Научная статья на тему 'Концептуальная модель взаимодействия банков и их контрагентов при детерминации нестандартных событий внешней среды'

Концептуальная модель взаимодействия банков и их контрагентов при детерминации нестандартных событий внешней среды Текст научной статьи по специальности «Экономика и бизнес»

CC BY
493
104
i Надоели баннеры? Вы всегда можете отключить рекламу.
Журнал
Terra Economicus
WOS
Scopus
ВАК
RSCI
ESCI
Область наук
Ключевые слова
БАНКИ / РИСКИ / КРЕДИТОСПОСОБНОСТЬ / ЛОКАЛИЗАЦИЯ НЕОПРЕДЕЛЕННОСТИ / НЕСТАНДАРТНОЕ СОБЫТИЕ / ИСКУССТВЕННЫЕ НЕЙРОННЫЕ СЕТИ / ИНСТИТУЦИОНАЛЬНОЕ МОДЕЛИРОВАНИЕ / СКОРИНГОВЫЕ СИСТЕМЫ / BANKS / RISKS / CREDIBILITY / LOCALIZATION OF UNCERTAINTY / SUBSTANDARD EVENT / ARTIFICIAL NEURAL NETWORKS / INSTITUTIONAL MODELING / SCORING SYSTEMS

Аннотация научной статьи по экономике и бизнесу, автор научной работы — Шелепов В. Г.

В статье рассматриваются новые технологии управления кредитным риском, связанные с обеспечением развития реального производства в контуре экономического развития и оценки допустимого уровня риска по портфелю клиентов для банков. Автором предлагается концептуальная модель позитивного взаимодействия корпоративного сектора, банковских институтов и государства в области институционального моделирования бизнес-среды, поскольку новые интеллектуальные технологии оценки кредитоспособности могут служить источником информации для принятия решений.

i Надоели баннеры? Вы всегда можете отключить рекламу.
iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

The conceptual model of interaction of banks and counterparties in case of non-standard events of external environment

The article considers new technologies of credit risk-management, connected to providing of development of real production in the context of economic development and evaluation of the manageable level of the credit risk. The author offers the conceptual model of positive interaction of a corporate sector, bank institutions and a state in the field of an institutional modeling of a business environment as new intellectual technologies of the credit rating can be the source of information for decision making.

Текст научной работы на тему «Концептуальная модель взаимодействия банков и их контрагентов при детерминации нестандартных событий внешней среды»

ТЕRRА ECONOMICUS ^ 2012 ^ Том 10 № 2 Часть 3

КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ВЗАИМОДЕЙСТВИЯ БАНКОВ И ИХ КОНТРАГЕНТОВ ПРИ ДЕТЕРМИНАЦИИ НЕСТАНДАРТНЫХ СОБЫТИЙ ВНЕШНЕЙ СРЕДЫ

ШЕЛЕПОВ В.Г.,

кандидат экономических наук, доцент, докторант кафедры «Экономика и финансы», Ростовский государственный университет путей сообщения,

e-mail: vlad_11111@mail.ru

В статье рассматриваются новые технологии управления кредитным риском, связанные с обеспечением развития реального производства в контуре экономического развития и оценки допустимого уровня риска по портфелю клиентов для банков. Автором предлагается концептуальная модель позитивного взаимодействия корпоративного сектора, банковских институтов и государства в области институционального моделирования бизнес-среды, поскольку новые интеллектуальные технологии оценки кредитоспособности могут служить источником информации для принятия решений.

Ключевые слова: банки; риски; кредитоспособность; локализация неопределенности; нестандартное событие; искусственные нейронные сети; институциональное моделирование; скоринговые системы.

The article considers new technologies of credit risk-management, connected to providing of development of real production in the context of economic development and evaluation of the manageable level of the credit risk.

The author offers the conceptual model of positive interaction of a corporate sector, bank institutions and a state in the field of an institutional modeling of a business environment as new intellectual technologies of the credit rating can be the source of information for decision making.

Keywords: banks; risks; credibility; localization of uncertainty; substandard event; artificial neural networks; institutional modeling; scoring systems.

Коды классификатора JEL: G20, G21.

Оценка динамики развития рынка финансовых услуг и его главных участников, прежде всего, коммерческих банков, показала, что в ближайшие два-три года без активной господдержки банковский сектор сохранит прирост на уровне 15-20%, при этом, вследствие высокой концентрации рисков, российским банкам может понадобиться срочная докапитализация.

