Рекомендации по совершенствованию оценки кредитоспособности заемщика

При кредитовании физических лиц характерны небольшие размеры ссуд, что порождает большой объем работы по их оформлению, и достаточно дорогостоящая процедура оценки кредитоспособности относительно получаемой в результате прибыли.

Главной проблемой при составлении методик оценки качества потенциальных заемщиков, во-первых, является качественный подбор показателей, необходимых для проведения объективной оценки потенциальных заемщиков, так как именно от них зависит результат анализа финансовой отчетности предприятия, а, следовательно, и группа риска, к которой будут в последствии отнесены заемщики.

Во-вторых, информация, на основании которой проводится анализ заемщиков носит статичный характер и при первом обращении заемщика в банк определить тенденции улучшения или ухудшения в его деятельности практически невозможно.

Анализ финансового состояния заемщика нуждается в накоплении систематизированной обработки большого объема информации, связанной с поступлением и использованием средств заемщика.

Значительный объем этой работы должен быть поручен средствам вычислительной техники, которые оснащены необходимым программным обеспечением. Комплекс задачи «Анализ финансового состояния заемщика – физического лица» целесообразнее включить в состав автоматизированного рабочего места менеджера.

Для расширения скорингового контроля кредитоспособности ОАО «СКБ-банк» предложено:

- составлять консолидированную информацию о клиентах, представленную в унифицированном виде;

- периодически пополнять консолидированную информацию данными из всех филиалов банка (функция кредитного бюро);

- вырабатывать, совершенствовать достоверный способ классификации (достоверность должна быть более 90%) потенциальных заемщиков и отсечение «неблагонадежных». Этот способ позволит снизить риски не возврата к минимуму, что позволит выдавать более дешевые кредиты и, соответственно, привлечет больше заемщиков, при этом значительно увеличится прибыль от кредитования физических лиц;

- обучать сотрудников навыкам, обмениваться опытом автоматизированного анализа кредитных заявок.

Модель классификации заемщиков должна иметь свойства тиражируемости и адаптации к состоянию рынка, к каждому филиалу банка. Т.е. построенная, основываясь на общих закономерностях, модель должна корректироваться под частные, присущие каждому филиалу банка особенности. Это позволит учесть местные особенности, что еще больше позволит снизить риск.

Задачи подобного рода возможно решить, используя информационные автоматизированные платформы (например Deductor).

Механизмы платформы позволяют как создать консолидированное хранилище информации о заемщиках, обеспечивая к тому же и непротиворечивость хранимой информации, так и формализовать знания экспертов, создав модели классификации заемщиков с достоверностью более 90%. Причем модель позволит принять решение о выдаче кредита или отказе практически мгновенно. Так можно поставить потребительское кредитование на поток. Это тем более актуально ввиду предстоящего онлайн кредитования и массового использования кредитных карт.

ОАО «СКБ-БАНК» уже имеет достаточно статистики по кредитованию физических лиц. На основании анализа данной информации можно предложить некоторые рекомендации по совершенствованию существующей системы скоринга:

1. При оценке возраста заемщика рекомендуется начислять не 0,1 балла за каждый год после 20 лет, а 0,05 балла. Таким образом, максимум по данному показателю (0,3 балла) будет достигнут при возрасте заемщика более 25 лет.

Данная рекомендация основана на том, что процент должников младше 25 максимален и составляет 30%. Среди остальных возрастов процент должников существенно не меняется.

2. Баллы, начисляемые в зависимости от пола заемщика рекомендуется оставить прежними: выявлено, что процент должников среди мужчин несколько выше, чем процент среди женщин.

3. Также целесообразно использовать существующие критерии оценки «оседлости» заемщика – срока проживания в данной местности.

4. В отношении показателя, связанного с риском профессии (согласно документу об образовании) необходимо пересматривать и обновлять перечень профессий с различными классами опасности.

5. По показателю, характеризующему работу заемщика необходимо ввести более подробное разграничение сфер занятости, например:

- государственная (муниципальная служба) – 0,21 (максимум) – так как большинство должников работают в коммерческих организациях;

- крупное промышленное предприятие – 0,15 (предлагаемое значение несколько ниже балла, присваиваемого государственным (муниципальным) служащим), так как в условиях мирового финансового кризиса крупные промышленные предприятия (особенно Челябинской области) вынуждены пересматривать кадровую и зарплатную политики);

- прочие организации (а также неработающие заемщики) – 0,0.

6. Оценку занятости на последнем месте работы возможно оставить без изменений.

