54 56
Развитие кредитных операций банков с реальным сектором экономики явилось основным фактором роста активов банковского сектора в 2006 году. Кредиты, предоставленные банками отечественным нефинансовым предприятиям и организациям, за истекший год увеличились на 42,4% (что на 7,2 процентного пункта превышает темп прироста за 2005 год) и составили 2266,9 млрд. рублей на 1.01.2006. Удельный вес этих кредитов в активах действующих кредитных организаций возрос с 38,4% на 1.01.2006 до 40,5% на 1.01.2006.
В данной работе проведен анализ основных обобщающих показателей деятельности Отделения Марий Эл №8614 Сбербанка России, исследованы методы оценки кредитоспособности заемщика.
В качестве исходного материала для проведения исследования исполь-зованы данные отчетности ОСБ Марий Эл №8614, методическая литература, научные публикации и другие источники.
Г лава 1. Общая характеристика ОСБ Марий Эл №8614
|
Показатели |
Сумма, руб. |
|||
|
2004 |
2005 |
2006 |
||
|
Совокупный доход |
192189092 |
271 088 600 |
237219360 |
|
|
Процентный доход |
172978346 |
202942316 |
157016160 |
|
|
Непроцентный доход |
19210745 |
68 146 284 |
80 203 200 |
|
|
Показатели |
Удельный вес, % |
Отклонение от предыдущего года, руб. |
|||||
|
2004 |
2005 |
2006 |
2005-2004 |
2006-2005 |
2006-2004 |
||
|
Совокупный доход |
100% |
100% |
100% |
78 899 508 |
-33 869 240 |
45 030 269 |
|
|
Процентный доход |
90% |
75% |
66% |
29 963 970 |
-45926156 |
-15962 186 |
|
|
Непроцентный доход |
10% |
25% |
34% |
48 935 539 |
12056916 |
60 992 455 |
|
|
Показатели |
Сумма, руб. |
Удельный вес, % |
|||||
|
2004 |
2005 |
2006 |
2004 |
2005 |
2006 |
||
|
Процентные доходы всего |
172 978346 |
202942316 |
157016 160 |
100,0% |
100,0% |
100,0% |
|
|
деятельности |
147599414 |
57 993 248 |
18957120 |
85,3% |
28,6% |
12,1% |
|
|
— начисленные и полученные проценты |
147284470 |
56717007 |
18943680 |
85,1% |
27,9% |
12,1% |
|
|
— по ссудам в инвалюте |
314943 |
1 276241 |
13440 |
0,2% |
0,6% |
0,0% |
|
|
Доходы по операциям с ценными бумагами |
25 378 933 |
144 949068 |
138059040 |
14,7% |
71,4% |
87,9% |
|
|
Показатели |
Сумма, руб. |
Удельный вес, % |
|||||
|
2004 |
2005 |
2006 |
2004 |
2005 |
2006 |
||
|
Непроцентные доходы всего |
19210745 |
68 146 284 |
80 203200 |
100,0% |
100,0% |
100,0% |
|
|
деятельности |
3 929 056 |
21 939240 |
27 118560 |
20,5% |
32,2% |
33,8% |
|
|
— дивиденды |
9089 |
0 |
0 |
0,0% |
0,0% |
0,0% |
|
|
— возмещение клиентами расходов |
24 106 |
662 228 |
174 720 |
0,1% |
1,0% |
0,2% |
|
|
— курсовые разницы |
39950 |
4 342 244 |
6 098 400 |
0,2% |
6,4% |
7,6% |
|
|
— комиссия по услугам и корреспон-дентским счетам |
3855910,8 |
16934768,55 |
20845440 |
20,1% |
24,9% |
26,0% |
|
|
Прочие доходы |
15281689,5 |
46207044,45 |
53084640 |
79,5% |
67,8% |
66,2% |
|
|
— штрафы |
5949518,4 |
12881805,3 |
2257920 |
31,0% |
18,9% |
2,8% |
|
|
— плата за доставку ценностей |
144,9 |
37006,2 |
124320 |
0,0% |
0,1% |
0,2% |
|
|
— прочие доходы |
9332026,2 |
33288232,95 |
50702400 |
48,5% |
48,8% |
63,2% |
|
Основными оценочными показателями являются коэффициенты К1, К2, К3, К4 и К5. Другие показатели оборачиваемости и рентабельности используются для общей характеристики и рассматриваются как дополнительные к первым пяти показателям.
