CC BY
118
№2 2006
А. А. Михалёв, М. Г. Лужецкий
Автоматизация аналитической работы кредитной организации
Спрос на кредиты в России активно растет. Тому свидетельствует рост реальных денежных доходов населения. Так, по данным Федеральной службы государственной статистики, рост доходов по Москве составил 112,4 % (2004 г. по отношению к 2003 г.). Для сравнения: в 2003 г. по отношению к предыдущему году — 131 % роста. По Московскому региону за аналогичные периоды рост реальных доходов населения составил около 117 % [1]. Современными кредитными организациями осуществляется выдача кредитов как физическим, так и юридическим лицам.
С ростом потребностей клиентов в заемных средствах и в связи со стремлением банков занять долю на рынке как потребительского, так и корпоративного кредитования банкам необходимо предлагать комплексные кредитные банковские продукты на условиях, максимально приближенных к среднерыночным, а также немного превосходить их. При постоянном увеличении количества выдаваемых ссуд неоспоримым конкурентным преимуществом для кредитной организации, помимо полного комплекса услуг по кредитному обслуживанию клиентов, будет являться время рассмотрения кредитной заявки на испрашиваемый кредитный продукт. Однако время и качество анализа кредитной заявки зачастую являются взаимно противоположными факторами и приводят к достаточно большим процентам невозврата кредитов. Пренебрежение таким фактором, как качество анализа кредитной заявки, при минимизации времени на данную операцию может привести к значительным прямым и косвенным потерям, выражающимся в виде неплатежей заемщика как по сумме основно-
го долга, так и по начисленным процентам в соответствии с условиями кредитного договора. Так, по данным официальной статистики Банка России, в 2004 г. было выдано кредитов на общую сумму в 14-15 млрд. долл., из них 1,2 % — невозврат. На 1 июля 2005 г. было выдано уже 30 млрд. долл., а доля невозврата подросла до 1,92 %. К 1 января 2006 г. было выдано 37 млрд. долл., а невозврат составил 2,44 %. В целом же, по мнению одного из экспертов, в России нет банка, который имеет невозврат по пот-ребкредитам меньше 5-6 % [5].
Рассматривая технологию оценки кредитоспособности заемщиков, необходимо говорить о видах выдаваемых кредитов с точки зрения их массовости и прибыльности для банка, об алгоритмах анализа заемщика и определении уровня его кредитоспособности и о том, как данная процедура будет реализована в современном банке, имеющем территориально распределенные офисы и филиалы, на основе существующих классов информационных систем.
Ни у кого не будет вызывать сомнений тот факт, что современный банк не может работать без использования специализированных систем автоматизации банковской деятельности, а также без современных интеллектуальных и информационно-аналитических систем, помогающих лицам, принимающим решения (ЛПР) на всех уровнях управления коммерческим банком, в выполнении их обязанностей с целью повышения оперативности принятия решений и уменьшения риска ошибок или просчетов до минимального уровня. Поэтому реализация той или иной методики оценки кредитоспособности заемщика при при-
№2 2006
нятии решения о выдаче или отказе в выдаче ссуды клиенту будет основываться на множестве не только «экономических», но и на множестве «информационных» ограничений, таких как:
• технология доступа к ретроспективной информации о самом заемщике и о других аналогичных кредитах;
• использующиеся аналитические платформы и их функциональность;
• наличие автоматизированной связи с Центральным каталогом кредитных историй (ЦККИ), который сейчас развивается в России, для поиска Бюро кредитных историй (БКИ), в котором содержится кредитная история заемщика [2];
• схема территориального распределения хранения информации в банковской информационной системе (БИС) между головной организацией, филиалами, отделениями и офисами;
• распределение мощностей в рамках всей БИС, т. к. процедура анализа является достаточно ресурсоемкой.
Перед тем как рассматривать те технологии, которые уже используются и которые можно было бы использовать в процессе анализа кредитоспособности заемщика, необходимо описать те методы анализа, которые сейчас существуют. Это в первую очередь связано со спецификой их реализации на базе использования информационных тех-
нологий и потребностью в информационных системах различных классов. Однако же банку в первую очередь важно иметь качественный метод анализа и затем уже наиболее подходящую технологию его автоматизированной реализации.
Так, риски неплатежеспособности заемщика должны быть оценены еще до того, как будет принято решение о выдаче ссуды. С ростом спроса на кредиты банки идут на такой риск с целью удержать нишу на рынке кредитования. Но это приводит к неутешительной статистике. Так, на основе данных Бюллетеня банковской статистики ЦБР [3] представлена динамика задолженности по выданным кредитам в разрезе заемщиков и динамика просроченной задолженности в процентах к началу 2000 года (рис. 1). Как показано на диаграмме, уже просроченная задолженность на 1.01.2005 г. по отношению к 1.01.2000 г. увеличилась почти в 6 раз, и видна прямая зависимость роста просроченной задолженности от роста объемов выдаваемых ссуд кредитными организациями.
