Дипломная работа: Инновационные механизмы дистанционного банковского обслуживания в коммерческом банке

Имея в виду эти характеристики, а также активные действия АО «Райффайзенбанк» по развитию свои дистанционных каналов (например, летом 2019 года банк анонсирует новый функциональный интернет банк), можно предположить достижение им показателей лидеров рынка по проникновения ДБО в активную базу клиента к 2023 году. Установив данную цель, была построена равномерная модель прироста пользователей каналов дистанционного обслуживания. На 2023 год ожидается увеличение активной базы клиентов, пользующейся Интернет банком, на 2,3 миллиона (до уровня проникновения 66,6%) и базы, пользующейся мобильным и интернет банком вместе, на 1,6 миллионов человек (уровень проникновения 43,3%).

Следующим этапом является определение, какая доля клиентов каждого дистанционного канала воспользуется кредитным продуктом. Ниже представлена таблица оценочных долей. Ограничительной планкой максимальной доли косвенно может служить устоявшаяся «нормальная» конверсия (то есть доля целевых действий/клиентов к общим) в интернет-магазинах или онлайн заявках на кредит в ряде банков, что в некоторой степени можно приравнять к нашему продукту. Такая конверсия в норме составляет около 5%. Суммарная же доля заемщиков от обоих каналов будет составлять около 5,3% от всех активных клиентов банка или 217 тысяч человек к 2019 году (таблица 3.1).

Таблица 3.1 - Прогнозирование доли заемщиков через каналы ДБО на период с конца 2019 по 2022 годы

Показатели, характеризующие доли клиентов, которые воспользуются продуктом онлайн кредитования, являются в наибольшей степени неопределенные и могут показывать сильные вариации. В связи с этим, был проведен анализ чувствительности значения NPV на изменение долей заемщиков в обоих каналах. Традиционно, было рассчитано изменение абсолютного значения NPV при изменении общей доли заемщиков в обоих каналах за весь рассматриваемый период на 1%. Так, при изменении тестируемого показателя на 1%, NPV изменяется на 8 миллионов рублей. Также был проведен анализ изменения NPV в зависимости от изменения тестируемого параметра в диапазоне от - 30% до +30%. График представлен ниже, на котором очевидно изменение NPV при заданном диапазоне вариации параметра от 529 млн.руб. до 996 млн.руб. (рис. 3.1).

Рисунок 3.1 - Изменение значения NPV при вариации долей заемщиков через ДБО от -30% до +30%

Бизнес модель подразумевает выдачу займов с ограничением по сумме в 30 тысяч рублей. Таким образом, можно предположить среднюю сумму займа без особо сильного разброса, как бы это было при большой планке-ограничителе. В расчет берется, что при запуске средняя сумма займа будет намного ниже максимальной, что можно объяснить более сдерживающей кредитной политикой банка для апробации новой технологии. Далее сумма, предположительно, будет монотонно возрастать и к 2019 году может достигнуть позиции около 2/3 от максимальной суммы.

Расчет кредитного портфеля проекта, то есть ресурсов, размещенных исключительно потребителям продукта онлайн кредитования, происходит как умножение ежегодной средней суммы займа на количество заемщиков в обоих каналах. Так, кредитный портфель на конец 2019 года будет составлять около 79 миллионов рублей, а к концу 2019 достигнет 4,5 миллиарда, со среднегодовым темпом роста 218%. Если сопоставлять кредитные портфели целого банка и отдельно проекта, то сумма выданных займов второго будет составлять около 1,5% от суммы выданной ссудной задолженности банка к 2019 году.

Для определения чистой прибыли проекта необходимо спрогнозировать следующие компоненты: Процентный доход. Процентный расход. Издержки, напрямую относящиеся к проекту.

