ЗАКЛЮЧЕНИЕ. Эффективная оценка кредитоспособности частных лиц позволит банкам решить главную проблему потребительского кредитования — неизбежность высокой кредитной

Эффективная оценка кредитоспособности частных лиц позволит банкам решить главную проблему потребительского кредитования — неизбежность высокой кредитной ставки. Повсеместное внедрение методики балльной скоринговой оценки позволяет составить о заемщике лишь приблизительное представление, потому банки и не рискуют снижать ставки. Банковской рознице нужны более тонкие и точные механизмы оценки. И рынок уже предлагает целый арсенал методик: нейронные сети, генетические алгоритмы, методы правдоподобных рассуждений и др.

Объектом исследования данной дипломной работы был выбран ОАО «СКБ-банк». Одним из приоритетных направлений деятельности СКБ-банка в 2014 году являлся розничный бизнес. Банк помогает сотням тысяч жителей области эффективно распоряжаться собственными средствами, предоставляя равные возможности по использованию своей финансовой инфраструктуры всем категориям населения.

Анализ платежеспособности и финансового положения заёмщика на основе экономического анализа динамики приведенных показателей в сравнении с аналогичным периодом предшествующего года показал, что ОАО «СКБ-банк» имеет стабильное финансовое состояние.

Существенное увеличение доли процентов по кредитам в структуре доходов за анализируемый период в первую очередь связанно с увеличением кредитного портфеля. На протяжении трех последних завершенных финансовых лет деятельность ОАО «СКБ-банка» носит прибыльный характер Наибольшее влияние на рост прибыли оказали значительное превышение темпов роста процентных доходов над темпами роста процентных расходов.

Главными факторами, оказавшими влияние на увеличение прибыли ОАО «СКБ-банка» в течение трех последних завершенных финансовых лет, являются рост доходов по кредитным операциям, связанный с развитием кредитования физических, юридических лиц и субъектов малого и среднего бизнеса, а также, в связи с наращиванием темпов развития бизнеса, выросли объемы комиссионных доходов.

Анализ структуры заемщиков - физических лиц банка показал, что возраст большинства заемщиков от 36 до 55 лет, среди клиентов больше женщин, большая часть клиентов состоят в браке и имеют 1-2 детей. Большинство клиентов работают в государственных / муниципальных учреждениях, а также в коммерческих организациях и в большинстве я являются служащими. Доход потребителей – средний (от 20 до 30 тысяч рублей).

Процент должников среди мужчин несколько выше, чем процент среди женщин. Процент должников практически не зависит от возраста, кроме клиентов младше 25 лет. Процент должников не зависит от семейного положения заемщика. Чаще должниками становятся заемщики, предоставляющие в качестве второго документа страховое свидетельство или страховое свидетельство совместно со свидетельством ИНН. Реже – предоставляющие водительское удостоверение. Но конкретной зависимости окажется ли заемщик должником, судя по предоставленным документам не наблюдается. Самый низкий процент должников среди рабочих. Самый высокий – среди руководителей. Большинство должников работают в коммерческих организациях. Наиболее высокий процент должников среди заемщиков со стажем работы менее 1 года (особенно у руководителей). Социальный статус супруга (супруги) не влияет на вероятность того, что клиент окажется должником. Наличие недвижимости в собственности не является показателем того, окажется заемщик должником или нет.

В настоящий момент в ОАО «СКБ-банк» для оценки кредитоспособности клиента применяется скоринговая система. Как было установлено, кредитный риск банков при кредитовании физических лиц, понимаемый как риск невозвратности ссуды и неуплаты процентов по ней в полном объеме, зависит от материального положения, от физического состояния заемщика и его личностных качеств. В связи с этим при кредитовании частных лиц банк оценивает факторы обеспечения кредита и человеческих качеств заемщика. Заявление заемщика на выдачу ссуды представляет собой стандартную анкету: заявление состоит из нескольких смысловых частей, включая формальные сведения о клиенте (ФИО, адрес), характеристика испрашиваемой ссуды (размер, срок, цель), данные о финансовом состоянии.

Для повышения эффективности системы оценки кредитоспособности заемщиков, банку необходимо разработать математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов можно определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок. В целях построения модели сначала производится выборка клиентов кредитной организации, о которых уже известно, хорошими заемщиками они себя зарекомендовали или нет, иногда такая выборка называется «обучающей». Выборка подразделяется на две группы: «хорошие» и «плохие» риски. Таким образом, скоринг представляет собой классификационную задачу, где исходя из имеющейся информации необходимо получить функцию, наиболее точно разделяющее выборку клиентов на «плохих» и «хороших».

Но предварительно необходимо преобразовать имеющуюся информацию в форму, поддающуюся анализу. Существует два основных подхода, которые пригодны для работы как с количественными, так и с качественными характеристиками:

1. Преобразовать каждый признак в отдельную двоичную переменную. Этот подход неудобен в том плане, что приводит к большому количеству переменных, хотя он не навязывает никаких дополнительных отношений между зависимой и независимыми переменными.

2. Преобразовать каждую характеристику в переменную, которая будет принимать значения, соответствующие отношению числа «плохих» клиентов с данным признаком к числу «хороших» клиентов с этим же признаком. Более усложненный вариант - взять логарифм этого отношения. Таким образом, каждый признак получает числовую величину, соответствующую уровню его «рискованности».

Методы собственно классификации весьма разнообразны и включают в себя:

- статистические методы, основанные на дискриминантном анализе (линейная регрессия, логистическая регрессия);

- различные варианты линейного программирования;

- дерево классификации или рекурсионно-партиционный алгоритм (РПА);

- нейронные сети;

- генетический алгоритм;

- метод ближайших соседей.

У каждого из методов имеются свои преимущества и недостатки, кроме того, выбор того или иного метода связан со стратегией банка и с тем, какие требования банк считает приоритетными при разработке моделей.