CC BY
33
27. Станиславчик Е.Н. Финансовый менеджмент: учебно-практическое пособие / Е.Н. Станиславчик. - М.: «Ось-89», 2008. - 288 с.
28. Теплова Т.В. Эффективный финансовый директор: учеб.-практ. пособие / Т.В. Теплова. - 2-е изд., перераб. и доп. - М.: ИД Юрайт, 2011. - 507 с.
29. Ткачук М.И. Основы финансового менеджмента: Учеб. пособие / М.И. Ткачук, Е.Ф. Киреева. - Мн.: Интерпрессервис, Экоперспектива, 2002. - 416 с.
30. Финансовый менеджмент: теория и практика: учебник / Под ред. Е.С. Стояновой. - 5-е изд., перераб. и доп. - М.: Изд-во «Перспектива», 2005. - 656 с.
31. Финансовый менеджмент: учеб. пособие / А.Ю. Казак, О.Б. Веретенникова, К.В. Ростовцев, О.В. Толмачева. - Екатеринбург: Изд-во АМБ, 2007. - 256 с.
32. Финансовый менеджмент: учебник / коллектив авторов; под ред. Н.И. Берзона и Т.В. Тепловой. - М.: КНОРУС, 2016. - 654 с.
33. Финансовый менеджмент: учебник / коллектив авторов; под ред. проф. Е.И. Шохина. - 4-е изд., стер. - М.: КНОРУС, 2012. - 480 с.
34. Финансы предприятий: учеб. для вузов / Н.В. Колчина, Г.Б. Поляк, Л.П. Павлова и др.; Под ред. проф. Н.В. Колчиной. - 2-е изд., перераб. и доп. - М.: ЮНИТИ-ДАНА, 2001. - 447 с.
35. Финансы предприятий: учеб. пособие / Сост. Л.А. Бурмистрова. - М.: ИНФРА-М, 2000. - 142 с.
36. Финансы предприятий: учебник / Под ред. М.В. Романовского. - СПб.: «Издательский дом «Бизнес-пресса». 2000. - 528 с.
37. Финансы: учебник / А.Г. Грязнова, Е.В. Маркина, М.Л. Седова и др.; под ред. А.Г. Грязновой, Е.В. Маркиной. - 2-е изд., перераб. и доп. - М.: Финансы и статистика, 2012. - 496 с.
38. Финансы: Учебник для вузов / Под ред. проф. М.В. Романовского, проф. О.В. Врублевской, проф. Б.М. Сабанти. - М.: Изд-во «Перспектива», Изд-во «Юрайт», 2000. - 520 с.
39. Холт Роберт Н. Основы финансового менеджмента. - Пер. с англ. - М.: «Дело Лтд», 1995. - 128 с.
40. Шеремет А.Д., Сайфулин Р.С. Финансы предприятия / А.Д. Шеремет, Р.С. Сайфулин. - М.: ИНФРА-М, 1997. - 343 с.
41. Шеремет А.Д. Финансы предприятий: менеджмент и анализ / А.Д. Шеремет, А.Ф. Ионова. - М.: ИНФРА-М, 2004. - 538 с.
EDN: JVNYKA
Л.Ю. Питерская - д.э.н., профессор, заведующий кафедрой денежного обращения и кредита, Кубанский государственный аграрный университет, Краснодар, Россия, lpiterskaya@yandex.ru,
L.Yu. Piterskaya - doctor of economics, professor, head of the department of money circulation and credit, Kuban state agrarian university, Krasnodar, Russia;
М.И. Попова - ассистент кафедры компьютерных технологий и систем, Кубанский государственный аграрный университет, Краснодар Россия, 9492496286@mail.ru,
M.I. Popova - assistant of the department of computer technologies and systems, Kuban state agrarian university, Krasnodar, Russia.
СОВРЕМЕННЫЕ НАПРАВЛЕНИЯ ТРАНСФОРМАЦИИ ПРОЦЕССА КРЕДИТОВАНИЯ MODERN DIRECTIONS OF TRANSFORMATION OF THE LENDING PROCESS
Аннотация. Современные особенности пандемического периода и нежелание массовых потребителей вновь посещать отделения банков способствуют развитию тренда переход на дистанционные методы выдачи кредитов физических лиц.
