Реферат: Контокоррентный счет
Следует отметить, что во Франции методики оценки кредитоспособности заемщика дифференцированы по отраслевым принадлежностям и формам собственности, они различны для фирм и частных лиц.
Необходимо иметь в виду, что группировка показателей кредитоспособности достаточно условна. Речь идет о том, какие финансовые показатели представляют интерес для тех или иных юридических и физических лиц, имеющих с ним экономические отношения, в конечном итоге.
В России все большее распространение наряду с традиционными способами оценки кредитоспособности заемщика (на основе системы финансовых коэффициентов, на основе анализа денежных потоков, на основе анализа делового риска) получает скоринг - кредитование, а также оценка кредитоспособности заемщика на основе технологии интеллектуального анализа данных DataMining (с использованием деревьев решений).
Система «кредит - скоринг» в США - специальная шкала для измерения рейтинга заемщика, представляющая начисление баллов клиенту в зависимости от уровня его кредитоспособности. Скоринг используется главным образом при кредитовании физи-
ческих лиц и представляет собой математическую или 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.
Важная черта системы «кредит - скоринг» заключается в том, что она не может применяться по шаблону, а должна разрабатываться исходя из особенностей, присущих банку, его клиентуре, учитывая характер банковского законодательства и традиций страны, т. е. подлежит постоянному наблюдению и видоизменению.
Сегодня известно достаточно много методик кредитного скоринга. 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: пол, возраст, срок проживания в данной местности, профессия, финансовые показатели, работа, занятость.
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.
«Скоринг - формуляр» немецкого банка состоит из двенадцати показателей, по каждому из которых клиенту начисляется большее или меньшее количество баллов. Максимальный балл - 20. Аналогичный подход при анализе кредитоспособности заемщиков используют французские банки. Единственная сложность заключается в том, что балльные оценки кредитоспособности заемщика должны быть статистически выверены и требуют постоянного обновления информации, что может быть дорого для банка.
Сейчас банки требуют от потенциальных клиентов от 9 до 24 различных документов, которые являются официальным основанием для получения кредита. Несмотря на то, что не существует официальной процедуры работы с ними и каждый банк по своей собственной схеме собирает эти документы, в целом они должны содержать все необходимые сведения о заемщике.
Среди преимуществ скоринговых систем западные банкиры указывают снижение уровня невозврата кредита, быстроту и беспристрастность в принятии решений, возможность эффективного управления кредитным портфелем, отсутствие необходимости длительного обучения персонала.
Основной недостаток скоринговой системы оценки кредитоспособности физических лиц - ее низкая адаптируемость. Используемая же для оценки кредитоспособности система должна отвечать настоящему положению дел. Например, в США считается плюсом, если человек поменял много мест работы, что говорит о его востребованности. В нашей стране было наоборот - данное обстоятельство свидетельствовало, что человек либо не может ужиться с коллективом, либо он малоценный специалист, и, соответственно, повышается вероятность просрочки в платежах.
Сложность заключается только в выборе характеристик, т. е. какая информация является существенной, а какой можно пренебречь. Выборка подразделяется на две группы: «хорошие» и «плохие» риски. В Западной Европе «плохим риском» считается клиент, задерживающийся с очередной выплатой на три месяца, либо клиент, слишком рано возвращающий кредит, банк не успевает ничего на нем заработать. В настоящее время скоринг, широко применяемый во всех экономически развитых странах, вероятнее всего, будет использоваться и в России. И скорее будет применим к юридическим, а не к физическим лицам, потому что у банков накоплено гораздо больше информации о предприятиях (с использованием балльных систем оценки риска различной сложности).
Еще одним вариантом решения поставленной задачи является применение алгоритмов, методом автоматического анализа данных, т. е. отнесения какого-либо потенциального заемщика к одному из заранее известных классов (давать / не давать кредит). Такого рода задачи с большим успехом решаются одним из методов DataMining — при помощи «деревьев решений». Получаемая модель - это способ представления правил в иерархической, последовательной структуре, где каждому объекту соответствует единственный узел, дающий решение.
Сущность этого метода заключается в следующем.
На основе данных за прошлые периоды строится дерево. При этом класс каждой из ситуаций, на основании которых строится дерево, заранее известен. В нашем случае следует знать, были ли возвращены 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, или 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 значительном изменении текущей ситуации на рынке дерево можно перестроить, т. е. адаптировать к существующей обстановке.