Рассмотрим отдельно нахождение каждого компонента. Как известно, формирование процентных ставок по привлеченным и размещенным ресурсам происходит с опорой на ключевую ставку Банка России. Центральный Банк является основным субъектом управления денежно-кредитной политики в экономике страны и объективно имеет инструменты воздействия, которые, с одной стороны, учитывают сложившуюся конъюнктуру рынка, а с другой, прямо или косвенно влияют на процесс развития экономики. Установление ключевой ставки является одним из таких инструментов, от того и целесообразно при прогнозировании процентных ставок размещения и привлечения опираться на прогнозные значения Банка России в области ключевой ставки. Чтобы подтвердить гипотезу, были сопоставлены три ряда исторических данных:

1. Средневзвешенные значения полной стоимости потребительских кредитов с суммой до 30 тысяч рублей, которые Банк России ежеквартально рассчитывает в соответствии с ФЗ № 353, начиная с 2017 года, публикует на своем вебсайте. Данные рассчитаны по средним ставкам банковского сектора.

2. Средние ставки по привлеченным ресурсам от нефинансовых организаций, рассчитанные по данным от топ 30 банков по активам.

3. Динамика изменения Банком России ключевой ставки.

Сопоставив ряды данных, была выявлена значимая корреляция: процентная ставка размещенных ресурсов коррелирует с ключевой ставкой на 78%, а процентная ставка по привлеченным ресурсам коррелирует с ключевой на 94%. Ниже представлен график, где наглядно можно проанализировать их зависимость (рис. 3.2).

Рисунок 3.2 - Прогнозирование динамики изменения ключевой ставки Банка России, среднерыночной ставки привлеченных ресурсов и средней стоимости потребительских кредитов

В функции Банка России входит прогнозирование ключевых экономических показателей, в том числе для ориентира формирования денежно-кредитной политики. Учитывая тот факт, что, по прогнозу регулятора, инфляция спустится до докризисного уровня к 2018 году, следует и то, что за ней последует ключевая ставка. Вероятно, ключевая ставка будет равномерно снижаться, начиная с конца 2019 года, и достигнет 5,5% к концу планируемого срока, как на докризисном уровне.

Таким образом, для прогнозирования процентных ставок по привлеченным и размещенным ресурсам был взят аналогичный темп роста, что и для прогнозирования снижения ключевой ставки. Результаты в таблице 3.2.

Таблица 3.2 - Прогнозирование основных ставок (ключевая, привлеченные ресурсы, размещенные ресурсы) на период с конца 2019 по 2023 годы

Для определения процентного дохода помимо средней ставки размещения и кредитного портфеля, необходимо также определить и спрогнозировать долю проблемных ссуд, доход по которым, с большой вероятностью, выплачиваться не будет. Текущий уровень просроченной задолженности публично раскрывается на информационно-аналитическом портале Banki.ru и составляет 4,62% на январь 2019 года. С целью прогнозирования уровня проблемных ссуд до 2019 года, была проанализирована динамика изменения показателя за период с 2008 по текущий год и выявлена закономерность, базой которой служит наличие циклов в экономике. Пик нагрузки проблемных ссуд приходится на 3 год после самого кризисного года, а затем идет равномерное снижение. Такой цикл был замечен как после 2008 года, так и после 2017. Опираясь на данную закономерность, было предположено, что максимальный уровень проблемной задолженности придется на 2019 год. Продлив текущее значение с аналогичным кризису 2008 года темпом роста, были получены прогнозные значения (таблица 3.3).

Таблица 3.3 - Прогнозирование уровня просроченной задолженности

В итоге, процентный доход рассчитывается как произведение трех переменных: прогнозной средней стоимости нецелевого потребительского кредита, объема размещенных ресурсов и уровня «непроблемных ссуд» (без просроченной задолженности).

Процентный расход рассчитывается как произведение прогнозной средней процентной ставки привлеченных ресурсов от нефинансовых организаций и ресурсов, размещенных в кредит.

Разница процентных доходов и процентных расходов является чистым процентным доходом. Также целесообразно проследить спрогнозированную динамику такого качественного показателя, как чистая процентная маржа, формирующаяся как отношение чистого процентного дохода к размещенным активам. Сразу после запуска проекта маржа характеризуется резким ростом (с 4,9% до 16,5% в первый год), а затем стабилизация на уровне около 15% в 2018-2019 годы.

