CC BY
30
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
27. Ickovic G. Trojnaja spiral'. Universitety - predprijatija - gosudar-stvo. Innovacii v dejstvii. - Tomsk: Izd-vo Tomsk. Gos. un-ta sistem upr. i radiojelektroniki, 2010. - 238 s.
28. Shadrin A.D. O kiberneticheskih osnovah standartizacii menedzhmenta // Nauchno-tehnicheskie vedomosti SPbGPU. № 3 (178). - SPb.: Izdatel'-stvo Politehnicheskogo universiteta. 2013. - S. 73-81.
29. Matjushin V.A., Shadrin A.D. Menedzhment kachestva i «jelektronnaja nervnaja sistema» Billa Gejtsa // Standarty i kachestvo. 2003, № 4, s. 77-81.
30. Melehov A. Preodolenie straha /Literaturnaja gazeta. 2010. № 4. - S. 13.
Юткин С.С.1, Туйсузов А.В.2
1 Студент, 2студент, Санкт-Петербургский государственный экономический университет ПОВЫШЕНИЕ КАЧЕСТВА ОТБОРА ЗАЕМЩИКОВ НА ЭТАПЕ ПРЕСЕЛЕКЦИИ КРЕДИТНОГО РИСКА
Аннотация
Банкам предлагается использовать подход отбора заемщиков на этапе преселекции, предложенный Базельским комитетом по банковскому надзору, с целью формирования надежных универсальных факторов анализа кредитного риска и дальнейшего их использования.
Ключевые слова: преселекция, фактор, Базельский комитет, кредитный риск.
Jutkin S.S.1, Tujsuzov A.V.2
Student, 2student, St. Petersburg State University of economics
QUALITY RISE IN PROCESS OF BORROWERS SELECTING
Abstract
The main idea of this article is to demonstrate that choosing of borrower at the beginning phase of credit risk analyses, with counting of Basel recommendations let to banks to form rational factors and use them in research of credit risk. Keywords: before selection, factor, Bazel, loan risks.
В условиях высокой волатильности сектора кредитных институтов банки пытаются остаться на плаву, зачастую, путем рыночных спекуляций и кредитования надежных заемщиков. Учитывая, что основная функция всех коммерческих банков это, прежде всего, организация возможности перетока денежных средств от субъектов ими располагающих, к субъектам (канонически: всем субъектам), испытывающим в них недостаток, банки, тем не менее, не уделяет этой функции должного внимания.
Одной из причин тому является то, что банкам достаточно сложно привлекать новых заемщиков, не беспокоясь об их надежности и способности выплатить кредит. У каждого банка существует аппарат оценки кредитного риска, опираясь на который, они формируют кредитную политику и отбирают заемщиков. Тем не менее, не все коммерческие банки включают в данный аппарат немаловажный этап преселекционного отбора (фундаментальный этап, запускаемый до одобрения кредита заемщику).
Касаемо организации преселекции кредитного риска банки следует разделить на четыре типа: быстрая проверка платежеспособности без преселекции; привлечение сторонних рейтинговых агентств, для оценки риска (притом не только преселекционного); самостоятельное проведение преселекции; проведение преселекции методами IRB.
Большинство коммерческих банков пользуются помощью сторонних организаций для оценки риска по кредиту, вследствие этого, банки могут получить нерациональные и субъективные данные по риску, более того, банки лишают себя инструмента по рациональному поиску и привлечению платежеспособных заемщиков, на базе собственных рейтингов и статистического анализа.
Рациональным, всемирно признанным является подход, предложенный Базельским комитетом, который рекомендует банкам методики оценки кредитного риска как преселекционного, так и вообще, на основе внутренних рейтингов, то есть с использованием собственного математического аппарата. Такой подход носит название IRB (Internal Rating-Based).