Цифровые сервисы стали основным каналом привлечения новых клиентов, конкуренция в них значительно возросла и банкам необходимо приложить значительные усилия для приобретения нового пользователя. Динамичное развитие спектра банковских услуг для корпоративных клиентов и домохозяйств в настоящее время обусловлено широким распространением технологических инструментов мониторинга, автоматизации, внедрением методов цифровых транзакций, развитием инфраструктуры Data-центров для обработки финансовой информации, а также внедрением в банковскую практику электронного и, в частности, мобильного банкинга, предоставление клиентам банка возможностей пользоваться его услугами без личного посещения офиса Это подчеркивает необходимость и актуальность применения современных цифровых технологий при кредитовании физических лиц.
Abstract. Modem features of the pandemic period and the reluctance of mass consumers to visit bank branches contribute to the development of the trend of switching to remote methods of issuing loans to individuals.
Digital services have become the main channel for attracting new customers, competition in them has increased significantly and banks need to make significant efforts to acquire a new user. The dynamic development of the range of banking services for corporate clients and households is currently due to the widespread use of technological monitoring tools, automation, the introduction of digital transaction methods, the development of the infrastructure of Data centers for processing financial information, as well as the introduction of electronic and, in particular, mobile banking into banking practice, providing the bank's clients with opportunities to use its services without a personal visit to the office.
This underlines the need and relevance of using both modern digital technologies in lending to individuals, and the integrated use of statistical methods, econometric modeling; optimization methods, expert evaluation methods, artificial neural network modeling methods in the design of credit scoring models.
Ключевые слова: кредитование физических лиц, скоринг, удаленные кредиты, кредитная история, банковский продукт, региональная экономика.
Keywords: lending to individuals, scoring, remote loans, credit history, banking product, regional economy.
Введение
В условиях дистанционного обслуживания банки все больше конкурируют в секторе цифровизации, пытаясь снизить порог входа для новых клиентов, снизить время ожидания. Участники рынка, успешно развивающие вариативность и легкость заимствований, не только увеличивают продажи кредитных продуктов, но и имеют возможность привлекать новых пользователей в свои экосистемы и удерживать их в будущем. Таким образом, дальнейшее развитие кредитование физических лиц в современных условиях будет предполагать форсирование использование цифровых технологий и окончательный переход на дистанционную форму.
Данные тенденции влияют положительным образом на процесс взаимодействие кредиторов (банков) со своими заемщиками [1]. В современной литературе наблюдается так же формирование научного мнения о снижении значимости банков как традиционного института для приема денег и выпуска денег в качестве платеж-
ного средства и обращения в будущем. Данную тенденцию можно объяснить в первую очередь оказаниям практически всех банковских услуг в цифровой сектор [2, 6]. Поэтому банки ищут все возможные пути снижения операционных и транзакционных издержек ведения финансовой деятельности.
В этой связи, считаем необходимым выделить следующие тенденций развития и направления совершенствования использования цифровых технологий при дистанционном кредитовании физических лиц:
- сокращения времени рассмотрения и одобрения кредитной он-лайн заявки;
- сокращение периода, в течении которого деньги получаются после одобрения кредита;
- упрощение процедуры получения кредитных средств;
- разработка и развитие новых подходов к коммуникации между банками и их клиентами,
- противодействие развитию систем мониторинга финансовых платежей и нерациональному переводу средств со счетов клиентов, структурированной системы защиты финансовых операций;
- возможность подписания документации посредством криптографической защиты, т.е. электронной цифровой подписи;
- повышение уровня информационной об операциях, платежах своих клиентов;
- формирование нейронных сетей;
- применение процесса анализа потенциального клиента с помощью искусственного интеллекта и (кредитного скоринга) [5].
Методика исследования
При подаче заявки на удаленные кредиты, Mobile стал ключевым каналом, в настоящее время две трети заявок на кредиты наличными выдаются через мобильный браузер. При этом, мобильные приложения генерируют не более 10 % клиентов.
Следует отметить, что этот канал имеет большой потенциал:
- с помощью приложения вы можете отсканировать свой паспорт.
- вы можете подписывать и сохранять документы.
При кредитовании физических лиц для многих клиентов очень важна скорость отклика на заявку и доступность кредитных денег в кратчайшие сроки. Задача банка состоит в том, чтобы оптимизировать обработку заявки и как можно скорее проинформировать клиента о предварительном решении по кредиту, чтобы дольше удерживать его в воронке продаж.
