Анализ эффективности кредитной политики ОАО Сбербанка России

Сбербанк России как  самый крупный банк России, работающий для 70 миллионов вкладчиков и 240 тысяч  акционеров, в полной мере осознает свою роль в экономике и понимает необходимость соблюдения баланса  между интересами акционеров и клиентов, с одной стороны, и интересами страны в целом, с другой стороны.

Сбербанк России, несмотря на сложные условия и существенно  возросшую нагрузку на банк, его  сотрудников и инфраструктуру, продолжает свою деятельность в полном объеме, предоставляя все виды услуг постоянным и новым клиентам, физическим и юридическим лицам, предприятиям крупного, малого и среднего бизнеса, работающим во всех отраслях экономики.

Сложные экономические  условия вызывают необходимость  изменения Кредитной политики Сбербанка. Эти условия характеризуются следующими факторами: недостаток ликвидности в экономике - как у банков, так и у предприятий, кризис доверия в экономических отношениях (компании, банки, физические лица), низкая доступность кредитов и их повышенная стоимость из-за возросших рисков, снижение платежеспособного спроса как со стороны физических, так и со стороны юридических лиц. Значительное падение цен как на товары, сырье и материалы, так и на активы (недвижимость, ценные бумаги, предприятия), повышенная волатильность курсов всех валют.

Исходя из этого, Сбербанк рекомендует клиентам использовать консервативный подход к прогнозированию  и долгосрочным планам развития бизнеса.

В этих условиях Сбербанк России будет придерживаться следующих  приоритетов в кредитовании юридических лиц, поддержка следующих отраслей и секторов экономики: отрасли, гарантирующие удовлетворение ежедневных и самых необходимых жизненных потребностей населения (розничные сети, аптеки и т.д.), отрасли, выполняющие жизнеобеспечивающие функции (электро- и водоснабжение, транспорт и т.д.); оборонно-промышленный комплекс, малый бизнес, сельское хозяйство; поддержка существующих клиентов Сбербанка и выполнение банком уже взятых на себя юридических обязательств по кредитованию в рамках заключенных договоров, поддержка заемщиков банка, непрерывность деятельности которых является критичной для других заемщиков Сбербанка, кредитование оборотных средств и текущих потребностей бизнеса клиентов.

Осознавая особую ответственность  перед акционерами и вкладчиками в это сложное время, Сбербанк вводит дополнительные меры по эффективному управлению рисками:

1. Изменение критериев  устойчивости бизнеса клиентов  применительно к деятельности  в сложных условиях

2. Усиление обеспеченности  кредитов: достаточными и своевременными денежными потоками от операционной деятельности заемщика, операционной доходностью бизнеса, залогами ликвидных активов, гарантиями (поручительствами) государства или собственников бизнеса.

Повышение уровня и качества контроля со стороны Сбербанка за ответственным поведением собственников и менеджмента путем введения дополнительных условий и ограничений на деятельность заемщика, в том числе:

1. снижение лимита максимальной долговой нагрузки;
2. введение дополнительных ограничений по смене контроля над бизнесом;
3. расширение перечня событий, влекущих досрочное истребование задолженности Сбербанком;
4. более четкое определение критериев кросс-дефолта по обязательствам клиента перед другими кредиторами.

Для этого Сбербанк усиливает  внимание: к источникам погашения и их надежности, к уровню текущей ликвидности клиента, к уровню долговой нагрузки, к качеству и ликвидности обеспечения, к адекватности финансовых планов и действий заемщиков относительно резко изменившихся внешних условий, к консервативности подходов в прогнозах платежеспособности клиентов. К мониторингу ссудной задолженности для ранней диагностики потенциальных проблем у заемщиков.