Процесс улучшения качества активов затормозился, неблагоприятная ситуация с платежеспособностью клиентов может привести к тому, что финансовую устойчивость могут потерять даже крупные банки. Для обеспечения роста коммерческие банки продолжают брать на себя дополнительные риски. И в случае усугубления ситуации в экономике страны через несколько лет это может закончиться новой волной банковского кризиса.

В настоящее время появилась необходимость в глубоком анализе и обобщении данных при оценке кредитоспособности корпоративных клиентов. Для реализации таких задач коммерческие банки должны моделировать решения, представляющие оптимальную комбинацию транзакционной и аналитической систем. Для оценки финансового состояния корпоративных клиентов банки должны разработать внутреннюю методику, предоставляющую набор форм для расчета рейтингов и подготовки кредитных заключений.

Подготовка к принятию одного кредитного решения не представляла серьезной проблемы, но возможность глубокого анализа и обобщения всех данных вызывала затруднения. Чтобы снизить риски, повысить качество выдаваемых ссуд и прозрачность процессов, а также сократить сроки принятия решений, необходимо усовершенствовать саму методику расчетов, централизовать и регламентировать процесс оценки финансового состояния заемщиков (корпоративных клиентов).

Бизнес-заказчиками решений выступают корпоративный бизнес и отдел управления рисками. На основании их запросов разрабатываются детальные бизнес-требования к будущей системе. Аналитическую систему следует строить на базе хранилища данных. Традиционно «фундамент» классических решений на базе хранилища данных складывается из так называемой банковской информации. Его «кирпичами» становятся бухгалтерские проводки, остатки по лицевым счетам, договоры, сделки и т. п., загрузка которых осуществляется напрямую из учетных систем с задержкой в день, а иногда и больше. В системе оценки кредитоспособности заемщика, рассматриваемой банком, использовался другой «строительный материал» — корпоративные клиентские данные (налоговая и внутренняя отчетность, расшифровки по

© В.Г. Шелепов, 2012

требованию банка, анкеты и др.), загрузку и изменение которых чаще всего осуществляет сам пользователь системы в оперативном режиме.

Архитектуру решения можно представить в виде блоков, в каждом из которых выполняются определенные функции.

«Кредитное досье» - это место загрузки, редактирования и хранения данных корпоративного клиента. Здесь собрана вся общая информация, данные из анкет, налоговой отчетности, отчетности по МСФО, заключений «кредитных офицеров», cash flow, кредитных портфелей, внебалансовых обязательств, основных средств, дебиторской и кредиторской задолженности, договоров, кредитов, депозитов, текущих счетов, векселей и т. д.

Досье наполняется данными несколькими способами:

1. Загрузка из архивных файлов MS Excel, первоначальный этап, необходимый для массовой загрузки старых клиентских досье по уже выполненным расчетам.

2. Загрузка пула данных по клиенту из формы ввода в виде документа MS Excel, первичные данные заполняются клиентом или менеджером в специально разработанной многостраничной форме, а затем загружаются в систему с преобразованием в нормализованные структуры хранения.

3. Ввод новых и редактирование существующих данных в интерфейсах системы (таблицы, формы ввода) вручную.

К данным клиента можно прикладывать в виде файлов любую неструктурированную информацию (например, налоговую отчетность с сайта клиента или статью из СМИ, которая может изменить его «рисковый» рейтинг).

К блоку оценки кредитоспособности относится весь механизм выполнения расчетов по клиенту. Его основой является методика вычисления рейтинга, настройка которой включает в себя:

• определение статических и динамических (тренды) показателей, подлежащих оценке (рентабельность, платежеспособность, устойчивость, оборачиваемость, различные риски), а также правил их расчета на основе первичной информации из досье клиента;

• оценку критериев балльной оценки показателей и итогового рейтинга;

• настройку возможностей экспертных правок и оценок.

Оценка кредитоспособности клиента в системе производится согласно единой очереди заданий (расчет основных финансовых показателей, присвоение им веса, определение итогового балла, построение результатов в форме аналитических таблиц и графиков). Полномасштабно используется инструмент сценарного моделирования, позволяющий для одного клиента на одну дату сделать несколько расчетов, в которых учитываются различные факторы (расшифровки, графики, изменения внешних факторов, различная валюта). Количество подобных расчетов не ограничено, ведется их полная историзация, по каждому хранится вся первичная информация (формулы, данные, экспертные значения, баллы, комментарии и др.).