Оценка результатов расчетов пяти коэффициентов заключается в присвоении Заемщику категории по каждому из этих показателей на основе сравнения полученных значений с установленными достаточными. Далее определяется сумма баллов по этим показателям в соответствии с их весами.
Таблица 4
Разбивка показателей на категории в зависимости от их фактических значений
|
Коэффициенты |
1 категория |
2 категория |
3 категория |
|
|
К1 |
0,2 и выше |
0,15 — 0,2 |
менее 0,15 |
|
|
К2 |
0,8 и выше |
0,5 — 0,8 |
менее 0,5 |
|
|
К3 |
2,0 и выше |
1,0 — 2,0 |
менее 1,0 |
|
|
К4 |
1,0 и выше |
0,7 — 1,0 |
менее 0,7 |
|
|
К5 |
0,15 и выше |
менее 0,15 |
нерентаб. |
|
Формула расчета суммы баллов S имеет вид:
S = 0,11 * Категория К1 + 0,05 * Категория К2 + 0,42 * Категория К3 +
+ 0,21 * Категория К4 + 0,21 * Категория К5.
Значение S наряду с другими факторами используется для определения рейтинга Заемщика.
Таблица 5
Таблица расчета суммы баллов
|
Показатель |
Фактическое значение |
Категория |
Вес показателя |
Расчет суммы баллов |
|
|
К1 |
0,11 |
||||
|
К2 |
0,05 |
||||
|
К3 |
0,42 |
||||
|
К4 |
0,21 |
||||
|
К5 |
0,21 |
||||
|
Итого |
х |
х |
1 |
||
Для остальных показателей третьей группы (оборачиваемость и рентабельность) не устанавливаются оптимальные или критические значения ввиду большой зависимости этих значений от специфики предприятия, отраслевой принадлежности и других конкретных условий.
Оценка результатов расчетов этих показателей основана, главным образом, на сравнении их значений в динамике.
Качественный анализ основан на использовании информации, которая не может быть выражена в количественных показателях. Для проведения такого анализа используются сведения, представленные Заемщиком, подразделением безопасности и информация базы данных.
На этом этапе оцениваются риски, связанные с банками, в которых открыты счета; деловая репутация (аккуратность в выполнении обязательств, кредитная история, участие в крупных проектах, качество товаров и услуг и т.д.); качество управления (квалификация, устойчивость положения руководства, адаптивность к новым методам управления и технологиям, влиятельность в деловых и финансовых кругах).
Заключительным этапом оценки кредитоспособности является определение рейтинга Заемщика, или класса.
Устанавливается 3 класса заемщиков:
- первого класса — кредитование которых не вызывает сомнений;
- второго класса — кредитование требует взвешенного подхода;
- третьего класса — кредитование связано с повышенным риском.
Рейтинг определяется на основе суммы баллов по пяти основным показателям, оценки остальных показателей третьей группы и качественного анализа рисков.
Сумма баллов S влияет на рейтинг Заемщика следующим образом:
- S = 1 или 1,05 — Заемщик может быть отнесен к первому классу кредитоспособности;
- S больше 1,05, но меньше 2,42 — соответствует второму классу;
- S равно или больше 2,42 — соответствует третьему классу.
Далее определенный таким образом предварительный рейтинг корректируется с учетом других показателей третьей группы и качественной оценки Заемщика. При отрицательном влиянии этих факторов рейтинг может быть снижен на один класс.
В связи с тем, что методика оценки кредитоспособности заемщика в ОСБ №8614 СБ РФ основывается в основном на анализе относительных показателей финансово-хозяйственной деятельности, может быть предложена методика оценки кредитоспособности заемщика, которая основывается на классе кредитоспособности заемщика, для чего каждому показателю представленному ниже присваивается определенное количество баллов и в конце определяется класс кредитоспособности заемщика (приложение 2).
Значения класса кредитоспособности представлены в таблице 6.
