Анализ кредитной политики банка ЗАО ВТБ 24

Основные преимущества системы:

1. Гибкая интеграция с любыми сторонними системами, т.е. получение информации для анализа и перенос результатов не вызывает проблем.
2. Консолидация информации о заемщиках в специальном хранилище данных, т.е. обеспечение централизованного хранения данных, непротиворечивости, а также обеспечение всей необходимой поддержки процесса анализа данных, оптимизированного доступа, автоматического обновления данных, использование при работе терминов предметной обрасти, а не таблиц баз данных.
3. Широкий спектр инструментов анализа, т.е. обеспечение возможности эксперту выбрать наиболее подходящий метод на каждом шаге обработки. Это позволит наиболее точно формализовать его знания в данной предметной области.
4. Поддержка процесса тиражирования знаний, т.е. обеспечение возможности сотрудникам, не разбирающимся в методиках анализа и способах получения того или иного результата получать ответ на основе моделей подготовленных экспертом. Так, сотрудник, оформляющий кредиты должен ввести данные по потребителю и система автоматически выдаст решение о выдачи кредита или об отказе.
5. Поддержка групповой обработки информации, т.е. обеспечение возможности дать решение по списку потенциальных заемщиков. Из хранилища автоматически выбираются данные по лицам, заполнившим анкету вчера (или за какой угодно буферный период), эти данные прогоняются через построенную модель, а результат экспортируется в виде отчета (например, в виде excel файла), либо экспортируется в систему автоматического формирования договоров кредитования или писем с отказом в кредите. Это позволит сэкономить время и деньги.
6. Поддержка актуальности построенной модели, т.е. обеспечение возможности эксперту оценить адекватность текущей модели и, в случае каких либо отклонений, перестроить ее, используя новые данные.

Приведенный выше пример – это приближенный вариант того, как можно использовать методы интеллектуального  анализа данных, в частности, деревья решений, для достижения поставленной задачи: уменьшения риска при операциях кредитования физических лиц. Хотя и при таком первом приближении наблюдаются положительные результаты. Дальнейшие усовершенствования могут затрагивать такие моменты как: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, так, например, вместо двух значений целевого параметра, можно использовать более детальную информацию (Вернул/ Не вернул/ Не вовремя), или использовать в качестве целевого значения вероятность того, что деньги выплачены вовремя.

Таким образом, для эффективного формирования кредитного портфеля банкам необходимо взять на вооружение передовые  технологии добычи знаний и применить  их для оценки потенциальных заемщиков. Благодаря этому можно будет не бояться предстоящей конкуренции на этом рынке. Подготовка решения данного вопроса сейчас позволит обкатать саму процедуру и в дальнейшем избежать ошибок и расходов в связи с массовым применением таких подходов в дальнейшем.

Далее рассчитаем экономический  эффект от предложенных методов

 

 

 

3.3 Экономический  эффект от использования

предложенных методов

 

Применение на практике вышеуказанных инструментов позволит Банку повысить качество кредитного портфеля и тем самым повысить эффективность кредитной политики.

Прогнозируемый эффект от предложенных мероприятий представлен в таблице 3.1.

Таблица 3.1 – Прогнозируемые показатели деятельности ВТБ 24(ЗАО) .

Показатели	Среднегодовой остаток задолженности
	2009 год	Прогнозируемый  период
1) Активы, приносящие  прямой процентный доход	70846 673	77931341
2) Кредитный портфель	564821327	734267717
В том числе:
Кредиты юридическим  лицам	225928530	316296162
Кредиты, выданные физическим лицам - индивидуальным предпринимателям	36440086	47372112
Кредиты предоставленные  физическим лицам	282410663	367133862
3) Просроченная задолженность	20042048	15416960
4) Доля просроченной  задолженности	3,64%	2,80%

 

Из вышеприведенной таблицы видно, что уровень просроченной задолженности снизится на 0,84%, в абсолютном выражении на 4625088 руб.

Таким образом, на основании  прогнозируемых данных приведенных  выше можно сделать вывод о  том, что применение эконометрических методов в банковской практике позволяет  банку повысить эффективность своей  деятельности в части кредитования и управления рисками, а как следствие увеличить прибыль банка. Также стоит отметить, что внедрение в практику программы интеллектуального анализа Tree Analyzer из пакета Deductor ver.3 потребует от банка инвестиций в размере 2,4 млн. руб. Смета затрат представлена в таблице 3.2.

Таблица 3.2–Смета затрат ВТБ 24(ЗАО) по предложенной программе

Наименование	Стоимость, тыс.руб.
Программа Tree Analyzer	1500
Программа Bank-stress	600
Наладка программного обеспечения	300

 

Рассчитаем период окупаемости данного предложения.

Ставка дисконтирования  равна 20,25% ( Ставка рефинансирования в 2010 г. составляет 7,75%, уровень инфляции 7,5% и предположим что премия за риск 5%). Первоначальный уровень инвестиций составит 2,4 млн. руб. В течении 4 лет планируется получать доход в размере 1,1 млн.руб.

Для начала рассчитаем чистый дисконтированный доход NPV .

NPV = -2,4 + + + + =

= -2,4 + 0,9 + 0,8 + 0,6 + 0,5 = 0,4 тыс. руб.

NPV больше 0, следовательно проект выгоден.

