Долгосрочное кредитование

Можно заметить, что такие показатели как "Размер ссуды", "Срок ссуды", "Среднемесячный доход" и "Среднемесячный расход" вообще отсутствуют в полученном дереве. Данный факт можно объяснить  тем, что в исходных данных присутствует такой показатель как "Обеспеченность займа", и т.к. этот фактор является точным обобщением четыре вышеописанных  показателей, алгоритм построения дерева решений выбрал именно его.

Очень важной особенностью построенной модели является то, что правила, по которым определяется принадлежность заемщика к той или  иной группе записаны на естественном языке. Например, на основе построенной  модели получаются следующие правила:

1. ЕСЛИ Обеспеченность займа = Да И Срок проживания в данной местности, лет > 5,5 И Количество лет > 19,5 И Наличие недвижимости = Да И Наличие банковского счета = Да ТО Давать кредит = Да (Достоверно на 98%)
2. ЕСЛИ Обеспеченность займа = Да И Срок проживания в данной местности, лет > 5.5 И Наличие недвижимости = Да И Количество лет > 21.5 И Срок работы на данном направлении, лет <= 5.5 И Пол = Муж И Наличие банковского счета = Нет И Основное направление расходов = Одежда, продукты питания и т.п. ТО Давать кредит = Нет (Достоверно на 88%).

Правильно построенное  на данных прошлых периодов дерево решения обладает одной еще очень  важной особенностью. Эта особенность  называется способность к обобщению. Т.е. если возникает новая ситуация (обратился потенциальный заемщик), то, скорее всего, такие ситуации уже  были и достаточно много. Вследствие чего можно с большой долей  уверенности сказать, что вновь  обратившийся заемщик поведет себя так же, как и те заемщики, характеристики которых очень похожи на характеристики вновь обратившегося. На основе построенной  модели можно определять принадлежность потенциального заемщика к одному из классов. Для этого необходимо воспользоваться  диалоговым окном "Эксперимент" программы  Tree Analyzer (рисунок 3.9), в котором, последовательно отвечая на вопросы, можно получить ответ на вопрос: "Давать ли кредит".

Пример получения  результата. Вопросы: Обеспеченность займа: Да > Наличие недвижимости: Да > Пол: Муж > Наличие банковского счета: Нет > Основное направление расходов: Покупка товаров длительного пользования.

Ответ: Кредит давать: Да (достоверно на 96 %).

 

 

Рисунок 3.8 - Окно "Эксперимент"

 

Используя такой  подход можно устранить сразу  оба вышеописанных недостатка скоринговой системы оценки кредитоспособности. То есть:

1. Стоимость адаптации сводится практически к минимуму за счет того, что алгоритмы построения модели классификации (дерево решений) – это самоадаптируемые модели (вмешательство человека минимально).
2. Качество результата достаточно велико за счет того, что алгоритм выбирает наиболее значимые факторы для определения конечного ответа. Плюс ко всему полученный результат является статистически обоснованным.

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.

 

3.4 Экономический эффект  от использования эконометрических  методов

 

 

Применение  на практике вышеуказанных инструментов позволит Банку повысить качество кредитного портфеля и тем самым повысить эффективность кредитной политики. Вследствие отслеживания уровня кредитного риска с помощью эконометрических методов банк может прогнозировать свой кредитной портфель и минимизировать риски, что позволит повысить его  доходность.

Прогнозируемый  эффект от предложенных мероприятий представлен в таблицах 3.3 и 3.4.

 

Таблица 3.3 – Прогнозируемые показатели деятельности Головного филиала ОАО «Белинвестбанк».