7. Относительно оценки финансового положения заемщика рекомендуется наличие недвижимости сделать превалирующим фактором (присвоить максимальную величину баллов – 0,45), не использовать показатель, характеризующий наличие банковского счета.

Также считаю целесообразным дополнить существующие критерии скоринга новыми показателями:

1. Показатель, характеризующий занимаемую в настоящий момент заемщиком должность:

- рабочий, служащий государственного (муниципального) учреждения – 0,5 балла;

- руководящий работник – 0,4 балла;

- специалист – 0,3 балла;

- вспомогательный персонал – 0,15 балла;

- неработающий (пенсионер, студент) – 0;

Данная градация предложена, так как выявлено, что самый низкий процент должников среди рабочих крупных промышленных предприятий и служащих государственных (муниципальных) учреждений. Самый высокий процент должников среди руководителей коммерческих организаций.

2. Показатель, отражающий кредитную историю заемщика. Анализ положительной кредитной истории может являться существенным фактором при решении о выдаче кредита. В настоящее время отсутствие единого информационного и правового пространства для бюро кредитных историй не способствует снижению невозвратов кредитов и мошенничеству в области потребительского кредитования. Необходимо тщательно изучать кредитную историю клиента, для выяснения предыдущего опыта его общения с другими банками и финансовыми учреждениями.

Предлагается следующая оценка данного показателя:

- заемщик является клиентом банка, все обязательства выполняются (выполнялись) в полном объеме и в срок – 0,5 балла;

- заемщик не является клиентом банка, отсутствует неблагоприятная информации кредитно-справочного бюро – 0,3 балла;

- заемщик не является клиентом банка, имеются непродолжительных просрочки погашения обязательств – 0 баллов (отрицательная кредитная история является основанием для отказа в предоставлении кредита).

Таким образом, предлагаемая скоринговая система оценки имеет следующий вид (таблица 11)

Таблица 11

Предлагаемая скоринговая система оценки кредитоспособности

Следовательно, наибольший вес имеют показатели, отражающие продолжительность занятости заемщика на последнем месте работы, профессиональные характеристики, кредитную историю, а также должность.

В связи с расширением перечня показателей оценки кредитоспособности заемщика необходимо увеличить границу выдачи кредита до уровня 1,7 (данная величина была рассчитана пропорционально от действующей величины границы и максимальной суммы баллов всех показателей).

Для каждого направления кредитования (например, кредитование товаров, образовательные кредиты и др.) возможна различная сегментация заемщиков. Следовательно, для каждой такой группы необходим свой способ классификации на «хороших» и «плохих» заемщиков. Анализируя отдельный сегмент рынка, доминируют те или иные факторы в зависимости от ситуации. Тем не менее, влияние приведенных и рекомендованных выше факторов на принятие решения о выдаче кредита мало меняется от остальных условий.

После положительной скоринговой оценки основными параметрами являются такие факторы как: сумма кредита, срок кредита, среднемесячный доход и среднемесячный расход.

Максимальный размер предоставляемого кредита определяется исходя из платежеспособности Заемщика. Платежеспособность Заемщика определяется следующим образом:

Р = Дч * K * t,

где Дч – среднемесячный доход (чистый) за 6 месяцев за вычетом всех обязательных платежей (согласно применяемой в банке методике);

K – коэффициент в зависимости от величины среднемесячного чистого дохода (0,5 или 0,7 – критерии присвоения величин данного коэффициента подлежат корректировке в зависимости от роста величины среднемесячного дохода);

t – срок кредитования.

Максимальный размер предоставляемого кредита необходимо определять исходя из платежеспособности Заемщика, а также от величины процентной ставки.

Банку необходимо и целесообразно в центр экономической работы, связанной со скорингом, ставить систематическую проверку эффективности действующей балльной модели для корректировки шкалы оценок. Ее следует производить по мере выявления неблагополучных ссуд, изменения экономических условий и образа жизни семей.

По итогам проверки результативности отбора заемщиков возможно рекомендовать:

- принятие решения о смещении акцента с одного оценочного показателя на другой, который в данное время, по мнению банка, является для определения кредитоспособности более весомым; и наоборот – отдельные оценочные показатели должны быть понижены в баллах или исключены из действующей модели вовсе;

- обновление градации баллов по одному или ряду показателей, характеризующих качество заявок на кредит;

- экспериментирование с критической суммой оценочных баллов для сокращения или увеличения потребительского кредитования в зависимости от соотношения «плохих» и «хороших» ссуд: при улучшении динамики такого соотношения и при желании банка расширить свою клиентскую базу, получить дополнительный доход возможно сознательно пойти на увеличение кредитного риска, снизив критическую сумму «проходных» для кредитных заявок баллов.