Последним элементом для прогнозирования чистой прибыли является анализ регулярных издержек проекта. В первую очередь, во внимание принимались издержки, которые напрямую относятся только к проекту. К таким был отнесен фонд заработной платы следующих позиций: аналитик CRM бизнес-системы (2 человека), аналитик распознавания мошеннических операций (1 человек), сотрудники удаленного обслуживания клиентов по телефону и в онлайн форме (5 человек). Суммарный объем фонда оплаты труда на сотрудников, напрямую участвующих в проекта, составляет 5,267 млн.руб. за 2017 год. С учетом ежегодной индексации заработной платы, объем фонда к 2019 году составит 5,862 млн.руб.

Помимо этого, при расчете издержек проекта учитывается часть фонда оплаты труда работников, которые косвенно участвуют в кредитном процессе. К таким относят: системные администраторы (2 человека), которые отвечают за функционирование информационных систем и которые контролируют работу системы выдачи онлайн кредитов; аналитики кредитного и рыночного рисков (3 человека) - обязательны для постоянного мониторинга и определения рисков, регулирование процентных ставок, величину отчисления в РВПС и т.д.; сотрудники по работе с проблемными ссудами и платежными рисками (3 человека), которые курируют процесс взыскания проблемной задолженности, определяют показатели, характеризующие такие ссуды и взаимодействуют со службами экономической безопасности и коллекторскими агентствами; разработчики-архитекторы мобильных приложений и интернет банка, в обязанности которые входит постоянное улучшение платформ, выпуск обновлений, повышение производительности работы платформ и др. Учитывая, что вышеперечисленные сотрудники являются участниками, в основном, только кредитного процесса, доля затрат на оплату их труда, которую необходимо отнести на издержки проекта, может быть определена как аналогичная доле кредитного портфеля от участия в проекте к общебанковскому кредитному портфелю. Фонд оплаты труда косвенных сотрудников представлен в таблице, данные взяты из анализа позиций на портале «Head Hunter».

Таблица 3.4 - Персонал, косвенно участвующий в функционировании внедряемого продукта

Другие операционные расходы, которые идут на обслуживание информационной инфраструктуры банка и могут косвенно относиться к проекту (электричество, ремонт и модернизация устройств), не учитываются в силу сложности определения доли таких затрат на проект и их незначимого объема.

Как и показатель количества заемщиков, общая сумма постоянных издержек характеризуется большой степенью неопределенностью, поэтому необходимо провести анализ чувствительности основной метрики эффективности (NPV) к изменению данного параметра.

Было выявлено, что при изменении суммы общих постоянных издержек на 1% NPV изменяется на 0,14 миллионов рублей. Тестируемый показатель сопоставлялся с изменением чистой приведенный стоимости в диапазоне от -30% до +30%, при изменении значения NPV от 759 млн.руб. до 767 млн.руб. График представлен ниже.

Рисунок 3.3 - Изменение значения NPV при вариации суммы общих постоянных издержек от -30% до +30%

Имея в наличии все данные по издержкам, можно перейти к расчету чистой прибыли проекта:

Чистая прибыль после налогообложения = (Чистые процентные доходы - издержки на персонал, напрямую участвующий в реализации проекта - издержки на персонал, косвенно участвующий в проекта )* (1-0,2) - за вычетом налога на прибыль.

Так за первый квартал работы проекта (4 квартал 2019 года) ожидается чистая прибыль в размере 1,7 миллиона рублей. За полный 2017 год работы проект сгенерирует около 150 миллионов чистой прибыли, а к 2019 году чистая прибыль достигнет 658 миллионов рублей, со среднегодовым темпом роста 209%. Рост, в основном, количественный, связан с ростом активной базы клиентов и проникновения электронных каналов взаимодействия.