В отношении физических лиц Сбербанк будет следовать  следующим приоритетам: повышать доступность  кредитов, предлагая различные способы их погашения - равными ежемесячными (аннуитетными) или дифференцированными платежами, с обязательным разъяснением клиентам всех возможностей и ограничений того или иного вида платежей. Помогать клиентам, избежать принятия на себя чрезмерной долговой нагрузки, усилив внимание к индивидуальной платежеспособности при выдаче новых кредитов, сохранять всю линейку розничных кредитных продуктов и будем продолжать оптимизировать ее, учитывая необходимость сохранения качества кредитного портфеля. Обеспечивать повышение финансовой грамотности населения, консультации и разъяснения по всем продуктам и услугам банка

Сбербанк работает исключительно  в соответствии с действующим  законодательством. Усиливая борьбу с  коррупционным и иным незаконным давлением на сотрудников. Для этого Сбербанк открывает круглосуточную телефонную линию для получения информации, которая поможет нам обеспечить полное соблюдение прозрачных и справедливых правил предоставления кредитов клиентам Сбербанка.

3.3 Перспективы развития кредитной политики ОАО «Сбербанк России»

Для успешной работы ОАО «Сбербанк  России» необходимо совершенствование  кредитной политике в следующих  направлениях:

1. совершенствования работы с клиентами:

- повышение удовлетворенности клиентов условиями обслуживания в банке. Главное внимание в данном вопросе будет уделяться ликвидации очередей в подразделениях, обслуживающих клиентов, а также развитию института клиентских менеджеров для корпоративных клиентов;

- увеличение доли в активах банковской системы России за счет укрепления позиций на основных сегментах финансового рынка;

- обеспечение лучшего на рынке качества обслуживания клиентов в удаленных каналах;

- укрепление бренда Сбербанка для приоритетных сегментов розничного рынка.

2. совершенствования процессов и технологий:

- завершить переход к ориентированной на клиента системе обслуживания;

- полностью внедрить новый кредитный процесс для корпоративных клиентов, сделав систему кредитования Сбербанка лучшей на рынке;

- реализовать преимущество масштаба путем консолидации операционной функции.

3. использование инновационных методов анализа данных с целью снижения кредитного риска.

Для уменьшения риска  при операциях кредитования физических лиц существует метод, основанный на применении технологии интеллектуального анализа данных. Можно привести давно известную цепочку связанных событий: чем меньше рискует банк при предоставлении кредита, тем меньше процентная ставка, предлагаемая этим банком; чем меньше процентная ставка, тем больше клиентов обратиться именно в этот банк; чем больше клиентов обратиться в банк, тем большую прибыль получит банк, а это одна из основных целей коммерческой деятельности.

Риск, связанный с невозвратом  суммы основного долга и процентов  можно значительно снизить, оценивая вероятность возврата заемщиком кредита. В последнее время для оценки риска кредитования заемщика в мировой практике широкое распространение получил скоринг. В России ему также уделяют должное внимание.

Сущность этого метода состоит в том, что каждый фактор, характеризующий заемщика, имеет свою количественную оценку, то есть баллы. Суммируя полученные баллы, можно получить оценку кредитоспособности физического лица. Каждый параметр имеет максимально возможный порог, который выше для важных вопросов и ниже для второстепенных.

На сегодняшний день известно достаточно много методик кредитного скоринга. Одной из самых известных является модель Дюрана. Дюран определил группы факторов, позволяющих максимально определить степень кредитного риска. Но эта модель как любая другая не идеальна и имеет ряд недостатков.

Основным недостатком  скоринговой системы оценки кредитоспособности физических лиц является то, что  она очень формализована, плохо  адаптируема. Хорошая методика для  оценки кредитоспособности система, должна отвечать реальному положению дел. Например, в США считается плюсом, если человек поменял много мест работы, что говорило о том, что он востребован. В других станах наоборот - данное обстоятельство говорит о том, что человек либо не может ужиться с коллективом, либо это малоценный специалист, а соответственно повышается вероятность просрочки в платежах.

Таким образом адаптировать модель просто крайне необходимо, как  для разных периодов времени, так  и для разных стран и даже для  разных регионов страны.

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 высоко квалифицированными, и должны профессионально оценить текущую ситуацию на рынке. 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, то есть являются статистически необоснованные.