Также следует уделить внимание способу использования такого подхода: единственно верным в современных реалиях представляется автоматизированный способ организации преселекции риска. Таким образом, коммерческий банк, располагая автоматизировано - сформированным математическим аппаратом по предварительному отбору и оценке заемщика (преселекция) имеет возможность вести и оценивать данные статистики, накапливать данные и использовать их для дальнейших исследований на факторном уровне. Однако, поскольку собранные данные прогружаются в систему, то имеет смысл параметрировать их определенным способом, который банковская информационная система сможет воспринять, а полученные данные - анализировать. Автоматизация преселекционного исследования представлена на следующем рисунке 1.
104
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
Преоелекция риска Рис. 1 - Преселекция риска IRB
На основе сформированного пула данных проводится факторный анализ и последующий запуск системы оценки и ранжирования кредитного риска. По завершении преселекции, банк, используя собственный методы расчетов вероятности дефолта клиента, проводит соответствие из выделенных информационной системой значений из шкалы диапазона РБ(средний процент дефолта заемщика) range. Далее, учитывая PD range контрагента, он относится в одну из рейтинговых групп (rating grade). Таким образом, распределенные по уровню кредитного риска контрагенты банка не только позволяют видеть рациональную картину имеющихся заемщиков, но и формировать разно -рисковые кредитные портфели. Более того, банк может на основе построенных им рейтинговых групп заемщиков делать выводы о степени их привлекательности для банка. Этап преселекции так же необходим для формулирования определенных выводов по кредитной политике банка. Сотрудники банка, в рамках требуемой отчетности и запроса на анализ, выгружают накопленный пул данных по преселекции, чтобы сформировать и корректировать линию кредитных продуктов, процентные ставки и так далее. В конце цикла анализа риска система, на основе собранных данных, проводит расчет определенных требований к капиталу банка.
Приведенные доводы и успешный опыт мировой практики использования рекомендаций Базель II/III подтверждают адекватность модели.
Литература
1. Информационные системы в банковском деле: Учебное пособие/ Королев М.И., Королев Д.М. Белгород: Издательство БелГУ, 2012
2. Minakov V. F., Ilyina O. Р., Lobanov O. S. Concept of the Cloud Information Space of Regional Government // Middle-East Journal of Scientific Research. - 2014. - № 21 (1). - P. 190-196.
3. Белоглазова Г.Н., Кроливецкая Л.П., Савинская Н.А.
Учебник. — 7-е изд., перераб. и доп. — М.: Финансы и статистика, 2013. — 592 с.: ил. — ISBN 5-279-02609-3.
4. Basel II: International Convergence of Capital Measurement and Capital Standards: A Revised Framework -Comprehensive Version. Part 2
5. Минаков В. Ф., Минакова Т. Е. Информационное общество и проблемы прикладной информатики // Международный научно-исследовательский журнал = Research Journal of International Studies. - 2014. - № 1-1 (20). -С. 69-70.
References
1. Informacionnye sistemy v bankovskom dele: Uchebnoe posobie/ Korolev M.I., Korolev D.M. Belgorod: Izdatel'stvo BelGU, 2012
2. Minakov V. F., Ilyina O. P., Lobanov O. S. Concept of the Cloud Information Space of Regional Government // Middle-East Journal of Scientific Research. - 2014. - № 21 (1). - P. 190-196.
3. Beloglazova G.N., Kroliveckaja L.P., Savinskaja N.A.
Uchebnik. — 7-e izd., pererab. i dop. — M.: Finansy i statistika, 2013. — 592 s.: il. — ISBN 5-279-02609-3.
4. Basel II: International Convergence of Capital Measurement and Capital Standards: A Revised Framework -Comprehensive Version. Part 2
5. Minakov V. F., Minakova T. E. Informacionnoe obshhestvo i problemy prikladnoj informatiki // Mezhdunarodnyj nauchno-issledovatel'skij zhurnal = Research Journal of International Studies. - 2014. - № 1-1 (20). - S. 69-70.
