Оценка кредитоспособности

 

Расчет первого слагаемого общего денежного потока:

Выручка от реализации – Платежи  поставщикам и персоналу + Проценты полученные – Проценты уплаченные – Налоги.

Расчет второго слагаемого общего денежного потока:

Поступления от продажи основных активов  – Капитальные  вложения.

Расчет третьего слагаемого:

Кредиты полученные – Погашение  долговых обязательств + Эмиссия облигаций  – Эмиссия акций – Выплата  дивидендов.

Если клиент имел устойчивое превышение притока над оттоком средств, то это свидетельствует о его  финансовой устойчивости - кредитоспособности. Колебание величины общего денежного потока, а также кратковременное превышение оттока над притоком средств говорит о более низком рейтинге клиента по уровню кредитоспособности. Наконец, систематическое превышение оттока над притоком средств характеризует клиента как некредитоспособного. Сложившаяся средняя положительная величина общего денежного потока (превышение притока над оттоком средств) может использоваться как предел выдачи новых ссуд. Указанное превышение показывает, в каком размере клиент может погашать за период долговые обязательства.

Для решения вопроса о целесообразности и размере выдачи ссуды на относительно длительный срок анализ денежного потока делается не только на основе фактических  данных за истекшие периоды, но и на основе прогнозных данных на планируемый период. Фактические данные используются для оценки прогнозных данных. В основе прогноза величины отдельных элементов притока и оттока средств лежит их среднее значение в прошлые периоды и планируемые темпы прироста выручки от реализации.

 

 

 

3.2 «Альфа-Банк»

Перейдем к анализу кредитоспособности заемщик Альфа-Банка. Т.к. получить информацию в данном банке о методах, используемых для оценки кредитоспособности физических лиц не представляется возможным, то предположим, что банк использует два основных метода оценки риска кредитования, которые наиболее популярны в мировой практике:

-  субъективное заключение экспертов или кредитных инспекторов;

-  автоматизированные системы  скоринга

И если с субъективным методом все очевидно, то перейдем к подробному рассмотрению скоринга.

Скоринг представляет собой математико-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.

По сравнению с использованием профессионального суждения кредитного инспектора, статистический скоринг имеет ряд существенных преимуществ:

1. дает количественную оценку кредитного риска, выраженную в терминах вероятности, в противоположность экспертному суждению, дающему лишь качественную оценку кредитоспособности;
2. оценивает риски объективно (одинаковые анкеты получают одинаковый скоринговый балл, в то время как субъективные заключения разных кредитных инспекторов об одном и том же заемщике могут различаться);
3. легко масштабируется. Для автоматизированной модели статскоринга растущее число кредитных заявок не означает увеличения издержек банка. При использовании профессиональных суждений рост числа заявок приводит к существенным затратам времени и средств на расширение штата кредитных инспекторов;
4. позволяет учитывать всю совокупность факторов риска. Статскоринг позволяет выявлять закономерности между параметрами заемщика и его кредитоспособностью; кредитный эксперт же обычно рассматривает небольшую группу значимых, по его мнению, факторов;
5. качество работы модели статистического скоринга может быть проверено до начала его использования. Применение модели к тестовой выборке по кредитам, исход по которым уже известен, позволит оценить точность оценок, получаемых с ее помощью;
6. позволяет учитывать сравнительную значимость различных параметров заемщика для его кредитоспособности. Из готовой скоринговой карты сразу же становится ясно, в какой степени различные факторы влияют на оценку кредитного риска заемщиков;
7. позволяет снизить временные издержки на взыскание просроченной задолженности. Скоринг взысканий позволяет определить вероятность задержки очередного платежа, что способствует выбору более эффективных методов работы с просроченной задолженностью;
8. экономический эффект от внедрения статскоринга может быть просчитан заранее. Применяя скоринговую модель к прошлым кредитам, банк может оценить величину потерь, которых удалось бы избежать за счет повышенной точности анализа кредитных заявок [10].