Возможности системы не ограничиваются разовой оценкой финансового состояния заемщика и расчетом рейтинга — она позволяет выполнять также анализ оценок за всю историю проведения расчетов по контрагенту. Отметим, что при этом сохраняется полный детальный протокол расчета, который включает саму методику, все промежуточные вычисления и экспертные правки. Расчеты выполняются как по отдельным клиентам, так и по группам компаний. Система изначально проектировалась как гибкий конструктор. Формульный язык и все расчетные методики — это не программный код, в большей степени это открытые вещи, их можно просмотреть, внести изменения. Благодаря тому, что система централизованная, все внесенные изменения в настройки, формулы сразу будут доступны всем пользователям.

В результаты автоматических расчетов оценки кредитоспособности клиента можно внести экспертные правки: пользователь с ролью «кредитный офицер» дополняет расчет положительной или негативной информацией об особенностях деятельности клиента, учесть которую в автоматическом режиме невозможно. Например, это может быть наличие неучтенного ранее фактора сезонности или специфических особенностей производственного цикла. Такие данные указываются путем проставления экспертной оценки финансового положения клиента с комментарием в протоколе расчетов.

В третьем блоке формируются обязательные отчетные формы: формы кредитного заключения, протокола расчета, отчета по итогам ежемесячного мониторинга. После запуска системы в промышленную эксплуатацию на кредитный комитет выносятся кредитные заключения, полностью подготовленные в системе. Форма кредитного заключения представляет собой многостраничный документ в формате MS Excel, который поступает на рассмотрение в кредитный комитет, где эксперт выносит окончательное решение по выдаче кредита.

В этом документе обобщаются все полученные и накопленные данные по клиенту: бухгалтерская отчетность, анкеты, контракты, прогноз финансовых потоков, комментарии. К этому блоку напрямую примыкают возможности мониторинга и контроля, реализованные в системе.

Они представляют собой следующие инструменты:

1. Ежемесячного мониторинга (оценку факторов индивидуального риска в отношении заемщиков. Цель ежемесячного мониторинга — выявление на ранних стадиях признаков ухудшения финансового состояния клиента и/или других негативных изменений, которые могут повлиять на своевременное исполнение клиентом своих денежных обязательств перед банком);

2. Оперативного отслеживания новой информации (в частности, в системе реализован контроль финансовых ковенант -настраивается ряд условий, при возникновении которых производится оперативное оповещение заинтересованных лиц).

По результатам мониторинга «кредитный офицер» корректирует работу с контрагентом. Например, банк выдал клиенту кредит, после чего начал отслеживать его финансовое состояние и выплаты по кредиту. В случае, если банк видит возникновение каких-либо негативных факторов, он снижает кредитный рейтинг заемщику. Поскольку риски по данному контрагенту вырастают, банк может потребовать дополнительный залог или изменить процентную ставку за пользование кредитом.

ТЕRRА ECONOMICUS ^ 2012 ^ Том 10 № 2 Часть 3

ТЕRRА ECONOMICUS ^ 2012 ^ Том 10 № 2 Часть 3

В системе должны быть предусмотрены дополнительные сервисы, которые делают работу системы по оценке кредитоспособности клиента максимально комфортной и эффективной. Среди них: выгрузка информации во внешние системы во всех наиболее популярных форматах (TXT, XML, XLS, DBF и др.), предоставление прямого доступа к данным из внешних систем (генераторы отчетов, BI) и функционал оповещения за счет интеграции системы с почтовыми сервисами пользователи могут получать по электронной почте следующие услуги:

• напоминания о необходимости проведения очередных действий по оценке информации по клиенту;

• отчеты по контрагентам, автоматически сформированные в системе;

• отчеты об обновлениях, поступивших из учетных систем;

• напоминания о срабатывании финансовых ковенант и др.

Пользовательский интерфейс интернет-клиента в системе оценки кредитоспособности максимально адаптирован к требованиям решаемой задачи. При помощи механизма переходов report-in-report пользователи могут в оперативном режиме просмотреть всю информацию по клиенту (расчеты, принадлежность к группе компаний, анкеты, отчеты и др.).