вычислительных
Рис. 1. Динамика задолженности по предоставленным кредитам
А.А. Михалёв, М.Г. Лужецкий
Автоматизация аналитической работы кредитной организации
№2 2006
Для повышения качества анализа кредитных заявок банкам необходимо основываться на ряде предпосылок:
• информация, предоставляемая заемщиком, является достоверной;
• метод, используемый для анализа кредитоспособности заемщиков, имеет достаточную чувствительность к рискованным ссудам;
• банк сможет оперативно получить необходимую дополнительную информацию по всем элементам рассматриваемой кредитной заявки.
Как ни странно, но основной вопрос состоит именно в методике оценки риска неплатежеспособности заемщика. Выбор методики зависит от сложности ее эффективной реализации (как с использованием, так и без использования информационных технологий) при работе банка в рамках системы массового обслуживания, которой является потребительское кредитование. Это обусловлено глубиной и всесторонностью анализа факторов, прямо или косвенно влияющих на возможность заемщика платить по своим обязательствам.
В зависимости от глубины исследования качества заемщика все методики анализа можно условно разделить на методики экспресс-анализа (необходим программный инструмент, позволяющий произвести локальный анализ заемщика на основе множества входных факторов и, возможно, некоторой локальной статистики) и методики детализированного анализа (включающего сложные многоступенчатые алгоритмы анализа, базирующиеся на множестве внутрибанковской статистической информации и внешних хранилищах данных). Для двух видов анализа различаются скорость его проведения и точность результата оценки. Для экспресс-анализа скорость его проведения будет значительно выше (вся информация чаще всего хранится и обрабатывается локально), чем для детализированного, ввиду того, что при экспресс-анализе не учитываются всевозможные факторы, которые
могли бы повлиять на кредитоспособность заемщика, а также используются небольшие массивы статистической информации. Это обусловлено сложностью его проведения, когда решающим фактором остается отведенное на анализ время. Вследствие этого экспресс-вариант будет уступать детализированному анализу по точности результатов.
Различным вариантам анализа кредитного риска необходимы различные данные о заемщике, тем самым определяются факторы, которые, возможно, повлияют на платежеспособность заемщика. Основными факторами, а их можно, в свою очередь, разделить на внешние и внутренние, влияние которых желательно, если не необходимо учесть при проведении оценки кредитоспособности заемщика, являются следующие:
1. Внутренние:
1.1. Особенности организационно-правовой формы деятельности заемщика;
1.2. Финансовый потенциал организации;
1.3. Имущественный потенциал;
1.4. Качество менеджмента организации;
1.5. Качество обслуживания обязательств;
1.6. Достоверность финансовой и управленческой отчетности;
1.7. Кредитная политика организации (минимальный уровень уставного капитала (УК), структура капитала и др.);
1.8. Аккуратность при расчетах по ранее полученным кредитам (кредитная история);
1.9. Текущее финансовое положение и перспективы его изменения;
1.10. Способность мобилизовать денежные средства из различных источников;
1.11. Финансовое планирование на долгосрочную перспективу и реалистичность планов;
№2 2006
1.12. Значение компании в группе ком-
паний-конкурентов и в отрасли;
1.13. Наличие аудиторских заключений;
1.14. Организационно-технологическая
специфика компании;
1.15. Фаза жизненного цикла компании-
заемщика.
2. Внешние:
2.1. Экономические:
2.1.1. Вид отраслевого рынка;
2.1.2. Конъюнктура отраслевого рынка;
2.1.3. Инфляция;
2.1.4. Наличие контрагентов и эффективность работы с ними;
2.1.5. Экономическая нестабильность (экономический цикл);
2.1.6. Спад производства в отрасли;
2.1.7. Стандарты надзорных органов (ЦБ РФ);
2.1.8. Сезонный фактор;
2.2. Политические:
2.2.1. Политический режим страны пребывания;
2.2.2. Изменения в законодательстве страны пребывания (налоговом, валютном, ВЭД, административном и т. д.) — политическая нестабильность.
О целесообразности учета влияния каждого фактора в модели анализа риска неплатежеспособности заемщика кредитная организация принимает решение самостоятельно. Это обусловлено, прежде всего, спецификой деятельности банка в соответствии с политикой кредитования, а также мощностью применяемых или планируемых к применению программных систем как для автоматизации основной деятельности банка, так и аналитических или интеллектуальных систем.