105
Международный научно-исследовательский журнал ■ № 8(39) ■ Сентябрь ■ Часть 1
Юткин С.С.1, Туйсузов А.В.2
1 Студент, 2студент, Санкт-Петербургский государственный экономический университет ОЦЕНКА КРЕДИТНОГО РИСКА НА БАЗЕ ФАКТОРНОГО АНАЛИЗА МЕТОДОМ IRB APROACH
Аннотация
Российские коммерческие банки не так давно стали придерживаться курса предложенного Базельским комитетом по банковскому надзору. Банкам предлагается общая концепция математического аппарата оценки риска по кредиту на базе использования статистических данных с целью формирования рационального пула заемщиков.
Ключевые слова: статистика, фактор, Базельский комитет, кредитный риск, многофакторный анализ, однофакторный анализ.
Jutkin S.S. 1, Tujsuzov A.V. 2
1Student, 2student, St. Petersburg State University of economics IRB APROACH METHOD OF RISK ASSESSMENT BASED ON FACTOR ANALYSIS
Abstract
In time of high unpredictability at economics area it is better for banking sector to increase their competitiveness in way of rational credit risk analysis using math tools which is also recommend by Bazel.
Keywords: statistics, factor, Bazel, loan risks, one-way layout, multi-way classification.
В современных реалиях конкурентным преимуществом банка следует считать не только кредитную политику, изменение условий кредитования, размера ставок, срока выдачи и роста предложения линии кредитных продуктов. Немаловажную, если не ключевую, роль приобретает контроль и оценка кредитного риска (дефолта контрагента, учет непредвиденных и ожидаемых потерь).
Соглашением в рамках Базельского комитета по банковскому надзору был принят целый рекомендательный акт, которым успешно пользуются европейские банки. В то же время, внушительное число российских банков не придерживаются европейского курса: не ведут собственную статистику учета и ранжирования заемщиков и пользуются услугами сторонних рейтинговых агентств, тем самым не высвобождая часть своего капитала на высокодоходные операции. Модификации Базель II/III рекомендуют банкам использовать IRB approach, то есть ранжировать своих заемщиков по уровням риска на основе собственного анализа. Рекомендации Базель II/III не носят обязательного или строго определенного характера, тем самым, банкам самим предлагается выбрать математическую расчетную основу для ранжирования своих контрагентов.
Принцип внедрения математического аппарата, предлагаемый авторами статьи, выглядит следующим образом (имеет смысл внедрить подобную систему автоматизированным способом). В банковскую информационную систему загружаются сформированные определенным способом данные макроэкономического анализа и данные статистики кредитного риска, стандартизированный способ учета необходим для восприятия данных системой. Далее процесс оценки следует разделить на четыре этапа, которые можно проследить из следующей таблицы 1.
Таблица 1 - Процесс оценки кредитного риска
Этап Функция Реализация
1-й этап Формирование статистической выборки Определяется список экономических параметров, между которыми и риском по дефолту определяется наличие и степень факторной зависимости. Данные должно быть параметрированы и представлены в виде, воспринимаемом системой (коэффициенты ликвидности, рентабельности и прочее)
2-й этап Определение расширенного списка факторов модели Из списка экономических параметров изымаются все качественные показатели (в целях игнорирования субъективизма), и отбираются факторы, имеющие линейный характер зависимости с показателем риска по дефолту контрагента
3-й этап Определение сокращенного списка факторов модели БИС оценивает значимость каждого отдельного фактора из расширенного списка факторов и отбирает самые информативные и наделенные большей предсказательной силой, путем проверки мультиколлинеарной зависимости между факторами
4-й этап Многофакторный анализ Проводится оценка степени влияния отобранных факторов на риск по дефолту методом регрессионного анализа, а именно посредством логистической модели
По завершении этих этапов формируются PD рейтинг, то есть заемщики распределяются по уровням надежности. Далее система проводит подсчет ожидаемых и непредвиденных потерь, для более глубоко анализа и рациональной оценке риска.
Эффект, который должен возникнуть по внедрении БИС на базе IRB, проявляется в следующих областях:
1) Рекомендации по высвобождению средств позволят эффективно использовать располагаемый акционерный капитал;
2) Рекомендации по ценообразованию позволят повысить эффект от продажи кредитных продуктов;
106