На рисунке 1 показан анализ скорости принятия решения одобрения заявки на кредит при электронном кредитовании.
Скорость процесса одобрения кредитной сделки, становится решающим фактором принятия решения о выборе кредитной организации. Каждая минута ожидания снижает конверсию заявок в полученный продукт, увеличивая вероятность того, что конкурент привлечет внимание клиента.
Для ускорения доставки банки используют несколько вариантов: организация курьерской доставки; кроме того используется способ перечисления суммы кредита на счета других банков и выдачи средств на цифровые карты. В таблице 1 представлена скорость получения денег после одобрения кредита в отделении и доставку физическому лицу.
Таким образом, 5 из 10 банков внедрили доставку для новых клиентов и сделали процесс кредитования более гибким.
Также опыт получения кредитного капитала зависит от продукта, с которым они поставляются. До недавнего времени банки выдавали кредитные деньги только наличными, сегодня банки пытаются сделать нового клиента постоянным: они могут участвовать в экосистеме, выдав деньги на дебетовую карту с хорошими тарифами [4] - 8 из 10 банков выпускают деньги на флагманскую карту с привлекательными рыночными условиями.
Сегодня только Почта Банк переводит кредит на цифровую карту. Такой подход сработает, если банк позаботится о клиенте и объяснит, как снимать наличные. На этот случай Почта Банк предоставил возможность снятие средств в банкомате с помощью QR-кода на экране приложения. В целом банки стараются максимально оцифровать процесс получения кредита: при регистрации используют электронные документы и подписи (Альфа-банк и Почта Банк), внедряют сканирование паспортных данных (Тинькофф Банк) и осуществляют
12D
■ скорость выдачи первого pblubhi
IB ковдит
Рисунок 1 - Скорость выдачи первого решения по заявке на кредит в банках, использующих он-лайн кредитование, минут
интеграцию с государственными органами (Госуслуги) (Россельхозбанк) [4]. В то же время, большое количество банков продолжают иметь низкую скорость принятия решения по кредитованию [4].
Наиболее удобную и быструю процедуру получения кредита наличными в 2021 году предлагает Альфа-Банк. Обладает хорошей вариативностью клиентского пути, функциональным калькулятором и удобной заявкой на кредит. Банк принимает предварительное решение о выдаче кредита за 1,5 минуты и представляет одну из самых быстрых процедур оформлении в отделении - 1 час 48 минут.
Райффайзенбанк, Хоум Кредит Банк и ВТБ на порядок отстают от лидера, но в целом у них можно удобно получать кредит. Курьер Райффайзенбанка приносит карту быстрее, чем Альфа-банк, и уже с перечисленными кредитными деньгами, но для того, чтобы клиент воспользовался деньгами, банк заставляет клиента прийти в отделение за картой или снять наличные.
Банк Хоум Кредит позволяет отправить заявку в приложение, но калькулятор в мобильном банке неинформативен, а деньги доставляются медленнее конкурентов [4].
ВТБ не доставляет кредит курьером, в результате теряет клиентов, предпочитающих получать дистанционное обслуживание, а при выдаче кредита в отделение клиенту приходится ждать 5 часов, чтобы получить деньги.
Почта Банк, Банк Открытие, Промсвязьбанк и Тинькофф Банк, несмотря на некоторые лучшие практики, имеют заметные проблемы в процессах, которые в целом портят впечатление от сервиса.
Почта Банк принимает заявки через приложение, но не доставляет кредит курьером и автоматически включает дополнительные услуги, которые сложно сразу заметить и деактивировать.
Таблица 1 - Скорость получения денег после одобрения кредита в отделении и доставки
Банк В отделении Доставкой
Альфа Банк 1 час. 48 мин 15 час.42 мин.
Банк Открытие 2 часа 55 мин 29 часов 54 мин.
Банк Хоум Кредит 1 час 31 минута 19 часов 25 минут
Райфаззенбанк 37 часов 51 минута 14 часов 30 минут
ВТБ 6 часов 2 мин
Газпромбанк 15 часов 5 минут
Почта Банк 13 часов 11 минут
Промсвязьбанк 6 часов 7 минут
Россельхозбанк 22 часа 50 минут
Тинькофф Банк 28часов 52 минуты
Банк «Открытие» предлагает больше вариантов получения кредита в других банках, но при этом занимает много времени доставки курьером и по умолчанию включает страхование в перечень услуг.