Таблица 6
Значения класса кредитоспособности
|
Класс кредитоспособности заемщика |
Общая сумма баллов |
|
|
Класс А -Заемщик надежный |
больше 181 |
|
|
Класс Б — Заемщик с небольшим риском |
от 140 — 180 |
|
|
Класс В-Заемщик со средним риском |
от 100 — 139 |
|
|
Класс Г-Заемщик с высоким риском |
от 80 — 99 |
|
|
Класс Д-Заемщик с полным риском |
меньше 80 |
|
Этапы реализации методики оценки кредитоспособности заемщиков — юридических лиц:
1. Изучение общей характеристики заемщика, (репутация, история бизнеса, характеристика деловой активности, связи с потребителями продукции и поставщиками продукции, состав учредителей и их стабильность, возвращение предыдущих кредитов, местонахождение заемщика, и так далее).
2. Анализ финансового положения заемщика (способность заемщика получать средства по всем видам деятельности и рассчитываться по своим обязательствам, в том числе по долгосрочным обязательствам).
3. Анализ эффективности кредитной операции или инвестиционного проекта (окупаемость проекта, денежный поток по конкретному проекту, желание заемщика использовать в проекте, который кредитуется, собственный капитал, характер рынка, условия реализации товаров, перспективность развития отрасли.
Прежде чем приступить к описанию решения необходимо осветить некоторые аспекты методики анализа с использованием механизмов Data Mining. 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 выше 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.
Предложенные факторы представлены в таблице 7.
Таблица 7
Факторы, влияющие на кредитоспособность
|
Е |
Некоторые факторы категории |
|
|
Информация о семейном положении |
Состояние в браке, количество детей… |
|
|
Регистрационная информация |
Прописка, срок проживания по данному адресу… |
|
|
Информация о занятости |
Специальность, сфера деятельности предприятия… |
|
|
Информация о финансовом положении |
Зарплата, другие начисления и удержания… |
|
|
Информация по обеспеченности |
Имущество, ценные бумаги… |
|
|
Информация о кредитной истории |
Количество прошлых кредитов, текущие обязательства… |
|
Согласно предложенной гипотезе, данные факторы были собраны и консолидированы в хранилище данных Deductor Warehouse. Методология хранилища такова, что информация хранится в процессах, каждый процесс имеет определенный набор измерений и фактов. Т.е. процесс реализован по стандартной схеме “Звезда”, в центре которой хранятся факты, а измерения являются лучами. В данном случае процесс отображает выдачу кредита заемщику. Наиболее ценной информацией процесса является статус кредита. Хороший кредит — тот, который заемщик вернул в срок и в полном объеме, плохой — обратная ситуация.
При построении модели оценки кредитоспособности огромную помощь эксперту окажет разнообразная аналитическая отчетность. Поскольку данные в хранилище представлены в многомерном виде, то, несомненно, наиболее удобно получать отчетность в виде набора срезов данных — кросс-таблиц.
В основном берут кредит лица до 30 лет, от 30 до 50 менее активно, от 50 до 70 практически не берут. Видимо, условия кредитования не устраивает лиц, старше 30 лет в большинстве случаев. Банку, для привлечения данной категории лиц придется менять условия кредитования (например, уменьшить плату за кредит).
Если анализировать причину такого количества отказов в выдачи кредитов, то выяснится, что потенциальные заемщики неадекватно оценивали свои возможности по погашению кредита (это наглядно видно на самоорганизующихся картах далее).
В Deductor 4 в OLAP-кубе с помощью инструмента селектор можно агрегировать факты по какому-либо измерению, оставляя только те объекты, которые соответствуют указанному условию. Например, можно объединить сумму кредитов по возрастам заемщиков, оставив только тех, которые в сумме берут 50% кредитов. Так подтверждается популярность кредитования среди молодежи. Это небольшой пример применения аналитической отчетности. На практике можно таким образом анализировать любую информацию о заемщиках, имеющуюся в хранилище в произвольных разрезах.
Сегментация заемщиков.
Каждый заемщик обладает определенным набором атрибутов (факторов).
Для анализа рынка необходимо в первую очередь понять общую картину. Кто берет кредиты, зачем, какие существуют причины отказов в выдаче кредитов или причины несостоятельности. Для этого необходимо наглядное представление всех имеющихся данных. Такую задачу можно решить с помощью построения самоорганизующихся карт, показывающих распределение заемщиков по характеристикам Сумма кредита, Срок кредита, Цель кредитования, Среднемесячный доход, Количество иждивенцев и Возраст. После сегментирования можно узнать, какие именно сегменты являются наиболее активными, какие приносят наибольшую прибыль и где находятся наиболее лояльные клиенты, выделить характерны ………..
