Оценка кредитоспособности физического лица. 2

МИНИСТЕРСТВО  труда и социального развития

российской  федерации 

Российский  государственный  социальный университет

Филиал  в городе красноярске 
 
 
 
 
 
 
 

Курсовая  работа

по дисциплине: Организация деятельности коммерческого  банка

Тема: Оценка кредитоспособности физического лица 
 
 
 

КРАСНОЯРСК 2004

Содержание 

ВВЕДЕНИЕ 

     Основной  целью оценки кредитоспособности потенциального заемщика — физического лица являются анализ и оценка риска, связанного с  предоставлением ему кредита.

     В зарубежной банковской практике при  рассмотрении понятия «кредитоспособность" смешиваются такие несопоставимые категории, как экономические интересы банка, гарантии возврата ссуды, с одной стороны, и человеческие качества заемщика (характер, поведение, возраст, семейное положение, материальное обеспечение и др.) — с другой. Хотя речь в данном случае идет лишь о том, сможет ли данное физическое лицо своевременно погашать кредит и уплачивать проценты, поскольку целью оценки кредитоспособности заемщика — физического лица является определение степени риска, связанного с предоставлением ему кредита.

     Необходимо  отметить, что в различных странах  и даже у разных банков имеются  значительные отличия в методике оценки: по набору приемов исследования, объектам анализа, удельному весу оценочных  показателей.

     При всем разнообразии подходов можно выделить общие принципы: тщательный анализ еще на стадии рассмотрения заявки потенциального заемщика; системный подход при осуществлении оценки; изучение личности потенциального заемщика.

     В данной работе рассмотрены основные методы оценки кредитоспособности физических лиц, такие как скоринг, оценка платежеспособности, андеррайтинг и другие. 

1. Кредитование  физических лиц.

Понятие кредитоспособности физического лица 

     Кредитование  физических лиц в Российской Федерации  развивается быстрыми темпами: если пару лет назад эту услугу предлагало лишь незначительное количество кредитных организаций, то сейчас счет банкам, предоставляющим ссуды гражданам, идет уже на сотни.

     До  августовского кризиса 1998 года редкие российские банки решались сделать  акцент на работу с частными клиентами – этот сектор традиционно рассматривался как вотчина Сбербанка России, выполняющего сберегательные и кредитные функции для населения.

     В послекризисный период фактическая  ликвидация ряда высокодоходных рынков и финансовых инструментов обусловили существенное ограничение возможностей для получения прибыли коммерческими банками.

     Определенная  стабилизация экономической и финансовой ситуации в 2000–2001 гг. позволила им расширить  перечень предоставляемых услуг  и заняться кредитованием физических лиц.

     Основные статистические показатели (таблица 1), характеризующие объемы кредитования частных лиц в России, показывают, что наиболее динамичное развитие оно получило в 2001–2002 гг.

     Таблица 1

Объем кредитов, предоставленных банками физическим лицам

(тыс.  руб.)

     Привлекательность кредитования частных лиц для  банков обуславливается применением  высоких процентных ставок, которые  позволяют банкам получать высокую  процентную маржу за достаточно короткий срок.

     Вместе  с тем кредитование физических лиц – достаточно рисковая операция, и увеличение доли таких кредитов в портфеле увеличивает кредитный риск банка.

     Одна  из основных мер по предотвращению возможных потерь – правильная оценка способности заемщика выполнять  свои обязательства. Выбор критериев для нее был актуален во все периоды развития банковского дела и уже вошел в экономическую литературу в качестве одной из основных задач при определении кредитоспособности заемщика. Между тем сущность понятия «кредитоспособность», а также его содержание в разное время трактовались по-разному.

     Сегодня эта категория включает в себя наличие предпосылок для получения  ссуд заемщиком и способность  погасить их в установленные кредитным  договором сроки.

