагал только ОАО «Приорбанк».

     В первое время функционирования скоринга заявок было немного, так как для  большинства белорусов эта услуга оказалась неизвестной и к  ней относились с осторожностью.

     Для получения кредита с помощью  скоринговой системы, клиенту необходимо заполнить анкету. Специалисты  беларусских  банков совместили опыт зарубежных коллег с особенностями менталитета  белорусов и составили анкету, включающую в себе основные моменты, значимые для оценки кредитоспособности потенциального заёмщика.

     Список  граф, которые необходимо заполнить:

     1) пол заемщика;

     2) возраст заемщика;

     3) семейное положение заемщика;

     4) количество иждивенцев в семье  заемщика 

     5) адрес постоянной регистрации  заемщика;

     6) образование заемщика;

     7) занимаемую заемщиком должность;

     8) место работы заемщика;

     9) трудовой стаж заемщика на  последнем месте работы;