 

Показатели	Среднегодовой остаток задолженности		Полученные проценты по ссудам		Средняя доходность %
	2009 год	Прогнозируемый период	2009 год	Прогнозируемый период	2009	Прогнозируемый период
Активы, приносящие прямой процентный доход	2 101 047	2521 256	х	х	х	х
Кредитный портфель – всего	1 798 847	2 421 598	247 987	347181,8	13,79%	14,34%
В том числе
Окончание таблицы 3.3
1 Кредиты юридическим лицам	732 779	989 252	99 496	139294,4	13,58%	14,08%
2 Кредиты, выданные физическим  лицам - индивидуальным предпринимателям	115 426	155 825	16 930	23 702	14,67%	15,21%
3 Кредиты предоставленные физическим  лицам	938 196	1 266 565	131 561	184 185,4	14,02%	14,54%
Просроченная задолженность	12446	9 957	х	х	х	х
Доля просроченной задолженности  в ссудной задолженности	0,69%	0,41%	х	х	х	х
Уровень кредитного риска	2,57%	2,37%	х	х	х	х

 

Таблица 3.4 – Прогнозируемая структура доходов, полученных Головным филиалом ОАО «Белинвестбанк».

 

Статьи доходов	за 2009 год (млн. руб.)	Прогнозируемый период млн. руб.	Доля в доходах		Изменение, п.п.
			за 2009 год (%)	Прогнозируемый период (%)
Процентные доходы от операций кредитования, в том числе:	247 987	347181,8	69,07%	69,17%	0,10%
-юридических лиц	116 426	162996,4	32,43%	32,47%	0,05%
-физических лиц	131 561	184185,4	36,64%	36,70%	0,05%
Комиссии полученные	74846	104784,4	20,85%	20,88%	0,03%
Доходы от внутрисистемных операций	21387	29514,06	5,96%	5,88%	-0,08%
Прочие	14819	20450,2	4,13%	4,07%	-0,05%
Итого	359 039	501 930	100,00%	100,00%	х

 

Из вышеприведенных  таблиц видно, что уровень кредитного риска в прогнозируемом периоде  снизится на 0,2 %, уровень просроченной задолженности на 0,28%, в абсолютном выражении на 2489 млн. 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 предлагаемой методики интеллектуального  анализа Tree Analyzer из пакета Deductor ver.3 потребует от банка инвестиций в размере 1,8 млн. руб. Смета затрат представлена в таблице 3.5.

 

Таблица 3.5 – Смета затрат

 

Наименование	Стоимость, млн.руб.
Программа TreeAnalyzer	1500
Наладка программного обеспечения	300

 

Данные финансовые вложения окупятся банком в ближайшие три года их использования.

 

 

ЗАКЛЮЧЕНИЕ

 

 

По результатам  проведенных исследований можно  сделать следующие выводы.

Кредит –  это экономические отношения, возникающие  между кредитором и заемщиком по поводу стоимости, передаваемой во временное пользование. Банковское кредитование осуществляется при строгом соблюдении принципов кредитования: возвратность и срочность кредитования; платность и обеспеченность кредита, а также целевой характер его использования. Совокупное применение на практике всех принципов банковского кредитования позволяет соблюсти как макроэкономические интересы, так и интересы на микроуровне обоих субъектов кредитной сделки – банка и кредитополучателя.

Руководствуясь  законодательством Республики Беларусь, каждый банк разрабатывает локальные  нормативные правовые акты, определяющие кредитную политику банка, условия и порядок предоставления кредитов, полномочия структурных подразделений банка, должностных лиц по осуществлению кредитных операций и контролю за своевременным возвратом предоставленного кредита. Банки выполняют определенные операции, оказывают услуги своим клиентам.

Кредитование  банками юридических лиц (предприятий  различных форм собственности) является одним из наиболее доходных кредитных  операций коммерческого банка.

Выделяют  следующие формы кредита: банковский, государственный, ипотечный, лизинговый, коммерческий, потребительский, факторинговый и др., каждая из которых отличается объектом и субъектом кредитования.

Все формы  долгосрочного кредита хорошо развиты  в Республике Беларусь. Немалое значение имеет умение работников банка проводить маркетинговые исследования, а кредитополучателей разрабатывать эффективный инвестиционный проект и качественный бизнес-план. В свою очередь коммерческие банки, предоставляют долгосрочные кредиты, так как располагают достаточным собственным капиталом.

Основными способами  обеспечения исполнения обязательств кредитополучателя по кредитному договору являются: гарантийный депозит денег; страхование кредитодателем риска невозврата кредита; перевод на кредитодателя правового титула (на имущество и имущественные права); поручительство; гарантия и другие способы, предусмотренные законодательством или кредитным договором; залог недвижимого и движимого имущества.