Содержание
Введение
. Постановка задачи
. Обзор источников
.1 Существующие методы
.2 Проблема существующих методов
. Методика решения задачи
.1 Общая структура модели
.2 Основные этапы анализа данных
. Формулировка задачи
.1 Математическая формулировка
.2 Исходные данные
.3 Алгоритм расчета
. Результаты
. Анализ результатов
.1 Интерпретация полученных результатов
.2 Основные результаты
Заключение
Список использованной литературы
Приложение
Введение
Кредитование в банках - это соблюдение определенных практикой правил, которые включают следующие основные этапы:
· Рассмотрение кредитной заявки
· Собеседование с заемщиком,
· Изучение кредитоспособности
· Оценка кредитного риска
· Подготовка и заключение кредитного договора.
Кредитные риски допускают вероятность убытков в связи с несвоевременным погашением долга и неуплатой процентов. Поэтому в последнее время производится тщательный отбор заемщиков. Критерии, по которым производится оценка кредитора, индивидуальны для каждого банка и основываются на его практике.
Оценка кредитного риска представляет собой творческий процесс, требует от работников банков знаний, аналитического мышления, умения определять и оценивать тенденции в хозяйственной деятельности и финансовом положении заемщиков, их возможность соблюдать принципы кредитования, прогнозировать будущее состояние дел заемщика, способности возврата кредита. Возврат банковских ссуд означает своевременное и полное погашение заемщиками выданных им ссуд и соответствующих сумм процентов за пользование заемными средствами.
Обеспечение возврата кредита - это сложная целенаправленная деятельность банка, включающая систему организованных экономических и правовых мер, составляющих особый механизм, определяющий способы выдачи ссуд, источники, сроки и способы их погашения, документацию, обеспечивающую возврат ссуд.
Данная работа изучает существующие методы на которых основана оценка клиентов банка, каким образом банки взвешивают кредитные риски и какие параметры влияют на положительное решение банка.
В данной области существует ряд проблем, которые не имеют универсального решения. Они существуют как на стороне банка, которому в условиях неопределенности, текущей экономической ситуации и снижающихся доходах населения необходимо сохранять, а в наилучшем варианте и наращивать прибыльность своего кредитного портфеля, так и на стороне клиентов, для которых получение заёмных средств стало более затруднительным.
В банковском бизнесе одной из самых доходных статей являются
кредитные операции. За их счет формируется большая часть чистой прибыли банка.
Одним из главных условий, способствующих развитию российской экономики,
считается создание возможностей для наиболее широкого доступа населения страны
к финансово-кредитным ресурсам. Рынок кредитования граждан страны это
неотъемлемая составляющая стабильности экономики, важный фактор по ускорению ее
роста, обеспечению увеличивающегося спроса на банковские услуги высокого
качества. Развитие экономики страны, расширение производства дает возможность
для роста объема востребованных товаров. Вот почему данная проблема актуальна.
Цель выпускной квалификационной работы - с помощью разработанного подхода повысить надежность метода оценки клиентов для снижения рисков при выдаче кредита, путем определения ключевых параметров, влияющих на принятие решения, а также построение методов автоматизации с целью сокращения времени на принятия решений.
В ходе выполнения работы были поставлены следующие задачи:
· Провести анализ факторов и существующих методов для принятия решений в предметной области;
· Определить функциональные зависимости, возможную избыточность и достаточные условия применимости используемых параметров;
· Сравнить эффективность работы алгоритмов (в т.ч. скоринговых), выявляющих ключевые параметры для оценки кредитоспособности клиента:
· Построить классификацию зависимостей ключевых параметров клиента на основе сравнения работы алгоритмов построения ассоциативных правил.
Новизна работы состоит в предложенном варианте сокращения времени на принятие окончательного решения по выдаче заемных средств с помощью применения разработанных алгоритмов по сравнению с уже существующими.
В процессе выполнения поставленных задач были выделены следующие этапы:
. Формулировка математической модели системы,
. Численная и программная реализация,
. Определение параметров модели
. Проведение экспериментов на реальных данных.
Общей проблемой дипломной работы является отсутствие единого типового клиента, для которого была бы применима единая оценка кредитоспособности, поэтому актуально применение методов сегментации клиентов на начальном этапе.
Частная проблема исследования - это выявление ключевых параметров клиента, влияющих на его способность погасить заем.
Предмет исследования потребительское кредитование в российской федерации. Объект исследования - автоматизация процесса принятия решения.
В практике российских и зарубежных банков применяются различные подходы к определению кредитного риска физических лиц, начиная с субъективных оценок кредитными экспертами коммерческих банков и заканчивая автоматизированными системами оценки риска. Большинство зарубежных банков в своей практике используют два метода оценки кредитоспособности заемщиков.