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.

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. Не известно, вернет ли данный заемщик кредит или нет, но в прошлом люди этого возраста, этой же профессии, с таким же уровнем образования и с таким же числом иждивенцев кредит не возвращали. Поэтому давать кредит этому человеку не стоит.

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.

Одной из самых известных является модель Дюрана. Дюран выделил группы факторов, позволяющих максимально определить степень кредитного риска, и коэффициенты для различных факторов, характеризующих кредитоспособность физического лица:

1. пол: женский (0,40), мужской (0);

2. возраст: 0,1 балла за каждый год свыше 20 лет, но не больше чем 0,30;

3. срок проживания в данной местности: 0,042 за каждый год, но не больше чем 0,42;

4. профессия: 0,55 - за профессию с низким риском; 0 — за профессию с высоким риском; 0,16 - другие профессии;

5. финансовые показатели: наличие банковского счета - 0,45; наличие недвижимости — 0,35; наличие полиса по страхованию — 0,19;

6. работа: 0,21 — предприятия в общественной отрасли, 0 - другие;

7. занятость: 0,059 - за каждый год работы на данном предприятии.

Согласно Дюрану, существует порог, перейдя который человек считается кредитоспособным. Этот порог равен 1,25. То есть если набранная сумма баллов больше или равна 1,25, то потенциальному заемщику выдается испрашиваемая им сумма.

Принципы определения кредитоспособности частного заемщика по скорингу можно проиллюстрировать на примере немецкого банка, в котором подсчет баллов для рейтинга клиента производится по 12 показателям.

1. Информация. За отсутствие неблагоприятной  информации кредитно-справочного  бюро клиент получает 10 баллов.

2. Способность погашать задолженность:  до 60% - 0 баллов; от 61 до 80% - 10 баллов; от 81 до 100% - 20 баллов.

3. Наличие обеспечения: от 0 до 25% - 1 балл; от 25 до 50 % - 4; от 51 до 75% - 7; от 76 до 100% - 12; более 100% - 20 баллов.

4. Наличное имущество. За наличное имущество, будь то недвижимость, ценные бумаги или вклады в банках, клиент получает 10 баллов.

5. Кредиты, полученные в банке  ранее. Клиенту не начисляются  баллы, если он неаккуратно  пользовался предоставленными ссудами.  Если клиент не пользовался ранее кредитом, это расценивается в 5 баллов. Если ранее полученный клиентом кредит погашался своевременно или текущий погашается в соответствии с договором, то он получает 15 баллов.

6. Квалификация. Нет квалификации  – 0 баллов; вспомогательный  персонал – 2; специалисты – 7; служащие – 9 баллов; пенсионеры – 13; руководящие работники – 13 баллов.

7. Трудовая деятельность у последнего  нанимателя: до одного года –  0 баллов; до двух лет – 3; до  трех лет – 5; до пяти лет  – 8; более пяти лет – 12; пенсионеры – 0 баллов.

8. Сфера занятости: госслужба  – 10 баллов; другие сферы –  6; пенсионеры – 0 баллов.

9. Возраст заявителя: до двадцати  лет – 0 баллов; двадцати пяти  – 2; тридцати – 4; тридцати  пяти – 8; пятидесяти – 11; более  шестидесяти лет – 16 баллов.

10. Семейное положение: холост  – 8 баллов; женат – 14; женат,  но живет раздельно – 6; разведен  – 8; вдовец – 8 баллов.

11. Способ найма жилища. Не имеющий  жилища – 0 баллов; имеющий жилище  по найму – 5; собственное жилище  – 10 баллов.

12. Количество иждивенцев: ноль – 10 баллов; один – 7; два – 5; три – 2; более трех – 0.