     Первые  определения кредитоспособности встречаются в литературе в конце XIX в. Так, известный российский ученый-экономист, крупнейший реформатор эпохи Александра III Н.Х. Бунге в своей работе «Теория кредита» приводит высказывание французского банкира Джона Ло о кредитоспособности заемщика: «Оказывая доверие, мы обращаем внимание на их [клиентов] честность – она убеждает нас в том, что мы не будем обмануты; на их искусство – оно дает нам надежду, что они не обмануться в расчетах; на их род занятий – этим определяется надежда на процент, который мы ожидаем».

     Кредитоспособность  клиента в мировой банковской практике фигурирует как один из основных объектов оценки при определении  целесообразности и форм кредитных  отношений.

     Способность к возврату долга связывается  с моральными качествами клиента, его искусством и родом занятий, степенью вложения капитала в недвижимое имущество, возможностью заработать средства для погашения ссуды и других обязательств.

     Перечень  элементов кредитоспособности заемщика и показателей, их характеризующих, может быть более широким или сокращенным в зависимости от целей анализа, видов кредита, сроков кредитования, состояния кредитных отношений банка с заемщиком.

     Оптимальные или допустимые значения таких показателей  должны дифференцироваться в зависимости  от деятельности заемщика, конкретных условий сделки и пр.

     В зависимости от вида кредитных продуктов, которые предоставляет банк, различаются  и методы оценки заемщиков, то есть анализ кредитоспособности клиента  при потребительском кредитовании будет значительно отличаться от оценки заемщика, которому дается ипотечный кредит. Банки часто используют собственные методики оценки кредитоспособности, которые нередко становятся «ноу-хау» учреждений, в которых они были разработаны.

     На  сегодняшний день специалисты коммерческих банков России опробовали много методик оценки кредитоспособности клиентов. Системы отличаются друг от друга количеством показателей, которые применяются в качестве составных частей общей оценки заемщика, а также разными подходами к характеристикам и приоритетностью каждого из них.

     Основные  методы оценки кредитоспособности рассмотрены  далее.

2. Методы оценки  кредитоспособности 

     Существуют  следующие способы оценки кредитоспособности физических лиц:

• скоринговые модели;
• методика определения платежеспособности;
• андеррайтинг.

     Банк  применяет каждую из моделей для  разных видов кредитования и корректирует ее в индивидуальном порядке (таблица 2).

     Таблица 2

Методики  определения кредитоспособности заемщика – физического лица

     2.1. Скорринговые модели

     2.1.1. История развития скоринга

     Скоринг, по существу, является методом классификации  всей интересующей нас популяции  на различные группы, когда нам  неизвестна характеристика, которая  разделяет эти группы (вернет клиент кредит или нет), на зато известны другие характеристики, связанные с интересующей нас.

     В статистике идеи классификации популяции  на группы были разработаны Фишером  в 1936 г. на примере растений.

     В 1941 г. Дэвид Дюран впервые применил данную методику к классификации кредитов на «плохие» и «хорошие». По времени это совпало со Второй мировой войной, когда почти все кредитные аналитики были призваны на фронт, и банки столкнулись с необходимостью срочной замены этих специалистов. Банки заставили своих аналитиков перед уходом написать свод правил, которыми следовало руководствоваться при принятии решения о выдаче кредита, чтобы анализ мог проводиться неспециалистами. Это и был как бы прообраз будущих экспертных систем.

     В начале 50-х гг. в Сан-Франциско  образовалась первая консалтинговая фирма в области скоринга -- Fair Issac, которая до сих пор является лидером среди разработчиков скоринговых систем.

     Но  широкое применение скоринга началось с распространением кредитных карточек. При том количестве людей, которые  ежедневно обращались за кредитными карточками, банкам ничего другого не оставалось, как автоматизировать процесс принятия решений по выдаче кредита. Однако очень скоро они оценили не только быстроту обработки заявлений на выдачу кредита, но и качество оценки риска. По данным некоторых исследований, после внедрения скоринг-систем уровень безнадежного долга сокращался до 50%.