Оценка осуществляется человеком на основе личных качеств потенциального заемщика, его финансового состояния, кредитной истории потенциальных заемщиков.
Недостатками данного метода является:
· Трудность объективности и прозрачности принятия решений;
· Снижение скорости принятия решений при больших объемах информации;
· Высокие затраты на высококвалифицированных экспертов.
В связи с этим банки проявляют повышенный интерес к таким системам оценки риска, которые позволили бы минимизировать участие экспертов и влияние человеческого фактора на принятие решений
Балльные системы оценки кредитоспособности клиентов - это методы, которые используют накопленную базу данных заемщиков для установления критериального уровеня оценки заемщика.
Методы балльной оценки обладают рядом свойств, которые позволяют проанализировать большой объем кредитных заявок, сократив, операционные расходы, время на обработку и финальное решение. Такой метод называется скорингом.
Скоринг представляет собой математическую или статистическую модель, с помощью которой на основе кредитных историй других клиентов банк пытается определить, насколько велика вероятность того, что конкретный потенциальный заемщик вернет кредит в срок.
Скоринговая оценка основывается на различных характеристиках клиентов, к примеру: доход, возраст, профессия, семейное положение и т.д. В результате анализа факторов рассчитывается интегрированный показатель, дающий представление о степени кредитоспособности заемщика, исходя из набранных в ходе анализа баллов. В зависимости от балльной оценки принимается решение о выдаче кредита и его параметрах, либо об отказе в предоставлении кредита.
Оценка кредитоспособности заёмщика по уровню доходов осуществляется на основе данных о доходе физического лица и вероятности потери этого дохода. Доход определяется исходя из справок о заработной плате или налоговой декларации, после чего корректируется с учетом обязательных платежей и коэффициентов риска банка. Кредитная история представляет собой сведения о получении и погашении потенциальным кредитополучателем кредитов в прошлом. С целью формирования кредитных историй в странах создаются и функционируют кредитные бюро.
В системах скоринга обычно применяют дискриминантные модели или аналогичный по сути метод логистической регрессии. В данных моделях используются несколько переменных, дающих в сумме цифровой балл каждого потенциального заемщика.
Таким образом, скоринг не отвечает на вопрос, почему заёмщик не платит. Он выделяет те характеристики, которые наиболее тесно связаны с ненадежностью или, наоборот, надежностью клиентов определенного возраста, определенной профессии, образования, таким же числом иждивенцев и т.д. В этом заключается дискриминационный характер скоринга: человек, по формальным признакам близкий к группе с плохой кредитной историей, скорее всего, получить кредит не сможет.
Статья Клейнер Г.Б., Коробов Д.С. История современного кредитного скоринга. Выпуск 17. Проблемы региональной экономики обобщает информацию по различным видам скоринга.
Основными видами скоринга в современной российской банковской практике являются следующие:скоринг(Оценка заявки на кредит)
Данный вид скоринга используется при выдаче займа или при выпуске кредитной карты. Заключение о предоставлении кредита может выдаваться автоматически.
Для принятия системой того или иного решения клиенту предлагается заполнить анкету. Ответы оцениваются в баллах и складываются. В результате полученная сумма сравнивается с минимальным необходимым значением. Если потенциальный заемщик набрал баллов больше определенного уровня, то он получает одобрение займа, если меньше - то отказ. В спорных или пограничных случаях решение, как правило, принимается индивидуально.
В разных системах тест на кредитоспособность может существенно различаться. Каждый банк оценивает своих клиентов по-своему, исходя из опыта работы с разными категориями заемщиков. Тем не менее есть и общие для большинства из них моменты. Так, наличие работы и дохода, постоянная регистрация, отсутствие судимостей - условия чаще всего обязательные.
Наряду с анкетными данными скоринговые модели банков часто учитывают также ответы на вопросы относительно заявителя самих банковских сотрудников. В этом случае может быть учтен ряд дополнительных факторов, таких как адекватность клиента, его внешний вид и пр.
Идеальной схемы "правильных ответов" и линии поведения потенциального заемщика не существует. Во-первых, представления об идеальном клиенте у всех банков разные. А во-вторых, системы оценки постоянно совершенствуются и учитывают опыт возврата кредитов, выдаваемых разным категориям.
Системы оценки кредитоспособности клиентов могут не только давать положительный или отрицательный ответ, но также рекомендовать сроки кредитования и индивидуальные ставки исходя из показателей надежности.