Промсвязьбанк не позволяет отправить заявку из приложения и не доставляет курьером, но выдает карту с деньгами, которыми можно воспользоваться сразу.
Тинькофф Банк использует приложение как единственный канал для приложений, что ограничивает вариативность процессов.
Газпромбанк и Россельхозбанк - оба заметно отстают по скорости выдачи кредитов. Газпромбанк не позволяет отправить заявку через приложение и не предлагает доставку курьером, а после выдачи кредита заставляет ждать 11,5 часов перед зачислением средств - это худший показатель на рынке. В Россельхозбанке необходимо заполнить 62 поля заявки (у других банков в среднем 24 поля), после регистрации не уведомляет о следующем шаге, заставляя клиента звонить в банк. Банк не доставляет курьером, приходится приходить в отделение три раза.
Интересен опыт использования нейронных сетей при использовании кредитного скоринга, суть которого можно сформулировать следующим образом: пусть известны ответы заемщика на вопросы анкеты, обозначаемые как ХгА, тогда необходимо определить группу, к которой относится заемщик: XtAB - «плохие» или XIAG - «хорошие». Отметим, «плохой» и «хороший» заемщики могут иметь одинаковые ответы на одни и те же вопросы анкеты, поэтому моделирование носит вероятностный характер [3].
Формирование такой скоринговой модели требует полной и достоверной информации о заемщиках кредитной организации.
Для построения модели может быть использована как внутренняя информационная база кредитной организации, так и данные сторонних организаций, полученных, например, из данных Национального бюро кредитных истории.
Эта форма скоринга применяется к таким кредитным продуктам (рыночный сектор или экономическая ситуация), элементы которых легли в основу проектирования нейросетевой модели. Таким образом, информация об ипотеке не должна использоваться при разработке скоринговой модели для автокредитов. Важен и информационный период: например, рекомендуется получить информацию о создании скоринговой модели для заявок на потребительские кредиты за последние 2-5 лет, рекомендуется использовать информационный интервал в 6-12 месяцев для проектирования моделей оценки поведения [3].
Как правило, при разработке модели из исходной таблицы данных исключается информация о «неформальных» клиентах (мошенниках, сотрудниках банков, умерших клиентах, VIP-клиентах, клиентах с необычно большими суммами, нестандартными условиями погашения и целями кредитования).
Определение зависимой переменной предусматривает разделение всех клиентов на две категории: «хорошие» и «плохие». К категории «хороших» относятся клиенты, которые добросовестно и в полном объеме выполняют свои обязательства перед банком. В категорию «плохих» входят мошенники, банкроты, «безнадежные» заемщики, а также клиенты со следующими параметрами:
- количество дней просрочки платежа превышает установленное значение;
- размер пророченной задолженности превышает величину, установленную банком;
- количество просрочек более установленного числа дней превышает величину, установленную банком. Могут быть введены две дополнительные категории клиентов: «отклоненные» заемщики, которым не
одобрен кредит и «неопределенными» заемщиками являются клиенты с недостаточной кредитной историей, с незначительными задержками платежей и т.д. Таким образом, при проектировании модели кредитного скорин-га рекомендуется учитывать зависимую переменную с двумя категориями: «плохой» и «хороший».
При проектировании модели кредитного скоринга могут использоваться различные методы: статистика (линейная регрессия, дискриминантный анализ), эконометрическое моделирование (корреляция-регрессия, дисперсия, факторный анализ); методы оптимизации, методы экспертной оценки, методы моделирования искусственных нейронных сетей [3, 7]. Выводы (заключение)
Предложено применение модели кредитного скоринга при кредитовании физических лиц на основе использования искусственных нейронных сетей в среде R-Studio. При построении модели кредитного скоринга нейронной сети для определения значения выходной функции «Благонадежный заемщик» в качестве аргументов могут использоваться следующие входные данные: социально-экономические (пол, возраст, семейное положение, стаж работы в целом и на последнем месте работы, состав семьи, доходы личного состава и семьи в целом, наличие вкладов и их размер); информация о кредите (сумма, цель, обеспечение, срок погашения и т.д.); кредитная история (рейтинг, информация о полученных и погашенных кредитах, об имеющихся кредитах, в том числе просроченной задолженности, наличии других банковских продуктов). Так же были выявлены наиболее важные факторы, определяющие доверие к заемщику, которыми являются доход и заработная плата заемщика.