Технология окончательного решения  о возможности кредитования такова. При набранной претендентом сумме  в 81 балл экономист принимает положительное  решение самостоятельно, при результате от 61 до 80 баллов требуется разрешение вышестоящего менеджера. При рейтинге ниже 60 баллов в предоставлении кредита клиенту отказывают.

Другой подход к скоринговой  оценке качества личности и кредитоспособности применяет французский банк «Креди Агриколь».

1. Цель кредита (от 0 баллов при  выдаче денежной ссуды до 100 баллов  при покупке автомобиля).

2. Участие клиента в финансировании  сделки (при оплате наличными  менее 10% суммы – 0 баллов; от 10 до 45% - 30; более 45% - 50 баллов).

3. Семейное положение (от  0 баллов для разведенных супругов до 60 баллов с количеством менее трёх).

4. Возраст (от 0баллов для лиц  моложе 25 лет до 100 баллов свыше  65 лет).

5. Профессия (от 0 баллов для студентов  до 100 баллов для государственных  служащих).

6. Занятость (от 0 баллов при сроке менее одного до 100 баллов – более четырёх лет).

7. Чистый годовой доход (от 0 баллов  – при доходе до 60 тыс. франков  до 100 баллов – при доходе более  160 тыс. франков).

8. Владение недвижимостью (от 0 баллов  при найме квартиры до 80 баллов  при наличии собственного дома).

9. Срок кредита (от 140 баллов при  сроке менее одного года до 0 баллов при сроке более двух  лет).

10. Сумма на банковском счете  (от 0 баллов при остатке менее  5 тыс. франков до 150 баллов при  остатке более 50 тыс. франков).

Если потенциальный заемщик набрал более 510 баллов, банк удовлетворяет просьбу о предоставлении кредита; при 380-509 баллах осуществляется дополнительный анализ условий кредитования (сумма, срок кредита, гарантии); при наборе менее 380 баллов следует отказ от кредитной поддержки.

Рассмотренные скоринговые модели представлены в  упрощенном виде, то есть представляют собой подсчёт  баллов (очков). Основной недостаток таких  моделей – достаточно трудоёмкая адаптируемость в новых условиях. Для адаптации скоринговой модели оценки кредитоспособности физических лиц специалисту необходимо проделывать путь, подобный тому, что проделал Дюран. То есть специалисты, которые будут заниматься такой адаптацией, должны быть высококвалифицированными, чтобы уметь адекватно оценить текущую ситуацию на рынке, а значит, и высокооплачиваемыми.

Результатом проделанной работы будет  набор факторов с весовыми коэффициентами плюс некий порог (значение), преодолев  который, человек, обратившийся за кредитом, считается способным погасить испрашиваемую ссуду плюс проценты.

Полученные результаты являются по большей части субъективным мнением и, как правило, плохо подкреплены статистикой (статистически не обоснованы). Как следствие всего этого — полученная модель не в полной мере отвечает текущей действительности. Финансовый результат данного подхода таков — в процентной ставке кредитования, предлагаемой банком, большую долю будет занимать часть, покрывающая риск неплатежей.

Таким образом, во всех рассмотренных  методах оценки кредитоспособности физических лиц  присутствует ряд недостатков. К основным, среди которых, можно отнести: трудоемкая адаптируемость, доминирование субъективного мнения над объективным, а иногда и такие, как длительность процедуры анализа, использование узкого набора признаков, характеризующих заемщика. Вследствие этого необходимо при оценке кредитоспособности перейти к автоматизированным системам, которые будут легко обучаемыми при изменении условий, а также подкреплены статистикой, позволяющей проводить оценку объективно.

Одним из вариантов решения данной проблемы является применение алгоритмов, решающих задачи классификации, т.е. отнесения какого-либо объекта (потенциальный заемщик) к одному из заранее известных классов (Давать / Не давать кредит).  К основным моделям и алгоритмам относятся: модели бинарного выбора (логит и пробит-модель), деревья решений,  нейронные сети, нечёткие множества.