Рассчитаем дисконтируемый срок окупаемости DPP, в тыс.руб.

0	-2,4
1	-1,5
2	-0,7
3	-0,1
4	0,4

 

Из расчета видно, что  проект окупится примерно к концу 3 года.

 

Выводы к 3 главе

В третьей главе предложены пути совершенствования кредитной политики с помощью использование технологий интеллектуального анализа данных.

На основании прогнозируемых данных приведенных выше можно сделать вывод о том, что применение эконометрических методов в банковской практике позволяет банку повысить эффективность своей деятельности в части кредитования и управления рисками, а как следствие увеличить прибыль банка.

Также стоит отметить, что внедрение  в практику программы интеллектуального  анализа Tree Analyzer из пакета Deductor ver.3 потребует от банка инвестиций в размере 2,4 млн. руб.

Так же осуществлен прогноз основных показателей деятельности ВТБ 24(ЗАО) после внедрения предложенных методов. Который показал, что уровень просроченной задолженности, при выбранной программе снизился на 0,84%, в абсолютном выражении на 4625088 руб.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ЗАКЛЮЧЕНИЕ

В ходе рассмотрения данной темы достигнуты поставленные задачи, необходимые для решения заданной цели работы.

В первой главе раскрыта сущность кредитной политики. Сущность кредитной политики определяется как стратегия и тактика банка по привлечению ресурсов на возвратной основе и их инвестированию в части кредитования клиентов банка. Предметной стороной реализации кредитной политики являются функциональные формы и виды кредитной политики банка. Выявлены факторы, определяющие формирование кредитной политики коммерческого банка. При формировании кредитной политики банк должен учитывать ряд объективных и субъективных факторов: макроэкономические, отраслевые и региональные и внутрибанковские. Раскрыто понятие кредитного риска.

Во второй главе изложены особенности кредитной политики ВТБ 24 (ЗАО). ВТБ 24 (ЗАО) предоставляет кредиты заемщикам на цели, предусмотренные их уставом для осуществления текущей и инвестиционной деятельности. Предоставление банком кредитов основывается на учете необходимых потребностей заемщиков в заемных средствах, наличии достаточных гарантий для своевременного их возврата. Был проведен анализ качества кредитного портфеля ВТБ 24 (ЗАО). Кредитный портфель представляет собой состав и структуру выданных кредитов по отраслям, видам обеспечения и срокам. При анализе кредитного портфеля банка можно отметить, что в конце 2009 года удельный вес просроченных ссуд составлял 3,64 %, т. е в целом за 2 года удельный вес просроченных ссуд увеличился на 1,81 %. Наибольшее увеличение доли просроченных ссуд за период наблюдается в 2008 году – 3,64 %.

В третьей главе предложены пути совершенствования кредитной политики с помощью использование технологий интеллектуального анализа данных. Так же был осуществлен прогноз основных показателей деятельности ВТБ 24(ЗАО) после внедрения предложенных методов. Который показал, что уровень просроченной задолженности, при выбранной программе снизилтся на 0,84%, в абсолютном выражении на 4625088 руб.

Таким образом, подводя  окончательный итог работы, можно  сказать о том, что цель работы достигнута, поставленные задачи, решены

¹ Официальный сайт ВТБ 24(ЗАО) – http://www.vtb24.ru

² Годовой отчет банка ВТБ 24 (ЗАО) за 2007 год, Годовой отчет банка ВТБ 24 (ЗАО) за 2008 год, Годовой отчет банка ВТБ 24 (ЗАО) за 2009 год.

³ Годовой отчет банка ВТБ 24 (ЗАО) за 2009 год.

⁴ Еремина Н. Банки заманивают вкладчиков и отваживают заемщиков. - http://www.gazeta.ru/financial/2008/10/08/2851648.shtml

⁵ Пересецкий А.А., Карминский А.М., А.Г.О. ванн Суст. Моделирование рейтингов российских банков [Текст] / Пересецкий А.А., Карминский А.М., А.Г.О. ванн Суст // Экономика и математические методы. – 2006. – том 40. - №4. – С. 25.

⁶ Бычков В.П.   О банковских резервах / В. П. Бычков, А. В. Бердышев // Банковское дело. - 2008.- № 4. - С. 25.

⁷ Жуков Е.Ф. Деньги. Кредит. Банки: Учебник для вузов. / Под ред. – М: ЮНИТИ-ДАНА, 2008. – С. 115.

⁸ Моисеев Б.С. О методике стресс-тестирования банка  / Моисеев Б.С. // Деньги и кредит. – 2008. - №9. – С. 35.

⁹ Моисеев Б.С. О методике стресс-тестирования банка  / Моисеев Б.С. // Деньги и кредит. – 2008. - №9. – С. 40.

¹⁰ Бакунц А.Б., Макаев А.М. Современные технологии на рынке розничных банковских услуг: опыт Сбербанка России // Расчеты и операционная работа в коммерческом банке. – 2008. - № 4. – С. 28.

¹¹ Горшков Г.   Потребительское кредитование. Тенденции и практика  // Банковское дело в Москве. - 2008.- № 1. - С. 29.

¹² Калугин С.П. Банковский сектор и малый бизнес в регионе [Текст] / Калугин С.П. // Деньги и кредит. – 2008. - №9. – С. 20