В результате внедрения данной модели банк получает решение, представляющее собой оптимальную комбинацию транзакционной и классической аналитической системы. По своему функционалу это система скоринговой оценки корпоративных заемщиков, включая крупных корпоративных заемщиков и МСБ, чего никто на российском рынке не делал. С одной стороны, система используется как хранилище данных (создается и наполняется информацией кредитное досье), с другой - в режиме реального времени производятся расчеты по клиентам, выполняется оперативный мониторинг.

Стратегия управления кредитными рисками как избранный (целевой) сегмент банковской деятельности предполагает установление целей банка и выбор средств их достижения в рамках определенного временного периода. Она должна строиться по следующей схеме: выбор продолжительности временного периода (краткосрочное, среднесрочное и долгосрочное планирование); установление целей управления системой кредитных рисков - конечных (стратегических) и промежуточных (тактических); разработка мероприятий по управлению кредитными рисками, направленных на достижение промежуточных и окончательных целей; создание и/или совершенствование системы мониторинга за ходом выполнения стратегических планов.

Современные системы оценки кредитоспособности заемщика должны учитывать не только текущее состояние компании, но и быть ориентированы на прогнозирование уровня финансовой устойчивости на весь срок кредитования. Новые технологии управления кредитным риском необходимы как для развития реального производства, так и для обеспечения допустимого уровня риска по портфелю клиентов для банков.

Результативность банковской деятельности обусловливается степенью оптимизации управления кредитными рисками, так как успешность практически любого решения и в области стратегического, и в области тактического финансового управления предопределяется умением идентифицировать и оценивать риски, проводить кредитный контроллинг поведенческих характеристик открытых рисковых позиций, обеспечивающих достижение целевых функций банка. Современные системы оценки кредитоспособности заемщика должны учитывать не только текущее состояние компании, но и быть ориентированы на прогнозирование уровня финансовой устойчивости на весь срок кредитования, поскольку коррекция ставок по кредиту во время действия договора не допускается, согласно законодательству Российской Федерации.

Управление кредитным риском в банке можно определить как организованное воздействие субъекта управления (сотрудники банка, осуществляющие деятельность по кредитованию заемщиков; руководящий персонал) на объект управления (кредитный риск; деятельность сотрудников, задействованных в кредитных операциях) с целью снижения (поддержания на допустимом уровне) показателей кредитного риска банка.

Управление кредитным риском представляет собой организованную определенным образом последовательность действий, разделяемых на следующие этапы: выявление факторов кредитного риска; оценка степени кредитного риска; выбор стратегии (принятие решения о принятии риска, отказе от выдачи кредита или применении способов снижения риска); выбор способов снижения риска; контроль изменения степени кредитного риска.

Если вспомнить подходы к управлению кредитными рисками до кризиса, то доминирующих на рынке было несколько. Наиболее прямолинейный подход заключался в том, что кредитный риск закладывался в ставку. Процентные ставки в данном случае оказывались достаточно высокими, чтобы покрыть возможные потери. Такой подход означал отсутствие управления рисками. Управление осуществлялось, скорее, через развитие служб сбора просроченной задолженности (collection). Рынок был весьма неразвитым, методы collection от банка к банку сильно разнились, при этом некоторые банки прославились достаточно жестким подходом к своим заемщикам. Это тоже иногда работало на снижение кредитного риска.

Указанные подходы были более типичны для банков, работавших в массовом розничном сегменте. Игроки, ориентировавшиеся на более премиальную клиентуру, стремились развивать андеррайтинг, то есть методы оценки платежеспособности заемщика, прогнозирования стабильности его занятости и т.д. Делалось это на индивидуальном уровне, и некоторые банки достаточно хорошо прогрессировали в данном направлении, развивая свои экспертные методы и экспертные подходы для анализа заемщиков.

Банки, которые занимались реинжинирингом систем управления рисками в период выхода из кризиса, серьезно нарастили свои портфели, причем качественным образом. В корпоративном сегменте характерной чертой было повышенное внимание к залогу (недвижимости, акциям и т.п.) в ущерб качественной оценке платежеспособности. На рынке господствовали динамические тренды: росли продажи у компаний, росли цены на недвижимость, росло все. О том, как возвращать кредиты, никто не задумывался, больше боялись не успеть заработать, поэтому заемщики кредитовались, что называется, под завязку, а банки их в этом поддерживали. Подходы к оценке залогов у кредитных организаций были тоже далеко не консервативными, и вот этот чрезмерный оптимизм потом и сыграл со всеми злую шутку.