Источники:
1. Агеева Е.В. Цифровизация финансово-кредитной сферы в современной России: монография —2019. [Электронный ресурс]. https://www.elibrary.ru/.
2. Алонцева В.Р. Анализ состояния банковской сферы в России и проблемы развития цифрового банкинга. [Электронный ресурс] https://cyberleninka.ru/article/n/analiz-sostoyaniya-bankovskoy-sfery-v-rossii-iproblemy-razvitiya-tsiírovogo-bankinga.
3. Гусарова О.М. Комаров П.И., Денисов Д.Э. Нейронные сети в кредитном скоринге. [Электронный ресурс]. https://vaael.ru/.
4. Как кредиты наличными переходят в цифровой вид в 2021 году. [Электронный ресурс]. https://www.klerk.ru/
5. Левченко Л. В. Цифровизация банковского сектора Российской Федерации [Электронный ресурс].ecsn.m>files/pdf/ 201912/201912_99.pdf
6. Мирошниченко М.А., Трелевская К.-А.И., Мамыкина Е.В. Исследование процессов «Цифровизации» банковского сектора в рамках экосистемы цифровой экономики России [Электронный ресурс]. - https:// cyberleninka.ru/article/n/ issledovanie-protsessov-tsifrovizatsii-bankovskogo-sektora-v-ramkah-ekosistemytsifrovoy-ekonomiki-rossii.
7. Zamotajlova D A, Popova E V, Gorkavoj P G, Popova M I 2021 Prospects for the development of the experts' competence assessing tools as one of the TOPSIS method stages IOP Conf. Ser.: Earth and Environ. Sci. 786 (1) 012008.
EDN: KJKWOY
Л.И. Проняева - д.э.н., заведующий кафедрой экономики и экономической безопасности, профессор, Среднерусский институт управления - филиал РАНХиГС, Орел, Россия, pli.dom@mail.ru,
L.I. Pronyaeva - doctor of economics, head of the department of economics and economic security, professor, Central russian institute of management - branch of RANEPA, Orel, Russia;
А.В. Щеголев - к.э.н., доцент кафедры экономики и экономической безопасности, Среднерусский институт управления - филиал РАНХиГС, Орел, Россия, shchegolev_alex@mail.ru,
A.V. Shchegolev - candidate of economic sciences, associate professor of the department of economics and economic security, Central russian institute of management - branch of the RANEPA, Orel, Russia;
И.Г. Давыдкин - аспирант кафедры экономики и экономической безопасности, Среднерусский институт управления - филиал РАНХиГС, Орел, Россия, idavydkin3@mvd.ru,
I.G. Davydkin - phd student, department of economics and economic security, Central russian institute of management - branch of RANEPA, Orel, Russia.
ФИНАНСОВОЕ ОБЕСПЕЧЕНИЕ ДЕЯТЕЛЬНОСТИ СУБЪЕКТОВ МАЛОГО ПРЕДПРИНИМАТЕЛЬСТВА FINANCIAL SUPPORT OF THE ACTIVITIES OF SMALL BUSINESSES
Аннотация. В исследовании дана оценка текущей ситуации в стране, связанной с развитием малого предпринимательства в части динамики численность субъектов малого бизнеса, оценки их вклада в ВВП, в решение проблемы занятости населения, отраслевой структуры специализации деятельности и др. Установлено, что в процессе финансового обеспечения малые предприниматели сталкиваются с трудностями в силу их уязвимости в условиях нестабильности экономической среды, повышенной конкуренции, ограниченности ресурсной составляющей. В рамках статьи рассмотрены теоретические аспекты категории «финансовое обеспечение деятельности предпринимательства», произведена группировка принципов финансирования предпринимательской деятельности малых предприятий, дана характеристика основным источникам финансирования деятельности субъектов малого бизнеса, выявлены проблемы, связанные с недостатком собственных источников финансирования деятельности, ограниченностью доступа к заёмным источникам, сложностями привлечения иных источников финансирования, что создает трудности для развития предприятий малого бизнеса. Обоснован вывод о необходимости принятия мер на государственном уровне, связанных с популяризаций альтернативного финансирования для облечения доступа малых пред-