Используя такой подход, можно устранить недостатки скоринговой системы оценки кредитоспособности.
Дальнейшие усовершенствования модели оценки кредитоспособности физического лица на основе технологии интеллектуального анализа данных DataMining (с использованием деревьев решений) могут затрагивать следующие моменты: более точный подбор определяющих заемщика факторов; изменение самой постановки задачи, например, вместо двух значений целевого параметра можно использовать более детальную информацию (вернул / не вернул / не вовремя), или в качестве целевого значения - вероятность того, что деньги выплачены вовремя.
Различные методики отличаются друг от друга числом показателей, применяемых в качестве составных частей общего рейтинга заемщика, а также различными подходами к самим характеристикам и приоритетностью каждой из них. Если бы состав показателей был универсальным для всех банков и стран, то можно было бы обмениваться статистикой и мозаично набирать полную картину. При этом нельзя не отметить отсутствие единства у стран, банков и авторов в выборе системы показателей. В рамках дилеммы «риск - доходность» заемщики, имеющие более слабые финансовые позиции (более подверженные риску), должны платить за кредит больше, чем более надежные заемщики.
В то же время сложность оценки кредитоспособности обусловливает применение разнообразных подходов к такой задаче - в зависимости от особенностей заемщиков, и от намерений конкретного банка-кредитора. При этом важно подчеркнуть: различные способы оценки кредитоспособности не исключают, а дополняют друг друга, значит, применять их следует в комплексе.
Важной причиной «проблемных кредитов» (в зависимости от особенностей заемщиков и от намерений конкретного банка-кредитора) является недостаток кредитной информации. Грамотное управление кредитами и правильная его оценка невозможны без такой информации.
В связи с этим создание кредитных бюро - актуальная тема. В США широко распространен взаимный обмен информацией по вопросам кредитования. Под покровительством Национальной ассоциации управления кредитом тысячи кредитных менеджеров постоянно встречаются для обмена информацией и опытом.
Кредитное законодательство 1974 г. США и Великобритании, устанавливающее принципы равноправия в области кредитования, имело важное значение для формирования службы кредитных бюро'. В таких бюро располагается кредитная история всех заемщиков, когда-либо обращавшихся за ссудой в любую кредитную организацию страны.
Только в США действуют около 3 тыс. кредитно-информационных бюро, располагающих кредитными историями большинства физических лиц, которые когда-либо обращались за ссудой. Ассоциация «Роберт Моррис» готовит ежегодный отчет о заемщиках на основании информации, предоставляемой кредитными инспекторами, которые работают в банках -членах Ассоциации.
В кредитных бюро содержатся следующие виды данных: социально-демографические характеристики; судебные решения; информация о банкротствах; данные об индивидуальных заемщиках, получаемые от кредитных организаций. Существование кредитных бюро позволяет кредитным организациям выдавать ссуды клиентам, которые ранее в этой организации не обслуживались, к тому же ценна предыдущая кредитная история для прогнозирования вероятности дефолта.
Но наибольшей популярностью среди внешних источников информации пользуются запросы у других банков, обслуживающих данного клиента, и у его торговых партнеров. Банки, инвестиционные и финансовые компании могут предоставить материал о размерах депозитов компании, непогашенной задолженности, аккуратности в оплате счетов и т. д. Некоторые банки обращаются даже к конкурентам данной фирмы. Такую информацию следует использовать крайне осторожно, но она может оказаться весьма полезной. Торговые партнеры компании сообщают данные о размерах предоставленного ей коммерческого кредита, и по этим данным можно судить о том, использует ли клиент эффективно чужие средства для финансирования оборотного капитала. Эти сведения особенно ценны, так как они основаны на прошлом опыте прямого общения с данной компанией.
Следует учитывать, что умышленное искажение или ненадлежащее использование конфиденциальной информации может нанести существенный вред участвующим сторонам. Особенно опасно разглашение полученных сведений. Скажем, если клиент узнает, что банк получил нелестный отзыв о нем от его поставщика, скорее всего, он откажется от услуг этого поставщика. Если же случай с разглашением конфиденциальной информации получит широкий резонанс, банку уже никто не представит сведений такого рода.