В настоящее время все доступные методы для анализа риска неплатежеспособности можно классифицировать следующим образом (рис. 2). Реализация
каждого из них в рамках современных информационных систем потребует интеграции различных программных компонентов, локальных и удаленных хранилищ данных, аналитических подсистем, интеллектуальных систем, позволяющих автоматизировать мыслительную деятельность человека. В классификации методов следует отметить, что в Положении ЦБ РФ № 254-П [4] и в Методических рекомендациях по оценке финансового положения предприятий в соответствии с ФЗ № 127-ФЗ от 26.10.2002 г. «О несостоятельности (банкротстве)» описаны лишь общие положения, которые носят рекомендательный характер. Детализированные процедуры оценки качества ссуд и формирования резервов на возможные потери, описания методов, правил и процедур, используемых при оценке финансового положения заемщика, а также сведения, необходимые для оценки, отражены во внутренних документах кредитной организации. Кредитные организации самостоятельно определяют степень регламентации по данному вопросу. Выбор методики, как уже упоминалось выше, может зависеть от сложности ее реализации в рамках работы банка в системе массового обслуживания.
При современном развитии информационных технологий и количестве выдаваемых кредитов актуальным является вопрос об автоматизации процесса на всех этапах кредитования. Это поможет снизить монотонность его выполнения, оптимизировав работу кредитного комитета, сотрудников кредитного отдела банка, а также сотрудников выносных офисов банка. Рассмотрим его более детально.
На схеме принятия решения о выдаче кредита заемщику (рис. 3) представлены этапы этого процесса, начиная от принятия заявки филиалом банка и заканчивая непосредственно решением об одобрении предоставления заемщику кредита или об отказе в его выдаче. Приведем описание пронумерованных элементов схемы.
А. А. Михалёв, М. Г. Лужецкий
IT-бизнес ♦ Электронный банк
\
МЕТОДЫ ОЦЕНКИ КРЕДИТОСПОСОБНОСТИ
Положение ЦБР № 254-П I Методические рекомендации по оценке финансового положения предприятий в соответствии с ФЗ «0 несостоятельности (банкротстве)».
Экспертная оценка
і?
N»
I
05
Математико-статистические методы оценки
Комплексные методы оценки
Правило«5С»;
Г
Общие методы
1. Скоринговые системы:
a. Основанные на дискриминантном анализе (линейная и логистическая регрессия);
b. Основанные на интегральном показателе — взвешенная сумма характеристик заемщика;
2. Линейное программирование;
3. САКГ-Кпассификационные и регрессионные деревья;
4. Нейронные сети;
5. Генетический алгоритм;
6. Метод ближайших соседей.
I__________
Специальные методы
CAMPARI;
PARTS;
Подходы к оценке кредитного риска по технологии Базельского комитета
1. Стандартизованный подход (Standardized Approach);
2. Подход, основанный на внутренних рейтингах:
а. Основной IRB-подход (Foundation IRB (Internal rating-based) Approach);
б. Развитый IRB-подход (Advanced IRB Approach).
1. Матрица переходных вероятностей;
2. Вероятностное моделирование процесса убытков;
3. Структурный подход;
4. Метод учета макроэкономических факторов.
Оценка вероятности банкротства
1. Регрессионное уравнение:
а. «Z-счет» Альтмана;
б. Двухфакторная модель оценки вероятности банкротства;
в. Модель О.П. Зайцевой;
г. Модель P.C. Сайфуллина и Г.Г. Кадыкова;
д. Модель Таффлера;
2. Система показателей Бивера;
3. Методика Аргенти.
Рис. 2. Классификация методов оценки кредитоспособности заемщика
ПРИКЛАДНАЯ ИНФОРМАТИКА
№2 2006
1. Ввод информации о клиенте-заем-щике (анкетирование) и информирование об условиях испрашиваемого кредитного продукта в отделениях коммерческого банка (использование подсистемы АБС, отдельной системы по управлению кредитными заявками либо получение информации через веб-сайт банка и сохранение ее в банковской базе данных либо в хранилище).
2. Предварительная обработка и отправка собранной информации в центральном офисе банка для последующего детального анализа для принятия решения.
Начиная с третьего этапа и заканчивая шестым, происходит запрос к внешним источникам информации на получение данных кредитной истории субъекта, с которым будет заключен договор о предоставлении ссуды (граница А).
3. Формирование и отправка запроса на основании договора об оказании информационных услуг с Центральным каталогом кредитных историй (ЦККИ) о предоставлении отчета. В содержании отчета входит список Бюро кредитных историй (БКИ), в которых хранятся кредитные истории заемщика.