     В 1974 г. в США был принят Закон  о предоставлении равных возможностей на получение кредита, который запрещал отказывать в выдаче кредита на основании следующих характеристик: раса, цвет кожи, национальное происхождение, возраст, пол, семейное положение, религия, получение социальных пособий, отстаивание прав потребителей. В Великобритании законодательство допускает использование информации о возрасте и семейном положении, но зато запрещает принимать во внимание какие-либо физические увечья и недостатки (инвалидность). Для кредитных организаций использование скоринговых систем стало доказательством исполнения этих антидискриминационных законов - у компьютера нет предубеждений.

     Помимо  установления принципов равноправия  в области кредитования, кредитное  законодательство США, как и Закон  о потребительском кредите, принятый в Великобритании в том же 1974 г., имели важное значение для формирования службы кредитных бюро. В таких бюро записывается кредитная история всех людей, когда-либо обращавшихся за ссудой в любую кредитную организацию страны.

     В кредитных бюро содержатся следующие  виды данных:

     - социально-демографические характеристики;

     - судебные решения (в случае передачи дел о востребовании задолженности по кредиту в суд);

     - информация о банкротствах;

     - данные об индивидуальных заемщиках, получаемые от кредитных организаций по принципу «ты - мне, я - тебе», т. е. банк может получать информацию о клиентах других банков, только если сам поставляет аналогичную информацию.

     Объем и характер информации, хранящейся в бюро, строго регулируется законодательством  каждой страны. В «Банковских технологиях» уже была публикация о кредитных  бюро в сентябре 1999 г. - «Вопросы учреждения кредитного бюро в России». Хотелось бы добавить, что помимо рассмотренных в статье моделей бюро существуют и транснациональные коммерческие компании, такие как Experian, Equifax, TransUnion, Scorex. Эти компании сами используют скоринговые системы, и во многих случаях продают клиентам не «сырую» информацию, а уже готовый интегральный показатель, который вводится в автоматизированную систему кредитной организации.

     Значение  кредитных бюро чрезвычайно велико, их существование позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не обслуживались. Кроме того, общепризнанной является ценность предыдущей кредитной истории для прогнозирования вероятности дефолта.

     В настоящее время скоринг становится все более популярным не только при оценке риска при различных видах кредита, но и в других областях: в маркетинге (для определения вероятности, что именно эта группа клиентов будет пользоваться этим видом продукции), при работе с должниками (если клиент задерживается с очередным платежом, какой метод воздействия будет наиболее эффективным), при выявлении мошенничества с кредитными карточками, при определении вероятности, что клиент может перебежать к конкуренту и т. п.

     2.1.2. Сущность скоринга

     Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитной истории «прошлых» клиентов банк пытается определить, насколько велика вероятность, что конкретный потенциальный заемщик вернет кредит в срок.

     В западной банковской системе, когда человек обращается за кредитом, банк может располагать следующей информацией для анализа:

• анкета, которую заполняет заемщик;
• информация на данного заемщика из кредитного бюро -- организации, в которой хранится кредитная история всего взрослого населения страны;
• данные движений по счетам, если речь идет об уже действующем клиенте банка.

     Кредитные аналитики оперируют следующими понятиями: «характеристики» клиентов (в математической терминологии - переменные, факторы) и «признаки» - значения, которые принимает переменная. Если представить себе анкету, которую заполняет клиент, то характеристиками являются вопросы анкеты (возраст, семейное положение, профессия), а признаками - ответы на эти вопросы.

     В самом упрощенном виде скоринговая модель представляет собой взвешенную сумму определенных характеристик. В результате получается интегральный показатель (score); чем он выше, тем выше надежность клиента, и банк может упорядочить своих клиентов по степени возрастания кредитоспособности.