Если вернуться к розничному кредитованию, то до кризиса такой распространенный в мире подход, как статистический (построение скоринговых карт на основе статистических математических моделей) только начинал завоевывать своих сторонников. Трудности с внедрением этого подхода были обусловлены, по мнению ученых, во многом тем, что для успешного применения подхода необходим большой объем информации, необходимо построение аналитического хранилища данных и развертывание аналитических систем, позволяющих разрабатывать скоринговые карты [2].

Также не развиты были сервисы, предоставляемые бюро кредитных историй (БКИ). В России закон «О кредитных историях» был принят только 30 декабря 2004 г., а банки начали передать в БКИ сведения о своих заемщиках только в сентябре 2005 г. До кризиса оставалось слишком мало времени, чтобы накопить достаточную статистическую базу.

Кризис заставил банки пересмотреть подходы к управлению кредитными рисками. Например, в корпоративном сегменте пришлось столкнуться с двумя проблемами. Первая, собственно, заключалась в том, что залоги оказались переоцененными. Неприятность для кредиторов состояла еще и в том, что должники утрачивали мотивацию платить по кредиту. Другая проблема, характерная для кредитования именно бизнеса, была связана с тем, что владельцы компаний-должников стремились увести имущество с баланса, включая обеспечение по займам. Банки обнаружили, что работа с залогами - это не только верная оценка, но и правильное составление документации, договоров, в общем, грамотная юридическая экспертиза.

Во время кризиса все участники рынка финансовых услуг занялись вопросом эффективной работы collection-подразделений. До кризиса объем работ у таких подразделений был намного меньше, поэтому, «когда грянул гром», они столкнулись с проблемой нехватки рук, что заставило искать варианты максимальной автоматизации процессов (чтобы меньшим количеством рук делать большее количество работы). Отдельные банки достигли в этом плане достаточно высоких показателей.

За время после кризиса 2008 г. качество риск-менеджемента в российских банках повысилось, однако, экстенсивная модель развития банковского сектора себя исчерпывает на первый план выходит работа с существующими клиентами, и управление кредитными рисками должно измениться в рамках этой новой парадигмы. С этих позиций, для обеспечения финансовой устойчивости банка представляется необходимым использовать более сложные прогностические системы, проектируемые на базе компиляции данных о внешней среде (функционал искусственных нейронных сетей) и о внутренней среде заемщика (функционал нечеткой логики).

Применение искусственных нейронных сетей позволит выявлять и оценивать рисковые события во внешней среде заемщика. В настоящее время искусственные нейронные сети используются для получения вывода об уровне финансовой устойчивости и платежеспособности клиентов коммерческих банков по результатам анализа данных финансовой отчетности [3, 4].

Основной задачей локализации неопределенности является учет нестандартных событий. Нейронные сети, представленные в экономической литературе как карты Т. Кохонена (Self-Organizing Maps, SOM), продуцируют технологии «запоминания» дополнительных рисков, накапливая новую информацию о клиенте. После предъявления достаточного числа входных векторов синаптические веса сети способны определить кластеры.

При использовании описанного алгоритма построения нейронной сети, у банка появляется возможность отслеживать изменение в состоянии заемщиков, определять новые факторы и признаки кредитоспособности, а значит, сокращать неопределенность, продуцирующую экспансию риска.

Еще одна тенденция, проявившаяся в кризис, это построение аналитической платформы и создание аналитических подразделений, которые оперативно могли бы ответить на вопросы: что происходит с портфелем кредитов? что происходит с заемщиками? и т.д.

Дело в том, что скоринг, который, как уже сказано выше, начал завоевывать популярность уже в 2007-2008 гг., хорошо работает при достаточно стабильной макроэкономической ситуации, а в кризисной ситуации профиль платежеспособного клиента меняется. Соответственно необходимо оперативно вносить изменения в модели. Если в стабильной ситуации на обновление скоринговой карты дается несколько месяцев, то в кризисной это обновление не должно заниматься больше месяца, а то и пары недель. Разумеется, при условии, если банк хочет продолжать заниматься кредитованием. Другой вопрос, что многие игроки на какой-то период просто заморозили эту деятельность. Но те банки, которые активно занимались реинжинирингом систем управления рисками, в период выхода из кризиса (в 2009-2010 гг.) серьезно нарастили свои портфели, причем качественным образом.