4. Предоставление титульной части кредитного отчета, касающейся кредитной истории заемщика. Этот этап отражает тот факт, что все БКИ предоставляют в ЦККИ титульные листы кредитных историй для ведения базы данных заемщиков с целью поиска соответствующего бюро по запросу в ЦККИ.
5. Предоставление пользователям кредитной истории информации о БКИ, в котором (которых) сформированы кредитные истории субъектов кредитных историй. Этот этап осуществляется на безвозмездной основе.
6. Предоставление кредитного отчета пользователям кредитной истории (индивидуальным предпринимателям или юридическим лицам) на основании договора об оказании информационных услуг о физическом или юридическом лице, которое будет являться заемщиком по договору займа.
7. Осуществление запроса к внутренним источникам кредитных историй. Проводится в том случае, если данный заемщик уже кредитовался в данном банке и имеет сформированную кредитную историю (граница Б).
8. Процедура анализа риска неплатежеспособности на основании полученных данных и возврат итогового решения. Используются данные из филиала, где кредитуется заемщик, данные из внешних источников кредитных историй, если такая информация имеется, и из внутренних источников кредитных историй, в том случае, если такие данные тоже имеются. После сбора этих данных выбор модели оценки кредитоспособности будет зависеть от достаточности имеющихся статистических данных, а также от требуемой глубины ана-
а.;
Рис. 3. Схема принятия решений о кредитовании заемщика
А.А. Михалёв, М.Г. Лужецкий
Автоматизация аналитической работы кредитной организации
№2 2006
лиза. Выбор производится из следующих видов моделей:
1) модели оценки, не основанные на «исторических» данных (кредитных историях);
2) модели, основанные на собранной ранее информации заемщиков.
Далее происходит выбор конкретного метода проведения анализа кредитоспособности. Он может сводиться к следующим вариантам:
• осуществление анализа с использованием «готовых» программных продуктов;
• с помощью универсальных средств:
□ экспертные системы и нейронные сети;
□ математико-статистические пакеты;
□ системы OLAP (OnLine Analytical Processing) и KDD (Knowledge Discovery in Databases).
К специализированным системам относятся такие программные продукты, как:
• CreditMetricsTM от J. P. Morgan Securities;
• CreditRisk + TM компании Credit Suisse First Boston (CSFB);
• Moody's KMV CreditMonitorTM и Moody's KMV Portfolio Manager от компании KMV.
Представители универсальных систем анализа и поддержки принятия решений, которые возможно применять при анализе кредитоспособности заемщика:
• отечественные решения:
□ OLAP-системы «Контур» (компания Contour Components);
□ Финансовое Хранилище данных «Контур Корпорация» (компания Intersoft Lab);
□ KXEN (Knowledge Extraction Engines) Analytic Framework (компания Ksema);
□ STATISTICA (компания StatSoft);
• зарубежные решения:
□ программные продукты Business Objects (компания Microsoft);
□ Mathcad 13 (компания MathSoft);
□ Hyperion Essbase (компания Hyperion Solutions);
□ Crystal Enterprise (компания Microsoft).
Выбор одной из систем или их комбинации будет обусловлен рядом критериев:
• стоимость продуктов;
• возможные объемы обрабатываемой информации;
• интеграция с СУБД различных производителей;
• возможность автономного выполнения анализа и предоставления результатов анализа пользователю;
• наличие встроенного (либо подключаемого) репозитория метаданных с описанием сущностей предметной области и алгоритмов расчета показателей;
• возможности цепочной интеграции с другими аналитическими подсистемами для реализации комплексных многоступенчатых алгоритмов анализа кредитоспособности.
В конечном итоге уже на основании результатов анализа принимается соответствующее решение о выдаче кредита или отказе в выдаче, что сопровождается формированием соответствующих документов уже в традиционной автоматизированной банковской системе коммерческого банка или в системе внутреннего документооборота.
Источники
1. Федеральная Служба Государственной Статистики. (http://www.gks.ru/wps /portal)
2. Федеральный закон № 218-ФЗ от 30 декабря 2004 г. «О кредитных историях».
3. ЦБ РФ//Бюллетень Банковской статистики. № 12 (151). 2005.
4. ЦБ РФ, Положение № 254-П от 26 марта 2004 г. «О порядке формирования кредитными организациями резервов на возможные потери по ссудам, о ссудной и приравненной к ней задолженности».
5. http://www.krasnoyarsk.biz/news/2006/ 02/21/credits/ (дата загрузки 23.02.2006г.).