     Интегральный  показатель каждого клиента сравнивается с неким числовым порогом, или  линией раздела, которая, по существу, является линией безубыточности и рассчитывается из отношения, сколько в среднем  нужно клиентов, которые платят в  срок, для того, чтобы компенсировать убытки от одного должника. Клиентам с интегральным показателем выше этой линии выдается кредит, клиентам с интегральным показателем ниже этой линии - нет.

     Все это выглядит очень просто, однако сложность заключается в определении, какие характеристики следует включать в модель и какие весовые коэффициенты должны им соответствовать. К этой проблеме имеется несколько подходов, которые будут рассмотрены в разделе «Методы классификации клиентов».

     Философия скоринга заключается не в поиске объяснений, почему этот человек не платит. Скоринг выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, с надежностью клиента. Мы не знаем, вернет ли данный заемщик кредит, но мы знаем, что в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому мы давать кредит этому человеку не будем.

     В этом заключается дискриминационный (не в статистическом, а в социальном значении этого слова) характер скоринга, т. е. если человек по формальным признакам близок к группе с плохой кредитной историей, то ему кредит не дадут. Поэтому даже при очень высокой степени использования автоматизированных систем скоринга осуществляется субъективное вмешательство в случае, когда кредитный инспектор располагает дополнительной информацией, доказывающей, что человек, классифицированный как ненадежный, на самом деле «хороший», и наоборот.

     Какие же характеристики являются наиболее «ценными» для прогнозирования  кредитного риска? В Великобритании наиболее часто используются следующие характеристики:

• Возраст;
• Количество детей/иждивенцев;
• Профессия;
• Профессия супруга(и);
• Доход;
• Доход супруга(и);
• Район проживания;
• Стоимость жилья;
• Наличие телефона;
• Сколько лет живет по данному адресу;
• Сколько лет работает на данной работе;
• Сколько лет является клиентом данного банка;
• Наличие кредитной карточки/чековой книжки.

     В других странах набор характеристик, которые наиболее тесно связаны  с вероятностью дефолта - вероятностью, что заемщик не вернет кредит или задержится с выплатой, будет отличаться в силу национальных экономических и социально-культурных особенностей. Чем более однородна популяция клиентов, на которой разрабатывается модель, тем точнее прогнозирование дефолта. Поэтому очевидно, что нельзя автоматически перенести модель из одной страны в другую или из одного банка в другой. Даже внутри одного банка существуют различные модели для различных групп клиентов и различных видов кредита.

     2.1.3. Методы классификации клиентов

     Итак, в нашем распоряжении имеется большой объем разнообразной информации о клиентах. В этом океане сведений даже кредитному инспектору со значительным опытом работы иногда сложно сориентироваться при ответе, скажем, на вопрос - какой клиент представляет больший риск: разведенный бездетный мужчина-предприниматель или замужняя женщина-адвокат с тремя детьми, при том что уровень дохода у них одинаков? Чтобы иметь возможность сравнивать клиентов с совершенно разными признаками и принимать решения о кредитовании не интуитивно, а на основе формализованных критериев, непосредственно связанных с вероятностью дефолта, необходимо построить математическую модель, которая позволит оценить, какая информация является существенной, а какой можно пренебречь.

     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». Она может варьироваться от нескольких тысяч до сотни тысяч, что не является проблемой на Западе, где кредитный портфель компаний может состоять из десятков миллионов клиентов.

     Выборка подразделяется на две группы: «хорошие»  и «плохие» риски. Это оправдано  в том смысле, что банк при принятии решения о кредитовании на первом этапе выбирает из двух вариантов: давать кредит или не давать. При всей «детскости» определений «хороший»/«плохой», это именно те термины, которые используются кредитными аналитиками.

     Определение «плохого» риска может быть разным в зависимости от политики банка, в Западной Европе «плохим» риском обычно считается клиент, задерживающийся с очередной выплатой на три месяца. Иногда к «плохим» рискам относятся клиенты, которые слишком рано возвращают кредит, и банк не успевает ничего на них заработать.

     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.