Чтобы обеспечить качество исходных данных, необходимо придерживаться следующего алгоритма:

• выдвижение гипотезы - предположение о влиянии тех или иных факторов на исследуемую задачу. Данную задачу решают эксперты, полагаясь на свой опыт и знания. Результатом на данном этапе является список всех факторов;
• сбор и систематизация данных - представление данных в формализованном виде, подготовка данных в определенном виде (например, соблюдение упорядоченности по времени);
• подбор модели и тестирование - комбинирование различных механизмов анализа, оценка экспертами адекватности полученной модели. Возврат на предыдущие шаги при невозможности получения приемлемых результатов (например, проверка очередной гипотезы);
• использование приемлемой модели и ее совершенствование.

Именно с помощью  такого подхода составлены анкеты - заявки на получение кредита. Экспертами в данной области были выявлены факторы, наиболее влияющие на результат. Эту информацию и заполняют в анкетах потенциальные заемщики. Помощь в проверке гипотез может оказать реализованный в Deductor факторный анализ. Данный инструмент выявляет значимость тех или иных факторов.

Итак, задача заключается  в построении модели оценки (классификации) потенциальных заемщиков. Решение  задачи также должно обладать большой  достоверностью классификации, возможностью адаптации к любым условиям, простотой  использования модели.

Пользуясь приведенной методикой, была предложена гипотеза о том, какие факторы влияют на кредитоспособность человека. По мнению экспертов, по этим факторам можно учесть суммарный риск. Тем самым должно достигаться и отнесение потенциального заемщика к способным вернуть кредит или не способным.

"Дерево решений" - один из методов автоматического  анализа данных. Получаемая модель - это способ представления правил  в иерархической, последовательной  структуре, где каждому объекту  соответствует единственный узел, дающий решение.

Сущность метода заключается  в следующем: на основе данных, за прошлые периоды строится "дерево". При этом класс каждой из ситуаций, на основе которых строится "дерево", заранее известен. В нашем случае должно быть известно, была ли возвращена основная сумма долга и проценты, и не было ли просрочек в платежах.

При построении "дерева" все известные ситуации обучающей  выборки сначала попадают в верхний  узел, а потом распределяются по узлам, которые в свою очередь  также могут быть разбиты на дочерние узлы. Критерий разбиения - это различные значения какого-либо входного фактора. Для определения поля, по которому будет происходить разбиение, используется показатель, называемый энтропия - мера неопределенности. Выбирается то поле, при разбиении по которому устраняется больше неопределенности. Неопределенность тем выше, чем больше примесей (объектов, относящихся к различным классам) находятся в одном узле. Энтропия равна нулю, если в узле будут находиться объекты, относящиеся к одному классу.

Полученную модель используют при определении класса (Давать / Не давать кредит) вновь возникших ситуаций (поступила заявка на получение кредита).

При существенном изменении  текущей ситуации на рынке, "дерево" можно перестроить, т.е. адаптировать к существующей обстановке.

Для демонстрации подобной технологии будет использоваться программа Tree Analyzer из пакета Deductor ver.3. В качестве исходных данных была взята выборка, состоящая из 1000 записей, где каждая запись - это описание характеристик  заемщика плюс параметр, описывающий его поведение во время погашения ссуды.

При обучении дерева использовались следующие факторы, определяющие заемщика: "N Паспорта"; "ФИО"; "Адрес"; "Размер ссуды"; "Срок ссуды"; "Цель ссуды"; "Среднемесячный доход"; "Среднемесячный расход"; "Основное направление расходов"; "Наличие недвижимости"; "Наличие автотранспорта"; "Наличие банковского счета"; "Наличие страховки"; "Название организации"; "Отраслевая принадлежность предприятия"; "Срок работы на данном предприятии"; "Направление деятельности заемщика"; "Срок работы на данном направлении"; "Пол"; "Семейное положение"; "Количество лет"; "Количество иждивенцев"; "Срок проживания в данной местности"; "Обеспеченность займа"; "Давать кредит".