Это целый ряд процедур:
· Проверка информации по "черным" и "серым" спискам
Выбранные поля анкеты заемщика проверяются на совпадение/схожесть с данными в черных/серых списках мошеннических сделок/организаций и т.п.
· Проверка информации на "внутреннюю" непротиворечивость
По имеющимся в анкете полям со связанной информацией (дата рождения - ИНН, наличие недвижимости - коммунальные платежи, аренда недвижимости - арендная плата и т.п.) проверяется внутренняя непротиворечивость анкеты.
· Проверка информации на "внешнюю" непротиворечивость и соответствие бизнес-правилам.
Имеющиеся в анкете данные анализируются с помощью экспертных бизнес-правил (например, дата выдачи паспорта - не выходной день, указание дополнительных доходов - минимальный учитываемый доход), а также сверяются с имеющейся информацией в базе заявок или информационных базах банка (валидность адресов, предприятий, анализ предыдущих анкет и/или заявок)
· Проверка информации на наличие "общих" выбросов
Сравнение показателей из анкеты с общим распределением по портфелю - "штрафные" баллы за попадание в "критический" хвост распределения или статистически мелкую категорию.
· Проверка информации на наличие выбросов в рамках выделенной области "клиентов"
Сравнение показателей из анкеты с данными, отобранными по критерию. Например, проверка на "выброс" зарплаты в сравнении с данными по предприятию, по отрасли, по региону и т.п.
· Скоринг на потенциально мошенническое действие
Использование классифицирующей модели, которая на основе анкетных данных, а также результатов проверки правил определяет вероятность мошеннических сделок.
· Скоринг на близость к "идеальному" заемщику Использование моделей "схожести" (k-NN, SOM etc.), которые на основе анкетных данных и результатов срабатывания правил определяет степень схожести клиента с идеальным.скоринг представляет собой совокупность многочисленных процедур, которые позволяют отсечь мошенников.скоринг
С ростом клиентской базы и объемов оказываемых услуг, кредитные организации рано или поздно сталкиваются с необходимостью сбора просроченной задолженности. Долги могут появляться как на счетах клиентов, так и у контрагентов, поставщиков, партнеров. Эффективность бизнес-процессов по управлению дебиторской задолженностью во многом влияет на финансовую стабильности компании, а также на уровень текущих и возможных рисков.
Чтобы не допустить лавинообразного роста просроченных долгов, компаниям необходимо решить сложную задачу - выработать и последовательно выполнять такую стратегию работы с должниками, которая позволит, с одной стороны, сохранить лояльность прибыльных и перспективных клиентов, а с другой - максимизировать объем собранной просрочки, при жестком ограничении затрат на мероприятия по сбору.скоринг определяет приоритетные направления работы с неблагополучными заемщиками. По сути это работа с просроченной задолженностью. В случае задержки выплат по кредиту банк начинает работать с заемщиком, напоминая о необходимости погашения долга. Чем дольше задержка, тем настойчивее ведет себя банк. Так продолжается до тех пор, пока дело не попадает в коллекторское агентство или суд.
Вероятность возврата долга зависит от многих факторов, часть из которых известна и может быть оценена статистически. Накопленная информация, разнообразные методы Data Mining и планирование экспериментов (DOE) позволяют создать эффективные математические (скоринговые) модели для оценки вероятности взыскания задолженности, прогноза размера возврата и определения наилучшего способа взыскания.scoring модели учитывают, как минимум, следующие факторы:
· Демографические данные дебитора
· Предполагаемый или достоверно известный уровень доходов и расходов, имущественное положение
· Наличие надежных контактных и идентификационных данных (ФИО, паспортные данные и др.)
· История взаимодействия с дебитором, например, примененные ранее коллекторские воздействия
· История поведения, использования услуг, начислений, штрафов и т.д.
· Планируемое коллекторское воздействие
В отличие от экспертных оценок, статистический скоринг объективно оценивает всю совокупность факторов риска, легко масштабируется и помогает выстроить оптимальную стратегию работы с должниками на любом уровне.
Средства углубленной аналитики позволяют оценить экономический эффект от проведения коллекторской компании до ее непосредственного запуска. Экономический эффект зависит от объема долга, прогноза сроков и размера возврата задолженности, а также от затрат на соответствующие мероприятия. Банки применяя скоринговые модели к прошлым кредитам, могут оценить величину потерь, которых удалось бы избежать за счет повышенной точности анализа кредитных заявок.scoring (поведенческий скоринг)
Поведенческий скоринг - это динамическая оценка состояния кредитоспособности существующего заемщика, основанная на данных об истории операций по его счетам (график погашения задолженности, запросы новых кредитов, оборот по текущим счетам, и т.п.).