Следует оговориться, что не только банки меняли свои подходы, поведение заемщиков тоже изменилось, они стали вести себя более дисциплинированно и начали думать, как будут платить по кредитам, тогда как до кризиса их волновало только одобрение своих заявок. И такое изменение в потребительском поведении также серьезно повлияло на качество портфелей, сформированных в посткризисный период. В лучшую сторону, разумеется.

Качественный процесс управления кредитным риском невозможен без грамотного управления риском операционным и хорошо выстроенных процессов. Если говорить о ритейле, то правильно выстроенный процесс кредитования - это вообще один из самых главных аспектов в плане снижения риска невозрата. Какие бы хорошие модели ни были внедрены в банке, при плохих процессах риски все равно останутся очень высокими. Поэтому многие банки задумались о такой составляющей кредитования — автоматизации процесса, организации контроля над персоналом и т.д.

Наконец, еще одна тенденция, проявившая на посткризисном рынке, это активная работа с бюро кредитных историй (БКИ). Конечно, и до кризиса в БКИ уже содержался определенный объем информации о заемщиках, но в условиях усиления рисков показатель информативных ответов при запросах в базы данных бюро превысил 50% . То есть бюро кредитных историй накопили объем информации достаточно серьезный для того, чтобы банки могли использовать ее для оценки платежеспособности заемщика [5].

ТЕRRА ECONOMICUS ^ 2012 ^ Том 10 № 2 Часть 3

ТЕRRА ECONOMICUS ^ 2012 ^ Том 10 № 2 Часть 3

Понимание необходимости скоринга есть в настоящее время почти у всех банков, при этом в большинстве российских кредитных учреждений используются собственные разработки скоринговых карт. Вместе с тем, качество скорин-говых карт определяют сами же разработчики, то есть подразделение, ответственное за их разработку. У экспертов и аналитиков, закономерно, возникает вопрос о доверии этим аналитическим моделям [1].

По мнению проф. Л.Ю. Андреевой, в ближайшей перспективе все большее число коммерческих банков начнет использовать скоринг БКИ как эффективный способ оценки рисков по новым клиентам. Отметим, что большинство западных банков использует базельский подход, который заключается в том, что все аналитические модели должны пройти внешний аудит, то есть проверку либо специально приглашенными независимыми экспертами, либо сотрудниками отдельного подразделения банка. Во втором случае внутри банка создается специальный отдел для валидации скоринговых карт, максимально отдаленный от разработчиков с точки зрения корпоративного подчинения. Это распространенная практика, однако, основная тенденция на Западе - аудит скоринговых карт аутсорсинговыми компаниями1.

При оценке рисков заемщиков важно не только разработать качественную скоринговую карту, но и внедрить ее, так, чтобы она правильно работала. То есть необходим комплекс согласованных действий.

Таким образом, управление кредитными рисками в российских банках на основе статистических моделей и скоринго-вых карт достаточно развито, но в ближайшем будущем развитие этого направления будет идти в сторону освоения новых инструментов и процессов управления. Один из важных аспектов в этом процессе валидация моделей с учетом нестандартных событий, поэтому использование функционала искусственных нейронных сетей представляется необходимым.

ЛИТЕРАТУРА

1. Андреева Л.Ю. Маркетинговые и финансовые инновации в условиях глобальной гиперконкуренции. М.: Вузовская книга, 2011. С. 231-232.

2. Банковский риск-менеджмент / П.П. Ковалев. М.: Финансы и статистика, 2009. С. 132.

3. ДебокГ., Кохонен Т. Анализ финансовых данных с помощью самоорганизующихся карт. Альпина Паблишер, 2001.

4. Киричевский М.Л. Финансовые риски. М.: Кнорус, 2012.

5. Cauoette J£., Altman EJ., Narayanan P. Managing credit risk: The next great financial challenge. L.: John Wiley & Sons, Inc., 2010.

1 В России базельский подход применяют главным образом дочерние структуры иностранных банков, но основная масса игроков его не использует, поэтому о качестве скоринговых карт и их моделях судить сложно.

i Надоели баннеры? Вы всегда можете отключить рекламу.